Análise de tendência
Trend Analysis ajusta um entre quatro modelos de tendência (Linear, Quadratic, Exponential Growth ou S-Curve) a uma série temporal por mínimos quadrados e o estende para prever períodos futuros. Use-a em séries com tendência de longo prazo e sem forte sazonalidade. A série não pode ter lacunas e precisa de pelo menos 4 valores. As saídas são a equação ajustada, previsões sem limites de predição e MAPE, MAD e MSD.
Última revisão
Conclusão principal
A análise de tendência ajusta uma tendência linear, quadrática, de crescimento exponencial ou de curva S a uma série temporal e a estende para prever períodos futuros, em séries com tendência de longo prazo e sem forte padrão sazonal.
Nesta página
Finalidade
Trend Analysis ajusta uma reta ou curva de tendência a uma série temporal e a estende para prever períodos futuros. Ela responde a perguntas como “com que rapidez a demanda cresce a cada mês?” ou “onde estará esta medição de desgaste daqui a seis meses se a tendência continuar?”. Use-a em uma série com tendência de longo prazo e sem forte padrão sazonal, ou como primeira análise antes de um método sazonal, como a decomposição ou o método de Winters.
Principais recursos
- Quatro modelos de tendência: Linear, Quadratic, Exponential Growth e S-Curve.
- Equação de tendência ajustada, previsões para qualquer número de períodos e medidas de exatidão MAPE, MAD e MSD.
- Eixo do tempo rotulado a partir de uma coluna de data ou carimbo de tempo, ou pelo número da linha.
- Origem da previsão para prever a partir de uma linha anterior e comparar com dados conhecidos.
- Análise de tendência ponderada: combine estimativas de um ajuste anterior com as novas.
- Tabela de resultados opcional (tendência e valor sem tendência de cada período) e gráficos de resíduos quatro em um.
Métodos estatísticos
O índice de tempo é t = 1, 2, … n (a ordem das linhas). Linear ajusta Yt = b₀ + b₁·t e Quadratic ajusta Yt = b₀ + b₁·t + b₂·t², ambos por mínimos quadrados. Exponential Growth ajusta Yt = b₀·b₁ᵗ por uma reta de mínimos quadrados sobre o logaritmo dos dados, de modo que b₁ é o fator de crescimento por período (1.01 = 1% por período). S-Curve ajusta a curva logística de Pearl-Reed Yt = 10ᵃ / (b₀ + b₁·b₂ᵗ) por mínimos quadrados não lineares, que se estabiliza em um limite superior. Exponential Growth e S-Curve exigem que todos os valores sejam maiores que zero.
Os ajustes são os valores da tendência, e as previsões estendem a equação até t = n + 1, n + 2 … (ou a partir da origem da previsão, usando uma tendência ajustada aos dados até essa linha). Não são fornecidos limites de predição. Exatidão: MAPE = média de |erro / dado| × 100, MAD = média de |erro| e MSD = média de erro², em que erro = dado − tendência; os valores sem tendência na tabela de resultados são dado − tendência (dado / tendência para Exponential Growth e S-Curve).
Análise de tendência ponderada: informe as estimativas de um ajuste anterior como Prior parameter values (b₀ b₁ …, na ordem da saída). Cada estimativa combinada é w × nova + (1 − w) × anterior, com w = 0.2 por padrão; assim, um novo período de dados atualiza uma tendência estabelecida suavemente, em vez de substituí-la. A série não pode ter lacunas e precisa de pelo menos 4 valores.
Campos de entrada e opções
Campo | Descrição |
Variable (Y) | Obrigatório. A série numérica, em ordem temporal. |
Time/stamp column | Opcional. Rotula o eixo do tempo (ex.: uma coluna de mês); a ordem das linhas (Index) é usada se for deixada em branco. Não altera o ajuste. |
Model type | Linear (padrão), Quadratic, Exponential Growth ou S-Curve. |
Number of forecasts | Padrão 0 (nenhuma), até 1000. |
Forecast origin (row) | Opcional, ativo quando previsões são solicitadas. As previsões começam após essa linha, usando os dados até ela; em branco = fim da série. |
Prior parameter values | Opcional. Estimativas de um ajuste anterior, na ordem da saída (b0 b1 …), para uma análise de tendência ponderada. |
Weights for blending priors with new estimates | Ativo quando valores anteriores são informados. Entre 0 e 1, um por estimativa; em branco = 0.2 cada. Combinado = w × nova + (1 − w) × anterior. |
Results to display | Summary table (padrão) ou Summary table and results table. |
Residual plots (four in one) | Desmarcado por padrão. Gráfico de probabilidade normal, resíduos versus ajustes, histograma e resíduos versus ordem. |
Title | Título da saída. O padrão é Trend Analysis. |

Figura 1 — Tendência linear das Sales mensais, rotuladas por Month, com 12 previsões.
Descrição da saída
- Trend Analysis (gráfico) — dados reais, tendência ajustada e previsões, com MAPE, MAD e MSD no título.
- Method — coluna de dados, comprimento e tipo de modelo (mais a análise ponderada e a origem da previsão, quando usadas).
- Fitted Trend Equation — a equação com suas estimativas.
- Weighted Estimates — quando valores anteriores são informados: Parameter, Prior, New, Weight e Blended.
- Accuracy Measures — MAPE, MAD e MSD.
- Forecasts — período e previsão.
- Results — quando escolhido: Period, dado, Trend e Detrend de cada período.
- Residual Plots — quando marcado.
- Exportação em PDF por meio de Download.

Figura 2 — Uma reta ao longo de 60 meses de vendas: cerca de 12 unidades a mais a cada mês.
Exemplo prático
Um distribuidor de eletrônicos de consumo vende mais a cada ano. Antes de construir uma previsão sazonal, o analista de vendas faz a pergunta mais simples: com que rapidez as vendas mensais crescem em média e onde uma reta as colocaria em 2025? O analista tem 60 meses de vendas unitárias (janeiro de 2020 a dezembro de 2024) e seleciona Variable (Y) = Sales, Time/stamp column = Month, Model type = Linear e Number of forecasts = 12.
A tendência ajustada é Yt = 781.6 + 11.93×t: as vendas crescem cerca de 12 unidades por mês, ou cerca de 143 por ano. A reta prevê 1,509 para janeiro de 2025 (período 61), subindo para 1,641 em dezembro de 2025 (período 72). O MAPE é 7.4% (MAD 81.8 unidades): os meses ficam em média 7.4% distantes da reta, principalmente por causa da sazonalidade. Todo dezembro fica de 191 a 273 unidades acima da reta (dezembro de 2024: 1,759 contra 1,497) e todo fevereiro de 123 a 236 unidades abaixo dela.
Para a decisão, isso significa que a reta dá uma taxa de crescimento consistente, mas subestimará o pico do fim do ano e superestimará a queda do início do ano. O modelo Quadratic dá um termo de curvatura de apenas 0.00093×t² e o mesmo MAPE (7.4%); portanto, o crescimento é próximo de uma reta; Exponential Growth (1.08% ao mês) ajusta-se um pouco pior, com MAPE de 7.6%. Para previsões mensais que acompanhem a sazonalidade, use a decomposição (MAPE de 2.2%) ou o método de Winters nos mesmos dados.
Perguntas frequentes
Quando usar a análise de tendência?
Use a análise de tendência em uma série temporal com tendência de longo prazo e sem forte padrão sazonal, por exemplo para ver com que rapidez a demanda cresce a cada mês ou onde estará uma medição de desgaste se a tendência continuar. Ela também é uma primeira análise útil antes de um método sazonal, como a decomposição ou o método de Winters.
Quais modelos de tendência estão disponíveis?
Linear ajusta Yt = b0 + b1·t e Quadratic acrescenta um termo b2·t², ambos por mínimos quadrados. Exponential Growth ajusta Yt = b0·b1^t, em que b1 é o fator de crescimento por período. S-Curve ajusta a curva logística de Pearl-Reed, que se estabiliza em um limite superior. Exponential Growth e S-Curve exigem que todos os valores sejam maiores que zero.
A análise de tendência fornece intervalos de predição?
Não. As previsões estendem a equação ajustada para períodos futuros, mas não são fornecidos limites de predição. O ajuste é julgado com MAPE, MAD e MSD, com base nos erros entre os dados e a tendência. Um MAPE grande em dados sazonais mostra que um método sazonal é necessário.
O que é a análise de tendência ponderada?
A análise de tendência ponderada combina as estimativas de um ajuste anterior com as novas. Cada estimativa combinada é w vezes a nova estimativa mais (1 - w) vezes a anterior, com w = 0.2 por padrão; assim, um novo período de dados atualiza uma tendência estabelecida suavemente, em vez de substituí-la.
