Made available in DSpace on 2014-06-12T17:36:16Z (GMT). No. of bitstreams: 2 arquivo2565_1.pdf: 2503761 bytes, checksum: b0c6a694a5d13636516194de9e330025 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Companhia Energética de Pernambuco / Após as mudanças ocorridas, com a reestruturação do mercado de energia ao final da década de 90, a previsão de mercado veio ganhando destaque cada vez maior, com ênfase nos processos de planejamento do setor, modicidade tarifária e contratação de energia elétrica, onde se estabelece um limite que caso venha a ser rompido, poderá gerar prejuízos às distribuidoras de energia elétrica. Dessa forma, este trabalho visa encontrar o modelo mais adequado à série histórica de Energia Distribuída da CELPE (Companhia Energética de Pernambuco). Foram feitas simulações para curto prazo, com dados mensais no horizonte de doze meses à frente e longo prazo, com dados anuais e horizonte de quatro anos. Para o curto prazo foram testadas as metodologias de Amortecimento Exponencial, Box & Jenkins, Modelos Estruturais e Redes Neurais Artificiais, sendo testados vários modelos para cada aplicação. No longo prazo as metodologias utilizadas foram as de Regressão Dinâmica e o ANFIS. Ao final foram feitas comparações através do MAPE (Erro Médio Absoluto Percentual), sendo o melhor modelo o que obteve o menor valor de MAPE

The scarce resources of public health makes the administrator manage the destination of resources, aiming to rationalize and optimize its collection, in order to improve the assistance to patients because the hospital is a public institution and does not get profits but promotes the community well-being. Thus, the hospital infection is acquired after the patient comes to the hospital of after he goes home and might be associated with his staying in hospital or with hospital procedures. This cost must be avoided. Once the complete eradication is not impossible, it is necessary to analyze and to control the monthly cost of the main antibiotics used for its treatment so that there is enough knowledge to foresee the resource collection to buy them. In this context, the main reason of this research is to carry out a forecast of the monthly cost and of the resource collection needed to purchase those medicine used in the treatment of hospital infections at the University Hospital of Santa Maria. To do so, a methodology for forecast by dynamic and multiple linear regressions was used. They were combined with to a multivariate technique by principal components. The technique of principal components was used to eliminate the multiple linearity existing among the original variants so, the resulting principal components were used as variables in the construction of the model of multiple linear regression and of dynamic regression. Therefore, these methodologies are applied to a case study of public health, in order to foresee and to conclude about which model is more suitable to forecast the monthly cost of antibiotics in hospital infections. The results obtained from the two models were considered satisfactory but the model of dynamic regression was chosen to be more suitable because it presented a mean absolute percentage error (MAPE). Finally, the findings might be a managerial tool for hospital administration when they offer subsides for the budget of planning and of the resource finances, especially in a time when resources are globally scarce, making health even more expensive. / Os escassos recursos da saúde pública impõem ao administrador gerenciar a destinação dos recursos buscando racionalizar e otimizar sua alocação, permitindo, desta forma, melhorar o atendimento aos pacientes, pois o hospital, sendo uma entidade pública, não tem por objetivo o lucro, mas sim promover o bem estar da comunidade. Com isso, a infecção hospitalar que é adquirida após a internação do paciente e se manifesta durante a internação ou mesmo após a alta, podendo ser relacionada com a internação ou procedimentos hospitalares, deve ser evitada. Uma vez que sua total erradicação não é possível, se faz necessário analisar e controlar o custo mensal dos principais antibióticos utilizados no seu tratamento a fim de se ter embasamento suficiente para prever a alocação de recursos para sua aquisição. Nesse contexto, o principal objetivo desta pesquisa é realizar a previsão do custo mensal e de alocação de recursos necessários para aquisição de medicamentos utilizados no tratamento de infecções hospitalares no Hospital Universitário de Santa Maria. Para isso, utilizou-se a metodologia de previsão por regressão linear múltipla e de regressão dinâmica combinada com a técnica multivariada de componentes principais que foi utilizada para eliminar a multicolinearidade existente entre as variáveis originais. Com isso, as componentes principais resultantes foram utilizadas como variáveis independentes na construção do modelo de regressão linear múltipla e de regressão dinâmica. Portanto, essas metodologias são aplicadas a um estudo de caso na saúde pública, a fim de fazer previsões e tirar conclusões a respeito de qual modelo é mais adequado para realizar a previsão do custo mensal dos antibióticos em infecções hospitalares. Os resultados obtidos nos dois modelos foram considerados satisfatórios, mas foi escolhido, como modelo mais adequado para realizar as previsões, o modelo de regressão dinâmica, porque apresentou o menor erro percentual absoluto médio (MAPE). Por fim, as previsões encontradas, podem se constituir em uma ferramenta gerencial para a administração hospitalar ao fornecer subsídios para o planejamento orçamentário e financeiro dos recursos, especialmente em uma época em que há escassez de recursos em escala global, com reflexos muito intensos nos custos da saúde.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-10-13T13:49:58Z No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-10-22T12:56:13Z (GMT) No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) / Made available in DSpace on 2016-10-22T12:56:14Z (GMT). No. of bitstreams: 1 eduardodessupoiomoreiradias.pdf: 568521 bytes, checksum: c10ad96e85dfa6ce7e0e40283959ac29 (MD5) Previous issue date: 2008-02-29 / O objetivo principal desta dissertação é estimar um modelo para a previsão mensal do consumo de energia elétrica no Brasil. Foi utilizada na construção do modelo uma estratégia bottom-up, ou seja, inicialmente, com o uso da metodologia Box & Jenkins, estimou-se um modelo simples auto-projetivo que pudesse fornecer informações sobre o comportamento da série em questão. Num segundo momento, estimou-se um modelo de regressão dinâmica, onde se procurou relacionar o consumo de energia elétrica no país com outras possíveis variáveis causais. Nesta dissertação também é feito um estudo sobre a evolução do setor elétrico no Brasil, enfatizando-se as reformas ocorridas em meados dos anos 1990, o que deu origem ao chamado “novíssimo” modelo institucional do setor elétrico brasileiro. Com a metodologia Box & Jenkins, foi encontrado um modelo SARIMA (0,1,0) x (1,0,0)12 e o modelo de regressão dinâmica indicou que o consumo de energia elétrica no Brasil está relacionado, dentre outros fatores, ao nível de atividade econômica do país. Por fim, foram feitos testes dentro e fora da amostra, com o objetivo de comparar os modelos obtidos, e projeções de consumo para os meses do ano de 2008. / The main point of this dissertation is to find a monthly forecasting model to the Brazilian of electric energy consumption. The methodology consists of the construction of a model using a buttom-up strategy. In other words, it was first adjusted a Box & Jenkins model; i.e., a simple univariate model that could give information about the behavior of the series. Then, a dynamic regression model was fitted which relates brazilian electric energy consumption to all possible explanatory variable. In this dissertation, it was also carried out a study of the Brazilian electricity sector evolution, emphasizing the changes occurred in the nineties, that originated the so called “brand new” institutional model of the Brazilian electricity sector. By mean of the Box & Jenkins method, a SARIMA model (0,1,0) X (1,0,0)12 was found, and the dynamic regression model shows that the consumption of electricity in Brazil is related, among others factors, to the level of the economic activities in the country. Finally, tests in and out of sample were made, with the objective of comparing the obtained models, and the monthly forecasts for the 2008 months were produced by the selected model.