Cálculo direto quando os diferenciais não batem
Na prática, você raramente encontra uma progressão aritmética de segunda ordem em um livro didático bem formatada. Geralmente você recebe uma sequência de números soltos e tem que decidir se o modelo se aplica ou não. O primeiro passo é sempre calcular os diferenciais de primeira ordem e, em seguida, os de segunda ordem. Se os segundos diferenciais forem constantes, você está no caminho certo. Peguei uma sequência na planilha de custos de produção há dois anos -- valores de gastos mensais que pareciam crescer linearmente, mas com pequenas irregularidades. Os primeiros termos eram 350, 382, 421, 469, 528. Calculei as diferenças: 32, 39, 48, 59. As segundas diferenças deram 7, 9, 11. Não era constante, então a suposição inicial estava errada. Achei que fosse PA de segunda ordem, mas na verdade havia um componente exponencial disfarçado. A correção foi decompor a série em uma parte quadrática e uma parte geométrica, e só então o modelo se encaixou. Esse tipo de erro acontece muito quando você pressiona para entregar uma previsão rápida.
Como calcular uma progressão aritmética de segunda ordem
O método em si é simples. Dada uma sequência, subtraia cada termo do seguinte para obter a primeira diferença. Repita o processo com os resultados para obter a segunda diferença. Quando os valores se estabilizam em um número fixo, a razão segunda-diferença é esse número. A partir daí, você reconstrói os próximos termos somando sucessivamente. Por exemplo, suponha que a segunda diferença seja sempre 4. Os termos iniciais são 2, 5, 10, 17. As primeiras diferenças são 3, 5, 7. As segundas diferenças são 2, 2 -- constante. Para achar o próximo termo, some 4 ao último segundo diferencial (que já é 4), obtenha 6 como próxima primeira diferença, e some 6 ao último termo 17, resultando em 23. O próximo depois seria 23 + 8 = 31, e assim por diante.
👉 Clique no botão abaixo para saber mais sobre o assunto!
A forma geral do enésimo termo segue um polinômio de grau dois: a_n = a + (n-1)d_1 + (n-1)(n-2)/2 * d_2, onde d_1 é a primeira diferença inicial e d_2 é a segunda diferença constante. Isso significa que qualquer progressão aritmética de segunda ordem pode ser descrita por uma função quadrática em n. Essa é uma observação que poucos destacados nos cursos introdutórios, mas é exatamente o que permite usar regressão polinomial como alternativa quando os dados são ruídosos. Um detalhe técnico que as pessoas esquecem é a questão da indexação. Se você começar contando a partir de n = 0 em vez de n = 1, os coeficientes mudam. No meu caso, ao modelar o crescimento de linhas de código em um repositório, usei n = 0 para o mês base. A fórmula correta ficou a_n = 120 + 15n + 2n², e o termo de n = 0 dava 120, que era o valor real. Se eu tivesse usado a convenção padrão de n = 1 sem ajustar o termo constante, o resultado ficaria deslocado em um passo. Erro bobo, mas que gera previsões erradas em até 8% quando você projeta para seis meses à frente.
Outro ponto que merece atenção é a diferença entre segunda ordem verdadeira e aparente. Séries com sazonalidade podem apresentar segundas diferenças quase constantes por alguns períodos, criando a ilusão de um padrão quadrático. Eu já caí nessa armadilha com dados de vendas de inverno. As segundas diferenças pareciam estabilizar entre novembro e fevereiro, mas quando incluí março e abril, a constância desapareceu. A lição é que a verificação de estabilidade deve abranger pelo menos três ciclos completos do fenômeno antes de assumir que o modelo se sustenta. Se você trabalha com séries reais, o mais eficiente é usar uma planilha com colunas de diferenças empilhadas. Coloque a sequência original, depois a coluna de primeiras diferenças, depois a de segundas diferenças. Formate a linha de segundas diferenças com uma condicional que destaca valores fora da constante esperada. Isso reduz o tempo de verificação de cerca de 40 minutos para 6 minutos em sequências com mais de 50 termos. Para automatizar, uma fórmula de array que calcula todas as diferenças em uma única célula resolve em poucos segundos.
O principal Limitação é que o modelo não lida bem com descontinuidades. Qualquer mudança abrupta no comportamento da série -- um corte de orçamento, uma falha operacional, uma variação de preço -- quebra a suposição de constante segunda diferença e invalida a previsão imediata. Nesses casos, a alternativa mais razoável é ajustar um modelo de nível local com suavização exponencial de ordem superior, ou recorrer a uma regressão com variáveis dummy para capturar quebras estruturais. A PA de segunda ordem funciona como ferramenta de curto prazo quando o contexto é estável, mas não como estrutura permanente para séries voláteis. Para quem precisa de uma referência rápida, a abordagem mais direta é: verifique constância nos segundos diferenciais, ajuste o índice corretamente, construa a fórmula quadrática e valide com pelo menos dois termos à frente antes de confiar na projeção. O resto é repetição e conferência manual dos cálculos.
