SERIES ESTACIONARIAS

DE TIEMPO
PROMEDIO SIMPLE
Consiste en atenuar los datos al obtener la media aritmtica de cierto
numero de datos histricos par obtener con este el pronstico para el
siguiente perodo.

: el valor del n simo dato

: la ponderacin del n simo dato

 Comportamiento de la Demanda
PROMEDIO SIMPLE

MODELAMIENTO
PROMEDIO PONDERADO
Es un mtodo en el cual se le asignan unos pesos ponderaciones a los
elementos de un conjunto de datos, de manera que se le de mayor
importancia a ciertos datos sobre los otros del conjunto.

: el valor del n simo dato

: la ponderacin del n simo dato

 PROMEDIO PONDERADO
Demanda y Pronsticos Demanda
60 Ft(Promedio)

Mes Demanda Ft(Promedio) Ft(ponderado) 50 Ft(ponderado)

1 50 - - 40

2 34 50,0 50,00 30
3 33 42,0 42,00
20
4 47 39,0 37,50
10
5 20 41,0 40,67
0
6 39 36,8 33,78 1 2 3 4 5 6 7 8 9 10 11 12

7 10 37,2 35,38
30.0
Errores Et(promedio)
8 50 33,3 28,33 Et(ponderado)

9 40 35,4 32,27 20.0

10 12 35,9 33,70 10.0

11 32 33,5 30,90 0.0

12 28 33,4 31,06
-10.0
13 - 32,9 30,89
-20.0

-30.0
1 2 3 4 5 6 7 8 9 10 11
 PROMEDIOS MVILES

Produce un pronstico basado en las n anteriores observaciones de la

demanda.

El mtodo de Promedios Mviles esta basado en la suposicin que la serie

de tiempo es estacionaria El pronstico desde un periodo especifico ya
sea a un periodo o mltiples periodos posteriores, va a ser el mismo
PROMEDIOS MVILES

N grandes- Mayor informacin

histrica
SUAVIZACIN EXPONENCIAL SIMPLE
Es un mtodo para pronosticar series de tiempo estacionarias en donde el
pronstico actual corresponde a un promedio ponderado entre el ltimo
pronstico y el valor actual de la demanda, denotado con la siguiente frmula:

= 1 + 1 1
= 1 1

Donde
1 son parmetros
SUAVIZACIN EXPONENCIAL SIMPLE
Demanda y Pronsticos
Mes Demanda Ft 0,1 Ft 0,5 Ft 0,9 34.00

1 32 32 32 32 Ft 0,1 Ft 0,5

2 30 32,00 32,00 32,00 Ft 0,9 Demanda

3 29 31,80 32,00 32,00 32.00

4 33 31,52 31,90 32,00
5 30 31,67 31,71 31,91
6 29 31,50 31,69 31,73
30.00
7 32 31,25 31,60 31,69
8 28 31,33 31,42 31,60
9 29 30,99 31,37 31,44
28.00
10 31 30,79 31,18 31,38
11 27 30,81 30,99 31,20
12 33 30,43 30,90 31,01
26.00
13 23 30,69 30,67 30,91 1 2 3 4 5 6 7 8 9 10 11
SERIES DE TIEMPO CON
TENDENCIA
Regresin Lineal
Consiste en hallar los parmetros de una lnea recta (interseccin con el
eje y y la pendiente) de tal forma que se minimicen los errores cuadrticos.

Encontrar los valores de a y b de tal manera que la lnea

muestre el mejor ajuste de los datos
Suavizacin Exponencial
Doble
Se usa para mejorar la calidad de un pronstico, es decir, al observar una
tendencia en una serie de tiempo se utiliza este mtodo conocido tambin
como mtodo de Holt.
SERIES ESTACIONALES
DE TIEMPO
Mtodos de Pronsticos para Series
Estacionales
Comportamiento de la Demanda
Mtodos de Pronsticos para Series
Estacionales
Comportamiento de la Demanda
Mtodos de Pronsticos para Series
Estacionales

Mtodo de Winters
Winters Aditivo
Winters Multiplicativo WINTERS
MULTIPLICATIVO
Mtodos de Pronsticos para Series
Estacionales
Mtodos de Pronsticos para Series
Estacionales

NOTACIN
Nivel de la Serie de tiempo en t :
Tendencia de la Serie de tiempo en t:
ndice de Estacionalidad:
Parmetro de suavizacin de Nivel:
Parmetro de suavizacin de Tendencia:
Parmetro de suavizacin de ndice estacional:
Nmero de estaciones: m
Longitud de Ciclo Estacional: N
WINTERS ADITIVO

MODELAMIENTO

= ( ) + 1 1 + 1

= + 1 + 1 1

= ( ) + 1

,+ = + + +
WINTERS MULTIPLICATIVO

MODELAMIENTO

= + 1 1 + 1

= + 1 + 1 1

= + 1

,+ = + +
WINTERS MULTIPLICATIVO

METODOLOGA
WINTERS MULTIPLICATIVO

METODOLOGA
WINTERS MULTIPLICATIVO

METODOLOGA
WINTERS MULTIPLICATIVO

METODOLOGA
WINTERS MULTIPLICATIVO

METODOLOGA
WINTERS MULTIPLICATIVO

METODOLOGA
WINTERS MULTIPLICATIVO

METODOLOGA