Академический Документы
Профессиональный Документы
Культура Документы
1. Recopilación de datos
2. Reducción o condensación de
datos
3. Construcción del modelo
4. Extrapolación del modelo
2. Exploración de patrones de
datos
Y Yˆ t t
DAM t 1
n
Error medio cuadrado :
n
Yt Yˆt
2
EMC t 1
n
5. Fórmulas de medición del error
en el pronóstico
Porcentaje de error medio absoluto :
n Yt Yˆt
Yt
t 1
PEMA
n
Porcentaje medio de error :
n
Y Yˆ t
t 1 Yt
PME
n
6. Modelos de series de tiempo
6.1. Modelos no formales:
Estas técnicas suponen que los
periodos recientes son los mejores
para pronosticar el futuro.
El método más sencillo es el método
del último valor:
Pronóstico = último valor
6.1. Método del último valor
t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6 64 51 13
6.2. Metodos de promedio
Promedios simples:
Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el
periodo siguiente.
Promedios simples:
t Yt Yt+1
1 42
2 52 42
3 54 47.00
4 65 49.33
5 51 53.25
6 64 52.80
Promedios móviles:
Este método no considera la media de
todos los datos, sino solo los más
recientes.
Se puede calcular un promedio móvil
de n periodos.
El promedio móvil es la media
aritmética de los n periodos más
recientes.
Promedios móviles:
promedio móvil
t Yt n=3 n=4
1 42
2 52
3 54
4 65 49.33
5 51 57.00 53.25
6 64 56.67 55.5
6.3. Metodos de suavizamiento
exponencial
El método de suavizamiento exponencial puede
dar una ponderación mayor a las
observaciones más recientes.
Las ponderaciones se asigna mediante la
constante , 0 < < 1.
El modelo se expresa como:
pronóstico = (último valor) + (1 - )(último pronóstico)
6.3. Metodos de suavizamiento
exponencial
t Yt =0.1 =0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
6 64 46.67 54.38
6.4. Descomposición de series de
tiempo
Las tendencias son movimientos a largo
plazo en una serie de datos a lo largo del
tiempo.
La tendencia puede ser descrita por una
recta o por una curva.
Las tendencias se dan por varias causas:
cambios en la población, cambios en la
productividad, cambios tecnológicos, etc.
En este tipo de análisis la variable
independiente es el tiempo.
6.4.1. Tendencia lineal
El método más empleado para describir una
tendencia lineal es el de mínimos cuadrados,
para encontrar una línea de mejor ajuste
para un conjunto de puntos.
Y´ = a + bX
Y´ = valor pronosticado en un periodo X
a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)
6.4.1. Tendencia lineal: ejemplo
Año Periodo X Demanda (Y)
1994 1 35
1995 2 42
1996 3 48
1997 4 51
1998 5 54
1999 6 60
2000 7 71
2001 8 75
6.4.1. Tendencia lineal: ejemplo
80
75
70
65
60
55
50
45
40
35
30
1994 1995 1996 1997 1998 1999 2000 2001
6.4.1. Tendencia lineal: ejemplo
X Y XY X²
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas
6.4.1. Tendencia lineal: fórmulas
n xy x y
b
n x x
2 2
a
y
b
x
n n
6.4.1. Tendencia lineal
t Yt Y´t et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
9
6.4.1. Tendencia lineal
Se puede calcular el coeficiente de determinación,
a fin de evaluar qué tan correcta es la estimación
de la recta de regresión.
El coeficiente de determinación r² se calcula como:
n xy x y
2
n x x n y y
2
r 2 2 2 2
6.4.1. Tendencia lineal
También es posible calcular intervalos de
confianza para la estimación. Para ello es
necesario calcular el error estándar de la
estimación.
Se y 2
a y b xy
n2
6.4.1. Tendencia lineal
Nivel de Z Fórmula
confianza
68% 1 y’ ± Se
95% 2 y’ ± 2Se
99% 3 y’ ± 3Se
7. Aplicación de varios métodos a
datos desestacionalizados
Los datos muestran alguna tendencia creciente a
lo largo del tiempo, además de una marcada
estacionalidad. Se procederá a desestacionalizar
los datos, lo que permite observar hasta donde las
variaciones se deben a efectos estacionales o
bien, a otros factores.
El proceso de ajuste estacional se realizará a
19000
18000
17000
16000
15000
14000
13000
12000
11000
10000
1 2 3 4 1 2 3 4 1 2 3 4
Trimestres
7. Aplicación de varios métodos a
datos desestacionalizados
Año Factor
T 1 2 3 Suma Prom Estac.
1 13618 14514 13984 42116 10529 0.9323
2 12930 14128 13644 40702 10175 0.9010
3 13138 15568 15898 44604 11151 0.9873
4 16532 17448 19300 53280 13320 1.1794
Total 45175.50
Prom. 11293.88
Año Trim. Yt Yt ajust.
1 1 13618.00 14607.27
2 12930.00 14351.12
3 13138.00 13306.33
4 16532.00 14017.29
2 1 14514.00 15568.36
2 14128.00 15680.79
3 15568.00 15767.47
4 17448.00 14793.96
3 1 13984.00 14999.86
2 13644.00 15143.59
3 15898.00 16101.70
4 19300.00 16364.25
7. Aplicación de varios métodos a
datos desestacionalizados
Se aplican varios métodos de pronóstico
para finalmente seleccionar el mejor
pronóstico.
A. Método de pronóstico del último valor
B. Promedios móviles
C. Suavizamiento exponencial
D. Suavizamiento exponencial con
tendencia
Otros métodos:
Modelos de tendencia con ajuste estacional
Modelo de promedios móviles integrados
autorregresivos (ARIMA o Box-Jenkins)
Pronósticos causales (modelos
econométricos)
Métodos de pronósticos subjetivos