Ohne Titel

METODOS DE SUAVIZAMIENTO

Los métodos de suavizamiento son adecuados para series de tiempo estables; es decir, para aquellas series que no muestran efectos importantes de tendencia, cíclicos o estacionales porque se adaptan muy bien a los cambios en el nivel de la serie de tiempo. Sin embargo, sin alguna modificación, no funcionan muy bien cuando hay variaciones importantes de tendencia, cíclicas o estacionales.

En esta sección se estudian tres métodos de pronóstico: promedios móviles, promedios móviles ponderados y suavizamiento exponencial.

PROMEDIOS MOVILES

En el método de los promedios móviles, para pronosticar el periodo siguiente, se emplea el promedio de los valores de los n datos más recientes de la serie de tiempo. El cálculo de un promedio móvil se hace como sigue.

SUAVIZAMIENTO EXPONENCIAL

En el suavizamiento exponencial se usa un promedio ponderado de los valores pasados de la serie de tiempo; es un caso especial del método de promedios ponderados móviles; en este caso sólo hay que elegir un peso, el peso para la observación más reciente. Los pesos para los demás datos se calculan automáticamente y son más pequeños a medida que los datos son más antiguos. A continuación se presenta el modelo de suavizamiento exponencial básico.

PROMEDIOS MOVILES PONDERADOS

En el método de los promedios móviles, a todos los datos que se emplean en el cálculo se les da el mismo peso. En una variación conocida como promedios móviles ponderados, a cada uno de los valores de los datos se le da un peso diferente y, después, se calcula el promedio ponderado

TEMAS

COMPONENTES DE UNA SERIE DE TIEMPO

COMPONENTE ESTACIONAL

Mientras los componentes cíclico y de tendencia de las series de tiempo se identifican tras el análisis de las variaciones multianuales en los datos históricos, en muchas series de tiempo se observa un patrón permanente en lapsos de un año. Por ejemplo, un fabricante de albercas espera tener pocas ventas durante los meses de otoño e invierno y sus mayores ventas en los meses de primavera y verano

COMPONENTE CICLICO

Aunque una serie de tiempo puede tener una tendencia a través de lapsos largos, no todos los valores futuros de la serie de tiempo caerán exactamente sobre la línea de tendencia. Las series de tiempo suelen mostrar secuencias de puntos que caen de manera alternante arriba y abajo de la línea de tendencia. Toda sucesión recurrente de puntos que caiga abajo y arriba de la línea de tendencia y que dure más de un año puede atribuirse al componente cíclico de la serie de tiempo.

COMPONENTE IRREGULAR

El componente irregular de una serie de tiempo es el factor residual o el factor que da cuenta de las desviaciones de los valores reales de la serie de tiempo de los valores que se esperan al considerar los efectos de los componentes de tendencia, cíclicos y estacionales. Este componente irregular es ocasionado por factores a corto plazo, imprevistos y no recurrentes que afectan a la serie de tiempo.

COMPONENTE DE TENDENCIA

En el análisis de las series de tiempo, las mediciones pueden hacerse cada hora, diario, a la semana, cada mes, anualmente o en cualquier otro intervalo regular de tiempo.* Aunque los datos de las series de tiempo suelen mostrar fluctuaciones aleatorias, las series de tiempo también muestran un desplazamiento o movimiento gradual hacia valores relativamente altos o bajos a través de un lapso largo

PROYECION DE TENDENCIA

pronostica un comportamiento futuro de acuerdo con la tendencia observada en el pasado

Los métodos de proyección de tendencias buscan determinar la forma que debe asumir una ecuación para que se ajuste de la mejor manera posible a la relación observada entre las variables dependientes e independientes.

PROYECCION LINEAL

Técnica de proyección y ajuste de una variable Y (desconocida) a partir de una variable conocida (X) que en este caso es el tiempo (variable independiente)

Formula general:

y = a + b * x

Dónde:

a : intercepto

b : coeficiente parcial de regresión

Y : variable independiente ( tiempo)

X : variable dependiente

PROYECCION EXPONENCIAL

Es un método de proyección apropiado en el caso de que la serie de tiempo describe datos que crecen o decrecen en proporción constante a lo largo del tiempo.

Esta modalidad depende de los valores de a y b :

Si b tiene un valor comprendido entre 0 y 1 entonces el valor de Y decrecerá al crecer X

Si b es mayor que 1 , Y crecerá con X .

El valor de a corresponder a la ordenada al origen

Si se toman logaritmos a ambos miembros de la ecuación se puede transformar en una relación lineal:

LogY = Log ( a . bX)

Dónde:

LogY = Log a + X Log b

a : intercepto

b : coeficiente parcial de regresión

Y : variable independiente ( tiempo)

X : variable dependiente