Escolar Documentos
Profissional Documentos
Cultura Documentos
2018
Pronósticos
I: 𝑦
̂𝑡+1 = 𝑦𝑡 II: 𝑦
̂𝑡+1 − 𝑦𝑡 = 𝑦𝑡 − 𝑦𝑡−1
El modelo I utiliza como valor de predicción del periodo próximo el dato actual.
El modelo II utiliza la igualdad de los incrementos y no el valor.
Dado que la mayoría de las series cronológicas presentan tendencia, existen las
siguientes opciones inmediatas para adoptar procedimientos “ingenuos”:
∆𝑦
̂𝑡+1 = 𝑦
̂𝑡+1 − 𝑦𝑡
(𝑦𝑡 − 𝑦0 )
∆𝑦
̂ ̅
𝑡+1 = ∆𝑦𝑡 =
𝑛
𝑦
̂𝑡+1 = 𝑦𝑡 + ∆𝑦̂𝑡+1
(𝑦𝑡 − 𝑦0 )
𝑦
̂𝑡+1 = 𝑦𝑡 +
𝑛
En cualquier caso, estos modelos resultan pocos operativos ya que
permanentemente se tiene que recalcular la media de todos los datos que
constituyen el periodo muestral, a efectos de mantener una predicción actualizada.
Por otra parte, lo habitual es utilizar estas técnicas para predicción a corto plazo y
ello hace peligrar a la media que pueda estar influenciada por la estacionalidad de
los datos. Por lo mencionado es mucho más frecuente trabajar con MEDIAS
MÓVILES.
𝑦𝑡 + 𝑦𝑡−1 + ⋯ + 𝑦𝑡−𝑠+1
𝑀𝑡𝑠 =
𝑠
PROMEDIOS MOVILES Y METODOS DE SUAVIZACIÓN.
2018
𝑦𝑡 − 𝑦𝑡−12
𝑦
̂𝑡+1 = 𝑀𝑡 +
12
A resultados relativamente similares se llega trabajado con incrementos y
con una media móvil de 12 términos para datos mensuales:
(𝑦𝑡 − 𝑦𝑡−1 ) + (𝑦𝑡−1 − 𝑦𝑡−2 )+. . . +(𝑦𝑡−10 − 𝑦𝑡−11 ) + (𝑦𝑡−11 − 𝑦𝑡−12 ) 𝑦𝑡 − 𝑦𝑡−12
𝑀𝑡 = =
12 12
Y a efectos de predicción:
𝑦𝑡 − 𝑦𝑡−12
𝑦
̂𝑡+1 = 𝑦𝑡 + ∆𝑦
̂𝑡+1 = 𝑦𝑡 + 𝑀𝑡 = 𝑦𝑡 +
12
La fórmula anterior, es el resultado de predecir el valor de un mes por el del mes
anterior, más el incremento mensual medio del último año. Evidentemente, sigue
sin solucionarse el problema de la estacionalidad, aunque se ha corregido el de la
tendencia.
La media móvil, suaviza las variaciones de la serie original, es por ello que se
incluye entre las denominadas técnicas de suavizamiento. Cuanto mayor sea el
número de términos u orden de la media móvil más suavizada quedará la serie
original
Este modelo de pronóstico se utiliza para datos que tienen una tendencia lineal.
Este modelo lo que hace es calcular un promedio móvil de un conjunto de datos;
luego posteriormente calcula un segundo promedio móvil del primer promedio
móvil.
𝑦𝑡 + 𝑦𝑡−1 + ⋯ + 𝑦𝑡−𝑠+1
𝑀𝑡𝑠 =
𝑠
y Luego se calcula el segundo promedio móvil (Mt’):
𝑀𝑡 + 𝑀𝑡−1 + ⋯ + 𝑀𝑡−𝑠+1
𝑀𝑡′𝑠 =
𝑠
A.3.3 Modelo de Medias móviles ponderada
Este modelo se diferencia de los anteriores por que cada periodo del promedio
móvil tendrá una ponderación; el analista tendrá quedar mayor ponderación a los
períodos que desee que tengan mayor impacto en el pronóstico.
Cada una de las demandas históricas que intervienen en el promedio puede tener
su propia ponderación. El resultado de la suma de las ponderaciones es 1.0.
𝑦
̂𝑡+𝑎 = 𝛼𝑠 𝑦𝑡 + 𝛼𝑠−1 𝑦𝑡−1 + ⋯ 𝛼1 𝑦𝑡−𝑠+1
A.1.2. Aplicaciones
PERIODO VENTAS
t yt
1 5.3
2 4.4
3 5.4
4 5.8
5 5.6
6 4.8
7 5.6
8 5.6
9 5.4
10 6.5
11 5.1
12 5.8
13 5.0
14 6.2
15 5.6
16 6.7
17 5.2
18 5.5
19 5.8
20 5.1
21 5.8
22 6.7
23 5.2
24 6.0
PROMEDIOS MOVILES Y METODOS DE SUAVIZACIÓN.
2018
25 5.8
26
27