Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TRABAJO PRÁCTICO
CURSO
SEMESTRE
VII
DOCENTE
PRESENTADO POR
CAHUANA TURPO KATHY
CHACNAMA CHACNAMA ESTEFANI
CHÁVEZ GUTIERREZ VANESSA
DÍAZ SILVA ANDREE
MAMANI LOZANO MARY
MOROCO APAZA JIMENA
VILLAVICENCIO MÁRQUEZ JOSSELYN
AREQUIPA - PERÚ
2017
1
PARTICIPACIÓN DE INTEGRANTES
PORCENTAJE (0-100%)
PARTICIPACION DE LOS INTEGRANTES
2
ÍNDICE
ÍNDICE................................................................................................................................................3
INTRODUCCIÓN..................................................................................................................................5
I. OBJETIVOS:.................................................................................................................................6
1.1. Objetivos Generales:...............................................................................................................6
1.2. Objetivos Específicos:..............................................................................................................6
II. DESARROLLO DEL TEMA:................................................................................................6
1. SERIES DE TIEMPO: Con frecuencia se realizan observaciones de datos a través del
tiempo. Cualquier variable que conste de datos reunidos, registrados u observados sobre
incrementos sucesivos de tiempo se denomina serie de tiempo......................................................6
2. COMPONENTES DE UNA SERIE DE TIEMPO:................................................................7
2.1. TENDENCIA CICLICA:...............................................................................................8
2.1.1. Determinación de las tendencias cíclicas:...............................................................9
Ejemplo:.............................................................................................................................9
2.2. VARIACION ESTACIONAL......................................................................................11
A. ANÁLISIS DE VARIACIONES ESTACIONALES....................................................12
LA ESTACIONALIDAD: se da cuando una serie temporal presenta patrones de
comportamiento repetitivos cada cierto periodo...............................................................12
DESESTACIONALIDAD: es aquella en la que mediante un método matemático se
ha extraído el componente estacional de la serie de tal forma que muestre su
comportamiento sin los picos que genere estacionalidad..................................................12
ESQUEMA ADITIVO: Los valores observados de cualquier serie temporal son el
resultado de la suma de sus cuatro componentes:.............................................................12
ESQUEMA MULTIPLICATIVO: Los valores observados de cualquier serie
temporal son el resultado de la multiplicación de los cuatro componentes...................12
B. DETERMINACIÓN DE LAS VARIACIONES ESTACIONALES............................12
Método de la razón a la media móvil........................................................................12
EJEMPLO............................................................................................................................13
DESESTACIONALIZACIÓN (aplicando el método a la razón a la media móvil)..........17
2.3. SUAVIZACIÓN EXPONENCIAL SIMPLE...............................................................21
CONCEPTO............................................................................................................................21
CARACTERISTICAS..........................................................................................................21
¿CUÁNDO UTILIZAR UN PRONÓSTICO DE SUAVIZACIÓN EXPONENCIAL
SIMPLE?..........................................................................................................................22
FÓRMULA......................................................................................................................23
¿Cuándo utilizar un pronóstico de suavización exponencial doble?.....................................28
3
Fórmulas:.................................................................................................................................29
Ejemplo 1:....................................................................................................................................30
Solución...................................................................................................................................30
Suavización Exponencial Doble Método de Brown Ajuste a la Tendencia.........................33
CONCLUSIONES:...............................................................................................................................35
RECOMENDACIONES:.......................................................................................................................36
4
INTRODUCCIÓN
Toda institución, ya sea grande o pequeña, tiene que hacer planes para el futuro, requieren
prevenir. La planificación exige prever los sucesos del futuro que probablemente vayan a
Uno de los problemas que intenta resolver las series de tiempo es la predicción, ya que
estas refieren a los datos estadísticos que se recopilan, observan o registran en intervalos de
El termino serie de tiempo se aplica por ejemplo a datos registrados en forma periódica que
muestran, por ejemplo, las ventas trimestrales de una empresa, la numero mensual de
Las cifras de ventas recopiladas durante las últimas seis semanas se pueden usar para
Las cifras de ventas trimestrales recopiladas durante los últimos años se pueden
Aun cuando ambos ejemplos contienen ventas, es probable que se utilicen distintos
modelos de series de tiempo para pronosticar.
5
I. OBJETIVOS:
tiempo. Cualquier variable que conste de datos reunidos, registrados u observados sobre
Se representa por medio de una gráfica de líneas sobre cuyo eje horizontal se representa
los periodos, y cuyo eje vertical se muestran los valores de la serie de tiempo.
6
El primer paso para analizar una serie de tiempo es graficarla, esto permite: identificar la
modelo clásico para una serie de tiempo, puede ser expresada como suma o producto de
Son innumerables las aplicaciones que se pueden citar, en distintas áreas del
Tendencia
Variación cíclica
Variación estacional
Variación irregular
7
2.1. TENDENCIA CICLICA:
Aunque una serie de tiempo pueda presentar una tendencia a través de periodos
grandes, sus valores no caerán con exactitud sobre la línea de tendencia. De hecho
con frecuencia estas series temporales presentaran secuencias alternas de puntos
abajo y arriba de la línea de tendencia. Un ejemplo de este tipo de variación son los
ciclos comerciales cuyos periodos recurrentes dependen de la prosperidad, recesión,
depresión y recuperación, las cuales no dependen de factores como el clima o las
costumbres sociales.
Afecta por lo regular por las condiciones económicas generales. Los patrones cíclicos
tienden a repetirse en los datos aproximadamente cada dos, tres o más años. Es
común que las fluctuaciones cíclicas estén influidas por cambios de expansión y
8
contracción económicas, a los que comúnmente se hace referencia como el ciclo de
los negocios.
Se refieren a las oscilaciones de larga duración alrededor de la curva de tendencia, los
cuales pueden o no ser periódicos, es decir, pueden o no seguir caminos análogos en
intervalos de tiempo iguales. Se caracterizan por tener lapsos de expansión y
contracción.
En general, los movimientos se consideran cíclicos solo si se produce en un intervalo
de tiempo superior al año. En el Gráfico los movimientos cíclicos alrededor de la
curva de tendencia están trazados en negrita.
9
AÑO VENTAS (MILLONES DE SOLES)
2011 7
2012 10
2013 9
2014 11
2015 13
a) Para estimar los ciclo relativos, construir una tabla con los cálculos necesarios:
b) Construye tu gráfica:
c) Interpreta:
Los años 1(2011), 3(2013) y 4(2014) tienen menor influencia cíclica que los años
2(2012) y 5(2015) que tienen una mayor influencia cíclica
10
El componente de la serie de tiempo que representa la variabilidad en los datos
debida a influencias de las estaciones, se llama componente estacional. Esta variación
corresponde a los movimientos de la serie que recurren año tras año en los mismos
meses (o en los mismos trimestres) del año poco más o menos con la misma
intensidad. Por ejemplo: Un fabricante de albercas inflables espera poca actividad de
ventas durante los meses de otoño e invierno y tiene ventas máximas en los de
primavera y verano, mientras que los fabricantes de equipo para la nieve y ropa de
abrigo esperan un comportamiento anual opuesto al del fabricante de albercas.
Se refieren a las fluctuaciones periódicas que se observan en series de tiempo cuya
frecuencia es menor a un año (trimestral, mensual, diaria, etc.), aproximadamente en
las mismas fechas y casi con la misma intensidad. Por ejemplo, el mayor monto de
recaudación del Impuesto a la Renta se observa en el mes de marzo de todos los años
o la mayor brecha entre el tipo de cambio de compra y venta se produce los días
viernes década semana o la mayor cotización de los títulos que se mueven en la Bolsa
de Valores de Lima se observa diariamente entre las 11 a.m. y 12 m.
Las variaciones estacionales, como veremos, responden fundamentalmente a factores
relacionados al clima, lo institucional o las expectativas y no a factores de tipo
económico. En el Gráfico no se observa ningún movimiento estacional, puesto que se
trata de una serie anual.
Las principales fuerzas que causan una variación estacional son las condiciones del
tiempo, como por ejemplo:
11
A. ANÁLISIS DE VARIACIONES ESTACIONALES
LA ESTACIONALIDAD: se da cuando una serie temporal presenta patrones de
comportamiento repetitivos cada cierto periodo
DESESTACIONALIDAD: es aquella en la que mediante un método
matemático se ha extraído el componente estacional de la serie de tal forma que
muestre su comportamiento sin los picos que genere estacionalidad
En el estudio clásico de las series temporales se han manejado dos hipótesis de
trabajo
ESQUEMA ADITIVO: Los valores observados de cualquier serie temporal son
el resultado de la suma de sus cuatro componentes:
Y t = Tt +Ct +Et+ Rt
ESQUEMA MULTIPLICATIVO: Los valores observados de cualquier serie
temporal son el resultado de la multiplicación de los cuatro componentes
Y t = Tt *Ct* Et* Rt
B. DETERMINACIÓN DE LAS VARIACIONES ESTACIONALES
Método de la razón a la media móvil
Se determina la tendencia por el método de las medias centradas en los períodos
(Yt) (estamos aplicando cuatro observaciones para el cálculo de la media
aritmética)
Cómo este método se basa en la hipótesis multiplicativa, si dividimos la serie
observada Yt, por su correspondiente media móvil centrada, eliminamos de
forma conjunta las componentes del largo plazo ( tendencia y ciclo ), pero la
serie seguirá manteniendo el efecto de la componente estacional.
Para eliminar el efecto de la componente estacional, calcularemos las medias
aritméticas a nivel de cada estación (cuatrimestre). Estas medias representan de
forma aislada la importancia de la componente estacional.
Calcularemos los índices de variación estacional, para lo que previamente
calcularemos la media aritmética anual de las medias estacionales ( M1, M2, M3,
M4 ) , que será la base de los índices de variación estacional. Existirán tantos
índices como estaciones o medias estacionales tengan las observaciones.
12
Una vez obtenidos los índices de variación estacional puede desestacionalizarse
la serie observada, dividiendo cada valor de la correspondiente estación por su
correspondiente índice.
EJEMPLO
En la tabla adjunta se reflejan las ventas trimestrales de una empresa en millones de
soles
Desestacionalizar la serie por el método de las medias móviles
PRIMER PASO.- Para calcular la tendencia secular de la serie por el método de las
medias móviles, se obtiene primero las medias móviles de tamaño 4 (período de las
13
Serie no centrada de las medias móviles
Para centrar la serie hay que calcular la media aritmética de cada dos observaciones
sucesivas, de este modo, las medias que irán apareciendo, respectivamente, serán
14
Al aplicar el método de las medias móviles, en el esquema multiplicativo Yit = Tit
aproximación de Tit .Cit , quedando sin analizar las componentes estacional (Eit ) y
accidental (Ait )
15
o Se calcula la media aritmética de los cuatro valores obtenidos anteriormente
expresando para ello cada uno de los valores anteriores en forma de porcentaje sobre
16
2º Trimestre: (104,10 - 100 = 4,10), un aumento de ventas del 4,10%
El proceso consiste en dividir cada valor de la serie original por cada Índice de
Variación Estacional correspondiente, esto es
5 YT
Tt
4 YT/IVE
3
2
17
1
0
I II III VI I II III VI I II III VI I II III VI I II III VI
Ejemplo 2
P 4
CE
M1 -0.84375 CE1 -0.828125
M2 0.1875 CE2 0.1875
M3 1.15625 CE3 1.15625 18
M4 -0.5625 CE4 -0.5625
MA -0.015625
Método de la Tendencia por Ajuste Mínimo-Cuadrático
sucesiva de todos los demás. La diferencia con el método anterior es que, en este
hipótesis aditiva
son trimestrales estas medias se obtienen con 4 datos, si son mensuales con
Se calculan, con los datos observados, las medias estacionales (M1, M2, M3,
...) con objeto de eliminar la componente accidental. Estas medias son brutas
aritmética anual M’A que sirve de base para calcular los índices
19
Obtenidos estos índices, podemos desestacionalizar la serie como en el método
anterior.
CONCEPTO
20
El método de suavización o suaviza miento exponencial simple puede considerarse
como una evolución del método de promedio móvil ponderado, en éste caso se calcula
ajustar los pronósticos en dirección opuesta a las desviaciones del pasado mediante una
integral de casi todos los programas de pronóstico por computadora, y se usa con
CARACTERISTICAS
Las técnicas de suavización exponencial se han aceptado en forma generalizada por seis
razones principales:
6. Es fácil calcular las pruebas de precisión relacionadas con el desempeño del modelo
Así entonces, este modelo de pronóstico precisa tan sólo de tres tipos de datos:
suavización.
reacción a las diferencias entre los pronósticos y las ocurrencias reales. El valor de una
constante se determina tanto por la naturaleza del producto como por el sentido del
gerente de lo que constituye un buen índice de respuesta. Por ejemplo, si una empresa
21
produjo un artículo estándar con una demanda relativamente estable, el índice de
de crecimiento reciente. Mientras más rápido sea el crecimiento, más alto deberá ser el
índice de reacción. En ocasiones, los usuarios del promedio móvil simple cambian a la
suavización exponencial pero conservan las proyecciones similares a las del promedio
una ventaja sobre el modelo de promedio móvil ponderado ya que no requiere de una
FÓRMULA
La ecuación para un solo pronóstico de uniformidad exponencial es simplemente
22
Pt = Pt-1 + α*(At-1 – Pt-1) PT= α*At-1 + (1- α)*Pt-1
Dónde:
Esta ecuación establece que el nuevo pronóstico es igual al pronóstico anterior más
una porción del error (la diferencia entre el pronóstico anterior y lo que ocurrió
realmente).
EJEMPLOS
Para demostrar el método, suponga que la demanda a largo plazo para el producto
Suponga que el pronóstico del mes pasado (Ft–1) fue de 1 050 unidades. Si la
demanda real fue de 1000, en lugar de 1 050, el pronóstico para este mes sería
PT = 1 050 + 0.05*(−50)
PT = 1 047.5 unidades
mes siguiente. En Febrero las ventas reales fueron de 153 automóviles. Utilizando
23
una constante de suavización exponencial de 0.20 presupueste las ventas del mes de
Marzo.
Solución:
PT =142 + (0.2*(153-142))
PT =144
pronóstico del período 13 (mes de Enero del año siguiente) y evaluar el ajuste del
24
Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la
ciudad capital de un país. Por ser la ciudad que congrega más habitantes, han
por las personas de la ciudad capital, para lo cual usarán como dato inicial los
seguros de vehículos contratados en otra ciudad con menos habitantes pero con
2869 seguros de carro adquiridos por personas, pero la demanda para ese periodo
25
La demanda del próximo periodo es:
Pt= 2869+0.35*(3200-2869)=2984.85
siguiente:
alimentos), sería deseable una alfa pequeña para reducir los efectos de los cambios a corto
plazo o aleatorios. Si la demanda real aumenta o disminuye con rapidez (como en los
artículos de moda o los aparatos electrodomésticos menores), se quisiera una alfa alta para
tratar de seguirle el paso al cambio. Sería ideal poder proyectar qué alfa se debe usar. Por
En primer lugar, tomaría tiempo determinar la constante alfa que se adapte mejor a
los datos reales y el proceso sería tedioso. En segundo lugar, como la demanda cambia,
quizá pronto sea necesario revisar la constante alfa que se eligió esta semana. Por lo tanto,
Hay dos estrategias para controlar el valor de alfa. Una de ellas utiliza distintos valores de
valores de alfa. Si el error es grande, alfa es 0.8; si el error es pequeño, alfa es 0.2.
sigue el paso a los cambios genuinos hacia arriba o hacia abajo en la demanda (en
contraste con los cambios aleatorios). En esta aplicación, la constante de rastreo alfa
posible de 0 a 1.
27
SUAVIZACION EXPONENCIAL DOBLE:
Una simple estimación de la pendiente daría la diferencia entre las demandas en dos
periodos sucesivos; sin embargo, la variación aleatoria inherente hace que esta
estimación sea mala. Para reducir el efecto de aleatoriedad se puede usar la diferencia
entre los promedios calculados en dos periodos sucesivos.
Se aplica cuando se tiene una serie de tiempo las cuales son conjuntos de datos u
observaciones que están ordenados en función del tiempo.
28
Los modelos de suavización exponencial ajustada tienen todas las ventajas de los
modelos de suavización exponencial simple; además, proyectan en el futuro (por
ejemplo para el periodo t + 1) agregando un incremento de corrección de tendencia Tt,
para el promedio suavizado del promedio suavizado del periodo presente F.
Fórmulas:
El método de suavización exponencial doble o método de Holt usa tres ecuaciones
fundamentales:
Pronóstico del período t
El estimado de la tendencia
Ejemplo 1:
La firma de control ambiental "Mauricio Galindez" usa suavización exponencial doble
para pronosticar la demanda de un equipo para el control de contaminación, demanda
que aparentemente presenta una tendencia creciente.
Mes Demanda
1 12
2 17
3 ?
Según la experiencia de sus ingenieros de planeación se sugiere unos coeficientes de alfa
= 0,2 y beta 0,4. Suponer que el pronóstico para el mes 1 fue de 11 unidades y la
tendencia durante el mismo período fue de 2 unidades. Con base en lo anterior,
determinar el pronóstico del mes 3.
Solución
El primer paso consiste en hallar el Suavizamiento exponencial del período 2, dicho
cálculo se efectúa así:
El tercer paso consiste en hallar el pronóstico del período 2, dicho cálculo se efectúa así:
Ahora procedemos a efectuar los mismos cálculos para el período siguiente, de esta
manera:
30
Podemos así determinar que el pronóstico de ventas para el período 3 es equivalente a
17,28, al tratarse de unidades enteras se hace necesario redondear, y es decisión del
encargado de planeación determinar si lo hace por exceso o por defecto.
Ejemplo2.
Desarrolle un pronóstico para las ventas de papel de computadora para los meses 25 y
30. Si la demanda del mes 25 es 259, actualice los parámetros y proporcione los
pronósticos para los meses 26 y 30.
Considere los datos de la siguiente tabla, que representa las ventas de papel de
computadora en cajas.
31
2 133 219
3 139 207
4 157 205
5 154 210
6 159 207
7 162 225
8 172 223
9 163 257
10 163 232
11 164 240
12 191 241
Promedio 156.0833 222.25
Promedio 189.1666
32
S25 = 0.1 x d25 + (1- 0.1) (S24 + B24)
Debido a que los valores calculados al realizar las dos primeras atenuaciones no son los datos
estimados a obtener, es decir, que constituirán las inferencias de los valores que se espera que
tome la serie de tiempo en el futuro cercano, usaremos una notación distinta a la de la
expresión final con la cual se calculan los valores que constituyen en realidad el pronóstico.
Las expresiones son las siguientes:
donde m representa el número de periodos hacia el futuro del que se pretende hacer el
pronostico.
Valores Pronosticados con la Suavización Exponencial Doble Método de Brown.
Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con la Suavización
Exponencial Doble por el Método de Brown.
Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Doble
con el Método de Brown.
Al utilizar este método se obtienen valores estimados de la tendencia que son muy sensibles a
las variaciones aleatorias, debido a que se utiliza una sola constante de atenuación. Esta
34
situación que no es deseable que se presente es la que Holt intenta resolver al proponer el
siguiente modelo.
CONCLUSIONES:
35
RECOMENDACIONES:
A las empresas q quieren q su empresa tenga éxito se debe de considerar al cliente como
pilar de nesesidades para ser satisfechas y tomar muy encuenta las variaciones
estacionales
Tener en cuenta que la tendencia cíclica corresponde a los movimientos en una serie de
tiempo, que ocurren año tras años en los mismos meses o periodos del año.
Recomendamos utilizar suavización exponencial cuando los puntos de datos recientes se
ponderan más y la ponderación sufre una reducción exponencial conforme los datos se
vuelven más antiguos.
36
III. BIBLIOGRAFIA
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/suavizaci%C3%B3n-exponencial-simple/
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/suavizaci%C3%B3n-exponencial-doble/
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/variaci%C3%B3n-estacional-o-c%C3%ADclica/
http://renanquispellanos.com/recursos/Aporte%20Intelectual/Tecnicas
%20Prediccion/12.unidad9.pdf
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t.pdf
37