Ingresar los datos para la Método de Winters

Estadísticas > Series de tiempo > Método de Winters

Ingresar los datos

Complete los siguientes pasos para especificar la columna de datos que desea analizar.

  1. En Variable, ingrese una columna de datos numéricos que se hayan recolectado a intervalos regulares y registrado en orden cronológico. Si sus datos se encuentran en múltiples columnas (por ejemplo, tiene datos para cada año en columnas individuales), usted debe apilar los datos en una misma columna. Es recomendable que tenga de 4 a 5 ciclos estacionales completos. Si no tiene suficientes ciclos completos, es posible que no tenga suficientes datos para calcular estimaciones razonables de los índices estacionales.
  2. En Longitud estacional, ingrese el número de observaciones que ocurren en una estación. Por ejemplo, si recolecta datos mensualmente y éstos tienen un patrón anual, ingrese 12.

    Si no conoce la duración estacional, utilice Estadísticas > Series de tiempo > Gráfica de serie de tiempo o Estadísticas > Series de tiempo > Autocorrelación para identificarla con facilidad.

En esta hoja de trabajo, Ventas contiene el número de computadoras vendidas mensualmente.

C1
Ventas
195000
213330
208005
249000
237040

Tipo de método

Elija el patrón de estación que se ajusta a sus datos. Con datos multiplicativos, la magnitud del patrón de estación cambia a medida que cambia el nivel de los datos. Con datos aditivos, la magnitud del patrón de temporada se mantiene constante a medida que cambia el nivel de los datos.
Multiplicativo
Aditivo
Si no conoce el tipo de modelo, realice una de las siguientes acciones:
  • Utilice Estadísticas > Series de tiempo > Gráfica de serie de tiempo para identificar el modelo correcto.
  • Pruebe tanto Multiplicativo como Aditivo y luego compare las medidas de exactitud para determinar cuál modelo provee un mejor ajuste.
Nota

Usted no debe ajustar un modelo multiplicativo cuando sus datos contengan valores negativos. Cuando tiene datos positivos y negativos, los índices multiplicativos estacionales para los datos negativos son el inverso de lo que son para los datos positivos. Esto ocasiona que el modelo no se ajuste los datos.

Ponderaciones que se usarán en suavización

Las ponderaciones ajustan el nivel de suavización al definir la reacción de cada componente ante las condiciones actuales. Por lo general, usted desea suavizar los datos suficientemente para reducir el ruido (fluctuaciones irregulares) para que el patrón sea más aparente. Sin embargo, no es recomendable suavizar tanto los datos, debido a que perderá detalles importantes.

Realice el análisis con las ponderaciones predeterminadas primero. Después de examinar la gráfica de series de tiempo resultante, usted puede aumentar o disminuir las ponderaciones. Las ponderaciones más bajas producen una línea más suave y las ponderaciones más elevadas producen una línea menos suave. Utilice ponderaciones más pequeñas en el caso de datos que produzcan mucho ruido para que los valores suavizados no fluctúen a causa del ruido. Si ajusta las ponderaciones, el ajuste del componente de nivel por lo general tiene la mejor probabilidad de mejorar las medidas de exactitud. Cambiar las demás ponderaciones por lo general tiene un efecto menor después de ajustar la ponderación de nivel donde debería estar.

Las ponderaciones más elevadas ofrecen más influencia a los datos recientes, de modo que los pronósticos (en verde) siguen la tendencia descendente al final de los datos (en negro).

Mayor ponderación de tendencia

Las ponderaciones más bajas ofrecen menos influencia a los datos recientes, de modo que los pronósticos siguen la tendencia ascendente general.

Menor ponderación de tendencia

Generar pronósticos

Complete los pasos siguientes para generar pronósticos para las series de tiempo.

  1. Seleccione Generar pronósticos.
  2. En Número de pronósticos, ingrese el número de períodos consecutivos para los que desea realizar pronósticos.
  3. En Iniciar desde origen, especifique el número de la fila del primer pronóstico. Si deja este campo vacío, Minitab comienza los pronósticos al final de las series de tiempo.

    Si ingresa un valor, Minitab sólo utiliza los datos hasta el número de dicha fila para los pronósticos. Los valores de los pronósticos difieren de los ajustes debido a que Minitab utiliza todos los datos para calcular los ajustes.

    Por ejemplo, un analista tiene datos mensuales correspondientes a los meses de enero a diciembre. En diciembre, el analista desea generar un pronóstico para el mes siguiente, pero los datos de diciembre están incompletos. En Número de pronósticos, el analista ingresa 2. En Iniciar desde origen, el analista ingresa 12. Minitab utiliza los datos hasta noviembre para generar pronósticos correspondientes a diciembre y enero.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política