¿Qué son los pronósticos?

Los pronósticos son un método que se utiliza ampliamente en el análisis de las series de tiempo para predecir una variable de respuesta, como ganancias mensuales, comportamiento de acciones o cifras de desempleo, para un período de tiempo determinado. Los pronósticos se basan en patrones de datos existentes. Por ejemplo, la gerente de un almacén puede modelar la cantidad de productos que necesita ordenar para los próximos 3 meses con base en los pedidos de los últimos 12 meses.

Usted puede usar una variedad de métodos de series de tiempo, como por ejemnplo el análisis de tendencias, la descomposición o la suavización exponencial simple, para modelar patrones en los datos y extrapolar esos patrones al futuro. La selección del método de análisis debe basarse en si los patrones son estáticos (constantes en el tiempo) o dinámicos (cambian en el tiempo), la naturaleza de los componentes de tendencia y estacionales y hasta qué punto en el futuro desea pronosticar. Antes de generar pronósticos, ajuste varios modelos candidatos a los datos para determinar cuál es el modelo más estable y exacto.

¿Qué son los pronósticos ingenuos?

En los pronósticos ingenuos, el pronóstico para el tiempo t es el valor de los datos en el tiempo t-1. Usted puede calcular pronósticos ingenuos con promedio móvil estableciendo la longitud del promedio móvil en 1 o con suavización exponencial individual estableciendo la ponderación en 1. Puede utilizar los pronósticos ingenuos para establecer una referencia para su modelo de series de tiempo. Compare las medidas de exactitud del modelo ingenuo y un modelo utilizando un método diferente. Si el modelo ingenuo ofrece un mejor ajuste, usted no debería utilizar el otro modelo, debido a que el modelo ingenuo es un mejor ajuste y es más simple.

Pronósticos para un análisis de promedio móvil

El valor ajustado en el tiempo t es el promedio móvil no centrado en el tiempo t -1. Los pronósticos son los valores ajustados en el origen del pronóstico. Si usted pronostica 10 unidades de tiempo adelante, el valor pronosticado para cada tiempo será el valor ajustado en el origen. Los datos hasta el origen se utilizan para calcular los promedios móviles.

Puede utilizar el método de promedios móviles lineales al calcular promedios móviles consecutivos. El método de los promedios móviles lineales suele utilizarse cuando hay una tendencia en los datos. En primer lugar, calcule y almacene el promedio móvil de la serie original. A continuación, calcule y almacene el promedio móvil de la columna almacenada previamente para obtener un segundo promedio móvil.

En los pronósticos ingenuos, el pronóstico para el tiempo t es el valor de los datos en el tiempo t -1. El uso del procedimiento de promedio móvil con un promedio móvil de longitud uno produce pronósticos ingenuos.

Pronósticos para un análisis de suavización exponencial simple

El valor ajustado en el tiempo t es el valor suavizado en el tiempo t-1. Los pronósticos son el valor ajustado en el origen del pronóstico. Si usted pronostica 10 unidades de tiempo adelante, el valor pronosticado para cada tiempo será el valor ajustado en el origen. Los datos hasta el origen se utilizan para la suavización.

En los pronósticos ingenuos, el pronóstico para el tiempo t es el valor de los datos en el tiempo t-1. Realice la suavización exponencial simple con una ponderación de uno para hacer pronósticos ingenuos.

Pronósticos para un análisis de suavización exponencial doble

La suavización exponencial doble utiliza los componentes de nivel y de tendencia para generar pronósticos. El pronóstico para m períodos adelante desde un punto en el tiempo t es

Lt + mTt, donde Lt es el nivel y Tt es la tendencia en el tiempo t.

Los datos hasta el tiempo de origen del pronóstico se utilizarán para la suavización.

Pronósticos para el método de Winters

El método de Winters utiliza los componentes de nivel, tendencia y estacional para generar pronósticos. El pronóstico para m períodos adelante desde un punto en el tiempo t es:

Lt + mTt

donde Lt es el nivel y Tt es la tendencia en el tiempo t, multiplicado por (o sumado a cuando se trate de un modelo aditivo) el componente estacional correspondiente al mismo período del año anterior.

El método de Winters utiliza datos hasta el tiempo de origen del pronóstico para generar los pronósticos.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política