Croston

Los modelos de series de tiempo son las técnicas de pronósticos que se basan únicamente en la historia de la demanda del ítem que se esta pronosticando. Trabajan capturando los patrones en los datoshistóricos extrapolándolos en el futuro. Los Modelos de series de tiempo son adecuados cuando se puede asumir una cantidad razonable de datos y una continuidad en el futuro próximo de las condicionesque se presentaron en el pasado. Estos modelos se adaptan mejor al corto plazo del pronóstico. Esto se debe a la hipótesis de que los patrones pasados y as tendencias actuales se asemejan a lospatrones y tendencias que se van a presentar en el futuro. Esto es una suposición razonable en el corto plazo, pero va perdiendo validez en el largo plazo.


Modelos

Modelos muy Simples: Promediosmóviles, ¨Igual al año anterior¨, incrementos porcentuales y ajustes a la curva son los modelos de series de tiempo más sencillos los cuales pueden ser utilizados para generar pronósticos. Estos modelospueden ser implementados a través de hojas de cálculo rápidamente y no requieren un conocimiento experto en estadística por parte del pronosticador, usualmente estos modelos son muy simples y paratener mayor exactitud en el pronóstico las compañías casi siempre deben acudir a modelos alternativos de series de tiempo.

Modelos de suavización exponencial: suavización exponencial es el métodoseleccionado por la mayoría de empresas. Estos modelos se desempeñan bien en términos de exactitud, son fáciles de aplicar y pueden ser automatizados, permitiendo ser utilizados a gran escala. Losmodelos de suavización exponencial capturan y pronostican el nivel de los datos con los diferentes tipos de tendencias y patrones estaciónales. Los modelos son adaptativos y pronostican dando mayorimportancia a los datos mas recientes sobre los datos más distantes en el pasado.

Box-Jenkins (modelos ARIMA): Los modelos de Box-Jenkins son similares a los modelos de suavización exponencial en que...