Metodo de proyecciones

Solo disponible en BuenasTareas
  • Páginas : 19 (4654 palabras )
  • Descarga(s) : 0
  • Publicado : 9 de noviembre de 2010
Leer documento completo
Vista previa del texto
6.4.

Introducción al Análisis de Series Temporales
Traducción: Rolando Lemus Gómez

Los métodos de series de tiempo toman en cuenta la estructura interna posible en los datos

Los datos de series de tiempo a menudo arriban cuando se monitorean procesos industriales o se rastrean métricas de las compañías comerciales. La diferencia esencial entre modelación de datos vía métodos de seriestemporales o usando los métodos de monitoreo de procesos es la siguiente: El análisis de series temporales considera el hecho que los datos tomados en el tiempo tienen una estructura interna (tal como autocorrelación, tendencia o variación estacional) que debería ser considerada. Esta sección dará un breve visión global de algunas de las técnicas usadas más ampliamente en el rico y rápidamentecampo creciente del análisis y modelación de series temporales.

Contenidos de esta sección

Las áreas cubiertas son: 1. Definiciones, aplicaciones y técnicas 2. ¿Qué son las Técnicas de Medias Móviles y Suavizado? 1. Media Móvil Simple 2. Media Móvil Centrada 3. ¿Qué es el Suavizado Exponencial? 1. Suavizado Exponencial Simple 2. Pronóstico con Suavizado Exponencial Simple 3. SuavizadoExponencial Doble 4. Pronóstico con Suavizado Exponencial Doble 5. Suavizado Exponencial Triple 6. Ejemplo de Suavizado Exponencial Triple 7. Resumen de Suavizado Exponencial

6.4.1. Definiciones, Aplicaciones y Técnicas
Definición Definición de Series Temporales: Una secuencia ordenada de valores de una variable en intervalos de tiempo igualmente espaciados. Aplicaciones: El uso de las seriestemporales es doble:


Las series temporales ocurren frecuentemente cuando miramos datos industriales



Obtener un entendimiento de las fuerzas subyacentes y estructura que produce los datos observados. Ajustar un modelo y proceder a pronosticar, monitorear e incluso retroalimentar y mejorar el control.

El análisis de series temporales es usado en muchas aplicaciones tales como:
• • • • • • •• • •

Pronósticos Económicos Pronósticos de Ventas Análisis Presupuestario Análisis de Inventario de Mercados Proyecciones de Rendimiento Control y Calidad de Procesos Estudios de Inventarios Proyecciones de Carga de Trabajo Estudios de Utilidad Análisis de Censos

Y muchas, muchas más… Hay muchos métodos usados para modelar y pronosticar series temporales Técnicas: El ajuste de modelos deseries temporales puede ser una tarea ambiciosa. Hay muchos métodos de ajuste de modelos incluyendo los siguientes:
• • •

Modelos Box-Jenkins ARIMA Modelos Multivariantes Box-Jenkins Suavizado Exponencial Holt-Winters doble, triple)

(simple,

Las preferencias y aplicaciones de los usuarios decidirán la selección de la técnica apropiada. Más allá del dominio e intención de los autores deeste manual de cubrir todos estos métodos. La visión presentada aquí comenzará

mirando algunas técnicas básicas de suavizado:


Métodos de Promedios Técnicas de Suavizado Exponencial.



6.4.2. ¿Qué son las Técnicas Medias Móviles o Suavizado?
El suavizado de datos remueve variaciones aleatorias y muestra las componentes tendencias y ciclo Inherente en la recolección de datos tomadosen el tiempo está alguna forma de variación aleatoria. Existen métodos para reducir el efecto debido a variación aleatoria. Una técnica usada a menudo en la industria es el “suavizado". Esta técnica, cuando es aplicada apropiadamente, revela más claramente las componentes subyacentes de tendencia, estacional y cíclica. Hay dos grupos distintos de métodos de suavizado
• •

Métodos de PromediosMétodos de Suavizado Exponencial

Tomar el promedio es la manera más simple de suavizar los datos

Primero investigaremos algunos métodos de promedios, tales como el promedio “simple” de todos los datos pasados. Un gerente de un almacén quiere conocer cuántas unidades entrega un típico proveedor en $1000. El/ella toma una muestra de 12 proveedores, aleatoriamente, obteniendo los resultados...
tracking img