Suavizamiento simple

nto Universidad de el salvadorfacultad de ingenieria y arquitecturaescuela de ingenieria industrialanalisis financiero |
Pronósticos |
Suavizamiento simple |
|
|
|

Ciudad universitaria, lunes 29 de noviembre de 2010 |

Índice
Contenido
Índice 1
Introducción 2
Objetivos 3
Objetivo general 3
Objetivos específicos 3
Marco Teórico 4
Series de Tiempo 4
Pronósticos5
Método de suavizamiento exponencial simple 6
PROBLEMA 8
DESARROLLO 9
Parte A 9
Parte B 10
Conclusión 14
Bibliografía 15
Anexos 16

Introducción

Los métodos de pronósticos son de suma importancia en el ámbito empresarial, ya que permite a las empresas proyectar un estimado de ventas para determinados periodos.
En el presente documento se expone el método de suavizamientoexponencial simple, para ello se desarrollara un ejercicio práctico, para ejemplificar la aplicación de dicho método de pronóstico.
Se comienza revisando algunos conceptos importantes, para continuar con aspectos teóricos del tema.
El problema a desarrollar trata sobre el pronóstico de ventas de un fabricante que se especializa en partes de reemplazo, se analizaran los datos de los años 2001,2002 dados en meses.

Objetivos

Objetivo general

Objetivos específicos

Marco Teórico

Series de Tiempo
Las series de tiempo es una secuencia ordenada de valores de una variable en intervalos de tiempo periódicos y consecutivos. La aplicación de estos métodos tiene dos propósitos: comprender las fuerzas de influencia en los datos y descubrir la estructura que produjo los datosobservados. Ajustar el modelo y proceder a realizar pronósticos, monitoreo, retroalimentación y control en avance.
Tendencia y estacionalidad
Las fuerzas que generan la serie se han estabilizado y el medio permanece relativamente sin cambios, entonces se considera que los datos son estacionarios.
Un supuesto en muchas técnicas de series de tiempo es que los datos son estacionarios, donde su media,variancia y autocorrelación no cambia en el tiempo, tampoco se presentan patrones de estacionalidad, sin embargo en la práctica si se presentan estos patrones de tendencia y de estacionalidad y es necesario contar con modelos que las consideren.
Tendencias
Si los datos muestran una tendencia, se pueden ajustar los datos con algún tipo de curva o recta y modelar los residuales. Como el propósitodel ajuste es simplemente remover la tendencia a largo plazo, una línea recta es suficiente.

Indicadores de modelos de series de tiempo
Estos indicadores sirven para comparar la efectividad de diferentes modelos utilizados. Siempre se busca el valor menor en los indicadores MAPE, MAD y MSD ya que representa un mejor ajuste del modelo.

MAPE: Porcentaje promedio absoluto de error, mide laexactitud de los valores estimados de la serie de tiempo. La exactitud se expresa como un porcentaje con igual al valor observado, es el valor estimado y n el número de observaciones.

MAD: Desviación media absoluta, mide la exactitud de los valores estimados de la serie de tiempo. Expresa la exactitud en las mismas unidades de los datos.

MSD: Desviación cuadrática media, es más sensible aerrores anormales de pronóstico que el MAD.

Pronósticos
Un pronóstico es el proceso de estimación de un acontecimiento futuro, proyectando hacia el futuro datos del pasado. Los datos del pasado se combinan sistemáticamente en forma predeterminada para hacer una estimación del futuro

Método de suavizamiento exponencial simple

Este método realiza sus pronósticos otorgando una ponderación alos datos dependiendo del peso que tengan dentro del cálculo del pronóstico. Esta ponderación se lleva a cabo a través de otorgarle un valor a la constante de suavización, α, que puede ser mayor que cero y menor que uno.
Esta técnica está diseñada para atenuar una desventaja del método de promedios móviles, en donde los datos para calcular el promedio tienen la misma ponderación. De manera...