Metodos de pronosticos

La elección del pronóstico depende de los movimientos presentados por la serie, dichos movimientos pueden ser:

1.- Movimientos secuenciales o de larga duración (tendencia): durante periodos de larga duración algunas gráficas de la series de tiempo presentan una tendencia o dirección general que representa el crecimiento o decremento de la serie sobre un periodo amplio. Este movimiento seindica dentro del gráfico por una curva o recta de tendencia; en la Fig. 3.2 esta línea aparece a trazos.
[pic]
2.- Movimientos cíclicos: son los movimientos oscilatorios de larga duración que se presentan alrededor de la curva o recta de tendencia, los cuales comúnmente son llamados ciclos. Estos ciclos pueden presentarse de manera periódica o no periódica, esto quiere decir que peden seguircaminos análogos o parecidos después de un determinado periodo de tiempo.
[pic]
3.- Movimientos estaciónales: se refiere a unos patrones de cambio repetitivo anualmente basado en normas idénticas o casi idénticas que una serie de tiempo parece seguir durante los correspondientes meses de los sucesivos años. Estas semejanzas se deben a diferentes factores repetitivos o recurrentes que se presentananualmente, un ejemplo claro de esto son el incremento de ventas en zonas turísticas durante el periodo vacacional.

4.- Movimientos irregulares o al azar: son los movimientos o variabilidad esporádica de la serie de tiempo que tiene su origen en acontecimientos ocasionales. Los movimientos ocasionales se encuentran después de retirar los otros componentes de la serie de tiempo.
[pic]

Modelosde Pronóstico Suavizamiento Exponencial

Existen 3 modelos de suavizamiento exponencial; a continuación explicare cada uno de ellos pero antes es necesario decir que todos los métodos tiene algo en común: por medio de las funciones correspondientes se pueden pronosticar valores ya conocidos y así hacer un contraste entre los datos reales y los calculados para obtener el error de nuestropronostico. Minimizando el error promedio de todas nuestras observaciones obtendremos los parámetros óptimos de nuestra ecuación y así podremos utilizar la ecuación para buscar nuestro pronóstico.

1.- Suavizamiento simple.
Este método lo utilizaremos cuando una vez estudiados los datos, decidamos que no existe ninguna tendencia ni estacionalidad. Consiste en tomar datos históricos y agregarles unpeso a cada uno de ellos, se le asignara mayor peso a los datos más recientes y este va decreciendo de forma exponencial con datos de mayor antigüedad. Así bien la ecuación queda de la siguiente forma:

[pic]= αYi + (1-α) [pic]
donde:
[pic] = nuestro valor pronosticado en el periodo t
Yi = nuestra observación en el tiempo t
α = el peso que le damos a nuestraobservación para valores que están entre 0 y 1

Si desarrollamos un poco la ecuación obtenemos que:
[pic] = αYi + [pic] -α[pic]
= [pic] + (Yi-[pic])α

Lo que nos dice que nuestro pronóstico puede ser visto como el pronóstico una etapa anterior más el error que obtuvimos ponderado con una constante. Efectivamente el peso que ledemos a nuestro error debe ser el valor que minimice nuestro error cuadrático medio ([pic]) o más simple sacamos un promedio de nuestros errores, lo elevamos al cuadrado para evitar los valores negativos (encontramos una desviación) y la minimizamos.

Ahora bien ya sabemos cómo obtener nuestro α y tenemos nuestra ecuación, pero para obtener nuestra ecuación necesitamos un valor de pronosticoinicial. Podemos dar un valor inicial tal que [pic] = Y o cualquier otro método empírico que conozcamos y de ahí avanzar con nuestras demás observaciones. Una de las debilidades de este método es que solo se sirve para pronosticar un periodo ya que después el pronóstico va a ser constante para todos los demás periodos.

Esto es:
[pic] = [pic]para cualquier p.

Bowerman nos propone una...