Pronosticos Estacionales
Páginas: 5 (1032 palabras)
Publicado: 20 de abril de 2012
PRONÓSTICO ESTACIONALES
Definición:
Se conoce como descomposición al proceso en el cual los factores lineales tanto de tendencia como estacionales se aíslan a fin de desarrollar los pronósticos más precisos.
En estadística, se dice que la demanda —o las ventas— de un determinado producto muestra estacionalidad cuando la serie de tiempo subyacente atraviesa una variación cíclicapredecible, dependiendo de la época del año. La estacionalidad es uno de los patrones estadísticos más utilizados para mejorar la precisión de los pronósticos de demanda. Ejemplo: la mayoría de los minoristas occidentales tienen ventas pico en la época de Navidad
El análisis de una serie de tiempo consiste en la descripción y medición de varios cambios y movimientos, tal como aparecen en la seriedurante un periodo de tiempo. Estos cambios o movimientos pueden clasificarse como siguen:
• Tendencia Secular. Es el crecimiento o disminución de los datos a los largo de un periodo dilatado,
• Variaciones Residuales, accidentales o aleatorias. Son perturbaciones poco usuales como guerras, desastres, huelgas u otros accidentes no recurrentes.
• Movimiento cíclico. Es la oscilaciónde la prosperidad a la recesión, depresión, recuperación y vuelta de nuevo al periodo de prosperidad. Este movimiento varía en tiempo, longitud e intensidad.
• Variación Estacional. Es el movimiento, más o menos regular, que se presenta con un periodo de 12 meses. Este movimiento se observa un año tras otro, y es debido al cambio de estaciones
Este modelo se selecciona en base ha:• Horizonte de pronóstico
• Disponibilidad de datos
• Precisión requerida
Características:
• Las tendencias son movimientos a largo plazo en una serie de datos a los largo del tiempo.
• La tendencia puede ser descrita por una recta o por una curva.
• Las tendencias se dan por varias causas: Cambios en la población, cambios en la productividad, cambiostecnológicos, etc.
• En este tipo de análisis la variable independiente es el tiempo.
Pasos utilizados para desarrollar un pronóstico utilizando el método de descomposición:
1. Mediante el empleo de CMA (Promedio móvil centrado) se calculan los índices estacionales.
2. Se desestacionalizan los datos dividiendo cada número entre su índice estacional.
3. Se determinala ecuación de una línea de tendencia utilizando los datos desestacionalizados.
4. Se pronostican periodos futuros utilizando la línea de tendencia.
5. Se multiplica el pronóstico de la línea de tendencia por el índice estacional adecuado.
Ilustración de series de tiempo estacionales
El gráfico a continuación ilustra 4 series de tiempo estacionales (haga clic para agrandar).Las series de tiempo son agregadas a nivel semanal durante un período de 159 semanas (alrededor de 3 años). Los datos representan los envíos semanales correspondientes a 4 productos distintos del depósito de un gran minorista europeo.
[pic]
El primer día del año (1.º de enero) está señalado con un marcador vertical gris. Los datos históricos aparecen en rojo, mientras que el pronósticode Lokad (software) se muestra en color violeta. La estacionalidad se puede observar como una similitud de patrones de un año a otro. Utilice los marcadores grises como referencia.
Modelo básico para la descomposición estacional
La Y(t) corresponde a la demanda en el momento t. Descomponemos la demanda Y(t) en dos componentes: S(t), una función estrictamente cíclica, y Z(t), el complementono estacional. Esto da:
Y(t) = S(t) * Z(t) donde S(t + 1 año) = S(t)
Si la función S(t) puede ser calculada, entonces el proceso de pronóstico generalmente pasa por tres etapas:
1. Calcular las series de tiempo desestacionadas como Z(t) = Y(t) / S(t).
2. Elaborar el pronóstico a partir de las series de tiempo Z(t), en lo posible mediante la media móvil.
3. Volver a aplicar los...
Definición:
Se conoce como descomposición al proceso en el cual los factores lineales tanto de tendencia como estacionales se aíslan a fin de desarrollar los pronósticos más precisos.
En estadística, se dice que la demanda —o las ventas— de un determinado producto muestra estacionalidad cuando la serie de tiempo subyacente atraviesa una variación cíclicapredecible, dependiendo de la época del año. La estacionalidad es uno de los patrones estadísticos más utilizados para mejorar la precisión de los pronósticos de demanda. Ejemplo: la mayoría de los minoristas occidentales tienen ventas pico en la época de Navidad
El análisis de una serie de tiempo consiste en la descripción y medición de varios cambios y movimientos, tal como aparecen en la seriedurante un periodo de tiempo. Estos cambios o movimientos pueden clasificarse como siguen:
• Tendencia Secular. Es el crecimiento o disminución de los datos a los largo de un periodo dilatado,
• Variaciones Residuales, accidentales o aleatorias. Son perturbaciones poco usuales como guerras, desastres, huelgas u otros accidentes no recurrentes.
• Movimiento cíclico. Es la oscilaciónde la prosperidad a la recesión, depresión, recuperación y vuelta de nuevo al periodo de prosperidad. Este movimiento varía en tiempo, longitud e intensidad.
• Variación Estacional. Es el movimiento, más o menos regular, que se presenta con un periodo de 12 meses. Este movimiento se observa un año tras otro, y es debido al cambio de estaciones
Este modelo se selecciona en base ha:• Horizonte de pronóstico
• Disponibilidad de datos
• Precisión requerida
Características:
• Las tendencias son movimientos a largo plazo en una serie de datos a los largo del tiempo.
• La tendencia puede ser descrita por una recta o por una curva.
• Las tendencias se dan por varias causas: Cambios en la población, cambios en la productividad, cambiostecnológicos, etc.
• En este tipo de análisis la variable independiente es el tiempo.
Pasos utilizados para desarrollar un pronóstico utilizando el método de descomposición:
1. Mediante el empleo de CMA (Promedio móvil centrado) se calculan los índices estacionales.
2. Se desestacionalizan los datos dividiendo cada número entre su índice estacional.
3. Se determinala ecuación de una línea de tendencia utilizando los datos desestacionalizados.
4. Se pronostican periodos futuros utilizando la línea de tendencia.
5. Se multiplica el pronóstico de la línea de tendencia por el índice estacional adecuado.
Ilustración de series de tiempo estacionales
El gráfico a continuación ilustra 4 series de tiempo estacionales (haga clic para agrandar).Las series de tiempo son agregadas a nivel semanal durante un período de 159 semanas (alrededor de 3 años). Los datos representan los envíos semanales correspondientes a 4 productos distintos del depósito de un gran minorista europeo.
[pic]
El primer día del año (1.º de enero) está señalado con un marcador vertical gris. Los datos históricos aparecen en rojo, mientras que el pronósticode Lokad (software) se muestra en color violeta. La estacionalidad se puede observar como una similitud de patrones de un año a otro. Utilice los marcadores grises como referencia.
Modelo básico para la descomposición estacional
La Y(t) corresponde a la demanda en el momento t. Descomponemos la demanda Y(t) en dos componentes: S(t), una función estrictamente cíclica, y Z(t), el complementono estacional. Esto da:
Y(t) = S(t) * Z(t) donde S(t + 1 año) = S(t)
Si la función S(t) puede ser calculada, entonces el proceso de pronóstico generalmente pasa por tres etapas:
1. Calcular las series de tiempo desestacionadas como Z(t) = Y(t) / S(t).
2. Elaborar el pronóstico a partir de las series de tiempo Z(t), en lo posible mediante la media móvil.
3. Volver a aplicar los...
Leer documento completo
Regístrate para leer el documento completo.