Método De Pronóstico De Media Móvil Doble

Si ve este mensaje, su navegador ha inhabilitado o no es compatible con JavaScript. Para utilizar todas las funciones de este sistema de ayuda, como la búsqueda y la tabla de contenido, el navegador debe tener habilitado JavaScript. Si su navegador admite JavaScript, proporciona configuraciones que habilitan o deshabilitan JavaScript. Cuando JavaScript está desactivado, sólo puede ver el contenido del tema de ayuda, que sigue a este mensaje. Fórmulas clásicas del método de pronóstico no estacional Fórmulas para los métodos clásicos no estacionales de predicción de series de tiempo: Promedio móvil único Fórmulas de media móvil única: (Pronóstico para el período m) F tm F t donde los parámetros son: p8212Orden del promedio móvil El primer ajuste está disponible desde el período P 1) Predictor de media móvil doble utiliza las siguientes ecuaciones para el método de media móvil doble: Donde los parámetros son: p8212Orden del promedio móvil M t 8212Medio móvil de primer orden para el período t M t 8212Medio móvil de segundo orden para el período t El primer ajuste está disponible en Período (2p-1). El único predictor de suavizado exponencial utiliza las siguientes fórmulas para el suavizado exponencial simple: (Pronóstico para el período m) F tm F t El primer ajuste está disponible desde el período 2. El doble suavizado exponencial Crystal Ball utiliza la fórmula de suavización exponencial doble Holt8217s de la siguiente manera: Período 2.Si ve este mensaje, su navegador ha desactivado o no es compatible con JavaScript. Para utilizar todas las funciones de este sistema de ayuda, como la búsqueda y la tabla de contenido, el navegador debe tener habilitado JavaScript. Si su navegador admite JavaScript, proporciona configuraciones que habilitan o deshabilitan JavaScript. Cuando JavaScript está desactivado, sólo puede ver el contenido del tema de ayuda, que sigue a este mensaje. Métodos clásicos de pronóstico no estacional Los métodos no estacionales intentan pronosticar eliminando los cambios extremos en los datos pasados ​​donde los ciclos de repetición de los valores de los datos no están presentes. Están disponibles los siguientes métodos clásicos de predicción no estacional: Promedio móvil único (SMA) Suaviza los datos históricos promediando los últimos períodos y proyectando el último valor promedio hacia delante. Predictor puede calcular automáticamente el número óptimo de periodos a promediar, o puede seleccionar el número de periodos a promediar. Este método es mejor para datos volátiles sin tendencia o estacionalidad. Esto da lugar a una línea recta, previsión plana. Figura 64. Límite promedio de movimiento simple promedio de datos, ajuste y pronóstico de la línea Límite de movimiento doble (DMA) Aplica la técnica de promedio móvil dos veces, una vez a los datos originales y luego a los datos de promedio móvil único resultantes. Este método utiliza ambos conjuntos de datos suavizados para proyectarse hacia adelante. Predictor puede calcular automáticamente el número óptimo de periodos a promediar, o puede seleccionar el número de periodos a promediar. Este método es el mejor para los datos históricos con una tendencia pero ninguna estacionalidad. Esto da como resultado una línea recta de previsión de pendiente. Figura 65. Línea de Datos, Fit y Límites de Media Móvil Doble Típica Suavizado Exponencial Único (SES) Pesa todos los datos pasados ​​con pesos exponencialmente decrecientes que pasan al pasado. En otras palabras, usualmente los datos más recientes tienen mayor peso. De esta manera, la ponderación supera en gran medida las limitaciones de los métodos de cambio de promedios o porcentajes. Predictor puede calcular automáticamente la constante de suavizado óptima, o puede definir manualmente la constante de suavizado. Este método, que resulta en una recta, la previsión de línea plana es mejor para los datos volátiles, sin tendencia o estacionalidad. Figura 66. Límites de suavizado exponencial típicos, ajuste y línea de predicción Suavizado exponencial doble (DES) Aplica SES dos veces, una vez a los datos originales y luego a los datos SES resultantes. Predictor utiliza el método Holt8217s para el suavizado exponencial doble, que puede utilizar un parámetro diferente para la segunda aplicación de la ecuación SES. Predictor puede calcular automáticamente las constantes de suavizado óptimas, o puede definir manualmente las constantes de suavizado. Este método es el mejor para los datos con una tendencia pero ninguna estacionalidad. Esto da como resultado una línea recta de previsión de pendiente. Figura 67. Línea de Datos, Fit y Línea de Suavizado Exponencial Típica Lineal Parámetros del Método de Pronóstico No Estacional Clásico Los métodos no estacionales clásicos usan varios parámetros de pronóstico. Para los métodos de media móvil, las fórmulas utilizan un parámetro, período. Cuando se realiza un promedio móvil, los promedios de Predictor en un número de períodos. Para una media móvil simple, el número de períodos puede ser cualquier número entero entre 1 y la mitad del número de puntos de datos. Para el promedio móvil doble, el número de períodos puede ser cualquier número entero entre 2 y un tercio del número de puntos de datos. El único suavizado exponencial tiene un parámetro: alfa. Alfa (a) es la constante de suavizado. El valor de alfa puede ser cualquier número entre 0 y 1, no incluido. El doble suavizado exponencial tiene dos parámetros: alfa y beta. Alfa es la misma constante de suavizado que se ha descrito anteriormente para el suavizado exponencial simple. Beta (b) es también una constante de alisado exactamente igual que alfa excepto que se usa durante el segundo suavizado. El valor de beta puede ser cualquier número entre 0 y 1, no inclusive. Una serie de tiempo es una secuencia de observaciones de una variable aleatoria periódica. Ejemplos de ello son la demanda mensual de un producto, la inscripción anual de primer año en un departamento de la universidad y los flujos diarios en un río. Las series temporales son importantes para la investigación operativa porque son a menudo los impulsores de los modelos de decisión. Un modelo de inventario requiere estimaciones de las demandas futuras, un modelo de programación y dotación de personal para un departamento universitario requiere estimaciones del flujo futuro de estudiantes y un modelo para proporcionar advertencias a la población en una cuenca requiere estimaciones de flujos fluviales para el futuro inmediato. El análisis de series temporales proporciona herramientas para seleccionar un modelo que describe las series temporales y utilizar el modelo para predecir eventos futuros. Modelar la serie temporal es un problema estadístico porque los datos observados se utilizan en procedimientos computacionales para estimar los coeficientes de un supuesto modelo. Los modelos suponen que las observaciones varían aleatoriamente sobre un valor medio subyacente que es una función del tiempo. En estas páginas, se restringe la atención al uso de datos de series de tiempo históricas para estimar un modelo dependiente del tiempo. Los métodos son apropiados para el pronóstico automático a corto plazo de la información de uso frecuente donde las causas subyacentes de la variación del tiempo no están cambiando marcadamente en el tiempo. En la práctica, los pronósticos derivados de estos métodos son posteriormente modificados por analistas humanos que incorporan información no disponible a partir de los datos históricos. Nuestro objetivo principal en esta sección es presentar las ecuaciones para los cuatro métodos de pronóstico utilizados en el complemento de predicción: promedio móvil, suavizado exponencial, regresión y suavizado exponencial doble. Estos son llamados métodos de suavizado. Los métodos no considerados incluyen la predicción cualitativa, regresión múltiple, y métodos autorregresivos (ARIMA). Los interesados ​​en una cobertura más amplia deben visitar el sitio de principios de pronóstico o leer uno de los varios libros excelentes sobre el tema. Utilizamos el libro Previsión. Por Makridakis, Wheelwright y McGee, John Wiley amp Sons, 1983. Para utilizar el libro de Ejemplos de Excel, debe tener instalado el complemento de Pronóstico. Elija el comando Relink para establecer los vínculos al complemento. Esta página describe los modelos utilizados para la predicción simple y la notación utilizada para el análisis. Este método de pronóstico más simple es el pronóstico del promedio móvil. El método simplemente promedios de las últimas m observaciones. Es útil para series de tiempo con una media que cambia lentamente. Este método considera todo el pasado en su pronóstico, pero pesa la experiencia reciente más fuertemente que menos reciente. Los cálculos son simples porque sólo la estimación del período anterior y los datos actuales determinan la nueva estimación. El método es útil para series de tiempo con una media que cambia lentamente. El método del promedio móvil no responde bien a una serie cronológica que aumenta o disminuye con el tiempo. Aquí incluimos un término de tendencia lineal en el modelo. El método de regresión se aproxima al modelo construyendo una ecuación lineal que proporciona el ajuste de mínimos cuadrados a las últimas m observaciones.