Método De Media Móvil Predicción Ppt

El suavizado de datos elimina la variación aleatoria y muestra las tendencias y los componentes cíclicos Inherente a la recopilación de datos tomados en el tiempo es una forma de variación al azar. Existen métodos para reducir la cancelación del efecto debido a la variación aleatoria. Una técnica de uso frecuente en la industria es suavizar. Esta técnica, cuando se aplica correctamente, revela más claramente la tendencia subyacente, los componentes estacionales y cíclicos. Existen dos grupos distintos de métodos de suavizado Métodos de promedio Métodos exponenciales de suavizado Tomar promedios es la forma más sencilla de suavizar los datos Primero investigaremos algunos métodos de promediación, como el promedio simple de todos los datos anteriores. Un gerente de un almacén quiere saber cuánto un proveedor típico ofrece en unidades de 1000 dólares. Se toma una muestra de 12 proveedores, al azar, obteniendo los siguientes resultados: La media o media calculada de los datos 10. El gestor decide usar esto como la estimación para el gasto de un proveedor típico. ¿Es esto una buena o mala estimación? El error cuadrático medio es una forma de juzgar qué tan bueno es un modelo Vamos a calcular el error cuadrático medio. La cantidad verdadera del error gastada menos la cantidad estimada. El error al cuadrado es el error anterior, al cuadrado. El SSE es la suma de los errores al cuadrado. El MSE es la media de los errores al cuadrado. Resultados de MSE por ejemplo Los resultados son: Errores y errores cuadrados La estimación 10 La pregunta surge: ¿podemos usar la media para pronosticar ingresos si sospechamos una tendencia? Un vistazo a la gráfica abajo muestra claramente que no debemos hacer esto. El promedio pesa todas las observaciones pasadas igualmente En resumen, declaramos que El promedio simple o la media de todas las observaciones pasadas es sólo una estimación útil para pronosticar cuando no hay tendencias. Si hay tendencias, utilice estimaciones diferentes que tengan en cuenta la tendencia. El promedio pesa todas las observaciones pasadas igualmente. Por ejemplo, el promedio de los valores 3, 4, 5 es 4. Sabemos, por supuesto, que un promedio se calcula sumando todos los valores y dividiendo la suma por el número de valores. Otra forma de calcular el promedio es añadiendo cada valor dividido por el número de valores, o 3/3 4/3 5/3 1 1.3333 1.6667 4. El multiplicador 1/3 se llama el peso. En general: barra frac fracción izquierda (frac derecha) x1 izquierda (frac derecha) x2,. ,, Izquierda (frac derecha) xn. El (a la izquierda (derecha frac)) son los pesos y, por supuesto, que suman 1.Slideshare utiliza cookies para mejorar la funcionalidad y el rendimiento, ya que proporcionan publicidad relevante. Si sigues viendo el sitio, aceptas el uso de cookies en este sitio web. Consulte nuestro Acuerdo de usuario y Política de privacidad. Slideshare utiliza cookies para mejorar la funcionalidad y el rendimiento, y para proporcionarle publicidad relevante. Si sigues viendo el sitio, aceptas el uso de cookies en este sitio web. Consulte nuestra Política de privacidad y el Contrato de usuario para obtener más detalles. Explorar todos tus temas favoritos en la aplicación SlideShare Obtener la aplicación SlideShare para guardar para más tarde, incluso sin conexión Continuar al sitio para móviles Cargar Iniciar sesión Registrarse Toque dos veces para alejar el método de media móvil Comparta este SlideShare LinkedIn Corporation Copiar 2016Moving-average-methods. ppt - Applied Pronóstico del negocio. Esta vista previa tiene secciones borrosas intencionalmente. Regístrese para ver la versión completa. Introducción 61550 En este capítulo se presentan los modelos aplicables a los datos de series de tiempo con datos estacionales, tendenciales o ambos, estacionales y de tendencia y estacionarios. 61550 Los métodos de pronóstico descritos en este capítulo pueden clasificarse como: 61550 Métodos de mediación. 61550 Observaciones igualmente ponderadas 61550 Exponential Smoothing methods. 61550 Conjunto desigual de pesos a datos pasados, donde los pesos decayen exponencialmente de los puntos de datos más recientes a los más lejanos. 61550 Todos los métodos de este grupo requieren que se definan ciertos parámetros. 61550 Estos parámetros (con valores entre 0 y 1) determinarán los pesos desiguales que se aplicarán a los datos anteriores. Introducción 61550 Métodos de mediación 61550 Si una serie temporal se genera por un proceso constante sujeto a error aleatorio, entonces la media es una estadística útil y puede utilizarse como pronóstico para el siguiente período. 61550 Los métodos de promedio son adecuados para datos de series temporales estacionarias donde la serie está en equilibrio alrededor de un valor constante (la media subyacente) con una varianza constante en el tiempo. Esta vista previa tiene secciones borrosas intencionalmente. Regístrese para ver la versión completa. Introducción 61550 Métodos de suavizado exponencial 61550 El método de suavizado exponencial más simple es el método de suavizado único (SES) en el que solo se necesita calcular un parámetro 61550 El método de Holtrsquos utiliza dos parámetros diferentes y permite predecir series con tendencia. 61550 El método Holt-Wintersrsquo implica tres parámetros de suavizado para suavizar los datos, la tendencia y el índice estacional. Métodos de mediación 61550 La media 61550 Utiliza el promedio de todos los datos históricos como el pronóstico 61550 Cuando se dispone de nuevos datos. La previsión para el tiempo t2 es la nueva media que incluye los datos previamente observados más esta nueva observación. 61550 Este método es apropiado cuando no hay tendencia notable o estacionalidad. 61669 61501 61483 61501 t i i t y t F 1 1 1 61669 61483 61501 61483 61483 61501 1 1 2 1 1 t i i t e t F Esta vista previa tiene secciones borrosas intencionalmente. Regístrese para ver la versión completa. Métodos de mediación 61550 El promedio móvil para el período de tiempo t es la media de las últimas observaciones ldquokrdquo. 61550 El número constante k se especifica al principio. 61550 Cuanto menor sea el número k, más peso se da a los períodos recientes. 61550 Cuanto mayor sea el número k, menor será el peso de los períodos más recientes. Promedios móviles 61550 Un k grande es deseable cuando hay fluctuaciones amplias e infrecuentes en la serie. 61550 Un k pequeño es más deseable cuando hay cambios repentinos en el nivel de la serie. 61550 Para datos trimestrales, una media móvil de cuatro trimestres, MA (4), elimina o promedia los efectos estacionales. Esta vista previa tiene secciones borrosas intencionalmente. Regístrese para ver la versión completa. Promedios móviles 61550 Para los datos mensuales, una media móvil de 12 meses, MA (12), elimina o promedia el efecto estacional. 61550 Se asignan pesos iguales a cada observación utilizada en el promedio. 61550 Cada nuevo punto de datos se incluye en el promedio cuando está disponible, y el punto de datos más antiguo es descartado. Promedios móviles 61550 Un promedio móvil de orden k, MA (k) es el valor de k observaciones consecutivas. Esta vista previa tiene secciones borrosas intencionalmente. Regístrese para ver la versión completa. Este es el final de la vista previa. Regístrese para acceder al resto del documento.