Mtodos y frmulas para Mtodo de

Winters
Ms informacin sobre Minitab 18

Seleccione el mtodo o la frmula de su preferencia.

En este tema

Multiplicativo
Aditivo
Ajuste del modelo
Pronsticos
MAPE
MAD
DCM

Multiplicativo

Frmula
El modelo multiplicativo es:

Lt = (Yt / Stp ) + (1 ) [Lt1 + Tt1 ]

Tt = [Lt Lt1 ] + (1 ) Tt1
St = (Yt / Lt ) + (1 ) Stp

= (Lt1 + Tt1 ) Stp

Notacin

Trmino Description

Lt el nivel en el tiempo t, es la ponderacin para el nivel

 Tt la tendencia en el tiempo t,

la ponderacin para la tendencia

St el componente estacional en el tiempo t

la ponderacin para el componente estacional

p perodo estacional

Yt el valor de los datos en el tiempo t

el valor ajustado, o el pronstico de un perodo adelante, en el

tiempo t

Aditivo

Frmula
El modelo aditivo es:

Lt = (Yt Stp ) + (1 ) [Lt1 + Tt1 ]

Tt = [Lt Lt1 ] + (1 ) Tt1
St = (Yt Lt ) + (1 ) Stp

= Lt1 + Tt1 + Stp

Notacin

Trmino Description
Lt el nivel en el tiempo t, es la ponderacin para el nivel

Tt la tendencia en el tiempo t,

la ponderacin para la tendencia

St el componente estacional en el tiempo t

la ponderacin para el componente estacional

p perodo estacional

Yt el valor de los datos en el tiempo t

el valor ajustado, o el pronstico de un perodo adelante, en el

tiempo t

Ajuste del modelo

El mtodo de Winters emplea un componente de nivel, un componente de
tendencia y un componente estacional en cada perodo. Utiliza tres
ponderaciones, o parmetros de suavizacin, para actualizar los
componentes en cada perodo. Los valores iniciales para los componentes
de nivel y de tendencia se obtienen de una regresin lineal sobre el tiempo.
Los valores iniciales para el componente estacional se obtienen de una
regresin de variables simulada utilizando datos sin tendencia.

Pronsticos
El mtodo de Winters utiliza los componentes de nivel, tendencia y
estacional para generar pronsticos. El mtodo de Winters tambin utiliza
 datos hasta el tiempo de origen del pronstico para generar los
pronsticos.

Frmula
El pronstico para m perodos adelante desde un punto en el tiempo t es:

Mtodo multiplicativo: (Lt + mTt) * St + m p

Mtodo aditivo: Lt + mTt +St + m p

Notacin

Trmino Description

Lt nivel

Tt la tendencia en el tiempo t

Trmino Description

St + m p componente estacional para el mismo perodo del ao

anterior

MAPE
El error porcentual absoluto medio (EPAM) mide la exactitud de los valores
ajustados de las series de tiempo. EPAM expresa la exactitud como un
porcentaje.

Frmula
Notacin

Trmino Description

yt valor real en el tiempo t

valor ajustado

n nmero de observaciones

MAD
La desviacin media absoluta (MAD) mide la exactitud de los valores
ajustados de las series de tiempo. La MAD expresa exactitud en las mismas
unidades que los datos, lo cual ayuda a conceptualizar la cantidad de error.

Frmula

Notacin

Trmino Description

yt valor real en el tiempo t

valor ajustado

n nmero de observaciones
DCM
La desviacin cuadrtica media (DCM) siempre se calcula utilizando el
mismo denominador, n, independientemente del modelo. La DCM es ms
sensible que DAM para medir un error de pronstico inusualmente grande.

Frmula

Notacin

Trmino Description

yt valor real en el tiempo t

valor ajustado

n nmero de observaciones

Minitab.com
Portal para licencias