Académique Documents
Professionnel Documents
Culture Documents
Logro de la sesión
Series de tiempo
Análisis de tendencia
Métodos de descomposición
El jefe de logística debe analizar la información del número
de operaciones logísticas
¿Cómo pronosticar el
número de operaciones
logísticas para el tercer
trimestre del año 7?
Componente de tendencia:
Es un componente que representa el
crecimiento o disminución en la serie sobre un
periodo a largo plazo.
Componente estacional:
Es un patrón de cambio que se repiten de
manera regular en periodos de corto plazo
(generalmente menores a un año)
Componente cíclica:
Es la fluctuación en forma de onda alrededor de
la tendencia, muestran variaciones a periodos de
mediano plazo (generalmente mayores a un año)
Componente irregular:
Son variaciones aleatorias que ocurren en una
serie por acontecimientos inesperados.
Tema 1
Tipos de modelos
Tipos de modelos Tipos de modelos
1. Modelo lineal
1. No centrado 1. Aditivo
2. Modelo exponencial
2. Centrado 3. Modelo cuadrático
2. Multiplicativo
La serie de tiempo parece presentar una leve tendencia, sin embargo, los puntos
se encuentran bastante cercanos a una media general
Método de medias móviles
Medias móviles centradas de longitud 2:
La media móvil del tiempo “t” sirve para
predecir el tiempo “t+1”
Media móvil Tiempo Ventas MA Predecir Error
Trimestre Ventas Q1 2790 * * *
centrada
Q2 2949 2947.50 * *
I 2790 Q3 3102 3102.50 2947.50 154.50
Q4 3257 3238.75 3102.50 154.50
2869.5 Q1 3339 3430.00 3238.75 100.25
II 2949 2947.5 Q2 3785 3691.50 3430.00 355.00
Q3 3857 3910.25 3691.50 165.50
3025.5 Q4 4142 4125.50 3910.25 231.75
Q1 4361 4344.25 4125.50 235.50
III 3102 3102.5 Q2 4513 4189.25 4344.25 168.75
Q3 3370 3676.50 4189.25 -819.25
3179.5
Q4 3453 3470.25 3676.50 -223.50
IV 3257 3238.75 Q1 3605 3629.75 3470.25 134.75
Q2 3856 3706.25 3629.75 226.25
… … … … Q3 3508 * 3706.25 -198.25
Método de medias móviles
Medias móviles centradas de longitud 2:
Método de medias móviles
La media móvil del tiempo “t” sirve para
Medias móviles no centradas de longitud 2: predecir el tiempo “t+1”
Análisis de tendencia
Análisis de tendencia
Yt = 2591 + 129.9×t
Pronósticos
Período Pronóstico
16 4669.15
17 4799.01
18 4928.87
𝑌 = 2591 + 129.9𝑡
Solución
2) Comparar modelos: Tendencia exponencial
Yt = 2692.74 × (1.03618^t)
Pronósticos
Período Pronóstico
16 4754.88
17 4926.89
18 5105.14
𝑌 = 2692.74𝑒 0.03554𝑡
Solución
2) Comparar modelos: Tendencia cuadrática
Pronósticos
Período Pronóstico
16 4951.71
17 5187.52
18 5435.81
Pronósticos
Período Pronóstico
16 4951.71
17 5187.52
18 5435.81
Modelos de descomposición
Modelos de descomposición
Índices estacionales
Período Índice
1 0.83232
2 0.97968
3 0.96326
4 1.22474
Interpretación:
Modelo multiplicativo
Datos N° de operaciones
Longitud 24
Número de valores faltantes 0
Yt = 536.8 + 9.28×t
Pronósticos
Período Pronóstico
25 639.847
26 762.216
Ejemplo de aplicación
El jefe del área de Finanzas de la empresa Motocar S.A. desea elaborar el
presupuesto para el segundo semestre del año en curso. Para ello desea predecir el
precio de uno de los insumos más importantes del proceso de producción. Considere
los siguientes datos:
Precio (en soles)
Trimestre
Año 1 Año 2 Año 3 Año 4 Año 5 Año 6
Enero 80.65 70.14 66.86 21.25 12.29 84.46
Febrero 44.6 116.63 79.02 20.8 9.57 110.51
Marzo 23.17 120.17 111.92 14.39 7.19 100.37
Abril 15.89 117.32 105.19 9.1 7.82 109.04
Mayo 37.13 117.49 86.16 17.67 21.99 93.42
Junio 58.73 103.4 70.95 43.4 34.71 60.51
Julio 107.79 42.75 28.79 80.91 21.15
Agosto 151.77 16.59 18.56 114.23 13.82
Septiembre 147.89 13.01 17.09 124.07 11.05
Octubre 156.74 6.05 8.52 126.86 13.81
Noviembre 122.58 24.56 12.48 97.79 27.56
Diciembre 76.68 36.04 29.96 63.63 49.96
La gráfica parece presentar estacionalidad pues existe un patrón que se repite a cada año
Solución
2) Encuentre el mejor modelo
Modelo aditivo
Datos Precio
Longitud 66
Número de valores faltantes 0
Yt = 78.2 - 0.562×t
Pronósticos
Período Pronóstico
67 44.9097
68 29.8051
69 21.7347
70 20.6706
71 30.9265
72 36.2653
Conclusiones
de tiempo.
2. Se realiza el análisis de tendencia cuando la serie tienen
V
tendencia sin estacionalidad.
3. Siempre es conveniente tener series no estacionarias para
F
realizar buenos pronósticos.
Bibliografía