Está en la página 1de 8

PROMEDIO MÓVIL SIMPLE

Se utiliza cuando se quiere dar más importancia a conjuntos de datos más


recientes para obtener la previsión. Cada punto de una media móvil de una serie
temporal es la media aritmética de un número de puntos consecutivos de la serie,
donde el número de puntos es elegido de tal manera que los efectos estacionales
y o irregulares sean eliminados.

Ventajas:

El pronóstico de promedio móvil es óptimo para patrones de demanda aleatorios


donde se pretende eliminar el impacto de los elementos irregulares históricos
mediante un enfoque en períodos de demanda reciente.

Desventajas:

Todos los elementos individuales deben estar en forma de datos, porque un nuevo
pronostico del periodo requiere que sumemos datos nuevos y que eliminemos
datos antiguos.

Requiere una cantidad importante de datos históricos.


PROMEDIO MÓVIL PONDERADO

Este método de pronóstico es una variación del promedio móvil. Mientras, en el


promedio móvil simple se le asigna igual importancia a cada uno de los datos que
componen dicho promedio, en el promedio móvil ponderado podemos asignar
cualquier importancia (peso) a cualquier dato del promedio (siempre que la
sumatoria de las ponderaciones sean equivalentes al 100%). Es una práctica
regular aplicar el factor de ponderación (porcentaje) mayor al dato más reciente.

Ventajas:

El pronóstico de promedio móvil ponderado es óptimo para patrones de demanda


aleatorios o nivelados donde se pretende eliminar el impacto de los elementos
irregulares históricos mediante un enfoque en períodos de demanda reciente,
dicho enfoque es superior al del promedio móvil simple.

Desventajas:

Cuando la serie de demanda muestran tendencia significativa, se debe usar un


alfa alto, sin embargo, los resultados del exponencial aminorado retrasan.

Ante tendencias pronunciadas o muy fuertes se queda corto.


SUAVIZACIÓN EXPONENCIAL SIMPLE

El método de suavización exponencial simple puede considerarse como una


evolución del método de promedio móvil ponderado, en éste caso se calcula el
promedio de una serie de tiempo con un mecanismo de autocorrección que busca
ajustar los pronósticos en dirección opuesta a las desviaciones del pasado mediante
una corrección que se ve afectada por un coeficiente de suavización.
Así entonces, este modelo de pronóstico precisa tan sólo de tres tipos de datos: el
pronóstico del último período, la demanda del último período y el coeficiente de
suavización.

Ventajas:

El pronóstico de suavización exponencial simple es óptimo para patrones de


demanda aleatorios o nivelados donde se pretende eliminar el impacto de los
elementos irregulares históricos mediante un enfoque en períodos de demanda
reciente, este posee una ventaja sobre el modelo de promedio móvil ponderado ya
que no requiere de una gran cantidad de períodos y de ponderaciones para lograr
óptimos resultados.

Desventajas:

Al igual que los métodos de promedio móvil, es la respuesta a la tendencia. Aun


cuando un valor de alfa (α) logra responder frente a cambios en el promedio,
cambios sistemáticos de este harán más grande el error de pronóstico. Es tan así,
que cuando se está aplicando un alfa mayor a 0.5 con buenos resultados, optar
por el alisado exponencial doble suele ser mejor idea.
SUAVIZACIÓN EXPONENCIAL DOBLE (Holt)

Cuándo se abordan las series de tiempo en algunos casos es identificable que el


comportamiento de un grupo de datos puede arrojar una tendencia clara e
información que permita anticipar movimientos futuros.

Ventajas:

El pronóstico de suavización exponencial simple es óptimo para patrones de


demanda que presentan una tendencia, al menos localmente, y un patrón
estacional constante, en el que se pretende eliminar el impacto de los elementos
irregulares históricos mediante un enfoque en períodos de demanda reciente.

La suavización exponencial tiene la ventaja de ser sencilla y requerir un mínimo de


datos. Su utilización es económica, y por lo tanto, muy atractiva para las empresas
que realizan miles de pronósticos para cada periodo de tiempo.

Desventajas:

su sencillez se convierte en una desventaja cuando el promedio fundamental se


modifica, como en el caso de las series de demanda que muestran una tendencia.
SUAVIZACIÓN EXPONENCIAL CON AJUSTE A LA TENDENCIA

Referirse a tendencia significa hablar de un incremento o decremento sobre el


promedio de la serie de tiempo. Otros métodos como promedios móviles y
suavización exponencial simple no consiguen prever la tendencia con anterioridad,
sin embargo una modificación a éste último lo logra, dando origen a otro método
para pronosticar la demanda.

Ventajas:

Con este método se agrega una constante de suavización delta (δ), cuya función
es reducir el error que ocurre entre la demanda real y el pronóstico.
MÉTODO DE WINTERS

El modelo de Winters considera la serie conformada por tres factores: nivel


tendencia y ciclos.

El primer parámetro está relacionado con el factor aleatorio de la serie, el segundo


con la tendencia y el tercero con la componente estacional.

Ventajas:

Es una extensión del planteamiento de suavizado exponencial, la diferencia radica


en que el procedimiento de suavizado exponencial proporciona una visión de los
movimientos a largo plazo sin tener en cuenta la estacionalidad ni la tendencia,
mientras que Winter permite pronosticar teniendo en cuenta ambas componentes.
Fórmulas para tratar la tendencia.

Desventajas:

Una desventaja de combinar métodos es que los intervalos de confianza de los


pronósticos no son válidos.

Una desventaja de combinar métodos es que los intervalos de confianza de los


pronósticos no son válidos.
Web grafía:

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/promedio-m%C3%B3vil/

file:///C:/Users/mantenimientoft/Downloads/CD-7597.pdf

https://rstudio-pubs-
static.s3.amazonaws.com/283115_72aea7c9fa224b89878c65ec53db3684.html

https://es.slideshare.net/krmen01/presentacion-pronsticos1

También podría gustarte