PRONOSTICOS

CONTROL N #2
NRC: 6512
Docente:  Ing. Andrés Galvis
Fecha de entrega: 30 de julio del 2020
Integrantes:
● Becerra Raúl

 
MAYO - SEPTIEMBRE 
2020
1. ¿Qué técnica de pronósticos revisa continuamente el estimado a la luz de las
experiencias más recientes?

La suavización exponencial mira siempre un estimado a la luz de las vivencias

más recientes. Este procedimiento se apoya en promediar (suavizar) valores
pasados de una sucesión de forma exponencialmente decreciente.

2. ¿Cuál técnica de pronósticos usa el valor del periodo actual como base del
pronóstico para el siguiente periodo?

Los pronósticos informales suponen que los periodos recientes son los mejores
para predecir el futuro. El modelo más sencillo es: Y^ t +1=Yt

Donde Y^ t+1 es el pronóstico realizado en el momento t (el origen del

pronóstico) para el tiempo t + 1. El pronóstico informal de cada periodo es la
observación inmediata anterior

3. ¿Cuál técnica de pronósticos concede el mismo peso a cada observación?

El promedio móvil para el periodo de tiempo t es la media aritmética de las k

visualizaciones más recientes. En un promedio móvil, se asignan pesos iguales a
cada observación. Acorde está utilizable, cada nuevo punto de datos se tiene
dentro en el promedio y el punto de datos más viejo se desecha. El porcentaje de
respuesta a los cambios en el patrón subyacente de datos es dependiente del
número de periodos, incluidos en el promedio móvil.

4. ¿Cuál(es) técnica(s) de pronósticos debe(n) utilizarse si los datos muestran

una tendencia?

Las técnicas que deberían considerarse en el pronóstico de series con tendencia

incluyen modelos de promedios móviles, de suavizamiento exponencial lineal de
Holt, de regresión simple, de curvas de crecimiento, los modelos exponenciales
y los modelos auto regresivos integrados de promedio móvil (ARIMA)(métodos
de Box-Jenkins)

5. ¿Cuál(es) técnica(s) de pronósticos debe(n) utilizarse si los datos son

estacionales?

Las técnicas que deberían considerarse cuando se elaboren pronósticos con

series estacionales incluyen modelos de descomposición clásica, census X-12,
Box-Jenkins y regresión múltiple de series de tiempo