Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ingeniería en Mecatrónica
Primavera 2021
MÉTODO DE BOX – JENKINS
El método Box & Jenkins fue generado en el año 1970 buscando facilitar el trabajo de los
estadistas al construir un modelo de una serie temporal, para explicar su estructura y predecir
la evolución de esta serie en el futuro. Una serie temporal se puede considerar como un
conjunto de observaciones, de una variable, tomados en intervalos regulares de tiempo. En
particular, la metodología Box- Jenkins es un procedimiento de análisis estadístico para
ajustar a una serie un tipo especial de modelos, denominados ARIMA (Autorregresive
Integrated Moving Average).
EN QUÉ CONSISTE
Usa un método iterativo para identificar un modelo posible de una clase general de modelos.
Enseguida, el modelo seleccionado se ajusta correctamente si los residuales son pequeños,
están distribuidos aleatoriamente y no contienen información útil. Si el modelo especificado
no es satisfactorio, el proceso se repite mediante un nuevo modelo diseñado para mejorar el
original. Se sigue aplicando hasta que se encuentra un procedimiento satisfactorio.
El método de Holt Winters es utilizado para realizar pronósticos del comportamiento de una
serie temporal a partir de los datos obtenidos anteriormente. El método se basa en un
algoritmo iterativo que, a cada tiempo, realiza un pronóstico sobre el comportamiento de la
serie en base a promedios debidamente ponderados de los datos anteriores. Este método tiene
dos principales modelos, dependiendo del tipo de estacionalidad:
Este modelo presupone que a medida que se incrementan los datos, también se incrementa el
patrón estacional. La mayoría de las gráficas de series de tiempo muestran este patrón. En
este modelo, la tendencia y los componentes de estación se multiplican y luego se suman al
componente de error.
𝑌𝑡
𝐿𝑡 = 𝛼 + (1 − 𝛼)(𝐿𝑡−1 + 𝑇𝑡−1 )
𝑆𝑡−𝑝
𝑌𝑡
𝑆𝑡 = 𝛿 + (1 − 𝛿)𝑆𝑡−𝑃
𝐿𝑡
Donde
• 𝐿𝑡 es el nivel en el tiempo 𝑡
• 𝑇𝑡 es la tendencia en el tiempo 𝑡
• 𝑌 es la ponderación para la tendencia
• 𝑆𝑡 es el componente estacional en el tiempo 𝑡
• 𝛿 es la ponderación para el componente estacional
• 𝑝 es el periodo estacional
• 𝑌𝑡 es el valor de los datos en el tiempo 𝑡
• 𝑌̂𝑡 es el valor ajustado, o el pronostico de un tiempo adelante en el tiempo 𝑡
MODELO ADITIVO ESTACIONAL
𝑆𝑡 = 𝛿(𝑌𝑡 − 𝐿𝑡 ) + (1 − 𝛿)𝑆𝑡−𝑃
[2] Métodos y fórmulas para la Método de Winters - Minitab. (s. f.). (C) Minitab, LLC. All
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/time-series/how-to/winters-method/methods-and-formulas/methods-and-
formulas/#:%7E:text=datos%20sin%20tendencia.-
,Pron%C3%B3sticos,pron%C3%B3stico%20para%20generar%20los%20pron%C3
%B3sticos.