Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semana 15 – Sesión 01
Logro: Al finalizar la unidad, el estudiante aplica el enfoque de descomposición o atenuación
exponencial a la serie de tiempo, para hacer el pronóstico del valor que podría tomar una variable en
función del tiempo, en la resolución de casos de su especialidad seleccionando la mejor estimación.
Características
- Media y/o Variabilidad cambian a lo largo - Media y la Variabilidad se mantienen
del tiempo. constantes a lo largo del tiempo.
- Tienen tendencia y/o Estacionalidad. - No tienen tendencia.
Herramienta Estadística
- Método de Descomposición. (Modelo
- Método Suavización/Atenuación Exponencial.
multiplicativo)
Llegada de Turistas a Peru. 2005 - 2019 Venta e Inmatriculación de vehículos livianos. 2019
14397
Cantidad de Turistas
15000 14114
13445
14000 13306
12692 12770
13000 12378
Cantidad
12073 12200
11899 11832
12000
10889
11000
10000
febrero
junio
sept.
nov.
dic.
agosto
enero
mayo
octubre
marzo
abril
julio
2019…
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
Año Mes
23
22 22
21
20 20
19
18 18
17
16
15
1 2 3 4 5 6 7 8 9 10 11 12 13
Semanas
- Los datos (valores originales) de la serie de tiempo se representa con la línea azul y la línea roja
punteada, representa los valores originales “suavizados” (se atenúan los datos extremos, se suavizan),
cuando aplicamos el Método de Atenuación (Suavización) Exponencial para realizar pronósticos.
Una serie estacionaria es mucho más fácil de predecir. Si se comportaba de una manera en el pasado (digamos
con una determinada media y varianza), podremos suponer que se seguirá comportando de la misma forma en
el futuro (si no acontece en evento extraordinario, o sea, si no se manifiesta el componente irregular). Es decir,
tiene una gran probabilidad de continuar comportándose de la misma forma y se recomienda utilizar la técnica
estadística del Método de Suavización Exponencial.
MA461 Estadística Inferencial
UNIDAD 5: Serie de Tiempo
Es un método de pronóstico que se basa en suavizar (promediar), los valores pasados de una serie de tiempo
en forma exponencialmente creciente, supone que los datos son estacionarios (sin tendencia ni
estacionalidad). Las observaciones se ponderan asignando los pesos (α) más grandes a las más recientes.
Modelo matemático:
𝑌̂𝑡+1 = 𝛼𝑌𝑡 + 𝛼(1 − 𝛼)𝑌𝑡−1 + 𝛼(1 − 𝛼)2 𝑌𝑡−2 + 𝛼(1 − 𝛼)3 𝑌𝑡−3 +. ..
̂ 𝒕+𝟏 = 𝜶 ∗ 𝒀𝒕 + (𝟏 − 𝜶) ∗ 𝒀
Modelo matemático: 𝒀 ̂𝒕
donde: Ŷt+1 Nuevo valor suavizado o valor de pronóstico para el siguiente periodo (t + 1).
α Constante de suavización (0 < α < 1)
Yt Valor real de la serie en el periodo t
Ŷt Valor suavizado/estimado en el periodo t
et Error del pronóstico en el periodo t (et = Yt - Ŷt)
Importante:
- El método de suavización exponencial solo pronostica un periodo más (a muy corto plazo).
- El valor real de “α” -constante de suavización- determina el grado hasta el cual, la observación más reciente
puede influir en el valor del pronóstico.
Error de Pronóstico: concepto clave relacionado con la medida de exactitud del pronóstico es el error de
pronóstico, definido como: Valor real – Valor pronóstico.
Y se lee:
Error de pronóstico (et) et = error de pronóstico en el periodo t
(error = Valor real – Valor pronóstico) Yt = Valor real de la serie en el periodo t
̂𝒕
𝒆𝒕 = 𝒀𝒕 − 𝒀 𝑌̂𝑡 = Valor del pronóstico en el periodo t
MA461 Estadística Inferencial
UNIDAD 5: Serie de Tiempo
Algunas medidas de exactitud para los pronósticos, las cuales utilizaremos para determinar qué tan bueno es
un método en particular, para reproducir los datos de las series de tiempo original.
2
∑𝑛𝑡=1|𝑌𝑡 − 𝑌̂𝑡| ∑𝑛𝑡=1(𝑌𝑡 − 𝑌̂𝑡)
𝐷𝐴𝑀 = 𝐸𝑀𝐶 =
𝑛 𝑛
La desviación media absoluta (MAD) mide la El error medio cuadrado (EMC) siempre se calcula
exactitud del pronóstico que evita el problema de utilizando el mismo denominador, n,
los errores positivos y negativos que se compensan independientemente del modelo. El EMC es más
entre sí. Expresa exactitud en las mismas unidades sensible que DAM para medir un error de
que los datos, lo cual ayuda a conceptualizar la pronóstico inusualmente grande.
cantidad de error.
3. PEMA: Porcentaje de Error Medio Absoluto 4. PME: Porcentaje Medio del Error
Tips:
Las medidas de exactitud de los pronósticos son factores importantes en la comparación de distintos métodos
de elaboración de pronósticos, pero se debe tener cuidado de no depender demasiado de ellas. Debe tomarse
con cuidado la elección de un método.
MA461 Estadística Inferencial
UNIDAD 5: Serie de Tiempo
Donde: 𝑪𝑬𝑭 = ∑𝑛 ̂
𝑡=1(𝑌𝑡 − 𝑌𝑡)
Un conjunto de señales de rastreo nos proporcionará la información necesaria para actualizar la constante de
suavización (alfa α), en el caso que, el valor de la señal de rastreo se encuentre fuera de los límites [-1.5 ; +1.5],
esto nos indicará un cambio en el valor de alfa, y se desecha el pronóstico.
Para seleccionar la constante de suavización (α) adecuada (bajo control), debe encontrarse dentro de los
límites [-1.5 , 1.5] de la Señal de Rastreo.
Ejemplo: ¿para qué valores de Alfa, los pronósticos deberán ser desechados?
Alfa CEF DAM SR
0,3 -2,9421 1,4556 -2,0212
0,5 -1,0952 1,0755 -1,0183
0,8 2,2655 1,4456 1,5672
Para los valores de Alfa 0,3 y 0,8 los pronósticos deberán ser desechados ya que les corresponde una señal de
rastreo SR que se encuentra fuera de los límites permitido.
14000 13445
13306
12692 12770
Cantidad
13000
12378
12073 12200
11899 11832
12000
10889
11000
10000
Junio Julio Agosto Sept Oct Nov Dic Enero Febrero Marzo Abril Mayo
Meses
Fuente: Asociación Automotriz del Perú
14114 12692 11899 12073 13306 10889 11832 12378 13445 12770 12200 14397
Identifique el mejor pronóstico para el mes de junio 2021, se han utilizado tres constantes de suavización:
α = 0.5, α = 0.7 y α = 0.9
Solución:
● Interpretación
Determinar si se debe actualizar los protocolos de logística para la incorporación de autos
nuevos.
● Representación
Sean las variables,
Variable Y (dependiente): Y-datos de la Serie de tiempo: Venta de vehículos livianos
Variable X (independiente): X-unidad de tiempo: Meses
Herramienta Estadística: Suavización exponencial – Medidas de error
MA461 Estadística Inferencial
UNIDAD 5: Serie de Tiempo
● Cálculo:
A continuación, se muestra una tabla en Word, cópiela a Excel y desarrolle con la asesoría de su docente
el pronóstico para junio 2021, los cálculos de los indicadores de medición de error y señal de rastreo para
las constantes de suavización mencionadas.
α= 0,5
Meses Yt Ŷt et = Yt - Ŷt Abs(et) Abs(et)/ Yt e t / Yt et 2
Junio 14114
Julio 12692
Agosto 11899
Sept 12073
Octubre 13306
Noviembre 10889
Diciembre 11832
Enero 12378
Febrero 13445
Marzo 12770
Abril 12200
Mayo 14397
Junio Pronóstico
SR
CEF DAM PEMA PME ECM
[-1,5;1.5]
α= 0,5
α= 0,7
α= 0,9
● Análisis:
1ro: Analizando la señal de rastreo (SR): Todos los valores de la señal de rastreo están dentro de los límites permitidos,
por lo tanto, no se descarta ninguno de los pronósticos.
2do: De las tres opciones que quedan para elegir, se toma aquella que tiene menor PEMA, es decir, se elige la
opción que corresponde a alfa=0.5.
Por lo tanto, el mejor pronóstico para junio del 2021 es 13442.0859 autos. Ya que su señal de rastreo está
dentro de los límites permitidos y le corresponde el menor PEMA.
● Argumentación
De acuerdo con los resultados obtenidos, no se actualizarán los protocolos de logística para la
incorporación de autos nuevos, ya que el pronóstico no supera los 13500 autos.