Winters

El mejor método de
pronósticos para
datos con tendencia
y estacionalidad
Peter R. Winters, 1960 (temporalidad)

www.celogis.com Monterrey, N. L. México Tel + 52 (81) 2265 3783

 Winters
Características
principales
➢Se utiliza para generar
pronósticos cuando
los datos o la
información histórica
presentan tendencia y
estacionalidad.

Pronósticos y PD | Online 2
 Winters
Características
principales
➢ Se puede aplicar a
cualquier serie de tiempo,
el único requisito es que
se tengan al menos dos
estaciones de la
información. Por ejemplo
dos años (en meses) para
generar el pronóstico del
siguiente año.
Pronósticos y PD | Online 3
 Winters
Características
principales
➢ Es una de las técnicas
que la mayoría de las
herramientas
tecnológicas (software)
seleccionan al utilizar su
algoritmo de búsqueda
del método con el menor
error.

Pronósticos y PD | Online 4
 Winters
La fórmula
(Método para datos con tendencia y
estacionalidad)
b= Pesa la tendencia

Yˆt + p = [ at + bt ( p )]S t − L + p
a = Pesa la variación g = Pesa la estacionalidad

L = Ancho de la estacionalidad

Pronósticos y PD | Online 5
 Winters
Las otras fórmulas...

• Atenuación Exponencial triple (Winters)

Yt
at = a + (1 − a )(at −1 + bt −1 )
St − L
bt = b (at − at −1 ) + (1 − b )bt −1
Yt
St = g + (1 − g ) St − L
at
Pronósticos y PD | Online 6
 Winters
El último ejemplo (alfa=0.1, beta=0.2 y gama=0.3)

Venta Intercepto Pendiente Indice Pronóstico

t Yt at bt St Ŷt
1 3

2 2
3 6
4 8
5 4
6 3
7 7
8 10

Pronósticos y PD | Online 7
 Winters
El último ejemplo (alfa=0.1, beta=0.2 y gama=0.3)

Venta Intercepto Pendiente Indice Pronóstico

t Yt at bt St Ŷt
1 3 3 0 1

2 2
3 6
4 8
5 4
6 3
7 7
8 10

Pronósticos y PD | Online 8
 Winters
El último ejemplo (alfa=0.1, beta=0.2 y gama=0.3)

Venta Intercepto Pendiente Indice Pronóstico

t Yt at bt St Ŷt
1 3 3 0 1

2 2 2.9
3 6
𝑌2
4
𝑎2 = (0.1)( 8) + (1 − 0.1)(𝑎2−1 + 𝑏2−1 ) = (0.1) (2) + (0.9)(3 + 0)=2.9
𝑆2−4 1
5 4
6 3
7 7
8 10

Pronósticos y PD | Online 9
El último ejemplo (alfa=0.1, beta=0.2 y gama=0.3)

Venta Intercepto Pendiente Indice Pronóstico

t Yt at bt St Ŷt
1 3 3 0 1

2 2 2.9 -0.02
3 6
𝑏42 = (0.2)(𝑎
8 2 − 𝑎2−1 ) + (1 − 0.2)(𝑏2−1 )= (0.2)(2.9 - 3)+(0.8)(0) = -0.02

5 4
6 3
7 7
8 10

Pronósticos y PD | Online 10
El último ejemplo (alfa=0.1, beta=0.2 y gama=0.3)

Venta Intercepto Pendiente Indice Pronóstico

t Yt at bt St Ŷt
1 3 3 0 1

2 2 2.9 -0.02 0.906

3 6
𝑌 2
4 𝑆28= (𝛾)( 2 ) + (1 − 𝛾)(𝑆2−4 )=(0.3)( ) + (0.7)(1) = 0.906
𝑎2 2.9
5 4
6 3
7 7
8 10

Pronósticos y PD | Online 11
 Winters
El último ejemplo (alfa=0.1, beta=0.2 y gama=0.3)

Venta Intercepto Pendiente Indice Pronóstico

t Yt at bt St Ŷt
1 3 3 0 1

2 2 2.9 -0.02 0.906

3 6 2.88
4 8
5 4 𝑌෠2+1 = [𝑎2 + 𝑏2 (1)](𝑆2−4+1 ) = [2.9 +(-0.02)(1)](1)
6 3
7 7
8 10

Pronósticos y PD | Online 12
 Winters
Cálculo del pronósticos para los meses 9, 10, 11 y 12
Venta Intercepto Pendiente Indice Pronóstico
t Yt at bt St Ŷt
1 3 3 0 1
2 2 2.9 -0.02 0.906 3
3 6 3.192 0.0424 1.263 2.88
4 8 3.7109 0.1377 1.346 3.2344
5 4 3.8638 0.1407 1.010 3.8486
6 3 3.9348 0.1268 0.863 3.63170
7 7 4.2093 0.1563 1.383 5.1336
8 10 4.6716 0.2175 1.584 5.8794 Mes 9 = [4.67 + 0.21*(1)]*1.01 = 4.94
9 4.94090 Mes 10 = [4.67 + 0.21*(2)]*0.86 = 4.40
Mes 11 = [4.67 + 0.21*(3)]*1.38 = 7.36
10 4.40992 Mes 12 = [4.67 + 0.21*(4)]*1.58 = 8.73
11 7.36679
12 8.78310

Pronósticos y PD | Online 13
 El curso
¿Deseas conocer más del
Ŷ
uso de esta metodología, t

así como de 3 técnicas

más?

Sesiones: Del 16 al 20 de mayo

Horario: De 18:00 a 21:00 horas (EST)

Formato 100% Online y en vivo

Contacto
centro@celogis.com
Pronósticos y PD | Online 14
 Contacto

Tomás Gálvez www.celogis.com

Martínez Oficina Matriz
direccion@celogis.com Monterrey N. L. México
Director General Oficina +52 (81) 2265 3783

Pronósticos y PD | Online 15
 Contacto

16 Box & Jenkins | Online