Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las series temporales se utilizan para realizar proyecciones futuras de alguna variable, a partir
de datos históricos disponibles. Comúnmente sirven para estimar la demanda futura de un
producto o un servicio en función de la demanda de periodos anteriores con el fin planificar
operaciones, diseñar infraestructura que satisfaga dicha demanda.
Técnicas de estimación
3) Media móvil: Toma como próxima estimación el promedio de los M últimos valores (el
propósito es acomodarse a los cambios)
5) Ajuste exponencial: En este método para estimar el periodo que sigue se tiene en
cuenta tanto la observación, como el valor que se ha estimado el periodo anterior. Se
utiliza un parámetro Alpha que define cuanto peso tiene la observación y cuanto la
estimación.
6) Arres: Es un método de ajuste exponencial, en el cual se tiene un Alpha variable, que
se adapte (bajo en tiempos de estabilidad y alto cuando hay cambios).
1) Holt´s: Se utilizada para procesos con tendencia, donde se diferencia el nivel que
tiene un proceso en cada t de la tendencia y estima con un ajuste exponencial
entre ambos valores.
El objetivo del presente trabajo es utilizar algunas de las técnicas de series temporales
mencionadas anteriormente, con el fin de estimar la demanda futura de un servicio de turismo
en bicicleta.
Para ello, se parte de los datos de la cantidad de clientes que tuvo el servicio por día en las
ultimas 12 semanas.
Inicialmente se realiza un grafico temporal de los datos iniciales, de forma tal de poder
caracterizar el proceso:
Clientes
450
400
350
300
250
200
150
100
50
0
123456712345671234567123456712345671234567123456712345671234567123456712345671234567
1 2 3 4 5 6 7 8 9 10 11 12
Teniendo en cuenta que no todas las técnicas resultan útiles para modelar procesos
con estacionalidad, se analiza cada día de la semana por separado mediante dichas
técnicas y el proceso completo con el método de Holt-Winters.
La eficacia de cada técnica se puede medir por su error. El error recomendado para realizar
comparaciones entre métodos de estimación es el RMCR. A continuación, se presentan los
errores obtenidos con cada método para cada día de la semana:
160
140
120
100
80
60
40
20
0
1 1 1 1 1 1 1 1 1 1 1 1 1
1 2 3 4 5 6 7 8 9 10 11 12 13
160
140
120
100
80
60
40
20
0
2 2 2 2 2 2 2 2 2 2 2 2 2
1 2 3 4 5 6 7 8 9 10 11 12 13
140
120
100
80
60
40
20
0
3 3 3 3 3 3 3 3 3 3 3 3 3
1 2 3 4 5 6 7 8 9 10 11 12 13
250
200
150
100
50
0
4 4 4 4 4 4 4 4 4 4 4 4 4
1 2 3 4 5 6 7 8 9 10 11 12 13
300
250
200
150
100
50
0
5 5 5 5 5 5 5 5 5 5 5 5 5
1 2 3 4 5 6 7 8 9 10 11 12 13
350
300
250
200
150
100
50
0
6 6 6 6 6 6 6 6 6 6 6 6 6
1 2 3 4 5 6 7 8 9 10 11 12 13
450
400
350
300
250
200
150
100
50
0
7 7 7 7 7 7 7 7 7 7 7 7 7
1 2 3 4 5 6 7 8 9 10 11 12 13
Errores:
450
400
350
300
250
200
150
100
50
0
1234567123456712345671234567123456712345671234567123456712345671234567123456712345671234567
1 2 3 4 5 6 7 8 9 10 11 12 13
En el grafico superior, la serie de color azul representa los datos de demanda reales y la serie
color naranja los estimados con el método.
Para la semana 13, se obtienen las siguientes estimaciones, que a su vez con comparadas con
las obtenidas anteriormente mediante los otros métodos.
Semana 13
Día Holt Winters Otros Diferencia
1 97 87 11
2 101 112 10
3 111 120 9
4 157 146 11
5 199 237 37
6 233 246 13
7 270 327 57
Se puede observar que en 2 de los días de mayor demanda (Viernes y Domingo) existe una
diferencia importante entre los valores estimados con cada método.
A continuación, se vuelven a presentar los errores RMCR de los primeros métodos y los errores
para cada día del método Holt Winter:
Holt Winter Otros
Día RMCR
1 44,12293873 23,5280527
2 25,63206678 29,3581768
3 16,40209736 20,8813677
4 26,78551855 27,1933398
5 57,09024283 43,0893774
6 71,12189687 65,8599098
7 78,31698408 75,8358924
Promedio 45,63882074 40,8208738
De acuerdo con esta información, se podría pensar que la separación de los datos por día y la
estimación de los días mediante métodos simples sin tendencia ni estacionalidad resulta un
poco mas precisa que el análisis general de los datos mediante el método de Holt Winter.
Sin embargo, resulta interesante analizar los resultados económicos de las estimaciones:
Otros métodos
Dia Cantidad de clientes Guias Error Ganancia por clientes Costo Guías Pérdida Potencial Clientes
1 87 9 23,5280527 $ 4.325,64 $ 865,13 $ 1.176,40
2 112 11 29,35817683 $ 5.575,00 $ 1.115,00 $ 1.467,91
3 120 12 20,88136771 $ 6.023,22 $ 1.204,64 $ 1.044,07
4 146 15 27,19333981 $ 7.295,16 $ 1.459,03 $ 1.359,67
5 237 24 43,08937743 $ 11.841,64 $ 2.368,33 $ 2.154,47
6 246 25 65,85990978 $ 12.291,21 $ 2.458,24 $ 3.293,00
7 327 33 75,83589239 $ 16.329,36 $ 3.265,87 $ 3.791,79
Total $ 63.681,22 $ 12.736,24 $ 14.287,31
Por último, la pérdida potencial se calcula utilizando el error de estimación para cada día,
siendo la pérdida de dinero por una menor cantidad de clientes a lo esperado. No existiría una
ganancia adicional debido a que la cantidad de guías se contrata antes de comenzar la semana
en base a la estimación y, en el caso de que el numero de clientes se mayor no se puede dar
servicio a los mismos sin guías contratados.
A partir de los resultados obtenidos resulta conveniente utilizar los métodos de estimación
para cada día por separado. Esta alternativa presenta una ganancia mayor tanto en el caso
ideal de estimación como en el caso con errores que la otra.
La elección también depende del grado de riesgo que quiere asumir el emprendedor, ya que
otra opción sería quedarse con la estimación más conservadora (menor estimación de clientes)
para cada día. Sin embargo, se puede apreciar en la tabla que lo que se pierde por el costo de
contratar guías de más resulta menor a lo que se puede perder en el caso de recibir más
clientes de lo esperado.