Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejer 2
Ejer 2
20
15
10
0
0 2 4 6 8 10 12 14
serie de tiempo es siempre discreta -pasar de 1 a 2, entre mayor es K mas suave es la serie= mas pla
En PMS cada observación recibe el mismo peso
promedio movil: quita picos
misma ponderación).
pronositca con la pura tendencia
Ejemplo 2. Haga un PMP con K=3 y con los valores de Pt que minimicen el CME
P1 0.5095442 PT-3
P2 0.3672470 PT-2
P3 0.1134770 PT-1
SUMA 1
a si invierte el valor de las Pt?
Chart Title
4 6 8 10 12 14
Semana Yt Ft Error
1 17 17 0
Ch
2 21 17 16 ALFA 0.2 25
3 19 17.8 1.44 1-ALFA 0.8
4 23 18.0 24.6016 20
5 18 19.0 1.06502 Criterio de arranque
6 16 18.8 7.98402 F1= Y1
15
7 20 18.3 3.02593
8 18 18.6 0.37013
9 22 18.5 12.3432 10
10 20 19.2 0.65713
11 15 19.4 18.9355 5
12 22 18.5 12.382
13 19.2 8.23371 0
0 2 4 6
ECM
Se dice que el modelo aprende de los errores del
Chart Title pasado
2 4 6 8 10 12 14
e los errores del tecnica de suavizamiento con promedio geometrico NO
simple
no se pierden tantos datos en la construccion, a partir
ualquier del tiempo 2 se puede pronosticar
ado de todos los
las observaciones aprende de los errores, corrigiendo de acuerdo al
error anterior
do se retrocede en
Funciona bien para series de tiempo que no tienen una
tendencia muy marcada, m tiende a 0
Trimestre Yt
1 500
2 350
3 250
4 400
5 450
6 350
7 200
8 300
9 350
10 200
11 150
12 400
13 550
14 350
15 250
16 550
17 550
18 400
19 350
20 600
21 750
22 500
23 400
24 650
25 850
l período 26