Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EQUIPO # 6
Error de pronstico
El error de pronstico nos dice qu tan buen desempeo tiene el modelo (promedio mvil, promedio mvil ponderado, Suavizamiento exponencial) al compararlo consigo mismo usando datos histricos.
MSE (Mean squared error; Error cuadrtico medio). MAPE (mean absolute percent error; error porcentual
absoluto medio)
Constante de
Ponderacin (0 1)
MAD=
| Real Pronosticado |
de .05 a .50. ms peso a datos recientes (cuando es alta) o ms peso a datos anteriores (si es baja).
EJEMPLO 1
Durante los ltimos 8 trimestres, en el puerto de Baltimore se han descargado de los barcos grandes cantidades de grano. El administrador de operaciones del puerto quiere probar el uso de suavizamiento exponencial para ver qu tan bien funciona la tcnica para predecir el tonelaje descargado. Supone que el pronstico de grano descargado durante el primer trimestre examinan dos valores de :
= .10 y = .50.
Mtodo: Compare los datos reales con los pronosticados (usando cada uno de los dos valores de ) y despus encuentre la desviacin absoluta y las MAD.
EJEMPLO 1
Probar el uso de suavizamiento exponencial para ver qu tan bien funciona la tcnica para predecir el tonelaje descargado. Se conocen datos reales de
8 trimestres
fue de 175
El pronstico de grano descargado durante el primer trimestre toneladas. Se examinan dos valores de :
= .10 y = .50.
suavizamiento exponencial
Nuevo pronstico = Pronstico del PA
(Demanda real PA
Pronstico del PA)
PA = Periodo anterior
EJEMPLO
suavizamiento exponencial
Nuevo pronstico = Pronstico del PA
PA = Periodo anterior
(Demanda real PA
Pronstico del PA)
EJEMPLO
Calcular los errores de pronstico en trminos de desviaciones absolutas y MAD
MAD=
| Real Pronosticado |
MSE=
( Error
de pronstico)^2
Determina el MSE para el puerto de Baltimore presentado en el ejemplo 1 Calcular el MSE para = 0.10 y = 0.50
Tonelaj e real descarg ado
EJEMPLO 2
Trim
1 2 3 4
5
6 7 8
190
205 180 182
173.36
175.02 178.02 178.22
(16.64)^2
(29.98)^2 (1.98)^2 (3.78)^2
276.89
898.70 3.92 14.31
170.44
180.22 192.61 186.30
19.56^2 = 382.60
24.78^2 = 614.05 12.61^2 = 159.01 4.30^2 = 18.49
1,526.46
1,561.67
Determina el MSE para el puerto de Baltimore presentado en el ejemplo 1 Calcular el MSE para = 0.10 y = 0.50
Tonelaj e real descarg ado
EJEMPLO 2
(Error)^2
Trim
(Error)^2
1,526.46
1,561.67
= =
190.8 195.21
Desviacin
= 0.10
= 0.50
100* (5/180) = 2.78% 100* (9.50/168) = 5.65% 100* (13.75/159) = 8.65% 100* (9.12/175) = 5.21% 100* (19.56/190) = 10.29% 100* (24.78/205) = 12.09% 100* (12.61/192.61) = 6.55% 100* (4.30/186.30) = 2.31% SUMA DE ERRORES = 53.53%
53.53% = 8
6.69%
= 0.50
53.53% = 6.69% 8
= 0.10
El MAPE expresa el error como un porcentaje de los errores reales, sin que est distorsionado por un solo valor muy grande. El MAPE es quiz la medida ms fcil de interpretar. Por ejemplo, un resultado cuyo MAPE es del 6% indica claramente que no depende de aspectos como la magnitud de los datos de entrada.
1
2 3 4 5
12
17 20 19 24
6
7 8 9 10
21
31 28 36 ?
Paso 1: Pronostique para el mes 2 F2= A1 (1-) (F1+T1) F2= (0.2) (12)+ (1-0.2) (11+2) = 2.4+ (0.8)(13)= 2.4 + 10.4= 12.8 Unidades
Paso 2: Calcule la tendencia en el periodo 2: T2= (F2-f1) + (1-) T1 = 0.4 (12.8-11) + (11 0.4) (2)= (0.4) (1.8) + (0.6) (2) = 0.72 + 1.2 = 1.92
Paso 3: Calcule el pronstico incluyendo la tendencia (FITt): FIT2 = F2 + T2 = 12.8 + 1.92 = 14.72
Paso 2: T3= (F3 F2) + (1 ) (T2) = (0.4) (15.18 12.8) + (1- 0.4) (1.92) = (0.4) (2.38) + (0.6) (1.92) = 0.952 + 1.152 = 2.10
Paso 3: FIT3 = F3 + T3= 15.18+ 2.10 = 17.28
Proyecciones de tendencia