ESCUELA DE CIENCIAS BASICAS E INGENIERIA ASIGNATURA: Modelos de Simulacin

Tutora No.8 Ing. Wilson Ros Valencia.

Manizales, enero 2013.

Modelos de Simulacin

EN ESTA TUTORIA VEREMOS:

1. PROMEDIOS MOVILES. 2. SUAVIZACION EXPONENCIAL. 3. EJERCICIOS PRACTICOS.

Modelos de Simulacin
PROMEDIOS MOVILES PROMEDIOS MOVILES

La utilizacin de esta tcnica supone que la serie de tiempo es estable, esto es, que los datos que la componen se generan sin variaciones importantes entre un dato y otro (error aleatorio=0), esto es, que el comportamiento de los datos aunque muestren un crecimiento o un decrecimiento lo hagan con una tendencia constante.

Modelos de Simulacin
PROMEDIOS MOVILES PROMEDIOS MOVILES Cuando se usa el mtodo de promedios mviles se est suponiendo que todas las observaciones de la serie de tiempo son igualmente importantes para la estimacin del parmetro a pronosticar. De esta manera, se utiliza como pronstico para el siguiente periodo el promedio de los n valores de los datos ms recientes de la serie de tiempo. Utilizando una expresin matemtica, tenemos:

Promedio Mvil = (n valores de datos ms recientes) . n

Modelos de Simulacin
PROMEDIOS MOVILES PROMEDIOS MOVILES

Promedio Mvil = (n valores de datos ms recientes) . n

El trmino mvil indica que conforme se tienen una nueva observacin de la serie de tiempo, se reemplaza la observacin ms antigua de la ecuacin y se calcula un nuevo promedio. El resultado es que el promedio se mover, esto es, conforme se tengan nuevos datos y se vayan sustituyendo en la frmula, el valor del promedio ir modificndose.

Modelos de Simulacin
PROMEDIOS MOVILES PROMEDIOS MOVILES

Promedio Mvil = (n valores de datos ms recientes) . n

No existe una regla especfica que nos indique cmo seleccionar la base del promedio mvil n. Si la variable que se va a pronosticar no presenta variaciones considerables, esto es, si su comportamiento es relativamente estable en el tiempo, se recomienda que el valor de n sea grande. Por el contrario, es aconsejable un valor de n pequeo si la variable muestra patrones cambiantes. En la prctica, los valores de n oscilan entre 2 y 10.

Modelos de Simulacin
PROMEDIOS MOVILES PROMEDIOS MOVILES

Promedio Mvil = (n valores de datos ms recientes) . n

El mtodo de promedios mviles es muy til cuando se tiene informacin no desagregada y cuando no se conoce otro mtodo ms sofisticado y que permita predecir con mayor confianza.

Modelos de Simulacin
PROMEDIOS MOVILES PROMEDIOS MOVILES

Promedio Mvil = (n valores de datos ms recientes) . n

t
1 2 3 4 5 6

Yt
42 52 54 65 51 64

n=3

n=4

Este mtodo no considera la media de todos los datos, sino slo los ms recientes. Se puede calcular un promedio mvil de n periodos.

49,33 57,00 56,67

53,25 55,50

El promedio mvil es la media aritmtica de los n perodos ms recientes.

Modelos de Simulacin
SUAVIZACION EXPONENCIAL SUAVIZACION EXPONENCIAL

Tcnica que se basa en la atenuacin de los valores de la serie de tiempo, obteniendo el promedio de estos de manera exponencial; es decir, los datos se ponderan dando un mayor peso a las observaciones ms recientes y uno menor a las ms antiguas. La estimacin o pronstico ser el valor obtenido del clculo del promedio.

Modelos de Simulacin
SUAVIZACION EXPONENCIAL SUAVIZACION EXPONENCIAL

El modelo bsico de suavizacin exponencial es:

Ft+1 = Yt + (1 - )Ft
Donde: Ft+1 = Pronstico de la serie de tiempo para el periodo de t + 1. Yt = Valor real del periodo anterior a pronosticar. Ft = Pronstico del periodo anterior a pronosticar. = Constante de suavizacin (0 1).

Modelos de Simulacin
SUAVIZACION EXPONENCIAL SUAVIZACION EXPONENCIAL

Ft+1 = Yt + (1 - )Ft t
1 2 3 4 5 6

Yt
42 52 54 65 51 64

=0.1 =0.5
42 43,00 44,10 46,19 46,67 42 47,00 50,50 57,75 54,38
El mtodo puede dar una ponderacin mayor a las observaciones ms recientes. Las ponderaciones se asigna mediante la constante , de tal forma que 0 < < 1.

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.1
SEMANA VENTAS 17 21 19 23 18 16 20 18 22 20 15 22

A continuacin se le presentan las ventas en miles de galones de gasolina para una empresa, los resultados contabilizados son para 12 semanas: Se solicita:
1. Realizar un promedio mvil tomando 3 semanas como referencia. 2. Realizar un promedio de suavizado exponencial usando 0.2 como valor de alfa. 3. Determinar el error cuadrado medio para cada mtodo con el fin de determinar el ms confiable. 4. Graficar cada uno de los pronsticos.

1 2 3 4 5 6 7 8 9 10 11 12

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.1
1. Para calcular la columna PM (Promedio Mvil), lo que se realiz fue un promedio de las tres anteriores semanas (17+21+19)/3=19 para calcular la cuarta semana y as sucesivamente hasta la doceava semana. 2. Para calcular el error de pronstico basta con restar el valor de las ventas pronstico. 3. El error de pronstico al cuadrado consiste en elevar cada dato del error de pronstico al cuadrado. 4. Para determinar el error cuadrado medio se realiza la sumatoria total del pronstico al cuadrado dividido dentro del nmero de datos es decir 92/9 = 10.22
SEMANA

Clculo del Promedio Mvil

VENTAS PM Error de Pronstico Error de Pronstico cuadrado

1 2 3 4 5 6 7 8 9 10 11 12

17 21 19 23 18 16 20 18 22 20 15 22

19 21 20 19 18 18 20 20 19

4 -3 -4 1 0 4 0 -5 3
Error cuadrado medio

16 9 16 1 0 16 0 25 9 92
10,22

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.1 Clculo del Suavizado Exponencial
1. Para calcular un pronstico de suavizado exponencial es necesario tomar en cuenta el valor de alfa que para este caso es 0.2. 2. La particularidad de este mtodo es que siempre empieza en la segunda posicin y all se coloca el primer dato de las ventas que es 17. 3. Para el resto de pronsticos (semana 3 en adelante)el clculo es:(valor de alfa 0.2 * ventas de la semana anterior 17) + (el complemento de alfa 0.8 * el suavizado exponencial anterior 17) = 17.80 y as sucesivamente.
SEMANA VENTAS S.E. Error de Pronstico Error de Pronstico cuadrado

1 2 3 4 5 6 7 8 9 10 11 12

17 21 19 23 18 16 20 18 22 20 15 22

17 17,80 18,04 19,03 18,83 18,26 18,61 18,49 19,19 19,35 18,48

4 1,20 4,96 -1,03 -2,83 1,74 -0,61 3,51 0,81 -4,35 3,52
Error cuadrado medio

16 1,44 24,60 1,07 7,98 3,03 0,37 12,34 0,66 18,94 12,38 98,80
8,98

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.1
25

20

15

VENTAS SUAVIZADO EXPONENCIAL PROMEDIO MOVIL

10

0 1 2 3 4 5 6 7 8 9 10 11 12

De lo anterior se deduce que el mtodo mas confiable es el de suavizacin exponencial porque tiene el menor error y se observa en la grafica con la lnea de color rojo que es ms prxima a la de ventas.

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.2
Se tienen las ventas de chocolate en una empresa para el ao 2011 como se muestra en la tabla. Determinar: 1. El valor esperado de ventas de chocolate para enero del 2012 usando un promedio simple. 2. La tendencia de la demanda para el producto chocolate. Usar una media mvil abarcando tres perodos. 3. La tendencia de la demanda para el producto chocolate. Use ahora una media mvil de dos perodos. 4. Determine la desviacin promedio absoluta de los valores anteriores y determine cual genera el menor error de estimacin. 5. Cul es el valor ms confiable para enero del 2012 sobre ventas de chocolate? 6. Halle la suavizacin exponencial con alfa=0,2
Meses del Ventas de chocolate en ao 2012 miles de unidades enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre 20 21 15 14 13 16 17 18 20 20 21 23

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.2
1. Promedio simple: =suma(B5:B16)/12 =PROMEDIO(B5:B16) = 18,1667. 2. Tendencia con k=3: 21,3.
4 1 2 3 A B C D E F G H

Desviacin absoluta =ABS($Cx-Dx) Meses del Ventas de chocolate ao 2012 en miles de unidades Tendencia Tendencia usando usando media mvil media mvil K=3 K=2 Tendencia Tendencia usando usando media mvil media mvil K=3 K=2

3. Tendencia con K=2: 22,0. 4. Desviacin promedio absoluta para k=3: 2,7 y para k=2: 2,1 lo que indica que muestra mejor la tendencia con un k=2 porque tiene menos error. 5. El valor ms confiable para enero del 2012 es de 22,0 calculado con un k=2.

5 enero 6 febrero 7 marzo 8 abril 9 mayo 10 junio 11 julio 12 agosto 13 septiembre 14 octubre 15 noviembre 16 diciembre

20 21 15 14 13 16 17 18 20 20 21 23

enero 2012

18,7 16,7 14,0 14,3 15,3 17,0 18,3 19,3 20,3 21,3

20,5 18,0 14,5 13,5 14,5 16,5 17,5 19,0 20,0 20,5 22,0

4,7 3,7 2,0 2,7 2,7 3,0 1,7 1,7 2,7 2,7

4,0 1,5 2,5 2,5 1,5 2,5 1,0 1,0 2,5 2,1

=SUMA(C5:C7)/3 =SUMA(C5:C6)/3

=PROMEDIO(C3:C7) =PROMEDIO(C3:C6) =ABS(B8-D8) =ABS(B8-E8)

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.2
6. Suavizacin exponencial con alfa=0,2
Meses del ao Ventas de chocolate en 2012 miles de unidades Suavizacin exponencial con alfa=0,2 Desviacin absoluta =ABS($Cx-Ex)

enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre enero 2012

20 21 15 14 13 16 17 18 20 20 21 23 20 20,20 19,16 18,13 17,10 16,88 16,91 17,12 17,70 18,16 18,73 19,58 1,0 5,2 5,2 5,1 1,1 0,1 1,1 2,9 2,3 2,8 4,3 2,8

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.3

Los siguientes datos representan las unidades que en refacciones se utilizan para una cierta maquina, los datos se encuentran de forma mensual. Para el periodo 9 (agosto) Qu cantidad de refacciones se deben considerar como pronstico? Utiliza suavizacin exponencial y una constante de atenuacin de 0.3 y anota el resultado de tu pronstico, entero y recortado a un decimal, a pesar de tratarse de unidades en este caso se evala tu clculo.

Modelos de Simulacin
SUAVIZACION EXPONENCIAL EJERCICIO No.3

Modelos de Simulacin

Fin de la clase. GRACIAS.