Sie sind auf Seite 1von 39

Gerencia de Producción

Suavización Exponencial Triple o


Método de Winters

1
Agenda
• Introducción.
• Suavización Exponencial Triple
– Comportamiento de la demanda.
– Notación.
– Modelo.
– Metodología.
– Inicialización.
• Ejemplo

2
Introducción
Lo que conocemos hasta ahora
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa Beta
SUAVIZACIÓN EXPONENCIAL DOBLE / HOLT CON TENDENCIA 0,1 0,2
t Dt St Gt Ft e |e| %e e2
0 24,00 4,00 90,00
1 20,00 27,20 3,84 28,00 8,00 8,00 0,40 64,00
80,00
2 40,00 31,94 4,02 31,04 -8,96 8,96 0,22 80,28
3 44,00 36,76 4,18 35,96 -8,04 8,04 0,18 64,72 70,00
4 32,00 40,05 4,00 40,94 8,94 8,94 0,28 79,92 60,00
5 30,00 42,64 3,72 44,05 14,05 14,05 0,47 197,32 50,00
6 60,00 47,73 3,99 46,36 -13,64 13,64 0,23 185,97 40,00
7 66,00 53,15 4,28 51,72 -14,28 14,28 0,22 203,93
30,00
8 45,00 56,18 4,03 57,43 12,43 12,43 0,28 154,41
9 60,21 20,00
10 64,24 10,00
11 68,27 0,00
12 72,30 0 2 4 6 8 10 12 14
13 76,33
Demanda Pronóstico SED (alfa = 0,1 / beta = 0,2)
ME -0,19
MAD 11,04
MAPE 0,28
MSE 128,82
Dev. Std. 13,80

3
Introducción
Y si cambiamos el valor de alfa y beta??
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa Beta

SUAVIZACIÓN EXPONENCIAL DOBLE / HOLT CON TENDENCIA 0,4 0,5


t Dt St Gt Ft e |e| %e e2
80,00
0 24,00 4,00
1 20,00 24,80 2,40 28,00 8,00 8,00 0,40 64,00 70,00
2 40,00 32,32 4,96 27,20 -12,80 12,80 0,32 163,84 60,00
3 44,00 39,97 6,30 37,28 -6,72 6,72 0,15 45,16
4 32,00 40,56 3,45 46,27 14,27 14,27 0,45 203,69 50,00
5 30,00 38,41 0,65 44,01 14,01 14,01 0,47 196,36 40,00
6 60,00 47,43 4,84 39,05 -20,95 20,95 0,35 438,70
30,00
7 66,00 57,76 7,58 52,27 -13,73 13,73 0,21 188,54
8 45,00 57,21 3,51 65,34 20,34 20,34 0,45 413,86 20,00
9 60,72 10,00
10 64,23
11 67,75 0,00
0 2 4 6 8 10 12 14
12 71,26
13 74,77 Demanda Pronóstico SED (alfa = 0,4 / beta = 0,5)
ME 0,30
MAD 13,85
MAPE 0,35
MSE 214,27
Dev. Std. 17,32

4
Suavización Exponencial Triple o
Método de Winters
Comportamiento de la demanda
300

250

200

150
Ct

100

50

0
0 5 10 15 20 25 30 35 40

5
Suavización Exponencial Triple o
Método de Winters
Comportamiento de la demanda
St
50
50
40
40

30 30
St
20 St 20 Ft
10 10
0
0
0 10 20 30 40 0 10 20 30 40

Gt 160
200 140
120
150
100
80 Gt
100
Gt 60 Ft
50 40
20
0
0
0 10 20 30 40
0 10 20 30 40

6
Suavización Exponencial Triple o
Método de Winters
Comportamiento de la demanda
300

250

200

150 Ct
Ft

100

50

0
0 5 10 15 20 25 30 35 40
N N N

7
Suavización Exponencial Triple o
Método de Winters
Comportamiento de la demanda
300
N
250

200

1
150 Ct
Ft
Dt
100

50
St 1
0
0 5 10 15 20 25 30 35 40
N N N

8
Suavización Exponencial Triple o
Método de Winters
Conclusiones iniciales
La serie tiene una estacionalidad cuyo periodo es N
Winters Multiplicativo

80

70
Dt
60

50

40

30

20

10

0
0 5 10 15 20 25 30

donde:
St corresponde a los puntos sobre la recta.
Dt = (St + Gt) ct + et Gt corresponde a la pendiente.
ct corresponde a los FACTORES ESTACIONALES.
et es el ruido (error).
∑ ct = N
9
Suavización Exponencial Triple o
Método de Winters
Notación
Nivel de la serie de tiempo en t: St
Tendencia de la serie de tiempo en t: Gt
Índice estacional en t: ct
Parámetro de suavización de nivel: 
Parámetro de suavización de tendencia :
Parámetro de suavización de índice estacional: 
Número de estaciones: m
Longitud de la estación: N
10
Suavización Exponencial Triple o
Método de Winters
Modelo

Dt
St    (1   )(St 1  Gt 1 )
ct  N ,  ,
Gt   (St  St 1 )  (1   )Gt 1

Dt
ct    (1   )ct  N
St

Ft ,t   (St  Gt )ct   N

11
Suavización Exponencial Triple o
Método de Winters
Metodología
• Analizar datos de demanda D1 a DT
• Inicializar S0, G0 y los factores
estacionales
• Revisar que ∑ cj = N, sino
normalizarlos
cj(normalizado) = [cj /∑ cj] × N

• Calcular St, Gt y ct con las fórmulas


de suavizamiento exponencial triple
para t = 1 a T
• Calcular Ft Para pronósticos futuros
usar la fórmula de Ft,t+
12
Suavización Exponencial Triple o
Método de Winters
Inicialización

G0 Pendiente de la recta de regresión

S 0 Corte de la recta de regresión

Ct 1. Estimar las valores de la recta de regresión obtenida.


2. Dividir cada valor real de la demanda por el valor obtenido con la recta
de regresión.
3. Promediar los valores de los factores correspondientes.
4. Normalizar.

13
Ejemplo
Paso 1: Graficar
PARAMETROS DEL MODELO
α 0.1 N 4
β 0.1 m 2
γ 0.1
40
35 t Dt Yt Dt/Yt St Gt Ct Ft
30
25
20
Dt
15 0
10 1 11
5
2 20
3 26
0
0 2 4 6 8 10
4 17
5 15
6 27
7 34
8 22
9
10
11
12
13 14
Ejemplo
Paso 2: Inicialización usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
ˆ1  13.57  1.76 *1
y 1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
4 17 20.62 0.82 20.8 1.78 0.81 16.8 Usando Regresión Lineal…
5 15 22.38 0.67 22.5 1.77 0.69 15.7
6
7
27
34
24.14
25.9
1.12
1.31
24.2
25.8
1.76
1.75
1.14
1.35
27.8
35 ˆ i  a  bX i
y
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
10
yˆ i  13.57  1.76 X i
11
12
13
15 15
Ejemplo
Paso 2: Inicialización usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
4 17 20.62 0.82 20.8 1.78 0.81 16.8
5 15 22.38 0.67 22.5 1.77 0.69 15.7 Replicando para todos
6 27 24.14 1.12 24.2 1.76 1.14 27.8
7 34 25.9 1.31 25.8 1.75 1.35 35 los periodos…
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
10
11
12
13
16 16
Ejemplo
Paso 2: Inicializando usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5 m 1  Dt  (i*N ) 
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7  



i  0  Yt  ( i* N ) 
6
7
27
34
24.14
25.9
1.12
1.31
24.2
25.8
1.76
1.75
1.14
1.35
27.8
35
Ct  N 
m
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
0.72  0.67
10
11
C 3   0.69
12
2
13
17 17
Ejemplo
Paso 2: Inicializando usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5 m 1  Dt  (i*N ) 
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7  



i  0  Yt  ( i* N ) 
6
7
27
34
24.14
25.9
1.12
1.31
24.2
25.8
1.76
1.75
1.14
1.35
27.8
35
Ct  N 
m
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
1.17  1.12
10
11
C 2   1.14
12
2
13
18 18
Ejemplo
Paso 2: Inicializando usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5 m 1  Dt  (i*N ) 
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7  



i  0  Yt  ( i* N ) 
6
7
27
34
24.14
25.9
1.12
1.31
24.2
25.8
1.76
1.75
1.14
1.35
27.8
35
Ct  N 
m
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
1.38  1.31
10
11
C1   1.35
12
2
13
19 19
Ejemplo
Paso 2: Inicializando usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5 m 1  Dt  (i*N ) 
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7  



i  0  Yt  ( i* N ) 
6
7
27
34
24.14
25.9
1.12
1.31
24.2
25.8
1.76
1.75
1.14
1.35
27.8
35
Ct  N 
m
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
0.82  0.8
10
11
C0   0.81
12
2
13
20 20
Ejemplo
Paso 2: Inicializando usando regresión lineal
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30

25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
4 17 20.62 0.82 20.8 1.78 0.81 16.8 C3  0.69
5 15 22.38 0.67 22.5 1.77 0.69 15.7
C2  1.14
c  3.99
6 27 24.14 1.12 24.2 1.76 1.14 27.8
7 34 25.9 1.31 25.8 1.75 1.35 35
C1  1.35
i
8 22 27.67 0.8 27.6 1.75 0.81 22.4 i
9
10 C0  0.81
11
12
13
21 21
Ejemplo
Paso 3: Actualización del nivel de la serie St
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30
25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
Dt
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7
St    (1   )(St 1  Gt 1 )
6 27 24.14 1.12 24.2 1.76 1.14 27.8
ct  N
7 34 25.9 1.31 25.8 1.75 1.35 35
8 22 27.67 0.8 27.6 1.75 0.81 22.4 11
9 S1  0.1  (1  0.1)(13.6  1.76)
10 0.69
11
12
13
22 22
Ejemplo
Paso 3: Actualización de la tendencia Gt
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30
25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7
Gt   (St  St 1 )  (1   )Gt 1
6 27 24.14 1.12 24.2 1.76 1.14 27.8
7 34 25.9 1.31 25.8 1.75 1.35 35
8
9
22 27.67 0.8 27.6 1.75 0.81 22.4 G1  0.1(15.4  13.6)  (1  0.1)1.76
10
11
12
13
23 23
Ejemplo
Paso 3: Actualización de los factores Ct
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30
25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
Dt
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7
ct    (1   )ct  N
6 27 24.14 1.12 24.2 1.76 1.14 27.8
St
7 34 25.9 1.31 25.8 1.75 1.35 35
11
8
9
22 27.67 0.8 27.6 1.75 0.81 22.4
c1  0.1  (1  0.1)0.69
10
15.4
11
12
13
24 24
Ejemplo
Paso 4: Pronósticos
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30
25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
4
5
17
15
20.62
22.38
0.82
0.67
20.8
22.5
1.78
1.77
0.81
0.69
16.8
15.7
Ft ,t   (St  Gt )ct   N
6 27 24.14 1.12 24.2 1.76 1.14 27.8
7 34 25.9 1.31 25.8 1.75 1.35 35
8
9
22 27.67 0.8 27.6 1.75 0.81 22.4
F0,1  (13.6  1*1.76)0.69
10
11
12
13
25 25
Ejemplo
Paso 4: Pronósticos
PARAMETROS DEL MODELO
α 0.1 N 4 40
β 0.1 m 2 35
⥾ 0.1 30
25
REGRESIÓN
20 Dt
t Dt Yt Dt/Yt St Gt Ct Ft
15 Yt
0.69
1.14 10
1.35 5
13.6 1.76 0.81 0
1 11 15.33 0.72 15.4 1.77 0.70 10.6 0 2 4 6 8 10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
3 26 18.86 1.38 19 1.77 1.35 25.5
4 17 20.62 0.82 20.8 1.78 0.81 16.8
5 15 22.38 0.67 22.5 1.77 0.69 15.7
6 27 24.14 1.12 24.2 1.76 1.14 27.8
7 34 25.9 1.31 25.8 1.75 1.35 35
8 22 27.67 0.8 27.6 1.75 0.81 22.4
9
10
11
12
13
26 26
Solución
PARAMETROS DEL MODELO
α 0.1 N 4
β 0.1 m 2
γ 0.1
40
35 t Dt Yt Dt/Yt St Gt Ct Ft
30 0.69
25
1.14
20
1.35
Dt
15
0 13.6 1.76 0.81
1 11 15.33 0.72 15.4 1.77 0.70 10.6
10
2 20 17.1 1.17 17.2 1.77 1.15 19.6
5
3 26 18.86 1.38 19 1.77 1.35 25.5
0 4 17 20.62 0.82 20.8 1.78 0.81 16.8
0 2 4 6 8 10
5 15 22.38 0.67 22.5 1.77 0.69 15.7
6 27 24.14 1.12 24.2 1.76 1.14 27.8
OJO: La actualización de St, Gt 7 34 25.9 1.31 25.8 1.75 1.35 35
y Ct se hacen de forma 8 22 27.67 0.8 27.6 1.75 0.81 22.4
paralela (fila a fila) 9
10
11
12
13 27
Ejercicio 1
Primer paso: Graficar y analizar
Dt
p t Dt 800
1 8 366 700
2 9 281 600
3 10 220
500
4 11 319
400
5 12 275 Dt
6 13 569,5 300
7 14 405 200
8 15 300,5 100
9 16 456
0
10 17 372 7 9 11 13 15 17 19 21
11 18 754
N
12 19 525
13 20
14 21 OJO: SOLO HAY DOS
15 22
ESTACIONES
COMPLETAS!!
N=5!

28
Ejercicio 1
Segundo paso: Inicializar
REGRESIÓN
p t Dt Yt Dt/Yt St Gt Debemos buscar la
-4 3
recta que mejor se
-3 4
-2 5 ajuste…
-1 6
0 7 229,3 26,8077 Usando regresión
1 8 366
2 9 281
lineal tenemos:
3 10 220
4 11 319
5 12 275
6 13 569,5
7 14 405
8 15 300,5 ˆ i  a  bX i
y
9 16 456
10 17 372
11 18 754 yˆi  229.33  26.807 X i
12 19 525
13 20
14 21
15 22

29
Ejercicio 1
Segundo paso: Inicializar
REGRESIÓN
p t Dt Yt Dt/Yt St Gt
-4 3
-3 4 yˆi  229.33  26.807 X i
-2 5
-1 6
0 7 229,3 26,8077
1 8 366 256,141 1,4289 yˆ1  229.33  26.807 X1
2 9 281 282,949 0,9931
3 10 220 309,756 0,7102 yˆ1  229.33  26.807 *1
4 11 319 336,564 0,9478
5
6
12
13
275
569,5
363,372
390,179
0,7568
1,4596
yˆ1  256.141
7 14 405 416,987 0,9713
8 15 300,5 443,795 0,6771
9 16 456 470,603 0,969 D1 366
10 17 372 497,41 0,7479   1.4289
11 18 754 524,218 1,4383 Y1 256.141
12 19 525 551,026 0,9528
13 20
14 21
15 22

30
Ejercicio 1
Tercer Paso: Normalizar
Dt
800 Con la tabla anterior….
700
600
 0.7102  0.677 
500 C3     0.6936
400
Dt
 2 
300
200
100 Si replicamos el cálculo para
0
7 9 11 13 15 17 19 21 todos…

C1 1,44227269
C1 1,49643
C2 0,97237814 Ct
C2 1,00889
C3 0,69367507 INICIALES!
 0.6936  C3 0,71972
C4 0,958392 C3    * 5  0.7197
 4.8190  C4
C5 0,75233711 0,99438
∑Ci 4,81905501
Pero la suma C5 0,78059
debe ser 5!! ∑C5 5

31
Ejercicio 1
Tercer Paso: Normalizar
REGRESIÓN
p t Dt Yt Dt/Yt St Gt Ct Ft
-4 3 1,4964
-3 4 1,0089
-2 5 0,7197
-1 6 0,9944 YA ESTÁ
0 7 229,3 26,8077 0,7806
1 8 366 256,141 1,4289 INICIALIZADO EL
2 9 281 282,949 0,9931 MÉTODO….
3 10 220 309,756 0,7102
4 11 319 336,564 0,9478
5 12 275 363,372 0,7568
6 13 569,5 390,179 1,4596 Como actualizamos
7 14 405 416,987 0,9713 los valores de St, Gt
8 15 300,5 443,795 0,6771 y Ct?
9 16 456 470,603 0,969
10 17 372 497,41 0,7479
11 18 754 524,218 1,4383
12 19 525 551,026 0,9528
13 20
14 21
15 22

32
Ejercicio 1
Cuarto Paso: Actualización de St
REGRESIÓN
p t Dt Yt Dt/Yt St Gt Ct Ft
-4 3 1,4964
-3 4 1,0089
-2 5 0,7197
Dt
-1 6 0,9944 St    (1   )(St 1  Gt 1 )
0 7 229,3 26,8077 0,7806 ct  N
1 8 366 256,141 1,4289 255,0
2 9 281 282,949 0,9931 281,4
366
3 10 220 309,756 0,7102 307,8 S8  0.1  (0.9)(229.3  26.80)
4 11 319 336,564 0,9478 333,1 1.49
5 12 275 363,372 0,7568 358,8
6 13 569,5 390,179 1,4596 385,0 S8  255
7 14 405 416,987 0,9713 410,4
8 15 300,5 443,795 0,6771 434,9
9 16 456 470,603 0,969 461,0
10 17 372 497,41 0,7479 486,2 HAY QUE
11 18 754 524,218 1,4383 511,7 REPLICARLO
12 19 525 551,026 0,9528 536,2 PARA TODOS
13 20
14 21 LOS PERIODOS!
15 22

33
Ejercicio 1
Cuarto Paso: Actualización de Gt
REGRESIÓN
p t Dt Yt Dt/Yt St Gt Ct Ft
-4 3 1,4964
-3 4 1,0089
-2 5 0,7197
-1 6 0,9944
0 7 229,3 26,8077 0,7806 Gt   (St  St 1 )  (1   )Gt 1
1 8 366 256,141 1,4289 255,0 26,6921
2 9 281 282,949 0,9931 281,4 26,6606
3 10 220 309,756 0,7102 307,8 26,6371 G8  0.1(255  229.3)  (0.9) * 26.807
4 11 319 336,564 0,9478 333,1 26,5009
5 12 275 363,372 0,7568 358,8 26,4282
6 13 569,5 390,179 1,4596 385,0 26,3986 G8  26.69
7 14 405 416,987 0,9713 410,4 26,3055
8 15 300,5 443,795 0,6771 434,9 26,1188
9 16 456 470,603 0,969 461,0 26,1162
10 17 372 497,41 0,7479 486,2 26,0256 HAY QUE
11 18 754 524,218 1,4383 511,7 25,9753 REPLICARLO
12 19 525 551,026 0,9528 536,2 25,8292 PARA TODOS
13 20
14 21 LOS PERIODOS!
15 22

34
Ejercicio 1
Cuarto Paso: Actualización de Ct
REGRESIÓN
p t Dt Yt Dt/Yt St Gt Ct Ft
-4 3 1,4964
-3 4 1,0089
Dt
-2
-1
5
6
0,7197
0,9944 ct    (1   )ct  N
0 7 229,3 26,8077 0,7806 St
1 8 366 256,141 1,4289 255,0 26,6921 1,4897
2 9 281 282,949 0,9931 281,4 26,6606 1,0073 366
3 10 220 309,756 0,7102 307,8 26,6371 0,7188 c8  0.1  (0.9) *1.49
4 11 319 336,564 0,9478 333,1 26,5009 0,9897 256.141
5 12 275 363,372 0,7568 358,8 26,4282 0,7782
6 13 569,5 390,179 1,4596 385,0 26,3986 1,4867
7 14 405 416,987 0,9713 410,4 26,3055 1,0037 c8  1.4897
8 15 300,5 443,795 0,6771 434,9 26,1188 0,7146
9 16 456 470,603 0,969 461,0 26,1162 0,9876
10 17 372 497,41 0,7479 486,2 26,0256 0,7752 HAY QUE
11 18 754 524,218 1,4383 511,7 25,9753 1,4818 REPLICARLO
12 19 525 551,026 0,9528 536,2 25,8292 0,9986
13 20 PARA TODOS
14 21 LOS PERIODOS!
15 22

35
Ejercicio 1
Quinto Paso: El pronóstico
REGRESIÓN
p t Dt Yt Dt/Yt St Gt Ct Ft
-4 3 1,4964
-3 4 1,0089
-2 5 0,7197
-1 6 0,9944

Ft ,t   (St  Gt )ct   N


0 7 229,3 26,8077 0,7806
1 8 366 256,141 1,4289 255,0 26,6921 1,4897 383,296316
2 9 281 282,949 0,9931 281,4 26,6606 1,0073 284,181072
3 10 220 309,756 0,7102 307,8 26,6371 0,7188 221,690325
4 11 319 336,564 0,9478 333,1 26,5009 0,9897 332,544504 NO TIENE NINGÚN
5 12 275 363,372 0,7568 358,8 26,4282 0,7782 280,670192 SENTIDO USAR LA
6 13 569,5 390,179 1,4596 385,0 26,3986 1,4867 573,919952
DEMANDA DE EL
7 14 405 416,987 0,9713 410,4 26,3055 1,0037 414,374872
8 15 300,5 443,795 0,6771 434,9 26,1188 0,7146 313,918205 PERIODO t PARA
9 16 456 470,603 0,969 461,0 26,1162 0,9876 456,255589 PRONOSTICAR EL
10 17 372 497,41 0,7479 486,2 26,0256 0,7752 379,052676 PERIODO t
11 18 754 524,218 1,4383 511,7 25,9753 1,4818 761,475664
12 19 525 551,026 0,9528 536,2 25,8292 0,9986 539,668618
13 20 401,640451
14 21 580,610683
15 22 475,726067

36

Comparación Métodos de
Pronóstico
MÉTODO PATRON DE DATOS CANTIDAD DE DATOS HORIZONTE DEL TIEMPO DE COMPLEJI
HISTORICOS PRONOSTICO PREPARACION DAD

SUAVIZACION ESTACIONARIO 10-15 Observaciones CORTO CORTO POCA


EXPONENCIAL SIMPLE
SUAVIZACION CON TENDENCIA SIN 15-20 Observaciones CORTO A MEDIO CORTO LIGERA
EXPONENCIAL HOLT ESTACIONALIDAD

SUAVIZACION CON TENDENCIA Y Al menos 4 observaciones CORTO A MEDIO CORTO MODERADA


EXPONENCIAL ESTACIONALIDAD por ciclo estacional
WINTERS 2 Ciclos estacionales

REGRESION RELACIONES 20 Observaciones CORTO, MEDIO CORTO A MAYOR


COMPLEJAS O LARGO MODERADO
DESCOMPOSICION CON TENDENCIA Y Al menos 4 observaciones CORTO A MEDIO CORTO A MODERADA
ESTACIONALIDAD por ciclo estacional MODERADO
2 Ciclos estacionales

BOX & JENKINS ESTACIONARIOS O 50 o más observaciones CORTO, MEDIO LARGO CONSIDERA
TRANSFORMADOS A O LARGO BLE
ESTACIONARIOS
ARIMA PATRONES 50 o más observaciones CORTO, MEDIO LARGO CONSIDERA
COMPLEJOS O LARGO BLE
AUTOREGRESIVOS

37
Ejercicio 2
La gerente de la compañía “Stanly Steemer”, perteneciente al rubro de
limpieza de alfombras, necesita un pronóstico trimestral del número
esperado de clientes para el año siguiente. El negocio de la limpieza de
alfombras es estacional, con un punto máximo en el tercer trimestre y uno
mínimo en el primer trimestre. Presentamos a continuación los datos de la
demanda trimestral registrada en los cuatro años más recientes.
Trimestre Año 1 Año 2 Año 3 Año 4
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215

a. Grafique el comportamiento de la demanda y analícelo.


b. La gerente desea hacer un pronóstico de la demanda de clientes para
cada uno de los trimestres del año 5. Suponga α = 0,3; β= 0,26 y γ= 0,01.
Inicialice el método por medio de una regresión lineal S0 y G0.

38
Ejercicio 3
La fábrica de computadores “PCS S.A.” presenta las observaciones
trimestrales de sus ventas en miles de unidades, en la siguiente tabla:
Periodo Demanda
1 35
2 55
3 59
4 47
5 45
6 75
7 81
8 60
9 50
10 70

Utilice el método de Winters para pronosticar la demanda del periodo 23 y


32. Suponga α = 0,1; β= 0,15 y γ= 0,1. Inicialice el método por medio de
una regresión lineal S0 y G0.

39