UNIVERSIDAD AUTÓNOMA DE
CAMPECHE
FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN
INVESTIGACIÓN DE OPERACIONES.
CUARTO SEMESTRE
GLOSARIO Y FORMULARIO
Suavizamiento y extrapolación
Modelos lineales de series de tiempo
BR. LUIS MANUEL MORENO ORTEGA
LAF. VIRIDIANA PACHECO PACHECO, M.A.
SAN FRANCISCO DE CAMPECHE, CAMPECHE; 20 DE FEBERO DE
2019
GLOSARIO
Serie de tiempo. Es un conjunto de observaciones de una variable medida en
puntos sucesivos en el tiempo o a lo largo de periodos sucesivos.
Pronóstico. Se refiere a predicciones de los valores futuros de la serie de tiempo.
Método de series de tiempo. Es el procedimiento de elaboración de pronósticos
cuando los datos históricos se restringen a valores pasados de la variable que
tratamos de pronosticar.
Métodos de elaboración de pronósticos causales. Se basan en el supuesto de
que la variable que tratamos de pronosticar exhibe una relación de causa y efecto
con una o más variables.
Tendencia. Es el cambio gradual de la serie de tiempo.
Componente cíclico. Cualquier secuencia de puntos recurrente por encima y por
debajo de la línea de tendencia que dura más de un año.
Componente estacional. Es el componente de las series de tiempo que
representa la variabilidad en los datos debido a influencias estacionales.
Componente irregular. Es el factor residual o “comodín” que incluye las
desviaciones de los valores de serie de tiempo reales de aquellos esperados
según los efectos del componente cíclico, de tendencia y estacional.
Promedios móviles. Utiliza el promedio de los n valores de datos más recientes
en la serie de tiempo como el pronóstico para el siguiente periodo.
Error cuadrado medio (ECM). Es una medida de uso frecuente de la precisión de
un método de elaboración de pronósticos
Promedios móviles ponderados. Consiste en seleccionar diferentes pesos para
cada valor de datos y luego calcular un promedio ponderado de los n valores de
datos más recientes como el pronóstico.
Suavización exponencial. Utiliza un promedio ponderado de valores de series de
tiempo pasadas como pronóstico.
Constante de suavización. Está representado por la letra griega alpha (α).
Siempre esta expresada en decimales y regularmente tiene rangos de 0 a 0.3.
Desviación absoluta media (DAM). Esta medida es simplemente el promedio de
los valores absolutos de todos los errores de pronóstico.
Modelo multiplicativo de series de tiempo. Además de un componente de
tendencia T y un componente estacional S, asumimos que la serie de tiempo
también tiene un componente irregular I. El componente irregular representa los
efectos aleatorios de la serie de tiempo que no pueden explicarse por medio de los
componentes de tendencia y estacional. Con Tt, St e It para identificar los
componentes de tendencia, estacional e irregular en el tiempo t, suponemos que
el valor de la serie de tiempo real, denotado por Yt, puede describirse por el
modelo multiplicativo de series de tiempo.
Índice estacional. Es un valor numérico que se utiliza para evaluar tendencias
estacionales en la demanda de un producto o servicio.
Serie de tiempo desestacionalizada. Son series de tiempo económicas
ajustadas para variaciones estacionales.
Análisis de regresión. Es una técnica estadística que se puede utilizar para
desarrollar una ecuación matemática que muestre cómo se relacionan las
variables.
FORMULARIO.
Tendencia.
Componente cíclico.
Promedios móviles
Promedios móviles ponderados.
Suavización exponencial.
Desviación absoluta media.
Modelo multiplicativo de series de tiempo.
En este modelo, Tt es la tendencia medida en unidades del elemento que se
pronostica. Sin embargo, los componentes St e It se miden en términos
relativos, con valores por encima de 1.00, lo que indica efectos por encima de la
tendencia, y valores por debajo de 1.00 que denotan efectos por debajo de la
tendencia.
Análisis de regresión.
Con el método de estimación por mínimos cuadrados, la ecuación de regresión
estimada es:
Un aspecto esencial de la administración de cualquier organización es la
planeación del futuro. Para ello se hará uso de los pronósticos. [ CITATION And00 \l
2058 ]
Esto nos permitirá reducir el rango de incertidumbre dentro del cual se toman las
decisiones que afectan el futuro de un negocio y con él a todas las partes
involucradas. Para esto se establecerán estrategias y acciones que puedan
contrarrestar, corregir o impulsar ciertas situaciones.
Por ejemplo, si el pronóstico de ventas para el siguiente ejercicio fiscal de una
empresa X muestra una tendencia desfavorable, entonces el plan estratégico de
ventas deberá encaminarse a revertir dicha tendencia a través de acciones que
impulsen el crecimiento o que no permitan que las ventas decaigan o, en el peor
de los casos, que simplemente se reduzcan en un nivel mínimo.
Para poder realizar un buen pronostico es necesario conocer los datos históricos
de un cierto periodo de tiempo de aquello que queremos pronosticar. Esta serie de
tiempo nos permite observar el comportamiento de las actividades que se llevan a
cabo en la empresa para poder realizar una buena evaluación.
Existen varios métodos que nos permiten obtener el pronóstico que deseemos. El
método de serie de tiempo nos ayuda a detectar un patrón en los datos históricos
para luego hacer un supuesto del futuro.
Los métodos de elaboración de pronóstico causal supone que algunas variables
tiene que ver con otras y esto se ve proyectado en los resultados. Dichas
variables, como se mencionó antes, están presentes en las series de tiempo, las
cuales tienen ciertos componentes.
Uno de estos componentes es la tendencia, esta representa los cambios que
ocurren en la serie de tiempo. Si los datos muestran una tendencia, se pueden
ajustar los datos con algún tipo de curva o recta y modelar los residuales. Como el
propósito del ajuste es simplemente remover la tendencia a largo plazo, una línea
recta es suficiente.
Otro de los componentes es el cíclico y este se refiere a los cambios que se
proyectan como subidas y bajadas sobre la tendencia a largo plazo. El estacional
los cambios tienen cierta periodicidad, es decir, las variaciones pueden ocurrir por
bimestres, semestres, etc. Ahora, el irregular no responde a ningún patrón de
comportamiento sino a otros factores que intervienen de forma aislada a la serie.
Para obtener un buen pronostico se puede hacer uso de ciertas técnicas o
métodos. Uno de estos métodos es el de promedios móviles; este se refiere a los
promedios calculados a partir de grupos de observaciones consecutivas en donde
los datos mas recientes sustituyen a los antiguos.
En la selección del método para elaborar pronósticos se debe considerar que este
sea el más preciso ya que se busca el menor número de errores. Para esto se
mide el promedio de los errores al cuadrado, es decir, la diferencia entre el
estimador y lo que se estima y la suma de estos será el error cuadrado medio.
Mientras, en el promedio móvil se le asigna igual importancia a cada uno de los
datos que componen dicho promedio, en el promedio móvil ponderado se puede
asignar cualquier peso a cualquier dato del promedio, siempre y cuando la
sumatoria de las ponderaciones sean equivalentes al 100%. Regularmente se
puede aplicar el porcentaje mayor al dato más reciente.
Por otro lado, el suavizamiento exponencial le permite a las empresas pronosticar
la demanda de un producto o servicio en un periodo dado. Además, tiene en
cuenta el pronóstico actual en los siguientes pronósticos. Este método trabaja a
través de una constante de suavización alfa (α) que tiene un valor comprendido
entre 0 y 1.
Para comparar la efectividad de diferentes modelos utilizados es necesario hacer
uso de indicadores de modelos de serie de tiempo. Por su lado, la desviación
media absoluta, mide la exactitud de los valores estimados de la serie de tiempo.
Mientras que el modelo multiplicativo es aquel en donde la multiplicación de las
características estacionales, la tendencia y el error tienen como resultado la
variable de la serie.
El índice estacional resulta ser muy importante en la economía y se utiliza para
eliminar las variaciones estacionales en la demanda que permiten a las compañías
a monitorear las tendencias. Así mismo permite realizar comparaciones con
iguales y ayuda a corregir las variaciones temporales en la demanda que ocurren
durante todo el año.
Las series de tiempo desestacionalizadas se refiere a los ajustes en las
variaciones estacionales. La comparación de ventas en periodos sucesivos tiene
sentido cuando los datos están desestacionalizados; mientras que con los no
desestacionalizados se pueden hacer comparaciones relevantes entre las ventas
del periodo actual y las del mismo periodo un año antes.
Por último, para mostrar cómo se relacionan las variables que se llegan a
presentar podemos emplear una ecuación matemática la cual se obtendrá a través
del análisis de regresión.
Bibliografía
Anderson, D., Sweeney, D., & Williams, T. (2000). Métodos cuantitativos para los
negocios. International: Thomson Editores .
