MÉTODOS DE PRONÓSTICO

4. MÉTODOS DE PRONÓSTICO

Los métodos de series de tiempo incluyen métodos de pronóstico y de suavizamiento simples, métodos de análisis de correlación y métodos de Box Jenkins ARIMA.

Métodos de pronóstico y suavizamiento simple: se basan en la idea de que hay patrones visibles en una gráfica de series de tiempo que pueden ser extrapolados al futuro. El método se selecciona dependiendo de si los patrones son estáticos (constantes en el tiempo) o dinámicos (cambian en el tiempo), la naturaleza de los componentes de tendencia y estacionalidad y que tan lejos se quiera pronosticar, son métodos generalmente fáciles y rápidos de aplicar.

Métodos de pronóstico ARIMA (Autoregressive Integrated Moving Average): también usan patrones de datos, sin embargo puede que no sean fácilmente visibles en la serie de tiempo. El modelo usa funciones de diferencias, autocorrelación y autocorrelación parcial para ayudar a identificar un modelo aceptable. El modelo ARIMA representa una serie de pasos de filtraje hasta que solo queda ruido aleatorio. Es un proceso iterativo que consume tiempo de ejecución.

4.1 MÉTODOS DE PRONÓSTICO Y SUAVIZAMIENTO SIMPLE:

Modelan componentes en una serie que normalmente son fáciles de ver en una serie de tiempo.

Este método descompone los datos en sus partes componentes y los extiende al futuro para pronosticar. Se pueden seleccionar los métodos siguientes:

1. Métodos estáticos de análisis de tendencias y descomposición para patrones que no cambian con el tiempo.

2. Métodos dinámicos de promedio móvil; métodos de suavizamiento exponencial simple y doble y método de Winters. Para patrones que cambian en el tiempo y sus estimados son determinados por los valores más cercanos.

Se pueden usar los dos métodos combinados, es decir se puede utilizar un método para modelar un componente y otro para modelar otros componentes, por ejemplo:

 Ajustar una tendencia por medio de un análisis de tendencias estático y dinámicamente modelar el componente estacional en los residuos usar el método de Winters.

 Ajustar un modelo estático de estacionalidad por medio de la descomposición y dinámicamente modelar los componentes de la tendencia en los residuos usando un modelo de suavizamiento exponencial doble.

 Ajustar con modelos de tendencia y descomposición al mismo tiempo.

Una desventaja de combinar métodos es que los intervalos de confianza de los pronósticos no son válidos.

A continuación se presenta un ejemplo de cada método.

...