Método de pronóstico de suavización

Método de pronóstico de suavización.

Ejercicios a resolver:

• Describe de forma resumida los tres métodos de suavización que estudiaste en el tema cinco.

• Menciona las características de cada método.

• Menciona cuándo es recomendable utilizar cada método de suavización.

• Cuáles son las ventajas y/o desventajas de cada uno.

• Utiliza el método de suavización exponencial simple para analizar esta serie de datos referentes al porcentaje de ocupación hotelera en ciudades de Durango:

= 0.4, β = 0.1 y γ = 0.2

Mes Ocupación hotelera (porcentaje)

Lerdo

Enero 26.21

Febrero 29.67

Marzo 16.03

Abril 15.10

Mayo 27.72

Junio 21.74

Julio 41.53

Agosto 17.34

Septiembre 20.90

Octubre 16.06

Noviembre 19.24

Diciembre 22.48

Pueblo Nuevo

Enero 39.32

Febrero 41.22

Marzo 44.39

Abril 43.97

Mayo 45.31

Junio 51.27

Julio 59.29

Agosto 49.77

Septiembre 51.27

Octubre 47.62

Noviembre 48.10

Diciembre 51.61

Procedimientos:

• Comprender el tema visto.

• Complementar el tema con información.

• Investigar lo solicitado

• Identificar lo pedido en la actividad.

• Plasmar información.

Resultados:

Describe de forma resumida los tres métodos de suavización que estudiaste en el tema cinco.

• Suavizamiento exponencial simple: es útil y confiable cuando nuestros datos no tienen tendencia ni hacia arriba ni hacia abajo.

• Suavizamiento exponencial lineal: útil y confiable cuando nuestro datos si tiene tendencia.

• Método Winters: es adecuado para datos que además de presentar tendencia también presentan estacionalidad.

Menciona las características de cada método:

1. Método de promedios móviles

El término móvil indica que conforme se tenga disponible una nueva observación de la serie de tiempo, se reemplaza la observación más antigua en la ecuación y se calcula un nuevo pronóstico. Como resultado el promedio se modificará, a medida que se agreguen nuevas observaciones.

2. Método de suavizamiento exponencial simple.

Útil y confiable cuando nuestros datos no tienen tendencia ni hacia arriba, ni hacia abajo. El punto es lograr una estimación real, después de esta estimación se utilizará como pronóstico para valores futuros.

3. Método de suavizamiento exponencial lineal.

También conocido como Método de Holt o suavizamiento exponencial doble, este método es útil cuando los datos que tenemos presentan una tendencia definida y que permita intuir que los próximos datos se moverán hacia arriba, en estos casos se requiere para pronosticar una función de tendencia lineal.

4. Método de Winters.

Es adecuado para datos que además de presentar tendencia, también presentan estacionalidad. Puede decirse que es una extensión del método exponencial lineal, sólo que el método Winters utilizará una ecuación más para estimar la estacionalidad de los datos, es decir, que éste método se utiliza cuando las variaciones en nuestros datos tienen tendencia y son estacionales

...