Documente Academic
Documente Profesional
Documente Cultură
Pronsticos de Demanda
Ing. R. Morn
Pronsticos de Demanda
Los mtodos para corto plazo son ms fciles que los que se requieren para
largo plazo, que incluyen regresin mltiple y modelos economtricos.
Pronsticos eficaces requieren una base de datos de demanda precisa. La
base de datos de demanda es un recurso estratgico.
Registrar demandas, no ventas. El faltante de un artculo puede ocasionar la
prdida de ventas de otros complementarios. As el faltante de un artculo
puede distorsionar su pronstico y el de otros complementarios (esto es muy
difcil de detectar).
Registrar la demanda (pedidos) en tiempo real, no despus.
Se deben detectar demandas inusuales.
La demanda agregada (conjunto de artculos) es normalmente menos
aleatoria que la individual (porque se compensan las variaciones). Los
pronsticos de demanda agregada son normalmente ms precisos que los
individuales.
La demanda acumulada (mismo artculo) en el tiempo, normalmente se
pronostica con menor error que la demanda en perodos individuales.
Ing. R. Morn
Pronsticos de Demanda
PRONSTICO
HORIZONTES DE PRONSTICOS
INMEDIATO:
Menos de 1 mes, por das o semanas.
CORTO:
1 a 3 meses, por semanas o meses.
MEDIO:
3 meses a 2 aos, por meses o trimestres.
LARGO:
2 a 10 aos, por trimestres o aos.
Ing. R. Morn
Pronsticos de Demanda
NIVELES DE DECISIONES, OBJETIVOS Y
HORIZONTES DE PRONSTICOS
NIVEL
OBJETIVOS
HORIZONTE DE
PRONSTICO
Planeamiento Planeamiento
estratgico.
de metas de la
organizacin.
Largo: ms de 2
aos, por meses,
trimestres o aos.
Medio: 3 meses a 2
aos, por semanas
o meses.
Control diario
de las
operaciones.
Ing. R. Morn
Pronsticos Agregados
EFECTO DE LA AGREGACIN EN LOS PRONSTICOS
Los pronsticos de demanda agregada, en general, tienen menor error que los de
los productos individuales porque la serie de demanda resultante tiene menos
aleatoriedad, dado que se compensan las variabilidades.
Ing. R. Morn
Pronsticos Agregados
Pronsticos agregados y desagregados
En general en las empresas se preparan pronsticos de demanda en diferentes
reas con distintos niveles de agregacin.
Alta gerencia: pronsticos en $.
Gerentes de productos: pronsticos por grupos de productos en unidades y en
$.
Ventas y produccin: pronsticos en unidades por productos individuales.
El problema ms comn es que estos pronsticos se realizan independientemente y
no se renen para verificar la consistencia.
Pronsticos Agregados
Principio del nmero nico
"Todos los pronsticos del mismo producto o actividad deben ser iguales".
La suma de todas las demandas de todos los artculos individuales debe ser
igual a la demanda global de la empresa.
La suma de las demandas de los productos finales debe ser igual a la demanda
total de la lnea o la familia a la que pertenecen.
La suma de las demandas de las familias debe ser igual a la demanda global.
Pronsticos Agregados
Tipos de pronsticos
1. Pronstico de demanda desagregada (tems individuales)
Uso: operaciones diarias.
Horizonte: corto plazo.
Perodos: semanas o meses.
El primer uso de este tipo de pronsticos es el reaprovisionamiento por tem y por
ubicacin y el segundo es validar o modificar el pronstico agregado por lneas de
productos, centros de utilidades o unidades de negocios.
En muchas empresas las proporciones de los productos dentro del agregado
permanecen constantes en el tiempo. En este caso se puede utilizar el pronstico
agregado, desagregarlo por porcentajes y revisarlo con pronsticos detallados de
corto plazo.
2. Pronstico de demanda agregada (pocos tems)
Uso: planificacin.
Horizonte: mediano o largo plazo.
Perodos: trimestres o aos.
Ing. R. Morn
Pronsticos Agregados
Tipos de pronsticos (cont.)
3. Pronsticos integrados
Uso: asegurar consistencia.
Alcance y horizonte: agregados y de corto plazo.
Es la integracin de los dos anteriores. Ajusta el desagregado con datos del
agregado.
Ejemplo
Un producto se vende en tres versiones A, B y C. La participacin histrica de cada
una de las versiones en la demanda total y los precios unitarios de venta son los
siguientes:
ARTCULO
% PARTICIPACIN
PRECIO UNITARIO
65
40
20
60
15
80
100
10
7
8
9
PRON. [u]
MONTO [$]
200
400
500
1100
10000
20000
25000
55000
7
8
9
PRON. [u]
MONTO [$]
110
500
600
1210
5500
25000
30000
60500
Pronstico desagregado:
MES
ARTCULO
PRON. [u]
P. U. [$/u]
MONTO [$]
ACUM. [$]
A
B
C
5
50
20
75
40
60
80
200
3000
1600
4800
A
B
C
200
125
80
405
40
60
80
8000
7500
6400
21900
A
B
C
280
140
80
500
40
60
80
11200
8400
6400
26000
52700
11
600 50
= $ 30.000
vs.
$ 26.000
NIVEL 3
GLOBAL
UNIDADES: 500
NIVEL 2
GRUPO
TOTAL: $ 26.000
NIVEL 1
A
280 40
= 11.200
B
140 60
= 8.400
Ing. R. Morn
12
C
80 80
= 6.400
ARTCULO
NIVEL 3
GLOBAL
(600 500)/2
= 550
280 550 / 500 = 308
140 550 / 500 = 154
80 550 / 500 = 88
308 40 = 12.320
154 60 = 9.240
88 80 = 7.040
28.600
NIVEL 2
NIVEL 1
A
308
B
154
Ing. R. Morn
13
GRUPO
C
88
ARTCULO
NIVEL 3
GLOBAL
$ 30.000
NIVEL 2
NIVEL 1
GRUPO
B
162
Ing. R. Morn
14
C
92
ARTCULO
Pronsticos de Demanda
Pronsticos para Manufactura
Ing. R. Morn
15
Pronsticos de Demanda
Pronsticos para Fabricante-Distribuidor
Ing. R. Morn
16
Mtodos de Pronsticos
MTODOS CUANTITATIVOS
Intrnsecos (Basados en el anlisis de series de tiempo)
Serie de tiempo: Sucesin de observaciones de una misma variable en
intervalos regulares de tiempo.
Estos mtodos modelan el patrn del pasado para proyectarlo en el
futuro.
Suavizado
Descomposicin
Series de Fourier
Autorregresivos (Box-Jenkins)
etc.
Ing. R. Morn
17
Mtodos de Pronsticos
MTODOS CUANTITATIVOS (Cont.)
Extrnsecos (Causales)
Economtricos
Usos:
Ing. R. Morn
18
Mtodos de Pronsticos
MTODOS CUALITATIVOS (Subjetivos)
Basados en el juicio y opiniones.
Mtodo Delphi
Investigacin de mercados
Paneles de expertos
etc.
Son tiles:
Ing. R. Morn
19
600
550
500
450
400
350
300
250
200
5 9 13 17 21 25 29 33 37 41 45
350
300
200
300
250
200
150
5 9 13 17 21 25 29 33 37 41 45
MESES
TENDENCIA Y ESTACIONALIDAD
UNIDADES
700
5 9 13 17 21 25 29 33 37 41 45
MESES
Ing. R. Morn
20
9 13 17 21 25 29 33 37 41 45
MESES
ESTACIONALIDAD
400
UNIDADES
UNIDADES
AUTOCORRELACIN
400
1 5
MESES
800
500
700
650
600
550
500
450
400
350
300
1 5 9 13 17 21 25 29 33 37 41 45
MESES
600
TENDENCIA Y ALEATORIEDAD
UNIDADES
UNIDADES
UNIDADES
ALEATORIEDAD
750
700
650
600
550
500
450
400
600
550
500
450
400
350
300
250
200
1 5 9 13 17 21 25 29 33 37 41 45
MESES
Error de Pronstico
La determinacin del error de pronstico es fundamental para:
Determinar la efectividad de un mtodo.
Comparar modelos.
Notacin:
Yt : Demanda real observada en el perodo t
Ft : Pronstico para el perodo t
N : Cantidad de perodos observados
Error de pronstico:
et = Yt Ft
1 N
1 N
ME = e = et = (Yt Ft )
N t =1
N t =1
SDE =
(e e )
t =1
N 1
21
Error de Pronstico
El error medio y la desviacin estndar son componentes de la exactitud del
mtodo, pero ninguno de ellos por separado es una medida general de la misma.
Las medidas generales de la exactitud ms comunes son:
Suma de los cuadrados de los
errores (SSE):
t =1
t =1
MSE =
Desviacin absoluta
media (MAD):
1 N 2 1 N
et = (Yt Ft ) 2
N t =1
N t =1
MAD =
1 N
1 N
e
=
Yt Ft
t N
N t =1
t =1
1 N et
1 N Yt Ft
100% =
100%
MAPE =
N t =1 Yt
N t =1 Yt
Si los errores tienen distribucin Normal, entre la SDE y la MAD existe la siguiente
relacin:
SDE = 2 MAD 1,25 MAD
Ing. R. Morn
22
Modelos de Descomposicin
ANALISIS DE SERIES DE TIEMPO
En las series de tiempo se identifican cuatro componentes:
Tt = Tendencia del crecimiento a largo plazo
Ct = Fluctuaciones cclicas
St = Fluctuaciones estacionales
Rt = Fluctuaciones aleatorias (ruido)
Yt = f (Tt , C t , S t , Rt )
La aleatoriedad se la considera un error (ruido) entre el pronstico y la realidad.
Se pronostican los otros tres y la diferencia con la demanda real es el error.
Modelo multiplicativo:
Yt = Tt C t S t R t
Modelo aditivo:
Yt = Tt + C t + S t + R t
Ing. R. Morn
23
Modelos de Descomposicin
Los modelos multiplicativos se usan cuando el ciclo y la estacionalidad son un
porcentaje del nivel general de la demanda. Este es el caso ms frecuente.
Los modelos aditivos se usan cuando es evidente que no hay relacin entre el
ciclo y la estacionalidad y el nivel general de la demanda.
En los modelos multiplicativos, Ct , St y Rt son proporciones (ndices) expresados
con centro en 1 (o 100%). El valor 1 para un componente significa que no hay
efecto de ese componente.
En los modelos aditivos, Ct , St y Rt son trminos expresados con centro en 0.
El valor 0 para un componente significa que no hay efecto del mismo.
Para horizonte menor a 2 aos tendencia y ciclo se modelan juntos, como
tendencia, y lo indicaremos: TCt :
Modelo aditivo:
Yt = TC t + S t + Rt
Modelo multiplicativo:
Yt = TC t S t R t
Ing. R. Morn
24
Modelo Multiplicativo
SERIE OBSERVADA
700
UNIDADES
600
500
400
300
200
100
0
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
MESES
Ing. R. Morn
25
UNIDADES
TENDENCIA
600
550
500
450
400
350
300
250
200
1,05
1,00
0,95
0,90
5 9 13 17 21 25 29 33 37 41 45
MESES
9 13 17 21 25 29 33 37 41 45
MESES
ESTACIONALIDAD
ALEATORIEDAD
1,30
1,50
FACTORES
1,30
NDICES
1,10
0,90
0,70
0,50
1,10
0,90
0,70
5 9 13 17 21 25 29 33 37 41 45
MESES
5 9 13 17 21 25 29 33 37 41 45
MESES
Ing. R. Morn
26
Modelos de Descomposicin
Pasos en el pronstico
1. Calcular promedios mviles con nmero de perodos igual al ciclo estacional.
2. Centrar los promedios mviles con nuevos promedios mviles de dos perodos. Los
promedios mviles centrados estiman tendencia y ciclo:
PMCt = Tt Ct = TCt
PMCt = Tt + Ct = TCt
27
Modelos de Descomposicin
5. Desestacionalizar la serie para obtener la tendencia y ciclo (con aleatoriedad).
Para el modelo multiplicativo:
Yt TCt S t Rt
=
= TCt Rt
St
St
Ti = A + B t i
con
A=
1
N
[ Y B t ] = Y B t
i
B=
t Y ( t )( Y ) = t Y N t Y
t N (t )
t ( t )
i
1
N
2
i
28
1
N
2
i
Modelos de Descomposicin
7. Obtener la prediccin de la serie aplicando los ndices de estacionalidad a la
demanda estimada y analizar el error.
Para el mtodo multiplicativo:
Ft = Tt S t
Ft = Tt + St
Observaciones
La tendencia se puede estimar ajustando una curva apropiada por mnimos
cuadrados directamente sobre los datos de la demanda, en reemplazo de los
promedios mviles centrados. El resto del mtodo contina igual desde el paso 3.
La ventaja sobre los promedios mviles centrados es que no se pierde un ao de
datos. La desventaja es que se ignora completamente el ciclo. Los promedios mviles
centrados estiman tendencia y ciclo. Por lo tanto el ajuste de una curva para la
estimacin inicial de la tendencia es aplicable slo a pronsticos de corto plazo.
Ing. R. Morn
29
-0,03
190,91
11,93
3,57
2,29
2
2
-1
-8
1
-3
4
3
-1
-3
-5
-1
-3
6
1
3
et
ERROR
70
108
118
180
75
115
126
191
79
122
133
202
84
128
140
213
88
135
148
224
EM =
SCE =
ECM =
DSE =
MAPE [%] =
ERROR
St.Rt
St
TCt.Rt
Tt
Tt.St
et
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
118,75
119,69
117,93
116,02
125,35
121,86
131,03
130,86
128,65
129,48
129,02
135,58
133,59
145,80
142,12
145,70
115,55
117,41
119,26
121,12
122,97
124,83
126,68
128,54
130,39
132,25
134,10
135,96
137,81
139,66
141,52
143,37
145,23
147,08
148,94
150,79
70
108
118
180
75
115
126
191
79
122
133
202
84
128
140
213
88
135
148
224
EM =
SCE =
ECM =
DSE =
MAPE [%] =
2
2
-1
-8
1
-3
4
3
-1
-3
-5
-1
-3
6
1
3
72
110
117
172
76
112
130
194
78
119
128
201
81
134
141
216
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
AO
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
30
A=
B=
R^2 =
0,6063
0,9191
0,9921
1,4825
4,0000
0,6058
0,9182
0,9912
1,4812
3,9964
0,5886
0,9495
0,9706
1,4986
Yt
TRIM. HISTRICA
t
#N/A
117,75
118,75
119,25
122,50
128,00
128,50
130,25
129,75
131,50
132,25
136,00
139,25
143,00
#N/A
118,25
119,00
120,88
125,25
128,25
129,38
130,00
130,63
131,88
134,13
137,63
141,13
113,70
1,85
0,87
0,6000
0,9110
1,0136
1,4995
A=
B=
R^2 =
0,6287
0,8942
0,9894
1,4454
0,6063
0,9191
0,9921
1,4825
4,0000
NDICES
0,6058
0,9182
0,9912
1,4812
3,9964
TENDENCIA LINEAL
0,9894
1,4454
0,6287
0,8942
1,0136
1,4995
0,6000
0,9110
0,9706
1,4986
0,5886
0,9495
NDICES
1
2
3
4
118,75
119,69
117,93
116,02
125,35
121,86
131,03
130,86
128,65
129,48
129,02
135,58
133,59
145,80
142,12
145,70
PROMEDIOS
PROMEDIOS
0,9894
1,4454
0,6287
0,8942
1,0136
1,4995
0,6000
0,9110
0,9706
1,4986
0,5886
0,9495
FACTORES ESTACIONALES
#N/A
118,25
119,00
120,88
125,25
128,25
129,38
130,00
130,63
131,88
134,13
137,63
141,13
113,70
1,85
0,87
TEND. Y EST.
TCt
TEND.
TENDENCIA LINEAL
DESEST.
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
0,61
0,92
0,99
1,48
St.Rt
FACTORES
4 PER.
2 PER
0,5886
0,9495
0,9706
1,4986
TCt
0,6000
0,9110
1,0136
1,4995
PRONSTICO
NDICES
115,55
117,41
119,26
121,12
122,97
124,83
126,68
128,54
130,39
132,25
134,10
135,96
137,81
139,66
141,52
143,37
145,23
147,08
148,94
150,79
#N/A
117,75
118,75
119,25
122,50
128,00
128,50
130,25
129,75
131,50
132,25
136,00
139,25
143,00
DEMANDA
FACTORES
TRIM.
TEND. Y EST.
Tt.St
Tt
72
110
117
172
76
112
130
194
78
119
128
201
81
134
141
216
ESTACIONALIDAD
2 PER
TCt.Rt
TEND.
4 PER.
Yt
FACTORES ESTACIONALES
0,6287
0,8942
0,9894
1,4454
PROM. MVILES
DESEST.
DEMANDA
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
PER.
Ing. R. Morn
ESTACIONALIDAD
1
2
3
4
PROM. MVILES
TRIM.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
DEMANDA
HISTRICA
St
TRIM.
NDICES
AO
DEMANDA
PER.
PRONSTICO
-0,03
190,91
11,93
3,57
2,29
UNIDADES
200
150
100
50
0
1
10
11
12
13
14
15
PERODOS
DEMANDA
DEMANDA DESEST.
Ing. R. Morn
31
PRONSTICO
16
17
18
19
20
0,00
446,57
27,91
5,46
3,82
8
3
-1
-11
4
-3
4
3
-2
-4
-6
2
-7
3
-1
9
64
107
118
183
72
115
126
191
80
123
134
199
88
131
142
207
96
139
150
215
EM =
SCE =
ECM =
DSE =
MAPE [%] =
ERROR
St+Rt
St
TCt+Rt
Tt
Ft=Tt+St
et
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
122,80
120,30
117,76
110,14
126,80
122,30
130,76
132,14
128,80
129,30
128,76
139,14
131,80
144,30
141,76
154,14
115,21
117,19
119,17
121,15
123,13
125,11
127,09
129,07
131,05
133,03
135,01
136,99
138,98
140,96
142,94
144,92
146,90
148,88
150,86
152,84
64
107
118
183
72
115
126
191
80
123
134
199
88
131
142
207
96
139
150
215
EM =
SCE =
ECM =
DSE =
MAPE [%] =
8
3
-1
-11
4
-3
4
3
-2
-4
-6
2
-7
3
-1
9
72
110
117
172
76
112
130
194
78
119
128
201
81
134
141
216
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
AO
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
TRIM.
Yt
32
A=
B=
R^2 =
-50,80
-10,30
-0,76
61,86
0,00
NDICES
PROMEDIOS
#N/A
117,75
118,75
119,25
122,50
128,00
128,50
130,25
129,75
131,50
132,25
136,00
139,25
143,00
#N/A
118,25
119,00
120,88
125,25
128,25
129,38
130,00
130,63
131,88
134,13
137,63
141,13
113,23
1,98
0,75
-51,17
-10,67
-1,13
61,50
-1,46
A=
B=
R^2 =
-56,63
-7,13
-3,88
66,88
-50,80
-10,30
-0,76
61,86
0,00
FACTORES ESTACIONALES
-51,17
-10,67
-1,13
61,50
-1,46
TENDENCIA LINEAL
-1,25
53,00
-44,88
-13,25
1,75
64,63
-52,00
-11,63
-3,88
66,88
-56,63
-7,13
NDICES
-52,00
-11,63
1,75
64,63
122,80
120,30
117,76
110,14
126,80
122,30
130,76
132,14
128,80
129,30
128,76
139,14
131,80
144,30
141,76
154,14
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
-50,80
-10,30
-0,76
61,86
St+Rt
TRMINOS
2 PER
4 PER.
PROMEDIOS
-44,88
-13,25
-1,25
53,00
-1,25
53,00
-44,88
-13,25
1,75
64,63
-52,00
-11,63
-3,88
66,88
-56,63
-7,13
1
2
3
4
#N/A
118,25
119,00
120,88
125,25
128,25
129,38
130,00
130,63
131,88
134,13
137,63
141,13
113,23
1,98
0,75
TEND. Y EST.
TCt
TENDENCIA LINEAL
TEND.
DESEST.
HISTRICA
-56,63
-7,13
-3,88
66,88
TCt
-52,00
-11,63
1,75
64,63
PRONSTICO
NDICES
115,21
117,19
119,17
121,15
123,13
125,11
127,09
129,07
131,05
133,03
135,01
136,99
138,98
140,96
142,94
144,92
146,90
148,88
150,86
152,84
#N/A
117,75
118,75
119,25
122,50
128,00
128,50
130,25
129,75
131,50
132,25
136,00
139,25
143,00
DEMANDA
TRMINOS
TRIM.
et
ERROR
TEND. Y EST.
Ft=Tt+St
Tt
72
110
117
172
76
112
130
194
78
119
128
201
81
134
141
216
ESTACIONALIDAD
2 PER
TCt+Rt
TEND.
4 PER.
Yt
FACTORES ESTACIONALES
-44,88
-13,25
-1,25
53,00
PROM. MVILES
DESEST.
DEMANDA
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
PER.
Ing. R. Morn
ESTACIONALIDAD
1
2
3
4
PROM. MVILES
TRIM.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
DEMANDA
HISTRICA
St
TRIM.
NDICES
AO
DEMANDA
PER.
PRONSTICO
0,00
446,57
27,91
5,46
3,82
UNIDADES
200
150
100
50
0
1
10
11
12
13
14
15
PERODOS
DEMANDA
DEMANDA DESEST.
Ing. R. Morn
33
PRONSTICO
16
17
18
19
20
Modelos de Descomposicin
Determinacin del ciclo
PMCt Tt = Tt + Ct Tt = Ct
Ft = Tt C t S t
Ft = Tt + Ct + St
Yt = Tt C t
Yt = Tt + Ct
La tendencia se estima ajustando a la serie de la demanda una curva apropiada
por mnimos cuadrados. La determinacin del ciclo es inmediata.
Ing. R. Morn
34
Modelos de Descomposicin
Ventajas
Desventajas
Los pronsticos de perodos futuros pueden tener grandes errores por cambios
de tendencia o ciclo.
Estos modelos son tiles para tendencia y ciclo en pronsticos de mediano plazo.
Ing. R. Morn
35
Modelos de Descomposicin
Modelos de descomposicin en MINITAB
Utiliza modelos multiplicativos y aditivos de la forma:
Yt = Tt St + t
+
36
Estimacin de Tendencias
MODELOS PARA TENDENCIA
Modelo de demanda
Modelo de tendencia
Lineal:
Yt = 0 + 1 t + t
Tt = 0 + 1 t
Cuadrtica:
Yt = 0 + 1 t + 2 t 2 + t
Tt = 0 + 1 t + 2 t 2
Exponencial:
Yt = 0 e 1 t t
Tt = 0 e 1 t
Logstica:
Yt =
Gompertz:
0
t
1 + 1 e t
Tt =
1 + 1 e
t
2
2 t
Tt = 0 e 1 e
Yt = 0 e 1 e t
Nota: MINITAB dispone de los modelos lineal y cuadrtico anteriores y de los modelos
exponencial y logstico (Pearl-Reed) dados, respectivamente, por:
10 a
Tt =
0 + 12 t
Tt = 0
t
1
Ing. R. Morn
37
Estimacin de Tendencias
Tt
= 0 1 e 1 t
t
mientras que 0 es el valor de la tendencia en el instante t = 0.
Por ejemplo, si 0 = 100 y la tendencia muestra una tasa de crecimiento del 7%
anual, la ecuacin de tendencia es (datos anuales):
Tt = 100 (1,07 ) t
0 , 067
= 1,07. Luego:
y como ln(1,07) = 0,067 resulta e
Tt = 100 e 0 , 067 t
Ing. R. Morn
38
Estimacin de Tendencias
ln Yt = ln 0 + 1 t + ln t
Ing. R. Morn
39
Ejemplos de Tendencias
Estimacin
- Ejemplos
Serie 1de Tendencias
Serie 2
Serie 3
Serie 4
Serie 5
t
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
10
18
11
20
12
17
19
21
22
23
24
13
25
14
27
15
29
16
26
28
30
31
32
33
17
34
18
36
19
38
20
21
Ing. R. Morn
35
37
39
40
41
42
43
44
22
45
23
47
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
46
48
159
1
175 Serie
159
175
116 116
151
151 167
138
167 174
175
138 175
193
117
174 176
175
175 171
179
175 205
202
193 179
227
186
117 215
217
176 233
232
175 204
230
171 263
267
230
179 280
271
205 248
250
202 268
264
179 252
272
289
227 280
270
186 293
259
215 254
258
217 293
289
333
233 283
232
204
230
263
267
230
280
271
248
250
268
264
252
272
289
280
270
293
259
254
258
293
289
333
283
220
192
209
198
274
244
282
297
244
256
306
276
263
281
345
344
346
345
377
343
387
463
385
423
503
496
470
546
477
561
566
569
574
673
713
727
712
798
816
833
850
885
1005
979
1115
1108
1149
1209
Serie 2
220
192
209
198
274
244
282
297
244
256
306
276
263
281
345
344
346
345
377
343
387
463
385
423
503
496
470
546
477
561
566
569
574
673
713
727
712
798
816
833
850
885
1005
979
1115
1108
1149
1209
165
178
180
186
202
207
213
229
255
286
318
338
365
409
442
463
500
550
615
655
682
748
861
897
876
1260
1368
1500
1794
1941
2036
2214
2422
2513
2690
2799
Serie 3
165
178
180
186
202
207
213
229
255
286
318
338
365
409
442
463
500
550
615
655
682
748
861
897
876
1260
1368
1500
1794
1941
2036
2214
2422
2513
2690
2799
40
Serie 4
4
2
4
9
5
11
17
6
14
25
19
25
32
39
33
31
40
41
45
51
49
55
59
66
70
69
72
80
77
80
82
93
89
89
93
96
93
87
93
94
97
92
101
99
99
99
97
92
4
2
4
9
5
11
17
6
14
25
19
25
32
39
33
31
40
41
45
51
49
55
59
66
70
69
72
80
77
80
82
93
89
89
93
96
93
87
93
94
97
92
101
99
99
99
97
92
Serie 5
11
14
13
18
19
17
26
19
40
40
46
40
52
40
60
52
70
60
69
73
70
82
78
79
82
83
86
91
87
90
88
90
86
97
99
91
98
96
91
105
101
95
98
99
100
102
94
107
11
14
13
18
19
17
26
19
40
40
46
40
52
40
60
52
70
60
69
73
70
82
78
79
82
83
86
91
87
90
88
90
86
97
99
91
98
96
91
105
101
95
98
99
100
102
94
107
300
1200
250
1000
Unidades
Unidades
200
150
Tt = 3, 42 + 139,88 t
100
R 2 = 0,9853
800
600
400
R 2 = 0,8485
50
200
0
0
1
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49
Perodos
Perodos
Serie 3 - Logaritmos
Unidades
2500
2000
Tt = 123,71 e 0 , 0871t
R 2 = 0,9892
Logaritm os
3000
1500
1000
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
9
8
7
6
5
4
3
2
1
0
1
5 7
9 11 13 15 17 19 21 23 25 27 29 31 33 35
Perodos
Perodos
Ing. R. Morn
41
100
100
80
80
Unidades
Unidades
60
0 = 100
40
60
0 = 100
40
1 = 20
20
1 = 3
20
2 = 0,15
2 = 0,11
0
1
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49
7 10 13 16 19 22 25 28 31 34 37 40 43 46 49
Perodos
Perodos
Ing. R. Morn
42
Exploracin de Patrones
ANLISIS DE AUTOCORRELACIN
Autocorrelacin es la correlacin existente entre una variable y la misma variable
desfasada k perodos (k = 1, 2, ...).
El coeficiente de autocorrelacin (muestral) de orden k es
nk
rk =
(Y Y )(Y
t =1
t k
(Y Y )
Y )
2
t =1
43
Autocorrelacin - Ejemplos
Correlograma
Coeficientes
Unidades
Serie estacionaria
180
160
140
120
100
80
60
40
20
0
1
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
r1 r2
7 10 13 16 19 22 25 28 31 34 37 40 43 46
r3 r4
r5 r6
Coef. Autocorr.
Meses
Ing. R. Morn
44
r7 r8
Autocorrelacin - Ejemplos
Correlograma
Coeficientes
300
Unidades
250
200
150
100
50
0
1
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
r1
7 10 13 16 19 22 25 28 31 34 37 40 43 46
r2
r5
r6
r7
r8
Coef. Autocorr.
Meses
Correlograma diferencias
1,0
300
0,5
Coeficientes
Unidades
r3 r4
200
100
0
0,0
-0,5
-1,0
-100
1
r1
7 10 13 16 19 22 25 28 31 34 37 40 43 46
Meses
Demanda
r2
r3
r4
r5
r6 r7
Coef. Autocorr.
Diferencias
Ing. R. Morn
45
r8
Autocorrelacin - Ejemplos
Serie con tendencia no lineal
Correlogram a
1400
1200
Coeficientes
Unidades
1000
800
600
400
200
0
1
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
r1
7 10 13 16 19 22 25 28 31 34 37 40 43 46
r2
r5
r6
r7
r8
Coef. Autocorr.
Meses
Correlograma diferencias
1400
1200
1000
800
600
400
200
0
-200
Coeficientes
Unidades
r3 r4
7 10 13 16 19 22 25 28 31 34 37 40 43 46
Meses
Demanda
0,5
0,0
-0,5
-1,0
r2
Diferencias
r4
r6
Coef. Autocorr.
Ing. R. Morn
46
r8
r10
r12
Lmites 95%
Autocorrelacin - Ejemplos
Correlograma
Coeficientes
600
Unidades
500
400
300
200
100
0
1
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
r2
7 10 13 16 19 22 25 28 31 34 37 40 43 46
Meses
800
Coeficientes
Unidades
600
400
200
0
-200
4
7 10 13 16 19 22 25 28 31 34 37 40 43 46
r8
r10
r12
Lmites 95%
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
r1 r2 r3 r4 r5 r6 r7 r8 r9 r10 r11 r12 r13
Meses
Demanda
r6
r4
Coef. Autocorr.
Coef. Autocorr.
Ing. R. Morn
47
Lmites 95%
48
6,68
44,01
47
Sumas
Promedios = 309,00
Desv. Est.= 152,21
N=
45
46
47
48
Nov
Dic
5429
Lmites 5%
0,29
r1
0,30
r2
0,16
r3
0,06
r4
-0,07
r5
-0,33
r13
0,28
53
24707,29
-318,24
-3928,60
r6
-0,58
-51228,80
99
501,66
-29018,00
276,61
2303,53
r7
-0,41
-36422,44
-7317,92
-1946,39
50
11
-71,15
3734,21
260,53
50
2085,74
-5987,56
-29,41
-3841,75
-47
788,08
-51
99
84
465,42
14
-31
-16
5355,19
-2062,43
-4262,28
5675,33
53
-167,26
27
-143,54
r8
-0,12
-10423,11
-3707,56
-437,83
-1069,24
-1040,73
1126,68
-73
-167,07
-12
-6128,39
1248,04
-1257,58
58
934,34
11
84
51
-19
14500,46
1960,38
1148,08
3292,12
-638,09
11
84
14
-12
848,97
r9
-0,14
-12640,11
-834,00
-3261,54
-181,58
-531,37
-13
-51
-30
-45
-822,69
-401,07
2850,04
2811,36
50
11
2584,66
26621,15
-73
-1259,45
-3657,24
-271,28
-2966,94
-39
490,51
99
50
35
-53
89092
-74
-13
-676,13
-7218,60
60
53
99
44
-54,77
-3875,28
-24
53
642,68
-313,92
2264,46
17
1496
-45
27
-51
592,00
-128,20
44
921,66
3683,53
56
-15
-12
-30
67
3035,21
-7516,56
-2862,22
60
-76
-54
84
14
-12
-45
-30
218,68
5676,29
19
3247,44
1504,25
10,02
r10
0,09
7883,05
-6212,71
-553,88
148,12
-659,79
-3072,30
Dt-5 - Dmed
-209,83
975,40
-53
27
17
-19
1402,00
51
1088,04
-8med)
(Dt - Dmed)*(Dt-8 - D
-885,54
2321,95
841,76
-8
56
-15
-31
-16
-31
-15
56
58
762,00
972,12
67
-30
-54
-76
60
19
2050,57
24
14
-12
-45
Dt-12 - Dmed
5990,85
60
19
r11
0,19
16753,11
-1055,05
451,83
566,59
-12
-45
-30
-54
2157,23
-117,54
Dt-13 - Dmed
-231,86
(D
- Dmed)
t - D med)*(Dt-12-76
-4035,24
67
24
44
(Dt - Dmed)*(Dt-11 - Dmed)
Dt-11 - Dmed
634,61
44
27
521,91
-319,11
(D
- Dmed)
t - D med)*(Dt-10-12
-24
-47
27
D702,87
t-10 - D med
-24
-16
-12
-108,26
-47
Dt-9 - Dmed
-517,07
58
-19
-827,92
Dt-8 - Dmed
1418,27
-19
51
-26
-25
(Dt - Dmed)*(Dt-7 - Dmed)
584,46
299,97
-25
Dt-7 - Dmed
(D
Dmed)
t - D med)*(Dt-6 --19
-341,66
-26
292,93
-69
-69
17
-20
288,93
Dt-6 - Dmed
2107,19
-20
27
-53
35
44
35
-17
428,38
2274,42
Dt-4 - Dmed
t =1
44
Y )
-39
-51
r12
0,41
-17
-73
36443,84
161
860,66
5283
275,27
-725,71
3387,44
t k
-13
136,44
-73
391,19
14
1058,08
-4273,37
-36,37
84
1385,53
-573,66
-463,30
1111,06
1646,97
-192,98
-454,30
11
3397,12
-8
-45
-148,39
-2550,22
3736,95
-50,45
3926,00
50
-326,88
-12
288,29
-5033,58
1728,29
61,85
-173,32
99
14
-254,26
-2702,26
364,19
404,63
53
84
123,66
-5331,54
-3808,20
682,76
1538,59
-218,90
48,89
-54
975,40
11
230,34
-1582,56
-209,83
-856,05
2569
217,34
-30
-76
27
17
1628,97
348,23
-517,69
-1220,64
(Y Y )
t
-51
50
-45
428,97
-12
99
-76
230,29
-54
53
24
-2382,34
67
19
-2947,88
-30
44
-45
27
-622,81
-4437,66
-2701,17
60
19
24
44
27
t =1
-45
-16
-12
-54
-8
763,48
-1160,13
-31
58
14
-12
116,70
-15
841,76
-19
4495,83
1422,17
-12
2321,95
-856,64
-25
84
14
-319,11
-31
-16
5086,06
603,53
8374,51
r11
0,19
17
11
16753,11
84
-231,86
27
1186,74
2505,87
60
2059,78
27
2682,97
451,83
-1493,52
762,00
1124,21
-30
-517,69
56
-76
35
-53
50
-2248,30
634,61
11
-45
44
-607,62
-3072,30
-17
5295,61
-587,77
-284,07
-6381,34
2050,57
4997,66
-12
-76
-24
-885,54
1418,27
99
720,53
-1055,05
26,25
-53
963,95
288,93
50
14
-54
3901,57
-4526,32
67
1593,23
-284,07
2107,19
2843
4242,87
-54
521,91
-517,07
1088,04
276,63
-827,92
27
-1980,22
428,38
9864
84
195,55
-335,96
-1138,15
-8
19
24
44
t = k +1
53
569,57
2
-30
-674,26
-26
-786,34
346,70
-54,92
2505,87
1186,74
-1850,64
-283,62
3791,36
-186,79
2584,66
-510,34
-599,45
608,14
1152,12
-114,77
573,14
1008,29
-1108,41
r12
0,41
36443,84
860,66
1728,29
376,38
-168,56
2720,59
-326,88
3216,17
1918,76
3387,44
275,27
3736,95
391,19
136,44
1058,08
1385,53
-36,37
1646,97
1111,06
3397,12
-148,39
3926,00
-454,30
2274,42
-701,58
288,29
-173,32
872,04
1076,97
603,83
-254,26
1538,59
404,63
2059,78
-827,92
-856,05
-45
-30
-54
-76
60
19
67
24
44
27
-12
-24
-47
-16
-31
-15
56
-8
58
-19
51
-26
-25
-19
-69
-20
17
27
-53
35
44
-17
t k
Dt-13 - Dmed
(Y Y )
(Dt - Dmed)*(Dt-2 - Dmed)
Dt-2 - Dmed
-17
99
11
-505,75
-2502,66
14
2532
-30
-12
-45
-54
376,38
-54
-132,22
-3767,45
-25
2274,42
56
67
44
1010,04
-12
-133,03
1593,23
984,12
1812,55
-1138,15
rk =
t = k +1
(Y Y )(Y
(Y Y )(Y
rk =
50
-45
67
-12
19
162,08
-984,92
24
14
-12
44
954,42
1207,38
-12
863,72
-701,58
51
-15
58
84
r10
0,09
14
7883,05
-20
128
-553,88
7110
-6212,71
-17
11
3035,21
84
218,68
60
348,23
-1083,69
5676,29
-76
-1220,64
-54,92
-768,66
-26
-827,92
-1086,60
-186,79
-54
27
24
-283,62
33,21
-1980,22
-225,66
3791,36
-47
-3007,88
-1850,64
-425,00
3835,57
-168,56
-30
10,02
19
1402,00
-19
-599,45
-30
-76
566,59
67
608,14
-639,79
2720,59
2157,23
-45
-704,58
-659,79
-810,86
1008,29
-45
-117,54
-30
148,12
-863,20
35
-133,03
-167,26
60
19
984,12
-24
2274,42
-53
-1108,41
-12
884,02
-2695,11
-47
44
-510,34
-27,09
411,70
205
60
-76
27
1271,21
-1138,15
14
627,04
14
3381,48
84
-54
3247,44
-76
19
-27,09
60
2398,51
67
24
-54
702,87
-24
346,70
-8
-103,62
56
51
2584,66
-1315,43
-15
-30
r9
-0,14
-31
521,91
-12640,11
-26
1326,17
-834,00
-19
-45
-3261,54
-69
-30
-510,34
58
-12
-16
1812,55
17
136
44
-24
-721,81
-19
-340,41
-24
-31
35
-20
1996
84
11
44
-12
682,76
-17
-45
24
963,95
-1998,09
1628,97
67
1593,23
-8
63,36
-592,73
-573,41
58
2496,02
627,04
-988,30
19
-209,83
56
-945,86
1369,63
-1790,32
-108,26
346,70
27
-47
-12
102,78
-12
-27,09
-810,86
-1466,52
-8
-650,64
-31
60
1504,25
-45
-12
44
1538,59
-15
-16
2246,27
-30
56,40
274,25
-76
27
2264,46
-2379,09
-224,56
1593,29
24
44
151,17
-54
156,12
-1305,47
3532,85
-3868,05
-68,83
67
24
17
44,80
-3613,75
56
-1359,75
-47
-1147,77
-945,86
-907,03
881
19
67
299,97
-401,07
-31
1792,19
27
-15
-323,54
-592,73
-2703,54
-30
139,89
-1037,07
-26
-15
-31
-1093,83
Oct
34
Oct
60
19
60
-175,52
19
-3237,98
67
60
24
-76
27
-24
-12
-124,49
-786,34
884,02
56
4062,61
-128,20
-45
-12
-30
-2067,54
-15
-76
27
51
-838,17
-694,96
-19
-54
-3354,11
218,21
-31
-16
-16
44
89,72
-428,39
-2068,86
-302,94
-19
2882
-1840,49
-8
-16
-47
-2815,75
-20
24
-16
-69
-54
-5094,77
-47
-47
56
-122,09
44
Sep
33
Sep
67
44
-901,83
-1086,60
-1428,41
58
-19
51
-26
-25
-19
-69
35
44
32
Ago
-1462,09
r8
-0,12
19
-10423,11
-4565,00
-437,83
-24
-47
592,00
60
-3707,56
-457,49
-192,98
-704,58
-856,64
5728
-24
-2701,17
-12
276,63
-76
-225,66
5086,06
1647,87
63,36
27
-12
-988,30
17
27
-20
-53
Ago
31
Jul
527,78
-1315,43
2673,29
11
27
50
-357,03
44
-12
856,21
-16
1271,21
-302,94
1466,91
-45
44
-76
-2065,41
24
-54
469,83
3532,85
-24
-2815,75
4060,63
60
24
56
-1275,28
-1049,52
-681,22
67
19
1300,55
67
442,38
1165,31
-225,66
67
27
757,23
19
24
44
373
-15
-107,45
3638
-47
627,04
-16
527,53
60
-31
19
1792,19
-12
-47
-1052,09
-17
43
30
Jun
171,48
-47
58
1352,89
Jul
29
May
-19
-15
-2065,41
-25
-31
1369,63
-340,41
1593,23
218,21
-69
-1055,62
-1215,28
-19
-16
-20
-3142,52
-4005,41
-47
-8
-69
-1594,17
-8
56
-1089,45
-24
-16
-24
-357,03
-19
-786,34
545,27
-646,94
2496,02
426,85
-12
-24
-1466,52
56
1839,10
-3007,88
-650,64
884,02
27
-15
67
-746,13
-1439,37
27
-15
-31
-25
2983,53
-381,34
-1497,69
44
r7
-0,41
-1359,75
17
1637,14
-31
-16
367,66
24
-694,96
-36422,44
-1135,24
-20
4532
-16
-50,45
-47
116,70
-575,90
-2068,86
442,38
58
1283,02
67
-47
-607,62
-24
863,72
-284,07
-1049,52
-6381,34
-53
311,61
42
28
Abr
-24
102,78
-12
-746,13
664,38
-517,69
-19
-517,69
-209,83
-1055,62
27
-12
584,46
-1381,05
1077,80
1210,76
-25
787,91
44
27
-12
-8
-1215,28
51
362,34
591
1964
-721,81
1538,59
51
-19
143,48
24
44
56
347,66
-24
442,38
412,21
-17
41
27
Mar
-1946,39
-7317,92
-401,07
-15
-12
-681,22
-69
-53
35
-827,92
Jun
26
Feb
r6
-0,58
-15
-838,17
-54
-31
60
-428,39
-76
-16
44
-1275,28
-2067,54
-2379,09
58
-31
-47
27
44
-19
-16
-646,94
19
24
89,72
726,55
58
-24
-1381,05
-31
-26
-319,11
-12
-8
58
-25
-12
181,89
50
99
-657,86
348,97
1198,80
7
746
-8
56
371,34
-26
1402,00
-19
387,02
-19
27
171,48
-1333,69
-16
-319,11
-2395,62
27
44
1145,66
May
25
Ene
56
-51228,80
-15
-3841,75
358,38
61,85
347,66
-4273,37
-31
26,25
-15
-1493,52
183,17
-704,58
726,55
-1083,69
-16
-863,20
-31
56,40
545,27
-1998,09
371,34
-1428,41
51
-381,34
-47
-4526,32
872,04
-901,83
-24
-457,49
-16
84
-19
-3142,52
276,61
-3928,60
-2722,39
1105,44
-657,86
1105,44
58
-47
181,89
-24
358,55
888,80
-136,73
274,25
377,02
-47
-8
561
-1574,52
136
-2629,03
-24
-25
-701,58
17
-224,56
-56,22
561
56
3206,08
1210,76
402,70
27
461,06
151,17
-1390,00
-12
685,31
308,61
-69
-871,71
-444,77
-24
-15
-20
872,04
-19
324,38
35
-659,79
-17
40
24
Dic
1432,21
1076,97
-19
27
757,23
-47
-704,58
-26
-69
-341,66
-12
-107,45
44
1300,21
44
328,29
Abr
23
Nov
-31
99
732,00
53
-16
2179
60
-47
-54
-804,73
19
-3043,88
39
22
Oct
14
51
24
292,93
-16
-19
67
-25
-47
-914,49
-76
195,55
787,91
-24
-12
58
-768,66
362,34
-225,66
1647,87
120,44
-26
-25
292,93
-8
-8
377,02
-19
1152,12
51
-883,13
r5
-0,33
-1574,52
258,51
-53
-1010,00
-3868,05
-26
56
-29018,00
51
-26
-318,24
573,14
-753,41
35
-674,26
-20
1010,04
-753,41
230,21
51
1030,08
364,19
-19
6686,08
19
-573,66
-15
274,25
67
3216,17
-335,96
-1789,28
1918,76
60
884,02
58
-19
-2695,11
235,66
-856,17
156,12
-8
-114,77
-25
-20
-385,58
27
-3524,64
-510,34
-25
481,10
Dt-3 - D med
58
1198,80
-69
-53
-427,45
-69
-907,03
-1446,32
-31
-573,41
-1727,92
387,02
-26
-24
527,53
199,95
17
17
246
Dt-2 - D med
-8
-25
-2395,62
136
-1052,09
-1135,24
56
-69
-19
-1594,17
450,42
19
-4035,24
143,48
27
485,74
-958,69
-2703,54
411,70
44
-16
-826,81
5990,85
-76
412,21
126,76
-20
-17
-17
38
21
Sep
56
60
-2862,22
402,70
51
-1333,69
-15
-7516,56
-54
-19
-26
872,04
17
17
1695,10
-19
-1093,83
189,57
941
216
-56,22
-2062,43
-1390,00
-804,73
-19
746
-1147,77
-144,05
-69
505,42
-31
-15
r4
-0,07
4
-288,90
Mar
20
-5987,56
53
-872,24
-2425,75
Feb
19
Jul
Ago
-167,07
r3
0,06
3734,21
-25
-76
123,66
11
189,57
-5331,54
84
-1446,32
-54
-1582,56
-30
-25
230,34
-30
-26
-2382,34
-54
197,25
-2947,88
-45
-76
2890,25
1223,72
-30
-622,81
627,04
51
24
-4437,66
-12
-54
-26
972,12
-45
763,48
-27,09
-394,17
-1305,47
60
-1052,09
-3354,11
24
3381,48
67
51
44
-3613,75
-76
19
-19
-1840,49
67
27
143,48
4
-47
3284,48
24
-1037,07
-12
58
5675,33
-51
-24
-19
51
-2722,39
-15
-447,94
292,93
58
56
-432,58
5355,19
51
-8
1960,38
-25
58
-3808,20
-1160,13
14
48,89
-26
59
-5094,77
19
-20
-19
358,55
27
-20
461,06
-20
3172
67
-3237,98
2398,51
-4005,41
-914,49
-8
1964
-323,54
35
-502,69
-19
-53
-8
-181,58
-76
-12
4495,83
217,34
44
56
848,97
14
-30
1422,17
84
-505,75
35
37
18
Jun
-12
-1069,24
-2248,30
14
603,53
33,21
-17
Ene
17
May
-1040,73
84
-45
8374,51
11
-2502,66
-69
-1462,09
60
-1790,32
44,80
-1089,45
19
4062,61
527,78
-19
14
-143,54
-587,77
84
2682,97
-45
-575,90
426,85
-6128,39
11
-12
1124,21
50
720,53
-786,34
-4565,00
-76
2673,29
-1439,37
58
-2629,03
358,38
-25
84
-638,09
4242,87
11
5295,61
-132,22
274,25
-1497,69
603,83
120,44
56
-1789,28
-26
-822,69
50
84
4997,66
99
2
197,25
2992,89
11
-1259,45
14
569,57
50
2843
-30
2890,25
51
60
2882
17
984,12
-69
-180,64
1763,78
-1089,45
5728
-54
19
367,66
367,66
-136,73
7
-510,34
-19
-3657,24
99
954,42
11
9864
53
-425,00
767,57
3401
-76
27
-695,11
58
24
44
3618,17
35
16
Abr
-725,71
50
-676,13
84
2532
99
-3767,45
-24
-20
44
4060,63
60
139,89
-12
1283,02
469,83
67
856,21
-69
-284,07
348,97
24
1165,31
1466,91
-19
1839,10
-136,73
-20
-8
685,31
-31
-69
-883,13
-15
58
461,06
573,14
56
1432,21
183,17
-19
-25
-856,17
479,74
58
-26
-826,81
51
-958,69
56
-26
51
216
35
-1052,09
-53
-394,17
-19
1352,89
51
3284,48
1402,00
143,48
58
349
1300,55
19
27
-19
-432,58
-53
-447,94
-8
888,80
58
-701,58
59
3172
-19
17
-8
56
-455,71
36
15
Mar
27
-26
-444,77
2992,89
-1010,00
51
17
-1089,45
-20
-19
505,42
3401
-3524,64
58
-69
-25
-20
479,74
-958,69
-26
1763,78
-958,69
-69
-20
-19
-69
-19
51
479,74
349
-122,09
-69
54
609
27
375,61
-19
44
375,61
-19
479,74
-187,96
-19
-1266,60
35
-1266,60
-187,96
-25
-1317,92
44
349
-25
-323,54
-53
-25
573,14
230,21
-31
-17
1283,02
611,70
633,83
-19
-15
732,00
44
324,38
-1876,30
-871,71
1036,80
27
-1317,92
67
3638
44
-53
-1189,49
35
-537,66
17
-25
373
60
2246,27
258,51
-53
1300,21
473,14
-17
-26
14
-7218,60
53
128
50
35
27
1351,70
-53
-340,86
-20
660
-2550,22
99
-54,77
-385,58
17
4717
-674,26
35
387
-69
27
-53
1210,76
2634
199,95
44
-427,45
964,89
51
27
35
17
-1439,20
-26
126,76
-53
485,74
746
-739,28
Dic
14
Feb
17
27
-20
878,76
Dt-1 - Dmed
Autocorrelacin - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de primer orden
Nov
13
Ene
-17
1695,10
-2334,77
-69
-73
-20
44
461,06
-51
-502,69
50
-3875,28
11
50
-69
-589,15
-1860,64
-19
-17
35
-180,64
-5033,58
53
642,68
-984,92
14
-136,73
Dt-3 - Dmed
1565,31
2775
(Dt - Dmed)^2
44
-53
99
-313,92
-51
-639,79
-12
-12
-19
-2702,26
921,66
-45
1207,38
2
54
235,66
481,10
-16
27
311,61
Dt - Dmed
-17
1247
609
11
53
3683,53
-73
-167,26
14
-30
428,97
-218,90
-51
161
-12
-827,92
Dt-12 - Dmed
1964
35
-25
99
5283
-13
205
-45
11
-45
12
136
Dic
-54
Nov
-103,62
44
19
-17
1145,66
1326,17
-659,79
-30
-17
19
2569
-73
-3043,88
1996
35
44
-45
984,12
r2
0,16
-2425,75
14500,46
r1
0,30
35
-76
-53
60
1593,29
-510,34
26621,15
3618,17
27
27
934,34
-53
-12
2983,53
-323,54
2811,36
-13
-1876,30
664,38
44
17
-73
2850,04
27
27
1637,14
367,66
490,51
-39
-1189,49
-13
5429
17
1077,80
24
-20
44
4532
1283,02
1496
-74
1351,70
591
67
-69
-39
-20
24
349
-175,52
-54
7110
162,08
4717
-912,39
-20
17
-19
Dt-7 - D med
-51
328,29
Dt-8 - D med
-76
-68,83
346,70
-69
-17
633,83
-26
112,76
-25
2634
-1727,92
10
Dt-5 - D med
44
660
51
-8
Oct
-26
56
Sep
Dt-4 - D med
35
89092
1036,80
Lmites 5%
0,29
-53
6,68
44,01
47
-537,66
Dt-9 - D med
Sumas
Promedios = 309,00
Desv. Est.= 152,21
N=
27
48
-340,86
47
Dic
-124,49
84
230,29
17
Nov
-54
14
53
387
46
-20
43
44
45
Oct
Ago
Sep
-288,90
Jul
Ago
-17
42
767,57
41
-455,71
39
5
881
-30
44
40
Jun
-17
Mar
2
-30
521,91
611,70
Abr
May
-12
1210,76
38
35
36
44
Dic
964,89
37
Feb
-912,39
Ene
35
35
-53
Nov
473,14
34
-1439,20
33
Oct
27
Sep
-53
31
32
-8
-31
2179
-47
300
Jul
Ago
746
30
-15
246
-47
276,61
17
28
941
-16
450,42
27
27
Abr
29
Jun
Mar
-12
Jul
May
Dt-10 - Dmed
Ing. R. Morn
24
Jun
26
878,76
25
Feb
-17
Ene
-2334,77
23
-31
44
Nov
-15
-1860,64
22
35
21
Oct
2775
19
20
Sep
-53
Jul
Ago
18
May
17
Jun
-589,15
May
-17
16
-739,28
Abr
1565,31
15
44
Mar
-17
14
1247
13
Feb
-19
1964
Ene
278
44
27
35
Dic
10
-17
300
44
12
11
Dic
Nov
17
Abr
Mar
278
Jul
-17
Ago
Sep
-10,00
51,00
42,00
-46,00
34,00
24,00
-13,00
-62,00
-12,00
14,00
-18,00
-19,00
58,00
-12,00
65,00
-1,00
63,00
-8,00
-24,00
-9,00
-40,00
-17,00
-5,00
34,00
51,00
31,00
74,00
26,00
67,00
-69,00
-47,00
9,00
-23,00
-38,00
-5,00
21,00
91,00
18,00
57,00
106,00
60,00
11,00
-44,00
-66,00
-6,00
-32,00
-67,00
Jun
Feb
May
-10,00
51,00
42,00
-46,00
34,00
24,00
-13,00
-62,00
-12,00
14,00
-18,00
-19,00
58,00
-12,00
65,00
-1,00
63,00
-8,00
-24,00
-9,00
-40,00
-17,00
-5,00
34,00
51,00
31,00
74,00
26,00
67,00
-69,00
-47,00
9,00
-23,00
-38,00
-5,00
21,00
91,00
18,00
57,00
106,00
60,00
11,00
-44,00
-66,00
-6,00
-32,00
-67,00
Ene
Yt
130
120
171
213
167
201
225
212
150
138
152
134
115
173
161
226
225
288
280
256
247
207
190
185
219
270
301
375
401
468
399
352
361
338
300
295
316
407
425
482
588
648
659
615
549
543
511
444
Yt
130
120
171
213
167
201
225
212
150
138
152
134
115
173
161
226
225
288
280
256
247
207
190
185
219
270
301
375
401
468
399
352
361
338
300
295
316
407
425
482
588
648
659
615
549
543
511
444
Abr
Dt = Yt - Yt-1
Dt - D med
Oct
1
(Dt - Dmed)^2
Dt-1 - D med
Mar
Feb
Dt-6 - D med
Ene
Dt-11 - Dmed
Autocorrelacin - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de primer orden
24707,29
3292,12
1148,08
-29,41
3901,57
3835,57
260,53
1030,08
6686,08
1223,72
501,66
2303,53
-167,26
276,61
2085,74
465,42
-71,15
788,08
-4262,28
-463,30
1126,68
-1257,58
1248,04
-1138,15
-674,26
-85,49
442,38
3206,08
308,61
-531,37
-401,07
-2966,94
-271,28
2584,66
311,61
Y )
Autocorrelacin - Ejemplos
311,61
-85,49
Modelos de Suavizado
PROMEDIOS MVILES SIMPLES
Pronstico con promedio mvil de n meses:
Ft =
Yt 1 + Y t 2 + L + Yt n
n
Ing. R. Morn
49
Modelos de Suavizado
SUAVIZACIN EXPONENCIAL SIMPLE
Pronstico:
Ft = Ft 1 + [Yt 1 Ft 1 ] =
= Yt 1 + (1 ) Ft 1
Ing. R. Morn
50
AO 1
78
92
85
84
88
73
79
81
75
73
81
79
AO 2
85
93
87
83
78
86
83
92
68
75
83
82
Ing. R. Morn
51
AO 3
92
93
90
82
87
93
81
90
87
95
82
89
AO 4
86
91
86
99
86
89
82
91
84
82
92
91
DEM. HIST.
Ing. R. Morn
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
PM 4 PERODOS
Yt
Ft
ENE
78
#N/A
PROMEDIOS
SUAVIZACIN EXPONENCIAL SIMPLE
FEB
92 MVILES Y#N/A
MAR
85
#N/A
1 ENE
78
#N/A
78,00
ABR
84 92
#N/A
2 FEB
#N/A
78,00
3 MAR
85
#N/A
82,20
4 ABR
#N/A 84,75
83,04
MAY
88 84
3,25 83,33
5 MAY
88
84,75
3,25
6 JUN
73
87,25
-14,25
84,73
JUN
73 79
87,25 -3,50 -14,25 81,21
7 JUL
82,50
8 AGO
81
81,00
0,00
80,55
9 SET
75
80,25
-5,25
80,68
JUL
79
82,50 -4,00
-3,50 78,98
10 OCT
73
77,00
NOV
81
77,00
4,00
77,18
AGO 11
81
81,00
0,00
12 DIC
79
77,50
1,50
78,33
ENE
77,00
8,00
SET 13
75 85
80,25 13,50
-5,25 78,53
14 FEB
93
79,50
80,47
15 MAR
87
84,50
2,50
84,23
ABR
83
86,00
-3,00
85,06
OCT 16
73
77,00
-4,00
17 MAY
78
87,00
-9,00
84,44
JUN
85,25
0,75
NOV 18
81 86
77,00 -0,50
4,00 82,51
19 JUL
83
83,50
83,56
20 AGO
92
82,50
9,50
83,39
21 SET
68
84,75
85,97
DIC
79 75
77,50 -16,75
1,50 80,58
22 OCT
82,25
-7,25
23 NOV
83
79,50
3,50
78,91
ENE 24 DIC
85 82
77,00
8,00 80,13
79,50
2,50
ENE
92
77,00
15,00
80,69
FEB 25
93 93
79,50 10,00
13,50 84,09
26 FEB
83,00
27 MAR
90
87,50
2,50
86,76
ABR
89,25
MAR 28
87 82
84,50 -7,25
2,50 87,73
29 MAY
87
89,25
-2,25
86,01
30 JUN
93
88,00
5,00
ABR 31 JUL
83 81
86,00 -7,00 -3,00 86,31
88,00
88,32
32 AGO
90
85,75
4,25
86,12
87,75
MAY 33 SET
78 87
87,00 -0,75 -9,00 87,28
34 OCT
95
87,75
7,25
87,20
NOV
88,25
JUN 35
86 82
85,25 -6,25
0,75 89,54
36 DIC
89
88,50
0,50
87,28
37 ENE
86
88,25
-2,25
87,79
JUL
83 91
83,50
-0,50 87,26
38 FEB
88,00
3,00
39 MAR
86
87,00
-1,00
88,38
ABR
88,00
AGO 40
92 99
82,50 11,00
9,50 87,67
41 MAY
86
90,50
-4,50
91,07
JUN
89
90,50
-1,50
89,55
SET 42
68
84,75
-16,75
43 JUL
82
90,00
-8,00
89,38
AGO
89,00
2,00
OCT 44
75 91
82,25 -3,00
-7,25 87,17
45 SET
84
87,00
88,32
46 OCT
82
86,50
-4,50
87,02
NOV
92
84,75
7,25
85,52
NOV 47
83
79,50
3,50
48 DIC
91
87,25
3,75
87,46
87,25
DIC ERROR MEDIO (5 a 48)
82
79,50
2,50 88,52
0,20
SUMA CUAD. ERRORES (5 a 48)
1968,69
CUADR. MEDIO
ENEERROR
92 (5 a 48)
77,00 44,74
15,00
DESV. STD. ERRORES (5 a 48)
6,76
6,30
FEBMAPE (5 a 48) EN %93
83,00
10,00
MAR
90
87,50
2,50
ABR
82
89,25
-7,25
MAY
87
89,25
-2,25
JUN
93
88,00
5,00
JUL
81
88,00
-7,00
AGO
90
85,75
4,25
SET
87
87,75
-0,75
OCT
95
87,75
7,25
NOV
82
88,25
-6,25
DIC
89
88,50
0,50
ENE
86
88,25
-2,25
FEB
91
88,00
3,00
MAR
86
87,00
-1,00
ABR
99
88,00
11,00
MAY
86
90,50
-4,50
JUN
89
90,50
-1,50
JUL
82
90,00
-8,00
AGO
91
89,00
2,00
SET
84
87,00
-3,00
OCT
82
86,50
-4,50
NOV
92
84,75
7,25
DIC
91
87,25
3,75
87,25
PRONSTICO MES 49
PER. MES
DEM. HIST.
PM 4 PERODOS
Yt
Ft
et
PRONSTICO MES 49
0,20
1968,69
44,74
6,76
6,30
52
Ft
Ft
et
78,00
78,00
82,20
0,00
83,04
14,00
2,80
0,96
83,33
4,67
-11,73
84,73
-2,21
0,45
-5,68
81,21
-5,98
3,82
80,55
0,67
6,47
80,68
12,53
2,77
-2,06
78,98
-6,44
3,49
77,18
-0,56
8,61
-17,97
78,33
-5,58
4,09
78,53
1,87
11,31
80,47
8,91
3,24
-5,73
84,23
0,99
6,69
85,06
-7,32
3,88
-0,28
84,44
7,80
-7,54
82,51
1,72
-1,79
83,56
3,74
-2,38
11,33
83,39
-5,07
-0,55
85,97
-7,38
3,83
80,58
-4,32
-5,02
6,48
78,91
3,54
80,13
0,39
1791,47
40,72
80,69
6,44
6,19
84,09
86,76
87,73
86,01
86,31
88,32
86,12
87,28
87,20
89,54
87,28
87,79
87,26
88,38
87,67
91,07
89,55
89,38
87,17
88,32
87,02
85,52
87,46
88,52
0,00
14,00
2,80
0,96
4,67
-11,73
-2,21
0,45
-5,68
-5,98
3,82
0,67
6,47
12,53
2,77
-2,06
-6,44
3,49
-0,56
8,61
-17,97
-5,58
4,09
1,87
11,31
8,91
3,24
-5,73
0,99
6,69
-7,32
3,88
-0,28
7,80
-7,54
1,72
-1,79
3,74
-2,38
11,33
-5,07
-0,55
-7,38
3,83
-4,32
-5,02
6,48
3,54
et
0,39
1791,47
40,72
6,44
6,19
UNIDADES
95
90
85
80
75
70
65
1
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
PERODOS
DEMA NDA
PM 4 PER.
Ing. R. Morn
53
Modelos de Suavizado
SUAVIZACIN EXPONENCIAL ADAPTATIVA
(ARRES - Adaptive Response-Ratio Exponential Smoothing).
Determina automticamente el coeficiente de suavizacin en base a los errores de
los perodos previos.
Pronstico:
Ft = Ft 1 + TSTt 1 (Yt 1 Ft 1 )
con:
TSTt 1 =
donde:
SADt 1
MADt 1
MADt 1 = Yt 1 Ft 1 + (1 ) MADt 2
son la desviacin media y de la desviacin absoluta media del pronstico obtenidas
por suavizacin exponencial.
Ing. R. Morn
54
Modelos de Suavizado
SUAVIZACIN EXPONENCIAL ADAPTATIVA (Cont.)
= 0,2
SAD1 = 0
MAD1 = Fijado en base a los primeros perodos, por ejemploY2 Y1, o por
valores histricos.
Ing. R. Morn
55
SE Adaptativa - Ejemplo
PER. MES
DEM. HIST.
BETA = 0,2
PRONST.
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Yt
SADt
MADt
TSTt
Ft
ADAPTATIVA (ARRES)
ENE
90 SUAVIZACIN EXPONENCIAL
0,00
3,00
FEB
93 DEM. HIST.
0,60
3,00
0,20 PRONST.
90,00
PER. MES
BETA = 0,2
ERROR
MAR
91
0,56SADt
2,48
0,23
t
Yt
MADt
TSTt
Ft 90,60et
1 ENE92
90
3,00
ABR
0,71 0,00
2,25
0,32
90,69
2 FEB
93
0,60
3,00
0,20
90,00
3,00
MAY
93
0,95
2,18
0,44
91,10
3 MAR
91
0,56
2,48
0,23
90,60
0,40
JUN
1,57 0,71
2,55
0,62
4 ABR96
92
2,25
0,32
90,69 91,93
1,31
5 MAY96
93
2,18
0,44
91,10 94,43
1,90
JUL
1,57 0,95
2,36
0,67
6 JUN
96
1,57
2,55
0,62
91,93
4,07
AGO
1,16 1,57
1,98
0,59
7 JUL95
96
2,36
0,67
94,43 95,48
1,57
8 AGO
95
1,98
0,59
95,48 95,20
-0,48
SET
96
1,09 1,16
1,75
0,62
9 SET
96
1,09
1,75
0,62
95,20
0,80
OCT
96
0,93 0,93
1,46
0,64
95,70
10 OCT
96
1,46
0,64
95,70
0,30
NOV
0,97 0,97
1,39
0,70
11 NOV97
97
1,39
0,70
95,89 95,89
1,11
12
DIC
99
1,24
1,58
0,79
96,66 96,66
2,34
DIC
99
1,24
1,58
0,79
13 ENE
98
0,89
1,36
0,66
98,50
-0,50
ENE
0,89 0,88
1,36
0,66
14 FEB98
99
1,25
0,70
98,17 98,50
0,83
FEB
99
0,88 0,75
1,25
0,70
15 MAR
99
1,05
0,71
98,75 98,17
0,25
16 ABR99
97
1,23
0,18
98,93 98,75
-1,93
MAR
0,75 0,22
1,05
0,71
17 MAY
99
0,26
1,06
0,24
98,59
0,41
ABR
0,22 0,47
1,23
0,18
18 JUN97
100
1,11
0,42
98,69 98,93
1,31
19 JUL99
100
1,04
0,50
99,24 98,59
0,76
MAY
0,26 0,53
1,06
0,24
20 AGO
99
0,30
0,96
0,31
99,62
-0,62
JUN
100
0,47
1,11
0,42
98,69
21 SET
98
-0,05
1,05
0,05
99,43
-1,43
JUL
100
0,53 0,29
1,04
0,50
22 OCT
101
1,17
0,25
99,36 99,24
1,64
23 NOV99
102
1,38
0,49
99,77 99,62
2,23
AGO
0,30 0,68
0,96
0,31
24 DIC
103
0,97
1,53
0,63
100,86
2,14
SET
98
-0,05
1,05
0,05
102,21 99,43
PRONSTICO MES 25
OCT
101
0,29
1,17
0,25
99,36
ERROR MEDIO
0,93
NOV
102 (2 a 24)
0,68
1,38
0,49
99,77
SUMA CUAD. ERRORES (2 a 24)
63,00
DIC
103 MEDIO (2 a 24)
0,97
1,53
0,63
100,86
ERROR CUADR.
2,74
1,40
PRONSTICO MESDESV.
25 STD. ERRORES (2 a 24)
102,21
MAPE (2 a 24) EN %
Ing. R. Morn
ERROR
et
3,00
0,40
1,31
1,90
4,07
1,57
-0,48
0,80
0,30
1,11
2,34
-0,50
0,83
0,25
-1,93
0,41
1,31
0,76
-0,62
-1,43
1,64
2,23
2,14
1,40
0,93
63,00
2,74
1,40
1,40
56
SE Adaptativa - Ejemplo
SUAVIZACIN EXP. ADAPT AT IVA
105
UNIDADES
100
95
90
85
1
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
PERODOS
DEMA NDA
PRONSTICO
Ing. R. Morn
57
Modelos de Suavizado
PROMEDIOS MVILES DOBLES
Primer promedio mvil (N perodos):
1
( Yt + Yt 1 + L + Yt N +1 )
N
1
( S t + S t1 + L + S t M +1 )
S t =
M
a t = S t + ( S t S t ) = 2 S t S t
2
( S t S t )
bt =
N 1
Ft + m = a t + m bt
S t =
Ventajas:
Desventajas:
Ing. R. Morn
58
PMD - Ejemplo
Ing. R. Morn
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Yt
PM =
S't
PM =
S"t
NIVEL
TEND.
PRON.
ERROR
at
bt
Ft (m=1)
et
PRONSTICO PERODO 31
PRON.
ERROR
Ft (m=1)
et
1,00
1,33
68,00
1,11
70,00
70,56
0,56
69,78
1,00
72,00
74,78
1,56
75,89
77,00
1,44
79,11
1,33
82,56
83,78
1,56
84,22
2,11
86,89
88,56
1,89
89,22
88,00
1,44
90,00
1,78
96,67
98,22
1,78
98,56
1,44
99,22
99,56
0,67
101,89
1,00
101,67
105,56
2,67
105,89
2,44
1,78
1,44
1,11
1,44
1,00
1,78
1,44
68,00
70,00
70,56
69,78
72,00
74,78
75,89
77,00
79,11
82,56
83,78
84,22
86,89
88,56
89,22
88,00
90,00
96,67
0,05
146,91 98,22
5,88 98,56
2,47
2,37 99,22
99,56
101,89
101,67
105,56
105,89
2,00
-3,00
-1,56
4,22
0,00
-1,78
2,11
0,00
0,89
0,44
-2,78
1,78
1,11
-3,56
-2,22
4,00
5,00
-3,67
-1,22
0,44
-3,22
2,44
-0,89
1,33
-0,56
2,00
-3,00
-1,56
4,22
0,00
-1,78
2,11
0,00
0,89
0,44
-2,78
1,78
1,11
-3,56
-2,22
4,00
5,00
-3,67
-1,22
0,44
-3,22
2,44
-0,89
1,33
-0,56
0,05
146,91
5,88
2,47
2,37
59
PMD - Ejemplo
PROM EDIOS M VILES DOBLES
110
UNIDADES
100
90
80
70
60
1
11
13
15
17
19
PERODOS
DEMA NDA
PRONSTICO
Ing. R. Morn
60
21
23
25
27
29
31
Modelos de Suavizado
SUAVIZACIN EXPONENCIAL DOBLE (Brown)
Nivel:
S t = Yt + (1 ) S t1
S t = S t + (1 ) S t1
a t = S t + ( S t S t ) = 2 S t S t
Tendencia:
bt =
( S t S t )
1
Ft + m = a t + m bt
Pronstico:
donde: 0 1
Valores iniciales:
S 1 = S 1 = a1 = Y1
b1 =
1
2
[(Y2 Y1 ) + (Y4 Y3 ) ]
Ing. R. Morn
61
Modelos de Suavizado
SUAVIZACIN EXPONENCIAL DOBLE (Cont.)
Ventajas:
Es computacionalmente eficiente.
La optimizacin de es simple.
Desventajas:
Ing. R. Morn
62
SED - Ejemplo
Ing. R. Morn
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Yt
S't
ALFA = 0,15
S"t
at
31
32
33
bt
1,50
PRON.
0,02
Ft (m=1)
-0,10
64,50
-0,14
63,30
61,73
0,18
61,12
0,29
65,15
66,78
0,22
66,23
66,68
0,24
70,92
0,54
72,38
71,08
0,61
70,62
73,83
0,47
76,59
0,40
76,58
76,82
0,61
80,55
82,49
0,77
81,52
0,71
80,10
84,64
0,68
87,50
87,85
0,90
87,74
0,98
91,48
93,70
0,84
93,53
92,41
0,67
96,56
99,10
0,96
100,41
1,10
101,71
1,04
0,96
1,17
1,24
1,14
0,97
1,21
1,31
ERROR
et
-0,50
-5,30
-1,73
13,88
4,85
-2,78
0,77
13,32
3,08
-6,38
-3,08
9,38
7,17
-2,59
-1,58
10,18
3,45
-6,49
-7,52
12,90
6,36
-2,50
-3,85
9,26
3,52
-4,70
-7,53
10,59
4,44
1,95
1392,60
48,02
6,77
7,23
PRON.
ERROR
Ft (m=1)
et
64,50
63,30
61,73
61,12
65,15
66,78
66,23
66,68
70,92
72,38
71,08
70,62
73,83
76,59
76,58
76,82
80,55
82,49
81,52
80,10
84,64
87,50
87,85
87,74
91,48
93,70
93,53
92,41
96,56
99,10
100,41
101,71
-0,50
-5,30
-1,73
13,88
4,85
-2,78
0,77
13,32
3,08
-6,38
-3,08
9,38
7,17
-2,59
-1,58
10,18
3,45
-6,49
-7,52
12,90
6,36
-2,50
-3,85
9,26
3,52
-4,70
-7,53
10,59
4,44
1,95
1392,60
48,02
6,77
7,23
63
SED - Ejemplo
SUAVIZACIN EXP. DOBLE
110
UNIDADES
100
90
80
70
60
50
1
11
13
15
17
19
21
23
PERODOS
DEMA NDA
Ing. R. Morn
64
PRONSTICO
25
27
29
31
33
Modelos de Suavizado
SUAVIZACIN EXP. DE DOS PARMETROS (Holt)
S t = Yt + (1 ) ( S t 1 + bt 1 )
bt = ( S t S t 1 ) + (1 ) bt 1
Ft + m = S t + m bt
S 1 = Y1
b1 =
1
2
[(Y2 Y1 ) + (Y4 Y3 ) ]
Ventajas:
Es ms flexible que SED porque nivel y tendencia son suavizados con distintos
pesos. (En MINITAB, si = , aplica SED).
Desventajas:
Ing. R. Morn
65
SE2P - Ejemplo
Ing. R. Morn
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
ALFA = 0,20
Yt
GAMMA = 0,80
St
bt
SUAVIZACIN
EXPONENCIAL DE DOS
PARMETROS (Holt)
63
63,00
-0,50
64 PER. DEM. HIST. 62,80 ALFA = 0,20
-0,26
GAMMA
= 0,80
PRON.
t
Yt
St
bt
Ft (m=1)
66
63,23
0,29
1
63
63,00
-0,50
64
0,37
2
64 63,62
62,80
-0,26
62,50
3
66
63,23
0,29
62,54
68
64,79
1,01
4
64
63,62
0,37
63,53
5
68 66,64
64,79
1,01
63,99
70
1,68
6
70
66,64
1,68
65,80
67
68,06
1,47
7
67
68,06
1,47
68,33
8
69
1,39
69,53
69
69,42 69,42
1,39
9
74
71,45
1,90
70,81
72 71,45
73,08
1,68
73,34
74 10
1,90
73
74,41
1,40
74,76
72 11
1,68
12
78 73,08
76,24
1,75
75,81
77 74,41
77,80
1,59
78,00
73 13
1,40
14
80
79,51
1,69
79,39
78 15
1,75
83 76,24
81,56
1,98
81,20
81
83,03
1,57
83,54
77 16
77,80
1,59
17
86
84,88
1,80
84,60
88 79,51
86,94
2,01
86,68
80 18
1,69
19
85
88,16
1,38
88,95
83 20
1,98
87 81,56
89,03
0,97
89,53
92 83,03
90,40
1,29
90,00
81 21
1,57
22
95
92,35
1,82
91,69
86 23
1,80
93 84,88
93,94
1,63
94,17
97
1,86
95,57
88 24
86,94 95,86
2,01
25
99
97,97
2,07
97,72
96 88,16
99,23
1,42
100,04
85 26
1,38
27
102
100,92
1,64
100,65
87 28
0,97
101 89,03 102,25
1,39
102,56
103
103,51
1,29
103,63
92 29
90,40
1,29
30
105
104,83
1,32
104,79
106,15
31
95 PRONSTICO PERODO
92,35
1,82
93 ERROR MEDIO (293,94
1,63
a 30)
97 SUMA CUAD. ERRORES
95,86(2 a 30)
1,86
ERROR CUADR. MEDIO (2 a 30)
99 DESV. STD. ERRORES
97,97
2,07
(2 a 30)
%
96 MAPE (2 a 30) EN99,23
1,42
102
100,92
1,64
101
102,25
1,39
103
103,51
1,29
105
104,83
1,32
PRONSTICO PERODO 31
PRON.
ERROR
Ft (m=1)
et
62,50
et
62,54
63,53
1,50
3,46
63,99
0,47
4,01
65,80
4,20
68,33
-1,33
-0,53
69,53
3,19
-1,34
70,81
-1,76
73,34
2,19
-1,00
74,76
0,61
75,81
1,80
-2,54
78,00
1,40
1,32
79,39
-3,95
81,20
-2,53
2,00
83,54
3,31
84,60
-1,17
1,43
86,68
1,28
-4,04
88,95
1,35
89,53
-1,56
-0,63
90,00
0,21
91,69
94,17
0,39
147,89
95,57
5,10
97,72
2,26
2,41
100,04
100,65
102,56
103,63
104,79
106,15
1,50
3,46
0,47
4,01
4,20
-1,33
-0,53
3,19
-1,34
-1,76
2,19
-1,00
0,61
1,80
-2,54
1,40
1,32
-3,95
-2,53
2,00
3,31
-1,17
1,43
1,28
-4,04
1,35
-1,56
-0,63
0,21
ERROR
0,39
147,89
5,10
2,26
2,41
66
SE2P - Ejemplo
SUAVIZACIN EXP. DE DOS PARM ET ROS
110
100
UNIDADES
90
80
70
60
50
1
11
13
15
17
19
21
PERODOS
DEMA NDA
Ing. R. Morn
67
PRONSTICO
23
25
27
29
31
0,24
133,66
4,95
2,25
2,31
1,50
3,46
0,47
4,01
4,20
-1,33
-0,53
3,19
-1,34
-1,76
2,19
-1,00
0,61
1,80
-2,54
1,40
1,32
-3,95
-2,53
2,00
3,31
-1,17
1,43
1,28
-4,04
1,35
-1,56
-0,63
0,21
et
0,50
157,19
5,82
2,41
2,47
1,50
2,40
-1,13
3,24
3,09
-2,26
0,32
4,56
-0,78
-0,32
3,93
-0,34
1,60
2,40
-2,42
2,44
1,60
-3,96
-1,32
3,09
2,97
-2,36
1,25
0,90
-4,35
2,47
-1,41
-0,19
0,43
S. EXP. DOBLE
ALFA = 0,30
S"t
at
bt
63,00
63,00
-0,500
63,09
63,51
0,090
63,40
64,82
0,306
63,60
64,55
0,204
64,10
66,41
0,496
64,87
68,48
0,774
65,44
68,11
0,571
66,04
68,84
0,600
67,05
71,77
1,010
67,99
72,38
0,940
68,90
73,16
0,911
70,17
76,07
1,265
71,40
77,17
1,235
72,78
79,22
1,379
74,38
81,82
1,595
75,76
82,18
1,378
77,35
84,81
1,597
79,09
87,22
1,741
80,48
86,94
1,385
81,74
87,65
1,265
83,29
90,49
1,543
85,10
93,55
1,810
86,70
94,15
1,598
88,41
96,39
1,711
90,20
98,56
1,792
91,60
98,13
1,400
93,22
100,79
1,622
94,72
101,69
1,495
96,19
103,09
1,478
97,71
104,79
1,517
62,5
63,6
65,1
64,8
66,9
69,3
68,7
69,4
72,8
73,3
74,1
77,3
78,4
80,6
83,4
83,6
86,4
89,0
88,3
88,9
92,0
95,4
95,8
98,1
100,4
99,5
102,4
103,2
104,6
106,3
et
1,50
2,40
-1,13
3,24
3,09
-2,26
0,32
4,56
-0,78
-0,32
3,93
-0,34
1,60
2,40
-2,42
2,44
1,60
-3,96
-1,32
3,09
2,97
-2,36
1,25
0,90
-4,35
2,47
-1,41
-0,19
0,43
et
Ft
62,5
63,6
65,1
64,8
66,9
69,3
68,7
69,4
72,8
73,3
74,1
77,3
78,4
80,6
83,4
83,6
86,4
89,0
88,3
88,9
92,0
95,4
95,8
98,1
100,4
99,5
102,4
103,2
104,6
106,3
Ft
S't
63,00
63,30
64,11
64,08
65,25
66,68
66,77
67,44
69,41
70,19
71,03
73,12
74,29
76,00
78,10
78,97
81,08
83,16
83,71
84,70
86,89
89,32
90,42
92,40
94,38
94,86
97,01
98,20
99,64
101,25
S. EXP. DOBLE
ALFA = 0,30
S"t
at
bt
63,00
63,00
-0,500
63,09
63,51
0,090
63,40
64,82
0,306
63,60
64,55
0,204
64,10
66,41
0,496
64,87
68,48
0,774
65,44
68,11
0,571
66,04
68,84
0,600
67,05
71,77
1,010
67,99
72,38
0,940
68,90
73,16
0,911
70,17
76,07
1,265
71,40
77,17
1,235
72,78
79,22
1,379
74,38
81,82
1,595
75,76
82,18
1,378
77,35
84,81
1,597
79,09
87,22
1,741
80,48
86,94
1,385
81,74
87,65
1,265
83,29
90,49
1,543
85,10
93,55
1,810
86,70
94,15
1,598
88,41
96,39
1,711
90,20
98,56
1,792
91,60
98,13
1,400
93,22
100,79
1,622
94,72
101,69
1,495
96,19
103,09
1,478
97,71
104,79
1,517
S't
63,00
63,30
64,11
64,08
65,25
66,68
66,77
67,44
69,41
70,19
71,03
73,12
74,29
76,00
78,10
78,97
81,08
83,16
83,71
84,70
86,89
89,32
90,42
92,40
94,38
94,86
97,01
98,20
99,64
101,25
0,50
157,19
5,82
2,41
2,47
S. EXP. SIMPLE
ALFA = 0,40
Ft
et
63,0
0,00
63,0
1,00
63,4
2,60
64,4
-0,44
64,3
3,74
65,8
4,24
67,5
-0,46
67,3
1,73
68,0
6,04
70,4
1,62
71,0
1,97
71,8
6,18
74,3
2,71
75,4
4,63
77,2
5,78
79,5
1,47
80,1
5,88
82,5
5,53
84,7
0,32
84,8
2,19
85,7
6,31
88,2
6,79
90,9
2,07
91,8
5,24
93,9
5,15
95,9
0,09
95,9
6,05
98,4
2,63
99,4
3,58
100,9
4,15
102,5
3,53
468,60
17,36
2,26
4,20
Ing. R. Morn
S. EXP. SIMPLE
ALFA = 0,40
Ft
et
63,0
0,00
63,0
1,00
63,4
2,60
64,4
-0,44
64,3
3,74
65,8
4,24
67,5
-0,46
67,3
1,73
68,0
6,04
70,4
1,62
71,0
1,97
71,8
6,18
74,3
2,71
75,4
4,63
77,2
5,78
79,5
1,47
80,1
5,88
82,5
5,53
84,7
0,32
84,8
2,19
85,7
6,31
88,2
6,79
90,9
2,07
91,8
5,24
93,9
5,15
95,9
0,09
95,9
6,05
98,4
2,63
99,4
3,58
100,9
4,15
102,5
3,53
468,60
17,36
2,26
4,20
DEMANDA
P. MVIL
PERODO
U.
PM = 3
t
Yt
Ft
et
1
63
2
64
3
66
4
64
64,3
-0,33
5
68
64,7
3,33
6
70
66,0
4,00
7
67
67,3
-0,33
8
69
68,3
0,67
9
74
68,7
5,33
10
72
70,0
2,00
11
73
71,7
1,33
12
78
73,0
5,00
13
77
74,3
2,67
14
80
76,0
4,00
15
83
78,3
4,67
16
81
80,0
1,00
17
86
81,3
4,67
18
88
83,3
4,67
19
85
85,0
0,00
20
87
86,3
0,67
21
92
86,7
5,33
22
95
88,0
7,00
23
93
91,3
1,67
24
97
93,3
3,67
25
99
95,0
4,00
26
96
96,3
-0,33
27
102
97,3
4,67
28
101
99,0
2,00
29
103
99,7
3,33
30
105
102,0
3,00
PRON. 31
103,0
ERROR MEDIO (4 a 30)
2,88
SUMA CUAD. ERRORES (4 a 30)
332,56
ERROR CUADR. MEDIO (4 a 30)
12,32
DESV. STD. ERRORES (4 a 30)
2,05
MAPE (4 a 30) EN %
3,46
DEMANDA
P. MVIL
PERODO
U.
PM = 3
t
Yt
Ft
et
1
63
2
64
3
66
4
64
64,3
-0,33
5
68
64,7
3,33
6
70
66,0
4,00
7
67
67,3
-0,33
8
69
68,3
0,67
9
74
68,7
5,33
10
72
70,0
2,00
11
73
71,7
1,33
12
78
73,0
5,00
13
77
74,3
2,67
14
80
76,0
4,00
15
83
78,3
4,67
16
81
80,0
1,00
17
86
81,3
4,67
18
88
83,3
4,67
19
85
85,0
0,00
20
87
86,3
0,67
21
92
86,7
5,33
22
95
88,0
7,00
23
93
91,3
1,67
24
97
93,3
3,67
25
99
95,0
4,00
26
96
96,3
-0,33
27
102
97,3
4,67
28
101
99,0
2,00
29
103
99,7
3,33
30
105
102,0
3,00
PRON. 31
103,0
2,88
ERROR MEDIO (4 a 30)
332,56
SUMA CUAD. ERRORES (4 a 30)
12,32
ERROR CUADR. MEDIO (4 a 30)
2,05
DESV. STD. ERRORES (4 a 30)
3,46
MAPE (4 a 30) EN %
68
100
UNIDADES
90
80
70
60
50
1
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
MESES
DEMANDA
P. MVIL 3 PER.
Ing. R. Morn
69
Modelos de Suavizado
SUAVIZACIN EXP. DE TRES PARMETROS (Winters)
Perodos:
0 1
Ing. R. Morn
70
Yt
+ (1 ) ( S t 1 + bt 1 )
ItL
bt = ( S t S t 1 ) + (1 ) bt 1
Y
I t = t + (1 ) I t L
St
Ft + m = ( S t + m bt ) I t L + m
St =
Modelos de Suavizado
SUAVIZACIN EXP. DE TRES PARMETROS
Valores iniciales:
S L = YL
1
(Y1 + L + Y L )
L
Yt
It =
, t = 1, 2 , L , L 1
S t + bt
Y =
1
[(Y L +1 Y1 ) + (Y L + 2 Y 2 ) + (Y L + 3 Y3 ) ]
3L
L +1
S t + bt = Y
b L + t b L , t = 1, 2 , L , L 1
2
bL =
L 1
IL = L It
t =1
Requerimientos de datos
Dado que modela estacionalidad requiere ms datos que otros mtodos. Para una
adecuada medida de la estacionalidad se requieren al menos 3 ciclos estacionales
completos de datos mensuales (36 meses) 4 o 5 ciclos estacionales completos de
datos trimestrales (16 o 20 trimestres) y 3 ciclos estacionales completos de datos
semanales (156 semanas) como mnimo.
Ing. R. Morn
71
SE3P - Ejemplo
L= 4
PER.
t
ALFA = 0,50
AO
TRIM.
GAMMA = 0,80
BETA = 0,20
DEMANDA
SUAVIZACIN
EXPONENCIAL
DE
Yt
St
bt TRES PARMETROS
St + bt
1
1
1
72 ALFA = 0,50
L= 4
2
PER. 2AO
TRIM.110
DEMANDA
t3
Yt
St
3
117
1
1
1
72
4
4
172 110
172,000
2
2
5
2
1
76
147,684
3
3
117
42
4112 172
172,000
6
123,816
5
2
1
76
147,684
7
116,304
63
2130 112
123,816
74
3194 130
116,304
8
119,823
81
4 78 194
119,823
9
3
125,026
9
3
1
78
125,026
10
128,415
10 2
2119 119
128,415
11 3
3128 128
129,163
11
129,163
12
4
201
133,025
12
4
201
133,025
13
4
1
81
134,965
13
4
134,965
14 1
2 81 134
140,483
15 2
3134 141
142,561
14
140,483
16
4
216
145,166
15
3 5
142,561
1141
17
16
145,166
18 4
2216
19 1
3
17
5
4
20
18
2MEDIO (9 a 16)
ERROR
19
SUMA 3
CUAD. ERRORES (9 a 16)
ERROR
20
4CUADR. MEDIO (9 a 16)
DESV. STD. ERRORES (9 a 16)
ERROR MEDIO
(9 (9
a a16)
MAPE
16) EN %
SUMA CUAD. ERRORES (9 a 16)
ERROR CUADR. MEDIO (9 a 16)
Ing. R. Morn
DESV. STD. ERRORES (9 a 16)
MAPE (9 a 16) EN %
It
115,375
0,624
BETA = 0,20
116,958
0,941
PRON.
St118,542
+ bt
It
Ft (m=1)
0,987
115,375
0,624
173,5830,941 1,448
116,958
128,5480,987 0,602
118,542
173,583
100,8951,448 0,933
128,548
0,602
108
105,7100,933 1,013
100,895
121
105,710
100
120,5201,013 1,483
120,520
153
129,3281,483 0,607
129,328
0,607
73
131,9860,932 0,932
131,986
121
130,475
134
130,4751,009 1,009
136,378
1,488
193
136,378
1,488
137,187
0,605
83
137,1870,936 0,605
145,341
128
145,196
147
145,3411,005 0,936
147,777
1,488
216
145,196
1,005
89
147,777
1,488
141
PRON.
ERROR
Ft (m=1)
et
GAMMA = 0,80
bt
1,583
-19,136
1,583
-22,921
-19,136
-10,594
-22,921
-10,594
0,697
0,697
4,302
4,302
3,571
3,571
1,312
1,312
3,353
3,353
2,222
2,222
4,859
2,635
4,859
2,611
2,635
2,611
154
232
ERROR
et
108
121
-32
-9100
30153
41 73
5
-2121
-6134
8
193
-2
6 83
-6128
0
147
216
89
141
0,54
194,41154
24,30232
5,24
3,42
72
-32
-9
30
41
5
-2
-6
8
-2
6
-6
0
0,54
194,41
24,30
5,24
3,42
SE3P - Ejemplo
SUAVIZACIN EXP. DE T RES PARM ET ROS
250
UNIDADES
200
150
100
50
0
1
10
11
12
13
14
15
PERODOS
DEMA NDA
PRONSTICO
Ing. R. Morn
73
16
17
18
19
20
Modelos de Suavizado
SUAVIZACIN EXP. DE TRES PARMETROS
Ventajas
Desventajas
Puede ser muy complejo para series que no tienen identificable tendencia y
estacionalidad.
La optimizacin simultnea de , y puede ser computacionalmente
intensa. As, el ajuste inicial de los datos puede tomar bastante tiempo.
Ing. R. Morn
74
Modelos de Suavizado
SUAVIZACIN EXP. DE TRES PARMETROS
Ft + m = S t + m bt + I t L + m
Multiplicativo Aditivo:
Ft + m = S t btm + I t L + m
Multiplicativo Multiplicativo:
Ft + m = S t btm I t L + m
Ing. R. Morn
75
Simulacin de Modelos
SIMULACIN
(Para elegir el modelo ms apropiado)
1. Dividir la serie histrica en dos grupos de datos:
Grupo 1: para ajustar los modelos (por ejemplo los 36 primeros meses de
48).
Grupo 2: para evaluar los modelos (por ejemplo los siguientes 12 meses).
2. Ajustar los modelos al grupo 1.
3. Pronosticar los perodos correspondientes al grupo 2 con cada uno de los
modelos ajustados (prediccin).
4. Calcular la desviacin estndar de los errores de cada mtodo con respecto a
los datos del grupo 2.
5. Elegir el mejor modelo por el error. Puede haber diferencias segn la longitud
del horizonte de pronstico.
6. Actualizar los parmetros del mtodo elegido utilizando los datos de ambos
grupos y pronosticar los perodos siguientes (por ejemplo los meses 49 a 60).
Ing. R. Morn
76
MESES
t
ALFA = 0,25
DEMANDA
Yt
GAMMA = 0,30
St
bt
St + bt
SUAVIZACIN
1 EXPONENCIAL
546DE TRES PARMETROS
L = 12
2
3St
4
5
6
7
8
9
10
604,00
11
646,99
12
702,31
733,54
13
763,62
14
794,93
819,19
15
835,72
839,05
16
854,40
17
861,46
862,46
18
868,81
19
865,97
864,25
20
870,29
866,86
21
873,24
22
877,87
864,51
23
859,01
24
850,94
847,41
25
847,02
887,39
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
ALFA = 0,25
MESES
t
DEMANDA
Yt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
546
578
660
707
738
781
848
818
729
691
658
604
629
711
729
798
861
903
968
894
860
792
739
699
773
818
871
882
959
979
955
925
843
790
746
822
Ing. R. Morn
578
GAMMA = 0,30
660 St + bt
bt
It
0,84
707652,96
0,87
738660,88
668,79
0,99
1,04
781676,71
684,63
1,08
848692,54
1,13
1,21
818700,46
708,38
1,15
729716,29
1,02
724,21
0,95
691732,13
0,90
7,92 658611,92
0,82
18,44
665,43
0,93
604,00
29,50 604731,81
0,97
30,02 629763,56
0,99
646,99
30,04
793,66
1,04
702,31
30,42 711825,35
1,08
28,57
847,76
1,11
729860,68 733,54
24,96
1,17
18,47 798857,53
1,09
763,62
17,53
871,93
1,01
794,93
14,39 861875,86
0,93
10,37 903872,83
0,87
819,19
9,17
877,98
0,81
835,72
5,56 968871,53
0,90
3,38
0,95
894867,63
839,05
4,18
874,46
1,00
1,90 860868,76
1,03
854,40
3,24
876,48
1,09
792
861,46
3,66
881,53
1,11
-1,45 739863,06
1,13
862,46
-2,66
856,35
1,08
868,81
-4,28 699846,66
1,00
-4,06
843,35
0,93
773
865,97
-2,96
844,06
0,88
10,04 818897,44
0,89
864,25
871
870,29
882
866,86
959
873,24
979
877,87
955
864,51
925
859,01
843
850,94
790
847,41
746
847,02
822
887,39
857
876
959
981
1051
1124
1073
1020
933
787
830
922
512
582
722
798
856
931
1026
994
873
832
787
712
818
846
860
914
940
973
1035
943
865
787
733
682
It
652,96
0,84
660,88
0,87
668,79
0,99
t
Yt
37
857
676,71
1,04
38
876
684,63
1,08
39
959
40
981
692,54
1,13
41
1051
700,46
1,21
42
1124
43
1073
708,38
1,15
44
1020
45
933
716,29
1,02
46
787
724,21
0,95
47
830
48
922
732,13
0,90
611,92
0,82
GRUPO
1
ERROR MEDIO (13 a 36)
665,43
0,93
SUMA CUAD. ERRORES (13 a 36)
ERROR
CUADR. MEDIO (13
a 36)
731,81
0,97
DESV. STD. ERRORES (13 a 36)
763,56
0,99
MAPE (13 a 36) EN %
793,66
1,04
GRUPO 2
825,35
ERROR
MEDIO (37 a 48) 1,08
SUMA CUAD. ERRORES (37 a 48)
847,76
1,11
ERROR CUADR. MEDIO (37 a 48)
DESV.
STD. ERRORES (371,17
a 48)
860,68
MAPE (37 a 48) EN %
857,53
1,09
871,93
1,01
875,86
0,93
872,83
0,87
877,98
0,81
871,53
0,90
867,63
0,95
874,46
1,00
868,76
1,03
876,48
1,09
881,53
1,11
863,06
1,13
856,35
1,08
846,66
1,00
843,35
0,93
844,06
0,88
897,44
0,89
BETA = 0,70
PRON.
Ft (m=1)
BETA = 0,70
ERROR
et
117
7,92
129
18,4470
29,505
-28
30,02
-58
-100
30,04
-13
30,42
-40
-48
28,57
-13
24,96
-45
-28
18,47
11
-32
17,53
19
14,396
-80
10,37
-18
9,17
-22
5,56133
140
3,38
4,18
1,90
3,24
3,66
-1,45
-2,66
-4,28
-4,06
-2,96
10,04
PRON.
Ft (m=1)
ERROR
et
Ft
812
866
916
951
1025
1055
1078
1047
974
920
875
898
512
582
722
798
856
931
1026
994
873
832
787
712
818
846
860
914
940
973
1035
943
865
787
733
682
812
866
916
951
1025
1055
1078
1047
974
920
875
898
117
129
7
0
5
-28
-58
-100
-13
-40
-48
-13
-45
-28
11
-32
19
6
-80
-18
-22
3
13
140
45
10
43
30
26
69
-5
-27
-41
-133
-45
24
GRUPO 1
ERROR MEDIO (13 a 36)
SUMA CUAD. ERRORES (13 a 36)
ERROR CUADR. MEDIO (13 a 36)
DESV. STD. ERRORES (13 a 36)
MAPE (13 a 36) EN %
-3,07
80179,01
3340,79
58,96
5,09
GRUPO 2
ERROR MEDIO (37 a 48)
SUMA CUAD. ERRORES (37 a 48)
ERROR CUADR. MEDIO (37 a 48)
DESV. STD. ERRORES (37 a 48)
MAPE (37 a 48) EN %
-0,31
33131,64
2760,97
54,88
4,59
77
et
45
10
43
30
26
69
-5
-27
-41
-133
-45
24
-3,07
80179,01
3340,79
58,96
5,09
-0,31
33131,64
2760,97
54,88
4,59
UNIDADES
1000
900
800
700
600
500
400
1
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
PERODOS (M ESES)
DEMA NDA
PREDICCIN
Ing. R. Morn
78
ALFA = 0,25
MESES
DEMANDA
Yt
St
GAMMA = 0,20
bt
St + bt
DEMANDA
Yt
546
578
660
707
738
781
848
818
729
691
658
604
629
711
729
798
861
903
968
894
860
792
739
699
773
818
871
882
959
979
955
925
843
790
746
822
Ing. R. Morn
It
652,96
0,84
660,88
0,87
668,79
0,99
676,71
1,04
37
857
917,56
684,63
1,08
38
876
925,45
39
959
940,73
692,54
1,13
40
981
953,54
700,46
1,21
41
1051
962,44
42
1124
981,23
708,38
1,15
43
1073
986,05
716,29
1,02
44
1020
984,81
45
933
980,57
724,21
0,95
46
787
952,32
732,13
0,90
47
830
951,84
48
922
968,08
611,92
0,82
49
661,92
0,96
50
51
722,16
1,00
52
749,61
1,00
53
54
777,18
1,06
55
807,66
1,10
56
57
830,68
1,12
58
59
846,10
1,18
60
847,72
1,09
ERROR MEDIO (13 a 48)
SUMA
CUAD. ERRORES (13
a 48)
866,51
1,02
ERROR CUADR. MEDIO (13 a 48)
875,04
DESV.
STD. ERRORES (130,93
a 48)
MAPE
(13 a 48) EN %
876,84
0,86
885,82
0,80
875,99
0,90
868,13
0,96
875,50
1,00
870,03
1,02
876,05
1,10
880,37
1,12
864,13
1,11
861,65
1,08
853,01
0,99
852,09
0,93
855,43
0,87
905,74
0,90
928,23
0,93
935,57
0,95
951,88
1,02
965,02
1,03
973,40
1,09
993,76
1,14
997,04
1,09
993,36
1,04
986,56
0,96
951,45
0,84
951,05
0,87
970,70
0,95
2
578
GAMMA = 0,20
BETA = 0,90
3
660
PRON.
ERROR
707
St 4
bt
St + bt
It
Ft (m=1)
et
652,96
0,84
5
738
660,88
0,87
668,79
0,99
6
781
676,71
1,04
7
848
684,63
1,08
692,54
1,13
8
818
700,46
1,21
9
729
708,38
1,15
716,29
1,02
10
691
724,21
0,95
11
658
732,13
0,90
604,00
7,92
611,92
0,82
12
604
604,00
7,92
646,99
14,93
661,92
0,96
512
117
13 22,48 629
646,99
14,93
699,68
722,16
1,00
579
132
726,30
23,31
749,61
1,00
713
16
14
711
699,68
22,48
753,16
24,02
777,18
1,06
783
15
15 25,10 729
726,30
23,31
782,57
807,66
1,10
838
23
805,93
24,75
830,68
1,12
911
-8
16
798
753,16
24,02
822,90
23,20
846,10
1,18
1006
-38
828,12
847,72
1,09
977
-83
17 19,60 861
782,57
25,10
847,04
866,51
1,02
863
-3
18 19,46
903
805,93
24,75
857,40
17,64
875,04
0,93
827
-35
861,84
876,84
0,86
786
-47
19 15,00 968
822,90
23,20
871,82
14,00
885,82
0,80
715
-16
20 10,03 894
828,12
19,60
865,96
875,99
0,90
849
-76
861,08
7,04
868,13
0,96
878
-60
21
860
847,04
19,46
868,40
7,10
875,50
1,00
870
1
22
792
857,40
17,64
865,03
5,01
870,03
1,02
926
-44
870,88
5,17
876,05
1,10
955
4
23
739
861,84
15,00
875,34
5,03
880,37
1,12
982
-3
24
699
871,82
14,00
862,65
1,49
864,13
1,11
1039
-84
860,83
0,83
861,65
1,08
939
-14
25
773
865,96
10,03
853,77
-0,75
853,01
0,99
875
-32
26
818
861,08
7,04
852,87
-0,78
852,09
0,93
791
-1
855,52
-0,09
855,43
0,87
734
12
27
871
868,40
7,10
897,43
8,31
905,74
0,90
687
135
28
882
865,03
5,01
29
959
870,88
5,17
30
979
875,34
5,03
31
955
862,65
1,49
32
925
860,83
0,83
33
843
853,77
-0,75
34
790
852,87
-0,78
35
746
855,52
-0,09
36
822
897,43
8,31
37
857
917,56
10,67
38
876
925,45
10,11
39
959
940,73
11,15
40
981
953,54
11,48
41
1051
962,44
10,96
42
1124
981,23
12,53
43
1073
986,05
10,99
44
1020
984,81
8,54
45
933
980,57
5,99
46
787
952,32
-0,86
47
830
951,84
-0,79
48
922
968,08
2,62
49
50
51
52
53
54
55
56
57
58
59
60
ERROR MEDIO (13 a 48)
SUMA CUAD. ERRORES (13 a 48)
ERROR CUADR. MEDIO (13 a 48)
DESV. STD. ERRORES (13 a 48)
MAPE (13 a 48) EN %
ALFA = 0,25
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
BETA = 0,90
PRON.
ERROR
Ft (m=1)
et
10,67
10,11
11,15
11,48
10,96
12,53
10,99
8,54
5,99
-0,86
-0,79
2,62
928,23
935,57
951,88
965,02
973,40
993,76
997,04
993,36
986,56
951,45
951,05
970,70
512
579
713
783
838
911
1006
977
863
827
786
715
849
878
870
926
955
982
1039
939
875
791
734
687
814
887
938
974
1062
1089
1107
1073
984
914
829
860
903
922
993
1006
1072
1124
1076
1028
947
832
869
947
0,93
0,95
1,02
1,03
1,09
1,14
1,09
1,04
0,96
0,84
0,87
0,95
117
132
16
15
23
-8
-38
-83
-3
-35
-47
-16
-76
-60
1
-44
4
-3
-84
-14
-32
-1
12
135
43
-11
21
7
-11
35
-34
-53
-51
-127
1
62
-5,75
112445,23
3123,48
56,38
4,91
79
814
887
938
974
1062
1089
1107
1073
984
914
829
860
903
922
993
1006
1072
1124
1076
1028
947
832
869
947
43
-11
21
7
-11
35
-34
-53
-51
-127
1
62
-5,75
112445,23
3123,48
56,38
4,91
UNIDADES
1000
900
800
700
600
500
400
1
10
13
16
19
22
25
28
31
34
37
40
43
46
PERODOS (M ESES)
DEMA NDA
PRONSTICO
Ing. R. Morn
80
49
52
55
58
Simulacin de Modelos
Multimodelos
Cuando en la simulacin no se elige el mejor sino los dos o tres mejores,
se toma como pronstico final el promedio de los pronsticos de cada uno
de ellos. Esto es mejor que usar uno solo, pero ms complejo.
El grupo 2 no debe ser de slo un perodo sino de mltiples perodos.
Ventajas
Es un mtodo flexible y potente para modelar la demanda.
Desventajas
Pueden cambiar los mejores modelos en cada revisin y esto puede dar
peores pronsticos que con los mtodos anteriores debido a que deben ser
ajustados a los datos. Esto es particularmente serio cuando se pronostica
un solo perodo y se reajusta cada perodo; es menos importante cuando
se pronostican multiperodos.
Ing. R. Morn
81
Ing. R. Morn
82
Ing. R. Morn
83
Ing. R. Morn
84
EJEMPLO DE DEMANDA
DE BAJO VOLUMEN
Bajo Volumen
- Ejemplo
29
30
31
32
33
34
35
36
Ing. R. Morn
DEM ANDA
30
31
32
33
34
35
36
1
0
0
1
0
1
0
0
0
0
0
0
7
0
0
0
0
0
0
0
3
1
0
0
1
0
1
0
0
20
Frecuencias
UNIDADES
3
DIAGRAMA DE FRECUENCIAS
25
10
UNIDADES
16
17
18
19
20
21
22
23
24
25
26
27
28
29
DEMANDA30
12
15
10
5
4
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35
10 11 12
Unidades
PERODOS (M ESES)
0
Estadsticas
de la muestra
1
3
5
7
9 11
Media
1,056
Error tpico
0,394
Mediana
0
Moda
0
Desviacin estndar
2,366
Varianza de la muestra
5,597
Curtosis
9,380
Coeficiente de asimetra
2,973
Rango
11
Mnimo
0
Mximo
11
Suma
38
Nivel de confianza (95,0%)
0,800
13
15
17
19
21
23
25 Valor
27
0
1
2
3
4
5
6
7
PERODOS (MESES)
Estadsticas de la muestra
Media
1,056
Error tpico
0,394
Mediana
0
Moda
0
Desviacin estndar
2,366
Varianza de la muestra
5,597
Curtosis
9,380
Coeficiente de asimetra
2,973
Rango
11
Mnimo
0
Mximo
11
Suma
38
Nivel de confianza (95,0%)
0,800
Valor
0
1
2
3
4
5
6
7
8
9
10
11
12
29Frec.
31 Frec.
33 Rel.
35
25
4
2
2
0
0
1
1
DIAGRAMA DE FRECUENCIAS
30
25
20
15
10
5
0
0
Unidades
85
0,694
0,111
0,056
0,056
0,000
0,000
0,028
0,028
Frecuencias
MES DEMANDA
DEMANDA
t Yt Yt
0
0
1 2
0
2
2 1
12
0
0
3 11
10
1
4 0
0
8
0
5 0
0
6
6 2 11
0
4
0
7 6
3
2
0
8 0
0
16
0
0
9 0
17
1
18
0
0
10 0
19
20
2
11 70
21
22
0
0
12
0
23
24
6
13 0
25
0
3
14 0
26
27
0
0
15 3
28
MES
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
10
11
12
4,415
0,415
-2,986
4,174
3,894
1,174
-8,667
-9,507
0,213
-0,068
2,531
4,411
50
Residuos
22,585
22,585
33,986
40,826
43,106
40,826
47,667
54,507
56,787
59,068
70,469
79,589
Pron. Y
1
2
3
4
5
6
7
8
9
10
11
12
Observ.
-8,946
Sup. 95%
2,722
1,838
0,000
11,500
2,280
0,198
-37,093
Inf. 95%
Probab.
Est. t
0,005
Variable X 1
G. de l.
ANLISIS DE VARIANZA
Observaciones
-3,644
F
5,039
Error tpico
Prom. Cuad
0,923
R^2 ajustado
S. Cuad.
0,930
Coeficiente de determinacin R^2
12
0,964
Coeficiente de correlacin mltiple
Estadsticas de la regresin
Resumen
6,316
0
90
80
70
60
50
40
30
20
10
0
20
20
25
28
29
28
31
34
35
36
41
45
27
23
31
45
47
42
39
45
57
59
73
84
[M$]
[K$]
[M$]
PUBLIC. TENDENCIA
DEM.
t
1
2
3
4
5
6
7
8
9
10
11
12
23
23
34
41
43
41
48
55
57
59
70
80
86
Error tpico
-8,946
2,722
Coef.
Sup. 95%
-37,093
1,838
-23,019
Inf. 95%
0,005
0,000
4,415
0,415
-2,986
4,174
3,894
1,174
-8,667
-9,507
0,213
-0,068
2,531
4,411
Intercepcin
Probab.
25,395
2,280
Est. t
-3,644
11,500
253,953
6,316
0,198
3612,667
Error tpico
0,0000004
10
Coef.
-23,019
Valor crtico de F
Residuos
22,585
22,585
33,986
40,826
43,106
40,826
47,667
54,507
56,787
59,068
70,469
79,589
11
3612,667
Pron. Y
1
2
3
4
5
6
7
8
9
10
11
12
Total
11
Residuos
25,395
50
0,0000004
253,953
45
Valor crtico de F
10
132,257
40
132,257
3358,714
15
Prom. Cuad
35
Intercepcin
Variable X 1
3358,714
DEMANDA
25
30
Publicidad
3358,714
Total
S. Cuad.
10
Residuos
G. de l.
Demanda
45
ANLISIS DE VARIANZA
Regresin
20
3358,714
5,039
12
15
Error tpico
Observaciones
10
Regresin
0,923
0,930
R^2 ajustado
AO
Ing. R. Morn
0,964
Demanda
DEMANDA
Estadsticas de la regresin
40
23
23
34
41
43
41
48
55
57
59
70
80
35
[M$]
20
20
25
28
29
28
31
34
35
36
41
45
30
[K$]
27
23
31
45
47
42
39
45
57
59
73
84
Resumen
PUBLIC. TENDENCIA
25
Publicidad
[M$]
20
DEM.
t
1
2
3
4
5
6
7
8
9
10
11
12
AO
Control de la Operacin
VALORES ATPICOS (OUTLIERS)
Valores anormalmente grandes o pequeos, que no se espera que se repitan en el
futuro.
Es muy importante que un sistema detecte cundo un modelo de pronsticos no
representa ms a la demanda.
Un modelo puede salirse de control por un solo valor no normal grande o por
varios eventos menores que producen un desvo a sobrepronosticar o
subpronosticar en forma persistente.
Los outliers confunden el reconocimiento de patrones, pero tambin proveen
informacin que es importante.
Detectar outliers estacionales requiere detectar desviaciones con respecto a los
patrones estacionales.
Los outliers distorsionan ms de una observacin cuando hay patrones de
estacionalidad y tendencia.
La graficacin de los datos en diferentes agregaciones (trimestrales, diferencias,
etc.), es muy til para la deteccin de outliers. La simple observacin de la serie
puede no identificar nada.
Ing. R. Morn
87
Control de la Operacin
Causas de los outliers
Errores en los datos. Deben ser eliminados antes de actualizar la base de datos.
Eventos inusuales o irregulares. Deben ajustarse pero conservar la
informacin si se pueden repetir en el futuro.
Eventos desconocidos. Se los ajusta a los valores normales.
Eventos planificados. Caso de promociones, cambios de precios, etc. Estas
demandas deben ser modeladas por el sistema, de lo contrario aparecern como
outliers y sern ajustadas.
Modelos de pronsticos incorrectos. Es el caso en que no modelan la
estacionalidad; pueden ser correctos en algunos perodos y fallar en otros, justo
cuando se producen los picos estacionales.
Cambios en el patrn de la demanda. En el ciclo de vida del producto puede
cambiar el patrn de la demanda. Si el modelo de pronstico no responde al
cambio, pueden parecer extraos valores que en realidad son normales. Un buen
sistema de pronsticos debe detectar estos cambios de patrn.
Ing. R. Morn
88
L= 4
PER.
t
ALFA = 0,65
AO
TRIM.
GAMMA = 0,55
BETA = 0,60
DEMANDA
Yt
St
bt
St + bt
It
1
1
1
70
112,500
2
2
109
115,000
3
3
116
117,500
4
4
170
170,000
2,500
172,500
5
2
1
72
135,589
-17,801
117,788
6
2
122
124,891
-13,894
110,997
7
3
131
125,100
-6,138
118,962
8
4
180
122,734
-4,063
118,670
9
3
1
80
133,165
3,909
137,074
10
2
135
138,886
4,905
143,791
11
3
148
144,346
5,211
149,557
12
4
190
137,106
-1,637
135,468
13
4
1
105
163,593
13,831
177,424
14
2
170
176,097
13,101
189,198
15
3
190
186,770
11,766
198,536
16
4
275
195,876
10,303
206,179
17
5
1
18
2
3
19
4
20
ERROR MEDIO (9 a 16)
SUMA CUAD. ERRORES (9 a 16)
ERROR CUADR. MEDIO (9 a 16)
DESV. STD. ERRORES (9 a 16)
MAPE (9 a 16) EN %
OBSRVESE QUE ESTA SERIE TIENE TENDENCIA NO LINEAL
0,622
0,948
0,987
1,443
0,567
0,965
1,023
1,457
0,587
0,969
1,024
1,414
0,620
0,967
1,020
1,408
Ing. R. Morn
89
PRON.
ERROR
Ft (m=1)
et
107
112
110
172
67
132
147
218
80
172
194
281
128
209
231
334
-35
10
21
8
13
3
1
-28
25
-2
-4
-6
0,27
1645,32
205,67
15,33
7,82
UNIDADES
300
250
200
150
100
50
0
1
10
11
12
13
14
15
PERODOS
DEMA NDA
PRONSTICO
Ing. R. Morn
90
16
17
18
19
20
ALFA = 0,65
AO
TRIM.
GAMMA = 0,55
BETA = 0,60
DEMANDA
Yt
1
1
1
70
2
2
109
3
3
116
4
4
170
5
2
1
72
6
2
22
7
3
131
8
4
180
9
3
1
80
10
2
135
11
3
148
12
4
190
13
4
1
105
14
2
170
15
3
190
16
4
275
17
5
1
18
2
3
19
4
20
ERROR MEDIO (9 a 16)
SUMA CUAD. ERRORES (9 a 16)
ERROR CUADR. MEDIO (9 a 16)
DESV. STD. ERRORES (9 a 16)
MAPE (9 a 16) EN %
St
170,000
141,030
58,499
84,857
104,217
136,731
203,452
159,338
129,966
160,461
233,323
210,211
192,740
bt
St + bt
It
-5,833
-18,559
-53,743
-9,688
6,288
20,713
46,017
-3,555
-17,754
8,783
44,027
7,100
-6,414
125,000
119,167
113,333
164,167
122,471
4,755
75,169
110,505
157,444
249,469
155,782
112,212
169,243
277,350
217,312
186,326
0,560
0,915
1,024
1,502
0,530
0,592
1,336
1,637
0,563
0,635
1,092
1,532
0,618
0,691
0,979
1,469
PRON.
ERROR
Ft (m=1)
et
92
112
5
113
59
93
333
255
63
107
303
333
115
124
170
245
-20
-90
126
67
21
42
-185
-65
42
63
-113
-58
-31,66
62470,6
7808,8
88,20
46,77
Ing. R. Morn
91
UNIDADES
250
200
150
100
50
0
1
10
11
12
13
14
15
PERODOS
DEMA NDA
PRONSTICO
Ing. R. Morn
92
16
17
18
19
20
Ing. R. Morn
ALFA = 0,30
AO
TRIM.
GAMMA = 0,30
BETA = 0,20
DEMANDA
Yt
1
1
1
70
2
2
109
3
3
116
4
4
170
5
2
1
72
6
2
22
7
3
131
8
4
180
9
3
1
80
10
2
135
11
3
148
12
4
190
13
4
1
105
14
2
170
15
3
190
16
4
275
17
5
1
18
2
3
19
20
4
ERROR MEDIO (9 a 16)
SUMA CUAD. ERRORES (9 a 16)
ERROR CUADR. MEDIO (9 a 16)
DESV. STD. ERRORES (9 a 16)
MAPE (9 a 16) EN %
St
170,000
153,488
108,331
100,318
94,759
101,465
118,457
124,096
124,142
141,056
163,197
173,500
181,416
bt
St + bt
It
-5,833
-9,037
-19,873
-16,315
-13,088
-7,150
0,093
1,757
1,243
5,945
10,803
10,653
9,832
125,000
119,167
113,333
164,167
144,451
88,459
84,002
81,671
94,315
118,549
125,852
125,386
147,001
174,001
184,153
191,248
0,560
0,915
1,024
1,502
0,542
0,772
1,080
1,581
0,591
0,846
1,103
1,571
0,622
0,885
1,101
1,560
PRON.
ERROR
Ft (m=1)
et
92
132
91
126
44
73
128
199
74
124
192
289
119
178
232
344
-20
-110
40
54
36
62
20
-9
31
46
-2
-14
21,15
8868,7
1108,6
27,49
21,43
93
UNIDADES
300
250
200
150
100
50
0
1
10
11
12
13
14
15
PERODOS
DEMA NDA
PRONSTICO
Ing. R. Morn
94
16
17
18
19
20
Control de la Operacin
Deteccin de outliers en datos histricos
Suponiendo que la demanda es normal, sin estacionalidad ni tendencia pronunciadas,
las observaciones de la demanda real no se deberan desviar grandemente de la
media. Entonces se puede plantear el siguiente test de hiptesis:
H0: Yt no es outlier
H1: Yt es outlier
utilizando el estadstico
t Yt =
Yt Y
SY
95
Control de la Operacin
Deteccin de outliers en datos histricos (cont.)
Observaciones:
Este test puede ser insuficiente si se usa slo con los valores originales (ver el
ejemplo siguiente).
Estos mtodos son importantes para la puesta a punto del sistema con datos
histricos. Una vez en marcha la mejor forma de detectar outliers es por
diferencia entre pronsticos con un buen modelo y valores reales: si hay
diferencias significativas puede haber un problema con los datos o con el
mtodo de pronstico.
Ing. R. Morn
96
DETECCION DE "OUTLIERS"
USANDO VALORES "t" REGULARES Y ESTACIONALES
VALORES
DIFER.
VALORES
t
Yt
"t" REG.
ESTAC.
"t"
DETECCION DE "OUTLIERS"
1
31
-1,40
USANDO VALORES "t" REGULARES Y ESTACIONALES
2
40
-0,71
PERIODO
DEMANDA
DIFER.
VALORES
TIPO
3 VALORES 58
0,67DEMANDA EFECTO
t
Yt
4 "t" REG. ESTAC.
42 "t" ESTAC.
-0,55AJUSTADA OUTLIER OUTLIER
1
31
-1,40
31
32
-1,32
1
2
405
-0,71
40
3
586
0,67
58
41
-0,63
1
4
427
-0,55
42
65
1,21
7
5
32
-1,32
1
-0,19
32
44 1
-0,40
2
6
418
-0,63
-0,19
41
7
659
1,21
0,35
65
34 7
-1,17
2
8
44
-0,40
2
-0,10
44
10
45
-0,32
4
9
34
-1,17
2
-0,10
34
11
67 4
1,36
2
10
45
-0,32
0,08
45
11
67
1,36
-0,10
67
12
49 2
-0,02
5
12
49
-0,02
0,17
49
13
36 52
-1,01
2
13
36
-1,01
-0,10
36
14
53
0,29
8
14
53
0,29
8
0,44
53
15
37
-0,94
-3,00
71
-34
2
-30
15
37-30
-0,94
16
51
0,14
2
-0,10
51
16
51 3
0,14
2
17
39
-0,78
-0,01
39
17
39 5
-0,78
3
18
58
0,67
0,17
58
19
74
1,90
3,07
74
18
58 37
0,67
5
20
52
0,21
1
-0,19
52
19
74 3
1,90
37
21
42
-0,55
-0,01
42
22
60
0,83
2
-0,10
60
20
52
0,21
1
23
78
2,21
0,08
78
21
42 4
-0,55
3
24
53
0,29
1
-0,19
53
22
60
0,83 50,63
2
MEDIA
49,21
0,00
3,10
D.STD
13,04
1,00
11,04
23
78
2,21 13,49
4
24
53
0,29
1
Ing. R. Morn
MEDIA
49,21
0,00
3,10
D.STD
13,04
1,00
11,04
CODIGO TIPO OUTLIER
1 - PROMOCION
2 - INCREMENTO DE PRECIOS
3 - REBAJA PRECIOS
4 - OTRA INFLUENCIA
5 - CAUSA DESCONOCIDA
ESTAC.
DEMANDA
EFECTO
TIPO
AJUSTADA
OUTLIER
OUTLIER
31
DET40
ECCIN DE OUT LIERS
90
80
70
-0,19
60
-0,19
0,35
50
-0,10
40
-0,10
30
0,08
20
-0,10 1
0,17
-0,10
0,44
-3,00
-0,10
-0,01
0,17
3,07
-0,19
-0,01
-0,10
0,08
-0,19
UNIDADES
PERIODO
58
42
32
41
65
44
34
45
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
67
PERODOS
49
DEMA NDA
36
53
AJUSTE OUTLIER:
71
-34
2
(Yt-4+Yt+4)/2 = (Y11 + Y19)/2 = (67 + 74)/2 = 70,5
51
39
CODIGO TIPO OUTLIER
58
1 - PROMOCION
74
2 - INCREMENTO DE PRECIOS
3 - REBAJA
52PRECIOS
4 - OTRA INFLUENCIA
42
5 - CAUSA DESCONOCIDA
60
78
53
50,63
13,49
AJUSTE OUTLIER:
(Yt-4+Yt+4)/2 = (Y11 + Y19)/2 = (67 + 74)/2 = 70,5
DETECCIN DE OUTLIERS
90
UNIDADES
80
70
60
50
40
30
20
1
10
11 12 13 14
PERODOS
DEMANDA
97
15
16
17
18
19
20
21
22
23
24
-0,94
-1,05
-0,93
-0,95
-0,53
-0,78
-0,76
-0,70
-1,06
-0,97
-1,21
-0,97
-1,07
-0,85
-0,69
-0,39
-0,02
-0,30
-0,19
-0,33
-0,46
-0,65
-0,78
-0,64
-0,52
-0,02
-0,10
0,50
0,82
-0,34
0,32
0,48
0,24
0,26
-0,19
0,35
0,63
1,00
1,17
1,62
2,60
2,35
1,96
1,73
1,44
1,36
0,77
700
600
500
400
300
200
100
0
4,0
3,0
2,0
1,0
0,0
-1,0
-2,0
-3,0
-4,0
1
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
Valores "t"
Valores "t"
800
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
100
200
300
400
500
600
700
800
4,0
Ing. R. Morn
Meses
t
Ene
1
2
Feb
3
Mar
4
Abr
5
May
Jun
6
7
Jul
8
Ago
Sep
9
10
Oct
Nov
11
12
Dic
13
Ene
Feb
14
15
Mar
16
Abr
17
May
18
Jun
Jul
19
20
Ago
21
Sep
Oct
22
23
Nov
24
Dic
25
Ene
26
Feb
Mar
27
28
Abr
29
May
30
Jun
31
Jul
Ago
32
33
Sep
34
Oct
Nov
35
36
Dic
37
Ene
38
Feb
39
Mar
Abr
40
41
May
42
Jun
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedio =
Desv. Est.=
N=
Unidades
-0,94
-1,05
-0,93
-0,95
-0,53
-0,78
-0,76
-0,70
-1,06
-0,97
-1,21
-0,97
-1,07
-0,85
-0,69
-0,39
-0,02
-0,30
-0,19
-0,33
-0,46
-0,65
-0,78
-0,64
-0,52
-0,02
-0,10
0,50
0,82
-0,34
0,32
0,48
0,24
0,26
-0,19
0,35
0,63
1,00
1,17
1,62
2,60
2,35
1,96
1,73
1,44
1,36
0,77
t
Ene
1
2
Feb
Mar
3
Abr
4
5
May
Jun
6
Jul
7
8
Ago
Sep
9
Oct
10
11
Nov
Dic
12
Ene
13
14
Feb
Mar
15
Abr
16
17
May
Jun
18
Jul
19
20
Ago
Sep
21
22
Oct
23
Nov
Dic
24
25
Ene
26
Feb
Mar
27
28
Abr
29
May
Jun
30
31
Jul
32
Ago
Sep
33
34
Oct
35
Nov
Dic
36
37
Ene
38
Feb
Mar
39
40
Abr
41
May
Jun
42
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedio =
Desv. Est.=
N=
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
48
Outliers
Unidades
0
Meses
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
98
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
Demanda
Diferencias 1
4,0
3,0
2,0
1,0
0,0
-1,0
-2,0
-3,0
-4,0
1
800
700
600
500
400
300
200
100
0
-100
-200
-300
Diferencias 1
0,57
-0,41
0,22
-0,17
1,04
-0,80
-0,06
0,05
-1,10
0,13
-0,76
0,54
-0,37
0,48
0,31
0,70
0,91
-0,87
0,16
-0,48
-0,47
-0,63
-0,47
0,26
0,22
1,26
-0,35
1,54
0,74
-3,26
1,68
0,33
-0,76
-0,06
-1,36
1,37
0,63
0,91
0,35
1,11
2,54
-0,80
-1,15
-0,74
-0,89
-0,35
-1,71
Demanda
Val."t" dif.
37
-16
18
-3
62
-37
3
9
-53
13
-35
35
-14
32
23
44
55
-41
15
-20
-19
-28
-19
20
18
74
-13
89
46
-170
97
24
-35
3
-67
80
40
55
25
66
143
-37
-56
-34
-42
-13
-86
6,13
53,95
47
Outliers
Meses
Dt=Yt-Yt-1
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
800
700
600
500
400
300
200
100
0
-100
-200
-300
Ing. R. Morn
t
1
Ene
Feb
2
3
Mar
4
Abr
May
5
6
Jun
7
Jul
8
Ago
9
Sep
Oct
10
11
Nov
12
Dic
Ene
13
14
Feb
15
Mar
16
Abr
17
May
Jun
18
19
Jul
20
Ago
Sep
21
22
Oct
23
Nov
24
Dic
25
Ene
Feb
26
27
Mar
28
Abr
May
29
30
Jun
31
Jul
32
Ago
33
Sep
34
Oct
35
Nov
36
Dic
Ene
37
38
Feb
39
Mar
40
Abr
41
May
Jun
42
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedios =
Desv. Est.=
N=
Val."t" dif.
0,57
-0,41
0,22
-0,17
1,04
-0,80
-0,06
0,05
-1,10
0,13
-0,76
0,54
-0,37
0,48
0,31
0,70
0,91
-0,87
0,16
-0,48
-0,47
-0,63
-0,47
0,26
0,22
1,26
-0,35
1,54
0,74
-3,26
1,68
0,33
-0,76
-0,06
-1,36
1,37
0,63
0,91
0,35
1,11
2,54
-0,80
-1,15
-0,74
-0,89
-0,35
-1,71
37
-16
18
-3
62
-37
3
9
-53
13
-35
35
-14
32
23
44
55
-41
15
-20
-19
-28
-19
20
18
74
-13
89
46
-170
97
24
-35
3
-67
80
40
55
25
66
143
-37
-56
-34
-42
-13
-86
6,13
53,95
47
Outliers
t
1
Ene
2
Feb
3
Mar
4
Abr
5
May
6
Jun
7
Jul
8
Ago
Sep
9
Oct
10
Nov
11
Dic
12
Ene
13
Feb
14
Mar
15
Abr
16
May
17
18
Jun
19
Jul
20
Ago
21
Sep
22
Oct
23
Nov
24
Dic
25
Ene
26
Feb
27
Mar
28
Abr
May
29
Jun
30
Jul
31
Ago
32
Sep
33
Oct
34
Nov
35
Dic
36
Ene
37
38
Feb
39
Mar
40
Abr
41
May
42
Jun
43
Jul
44
Ago
45
Sep
46
Oct
47
Nov
Dic
48
Promedios =
Desv. Est.=
N=
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
Dt=Yt-Yt-1
Unidades
99
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de primer orden
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de primer orden
Meses
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Unidades
11 13 15 17 19 21 23 25 27 29 31 33 35
37 39 41 43 45 47
-1,03
-1,67
-1,07
-1,00
-0,41
-0,50
-0,55
-0,39
-0,76
-0,33
-0,85
-0,65
-0,84
-0,43
0,10
-0,36
0,21
0,10
-1,53
-0,50
0,06
-0,14
0,25
-0,36
0,40
0,68
0,44
0,92
0,63
1,86
3,54
1,60
0,87
0,78
0,58
0,34
700
600
500
400
300
200
100
0
-100
1
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Diferencias 12
4,0
3,0
2,0
1,0
0,0
-1,0
-2,0
-3,0
-4,0
1
Meses
Demanda
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
33
-18
30
35
82
75
71
83
54
88
47
63
48
80
122
86
131
122
-7
75
119
103
134
86
146
168
149
187
164
261
394
241
183
176
160
141
114,22
79,06
36
Outliers
Val."t" dif.
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
-100
100
200
300
400
500
600
700
800
Ing. R. Morn
Dt=Yt-Yt-12
Diferencias 12
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
Demanda
t
1
Ene
Feb
2
3
Mar
4
Abr
May
5
6
Jun
7
Jul
8
Ago
9
Sep
Oct
10
11
Nov
12
Dic
Ene
13
14
Feb
15
Mar
16
Abr
17
May
Jun
18
19
Jul
20
Ago
Sep
21
22
Oct
23
Nov
24
Dic
25
Ene
Feb
26
27
Mar
28
Abr
May
29
30
Jun
31
Jul
32
Ago
33
Sep
34
Oct
35
Nov
36
Dic
Ene
37
38
Feb
39
Mar
40
Abr
41
May
Jun
42
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedios =
Desv. Est.=
N=
Meses
Val."t" dif.
-1,03
-1,67
-1,07
-1,00
-0,41
-0,50
-0,55
-0,39
-0,76
-0,33
-0,85
-0,65
-0,84
-0,43
0,10
-0,36
0,21
0,10
-1,53
-0,50
0,06
-0,14
0,25
-0,36
0,40
0,68
0,44
0,92
0,63
1,86
3,54
1,60
0,87
0,78
0,58
0,34
33
-18
30
35
82
75
71
83
54
88
47
63
48
80
122
86
131
122
-7
75
119
103
134
86
146
168
149
187
164
261
394
241
183
176
160
141
114,22
79,06
36
Outliers
t
1
Ene
2
Feb
3
Mar
4
Abr
5
May
6
Jun
7
Jul
8
Ago
Sep
9
Oct
10
Nov
11
Dic
12
Ene
13
Feb
14
Mar
15
Abr
16
May
17
18
Jun
19
Jul
20
Ago
21
Sep
22
Oct
23
Nov
24
Dic
25
Ene
26
Feb
27
Mar
28
Abr
May
29
Jun
30
Jul
31
Ago
32
Sep
33
Oct
34
Nov
35
Dic
36
Ene
37
38
Feb
39
Mar
40
Abr
41
May
42
Jun
43
Jul
44
Ago
45
Sep
46
Oct
47
Nov
Dic
48
Promedios =
Desv. Est.=
N=
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
Dt=Yt-Yt-12
Unidades
100
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 12 orden
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 12 orden
Meses
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Unidades
11 13 15 17 19 21 23 25 27 29 31 33 35
37 39 41 43 45 47
Demanda
Meses
Diferencias 12 orden
3,0
2,0
1,0
0,0
-1,0
-2,0
-3,0
-4,0
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
4,0
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
800
700
600
500
400
300
200
100
0
-100
-200
Ing. R. Morn
-0,96
0,80
0,03
0,78
-0,18
-0,13
0,16
-0,57
0,55
-0,79
0,23
-0,32
0,52
0,69
-0,70
0,75
-0,22
-2,35
1,41
0,73
-0,34
0,50
-0,91
1,01
0,34
-0,39
0,62
-0,46
1,67
2,31
-2,78
-1,09
-0,18
-0,34
-0,39
-51
48
5
47
-7
-4
12
-29
34
-41
16
-15
32
42
-36
45
-9
-129
82
44
-16
31
-48
60
22
-19
38
-23
97
133
-153
-58
-7
-16
-19
3,09
56,14
35
Outliers
800
700
600
500
400
300
200
100
0
-100
-200
Diferencias 12 orden
33
-18
30
35
82
75
71
83
54
88
47
63
48
80
122
86
131
122
-7
75
119
103
134
86
146
168
149
187
164
261
394
241
183
176
160
141
114,22
79,06
36
Val."t" dif.
Demanda
D't=Dt-Dt-1
Unidades
Dt=Yt-Yt-12
Meses
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
t
1
Ene
Feb
2
3
Mar
4
Abr
5
May
6
Jun
Jul
7
8
Ago
9
Sep
Oct
10
11
Nov
Dic
12
13
Ene
14
Feb
Mar
15
16
Abr
May
17
18
Jun
19
Jul
Ago
20
21
Sep
22
Oct
23
Nov
24
Dic
Ene
25
26
Feb
27
Mar
28
Abr
29
May
Jun
30
31
Jul
32
Ago
33
Sep
34
Oct
Nov
35
36
Dic
37
Ene
38
Feb
39
Mar
Abr
40
41
May
42
Jun
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedios =
Desv. Est.=
N=
-0,96
0,80
0,03
0,78
-0,18
-0,13
0,16
-0,57
0,55
-0,79
0,23
-0,32
0,52
0,69
-0,70
0,75
-0,22
-2,35
1,41
0,73
-0,34
0,50
-0,91
1,01
0,34
-0,39
0,62
-0,46
1,67
2,31
-2,78
-1,09
-0,18
-0,34
-0,39
-51
48
5
47
-7
-4
12
-29
34
-41
16
-15
32
42
-36
45
-9
-129
82
44
-16
31
-48
60
22
-19
38
-23
97
133
-153
-58
-7
-16
-19
3,09
56,14
35
Outliers
33
-18
30
35
82
75
71
83
54
88
47
63
48
80
122
86
131
122
-7
75
119
103
134
86
146
168
149
187
164
261
394
241
183
176
160
141
114,22
79,06
36
t
Ene
1
2
Feb
3
Mar
Abr
4
5
May
6
Jun
Jul
7
Ago
8
9
Sep
Oct
10
Nov
11
12
Dic
Ene
13
Feb
14
15
Mar
Abr
16
May
17
18
Jun
Jul
19
Ago
20
21
Sep
22
Oct
Nov
23
24
Dic
25
Ene
Feb
26
27
Mar
28
Abr
May
29
30
Jun
31
Jul
Ago
32
33
Sep
34
Oct
Nov
35
36
Dic
37
Ene
Feb
38
Mar
39
40
Abr
May
41
Jun
42
43
Jul
Ago
44
Sep
45
46
Oct
Nov
47
48
Dic
Promedios =
Desv. Est.=
N=
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
Dt=Yt-Yt-12
D't=Dt-Dt-1
Val."t" dif.
Unidades
0
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 12 y de 1er. orden
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 12 y de 1er. orden
Meses
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
101
Diferencias 12
1
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Demanda
Meses
Diferencias 1
Diferencias 12
2,0
1,0
0,0
-1,0
-2,0
-3,0
-4,0
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
3,0
Meses
4,0
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
800
700
600
500
400
300
200
100
0
-100
-200
-300
Ing. R. Morn
-0,96
0,80
0,03
0,78
-0,18
-0,13
0,16
-0,57
0,55
-0,79
0,23
-0,32
0,52
0,69
-0,70
0,75
-0,22
-2,35
1,41
0,73
-0,34
0,50
-0,91
1,01
0,34
-0,39
0,62
-0,46
1,67
2,31
-2,78
-1,09
-0,18
-0,34
-0,39
800
700
600
500
400
300
200
100
0
-100
-200
-300
-51
48
5
47
-7
-4
12
-29
34
-41
16
-15
32
42
-36
45
-9
-129
82
44
-16
31
-48
60
22
-19
38
-23
97
133
-153
-58
-7
-16
-19
3,09
56,14
35
Outliers
Val."t" dif.
Diferencias 1
37,00
-16,00
18,00
-3,00
62,00
-37,00
3,00
9,00
-53,00
13,00
-35,00
35,00
-14,00
32,00
23,00
44,00
55,00
-41,00
15,00
-20,00
-19,00
-28,00
-19,00
20,00
18,00
74,00
-13,00
89,00
46,00
-170,00
97,00
24,00
-35,00
3,00
-67,00
80,00
40,00
55,00
25,00
66,00
143,00
-37,00
-56,00
-34,00
-42,00
-13,00
-86,00
6,13
53,95
47
Demanda
D't=Dt-Dt-12
Unidades
Dt=Yt-Yt-1
Meses
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
t
1
Ene
Feb
2
3
Mar
4
Abr
May
5
6
Jun
7
Jul
8
Ago
9
Sep
Oct
10
11
Nov
12
Dic
Ene
13
14
Feb
15
Mar
16
Abr
17
May
Jun
18
19
Jul
20
Ago
Sep
21
22
Oct
23
Nov
24
Dic
25
Ene
Feb
26
27
Mar
28
Abr
May
29
30
Jun
31
Jul
32
Ago
33
Sep
34
Oct
35
Nov
36
Dic
Ene
37
38
Feb
39
Mar
40
Abr
41
May
Jun
42
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedios =
Desv. Est.=
N=
-0,96
0,80
0,03
0,78
-0,18
-0,13
0,16
-0,57
0,55
-0,79
0,23
-0,32
0,52
0,69
-0,70
0,75
-0,22
-2,35
1,41
0,73
-0,34
0,50
-0,91
1,01
0,34
-0,39
0,62
-0,46
1,67
2,31
-2,78
-1,09
-0,18
-0,34
-0,39
-51
48
5
47
-7
-4
12
-29
34
-41
16
-15
32
42
-36
45
-9
-129
82
44
-16
31
-48
60
22
-19
38
-23
97
133
-153
-58
-7
-16
-19
3,09
56,14
35
Outliers
37,00
-16,00
18,00
-3,00
62,00
-37,00
3,00
9,00
-53,00
13,00
-35,00
35,00
-14,00
32,00
23,00
44,00
55,00
-41,00
15,00
-20,00
-19,00
-28,00
-19,00
20,00
18,00
74,00
-13,00
89,00
46,00
-170,00
97,00
24,00
-35,00
3,00
-67,00
80,00
40,00
55,00
25,00
66,00
143,00
-37,00
-56,00
-34,00
-42,00
-13,00
-86,00
6,13
53,95
47
t
Ene
1
Feb
2
3
Mar
Abr
4
May
5
6
Jun
7
Jul
Ago
8
9
Sep
10
Oct
Nov
11
Dic
12
13
Ene
Feb
14
Mar
15
16
Abr
17
May
Jun
18
19
Jul
20
Ago
Sep
21
22
Oct
23
Nov
Dic
24
Ene
25
26
Feb
Mar
27
Abr
28
29
May
30
Jun
Jul
31
32
Ago
33
Sep
Oct
34
35
Nov
36
Dic
Ene
37
Feb
38
39
Mar
Abr
40
May
41
42
Jun
43
Jul
Ago
44
45
Sep
46
Oct
Nov
47
48
Dic
Promedios =
Desv. Est.=
N=
Yt
125
162
146
164
161
223
186
189
198
145
158
123
158
144
176
199
243
298
257
272
252
233
205
186
206
224
298
285
374
420
250
347
371
336
339
272
352
392
447
472
538
681
644
588
554
512
499
413
300,35
146,48
Dt=Yt-Yt-1
D't=Dt-Dt-12
Val."t" dif.
Unidades
0
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 1 y 12 orden
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 1 y 12 orden
Meses
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
102
Diferencias 12
3
Demanda
Meses
Diferencias 1
Diferencias 12
3,0
2,0
1,0
0,0
-1,0
-2,0
-3,0
-4,0
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
4,0
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
700
600
500
400
300
200
100
0
-100
-200
-300
Ing. R. Morn
0,26
0,02
-0,56
-0,52
1,06
-0,54
0,84
0,33
-0,12
-1,08
0,10
0,55
0,44
-0,14
0,04
0,60
0,64
-3,35
2,04
0,10
0,31
-0,68
0,01
0,20
-0,97
0,80
1,26
-0,34
0,37
1,98
-2,10
-0,34
-0,27
-0,81
-0,12
700
600
500
400
300
200
100
0
-100
-200
-300
17
4
-28
-26
61
-27
49
21
-4
-57
8
33
27
-5
5
36
38
-182
115
8
20
-35
3
14
-51
47
72
-16
23
112
-113
-16
-12
-42
-4
2,71
55,11
35
Outliers
Val."t" dif.
Diferencias 1
36,00
17,00
11,00
50,00
-38,00
25,00
-13,00
-67,00
-8,00
34,00
-35,00
23,00
53,00
21,00
-17,00
24,00
23,00
-2,00
36,00
-46,00
-12,00
-23,00
-27,00
56,00
80,00
16,00
-12,00
60,00
61,00
-184,00
151,00
-38,00
8,00
-58,00
-24,00
70,00
29,00
63,00
60,00
44,00
84,00
-72,00
38,00
-54,00
-4,00
-100,00
-28,00
6,62
55,82
47
Demanda
D't=Dt-Dt-12
Unidades
Dt=Yt-Yt-1
Meses
Yt
108
144
161
172
222
184
209
196
129
121
155
120
143
196
217
200
224
247
245
281
235
223
200
173
229
309
325
313
373
434
250
401
363
371
313
289
359
388
451
511
555
639
567
605
551
547
447
419
302,38
144,72
t
1
Ene
Feb
2
3
Mar
4
Abr
5
May
6
Jun
Jul
7
8
Ago
9
Sep
Oct
10
11
Nov
Dic
12
13
Ene
14
Feb
Mar
15
16
Abr
May
17
18
Jun
19
Jul
Ago
20
21
Sep
22
Oct
23
Nov
24
Dic
Ene
25
26
Feb
27
Mar
28
Abr
29
May
Jun
30
31
Jul
32
Ago
33
Sep
34
Oct
Nov
35
36
Dic
37
Ene
38
Feb
39
Mar
Abr
40
41
May
42
Jun
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedios =
Desv. Est.=
N=
0,26
0,02
-0,56
-0,52
1,06
-0,54
0,84
0,33
-0,12
-1,08
0,10
0,55
0,44
-0,14
0,04
0,60
0,64
-3,35
2,04
0,10
0,31
-0,68
0,01
0,20
-0,97
0,80
1,26
-0,34
0,37
1,98
-2,10
-0,34
-0,27
-0,81
-0,12
17
4
-28
-26
61
-27
49
21
-4
-57
8
33
27
-5
5
36
38
-182
115
8
20
-35
3
14
-51
47
72
-16
23
112
-113
-16
-12
-42
-4
2,71
55,11
35
Outliers
36,00
17,00
11,00
50,00
-38,00
25,00
-13,00
-67,00
-8,00
34,00
-35,00
23,00
53,00
21,00
-17,00
24,00
23,00
-2,00
36,00
-46,00
-12,00
-23,00
-27,00
56,00
80,00
16,00
-12,00
60,00
61,00
-184,00
151,00
-38,00
8,00
-58,00
-24,00
70,00
29,00
63,00
60,00
44,00
84,00
-72,00
38,00
-54,00
-4,00
-100,00
-28,00
6,62
55,82
47
t
Ene
1
2
Feb
3
Mar
Abr
4
5
May
Jun
6
Jul
7
8
Ago
Sep
9
Oct
10
11
Nov
Dic
12
Ene
13
14
Feb
Mar
15
Abr
16
17
May
Jun
18
Jul
19
20
Ago
Sep
21
Oct
22
23
Nov
Dic
24
Ene
25
26
Feb
Mar
27
Abr
28
29
May
Jun
30
Jul
31
32
Ago
Sep
33
34
Oct
35
Nov
Dic
36
37
Ene
38
Feb
Mar
39
40
Abr
41
May
Jun
42
43
Jul
44
Ago
Sep
45
46
Oct
47
Nov
48
Dic
Promedios =
Desv. Est.=
N=
Yt
108
144
161
172
222
184
209
196
129
121
155
120
143
196
217
200
224
247
245
281
235
223
200
173
229
309
325
313
373
434
250
401
363
371
313
289
359
388
451
511
555
639
567
605
551
547
447
419
302,38
144,72
Dt=Yt-Yt-1
D't=Dt-Dt-12
Val."t" dif.
Unidades
1
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 1 y 12 orden
Valores atpicos (outliers) - Serie aleatoria con tendencia lineal y estacionalidad - Diferencias de 1 y 12 orden
Meses
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
103
Control de la Operacin
Ajuste de outliers
Ing. R. Morn
104
Control de la Operacin
Filtrado de outliers individuales en el ingreso de datos
Dado que los errores entre pronstico y real tienen distribucin aproximadamente
Normal con media nula, el estadstico
e 0
e
tt = t
= t
Se
Se
que tiene distribucin aproximadamente t de Student con n-1 grados de libertad,
y donde Se = SDE y n es la cantidad de datos considerados en el clculo de la
SDE; permite detectar errores individuales significativos definiendo un intervalo de
control apropiado
K tt K
En la prctica, como n es suficientemente grande, se puede aproximar la
distribucin por la N(0, 1), y adems frecuentemente se toma K = 2.
Si tt cae fuera de los lmites de control, el correspondiente valor de la demanda
debe revisarse.
Este filtrado debe hacerse en tiempo real al registrar la demanda.
Ing. R. Morn
105
Control de la Operacin
SEAL DE RASTREO
Grandes errores de pronstico acumulados pueden indicar un cambio en el patrn
de demanda. El error acumulado no debe diferir de cero si todo est bajo control.
Errores acumulados grandes pueden detectarse usando seales de rastreo (TS).
Se fija un intervalo de control K TSt K con lmites convenientemente elegidos.
Cuando TSt supera los lmites de control, inferimos que hay un sesgo significativo y
el mtodo de pronstico debe ser revisado.
La revisin puede conducir al ajuste de los parmetros e inclusive al reemplazo del
modelo.
Luego de revisado el modelo la seal de rastreo se debe poner en cero para
recomenzar el control.
Ing. R. Morn
106
Control de la Operacin
Seal de rastreo de sumas acumuladas (TSM)
Sean la suma de errores acumulados y la desviacin media absoluta de los errores
suavizada, respectivamente:
CUSUM
= CUSUM
t 1
MAD t = | et | + (1 ) MAD t 1
+ et
TSM t =
CUSUM
MAD t
Ing. R. Morn
107
Control de la Operacin
Como la media de TSMt es cero se podra pensar en tomar los lmites de control K
iguales a un cierto nmero de veces la desviacin estndar de TSMt. Sin embargo, si
los errores no son normales e independientes esa desviacin estndar no est
tericamente bien definida y el valor de K se debe fijar empricamente. Este es el
caso cuando se utilizan modelos de suavizacin para los pronsticos, en los que en
general los errores no son independientes.
Esta seal de rastreo puede dar falsas alarmas. En efecto, es fcil ver que si un gran
error en un perodo es seguido por varios pequeos errores en los perodos
sucesivos, el valor de TSMt puede salir de control despus de estos ltimos porque
creci el numerador CUSUMt debido al gran error y decreci el denominador MADt
por los pequeos.
Adems CUSUMt da el mismo peso a todos los valores de los errores, y es lgico
darle ms peso a los ltimos valores que a los ms antiguos.
La seal de rastreo de Trigg (TST) no tiene estos inconvenientes y es ms utilizada
en la prctica.
Ing. R. Morn
108
Control de la Operacin
Seal de rastreo de Trigg (TST)
Est dada por
TST t =
donde
SAD t
MAD t
SAD t = e t + (1 ) SAD t 1
MAD t = e t + (1 ) MAD t 1
son el promedio del error suavizado y la desviacin media absoluta de los errores
suavizada, respectivamente.
Resulta 1 TSTt 1.
Valores iniciales:
SAD1 = 0
109
Control de la Operacin
Si los errores se distribuyen normalmente y son independientes, la desviacin
estndar de SAD es
SD SAD t =
S et 1, 25
MAD t
k 1, 25
se obtiene
k 1, 25
MAD t SAD t k 1, 25
TST t k 1, 25
MAD t
Ing. R. Morn
110
Control de la Operacin
Para fijar los lmites de control Brown propone la expresin:
TST t k 0 ,55
Para k = 2 (intervalo de aproximadamente el 95%) y = 0,1 estos lmites
k 0 ,55
resultan 0,35, que son valores son muy exigentes. Recomienda comenzar con
ellos y luego ajustarlos segn la experiencia.
Makridakis da los siguientes valores de los lmites de control, para intervalos del
95% y errores no independientes, para distintos valores de .
Lmites de control
0,1
0,42
0,2
0,57
0,3
0,69
111
Sistemas de Pronsticos
Sistema de informacin basado en computadora
112
Sistemas de Pronsticos
Beneficios de un buen sistema de pronsticos
Ing. R. Morn
113