Metodologas

El Mejor Modelo: Multiplicativo de Holt-Winter

Alfa
0.2429
Beta
1.0000
Gamma
0.7797
Estacionalidad
4
RMSE
71.8132
MSE
5157.1348
MAD
53.4071
MAPE
4.50%
U de Theil
0.3054

Segundo Mejor Modelo: Aditivo de Holt-Winter

Alfa
0.2217
Beta
1.0000
Gamma
1.0000
Estacionalidad
4
RMSE
92.4240
MSE
8542.1969
MAD
74.0883
MAPE
5.38%
U de Theil
0.3424

Tercero Mejor Modelo: Multiplicativo Estacional

Alfa
0.7195
Gamma
1.0000
Estacionalidad
4
RMSE
152.3492
MSE
23210.2897
MAD
126.6442
MAPE
9.01%
U de Theil
0.4908

Cuarto Mejor Modelo: Aditivo Estacional

Alfa
0.6882
Gamma
1.0000
Estacionalidad
4
RMSE
182.4348
MSE
33282.4687
MAD
161.1926
MAPE
10.62%
U de Theil
0.5607

Quinto Mejor Modelo: Suavizado Exponencial Doble

Alfa
0.1160
Beta
1.0000
RMSE
223.6280
MSE
50009.4736
MAD
197.9173
MAPE
15.09%
U de Theil
0.7313

Sexto Mejor Modelo: Promedio Mvil Doble

Sptimo Mejor Modelo: Suavizado Exponencial Simple

Alfa
0.7948
RMSE
287.1776
MSE
82470.9621
MAD
249.2510
MAPE
18.16%
U de Theil
0.9561

Octavo Mejor Modelo: Promedio Mvil Simple

RMSE
MSE
MAD
MAPE
U de Theil

RMSE
MSE
MAD
MAPE
U de Theil

4
272.7573
74396.5245
249.0010
14.40%
0.7248

2
318.8152
101643.1317
280.3222
19.55%
0.9623

Multiplicativo de Holt-Winter
Resumen Estadstico
Alfa, Beta, Gamma
0,00, 0,00, 0,00
0,10, 0,10, 0,10
0,20, 0,20, 0,20
0,30, 0,30, 0,30
0,40, 0,40, 0,40
0,50, 0,50, 0,50

RMSE
914.824
415.322
187.202
118.795
101.794
102.143

Alfa, Beta, Gamma

0,00, 0,00, 0,00
0,10, 0,10, 0,10
0,20, 0,20, 0,20
0,30, 0,30, 0,30
0,40, 0,40, 0,40

RMSE
914.824
415.322
187.202
118.795
101.794

El anlisis se llev a cabo con alfa = 0,2429, beta = 1,0000, gamma = 0,7797, y estacionalidad = 4

Resumen del Anlisis de Series de Tiempo

Cuando existe estacionalidad y tendencia, los modelos ms avanzados requieren descomponer los datos en sus elementos base o componentes: un nivel base (L) ponderado por el parmetro Alfa, un componente de tendencia (b) ponderado
por el parmetro Beta; y un componente de estacionalidad (S) ponderado por el parmetro Gamma. Existen varios mtodos pero los dos ms comunes son el aditivo de estacionalidad de Holt-Winter y el mtodo multiplicativo de
estacionalidad de Holt-Winter. En el modelo aditivo de Holt-Winter, el nivel base para el caso, la estacionalidad y las tendencias se aaden al mismo tiempo para obtener el pronstico ajustado. Se utiliza cuando la serie tiene un patrn
estacional creciente.
La prueba que mejor se ajusta para el pronstico del promedio mvil simple es la media de la raz cuadrada de los errores al cuadrado (RMSE - Root Mean Squared Error). La RMSE calcula la raz cuadrada de la desviacin al cuadrado
promedio de los valores ajustados contra los datos actuales.
El Error Cuadrtico Medio (MSE - Mead Squared Error) es una medida de error absoluto que ajusta los errores (la diferencia entre los datos histricos y los datos del pronstico ajustados pronosticados por el modelo) para prevenir que los
errores positivos y negativos se cancelen entre s. Esta medida tambin tiende a exagerar errores grandes ponderndolos con mayor importancia que los errores pequeos, cuadrndolos, lo cual puede ayudar cuando se comparan diferentes
modelos de series de tiempo. El Error de la Media al Cuadrado (RMSE) es la raz cuadrada del MSE y es la medida ms popular de error, tambin conocida como funcin de perdida cuadrtica. El RMSE puede definirse como el promedio de
los valores absolutos de los errores del pronstico y es muy apropiado cuando el costo de los errores del pronstico es proporcional al tamao absoluto del error del pronstico. El RMSE se utiliza como un criterio de seleccin para el mejor
ajuste de modelos de series de tiempo.

El Porcentaje de la Media del Error Absoluto (MAPE - Mean Absolute Percentage Error ) es una medida estadstica de error relativo, como un porcentaje promedio del error de los datos histricos y es ms apropiado cuando el costo de los
errores del pronstico tiene una relacin ms cercana al porcentaje del error que a un valor numrico de error. Finalmente, una medida asociada es la estadstica de la U de Theil, la cual mide la credibilidad del pronstico del modelo. Es decir,
si la estadstica de la U de Theil es menor a 1.0, entonces el mtodo utilizado para el pronstico proporciona un estimado que es estadsticamente mejor que adivinar.
Periodo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Pronstico21
Pronstico22
Pronstico23
Pronstico24

Real
684.20
584.10
765.40
892.30
885.40
677.00
1006.60
1122.10
1163.40
993.20
1312.50
1545.30
1596.20
1260.40
1735.20
2029.70
2107.80
1650.30
2304.40
2639.40

Pronstico Ajustado

684.20
667.55
935.45
1198.09
1112.48
887.95
1348.38
1546.53
1572.44
1299.20
1704.77
1976.23
2026.01
1637.28
2245.93
2643.09
2713.69
2114.79
2900.42
3293.81

Medidas de Error
RMSE
MSE
MAD
MAPE
U de Theil

71.8132
5157.1348
53.4071
4.50%
0.3054

Ajuste de Distribucin para Variables nicas

Resumen Estadstico

Distribucin Ajustada Logartmica Normal

Mu
1412.26
Sigma
750.25

Estadstico Kolmogorov-Smirnov
Prueba Estadstica para P-Value

0.07
1.0000

Real
1347.75
586.62
0.68
-0.38

Terica
1412.26
750.25
1.74
5.85

765.40
2029.70

885.40
2107.80

Media
Desviacin Estndar
Asimetra
Curtsis

Datos Originales Ajustados

584.10
677.00
1596.20
1650.30

684.20
1735.20

892.30
2304.40

993.20
2639.40

1006.60

1122.10

1163.40

1260.40

1312.50

1545.30

Ajuste de Distribucin para Variables nicas

Resumen Estadstico

Distribucin Ajustada
Mu
Sigma

1412.35
750.35
0.50

Estadstico Kolmogorov-Smirnov
Prueba Estadstica para P-Value

0.07
1.0000

Real
1347.75
586.62
0.68
-0.38

Terica
1412.35
750.35
1.75
5.86

765.40
2029.70

885.40
2107.80

Media
Desviacin Estndar
Asimetra
Curtsis

Datos Originales Ajustados

584.10
677.00
1596.20
1650.30

684.20
1735.20

892.30
2304.40

993.20
2639.40

1006.60

1122.10

1163.40

1260.40

1312.50

1545.30

SIMULACION DE MONTEC
Ao

2006

2007

2008

2009

2010

2011

Trimestre
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1

Perodo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Ventas
684.2
584.1
765.4
892.3
885.4
677
1006.6
1122.1
1163.4
993.2
1312.5
1545.3
1596.2
1260.4
1735.2
2029.7
2107.8

18

1650.3

19

2304.4

20

2639.4

17

2713.69

18

2114.79

19

2900.42

20

3293.81

MULACION DE MONTECARLO

Ventas

3500
3000
2500
2000
1500
1000
500
0
1

2
3
2006

2
3
2007

2
3
2008

2
3
2009

2
3
2010

I trimestre 2011

(+) Ventas
(-) Costo de ventas
(-) Depreciacion
(=) UAII
(-) Intereses pagados
(=) Utilidad gravable
(-) Impuesto a la utilidad (30%)
(=) Utilidad Neta

2713.69
1899.582
280
534.11
140
394.11
118.23198
275.87

2
3
2010

2
3
2011