- Prondsticos, series de tiempo y regresion Un enfoque aplicado una xe Bruce L. Bowerman Miami University, Ohio Richard T. O'Connell Miami University, Ohio Anne B. Koehler Miami University, Ohio Revisién tenia Miguel Balderas Lozada Te de Monterrey, campus Estado de Meco 2 CENGAGE “is Learning Tatas Und pin- Makan io SapaBE Cantos Rasen de tes tamporles {6.6 Los das eo Tala 6.10 gn 322 presenta cami da concer de efennos losin 1 meses enfemedad senna ce scab, Un grea dees tas en fon de tiempo se presen en a Figur 638 pie 323, En la iu 69 (pins 32) east ence tfc del empo des inguin tees de) ner ecafemos dado cones 1 Sea seropido usar uo mcd a cava de imino para roma rales ft? Eipliqesurespast 4 Latrasiomacia logan dea Figura 639 (osgina 323) insane? Dea un moo astra de cura de remit qu ser nel en pnt, "and slogans atu «Ba agua 540 pigna 323) sc psentaun said de MINTTAB dl ost wanformad de ura de rene deena nee ent os vos par iy el dso rama decesimino seteminaloenclinio oy trea cin de predic pra dich adel Exim ata de rece de eater Cale prnsstion ual pray ae de enfermos dao concer en es 1, isos aloes det mel transom acura decrecineno qu preston a ae infin de Fgua 0 par eae ‘tr de presi dl 5% puny Iepoe ineral, Métodos de descomposicién La eplcacidn de fos modelos de descomposiléw pars pronosticar series emporles ave manifiestan tendncia y efectos esacionales se essen exe cau, No bay bases tercas para dichos mocos ~sn rgursamente un enfooe inti, No ofstane. estos modelos han resulad les cuando los pardmetrs que descen una serie emporal no cambia en el impo. Laide bia en la ae Se apoyan fos ‘modelos esa descompasicién de as Series emperales en arts actress tendencia, (error) estaciona, cite e irregular. Las esiaciones de eos foes se sti pra deseribirlas series tempoales Adon, silos parémetos de series tempore bo cambian, ls esiimacooes se pueden usar para Jeerminar pronéticospuntuales, En la Sein 7.1 se trata el modelo de descomposicin multiplicativa, Este Imodelo es sls! moder series temporaes que manifiestan wna variacin estac ‘ional reciente o derecent. En Ja Seon 7.2 se explic bevenente el modelo de descomposicion aia, que ve puede ulizar pra moselar seis temporles ‘que mocsiran una variacn estacional constant Una tree explicacin de X. 12-ARIMA, un metodo de descomposcién qu aplia la Ofc de Censos del Departamento de Comercio de Estados Unidos e presenta en la Sein 7.3,226 Captulo7 Método de exon 7 2 DESCOMPOSICION MULTIPLICATIVA, CConsdere una serie temporal que manifesta vaiaidnestaconal reciente 0 dere iene. Cuando fos parimeris que desea laseie no cabin ene tempo, aves, lasere temporal se pede modelaen forma aecvata usando lo qu se lama models {de descomposicion multipicativa. Este modelo se puede planar como sigue 5 > Ye2 TR SN, CL IR, | El modo de descompicin mullpi onde valor observa del serie temporal ene peridot componente (o flor dela tendencla on cl priodo ¢ componente (o factor estcional exe petiodo ¢ componente (0 factor) elie en el priador f componente (o factor) regular enelperiodor ‘Yase atl natura dels efectos de endancia,d as vaviacionesestocionlesy elas fuctacones regulates. Eleomponent cco, Cl. se efi alos movimien tos recurents hacia aba y hacia abajo con esp a os nveles dela tendencn, ‘cuando os caus, por ejemplo, e ciclo mean Estas futisciones pueden drat ead dos amis deez aos, sepino gue se mie de maximo amiximo oe iin minimo. En as cuestiones dees negocios, ub mo marae final dua exp sin en fa aetvidad comercial yun minim sefalna el final de una conracci. Observese queen este modelo de descomposiién sewiliza un Facto estacional ‘multiplicative, Es decir, el facto estacional se mutipica por la endensia (yo suma ala tendecia como en la eresn con variable tc; véase Secon 6.4, ara vera manera como ! factor esacional multplicativo puede modelriavaracin «staionl crcient,suponga que, pr deve alg, ls vents dels motores fuera de buna que offece Power Dive Corporation soa esaconales, También soponga que las ventas ms boas son fas del primer timeste, ls mis alias se observan en el Segundo rimeste, as ventas moderadament alts se presenan ene tree rineste y ls moderadamentc basen el custo trimeste. Aden, suponga que ls ens nmaifetan una tendencia lineal dada por TR, = S00 + Soe onde = 10 se considera com el curio times de 2002. i se considera slo bs ‘tendencies de esperarse que as ventas de fos motres fuera de bord en los eat ‘rims de 2003 sean TR, = 500 + 50(1) = 580. (rimeste 1) ‘TR, = 500 + 5002) = 600 rimestre2) ‘TR, = 500 + 50) = 660. ¢rimeste 3) 500+ S0(4) = 700 (vimestre 4) iGURA 7.1 fiempo certo conte de steers sions utiles Shy 1 Descompascisn mutilate 327 Sin embargo, ls ventas son etacionales. Poo tanto, poemos model com Dortamieno estcional de las ventas mediante la deinicin de factor Tes, Suponga abors que es fctoresestacngales para los rimestes SSNg, = 4, SNq_ = 16,SNoy = 12, SNou= 8, Sistponemes queso factores tesacionaes son mulpicaas, entones cuando consideranos tana la endenia como ls efectos estucioaes, esperanos que ls ents en os cua tiestes de 2088 seria de TR x SN TR x SN TR, x SNe, = (500 + 5081.2} TR, X SNox = [500 + 50] Al mulilica a tendenia TR por los factors estaionalesapopiados se mdelae pan estacional de vents, Eo se hus en a Figura 71 los factors estacionales rolplicaivs son consates en el tempo, entonces podensos mode a arian estaionalcreciente Por eemplo,enasituacin dels ‘ents e os motores fuera de band, cuando tomarmos en cuenta tant a teadencia camo ls efectos estacioales, es de esperar que ls ventas en los cuatro timestres de 2004 sean TR, SN, = [S00 + SKS)C4) = 300 TR, x SNp = {800 + 5061.5) = 1280 TRy «SN = [800 + SOCDKL2} = 1020 TR, x Nou = (500 + SOS.) = 729 Larmuliplicacin de atendensia polos factors estacionales signifi ques dren siones de la varacidn estaconl sen proporcionses aa tendencia. Po ofan, puesto que a tendencia TR, = 500 + Sor escrecente ls dimensiones de vain estacional son crecentes vain et ‘inal crecint) Tome en event otra vez que estamos suponiendo que ls actors cstacionales son constants ene tiempo. A veces, los factres exaconales sfcambian ‘encl empo;entonces seinen qu acura los métads de os Captlos8 al 12. EL factor estacional SN, model os patronescctics en una serie temporal que ‘on compltados denro den afo civil Si ua see temporal mais un cielo 1400 4 1200 1000 gem 600 00 20 ai!228 Captlo? Modo de decomocsin weMPLo 7.4 ‘be tene una mayor duracion, se puede defnir un fico ilico CL, Por jemplo.en les vents de los motores fuera de bord, suponga ie los eto imestes 2003, «tin ineluidos en un “perido de auge” del ilo comercial. Suponga ques aloes icios que describen latvia econdmicaincremeniad nos cto timests de 2003 s00CLy = 1.05, CLs = 108,CL, = L09,yCL, = 110.Si toma encoea losefectos dea tended a varacén esacional yas chiens, ex de esperar gue las venus en los cua trimestes de 2003 sean ‘TR, x SNe CLy = 2201.08) = 238 TR, X SNe X CL = 9604.05) TR, « SNoy X CL = 7806.09) TR, SN X Cy = $6010.10) Por consguiente fs fctores cticos inerementan as ventas espera por aia de niveles que se oda esperar slo se consideraran os efectos de latendencia os ‘estacionaes, Esto refs I prosperdad repntina en la atid econdmiea. I método de descomposiciin multiplicativa se puede splicr para obtnee «estimaciones pantuales ~enotadis por try sy eli dels factres TR, SN, CL, IR, El ejemplo siguiente usta el procodinieno Discount Sods Sho, In. es popetariay administra diez exablcnientos donde werden bebidas relescartes alos automouistas sn que és engan que descend de sus vebicuos. Discount Soda vende Tasty Cale, una bebaa con agus cabonatad he fue ntrodcis a mercado hac tes fos y que a ganado acepacon Cad cer tempo, Discount Sods hace un pedo de Ty Cola al cstbidrrexiona La compa uti un este para su inert con aque petendecumplrpctcarertecon tod a demand de Testy Col, aa ver que asegua que le cmpafia ro inmoiiasn necesdad su dine, pidendo mucho mds Tasty Cola dels que espera ratoablement ‘ede Con objeto de pone en macha su poltica de wena, Discount Soda nce {ener pronfsticos menses de las ventas Se Tasty Cala (en centos de erases fol de cat mes, Discount Soa desea pronésticospuntuaes¥ pronto des tna los de preicin de is ventas de Tasty Col en los meses tutus. Discount Sods Hea ls esos de ls vert ensues de is vant Tsty Cols rete los es fos anteriores, alos que sees puede lamar af I, 280 2 ato 3, tb see temporal se usta ena Tabla 7.1 ys grates en a Figura 7.2. Observe que apie de mostrar una tendencialine, serie temporal do us ena de et Cala pose varie ‘én estacina en ls ques vetas més alas del bebidas observanenl vero yes riers meses det ota, las ms bes son las dees meses delinvetno. Misael neste ejemplo se muest aque esazonable coli qu las vera de Tasty Coleen prado re describe en fra adecuada medinte el modelo = Tip x CLR Foro tanto en la Tobia 7.2 esunen ls clculs neces para determina se ‘aces ~denaades port, st che i de os cemmporentes TR, 8, Cl eR dete modal, Parsi is consideracones des clues, explaremosel clo delas medias _méniles ys medias méviles entradas (as meds moves cerrado, se danctan cn icuea 72 Graco els verta nena de Ty Coafen cers de rvs 11 Descomposdn mulling 328 TABLA 7.1 Ventas mensuales de Tasty Cola (en dntos de envases) Venias | Venas pe ane Ao _ Sassen 2 7 19 831 1 ee) 1 oD Me) 2 2 9a ais ite) 3s | on is fas) 2B nooR a jou 3 nox St Sim) § a 3 vi) ag | 3 Le fa 20% m Penman 30 BoB wos) at $2 @ Ine) aS 6} wo noo om 6 2 s 21 Bom oR ie oa on is : 8 Ge | oH ‘oe i om | ns Hs See inns hook wt $m Be CCMA). Ecbjatio que se ocuta dts del ckulo de estas meas es ena Is var acon etaconalesy las utuacines regulars dels dts. La prmaremacia met el romeo de ls primers 12 valores ds venta Tasty Cola 189 +229 + 29 + 299 +260 +4814 660 2 777 $98 + 613 +485 +277 mma Aqui esamos una “mesa mbilde 12 perates”peruelas dats de laser tempera de TasyColasen mensuls(L= 12 pias o“estacones” por ao). Silos dats fuean de trimesres clulstamos una "mda moi de cuato pages. La segunda necks mui se bien al elimina el primer valor dolas eras) dl promedio enc siguiente220 Capo? Mitadore moon 11 Dexomposdén ntti 331 ‘TABLA 7.2 Ans dea ste temporal ds venta ants Tasty Col, por medio de a TABLA 72 (Contiuncio descomposiien maltipicave an (vsors dee, 7 Loch dias a (0) Valores 55. dy yr tr Rea, dcites erm ea a cla mv a2 A= an, y= 380163 2 19 fy Petodes “tne Syste) any BABSE j= Xo 2m Be 9405 son sn nm 3 we rout 1010 Lost 6) 35 wen 4 oD ites 0396 om jas a aie 3 i417 0s oats Uns 3s aes nan 6 a1 005 10000 085 om ao 25 GI a 7 ao GEN oon ane vinns a as ae $m Tas ira) Lies Ls 986 712 as0e7 ano 391s a7 oe 931 339 78450116 TBST 6s ange 3 525 is sa 552 tangs ets i aS es om ses ans 3 $8 $609 KS T8979 SSeh at Bom me os st 0) 63 Wis 4232 oT Oa Bu ee , i " iss sim haya ese ey Mo Be mss at Ea ss 2 a a2 3 ooo ala Tea is 83089 Loxst Lnsot io me asa es ys NY Ss 6 036173 ‘nas te 982 1 6 ies 536A StOM 78 Hu 539 Loney mast Loo i 39 sue 48 ws 8S SSA He B86 Saas hess Law ons? 1 Suse S07 age aso SLID S817 elas 9 1 e219 Loo Lest Loo 7 3p sam 19S Sk Stay Stam 38 2B mo soto 59 ons 5533 15557 sono Ssons uae MMS Us307 au 3 ‘ost 1p BL Signs SoTL aes Las $6645 seass azo B79 en Ses a 88 2 9 569333 ST 67 SoM e893 ST Bom B36 58 6 a4 21S Staite Sta S97 um an tore a zs 219 Som 807 Lampson Sao Sono Gonae BM oT 7 oat ss Br 58675 S93 tam) age Ha) oRaID IS 6 x om me tou 0 109 Mom wig 62a Rang Sete n 3 ae oxsi Leo 3083 3 Be aos. Gon? 45 Gots TART a 43 on an ‘m0 17 % om wun oso S85 aL n 4 ws og swat ans DM) el wos 5 Sos sas aes het Deo 5589 nes tou 9956 BS user arse] AT ass nn Boy 58828, 018 (059 ok » om eas crs Sl See teas gs 2 1 use 935) 053 906 0 ais out om Saas aah 3 Lek 967 ‘i 9958 11s a ino arn ver ko Gad Sas Mos 9185s 9612 9586 9985 2 13 Glo eka sr BOTs 7293 oss nt on 3 ie (749 aa Lsver OM Bm votes ae 1am 16m oiRss uous tm 4s ein 293, a Cr aT La terra meda mois oben elminando yy det promedio © incargorando ya ‘alr de is ventas) ene promo Fo census btene romeo. enemas entonces 2294+ 249+ 289-+ 260+ 431+ 66047774915 +613 4 485 4277+ 244 29 +289 $200 + 481+ 69+ 777+ 95 + 61+ 4854277 +2444 286 2 2 52.417 8=a 32 Ctl? Métods de aesomposdn 4s ens meds més scan noma a its 0 ui dtl pono at bn eons See ce pore lars pone, araanesdinendoucseonnae lime rer ender obenan “again Lapin mc nn caren aun emp eae pe enrlospredn6)7 bsenierse no creado ee btomedosekspeost ya yalsxeunnene Cocoeiodeciaepr a arent ene ooh ey Ca ec meio mie cad pred soy sms oso eae, Isms se 12 pd penne ta, hrc ‘media mévil centrada es a it or recta promedo nueva, 297.833 + 492.417 (a segunda mia mail cenvada es 52.817 + 598 aa = 485.2 ‘uséramos tes estaciones por af, entonces calulariamos res meas movies de tee Semone besinacon do TR Ch ares este seme eelgrass imps cna pas Secon ses tee eagle a 4s efectos ciclicos, es deci, t,x, ae Pussto que e meelo WaT ASMX Ch man de manera sini. as med a5 paral sve temporal dela rts quiere deci gue soem ot Se flere que la estimacion sy x i dS Rye 1.1 Descomposdn mtipetvs 332 ‘TABLA 7. Estinaclones dels factoresestaconles da erie temporal de as ventas de Tasty Cola sient) Met Ato? 5, snyx-10006758 (1 1 be 48) as 3 2 Rh 58 Ts 55 3 Me os 32s 55 4 ae 6 ss «0 5 My S67 Sol Sot Set SJ tones 356 7 We 1466 16S 8685 148 3 AR 177 166 Leis ry 9 Sep 19851982 gues 1990 10 Oe 132 11386 oor 1 Noe 1026130 as 9 De ST) eas 0 Los valores de sx i etn ya cakculados en la Tabla 7.2), porque ya podernas encontrar sn arupanda os valores de sr xt, por meses calcula el romeo, de cada mes. ts factors extacnals se noralanertonces ce mage que se salen 8 L= 12, enero de perindos en el af, Eta normalzacio slate mutiphcando aca alr de 5 pra cantidad Exe proces de rormaizacion da como resutado la estmaden sm = 10008758 6), que es estmacén de SN, Estos cls se resumen en a Tabla 73. ego de ocular os aloes des, y de clocros ena Tabla 7.23, dfs a closeracin compensada respect ala vain estainal en al period come », ae EN Ecbjeto de aeularlascbsenacones compensades especto ab vation estaconal es ‘stimar mer componerte dea tendencia Ta, Adve ete far escort ‘mato se inal extacioalidac de los datos nos permite entender a naturaeza dela tendencia Las dseraconescompensadas respect ala vaio estacioal etn ya cals en Tal 7.2) se gratin ena igre 7 3, Pesto quel obsenacones compensads respeco ala vain estacinal muestan una apa recta, pxece razonablesupoer una tender ines TB OBE334 Captlo7 Métadot de descomposicn FiGURA 7.3 Grea de Exel els vents compensa: respec ala ‘ara estan 4 1500 7—~-— 100 5 3 00 1 4-7-1013 16 19 22 25 28 31 34 Tiempo fstimames TR, justando una recta alas datos compensads respecte al vatain ‘tain. sd, caculamas ls estnaciones pntuaes de minis cuadiads de os adetos que esin en ef modelo de regen ings smale que vlcona avaiable percent onl vale independiente Gab Bitee, sla estimacon de TR, a clele Por comsicuonts, obtenemes Foro tanto, 6 ht = 30.168 49.4094 Los valores de stn ya caluados en Tala 72) Pr eemplo obser que aunqve ‘r= 759 (ventas Tasty Cela el periodo 22) es major qu t= $88.9 tenn. (a estas en el perodo 22), d= 58.725 menor que ty» 98.971. sto sigs {ue sean fos dats compensados rspecta aa vats estacona as vents de Ty Cols ester igerarente abso en octubre del ano 2. La cause po aber sido un octubre irate mis fro que lo noma 1 SE, Neos encasement 3 Gey TR, Cona Y= TR SN, CLR ‘quire der que x, Tx, ik = 211) Descompeién mulilatia 335 se nfere quelaestmacion de Cl xyes % axk = Adu, ls exerencia dernesia que al consdeardetos mensuaes o trestles dein promediar por corsiguiente, calcula I estiacin cde Cl, mecante els £45 + ain 4 = s deci es una media movi de ts periods de bs valores xr For ulti, detrminams la estiracion 0 usando la cuacn xt, Los culos de os valores dec er, pasos datos de Tasty Coa se resumen ena Tabla 7.200), Pusto questa hay wes aos de dates, y coma la mayor parte oes valores de st crea de, no ademas peribi un cio muy bien defo, Ades, a examina os valores der, no podemosdetctar un patrn en as estrone de los factors ineguiare Por costumbre, las estimaciones tr, Sn, ce obtenias mediante el metodo de escomposcion mutipicatva se utiizan en ls desrpaén de sere tepals. No ‘bstant, también se pueden apr estas esimacionespaaprnastice valores utros eles series temoorals, Sino hay patton en el components ines, entonces pron ‘ose qe es igual | Porle tant, presi punta eye j= tee xet siexite un ciclo muy bien defiridoy puede se predcho El pronto pantules jax, ‘inoesisteun ciclo muy bien defnide iC, ro puede set preicho, ori que serefire a ejemplo de Tasty Cola, donde teh +e = 380,163 + 9.4808 bs pronésicos punts de ls » 36 vonts antres de Tasty Cla se roporionan en a Tabla 7.2), Los prodstinspuntuaes de as vets fauas de Ty Cod en os 12 meses del afd se dan en a Table 74 Por leno pronsizo pura des vents ened perio 44s Fa = ten ' BED. 163 + 9.489 (4).693) = 797.6999.693) 1350.50 Aunque no hay intenao de pedicciontsscamenteconecto dey, os autres enon traren que un intenao de preci 100tt~ als clamenteprecso (poximads) pare yes 1. 8,00001- ea335 Capt? Micoderde TABLA 7.4 Fronsticos de los valores fturas de as ventas de Tasty Coe clcledos usando la escomposiion maltipicatva 4 3s » 2 a a % 45 4% ry a 6 595 0 Set 86 ae Los 1380 07 lis 0 poston una 74 Fests es e484 etm, 819) iB. -BIOHI 9 creel ni2n won 6 pay a Yee rae ute Jest Si6s00) 8 Wrote tetas 60 Mo fase) om Fea sige mapas sam] Seeman 931 ass (ees wis) sunsctee Tr20 win Pox 83) ee 783205 118630, ihe) m9 305) (isan reas) el sore 10 Uisah aio] 6s sess tr 8 aia ss st Bsost 50139 83 see, 10(~ cl eslimte de eeren un te de peicin 10-0 iy £8,00001- a rae obsevacin compsnsadarespecto ala varcinextacoal 4=T+e, rates, Por ees se usa SAS para peda d com base en rusando la nea de teeenda nos que un inten de prediccion del 95% pata 759.959, 825.439) Esto quite decirque =174 Se nee en ao de pradicén eprovimada del 95% pra ya es 135050 ~ 2774, 1350 80 + 27.74] = {1322.76 1378.24] Ene Toba 74s presenta intervals de pectin dl 95% (calelaos cone métedo arterin gara as ventas do Tsty Cola en os 12 mses dl ao Suponga que, en realidad, cbseramos ls ventas de Testy Cola ene to dy que «sts ventas son las que inca ena aba 74, nl Figura 74 ean as ents era yspronostcadas elo 8 periods de vera. nl price, elanalita aa ‘scomparcn des vents absavadasy proostadasde los afas 1 a3 por deteminar sil ecuacn de los pronsticosse asta en forma conversant alos datos anton slut aecuado (cam ques nda ens Fiwa 7.4, po rp) po mpusar 3 lun anata a usar esta ecuacio pra calcula ls prondstios de periods fuuoe 11 Descmposcin mltinata 33) a0 0 1 220 Ny ow hoody | g _ 5 4A ‘ | earn | 47 fF A ye “ mye my ] Sree | 1 oer 16 19.22 25 28 91 34 37 40 43.45, Tiempo ‘Una endn de quel ecu del pends de Ts Se tyes (300.163 + 9.880 ropoone pronéstco azaables esque esta ead tanto, cvando se nementa live promesia des sere temporal detrminad pre rauiplica spor, Poo tendesca, ument cambio estaconal dele see erp, cuales corecente. las raf los datos de as Fiuras?2y 7.4 Por eel, cbsene que ena Tabla? 3 el facto estcinal esac para agosto es 1.693. a ecuacion de prondsicos genera una preiccn de ls ventas de Testy Cla en agosto del ata igual 2 = 0.168 + 9.489.693) si.) sosgnfica una cambio estaonal de 77212456 075 «316.055 ( iba de 456.075, a ender estimad. La con del pondstco de una predcion locual teva. un combi estaiona incrementado de 9641 ~ 569943 = 394.967 tos de erases por ara de $69 943, teen eimads Ergon in ecuace det pronto es aproiads para prorstcer ua serie temporal con un can estaonal8 captulo7 toes de descomposiion «uses groporcional aie promesi dela see tempera sane determina latent 2 deci na see temporal que manta variacenextacionalcecerte. Oe vatadén estacorl ceiete rece el nombre algunas veces de variaein estaconal smukiplicativa 72 DESCOMPOSICION ADITIVA Consider ua sere temporal qu exhib variacén estacional constant, Condos paretos que desriben las series no canine no, algunas veces puede !madifcaren forma adecuads la sei tenga mediante fo ues connce como modelo de desomposicionadiiva, El modelo de descomposicién aditiva es. ~ y= TR, +SN,+ CL +R Fnestecaso,TR, SN, Cl IR esta definids como latendenci, ctr estacioa, factor eeic y factor irregular Sin embargo, eos factors son aitivos en agar smuhipiativs. Elmétodo de descomposicin atv seus ata determina estimaciones pon tualestr, sn itd los Factores spenas mencinados. El procedimiento empieza comel cleulo de as medias movies cena, CMA. La media mévil cena comsidera como un estnacién de TR + CL, Paso qe el moelo TR,+ SN, + Cl, + IR quiere decir que SN + IR y= TR, + CL) se ince enunces que la estimacia, + it, de SN, + IRes = tu, + el) = CMa, Con objet de determinar sn, grupamos os valores de +f por etaciones (meses, timestes, et, como sea apropiad)- Para cai exci, caleulamos la media de fs valores s,s + fj dees extacén. Determinanos os actores estacioales norm 2ando los aloes St, de modo que ls valores nomaliados sumen cero, La norma lagen se consiguerestndo la ania P 5/L de cada uno de os valores, Es deci, esimacion de SN es 12 Dereon ata 399 Enseguia caleuumos qe a obseevacién compensada respeto ais aici estaconal en el pein seri A cestrs, de a observa ye lin la estacionaidad de os datos y poderos tstimar mejor la tendecia. Esimaios i, def tendeacia TR, mediante el juste de tna ecuacion de regres alos datos compensadosrespecto la arian estacional Por ejemplo, una tendencia ina TR, =Bs+ Be una tendenciacundtica ™ se podiia ajustar a las observacones compensadas respect la variaién est «ional Puesto que el modelo Bo HAE HB TR, #SN, +CL, +R uiee decir que CL, #1R, = y= TR -SN, se infive que cleulsmos la estimacin de CL, + TR, como tig 24th Cox ubjto de promedia i culos una media mv de tes periods de Tos salts e+ Es decir, nestimacn de CL es (hay tit) + ht ig) + 3 Par termina caleslamos le estinacin de Re ir, = (0, ie En gener as simtiones tr yl seus par esrb series tempore “Tambien se utlizan para calcula preictones, Sino hay pan en el comgonente inegular,peecios que IR, e igual a er, Entonces el ronstico puna j= 4,45, +04 sierinte un ciclo muy bien defini qu se puede predeci. El pronéstico punt es ino existe un ciclo muy bien defini o si CL, no se puede pede. Auge 0 tay interval de predic tesrcamente corecto par, un neva de predicign £00( = c)% apoximado para yes + B(10m1 - a donde B,{100(1 = a)] ex el limite de error en un intervalo de prdicién de TO0K1~ 0) ,£ (1000 ~ a) para le observacn sompensadarespesto al arian estaionldMO Capito Metodot de desxompescién 73 METODO DE AJUSTE ESTACIONAL x RIMA cae ie ii Os Canes ats tig cefectuar un ajuste estacional, es decir, eliminar los componentes 0 efectos eae ctl te Efi popacen uns inehalcom sos tmp asec ego ge mem meri ean cera sa deta coisa va a wee a Sasi. Aeno,pprins sa eae Se {tia pana pe emp pet an, ete omponees eden See ea Seater lake ormapercompainne Ae Be imeseninde US. Cenns Baeas Ih ed eae mouse Ses organ one ee ee Sets rane ali yaar Romie iis esr arc sear fi en ae data panes Sane esi de dah sates cen py disease o mines ee by nds stondinpan crest insite moder eas a uals nese! asco eee an 220) bs ps we pty ad Cy +3 +20, Lom 98a ey aa + ay Gercicios econ 34 onde ap 2) _X Ou, axa, Fridetement, necesitamos dstos de muchos aos para esta media vil eacional Al gual fo que hizo ene método de dscomprsicién cisco es tavern smalizar eos promis, Elector interesado puede refers a Findley eta 199%) ‘donde eaconraré nis detalles sobre los procdimienos ch X12 ARIMA, Entener los mos de desconposiin dela Seccones71y 7.2 redundarden emponent scion s, tes de ue na chservaci compensa eseen {23 vain etacional clelando ys, Ene las preguntas obi ext lon a, niles se consderan y como se detect lis ebservacionesaigiea 9 cote ve a 1 Eo a igus 76 (pig 342) eit lade SEMIN Sherrie 474 Inerstoat Machinery. fica wn estar ui izaras aos oserados dees ven ‘nestles del oer dura srs at eos ars pede as venis del veil paral siguiente so, Ea a Figur 75 (gion 3) pseu ‘side Ese del ands de dsconpmin elipicavae isos dan se pris el 9% de vers de actnes compensa gen as van exaconl ts cain uo deo euta inex de ato imo (fo Ute lo redo de ets ‘aida parcel os predic el iteraby presi del 98% apenas vers es ractores parca wo dels tries det 2 Ensen liscato frees patos Pino. tines 12.394, yeltor en tame 5: iCute issn deta tedemineimataque 722 Les on Tinggi da en ‘cad wads scones rpconln ‘es tinea opie Ong vais tots 6 Gluejn joie Sawsrdolatenocin Ue modo dopa muta eximal bs aces eases Fe pics ve de Oop aeons «Cal nono patil des vn tas Sevens tar bade ie rede delta el ao pti) inci expo) yh + (ketcatctodamarmcory 1 ak mia etn bin di aes dats pg so poppers ea rpc a 4 Dremine ei vis cena a esos {Wenig roms ots es vets sats delosinces(co arena tna yes. Enrunte or aks, ex duos fers exis) enlaFgas 7Spuccade Carseat at model nests dl ato pei aos stro sen nese has rales consents eps ar ‘igeply ei ct sae dss srovaeectinieey? dan # Ue blades ade taes «Cccp pt Yvan de ll de Eel dle Levan esc prs os, Figuea 75 pra jatar spa el mt de Graiga is oseracons compensa rpc decompsicin tiple ‘lava excel contempt342 Captle 7 Modes de decomposin FIGURA 75 (para el Ejercclo 7.1) Sods de fc de te mesos rls eats foes estcones, sts compersacos pect a waco extaconal actress prone aalas eis etre 50 aS 1028 U SB Baw ehh Bees i le a er oe) me _. - a ee Boe me mee Boe oe. a Rt Soe omen eet ame ee ee tits eee? sea aaa Loe FIGURA 7.6 (para el Ejercicio 7.1) ssi de MSTA de os prone dl tana de resect del 95% dea vents tmestas de vcs crpenzds pea arc acon ‘The regression equation is ¥ 221 + 20.0 Tine Predictor Coet SE Coet T ? Constant 220.538 3.044 = 72.45 0.000 Tine 19.9507 0.3143 63.98 0.000 545.804 RSq= 99.7% ReSq(ady) = 99.68 Predicted Values for Hev Observations Fie se ie 95.08 cr 95.08 PE 559,703.04 (553.17, $66.23) ($45.64, $73.76) 51965 3.32 (572.82, 586.78) ($65.31, 594,00) 599.60 3,61 ( 591.86, 607.34) (584.94, 614.26) 619.55 3.80 | 611.18, 627.92) (604.55, 634,55) {aStA 75 (paral Ejerckio TB) ventas tests de igeraly fo Timeste Ventas del ‘lgopoly 20 2s % 28 » s s 4 n » 6 eg dds, qu la de tendencin pace babe? Sisesupone quem eden tin Be esti es oberniones compensa repo & Tava ssn, determine insstnasions petals Se mis euros de yy Uilce n progr pra computa como SAS COMINITAB pra eterna: 1 Call a entimsciones pauls de siinos cena de hs prints be ance Adetendncia Tm RBs gue deste ls bservonescompensadis ‘pectoa leva esacorl Cake promises panes eas ents de Olga compensaas spect a "arate paso custo times delat 3, Determine fs pronto el inter de esi el 955 des vats de Oligopoly ‘compensa respect asvaricn eons or Tos cus ims del ato & ewicon 348 {eles valores x pros das de igo 5. Deters asestimcione eos frees ins fe sds de Oligopoly (dose es sabres ch para ests dt Breuer as simaions dos factres megs pr oe datos de Oligopoly (es dei cal aes i arses to). 1 Losalres determin us cit may bea ‘tins? Expigae a esues rm Gael os ponte ponies eas eas ‘kgopely praca west de ao 4 sand a tender estmade ys ftoresestacones. 1 Cake pris delim depen (195% oe las wet de Oligopoly area tines de a undo andi estima y Ios tasors eins 17. alc os to et Ejsiso7.1 apicanéo et ‘too dea desompsicin atv (Bx méto parce mis pip nel cso des Gatos qu nso Ge a desocgssitu malice? 774 alc los uo Eco 7.2 apicando et nod dea desemgosichn ave Ete todo ree mds appa en el cso de esos dans que odo de a descpnposcén mula? 7.8 Consiere os sd a ocupasn de os ‘ose el de Tal 6 dl Capt 1 Anaice estsdts aptiand ef mst de lt compose mula eu ojde ‘kao de Exe. 1 ils un posams ua esisica, corm SAS © MINTEAB pr cteer os ponsico psmales losin de redicica p as mvias ompenss resp a a varainestconl elo cars de el ccupudos de cata es delat 1. Ue lo vars dl inci) leu ls rons puts eter de preicion 14195 dela rls de osc el para cadames dls 1SSuavizacién exponencial La suavizacién exponencial es un métado que muesta su mayor efescia cuando Jos components (endencia y vac escinal) dels series tporals pdtian ‘manifesta earbis en el empo. Es un meodo que ne ponder de gl maner os ‘valores observads de as series teporaes. Las observacines mis ecentes Gener mayor peso qu las bseracones ms temas La ponderacin desgul se conse "sano una 0 ms cnstantes de suavizacin, lo cual determina euito peso e da ‘cada observacin, Los métodos de suavizacgn exponen fueoo durante macho tiempo solo métdos inuitvos que no se baaban ea maelos estas formas, Sin embargo, el trabajo sobre modelo estad-espacio con una sla fuente de err (Ord, Kole, y Snyder, 197, y Hypdnan eal, 2002) proporeioné wn marco ets tio para los mftodos de suavizacin expooeaial, Las flap Tos intervals de predicin de ese cpfulo, hasan en eos models, los models se presentan ena hima seein de spit, Asi nego de iia e apo, en a Seca 81 se explilasuavizacion ‘exponencil simple. Ex este modo se supoe qo Ia eri termporal a iene tender FIGURA 8.3 Salida de MINITAB, d= los resutados de ‘plimizacion para os datos de pesca e bacalag Jexponencial simple 353 Esta forma de la ecuacién de suavizacién quiere decir que ¢,, la estimacién del nivel cen el periodo T, es la suma de ¢>.y, la estimacién del nivel et el periodo 7-1, y una fraccidn ade (yp ~ €-1), que es el error de prondstico de un periodo mas adelante. or consiguiente, en cada periodo 7, usamos la nueva observacidn yy para ajustar la cstimacién €,-, hacia arviba o hacia abajo dependiendo del tamaio y el signo del error de prondstico ()-— ,). Vemos con facilidad que la forma de correccin del error de Ia ecuacién de suavizacién produce la misma estimacion €,-que la forma original dela son de suavizacién porque elit ay ~ Ep) Oy bay, aly, oy, + alr, La forma de la correccién del exror de la ecuacién de suavizacién ayuda mucho a entender el modelo estado-espacio para el método de suavizacién exponencial simple, {que se explica en la Seccién optativa 8.6. Muchos de los paquetes de software para prondsticos incluyen la suavizacion cexponencial como una opcién. Estos paquetes escogen de diferentes maneras el valor los valores iniciales y la(s) constante(s) de suavizaci6n, y también determinan inter: valos de prediccidn aproximados de distintos modos. El ustario debe invest todo cuidado cémo efectta el programa la suavizacién exporencial En Ia Figura 8.3 se presenta la salida de MINITAB luego de aplicar la suaviza- ccién exponencial simple, para pronosticar en el mes 24 la pesca de bacalao para los siguientes tres meses. En la Figura 8.4 se proporeiona la salida correspondiente de Tine (@) Constante de suavizacion, ygrafica de pronésticos, 28 348.168 276.976 419.360 26 348.168 276.976 419.360 27 348.168 276.975 419.350 5) Pronésticos puntualese intevales de preciccion354 Cait. Sunvadon exponen rigura 8.4 Sida de NTA elo estado de Ios dates de pesca de bacaoo aS TEA ters] ee Saw ee a ee seam emmy dn: ees (2) Pronosteas purus htenos de predecdn ‘SAS Tine Series Forecasting Pronstico de Series Temporais). Tanto MINITAB ‘como SAS Tine Series Forecasting usan un pronéstio hacia atris o retropro- stico para enconrar la estimacién iniial dt nivel. En este procedimiento st empieza en el na de los dats yseefectian pronétios paa predesie un sive inicial. Se wiliza el promedio del mitad de los datos, (12 observeiones) somt9 Jsestzaci inl, dl nivel. Se puede demostar queen a suavizacin expo rnencial simple es razonahlewlzr seis observaciones. En general, ano espera constantes de suavizacin ms grandes para ser seleccionadas, sis us, ments datos para determinar Ia estimacidninicil. Los intervals de prediccin en ls salida de SAS Tine Series Forecasting se calcalron con las msn fms que seutilizan en el Fjemplo 8.2 82 hind ror 355 Lanse de savizacn de 70 qv popociona MENITAB. ya de.038 que da SAS Time Sees Forecasting, son dst del vale de 034. No Gbstant as tes indian que el vel des datos de a pesca de hac no se odie mucho Los pondstios pants de 48.2 de MINITAB y 352. de SAS Tine Sere Forecasting fain dferen dl pronéxtico punta do 3545, Dado quay uy pocavaiaion en Tos datos y que e nie (oa mea) a cabia rach estos pronto no son may diferentes. 8. 2 INDICIOS DE ERROR Fnalgunas oetstones es nevsario cambiar las) constants) de suavizacién que esti ‘nus en soaizaio, exponen Por ejemplo, cuando suavizcion exponen tin simple se usa oda cambiar Lats ala ta el nivel est modificdndose en tiempo. Es posible que ua corstante de suavizacia diferente produce mejores prorésicos. Un Indio de error nos ayudaris a decir cusndo algo va ma ene Sistema de pronético (por ejeiplo, cuando estamos wilizando una constante de Suavizacbninapopads). Saber may bien que un sistema de pronstcos munca {ar prondsicosperfetos, peo un indicio de eror puede sel cusndo los eneres ¢e promdsio son mis grandes de lo que un sstama de pronbico etaeo” psa goterarrazonablement a primera seal que indcaba que algo anda males sma sei deta sama, acarmlatva simple acl fue ecomensada po RG, Brown (1950)-Esuncoceate Gee compare la sama acumlatva de eres con la desviacia abso de Is media Suvi Para mperar,suponga qu tenemos un historia de eres de ponds de tinsolo period mis alate Tee)... Sata de ese 0, (a enol tf valor pricuar dec empleado para obienr fs emores de pronéstizo de un solo ‘eiodo mas udelate, Luego defnimos la sura(¥ de los enoes de prnistic La Ma.7) sevidente que Yo.) y definios la desvacn absolut de ln medi (MAD, Mean Absolute Deviation) Savina (aT —1) + ea) MAD(@,1) = ele(ayi +0 @MAD (T= 1) Laego, _ SS | indivi de error de la suma acumutada simple C(t, 7) se dein cao Cia.)256 Captle 8 Suaveacin exponen SiC. sgn” sia qu, esgaeen reac ei shld MADIa. 7A ecole ds que! oxen e poe si gnecnd eres oseuenamenspstosoconecunenen ea dseram alr gad de Ce 7) nia qe el seta de nalea oe anda pons que socom mises ocosersc hea tuandes que a alors de se terpora que send pmo Case ihe eer uta dere pest tad dcr is natal Fy goed pet sca nds oe comport en fons evar Ena prac Cla rnete cing 8 cot deacon Kare dso ls ers conseaton eg ono fu ini de qu sere de pons son mysql ar lene pe ere pcan see Sepa ac sneearo agave cies Ye. P,y MAD yet ine esi deposi. Pano ges cnt sumer acc imicloio someone de Mees Ha) #0 Peo como la guano Alex eel pee wont MADKa 0 ovale comin grin dl ot, iy eno mayors de. 3), Gardne(1983) recur als slacions par geen "adie ol usw 3 Prog sr as rte quite il Se praetor trande, los valores del limite de control K son oe « 1 2 3 kK 3600 4135 En canto Jos its de contol ge teen so 1% de portuniad de indcar en fea inounect que Cla, es gra, os valores el inte de onl & son « 1 2 3 Ko 95 5649 iro indicio de error que es muy usado en Ia prética, es indo de etor ‘suavlzado, ecu fue elaborado por Trig (1964). Es el cocente del err dl ronéstcosuavizado é un slo periodo siguiente, yladesviscion sbsoluta media Suaviznda Defnimos el ero suavizado (2) de los erres de pronostico de ut solo periodo siguiente como Fla.) = ¢(a) + abla) Lego, El indicio de error suavizado se define como (aT) | (MAD(a,7)) 80.7) 183 Mite Hot, de a suavizain exponen caesida dela tendena 357 Mésinformaciga acerca de as ventas ydesvenaus es y ors deer, ‘cuyo uso a sido satisfaction spa, eeneventaen Gurder (1983) Hoy da, las seals de que alo estima, ya tienen a importa qe tuveron alguna vezenlaelaboacin de rondtcos. Con a ran velocidad, scone enone ‘spocidaddealmacenamiento de las compuadasuewals, se pueden resi fe ‘vettement ls) constants) de suavizacn en la susvzacn expoencial. Ya n0 represen venta alguna, cuando hay tendencia en ls das del serie tempor usar suaizacién exponential dobe con un pare, en lgar def suavizacién de Holt con das parmetos (vase la Secién 83) Los ingiios de err para las series temporal con tendenci, se besabn en fs modes de sbvizacin cw un parieto. Adem, yahay nuevos procedimietos, con bas en eves modelos paral métodos able es = 2,1 Enones,susames = 206, ya ead par, ene ‘uel estan rive de ste terra en period ay 40 als) 2206 + (202 6246 + (3683) = 2030051 ‘Ades, par beeucin aby, estima paral tsa de cient dea Seti tenporalen el period es Ae Af) 1, 203.0051 - 202.6246] + 23682) 2992 De donde se ene que un prondstcopuntual day = 245, reazado en el prods tes Fa 4 » 2080081 + 2933) » 2027118 Coma valor ea des ventas del termosato ene pro 2 sy proves es 85 eer de Je Fl = 265 — 200.7118 = 42.2882 Enlaojs de culo xe dea Figure 86, se usta el proceso carpet usando as es cuca one mtodo lt dea uaz exponen coeds ela tenenca, par erconsar suas stinaines period po ero dante de {asa de crecimiento de tod asi temporal Enla jade ctl tambon stances, ‘es ponéscs ara elsuint pariodo, as eres de rondo y los errs cust, let prods, Pesto que is frmuls en cad period sn as masa, cop los {orm prod lst pa generar hojade cao delafguass Endetaheie $e obser ambi, quel sia de cuchados dl err de pons (um of squared forecast eros SSEes 38,182 cuando as 21 A finde eteminar cules son os “buenos” vloes pata ay se puede rece 2 Scr pare Exe con objeto de encontrar yy que ganeren a aor nnine par SE. Ena Figura 8.7) se resertan os parémetas de un cuadra de dogo sara halt, Glos vals cuando ay yarn de En a iu 871 se mest a ha de | ba 0 sie) 03682 406303 ens 0608 022584 2 Ms. 218281 0776 neater 5 M85 dosent. gona 213 9K « 20% coro 030m, 3052055 Sto aneas SMS si5au0 1) Hoja deco de el con ales 5, ey by ud a SSE sini lasventas tira de termostatos. snes tener en cuenta ge gas veces SE aalearaadio un aor minim porque es fa en unvlorminimo lea Se econ bizar varios valores paris costates de suman dea Fura 86, yop (es dec, cotter Soe con ents valores) para esse encuentra une ss i en laFigua 87. Far lstar el wrens deas ventas de emo sans fy «315.680 5040 para deters pronésios putes de yy, coma ein a contac: 80» 6+ by = 3159860 + 45040» 32065 (Uy = 315.9460 + 2145040) = 324984 15.9460 + 348040 = 325458 om objets de cau osintenals de redecion de 95%, usamos losers de ro ico dea Figura 87) pata determina el ee extandars. Ena igure propo ‘os eoes dl pronéstico para! sunt periodo cuando sewsac= 0247 = 0954 S| 83 Método Hot dea suasizaconexponenclcoreida de a tendenca 363, las constants de sumizaén que mininizen la SSE 265.79, 375.19 Ertonces, un ntenalo de predicion de 95% para et [8218 saan obir wre = [ee [2s4s8 +1 96c27 204 fis ani 0957 =P29458 2 5886) 7060, 38.2) Ades, obzenamos qe jy = 330, entnces odes deter unas eves ¥ Yeptinas que miimcen 86 duane 53 pero, y cael una nana so ben vemos revs simplemete la esbmacon para rea tas de rami y los ronéstcos, emo sque 3) 2 b= Oy Hn alg th) 47330) +. 783315946 + 4.5040) 22.4089 by = y= fal = 0853222069 - 315 5460 + 905145040)384 Captus Suvizxion agora nts evades pata jy Sn 7 by = 302.089 + 47281 = 32753 8) 322.8069 + 24.7284 = 3302651 ls itera. recon de 98% para yy ys S00 W524 asl = 927537 #198 pp27sa7 +5466 = (27288, 38220 789) [is auf atts F] = [390.2681 1 9607 a9yfis ATTY 0957] = f32.2651256 6] 175.54, 38850) {Las ecuaviones de suavizacn paral metodo de Hol de a suaizacn exponen: iat sored deo tendencia,ambin pueden planer en arma de correct {el eror Como en a svaizacin exponencal simple la forma de comecein elenoe 6 mis fil de elaconar con les models en a Sein optatina 8 FORMA DE CORRECCION DEL ERROR ‘| uunecomeccovoeewon {La forma de soeccin del ero ara as exuaciones de suvicacn ene _nodo de Holt det suaviacion exponencial coreepda de la tendencies + be tale r+ Be brs #0 (Ey + BI) ——S nesta forma de las ecuscions de suavizaci, se pede ver que anol estimacia 6. dl nivel com la estimacién b.. de la tasa de crecimiento servis hala antbay hata abajo lo cual depende del signo de [y= (Gr 4b). que esl eror ‘el pronéisico parse period siguiente. Otro tipo de suavizacén exponencial qu epic en as series temporaes gue uesiran una tendencia, es la suavizaciexponeneial dobe de Brown, En eo mé.oo se riiza una constante de suavzacin para jot tanto ct nivel coms lt tesa de crecimiento, Pra exe texto se deci examinar los mets de suave {xponencial que Gene modelos corespondienes del espacio de estado (vase lt Seccin pata 8.6), Los modelos se pueden aplicar prajustifiat os meals de predicisn, fGURA 8a todo Ho delasunzacn 183, Método Hol, dea suaviacon exponencl covets delatendena 365 Lo més probable es qu el software que determina la suaviacin exponeeial simple, inluie e! método de Holt dela suvizavin exponencalcorregida dela 'endenci,Puesto que fos programas deteinan los valores ics, encuentan as ‘onstats de suavizaciondpimasy calcula os interalos de prec por medio estos procesinientos, es importante preguatar emo lo hacen, Ea la Figua 88 se presenta una slida de dos, de dicho programas. a sada de SAS Tine Series Forecasting de Ia Figura 882) verns que = 001 Estee el valor més pequetio «ue se permite en SAS Tine Series Forecasting, ndica que la tsa de crcimieno ‘oes cambiane. En realidad es muy coma para us sere terporal tener un vel ue cambiasn qu haya oifconese tsa de recimient. Por consent, ede parecer que una serie temporal tiene una endeacs cambiant, pero lo ico sien. ates, aah ary rat Basie oe sma (a) Ponto de srs tempura en SAS365 aptulo8 Suaveacén exponen FrouRA 68 (contri) (sald de ws ue cambia sl nivel. Ena sald de MINITAB de a Pigra 8.86) opuode ver que tos valores niles no se justan muy bien os datos, Esto ccasona la elcid de tna crande (= 4896), y una SSE también grande (= 887 40432) = 46.138) Comp reso, fs intervalos de predic son mis ampli de to nevesario yl vier sande prey podria haber causado que las pronésicos sean ay aos 84 METODOS DE HOLT-WINTERS Ea cat sein ean lo odode Hl Wine, Amos més eta ssa piston aetna por eons s'0 ela ests pene Ave de Hatters sus sempre ea cee Gina), ema malian de lc Wines se ics oes tenors con ravacn etal seen (ule) Ear ane sath sin earn so Sent 634 tec oh nae pt parla vac ea ccente el ets mails Wino rece vansomasis signe desea npn ie es fon deca vain nacional etka Ese meen ai eee BA Métedos de Holinars 367 los dos y. aparece, eel pefetid si sso uno de los métodos se aplica. Se rata Primeto el método advo porquo es un método linea todos fos componenies se suman), , portato, e el mds sencilla de los ds, No abstante, et kstr pola saltase el uétod advo de Holt Winters y estudiar ef moda multiplication «qu perda nada d informacion Método aditivo de Holt-Winters ‘Si una sere temporal muestra tendencia lineal con una tase crecinien constant, Byun patti esacioal jo, SN, con varia consaneaitva)entonces serie teinporal podria ser deserita con el modelo ¥. =) +89) En ls modelos de regen de las series tempore seus variables Btcias para madelr SN, (ase Capital 6), Enel caso dee model, cl nivel de steeper ra en el tempo Tl es fy +847 1) yen el tempo fy + i. Porta, la tsa Se ‘crecimiento en el nivel de un pride lsgueate es El metodo aio de Holt- Winters es ef adecuado cuando un sete temporal muestra una tendenca lineal con un patn estacional stv para el lel nv, la tasade crecimiento ef pain estacional poran estar cambiando, Se pusde encontrar un modelo para estos comipoentescambiaates de la serie temporal en la Seecinopiatia 8.6, Para evar aca el moda atv de Hl Winters, denotames con (i estimacin del nivel en el tempo T~ 1, y com by, denotes a tsa de «recimiento ene tiempo |, Loego, supoaga que obsereamos un nero valor y ln serie temporal nel period 7) seas, la estimacion "nds reciente” de factor estaciomal para I estcin que Comespoade al periodo 7. Aqui Les ef nimero de «stacones en un aio (Z= 2 para dats mensaaes,y =4 pra dso rimestrals), por consiguiene T- Les period que ocute uno preva al period T. Adem, tl subindice TL de st, denote! hecho de que el valor de Ia see temporal en ¢l petiodo T Lesel valor dela sere observa, mis recientement en I stain gues etd analizando, por tanto, sel valorde la sere temporal, ms recente, que se usa para ayudar a determinar st, Entonces, a etimacion del nivel de la serie temporal en el period Tuilz a constant de savizacion eyes N+ 6, €,= oly, 8 d= OE +B) onde (yy ~ sp.) es a observacn compensa respect de a variacn estcional fen el periodo 7. La estimacin de a tai de ereciiento en el peiodoT uti a constnte de suavzacion‘, yes by = Hy by) 0 Dh La nueva estimacin det factretaionl SN; ene pci Tutliza a constant de suavizackn 8, yes 0p = 6p ~ Bp) 4 = 8st, donde (yy ~ 5) es une estinacin dela varacn extacionalreienemente ob seevada El méiodo aitvo de Holt Winters se resume en el siguiente recuad1B Capitulo. Suaviacén exponen METODO ADMIVO DE HOLT.WinTERS | {be Seo ge se tpl,» maist tec ea Sigue un pan estcional con variaciGn estcional constane town Yel ive asd einen y punch etacona a Gambian, Enns, ecclesia a a a | open a ximacin dele einen ds den i crecimiento, y la estimacién sn, del factor estactonal le | temporal en el periodo T. ae | 65 aly ~ S04 = axe, bee Wey Dhan | Sty = Bp ~ 65) 4 (1 ~ Bony, donde 8 son consames d y le suave at OY 1, yb om | ¢stimaions cel periods T- 1 del nivel yl tasn de een 6s laesimacié enelpeodo TL del fat estsad 2 Un pronstic punta realizado en el periodoT para es | Sra) Bad stacional pra a rit ad +t Oty +, } onde sh... esac “ms reciente onde tl estimacin “nds reciente del factor. | fstacin corespondiente al periodo [+ * Uninteralo de predic de 95% caelado en periodo para, | Si25 estewmee [i Seve] | donde ,, = sij LyOsinocsast | lero estindars aeulado eel perio Tes 8 Metodorde Hot ints 389 cleccidn de fos pardiettos de suavizacién que minimizan ta SSE, Adem, las frmulas para los pronstios pantuales y los intervalos de prediccén de 95% siguen siendo los misros, Sin embargo, es mas fei relaiona la forma de corec” cin del er dela ecuacin con los modelos del espacio del estado, dela Seceiin ‘optatva 8.6, La forma de comer del ero de ns ecuaciones de suavizacin de tctodo aio de Hot-Winles se proporciona ene siguiente rua FoR DE CoMEcCEN DELEON ] ——re—e La fora de cones del enor pr la casos de ssincn ene ino atv de Hl Winters son C2 baat by toby by = by 1 yt sty = sty, + (1a Enia Tabla 6.8 se precetan las ventas erties de fos tienda de biccetas en Suz. Las ventas de as ices se grafcan ena Figura 6.2. Eta aria sieve quelas eras de bicetamuestran una demande ied yun vari estaciondl costae ava, Pore tanto apcacs fel mttodo de Holt Winters os datos para dar pronestcs dls ventas Futura de latices de montana mera debra s encanta ls etmaciones dele, tendency faces esta ional inicals. En cso de os datos estaconals, s ncesaio usr por lo mencs ‘unt ocinc fos de dts para detrminar as esiracones eos factors estaconales tao, primero ajustamas una recta de egesin de rinimoscuadados los unto os de datos sponte ro sl lita de eos. igual queen emetada de Halt dela suaviaciénexpenecia cotegida dea tandencs, la orden al rigen std fy la pendent de a eta deregresion sed fy. Px eeplo la sada dela regesion que Se oie com Exel da Figura 8.9 da a sigianteecuacin de regen de 2ngs + saeext Fer consiguiente, excogeres & = 20.85 y by = 9809, Estos vrs se eopan an at Celdas que covesponden a rivly ala tsa dececmiento en el tiempo 0 dela oj de lo Excel que se muestra ena gure 89, los faces estacionales se deterninan, mediante el siguiente pocedmiento de tres pases 4. Seaplcalaecucén de reresion de mininoscustados para clear j. de cada pariodo que se url para datermin la ecvcin de egresio de minis cidraes. En ete caso calclames je para os cuato ats de ats, ¢= 1,2 16.370 captle 8. Suzan exanencal FIGURa 89 Hoja deci eae pe meta aso de Heine alc is tas vines de labia demerit a= 20, y= 10.810 q cee : ee # TES aa ies sanerceusa I chee 9 Gergen mds hoa Raabe Bie BBWe sow uase ro tm seis ee “nem “unehocnes Tee BBS Lome) Seve am i105 170 Rew sim catoas SS SMTH or tess Wo Awe oo Ne wk gongomes Oe 1 BOO 98 Mae wry tame tae Dare ame dea SN ese Inoue urs ozs tase as deve see Seu aova aati alata 4 Bese ote bse se 120 ae ane ase ASA BUTE Ow 60 G50 9 see he es ee “EB 03a soem ewe Lie tae ma Ne Baw goto ios wan tae lam Bem wen Se Blo. SUN owe sire xsi os aae em sup ———S. aw aie ose gue ee! om om ey exe = ae Ze 2 2mu 90 ae neo 06s oon bem Nae || GE FA 8 ae save wee teem tae one Bes Mes sawet ose Hye 8 Moe one cen se cms ome sm cee EO Ble sm oan une Sep igs en Soe ae Bl WC alBion mw ome mie dee fis eae nee Estos vows se muesranen la coiumna de “estimates deregresn, Por ea 2085 + 9808621) = 212309 i, = 2085 + 9300825) = 257504 2. Esequda, eeinams a tendenca de los datos cakuland y ~ f para cada prsiodo que seule para estar aya de regresn de mitmos cuadeaos fr aso dos datos de a bicta de montana, clcuamos yj para os cuato os de os datos, = 1,2, 16 {sts valores se muestanen ls coluna "Sin wenden" dea Figura 8.9, For ‘est, 10~21.8209 = 11.8509 W 107544 3 Frain facta estan ini en cada ta de as Lestadines, ty. 5 Sy tena cleuland el pore do ls vores in| ‘endenc paral estacin conespondiete Er cuanto als datos de as iets, js = 19 -25.7548 84 Métdes de leita 371 tenomos que encontarL= 4 factors estaconles, Ss, sss valores se encueran ena columna "Pom cela Figs 89, y Copan en lasceldes pra = 3, -2-1, yO bao “Factor estaconal Porque toca limes, hay cua primates mest datos sin tendenia Por ato, 0 iN 711.809 + (14.754) + 15.6779) + 14 6015) a 142162 Pe manera simi, encontrar al copia I fomula de Excel aie 5529 ee factrestacoral dl timate 2 185721 es factor estaconal del vines 3 109088 el factor extaconl dl vimeste 4 sy ‘Queremos que eproreso dos fates stains es 0. Ober que ls ‘ato factores extaconales nics praia ena de scsi teen Un Ppomedie ded, yquelasuma es siempteO cuando s sigue esos tes pass, Desputs de deteinarlos valores inci pare rive, tendency cua factors esta {eral ya estamos sts para apicar as euacones de suavizacé. En este expo, ames la forma de cocci del eo: de is eeuacenes de navzaci6n, Cusiguea de ts formas de as cuaones de suazacion generar las mma carteades de a Fg 89. Farempezarcenios valores inal, calulamas un pronase pti dy, desde slovigen 0 como HO1= 04 85, =tyt esr 2085 + 9069+ (-142162) =76107 Este rontstco punta! se proporciona en a Figura 89 bajo! encabecada “Prndstico hecho en elute prado”, En fa oj deci, tambidn se puede vere valor eel 2) 10 deas ventas de biceta ye ear de pronéstic, que es > HO) = 107.5147 « 23853 aca de cio dela Fiqua 8.9 se prepara con a= 2.y = 1.y=.1.Alusar y= 10 ls ecuacn de comeecn de err para f, esua que la estén clive els seve temporal en periods 1 es bot by tay —lo+ btn) fot by +aly,~ j(OH = 2085+ 9409 + 20.3883) = 223079372 Capitulo Suazo exponen cuando se api la ecuncén de core dl ror para by estiacn de tase de caecirento ene period 1 #5 y= by + oly,— (lob, +50, by, =F > 9809 + (21-02.3858 = 1.0286 Cuando se usala ecu decreccio deer pare sn a esinacion el factor ete ional ene prods Tes =n, + (ally (Geb, 5H) oy #81 y= 0) 142062 + (08123853) ~ianrs4 Seino entonces que un pronstic punta dey dl peodo 1 es FAD 9 8B Steg = 4 8 45N; = 22.3079 + 10286 + 63529 2938895 Pesto que las ventas reales dels bites enol perio 2 es yy = 31, el enor de pronosicoes 11-29 895 = 1.1105, sa fal proceso es sina para los 16 perks, Tain se calcula os erores de provéstico cuadtados, yl suma dels eos de pronestico cuncados (SE Las resultados de este proceso se proporcionan ena Fgua 89, en donde poderos ver que a SSE = W526, Com el fin de halla "buenos" valores para. ¥8,secconamos os valores que minimizan a some del cuadrado de los eos (SSE En Fgura &.10 se muestan os resulados que se tienen con Sher para encontrar a SE mia. Veros que la SE mina = 18.7975 se obtine con o = 561, y= 0y 8 = 0, y.ques = 1.2025. También eros ques estmacines fines para nivel tas de crecimiento y factors etaci- Iles son f= 36 3426, by. 9808, sy = 142162, st" 65529, sry = 1857219 sey =~10.908, Pues qu tanto las constants de suntan parla asad cred rerio coro ls actos estacionaes sn esta esinaones no sn tints de as ‘estimaiones rile, -Aereestuciemas proceso de calls ponétcos punts, yo ines de prdicion de 95%. Recurinas alas estimacones de a Figura 810 que prod Te SSE minima, Ls rondsics purtuales de yn YY Fw son Fell B) = bg Bg + Sta bt bg Hh = 363426 + 9009 14.2162 = 23.1073 Ful) = 64 Rg sy = 36.3426 + 2.9600) + 65579 = 44.8573 Fol) = Eg + By sy = 36.3426 + 3.9609) + 185721 = 57.8574 84 métodos de Hole wines 373 LIGURA 8.10 Hoa de aula que popnconala SE minima onlor ALLS 08,5 fe Behe T FUE ‘mia tae S86 sega 5 oo was tues Ties atte ak for dite erty a el quineneaco) Suse pee pa reas zie sas Tees wet tease an note 02508 0 man ose tee eigen eae moma ede 0 EEE } 10 Hite agen “ute row om sme” AM IT emm seoheaes OUR 2 3 ar ose ease NTN Oe Bis | Bsc eee 1 5 56 198 see7) Ga Et BMS 1920 W301 Quad 4 a6 sm som tes THe bors 37m ase 5M mir Ose lage isi 2 isu arse Como ANOVA 3 a" 3 Brms IP ba ‘a7 BES BRU § Yow oom ves sie 2ne VER gee 793 Oa am Toe age em eri fee 1 SRE 09m 2 WIE) C7 Bary sem Bat i % Bao 19m 4eo SOE OR nese 302 M5) MOM OMB 13571 tems Oe ie ae az 2 A 3190s Os ame Bam oor ene iene Camara i Row osm zie oar Sans “ian oex cae 4 44m og Ba Das Bet Ga % xs) usw men gE ve Bar nao sus one ose ae oa ‘Beat 15a = (20.7504, 25.640] Uunintevalodepredeion pray 6 [atau = asa 950209 Fra] * asset o:0.05 FoI tess un mene de prec para yy 05 [ret91+ 2ssf6] =| {sn 8574 4 1.9641 2025)J1+ wit Poet) «= fre 12 aos SETS OFF RT a] =378574430086 ae, 6374 Capito Suavanén exponen Cem en o caso de a suazacion exponen simple, yen el método de Halt de suovizacin cei de tren, las prods purtuals ys inns de pedi ‘on se pueden revise usando las cuacnes de subvan0%n praevia elds ing (creer yl factor estacinal. dems, con a gran cepacia de as computa, tues, otro opci6 erepet todo! proces ueg de aa nueva oberon. (Observe qu as formulas para losnteras de presccon del 99% para mods de ot de a suazacn exeonencia carga del tenders, de método ava se Holiness as miss para el pine a, excepto que! prondstc putua J Aire por el factor estan. aa los datos vests, fs inteilos de pein ge 95% por ambos tgs de suavzacn expenecil en el emer af0 son ks sigue, iene 1: fT Boat ‘imestre 2: FralT) + ans fl + O14 YP iret: Fl ge HT P+ AT AP Times fM sos Slee Enel segundo ao, los intrvalos de preci de 95%, seg los dos métodos de suazaobn exponencia deren, caraerpezar en emino que coespendeal pier ttimestre el segundo ao, boo a signa dea uadrada el teino para # mead advo de Hol Winters (oat sap 401 as? ¥eltemin para el métod de Hd suaizacnexponencial coed dea enderes seria eae Espedcamente, losntnlos que proportion el modo de Hol Wines parse pines Y segundo rests dl segundo ato san Wester #Zayh+ DOs Pott 49 aE Lilet Allaah + 0-0 +a +59? Tames? Frat as Enel caso de los datos menses, cfeencla aparece en el pier mes del sequnds ato. Método multiplicativo de Holt-Winters ‘Si una seri temporal muestra tendeci inl, sa deersiiesto lineal, yan rd estacional constant, SN, con varacincrecient mulpicatva) ich see ‘Temporal se pda descriic por medio del modelo mulkipicativo 2 = (By +B) SN 2, Aqui, Res un componecteiepula, de acuerdo conf estudio en el Capi I.E iméodoclisico de descomposicin mula, estamos hs factoresestacioales fos, SN, median el proceiminio con meus movies cent (véasee Capito 1. Pra ee modelo, cl nivel enel emp les +, (71), yelnivelene! ego Tes fy +7 lo cual muestra que a as de crecimiento para e vel sf, BA tltodor de Hot Wines 375 I método multpiativo de Holt-Winters secu cusndo una ei tm poral muestra enenci nel y pat estacional mukipiaivo para el all ive, Je tas de crecimiento y el par esaconal pda ser cambiares yn jos. Ea ka Seccidnoptatva 8.6 se esuia un moo paraese mda, Conel inde err acabo mato muipliaivo de Hol-Wintes, denotamos con Cr lestmacign del nivel ene tempo T~ I,y on by, inesimacin del tasa de eecimiento en el tiempo T~1-Luego,spoaeros que observamos.un nuevo valr el sete tpl ene petodo ,y énotamos con sy, lnestimacin “ms eens” del factor etacional par la esiaida que cocesponde al perodo T-En este cso, L dental caida de estaciones en un ao (C= 12 para dats mensales, y L= 4 para datos timestales) 3, por consiguiente, '—L dents e prio gue ocame un ao ates dl pei T, ‘Ades el sbtndee TL des, denot el hecho de qu el valor de asi te pota en el perioda 7 fuel valor abservada del sei temporal mis tsiene en Ia estacin que est en ans, y por lo taro, feel valor de a serie tempera nis reciente, ques uss para ayuda determina sn. Por ato, faestimacn de nivel del serie temporal en el period Tutliza une constant de suavizacin yes 65 ely 4) +L ONES FB) donde (yh. ea observa compensa respect de isin exiconal el perodo 7 La eximain def sade eeimiento on period alia la consante de svzainyyes by = Hep bey) + = yy La nueva stimicién dl storestaconl $c peiodo Tusa un constant de susviacon5y sop = Bille) +~ Bny donde (y;/€;) es una estinaci de la variacin estacional observa recien- El métodomuliplicaivo de Hol: ‘METODO MULTIPLICATIVO DE HOLT-WINTERS. 1 Soponga que a serie empora yn eden incl local y dene un asin cstcional on vrai eaional recente (ouliplicata,y quel nivel, ss de crecimiento y pst exacional ovine cabins. Entones, ia estimacn del ne a fstmackn by para la asa de crecimiento, la estimacin sh para €lfacorestaclnal dla seri temporal en el period Tse obtenen mediante lis eaaones de suaviaion f= abn, + ~ KE +B) bp = Wer =F + hrs say% Ayyll) +(1—Bbny donde ct, y, y 6 son constantes de suavizaciém entre Oy 1, fy. ¥ by. Som tstmacions ene erioda TI para ive tas cecmien, 7 soe laesimaci el period el ca esto26 Captus Suzan exponen 2 Un pronésticopuntual hecho en el period T para o onde sn 8 a estimacin “mis resiete” del factor estaciol pala estaciin correspondiente al peiodo T+ Unintervalo de predicién aprosimado del 95% caleulad en el petiodo T para yes FdD = (Cpt those ( 1) 1 Demtoncesc, = (1+ P(E, + by? + (Ey +2b,)? 2< Yee +e OAs ity + ep cba (Ey tbh + + [~My +1, +)? Elerrorestindarrelaiva s, caleulado ene period Tes T3 T3 (Si desea ana mejor prosimacién yuna érmula exacts, ase Hyndman tal, 2001 Lastres ecuaciones de suavizacidn del método maltiplcativ de Hok-Winters $e pueden plantar en a forma de coneccn de ero, Cualguier forma de as ev sions de suavizacin se puede usar para llevar a cabo ls stavizacicn exponent {or ejemplo, cuando se prepare una hoe de edlculo en Excel. El so e form ela correccién dl ero de las ecvaciones de uavizaion no altel elecign de tos prtmetros de suavizacion que minizan la SSE. Adem, as frmulas des rondsticos punuaesy de los intervalos de predieign de 95% siguen sendo ls Imismas. Sin embargo, es ms cil relacionar la forma de correc del error de las ecuaciones con los modelos del espacio del estado de la Seccdn opatva 846 ‘a forma de correc del ero de as ecuaciones de suavzacin pata el método nmulpicativo de Hol- Wines se proporciona en el siguiente recudro, 84 Método de Hokwinees 377 FORMA DE CORRECCION DEL ERROR Forma de comeccn dol enor pra las ecusiones de suavzacidnen el métdo ‘mulipiatvo de Hokt-Wintes: Hy I] by -«, fe eae’ +h, Dr rat Byam, gd By = py Mat od mrt Bry] — Las ventas timestales de Tige Sports Drink de sities. n/a Tabla 82, y ena Figura 8.11 se uses una ica dels vant nla ca se sda que hay un incerento na nls vents del period de ocho aos y ue Patton estacona es crecente cuando aument lil dea ei temporal Et pet siete ave el todo multpeatno Ge Hl-Wintes pod epcase pare prvostint vera futuas Usaremes is ecuadones de uovzacin para debora la ja de lel de agua 8.12.No cbse, primero se necesta ena os vals cas del el sy she Sm, tata de reomiento by ys factors estaconaes, fy sy quero dats or lo menos cuatro cho aes para detrminr ls vlres des factors etna, ‘TABLA 8.2 Ventas trimesrles de Ter Sports Drink (miles de envass) Ako Trimestres FP ee oe 206 oem 31% 6 1ST It om 4% owe FiGuRA 8.14 rica as ea estates Toe Sports| Drink ries se aes que btene con MP 8 & a Starts orn 6) %378 Captulo8 Suavizaéneiponecal FiGURA 8.12 Figg eile deel para einen rrltighate de Hotter, apleo eras tena (eT Spos Dias 2 bet CBN nas ae os ae ee wot si pms iets SSE Saree SRE 92 Ot OL rss “ius Ze DOr Ooms oa antole _tne unas Tide fate dino tne dates for eal Ml seemercesanend peal pontine dade : Oe | 2 Lin ay 1267 come amo 240 oam8 ra snsers 26582 07a wails 27) gate opie Ba sour 2en09 12 1238 Seta HON OOoTST Bs ‘WiSSaE 2eo9 tama 1280571” BD, OBS DomsD 4° s8 tea, 2esa1 oamea e200 07050. 05852) Domes BE srr sonra 2oree ovo rian -0an3” ans’ Donte Wg] ees situa! 2smeo. tar sata 21919 das samy BY 1 we ata 2506 2 earn a2te0 5 0sr" omm 8 tor Moves 2eer7 oeerz awa 2aet teats otcors Bis ign zeon aasto) oe HF fesse) San’ oot 7) senatTe 21004 101 190050 29509 ese Gott S12 tes7009 2205 saa AI S1019 20220 dom 9 trem 2267 vas ware 016) 0498) oomtED Potato en este ejemplo usamos a mit ls datos, 16 valores, para determina ‘aloes niles. igual que ene méteo de suasizackn eyonenciacrtegda pa 's tendencie de Holt utizamos la egeso, pare justar una recta de tendencies rime 16 valeres de as ventas. Ena igus 13, una aida de egesgn cen con cel reparcena a ecvacin siguiente de ragreson de irimos cuadados = 952500 6 24706 For cosigiente, para los valores inci dl iv! ats de crecimiento, vsmos. {5.2500 y by = 2.4706. Ets valores capa e sels que caespenden al ely To tase de creciiento en el verrpo 0 de a Fgura 8.12. Los factors estacensesinciaes se deteminen medinte el siguiente procedsieno de cust pase 1. _Apcames ia ecuacion de reresén de mnimoscuscrados pra cle j, de cas Petiodo ques wa en la deteminacion de a ecuacién de regresin de minis ‘across fn exe caso, caleulamos J, de os cuatro ats de datos, PEND Estos valores se muestan en aclu de “stinacones de regrestn® de le gua 8.13, Por ejemplo, y= 952500 + 2.47066 » 97.7205, Jj = 95.2500 + 247080) = 100.1912 5 2500+ 2.47086) = 107 6029 84 Métodos de Hokies 278 FRGURA 8.13 Aicacion de cel ara determina as estnacars icles del nit lata de ecient Be A aa % a 1 f 6 i 6 fea a is 0 @ 10 “ ™ 8 Cop pose pete Hea Seregesin tons Tine | Hee ere need sre OTS OTs T5737 OatSt 0082 wn toi2 11873 OTIS ttt 128) Gare te uzesie 13047 ome 1000113808 Gara om vatsi, asesy tors tain ems basen tov nua) 07185 hogs 138 Pads oe wei Sera) Hn2ses1 12073 ovtea) Lite a7 owes 3 amy 150147 6re 1174855. opi 2s 9058 t0sor gaat” 1 Soe aay Be ST U2saes 1208 nde, 51 1 7608261 lousor: 087 Toa sr warm 06s Nome 1006) caewiea ana ‘io aieeteza eae Bas WABHS CSB THE ‘SETI6H cHunsVnbieX 2ameen tases? “1 e6i58 Gace Enseguida elminamos ia tendenca de es dats calelando 5,» yf, cada eiodo ue se us par estima arcade regtesen de rirnos cuadados Por 0 que se refi als dates dea bbida para deportes, determnamos 5, «yi, als cuatro aos de os datos, © 1,2. 16, Estos valores se muestan en clurna “St tenden sien, 2" dela Figura 8.13. Por 5, = wliy= 12977206 =.7368 5: = yulfe = NG100.1912 = 1.1578, 776029 Serie 156 3. ego clulamos os valores estaconalspromedi areca una de os etacines sos promedi, Sy Sy. 8 encanta deteminando et ‘romeo es valores sn ened par lean conessndient, or nut to:9 aos datos dela bebia dos depois, debrosencontrL = 4 facoes estaconales, Sy SSS Pata el vinese 1, ay cua primes nests de datos sin wena, or toto, 5, = Wid Wh + i Se ae a SESISS: 4 = 1368 + 7156 + 6908» 6831380 Captuio 8 Sunvsacén exponen igual manera, encontaras quel copa la fms de Excel Sy) 111140 promedi estaconal delineate 2 Su-= 1.2837 ese promedo esaconal de trimeste 3 Sa= 8886 es ol promedi estacona! del reste 4 4. For ito, queremas que el promesio deo factores estaconaes eI. 0 se consigue a mtpliaros valores estacionaespromedo pore factor de comrecion Obsese aes B15 = 1, noha que hae coneccones porque CF 1. Con eo de uaras eciadoes de uaizacén ens hoa decal de Fie 8.1 es factors stacorals ince enen sds pros cues mera estacin sn el pened =, segunda es en prods 2--Lyle ims estan een el perado 0 Por consent sects tctaconskes niles son q sy = Sen “ En cuanto aos cats esas dea beta de os deporisas,encontams oat actresestaconaes cs, En seca, CF «43.8988 « 1 OED y Sy © 54.4 = SYR «F050 =,7062 Sh hg = eH = itt L118 Sr 95g = Syl = 1.29970 = 12937 5 = ag = FylCF = BER6UH = 986 ts vores estan bj encabezad “nd en Fig 13, ye copia en is Colas elo periods -3, -2. 1, bap “Factor esa” en aig 12, Despuesde determina os valores ines dl rie tender, y cat actos estaconaes, estamos nos para apliar las cuaones de uavzain, Poa epee Jove ices, claanosun prnésticoputua de yen logan 0 HO = eps ny = lg Bon = 195.2500 + 247061706 90103 Ese pondstico put se proporcionan ius 812 bj encabezado ‘Ponto echo eno en perio”. En hoje de cacti se puede ver ello vers els y= 7,yel evr de pons, que es 2-H = 72-59003 = 2.9897 Lap de cada dea figua 8.12 se propa cont =.2.y=1y8= 1. reste geo se wala forma rigs as ecuscnes de uavzace, Custcutra des dos fortes eas eauacones de suaizaion, ls nga oe de corecén del eon prose Is isms anaes dea Fgura 812 usar, = 7. cv de soateasn geo 4, leeximacin del nivel de ase temarl nl prod 34 Metodosdetor.winee 361 yi) ag +) © ayia) +11 aly +) = 2727062) +.995.2500 + 2.4706) 965573 1 aplica ecuacin de suadizacion para by a esimacn ce a tsa decent en pero 1 es b= Wet) 40-9, = 198.5673 ~ 95.2500) + 92.4706) = 25553, 1 apa ie ecvacén de suaizacon para na estan dl ator estan ene petiodo Tes By le +B Hy fey) San 192/96. 5673) + 9.7062) = 7085 Seine entones que un pronéstio puntual de ene pido 1s FAW = less an. = 16,4 (9856734 25553N1.1114) 123876 esto que elalor elds vetas ene etado 2 es 5 = 116, eer del pants: f= fl = 118-1123876 6124 Al urls estnacones que ein obtuximos,podemoscalalars eximacioes scalads (by y 5 Sn como sina a cantina: = yf) +0 ae, 8) cy.) +1 ae, +8) = UNG). I114 + 8985673425559 1ot77%6 b= n= 4) +018 101.7728 95 $573 +.92.5555 = 26203 5 = By) + Big = ysl) +118, = Amignot 726 + 94.1114 2362. Capitulo Suavizcon exonencal proceso cantina hasta abc ls 32 pevades. Obs que Ls Féems pao petodo 1 en la hoa de cleus se copan en los 31 perodosrestants, También Cul os errors cuadodos del prondstia yl suma de cuadrados dl eo 05 resulta de st proceso Se mustang la Fgura 8.12, donde se pusde ver ue S56= 1773283, Para encontrar "buenos" valores para x, 8, slecionams fos valores qu miimizan la suma de cuadados del eror del pronto (S56. En la Figura 8.14 stra los resultados pars SSE minima qua se abtenen con Solver. Obsersmos FiGuRA 8.14 Dateminacion elas alte, sey ybaue roman aS \sando @metado rata de haters, pat alas ‘eas dati seradeponstas | ata coma ots SSE siqoss SORE a Be ose “ons cise seas Soom 2410s oowe Gaia x “s nse ere S] Omade ised) atmo erarde dao poo el Ned perimternend pated puoameubae ast 3 One? a une 1 ‘ Sam 2mm tem 1% suns, 2508 0700, e0i0) Dador ease doviare 2 ie; aesste, 257e5 4 uo. wr3cn9s 20m earae_ coor) 5 Tl Aes ima, 2510 12887 EOI “DAIS! C9018, aaNeHe 4 96 wrazrr 2505 oases osrz27” 02715 oa, oumes, Bis) wines Par or So wars 2aess ime B26 ems 255 a Ba we) sesszis 2am28 vote ‘asi si! tno ane 202081, oomurT 57o1, 75780 dansk 25517543 90070 (boi eck aa en a quse macs a SE misma con os lors para 1,8, Day Say Sg $5 75 84 metosorde Hosiery 389 ue SSE minims = 168.4753 cuando = 236, y= O46, 8 = 124, demas, también vemos que a estimaciors finals para el ie tsa de recanentoyfatres sta aes son fy» 168.1213, By = 23028, sng = 7044, p= 1.1038, ty = 1.2938, y sma = 8908, xminemas heal proceso par calcula os ponds punta, ylosintenaos epreicin de 95% para lato prox. Cuando uizames ls etmacines de Figura 8.14) que miimizan SE, ls prondscs punts de, Yu Yas) Ye SON tat bara ing = 068.1213 + 2 302847088) = 120.0667 tat 2h 590 (BQ ba Aig ‘Artes de claro intenlos de preicon de 85%, obsere qu ens formu de ‘stsicenalosse sae ero etnda reat seni 7.y noel arent ‘ene emo T-La rain de ete cambios el rata de usr un moda mult ato dondea tendencies mutica tanto por lator etaconal com po {acre Pra encontar s ecsar deterinarasua des cuadads de loserores relatos jt Flt, t2 1,2... nals des cuadads, eles eres, [i= j= Hh. come gue: 113.0036, 3 1503283 {sre _ (Gi0e = SE = fF ores Quine gua FE =e - (ase Figura 8.148) Entonas, un intnalo de pedicion de 95% para yes [ju saa] [to ort s019f%-5) 08] ious 9129» 22087840 0046754 “sss es Face inl pin 85% po in deers wall eT + BaP + (Ey + 20g? = 2am vee 3 2am 6 enna 22a? aan ie384 Capo Sundzacion exponent tones, [st80+ 2s Ee] = [isoese0 36.0198 = 190.5560 2 76335) = (183.0225, 198.2885) De qual manera se calla nts de preicidn de 98% prays yes li Tata). 138) of & 6d] 6.3] = fassese =o 199 TERT 2394] = 263634 +9505) iver, 25505 alin ern de 55 p03, tes [i256 (ee «50 802,164.95 Sse dpusera de nuevos valores trmestaes de as eras de Tiger Sports Dn etncespoeros rear los ponésios y ls intl de predicin de 35%, p reco dea ecuacones de predic para actalar las estmaciones de nie tse crecimiento, factor extaconal sin ever estima es paréetrosde suaiacin. Ate Tahabildad para etecuarechas esiones er ura venta de los metodes de suavzacen porque sla sn nceseras as estmaciones més recientes ena reson Peo shor, con larapide yl capacidad de as commputadoras actuals, se pueden ads valores de las nuevas obseraciones fos datos, y se pueden determina nuevas etiaciones de los parametros aun cuanda necestmasproesticar miks de tens ‘To lis versiones adtvas como las mulated loses de Hl Wis se envertan en el software prs suizacin exponen ise cuenta slo con usa ‘ers, lo mis ecundy esque se a versiénmakpiav. Al igual que co os es rondo de suavizacidn exponencal, s necro preguntr ode se encuenran cosas couno hs alresinicides, yo intervals de pedicie, Ena Figur 8.5, presen os ejemplos de os resus que se obtienen mediante una coiptadera al aphicar ef ‘métdo mulplisvo de Hol- Winter las vers mensuales de Tasty Cola (3 “ola. la Figura 7.2) Poeso que a gf dea Figure 7.2 mesa que as vents “Tay Cola maniestan una endeci inal con varia estsioal cece el meso mulipicatv de Hol Wintrses propico paraetaseitemporal Ea Figua&. 1S) se presen fos esulads del procediieno que ejecta Time Seis Forecasting 3 SAS, procedimiento qe aplica uns opimizacin anos pare determina ls cos Canes de suvizacin, En Ia Figura 815() se present ua sada de MINITAB en It sue se usm los valores que signa atomitcament el pograma a as constants suaviaein (a= = 8 = 2)-Las mids de Holt Wines en MINITAB, carecen de opcn de bisqued atomtica de constants Spi de suizacin ‘Observela gra diferencia et os valoes de a SSE Elerrr medio cuadedticoe8 Ja Figura 8.15(0) es 8802, a similar MSD dol Figura 8.15) e 6812.61; ambos ‘valores son guaes ala SSE. Una SSE rand siempre se fle en la longitu 8 FGURA 8.15 edo uta de fairies, splat alas eras ensales etsy Coa 84 metodo de Hotes 385 los imervaos de prediccin, de aqui que los intervals Son mucho mis amps on Ja Figura 8.5) que en Ia Figura 8.15(a-En uno de os ejericios se sug buscat ‘mejores eonstanes de suuizacin con MINTTAB, Sin embargo, l examina el prin edela ser enpoa pokes rate a dieses als eis los valores reales es mucho mayor en {a Figuta8.15(0) queen la Figura 8.15(a). Por ‘amt, e evideate que las estimacionesiniiales dl nivel, la tasadeereciniem los SAIS So een eigen asta “sit ae sean opm ues sir Fi ms - aszr sams eats (a) Tine Ses Forecasting de SAS366 Captlo® Sunviaconesponencal FiGURA 8.15 Coninacon 85 al} aos Sada ge MAD factors estaconales, fueron determinados mediante prosedimiento istnos, Pela gue serefee as seriesempoale cons, un juste deficient al principio de lasce «significa, por lo que habe come resultado intervals de precio ampli, TENDENCIA AMORTIGUADA, Y OTROS METODOS DE SUAVIZACION EXPONENCIAL asta este momento, entre os métdosprseatados se encventran 1s métodos expo 'eniales que se apican con mis frecuencia: Ia suavizacion exponenil simple metodo de Hot del usvizavinexponencal coreg dela tendenci, el modo avo de Hol- Winters, y el método mulplicaivo de Holt-Wintrs. Oo meéiodo de suavizacin exponen comin es la suaizacin exponencial de la tendencia samortiguada de Gardner y McKenzie. te méiod es spropiado para proaosies ase temporatcuyatasa de erecimieno nose marten en el utr ls ees local ienen que seramoctiguados. El amortguamienta de lata deeeciien, i de mod que dsminuya el increment decrement de leramos un método de teadecia amortguada cuando significa redid det os pronicos. Primero consid Do bay pan estacional 185. Terdencia aertiguds yotros metodo de suvicacin exponen 387 METODO DE LA TENDENCIA AMORTIGUADA eeu 1. Suponga que a seitempora yj MES Ua tendeacainel en lac ef ively ats de ceinienocambian in ann pat esto, Ades, supong que pregunta esi atasa de recimiet alfinl de a sete empural comune fate toes, le estimacn del lel, y lest aK Hop) He p— Epa) #11 = Vy donde cy y son contantes de suavizacién ene Oy 1.9 es un actor de amortiguamiento ear Oy | 2 Un promésico puntval realizado em el periodo T para 68 AT) =p (by + Pe HH) eunses um tera de red del 986% determina en et period Ppa Gira) # atl Si=2, enlnces un interalo de pedis de 95% determinada en el eriodo 95.208 frat egg UH ertones un itrvalo de pediocin de periodo para yes Fe determinadoen et FOL gry + whl Foy Oy Six 2 eatonces un intrvalo de prodioién de 95% determinado en el Petiodo 7 para yes Podemos ver que el ef Por ejemplo si =7,entoces Frau 2641 Span 2+ Thy +77, f+, + ADby Et hy + (Py + (TP, = Ey by + AB + BD to dela asa de crecimiento yen el pronstco punta s reduce ms para cad priodo adiconal ene faturo, siempre que sea meno que |388 Capitdo 8. Suavzacén exponen Al igual © les ros metodos de suavizaciénexponencial, ls eeuacones de Soavizacin se pueden expresar ea frma de coreccn del ear FORMA DE CORRECCION DEL ERROR | | La forma de comes de or de as eusciones de sven en el método dela suavizacin exponencal de la tendencia amortiguaa cs Epa trs thy tlie = Eps Hp be = tbe + only Poco que toca a os dios esaconales, pods recunir ia tendencia amor ‘iuada,apicano el método sive de Hol- Winters o el melo maliplicativo de Hol Wines. 'METODO ADITIVO DE HOLT-WINTERS CON TENDENCIA AMORTIGUADA ——— 1. Laestimacién ¢ del nivel, la estimacin by dela tasa de ereimiento, Tnesumacin sy el factor estaional de sere temporal ene period Tse determina, mediante ls ecunciones de suvizacion 6p Oy, ~ 9m, )+ (= NE +. Dee lp = b #0 —by Sty = 8p 07) + (1-8, doe son cantante de suaviracin etry yeh factor de amortiguanento ent O LL forse cones Jel eo dels cuciones de waicacin es, f= bat We yy lp 8b, any) Be = Ms Fig ~ Cra Hr +) Shp = Mpg UL OBL = py Alp + sy.) ‘Un pronto puntual realizado ene period T para yes AD) = 64 y+ Pe OG) FSO onde yr. la eimacin “nds reciente” del factor estaconal de a estacdn carespodiene al perodo T+ +. TT 1 2 ] ] tto00 wucesca osc: Covrewennohreueoe 5 Tendencis aoriguada,yoves método dest egenencil 388 Ueintervalo de preicin de 95% calla enel erode Tara | ewes bina si ro | Site Dentmes c, Bletsnegeoar | onde dy = 1 si jes un entero milo de Ly 0 sino es asly got drnte Licstimacin del nivel a estmacién by dela tasa de erecimient, Inestimacion su el fet estaconal de la sere temporal ene petodo Te determina, mediate as ecuciones de suavizacion yyy 1) + = OE 4 Hy) by = ey EE Yi sy = Bill) + (1 Ssay oad x,y 8 son constants de suavzacn ente Oy I.y Ges un factor de amortiguamiento entre Oy I, La forma de cmescn de nor elas ecuaiones de suavicion es ay. bye Ey py He id | Ye ly 8p by ab tay Bet rad @ Un prontio puntual efectuadoen el perlode ? para y..65 ral = y+ hy + Oy DD Aoode sa, €5 it estinacién “is recient” del factor estcionsl de a estcion qué corespoade al peiodo T380 Ceptle® Suvzaién expand ‘3. Uninterval de predieciOn aproximado de 95% caleuada ene peiode Fparayy65 fi Sie =U entonces c= (E+ 8,7 L Si 2 (7) gull 6 = LeU +e sin, 44h? + ¢ oe Le Dep Hab eet UL Aes abe) (4 abe te tote donde 9) (Vase Hyndman etal, 2001, donde se encuentra una. mejor aproximacid yona ful vaca) Ausar mftodos de tendenci amortiguda, las esimacionsiniiles e pucde obtener, ya sea ilzsd los proedimients presetados pat el miedo de ll dea suavizsinexponencialcomegids de la tenencia, el todo aio de Hal ‘Wines o el métode mulplicaivo de Hol- Winters. a eeccion de las const de suavizacién, y del fcr de amoniguamieno se efetia,escagiendo los val «qe minmizan la suma de cuadrads dl erode los pronéstios para el siuie prio la (SSE), ‘ase estdron mts para los casos en gue no hay tedencia, 0 ¢s lineal a tendencn un pata no estaciona, un patron escinal ado, y un pur estacional ul Plkcaivo. Hay un mtd de suaviacién exponencial que considers It tendensa exponencal al mulpear el sve por la asa de cectieno en ga de sus, Es posible planar cualquier combinacign de los castro tips de tendencies tips de estaconaliad. ae ecuaro siguiems, se presents una combinacidn mis eu tendency pan estacional mulpietiv, Lacsimacin et nivel I estimacisn by de a tasa de erecelento,y lsestmacion sn, del factor estaional de la see tempol en el period Tse determina, mediante fs ecvaiones de suviacion 6 ails.) +(1~ ONE) sy = Ble) + = Bin p onde cy 8 son constantes de suavizaciom ence y 1 mortiguada. También se avon méiodos para ta 185. Modelo para suaviacién examen elntalos de prediaion 391 2 Unpronéstico puntual realizado ene periodaT parayces Fra) = Cras donde. stinacin set” del ator eco dela | cselnCrtapondet alge 2. Unintealo aproxinado de predic de 95% caeuadoenel | pevlde prayy dine 2 ¢5 Les | na geanhi ORD G pc (Reta sHynnn ca,20, dod een mr | spoximacin os como ona rl ents) | *8.6 MODELOS PARA SUAVIZACION EXPONENCIAL, E INTERVALOS DE PREDICCION “Todos los métoos de suvizacén exponencil tienen un madeloestedticn corespon diene. Los mveosesasions son ncesirio pa dedi omlas parses neve Tos de predici, Usaremns ls models del espacio del estado on una sola fuente error para las models desuavizacén expocenil Las frmuls pat os intervalos de prediccén de las cinco seecones previa se dedujeron usta los mods de esta sectin. Antes de presenta los models del espcio del esta, es neeesaro nour neva neacin parading Is valores verdadero ena saviacin exponencial de Jes esimavions que se encuentan ens méodos de savzatién exponential. Los componenies dela susvizacién eyponencal se laman “stds” en Tos modelos del espacio dl estado. La notacin para los componeies elas) es ‘Componente (estado) Modelo. Estimscion Nivel en el pesiodo h & ‘asa de crecimiento ene periods Bh Factor estaconalenel peridot SN, st Las constants de susvizacn en ls seetiones anteriores som etimasions, Para ‘mantener la aotacio reaivament simple, la modifcamos un poo, y necestames ‘que todas las estiaciones dels constants desuvizacon del factor de amo minto de as secciones anteriores leven el sinbolo (par ejemplo, des Iaestimaica de valor verdadero de). Larneva roan es Pardmetro Estimacion Constante de viz pel vel . d Conse de navn pea lstsadecmciniesto = yf Const de seavizacin pr I etcin 5} Factor de unociganiens 6 8 Baa eines pan32 Capitulo. Suavzaon exsoneni ‘Todas las couciones det espario desta tienen un ecuaclin de obserracin, Yuna o mis ecuaciones de estado. La ecu de obsersacin es ect py valor yy el cual pede ser observado. Las ecucines de estado mesa em og ‘components no observados (estas), qu sone nivel latasadecrcimien'o, ye tar «xacioa,cambian de un period al siguiente. Los melo ene ua fet ksi eestor, El én deerrre, ene el valor de una dxribcién normal cuya media sce es decir, E(¢)=0] yuna desviacin estindar (ede, Vat) gues ‘misma para cade uno de ls periods, Adem, se supene gu los érmins de eer, 5, on diferentes periods un estdsicament independiente ent i, {Los modelos del espacio del estado para los modelos con una sola fem de ero, que se han estudado en las seccones anteriores de este capitulo se preseian nla Tabla 83 Con objeto de ver ta relsciin entre los medlos del espacio del estado y fy ‘método de sauvizacn exponencil bers telacionr fos modelos con a foma de comecciin de error de Tas ecucions de suavizacion, Pr ejemplo, al examina ‘1 modelo dels suavizacin esponeacial simple, encoaas que sen a cova Ade observacin, = 3, ~ Ly entonees, a ecuacin de estado 68 Ly = Le, + ay, ~ by): Pesto qe es une estinacén dl nivel Ly & es una extmacion de 1 Yemos que Ia ecuacin de suavizacnf model, et + GY,~ 6.) conedetda cone TABLA 8.3 Modelos dl espacio dl estado para ls métodos de suaviracén exponencal ee eeeeeeeeee Método cancion de obseracion —_Ecunciones de estado Suovnacin expocenia Simple ym at Leb tay Meads de ld lapiz bts Leahy + Bay to ‘exponen cones de Bae tam, tensa Método advo de Hol Wier. LAB t Siete, Ly bas + Boa +08, Méndo de atenencaamatipala y= ys + 8B +6 Mézdoatv d Hol Wins con Tendenca amore bar + Bes +N 4, Método mulpcatode Hol Wines y,= (ln, + 48, 08Nc (148) by ‘contend soins Método mice de Hole Winey, sinteneia Boe Bs +n, SN= SN + (~ ae, Lek t By tally Hale B= Bey ly + Bashy SN/= SN +0 ONO, peers ee] Leeks t ABs an, Beeb: Fem Le laes tay te Bei, vax, SN=SNoz +(e, bas + Wey tals + QB Bee tb +t ti, SN= SNe +0 = OHSN vt oes, 8,2 SN. + 0 OS 55. Modelos para savas exgonenieinteaus de predic 383 Lareacn nt modelo deep dl estado, yelled de suai expo bee aes novia por lo que sees al mods multiplet de Hote Wane donde se mukiplicanteadeci, TR, =f + B,.ye aco etaconl SN, ye fatrimegulu IR, = | ~ No cbse, proce pre er ela in sma, Poemas vole frmula lactic dele oseran como, ba + BIN 6) = (hast BadSN c+ Uh + BIN, 4 none, selma x evaril, Yh + BSN ha + BSN Al sti ¢ po el primer memo de esta cus, obenemos en as ese ciones de esto de mod maiplzatv de Holt Wits bat BSN] SN by =a + BoSNec] SH Scan tha? Bad hat Si fectuamos un cambio menor, podemos ver gue forma d ests ecuacones le ‘misma qu la dela forma decorecin dl eter ls estimacionesremplazan fos ‘valores verdaders. El cambio menor se efectia en eeeuaion de suairain pata factor estaconal, dnde el modo del espacio del estado require qe los Ylores revisedos dependan de ls pevodos anteriores. Por tno, vemos un divisor Ly. = 2B. en lugar de L, Como se estbleciéen inicio deta sec, los models son ncesros para educirfcmuls para ls ineraos de prods, Tami es posible eompeobar {que los modelos proporcionan os prondtiens putes dels miodo eomespon. inte de suaizacion exponencal. Exel ejemplo siguiente se esta la mane ve se basan, el modelo los pondstinspantuals, los intra de pedicn de 1a suavizacin exponen simple Sponge que hemos absered los valores Ye os pres Tperidos Si ontans con a nfrmacén perfeta de mode que éonocemos os vals delay «entoncesapcando en forma repetialaecuacn de la cbsercin y a ecuacn de estado, legariaros a conocer laa d , Lusgo, I tao alo expeado dey, qe 6 petedos ene fut, se determina como sue SET Ey FUL) + Epa) = + S22 Ely = Ellas +a) = Elle # ty Ep lL) + 084) + Ee) Firs) * Elle trad = Eller + B8r a #3) Ube yy #859 +s) Fly, +834)184 Capitulo Sunieaon exponen wen gener, Yiu) = Bly ap Obs HF We Had Eimejorgrondstio dey. €5 valor eeado valor med. Pro come no teens infrmacsn pret, ulzaoslaestmacié fly De agul quee pronto ata POY 89 ene JEMPLO 8.7 Un interval de peecn de 95% pare ye Fred Zang Varo, ~ Frac Una vez mis sponemos que contamos con a iformacn perfect y que, poco Siguiente, conocemns valor det, poo que poderesercoiar una formula pa Var Yok) = Vtg ~ 4 lamanera quent: Sie 21 Vays = Vay + 4).)= by = Vat Sie = 2 Vatypg -G) = Vols + era A) fly + OF, +t A) = Vater + Fr) eVatey) + Vales) saist so! =o +1 Lys Vary #6 7h) Vath OF fy 4) Far, Fa HEA) alas, OE, +6) = oar) 4 earl] #Vires) seo Fete! +o = Re +1) Sie 3 Vat. engine Vay by aly + Or + Org Frye oe = at, + aa) + OVE) Vat) = (= Wes! +08 = oe te +1 Pueso qu ol enor estndar ses ura estimacén de 4, un intenalo de predicién de 959% para ase 62a fe tien 6 2aqiQl EH fst esl rma dl intent de presicin de 95% ques determing en a Se in Siguiendo un eazonamiento similar al del Ejemplo 86, tos las pronésticos Puntuales y los intervals de pediccidn de los métodos de suvizacia expones- «alse pueden deduct paride los modelo del espacio del estado de la Tab 85. Modelos parastaviaciénexponencal ntenalos depeddén 396 8.3, Estas frmulus son formulas analtcas, Tabi es posible determina fos Intervalos de predieidn, mediante ct uso de wn modelo que sinule valores foros de la sere temporal. Nos referiremos a los datos de la pesca de bacalao de los Ejemplos 8.1 y 8.2 para ister la manera en ques simula tos limites afrioe Y superior del interval de prdiccin de 95% Con objeto de detrmiar inal de peiccion de 9596 para les datos de pesca ie boaaoutlizando la simalacn, erpezamos por simular valores ruts de los dats dele pesca de bacaleo Fara simularos valores utros ens perecs 25,2627, apicamos ul modelo del espacio de estado de a susiacon exponen sng coms sind a corinacon: 1. Suponemos que as estmacines ales de Fgura 2) son os valores eros del mado. Supanemos que tn, = 3545438, @= 3495, y= 034, 2. Esnecesaro que slecioeres en forma aerials valores pals tines de rE Ey de una tin normal cn media Oy desocinextindar 3135. 3. Unvaor para ura pesca de bacala futra en periods 25 se deterinar con fecutciin de cteevacen Yas = ha Hy = 3545838 +g 4 Unvaor pra una pesca de bacla futur en patodo 26 se detain, aplcano ia ecuacén de etado lg = bat ay = 3545438 + (0248, después I ecvacion de cbsenacion Yap = ba +p 5. Unvalor paca una pesca de bacala futura eno periodo 2 se encona, plan la ecucén de estado eg by tO = bg #038, luego a eva de cbseracion Yar ht "Noa: 5 yacontanos cones valores es ys cua elas pases 3, y 5 se pusdenuizar sin dicta para clr fae ¥ Ye lei 8.23) Si geeraros muchas valores te ¥ 0" emp, 10,000 de cada uno de eos, entonces tenis machos vale ara YY (10,00 valores de cada ‘wo) SLs liter UL elite supe, ecogemes nego USS, = 25imo percent de os 10.00 valores ex ULS5,, = 97.5-ésmo parent de fos 12000 valores dey, Hinteralo de predicion de 95% prays (955, USE De igual manera, os intervals de preci de 95% pa Jaf 00 95 Ad Y 9S, VIS,386 Copies suvien Paine pesca de bc Hes obenen pox mati de Crystal Bal undo procs fd BB Aner ares aeinlectrene eee ae eel dea Fguia 82) plead eg on os ata dl TH Fei Chat tater ams lace e poporconan en Fae 816, a mene te ee cee a i — + ace ena isrbuen noma smu pr ato, as mess saute Cesaein pene pte de 3458 (399 ene fengo 2 lanes 7 : ao sa Sispeioanis ey ansSesie ASL Dobe a 2 oa "pete pont Ln 3 Dracut con Fig 8.16 ene de prec de! 85% son 3 ne (285.7176 4226914) 0 (285,423) pay E es | — ——} an & (0427, 42647] 0 (284428) paayg | sal y a ¢ 28454, 42226) 0 85,4221 pay sonido, = secs compat ts intel on ents dtr en forma nai jel 82 Aunque os reas de pein ques temo e oma aa Forcast eae sana prem cede un put de vit eat, os iene sas est oo cer levies feten anes vera Poderos encantrnenaespaa scale 108TH Free Cat Mine na tenes coals anacas, or emo, pods sinc ai ina Sim de 95% parla peca de baa acum, ons dats elo es ees oped som 1 para series temporales cuando es apron el metodo multiplicative de Hck Wi Ader a vinci dels valoes fturosde una sere tergera gra la cual mea rultipicativ de Holt ints pregiad, pod no tener une dtu nora ‘ad ls valores etn narmalmente dStibuides. Pox consguerte, padtaser que as azonable ee tir interals de reicén simods. ‘TABLA 8.4 Entradas pra la simulacn de Ye Jy YY Baa la pesca ° aif 4 oa Pesca de eodo —baclsealy 2 I SSE square aoe nin timasisn Prost ‘Mavzedoreendo sn el for nivel Sine pods saores nee? ison ars 39808 36LAOM asuinte—asse010 asst as4aTi9 Layel Exot de pronto 1970 vosast ronan swe rages nae 00% soe a8398 Cato Suovaadn exponen Sjrcicios 82 Coser hi ere den dn Bay Cay Sed oe a cs ee sys 2 Cons i on ics ee en mae ne dee eo ede ean 352580, cop concn capa 9. Compre arlene edn pa torr san penn ae eho {jess can semen ins 8 «Nena fcwseimanin aah peo he delat) a de ee ‘Eeyore pc dtc 352.11 Seopsemoatncn fia mt cere peti rs 8 0 eo mis nie pn my deo Tes tS8% ome ems ee Fw 18.2 Coase os dats de psa de acl dea Bay City Seafond de a Figs. 1 Prue ln bode cel de Exe dela Figura a 1, Uilice in boa ce nde Bee paradeerinae 1aSSE cuando 4 «. aliqueel ensayo yer pra ta eee alr de que minnizala SSE. 4. Uilice Soler Excel as rina yar de ‘ague general va minim de SSE. Soja deeselo eu debe conseda con a Figura 22 4.3 Consider los dos dea pesca de aclu dea Boy City Seafod dea Fig 82 2. Wile os valores obser des primers os alos (ses se T= 24) par encontarel rosio pul, liner de pei de 55 paca apse cama ee mes 28 (sh dhl ato 3. 1 Uses valores observa de spas dos sos detemine el prac punta y el ‘neal de prdicin do 95% pura pose de ‘amar en ls 29a a0 3) 8.4 Consider lo dos deb psa de aan de Bay Ciy Seaton ques pope ena Figur 82 ‘Si observamos us psc en ere el alo 3de a= 37S, auc esincin dl ively 2, Reserde que ya scuslzamos lala nel Bjempio82 1 Determine los promis pales les ier pein cel 98% rakes revo 26 pra os sian meses (marzo, abi yay). 85 Conia Yes semanas demesne el emp 83. 4. Compete gv €uagestinasn dl ive read en el prod 2,65 211.1634, ye by ns etm ar sa dcteincw ech eve psig 2, c+ 524,como se esac Fewest 1 Verge sel eer de prong pra peindo sii nel period 3e5-26.7219, coma se pede veren liga 85 & Comprte qu funn ximacin dl ave rel enel po 3,5 2085775 y que, ‘a exinacn pare aa de creciieto ecia el paride 180, como se mesa ens Fai. 4 Teste sil eno de rosso para un pei ‘mis adele enel peso 405 37.3955, como es verona Figun§.6. 18.6 Conse ems sera es ese bran 86 ‘4 Propel de cl de Excel de a Figur. cam = 2026246 yb =~ 3682, Pormado eetalsjadecteuoenceurcla ‘SSEeantoa= y= 1 2. Aplqu elena ere arr de esablecee Iosralresde ay y que simian la SSE. 4 Ui Soler de Ese, yempice con = 2, Yrr= Let deeeimarios aloes dea yy {ee era ut valor mips a SSE Ls rela deen conor oe agus 7 Prete aoa de elel deExel de Pip {6 eando Ferma de coc dl ord is ‘cucioes de viz 18.7 Novia Escelpoere ws sda deepen es as vena de emesis como age se mest. nlaFigun 86. 8.8 Considers ents smanaes es fermosios qe se pcpocionan ena Figue 8701 9 1 Uitice riers 52 semanas de ventas (5 (eis T= 52), pa determi ronttico al einer depress del 958 des ‘atx en a ea 56 Negus estmacones sins dl nivel 1 Use los dts de aspera 52 ema de ‘ens praesbecre proc pial ye inter de peice 98% para avert ce Insemsna {89 Consiee los ds das ventas semanas de ‘ems que propocionsn en a Fira 1). 2 Enel Ejemplo 83, despues de obser 350, evs os practic punaes os intervals de peediein de 98% de vena en lasSenmas Sty $5. Contin con te evn sesrmioanio os pronto pnts yo Inerals de redid 955 evisu as semanas 3695, ‘4 Supong gar aor obsersamos y= 32. ‘Agroveche eta mora oma previa estimacones dl ive dee ats de erento desde By ices meas estmscones dln) pa revs los posioos puts sinters Ae predic cde 955% paral vera de at semanas 3,36 57 4.10 Reaves ventas de cludes de a Ting, yale Fgua 6.4 del Capo. Determine os alee nici yy median Excel ocualqier avo programa pre etait, find usar ena rca 2 Ta tiers mila de os das. 1 Prepare una hj de cel de Excel, pan car ldo de Hold la suvinain exponen coreide a tenencin ilo Soe para encores de 7 ‘ge mininizan a SSE 4 Call os ponticos pune snarls se predic de 95% para enero, febrero y mao detato3, £811 Consens ventas dea ice de moti TRK.S0 el Eemplo 84 Corpo is stinacioes sien et tel, asad crecimient, yfetreaional: = 215586 b= 10508. y a = 6648, cose ‘noes cn a Figur 9. 4 Competes el er de possico dew pro is adele en period 361815. Ae creciient, yaar extsiml = 24573, by © LOFT, ysn = 185575 etcior 236 4. Compre quel eno de prostio de pind mis asa ene fea 4s 1288, 2 Considers ventas de a iit de tain TTRKS0 pe se most en Fgura 89, ‘Pore In sade elo Excel dea gun 9 asa = 208500, by = 989,50 = $529, s0, = [8ST2, y= 1 Uilce Seren snd Acs de Excel inciso} pur ves ue = $61.7=0,) 50 iismian a SSE, como se muesa ca a gu 0, £8.13 Foe mao de Peel secre aside reresin paras ena dea elt de mona “TRKS0, ques proparcionan ens Figura 89, 8.44 Rebérse eas ems dea bcs de mnt ‘TRK Se lagu, {Datei un pronsico pus, y vn interval de cise dl 0% de vena ea bien en leat tines dela 5 1 Calslean podsico pul, y nner de eee de 9 de le ventas dea keen el pine tines ela 6, 8.95 Conse ls vers de Tiger pots Drink Ejnglo 65 4. ib ls cians de eresin de Fir 813 pamela $, 5 S9 Su Comput § Compete sl esinasn inci be for curio ut el winete Beat = 14114 como se muesra en as igus 62y 813, 4: Repimel proceso eos inios ) ac) pas ‘era estinaie iii del facto esaciona pus el ies Ses = 12597, como se mest en a Fgura 8. (2. 8.46 Reta as wets de Tier Spon Drink que se popacianan en el Eemglo 85. 1 Vege las estimacons siguientes paral ive, usd crecimiento, y fasten 104393, by» 2.63885, = 1.2846, como se most agua 12 1 Comprebe ge err del rotic ews redo mis asanteen prado 4es.765) «& Nerqe ls esimacons siguientes nite, tustdecrecnient, fstorestaroel{0 captulo®Sanvizcin exponen 107346, b= 26821, sn = 8992, que se rivet en gua 812. 4 Comprebs qu err de rosin den pedo mds ae ent pesado Se 3479, 8.47 Considers vats de Ter Spor Dri que se ropuionan esa Figura 8.2. Prat I osc ciel de ce dea Figur 1.12. sand fy = 98.2500, 5, = 22 162,05 LIL 86 1 Uae Sole ini con = 2 els nade cl del nto 8) ar ues wales de a= 336 1 0869 ninnian a SSE, conn se mes nega 14), £8.48 Mediate Bie oneal de repeia ra Tiger Spc rink coma sus ea Figs £13 18.19 Conse ls ventas Tis Sports rik gue ‘© popconn en a Fgu 8.14 1 Ves os robo pulse a vents de Tiger Sprs Drink paral winete 3 (geado 39, yelwiesrepeindo 36) doen Fjemp 85, Congres itera epi 95% paras et de Tiger Spor Dik tee 3 (geo 35), y times prod 6) ns en Bjrgloss £8.20 Consider sven de Tie Spon Dike aFguza 8.1, Soponga que ee pier 9 9, observanes y= (24 2. Sindeerminar wav ake prs ons Se uv, ae lt eimaciones (yb Ys paral nel ta deren, y tor sina en el period 33 1 Uslc ts esimsinss el isso ) par revise Jos pronicos ponies y sino de resin e955 de sents de bide ara Aap en os peso 34,3593, 8.21 Conse sds de Tasty Cola de Tabla TH, ydela Figen 8.15, Ute MINITAB pas seria conta de susizaig ue gran SSE mis pequea uence a Figur 15, donde (81261) 36) = 26525396, 8.22 Renae os dose Tasty Cala ies eoprcionne Tabla 7. 2. Prepare unahje de clelo de xc prs

You might also like

• The Handmaid's Tale

  

  From Everand

  The Handmaid's Tale

  Margaret Atwood

  Rating: 4 out of 5 stars

  4/5 (13186)
• The Hobbit

  

  From Everand

  The Hobbit

  J.R.R. Tolkien

  Rating: 4.5 out of 5 stars

  4.5/5 (24585)
• Freakonomics Rev Ed

  

  From Everand

  Freakonomics Rev Ed

  Steven D. Levitt

  Rating: 4 out of 5 stars

  4/5 (7848)
• • Magazines
  • Podcasts
  • Sheet music
• The Hobbit

  

  From Everand

  The Hobbit

  J.R.R. Tolkien

  Rating: 4.5 out of 5 stars

  4.5/5 (25133)
• The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  

  From Everand

  The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  Mark Manson

  Rating: 4.5 out of 5 stars

  4.5/5 (20015)
• The 7 Habits of Highly Effective People: The Infographics Edition

  

  From Everand

  The 7 Habits of Highly Effective People: The Infographics Edition

  Stephen R Covey

  Rating: 4 out of 5 stars

  4/5 (2475)
• Art of War: The Definitive Interpretation of Sun Tzu's Classic Book of Strategy

  

  From Everand

  Art of War: The Definitive Interpretation of Sun Tzu's Classic Book of Strategy

  Stephen F. Kaufman

  Rating: 4 out of 5 stars

  4/5 (3321)
• American Gods: The Tenth Anniversary Edition

  

  From Everand

  American Gods: The Tenth Anniversary Edition

  Neil Gaiman

  Rating: 4 out of 5 stars

  4/5 (12945)
• The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  

  From Everand

  The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  Mark Manson

  Rating: 4 out of 5 stars

  4/5 (5794)
• Habit 1 Be Proactive: The Habit of Choice

  

  From Everand

  Habit 1 Be Proactive: The Habit of Choice

  Stephen R. Covey

  Rating: 4 out of 5 stars

  4/5 (2556)
• The Art of War: A New Translation

  

  From Everand

  The Art of War: A New Translation

  Sun Tzu

  Rating: 4 out of 5 stars

  4/5 (3044)
• Matar a un ruisenor (To Kill a Mockingbird - Spanish Edition)

  

  From Everand

  Matar a un ruisenor (To Kill a Mockingbird - Spanish Edition)

  Harper Lee

  Rating: 4.5 out of 5 stars

  4.5/5 (23003)
• Orgullo y prejuicio: Clásicos de la literatura

  

  From Everand

  Orgullo y prejuicio: Clásicos de la literatura

  Jane Austen

  Rating: 4.5 out of 5 stars

  4.5/5 (20517)
• American Gods [TV Tie-In]: A Novel

  

  From Everand

  American Gods [TV Tie-In]: A Novel

  Neil Gaiman

  Rating: 4 out of 5 stars

  4/5 (12520)
• The 7 Habits of Highly Effective People

  

  From Everand

  The 7 Habits of Highly Effective People

  Stephen R. Covey

  Rating: 4 out of 5 stars

  4/5 (2566)
• Never Split the Difference: Negotiating As If Your Life Depended On It

  

  From Everand

  Never Split the Difference: Negotiating As If Your Life Depended On It

  Chris Voss

  Rating: 4.5 out of 5 stars

  4.5/5 (3275)
• Habit 3 Put First Things First: The Habit of Integrity and Execution

  

  From Everand

  Habit 3 Put First Things First: The Habit of Integrity and Execution

  Stephen R. Covey

  Rating: 4 out of 5 stars

  4/5 (2507)
• Amiga, lávate esa cara: Deja de creer mentiras sobre quién eres para que te conviertas en quien deberías ser

  

  From Everand

  Amiga, lávate esa cara: Deja de creer mentiras sobre quién eres para que te conviertas en quien deberías ser

  Rachel Hollis

  Rating: 4 out of 5 stars

  4/5 (681)
• Habit 6 Synergize: The Habit of Creative Cooperation

  

  From Everand

  Habit 6 Synergize: The Habit of Creative Cooperation

  Stephen R. Covey

  Rating: 4 out of 5 stars

  4/5 (2499)
• Good Omens: A Full Cast Production

  

  From Everand

  Good Omens: A Full Cast Production

  Neil Gaiman

  Rating: 4.5 out of 5 stars

  4.5/5 (10905)
• The 7 Habits of Highly Effective People

  

  From Everand

  The 7 Habits of Highly Effective People

  Stephen R. Covey

  Rating: 4 out of 5 stars

  4/5 (353)
• Pride and Prejudice: Bestsellers and famous Books

  

  From Everand

  Pride and Prejudice: Bestsellers and famous Books

  Jane Austen

  Rating: 4.5 out of 5 stars

  4.5/5 (19653)
• It Ends with Us: A Novel

  

  From Everand

  It Ends with Us: A Novel

  Colleen Hoover

  Rating: 4.5 out of 5 stars

  4.5/5 (5753)
• Good Omens

  

  From Everand

  Good Omens

  Neil Gaiman

  Rating: 4.5 out of 5 stars

  4.5/5 (12010)
• And Then There Were None

  

  From Everand

  And Then There Were None

  Agatha Christie

  Rating: 4.5 out of 5 stars

  4.5/5 (8933)
• To Kill a Mockingbird \ Matar a un ruiseñor (Spanish edition)

  

  From Everand

  To Kill a Mockingbird \ Matar a un ruiseñor (Spanish edition)

  Harper Lee

  Rating: 4.5 out of 5 stars

  4.5/5 (22902)
• The Perfect Marriage: A Completely Gripping Psychological Suspense

  

  From Everand

  The Perfect Marriage: A Completely Gripping Psychological Suspense

  Jeneva Rose

  Rating: 4 out of 5 stars

  4/5 (1107)