Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Pronosticar Con Suavización Exponencial ¿Cuál Es La Constant

No description
by

Andrea Páez

on 14 May 2015

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Pronosticar Con Suavización Exponencial ¿Cuál Es La Constant


Minimizar el Error Absoluto Medio (MAD) asociados con un gran número de pronósticos.

Suavización Exponencial Simple.
Alisamiento exponencial con corrección de tendencia,
Previsiones iniciales.
Interests
Conclusiones
Suavización exponencial doble
Constantes
Integrantes
CONCLUSIONES
Activites:
Likes:
Suavización exponencial simple
SOCIAL
Suavización Exponencial Doble
RESUMEN
No existen pautas consistentes en la previsión de cómo deben ser seleccionadas las constantes de suavización. Algunos autores recomiendan usar constantes pequeñas, otros que minimicen alguna función de error. Pero a menudo produce constantes de suavizado que son cero.
Suavizado exponencial simple
ENFOQUE
RESULTADOS
LEANDRO CORONADO
PEDRO MONTERO
ANDREA PÁEZ
ANA QUINTANA
Los resultados deben proporcionar orientación sobre la elección de las constantes de suavización apropiadas en una situación de pronóstico dada.
PRONOSTICAR CON SUAVIZACIÓN EXPONENCIAL
¿CUÁL ES LA CONSTANTE DE SUAVIZACIÓN ÓPTIMA?

Serie Con Tendencia Lineal
Serie Con Tendencia no Lineal
CONSTANTES DE SUAVIZACIÓN
RESUMEN

Previsiones iniciales buenas y naturaleza de los datos no cambia = Constante pequeñas

Cambio en la naturaleza de datos o uso de modelo inapropiado = Constantes Grandes



Sin Tendencia

La demanda se supone que se distribuye normalmente con una media de 100 y una desviación estándar de 15.

EXCEL: = DISTR.NORM.INV (rand (), 100,15)

Con Tendencia

La demanda se distribuye normalmente con una media de 100 + 10t y una desviación estándar de 15.

EXCEL: = DISTR.NORM.INV (rand (), 100 + 10 * <t>, 15), donde <t> se refiere a la referencia de celda del período de tiempo.


Suavización exponencial simple
1. Cuando no hay una tendencia en los datos, suavización exponencial simple producirá mínimo error cuando los valores de α son pequeños, en el rango de 0,0 - 0,3.

2. Cuando la previsión inicial es buena, los valores de α será muy a menudo cero.

3. Los valores grandes de las constantes de suavizado son ciertamente posibles y no deben ser rechazadas .

4. Cuando hay una tendencia lineal en los datos, el rendimiento de doble suavizado exponencial depende de las estimaciones iniciales de los componentes de nivel y la tendencia.

5. Cuando hay una tendencia no lineal en los datos, los resultados son mixtos y no fácilmente generalizables.
INTRODUCCIÓN
Los métodos de pronósticos de suavización exponencial utilizan constantes que asignan pesos a la demanda actual y las previsiones anteriores para llegar a nuevas previsiones.

Relación entre la magnitud de las constantes
Minimizar la naturaleza subyacente del pasado de series de tiempo

Suavización Exponencial
Suavización Exponencial Simple
Ft+1 = Lt + Alfa*(Dt-Ft) = Alfa*Dt + (1- Beta)Ft
Alfa y Beta = Constante de Suavización (entre 0 y 1)
Suavización Exponencial Doble
Ft+1 = Lt + Tt
Lt = Alfa*Dt + (1-Alfa)Ft
Tt = Beta*(Ft - Ft 1 )+(1- Beta) Tt-1
Ft + 1 = Estimación del nivel medio Lt al final del período t.
Ft = Estimación anterior de ese nivel
Dt = Nueva estimación del nivel puede ser visto como un promedio ponderado
Resultados
Resultados
Full transcript