SlideShare una empresa de Scribd logo

RESUMEN UNIDAD 4

1 de 48
Descargar para leer sin conexión
INSTITUTO TECNOLÓGICO SUPERIOR
 DE LA SIERRA NEGRA DE AJALPAN


      UNIDAD 4
     “SERIES DE
      TIEMPO”

     LUCIA FLORES GARCÍA
   ING. EN DAMINISTRACIÓN 4º
            SEMESTRE
        ESTADÍSTICA II




                               2012
UNIDAD   Series de Tiempo   4.1 Los componentes de una serie
   4                        de tiempos
                            4.1.1 Componente de tendencia
                            4.1.2 Componente cíclico
                            4.1.3 Componente estacional
                            4.1.4 Componente irregular         1
                            4.2 Métodos de suavizamiento en
                            los Pronósticos
                            4.2.1 Promedios móviles
                            4.2.2 Promedios móviles
                            ponderados
                            4.2.3 Suavizamiento exponencial
                            4.3 El análisis de regresión en
                            pronósticos
                            4.3.1 Modelo causal
                            4.3.2. Estimación de pronósticos
                            4.4 Software de aplicación
SERIES DE TIEMPO                                               1




Se llama Series de Tiempo a un conjunto de mediciones de cierto fenómeno o
experimento registrado secuencialmente en el tiempo. El primer paso para analizar
una serie de tiempo es graficarla, esto permite: identificar la tendencia, la
estacionalidad, las variaciones irregulares (componente aleatoria). Un modelo
clásico para una serie de tiempo, puede ser expresada como suma o producto de
tres componentes: tendencia, estacional y un término de error aleatorio. En
adelante se estudiará como construir un modelo para explicar la estructura y
prever la evolución de una variable que observamos a lo largo del tiempo.




4.1 COMPONENTES DE UNA SERIE DE TIEMPOS

TENDENCIA




La tendencia de una serie de tiempo es el componente de largo plazo que
representa el crecimiento o disminución en la serie sobre un periodo amplio. Como
se puede ver la tendencia es la propensión al aumento o disminución en los
valores de los datos de una serie de tiempo, que permanece a lo largo de un lapso
muy extendido de tiempo, es decir que no cambiará en el futuro lejano mientras no
hayan cambios significativos o radicales en el entorno en el que se encuentra
inmersa y que determina el comportamiento de la serie de tiempo en estudio,
cambios que podrían ser originados como por ejemplo, por descubrimientos
científicos, avances tecnológicos, cambios culturales, geopolíticos, demográficos,
religiosos, etc.


                Gráfica de una serie de datos con tendencia
                                                                                     1
Serie de tiempo con tendencia creciente.




                                           1
1

Recomendados

Más contenido relacionado

La actualidad más candente

Método del valor presente
Método del valor presenteMétodo del valor presente
Método del valor presenteAna Uribe
 
Análisis de series de tiempo
Análisis de series de tiempoAnálisis de series de tiempo
Análisis de series de tiempoIsaac Gomez
 
INVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICOINVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICOCARLOS BRAZON
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempoCharlyii
 
Unidad 1 mercadotecnia
Unidad 1 mercadotecniaUnidad 1 mercadotecnia
Unidad 1 mercadotecniainsanedwin
 
Poder y uso de la influencia
Poder y uso de la influenciaPoder y uso de la influencia
Poder y uso de la influenciaYamié Mh
 
Principios básicos de pronostico
Principios básicos de pronostico Principios básicos de pronostico
Principios básicos de pronostico yuliet2894
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...Ekthor Daniel R G
 
Ingenieria economica y la toma de decisiones
Ingenieria economica  y la toma de decisionesIngenieria economica  y la toma de decisiones
Ingenieria economica y la toma de decisionesBRENDA LORENA
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialAlberth ibañez Fauched
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOSbonbombon
 
CUADRO COMPARATIVO (3).pdf
CUADRO COMPARATIVO (3).pdfCUADRO COMPARATIVO (3).pdf
CUADRO COMPARATIVO (3).pdfYareliAguilando
 
DESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBO
DESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBODESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBO
DESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBOssschulteee
 
Ejercicios de tendencia lineal de la demanda
Ejercicios de tendencia lineal de la demandaEjercicios de tendencia lineal de la demanda
Ejercicios de tendencia lineal de la demandaRoger Salazar Luna
 
Ejercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demandaEjercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demandageomog94
 
Planeación agregada (integrada) de producción
Planeación agregada (integrada) de producciónPlaneación agregada (integrada) de producción
Planeación agregada (integrada) de producciónconny1991
 
Gestión de la Producción - Pronóstico de la demanda.
Gestión de la Producción - Pronóstico de la demanda.Gestión de la Producción - Pronóstico de la demanda.
Gestión de la Producción - Pronóstico de la demanda.Sergio Paez Hernandez
 

La actualidad más candente (20)

Método del valor presente
Método del valor presenteMétodo del valor presente
Método del valor presente
 
Análisis de series de tiempo
Análisis de series de tiempoAnálisis de series de tiempo
Análisis de series de tiempo
 
INVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICOINVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICO
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempo
 
Unidad 1 mercadotecnia
Unidad 1 mercadotecniaUnidad 1 mercadotecnia
Unidad 1 mercadotecnia
 
Poder y uso de la influencia
Poder y uso de la influenciaPoder y uso de la influencia
Poder y uso de la influencia
 
Principios básicos de pronostico
Principios básicos de pronostico Principios básicos de pronostico
Principios básicos de pronostico
 
Costos a largo plazo
Costos a largo plazoCostos a largo plazo
Costos a largo plazo
 
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...
 
Calidad
CalidadCalidad
Calidad
 
Ingenieria economica y la toma de decisiones
Ingenieria economica  y la toma de decisionesIngenieria economica  y la toma de decisiones
Ingenieria economica y la toma de decisiones
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencial
 
Métodos causales (regresion lineal)
Métodos causales (regresion lineal)Métodos causales (regresion lineal)
Métodos causales (regresion lineal)
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS
 
CUADRO COMPARATIVO (3).pdf
CUADRO COMPARATIVO (3).pdfCUADRO COMPARATIVO (3).pdf
CUADRO COMPARATIVO (3).pdf
 
DESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBO
DESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBODESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBO
DESCRIPCION DE LAS AREAS FUNCIONALES DEL GRUPO BIMBO
 
Ejercicios de tendencia lineal de la demanda
Ejercicios de tendencia lineal de la demandaEjercicios de tendencia lineal de la demanda
Ejercicios de tendencia lineal de la demanda
 
Ejercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demandaEjercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demanda
 
Planeación agregada (integrada) de producción
Planeación agregada (integrada) de producciónPlaneación agregada (integrada) de producción
Planeación agregada (integrada) de producción
 
Gestión de la Producción - Pronóstico de la demanda.
Gestión de la Producción - Pronóstico de la demanda.Gestión de la Producción - Pronóstico de la demanda.
Gestión de la Producción - Pronóstico de la demanda.
 

Similar a RESUMEN UNIDAD 4

Serie cronológica
Serie cronológicaSerie cronológica
Serie cronológicasasstone
 
Presentación estadistica.pptx
Presentación estadistica.pptxPresentación estadistica.pptx
Presentación estadistica.pptxVictoriaAvila36
 
Presentación bio (2).pptx
Presentación bio (2).pptxPresentación bio (2).pptx
Presentación bio (2).pptxYeeNiRM
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempoFatima Suplewiche
 
Anlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabrielAnlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabrielgabriel espinoza huaman
 
10 teoria series_de_tiempo
10 teoria series_de_tiempo10 teoria series_de_tiempo
10 teoria series_de_tiempoWilmer Kolez
 
Sesión 26 introducción a series temporales maf
Sesión 26  introducción a series temporales  mafSesión 26  introducción a series temporales  maf
Sesión 26 introducción a series temporales mafidea
 
Series cronologicas estadistica UFT
Series cronologicas estadistica UFTSeries cronologicas estadistica UFT
Series cronologicas estadistica UFTAMBARVICCARI
 
Series cronológicas.pptx
Series cronológicas.pptxSeries cronológicas.pptx
Series cronológicas.pptxbelmargonzalez
 
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPOUnidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPOErick Cantona
 
Exposicion serie de tiempo caro
Exposicion serie de tiempo caroExposicion serie de tiempo caro
Exposicion serie de tiempo caroCarolina Zuñiga
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempokasachipunuria
 
Presentacion series cronologicas
Presentacion series cronologicasPresentacion series cronologicas
Presentacion series cronologicasAbner Adiel Kalel
 

Similar a RESUMEN UNIDAD 4 (20)

Estadistica inferencial ll ensayo
Estadistica inferencial ll ensayoEstadistica inferencial ll ensayo
Estadistica inferencial ll ensayo
 
Serie cronológica
Serie cronológicaSerie cronológica
Serie cronológica
 
Presentación estadistica.pptx
Presentación estadistica.pptxPresentación estadistica.pptx
Presentación estadistica.pptx
 
Presentación bio (2).pptx
Presentación bio (2).pptxPresentación bio (2).pptx
Presentación bio (2).pptx
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempo
 
Anlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabrielAnlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabriel
 
10 teoria series_de_tiempo
10 teoria series_de_tiempo10 teoria series_de_tiempo
10 teoria series_de_tiempo
 
Introduccion_a_los_Modelopdf.pdf
Introduccion_a_los_Modelopdf.pdfIntroduccion_a_los_Modelopdf.pdf
Introduccion_a_los_Modelopdf.pdf
 
Sesión 26 introducción a series temporales maf
Sesión 26  introducción a series temporales  mafSesión 26  introducción a series temporales  maf
Sesión 26 introducción a series temporales maf
 
Filtro hp 2007
Filtro hp 2007Filtro hp 2007
Filtro hp 2007
 
Series cronologicas estadistica UFT
Series cronologicas estadistica UFTSeries cronologicas estadistica UFT
Series cronologicas estadistica UFT
 
Series cronológicas.pptx
Series cronológicas.pptxSeries cronológicas.pptx
Series cronológicas.pptx
 
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPOUnidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
Unidad #5 MODELO CLÁSICO DE SERIES DE TIEMPO
 
Series cronologicas
Series cronologicasSeries cronologicas
Series cronologicas
 
Exposicion serie de tiempo caro
Exposicion serie de tiempo caroExposicion serie de tiempo caro
Exposicion serie de tiempo caro
 
1. series de tiempo 2
1. series de tiempo 21. series de tiempo 2
1. series de tiempo 2
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempo
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempo
 
Presentacion series cronologicas
Presentacion series cronologicasPresentacion series cronologicas
Presentacion series cronologicas
 
M3 metodos
M3 metodosM3 metodos
M3 metodos
 

Más de Lucia Flores Garcia (17)

Cuestinarios
CuestinariosCuestinarios
Cuestinarios
 
Unidad 5
Unidad 5Unidad 5
Unidad 5
 
Matriz
MatrizMatriz
Matriz
 
ESTADISTICA UNIDAD II
ESTADISTICA UNIDAD IIESTADISTICA UNIDAD II
ESTADISTICA UNIDAD II
 
Investigacion unidadii
Investigacion unidadiiInvestigacion unidadii
Investigacion unidadii
 
Investigacion unidad II
Investigacion unidad IIInvestigacion unidad II
Investigacion unidad II
 
Investigacion unidad II
Investigacion unidad IIInvestigacion unidad II
Investigacion unidad II
 
Investigacion unidadii
Investigacion unidadiiInvestigacion unidadii
Investigacion unidadii
 
Investigacion unidad II
Investigacion unidad IIInvestigacion unidad II
Investigacion unidad II
 
UNIDAD II
UNIDAD IIUNIDAD II
UNIDAD II
 
Unidad 2
Unidad 2Unidad 2
Unidad 2
 
The healthisest lifestyle in the world
The healthisest lifestyle in the worldThe healthisest lifestyle in the world
The healthisest lifestyle in the world
 
Ejercicios Estadística
Ejercicios EstadísticaEjercicios Estadística
Ejercicios Estadística
 
Ejercicios Estadística
Ejercicios EstadísticaEjercicios Estadística
Ejercicios Estadística
 
Ejercicios estadistica
Ejercicios estadisticaEjercicios estadistica
Ejercicios estadistica
 
Instituto tecnológico superior de la sierra negra de ajalp an
Instituto tecnológico superior de la sierra negra de ajalp anInstituto tecnológico superior de la sierra negra de ajalp an
Instituto tecnológico superior de la sierra negra de ajalp an
 
Instituto tecnológico superior de la sierra negra de ajalp an
Instituto tecnológico superior de la sierra negra de ajalp anInstituto tecnológico superior de la sierra negra de ajalp an
Instituto tecnológico superior de la sierra negra de ajalp an
 

RESUMEN UNIDAD 4

  • 1. INSTITUTO TECNOLÓGICO SUPERIOR DE LA SIERRA NEGRA DE AJALPAN UNIDAD 4 “SERIES DE TIEMPO” LUCIA FLORES GARCÍA ING. EN DAMINISTRACIÓN 4º SEMESTRE ESTADÍSTICA II 2012
  • 2. UNIDAD Series de Tiempo 4.1 Los componentes de una serie 4 de tiempos 4.1.1 Componente de tendencia 4.1.2 Componente cíclico 4.1.3 Componente estacional 4.1.4 Componente irregular 1 4.2 Métodos de suavizamiento en los Pronósticos 4.2.1 Promedios móviles 4.2.2 Promedios móviles ponderados 4.2.3 Suavizamiento exponencial 4.3 El análisis de regresión en pronósticos 4.3.1 Modelo causal 4.3.2. Estimación de pronósticos 4.4 Software de aplicación
  • 3. SERIES DE TIEMPO 1 Se llama Series de Tiempo a un conjunto de mediciones de cierto fenómeno o experimento registrado secuencialmente en el tiempo. El primer paso para analizar una serie de tiempo es graficarla, esto permite: identificar la tendencia, la estacionalidad, las variaciones irregulares (componente aleatoria). Un modelo clásico para una serie de tiempo, puede ser expresada como suma o producto de tres componentes: tendencia, estacional y un término de error aleatorio. En adelante se estudiará como construir un modelo para explicar la estructura y prever la evolución de una variable que observamos a lo largo del tiempo. 4.1 COMPONENTES DE UNA SERIE DE TIEMPOS TENDENCIA La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio. Como se puede ver la tendencia es la propensión al aumento o disminución en los
  • 4. valores de los datos de una serie de tiempo, que permanece a lo largo de un lapso muy extendido de tiempo, es decir que no cambiará en el futuro lejano mientras no hayan cambios significativos o radicales en el entorno en el que se encuentra inmersa y que determina el comportamiento de la serie de tiempo en estudio, cambios que podrían ser originados como por ejemplo, por descubrimientos científicos, avances tecnológicos, cambios culturales, geopolíticos, demográficos, religiosos, etc. Gráfica de una serie de datos con tendencia 1
  • 5. Serie de tiempo con tendencia creciente. 1
  • 6. 1
  • 7. 1
  • 8. 1
  • 9. 1
  • 10. 1 Representan la diferencia entre los valores esperados de una variable (tendencia) y los valores reales (la variación residual que fluctúa alrededor de la tendencia). Estacionalidad, las fluctuaciones estacionales se encuentran típicamente en los datos clasificados por trimestres, mes o semana. La variación estacional se refiere a un patrón de cambio, regularmente recurrente a través del tiempo. El movimiento se completa dentro de la duración de un año y se repite a sí mismo año tras año.
  • 11. Gráfica de una serie de datos con estacionalidad. 1 Estacionaria, es aquella serie de datos cuyas propiedades estadísticas básica, como media y la varianza, permanecen constantes en el tiempo, se dice que una serie que no presenta crecimiento o declinación es estacionaria. Gráfica de una serie de datos estacionaria
  • 12. 1 El componente estacional es un patrón de cambio que se repite a sí mismo año tras año. El patrón de cambio por lo general es un aumento o una disminución cuantitativa en los valores observados de una serie de tiempo específica. Cabe mencionar que aunque en la mayor parte de los casos el patrón estacional es un fenómeno que se presenta en lapsos de tiempo de duración aproximada a un año; también puede manifestarse éste fenómeno en periodos de tiempo, ya sean menores o mayores a un año. Como por ejemplo, el caso de la verificación de vehículos que se eleva en las dos primeras semanas de cada periodo de verificación, ocurriendo esto cada dos meses, siendo éste lapso de tiempo menor a un año. O el caso del aumento en las ventas de panfletos publicitarios, sucedido esto cada seis años ocasionado por las elecciones presidenciales, siendo éste un lapso de tiempo mayor a un año.
  • 13. Ejemplo: 1
  • 14. 1
  • 15. 1
  • 16. 1
  • 17. 1 En la siguiente gráfica es notorio un patrón en los valores de los datos de la serie de tiempo vistos en la tabla que
  • 18. parece repetirse en lapsos de tiempo aproximados a un año. 1
  • 19. Ahora explicaremos el concepto del comportamiento cíclico que se presenta en las series de tiempo y que es de 1 los más difíciles de pronosticar.
  • 20. El componente cíclico es la fluctuación en forma de onda alrededor de la tendencia. 1 La Ciclisidad es un fenómeno que en lo general parece estar relacionado con la variación de la actividad económica ocurrida durante periodos de crisis o
  • 21. prosperidad. La fluctuación también puede presentarse en series de tiempo estacionarias. 1 Ejemplo: En la tabla que sigue podemos ver los valores de una serie mensual que presenta el fenómeno cíclico.
  • 22. 1
  • 23. A continuación se presenta el comportamiento cíclico en su forma más pura. 1
  • 24. 1 El componente aleatorio mide la variabilidad de las series de tiempo después de retirar los otros componentes.
  • 25. La aleatoriedad se puede decir que se presenta en todas las series de tiempo y no es otra cosa que el cambio 1 producido en los valores de una serie de tiempo debido a fenómenos que son en extremo difíciles de explicar y que por lo tanto su ocurrencia cae en el ámbito del azar.
  • 27. 1
  • 28. 1
  • 29. 1
  • 30. 1
  • 31. 1
  • 32. 1
  • 33. 1
  • 34. 1
  • 35. 1
  • 36. 1
  • 37. 1
  • 38. 1
  • 39. 1
  • 40. 1 4.2 MÉTODOS DE SUAVIZAMIENTO EN LOS PRONÓSTICOS En éstas técnicas o métodos se atenúan o suavizan los datos (es decir los valores observados en la serie de tiempo que se está analizando) obteniendo la media aritmética de un subconjunto de los datos históricos más recientes observados eliminando la observación o dato histórico más antiguo cada vez que se dispone de una nueva observación o dato. De manera que el promedio o media aritmética se va, por decirlo así, moviendo o desplazando, es por esto que se les conocen o nombran como “promedios móviles”. Basados en esas medias o promedios
  • 41. obtenidos se calcula el valor estimado para el siguiente periodo, o dicho de otra manera el valor pronosticado para ese periodo. Existiendo diferentes formas o variantes de hacerlo en cada método o técnica particular. El número de datos a tomar en cuenta para obtener los promedios, es una decisión que corresponde al juicio del analista en cuestión, es decir a la persona que está calculando los pronósticos basados en esa serie de tiempo en particular. 1 Promedio Móvil Simple Promedio Simple Este método consiste en atenuar los datos al obtener la media aritmética de cierto número de datos históricos para obtener con este el pronóstico para el siguiente periodo. El número de datos a tomar en cuenta para calcular el promedio es una decisión de la persona que realiza el pronóstico. Este modelo solo es recomendable para series de tiempo que no presentan patrones de tendencia, estacionalidad, o Ciclisidad en los datos. Promedio Móvil Simple Esta técnica se utiliza cuando se quiere dar más importancia a conjuntos de datos más recientes para obtener el pronóstico. El pronóstico se obtiene al calcular la media aritmética del conjunto de datos más recientes seleccionado. Cada ves que se tiene una nueva observación se agrega esta al conjunto de datos, y se elimina de éste la observación o dato más antiguo. El número de datos más recientes a considerar en el conjunto de observaciones del cual se calcula la media aritmética es una decisión del analista que realiza el pronóstico; la sensibilidad a los cambios en el comportamiento de la serie se reduce al utilizar un número mayor de observaciones en el conjunto de datos. Este modelo no maneja muy bien los datos con estacionalidad o con tendencia pero si lo hace mejor que la técnica del promedio simple.
  • 42. La siguiente ecuación establece el modelo del promedio móvil simple. Aquí se muestra que el valor pronosticado es igual al promedio móvil. 1 Promedio Móvil Exponencial El indicador de Promedio Móvil Exponencial reacciona más rápidamente a cambios de precios recientes que el Promedio Móvil Simple debido al hecho que suma los precios de cierre del período actual al período anterior, dando así más peso a los últimos períodos de precio. El período es utilizado para determinar el peso relativo que debería ser asignado a períodos previos. 4.3 EL ANÁLISIS DE REGRESIÓN EN PRONÓSTICOS Promedio Móvil Simple (SMA): El Promedio Móvil Simple es sin duda el promedio móvil más utilizado hoy en día. El Promedio Móvil Simple es a veces llamado un promedio móvil aritmético y básicamente es un precio promedio a través de un período de tiempo. Se calcula sumando los precios de cierre del par analizado durante cierto período de tiempo y luego se divide dentro del mismo número de períodos.
  • 43. Por ejemplo, el Promedio Móvil de los últimos 10 días del precio de cierre, dividido dentro de 10. Debido al hecho que el Promedio Móvil Simple da el mismo peso a cada período de precio siendo evaluado, mientras más largo sea el período de tiempo evaluado, mayor será la suavización de los datos mas recientes. He aquí un ejemplo del GBP/USD SMA 25 1 Promedio Móvil Exponencial (EMA): El indicador de Promedio Móvil Exponencial reacciona más rápidamente a cambios de precios recientes que el Promedio Móvil Simple debido al hecho que suma los precios de cierre del período actual al período anterior, dando así más peso a los últimos períodos de precio. El período es utilizado para determinar el peso relativo que debería ser asignado a períodos previos. La fórmula es utilizada para determinar el porcentaje.
  • 44. He aquí un ejemplo del GBP/USD 25 EMA 1 Promedio Móvil Suavizado (SMMA): Debido a que el indicador del Promedio Móvil Suavizado, suaviza el promedio móvil por medio de la asignación de mismos pesos a precios pasados que a precios recientes, es recomendable utilizar el SMMA con períodos más largos de tiempo para mejores resultados He aquí el mismo ejemplo de GBP/USD 25 pero con SMMA: (Notar como la curva esta mucho más suavizada)
  • 45. 1 Promedio Móvil Ponderado Lineal (LWMA) Un Promedio Móvil Ponderado se calcula a través de la multiplicación de cada período de tiempo anterior por un peso. El peso esta basado en el número de días del promedio móvil. Un Promedio Móvil Ponderado Lineal, da más peso a información más reciente que a datos más antiguos. El hecho de que es medido linealmente significa que el dato más antiguo recibe un valor de 1, luego el dato que le sigue, un valor de 2, luego el dato que le sigue un valor de 3 y así sucesivamente, hasta que el último dato recibe un peso equivalente al período. Así que en un LWMA de 25, el peso del primer día es 1, mientras que el peso del día más reciente es de 25. Esto da 25 veces más peso al precio de hoy que al de hace 25 días.
  • 46. He aquí el mismo ejemplo del GBP/USD 25 pero LWMA: 1 Análisis de Regresión Se trata de encontrar una relación entre las ventas históricas (variable
  • 47. dependiente) y una o más variables independientes, como población, ingreso per cápita o producto interno bruto (PIB). Este método puede ser 1 útil cuando se dispone de datos históricos que cubren amplios períodos de tiempo. Es ineficaz para pronosticar las ventas de nuevos productos.
  • 48. 1