PATRONES CON TENDENCIAS

PATRONES CON TENDENCIAS [pic 1]

Las demandas que presentan una tendencia con variación en el tiempo producen cambios en las varianzas, el patrón de las series de  tendencia se presenta en la imagen.

REGRESION LINEAL: cuando las demandas presentan patrones con tendencias crecientes o decrecientes con una variación en el tiempo es recomendable usar este método formula Y= mx+b

Suavización exponencial doble: es un método de pronósticos con  un patrón creciente, este método nos exige tener un alfa que nos suaviza los valores de las series y un beta nos permite suavizar la tendencia.

PATRONES CON ESTACIONALIDAD.[pic 2]

Las demandas estacionarias se da cuando los datos de las demandas se mantienen siempre constantes en el tiempo y siguen el siguiente patrón: 

Promedio móvil: cuando se necesita dar trascendencia a los datos de las demandas más recientes.

Suavización exponencial simple: en este método solo necesitamos calcular el promedio por medio de una autocorrección q cumple la función de ajustar los pronósticos en direcciones opuesta a las desviaciones

Justificación de los métodos:

Los métodos con series estacionales  como Winter’s , promedio móvil, promedio móvil simple,  los descartamos por los siguientes motivos:[pic 3]

• Para los métodos winter´s adiptivos es porque este nos muestra un patrón con ciclos estacional . ejemplo patrón:

[pic 4]

• Winter´s multiplicativo, al graficarlo este metodo debe demostrar que el ciclo estacional aumenta a medida de transcurre el tiempo. Ejemplo patrón:

Como se puede observar al graficar las demandas y la producción, no cumple ninguno grafico similar a los de los patrones enseñados para series estacionarias por esta razón se descartan cual  método para hallar pronósticos por medio de estacionalidad.

Métodos con series de tendencia.

Regresión lineal: se elige este método por el comportamiento de la demanda y producción en forma lineal creciente, en la gráfica no se muestran puntos con alta dispersión.

Regresión lineal con correlación:

La relación entre las dos variables, donde el coeficiente de correlación de Pearson nos permite medir el grado de asociación lineal entre las dos variables X y Y, estos coeficientes varían entre -1 y 1 donde nos este nos permite si la correlación es positiva o negativa (perfecta, considerable, muy fuerte, débil, media).

Referencias:

http://www.gestiondeoperaciones.net/estadistica/como-se-relaciona-el-coeficiente-de-correlacion-de-pearson-r-y-el-coeficiente-de-determinacion-r-cuadrado-r%C2%B2/

...