PERFILES
63
APLICACIÓN DE TÉCNICAS DE PRONÓSTICO A
LAS TEMPERATURAS MENSUALES DE LA CIUDAD
DE RIOBAMBA; TÉCNICAS DE SUAVIZAMIENTO
PARA PRONÓSTICOS: WINTER’S
Jorge Congacha A.
Facultad de Ciencias –ESPOCH
Autor para correspondencia: jcongacha@yahoo.com.mx
Fecha de recepción: 1 de abril de 2013 - Fecha de aceptación: 25 de julio de 2013
En esta investigación se analizan los datos de las temperaturas en grados Celsius de la ciudad de Riobamba recogidos men-
sualmente mediante el método de suavizamiento de Winters el mismo que toma en cuenta dos componentes esenciales a
saber tendencia y estacionalidad, luego de comparar las medidas de precisión para diferentes parámetros de nivel, tendencia y
estacionalidad seleccionamos a través del MAPE más pequeño el modelo que nos ayuda a realizar los pronósticos.
Palabras claves: Riobamba, temperatura, suavizamiento Winters, estacionalidad, tendencia
Keywords: Riobamba, temperature, Winters method , seasonality, trend
This research analyzes data from the temperature in degrees Celsius in the city of Riobamba collected monthly by the me-
thod of smoothing Winter’s the same as taking into account two essential components namely trend and seasonality, after
comparing measures accuracy level for different parameters, trend and seasonality through MAPE select smaller model that
helps us make predictions.
Imagen ilustrativa: Analogue Therm/Hygro/Comfortmeter. Fuente: http://www.conrad.com
PERFILES
64
1. INTRODUCCION
Dada la serie de tiempo, temperaturas mensuales (ºC) en el periodo 2005-2010 en la siguiente se desea analizar dicha serie
de tiempo
¿Qué es una serie de tiempo?
Una serie de tiempo es un conjunto de datos que
se recopilan, registran u observan a lo largo de
incrementos sucesivos de tiempo.
¿En qué consiste una serie de tiempo?
El análisis de series de tiempo consiste principal-
mente en identicar los componentes que tiene la
serie de tiempo (estacionalidad, tendencia, ciclici-
dad y aleatoriedad).
Se cuenta con el siguiente histórico de temperatu-
ras mensuales en el periodo 2005-2010 y se desea
analizar con base en su comportamiento pasado
el futuro de las temperaturas mensuales.
2. METODOS Y MATERIALES
Para poder realizar los pronósticos correspon-
dientes, MINITAB es el software estadístico que
aplicamos y la hoja electrónica EXCEL nos ayu-
dó a la representación y análisis de la información
y para conseguir los resultados esperados correc-
tamente aplicamos la metodología de la investiga-
ción estadística siguiendo los pasos:
1. Planeación de la investigación
2. Elaboración de los instrumentos de análisis
3. Selección de la muestra piloto
4. Elaboración denitiva de los instrumentos de análisis.
5. Selección y entrenamiento de los encuestadores.
6. Recolección de datos
7. Análisis estadístico
8. Informe de la investigación
3. RESULTADOS Y DISCUSION
PERFILES
65
De acuerdo al gráco se observa un comportamiento con alguna
tendencia y evidencia de estacionalidad en las series, para lo cual de
acuerdo a los modelos se podría realizar una estimación por el método
Aditivo o Multiplicativo de Winter´s. Al seleccionar los datos e ir a la
función de estadísticas y Series de Tiempo emerge la siguiente gráca
Esta graca de autocorrelación corrobora lo dicho respecto a las
componentes que tienen esta serie de tiempo. Observando además en
cada año una tendencia, pero sobre todo la que persiste es la componente
estacional en ambas series. Es por esto que tomo en cuenta el siguiente
análisis estacional.
Estas grácas nos indican que existe un índice
estacional (estudio que lo haremos más adelante)
Por el momento aplicaremos la función de
suavizamiento exponencial de Winter’s para
realizar los pronósticos futuros de la serie. Porque
este análisis da por sentado que la tendencia
y sobre todo la estacionalidad persisten en el
tiempo.
MINITAB arroja los pronósticos de los meses
del año 2011
PERFILES
66
1. IGLESIAS Z. PILAR. (1988). Elementos de series de tiempo.
2. MAKRIDAKIS, S; WHEELRIGHT, S.C.; MCGEE, V.E. (1983). Forecasting: Methods and Applications. Wiley,
New York.
3. PEÑA, DANIEL. (1989). Estadística, Modelos y Métodos 2. Modelos Lineales y Series Temporales. Alianza Uni-
versidad, Madrid.
4. JOHN E. HANKE, DEAN W. WICHERT. 2006. Pronósticos en los Negocios, PEARSON, Prentice Hall. Octava
Edición. México. 551 p.
5. DAMODAR N. GUJARATI. 2005. Econometría. Cuarta Edición, McGraw Hill. México. 972 p.
6. ROBERT S. PINDYCK, DANIEL RUBINFELD. 2000. Econometría modelos y pronósticos Cuarta Edición, Mc-
Graw Hill. México. 661 p.
7. MARTIN, LABEAGA Y MOCHON. 1997. Introducción a la Econometría. PEARSON, Prentice Hall. Primera
Edición. Madrid. 322 p.
8. CONGACHA, J.; ORTEGA, M. 2001. Introducción a la Estadística y teoría de las probabilidades. ESPOCH. Rio-
bamba. 142 p.
9. CONGACHA, J. 2012. Estadística Aplicada a la Educación con Actividades de Aprendizaje. EAE, 304 p