Universidad Católica Boliviana "San Pablo"

17 • Métodos de análisis de serie de tiempos: La teoría de la correlación y la probabilidad, sobre la base de la estadística, ilustrará cómo la estadística forma la base para establecer tendencias y mover el total anual 2.2.3.1 Método estacional simple Este modelo es adecuado para series con tendencia y un efecto estacional que es constante a lo largo del tiempo. Sus parámetros de suavizado son el nivel y la estación. El modelo de suavizado exponencial simple estacional es muy similar a un modelo ARIMA con cero órdenes de autorregresión, un orden de diferenciación, un orden de diferenciación estacional y órdenes de media móvil 1, p y p + 1, donde p es el número de períodos contenidos en un intervalo estacional (para los datos mensuales, p = 12). 2.2.3.2 Método de Holt – Winters El método Holt- Winters es una extensión del método Holt que considera solo dos exponentes suavizantes. Holt-Winters considera nivel, tendencia y estacional de una determinada serie de tiempos. Este método tiene dos principales modelos, dependiendo del tipo de estacionalidad: • Modelo multiplicativo estacional : Este modelo presupone que a medida que se incrementan los datos, también se incrementa el patrón estacional. La mayoría de las gráficas de series de tiempo muestran este patrón. En este modelo, la tendencia y los componentes de estación se multiplican y luego se suman al componente de error. • Modelo aditivo estacional : Un modelo de datos en el que los efectos de los factores individuales se diferencian y se agrupan para modelar los datos. Un modelo aditivo es opcional para los procedimientos de descomposición y para el método de Winters.