Muchas gracias por la explicación me ha servido mucho! Una consulta, cuando no tenemos muchos datos para pronosticar, es recomendable usar este método suavizado exponencial en comparación del promedio móvil simple?
Buenas noches, en este escenario, se recomendaría hacer uso de la técnica de promedio móvil simple, esto en base a la recomendación de aplicar suavización exponencial simple cuando la cantidad de datos es pequeña. Sin embargo, dicho método es una evolución del promedio móvil ponderado, por lo cual, si no cuenta usted con valores de ponderación o alpha’s, consta de ser altamente ideal emplear promedio móvil simple. Saludos !!
@@jesusramirez3734 Muchas gracias me ha servido bastante!! ¿ Pudieras hacer un video para calculara el punto de reorden en base a la demanda pronosticada?
Hola, buena noche, en este escenario, la técnica de regresión lineal consta de ser ideal, dado que, la misma nos permite pronosticar más de 1 periodo a futuro, en base a la generación de una ecuación de la recta, la cual nos confiere una herramienta para estimar elementos futuros, con solo sustituir el periodo deseado en la ecuación previamente generada. Quedo al pendiente de su respuesta, saludos !
Buen video Jesús, muchas gracias! Tengo una consulta. Si en lugar de ocupar el 0.35 brindado por solver, uso el "número 1" como alpha, veo que el DAM se reduce aun más de lo que solver brinda ... En ese sentido, debo usar el #1 o solver?
Buen día, en efecto, usar un alpha de 1 reduce a 20 nuestra DAM, sin embargo, la premisa del método instaura que, en la aplicación real el valor de alpha oscila entre 0.05 y 0.50, partimos de la ideología en cuestión para la realización del ejercicio, haciendo mención que no será necesario declarar restricción alguna que aluda a: 0.05
La utilización de cada técnica referirá al comportamiento existente de sus datos. Por ejemplo, esta técnica de suavización exponencial simple resulta óptimo utilizarla para datos con patrones de demanda aleatorios o nivelados, en donde se pretenda eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente. Cada técnica deriva de su semejante comportamiento de datos, saludos !
Hola, buenas noches, teóricamente hablando, la constante de suavización alpha (a) funge como factor de ponderación. Dicha constante de suavización establece el grado hasta el cual la observación más reciente puede influir en el valor de la predicción. En este escenario, Solver nos brinda, dadas las restricciones empleadas, la constante idónea para obtener el valor mínimo de DAM en ambos escenarios, la cual, resultó ser a = 0.35.
Por tal motivo, dicha constante refleja lo anteriormente mencionado, es decir, para problemáticas de esta naturaleza (donde se busca minimizar la DAM), contar con una constante de suavización a = 0.35 (brindada por Solver, previo a restricciones declaradas) representará la obtención del valor mínimo de error absoluto en nuestro pronóstico, lo cual nos permite analizar la confiabilidad del mismo, con lo consiguiente, nuestra constante de suavización resulta ser idónea, y por ende, cualquier valor empleado en la misma (entre 0-1) que difiera a la obtenida, generará un evidente aumento en este error de pronóstico, lo cual descartará poco a poco la confianza obtenida con antelación.
Emplear uso de Solver nos permite optimizar el proceso de búsqueda una adecuada constante para nuestra predicción, dado que, en escenarios de esta índole, su objetivo principal recae en la obtención de un valor óptimo según lo deseado (restricciones declaradas), lo cual es acompañado plenamente por una evidente reducción de tiempo que conlleve el proceso de experimentación de valores de alpha (prueba y error), dado que, al emplear Solver y obtener un valor adecuado, se omite este último proceso de experimentación mencionado. Quedo al pendiente de su respuesta, saludos ! (UA-cam no me permitió colocar la respuesta en un solo comentario, dado eso, presenciamos la cantidad de fracciones de texto pertinentes al mismo).
@@jesusramirez3734 una pregunta, porque si 0.35 es la idonea, porque al ingresar datos mayores como 0.8 y 1 la DAM cambia a un valor menor. con un alfa de 1, DAM es 20. esto no significa un menor error que el que arroja solver?... mi pregunta es, como interpreto eso.
Buen video, tienes buen manejo de las palabras, sigue así
Muchas gracias por tan explicito contenido
Gran video, me ha sido de gran apoyo.
Excelente video y excelente canal. Muchas gracias
Muy buen video. Muchas gracias.
Gracias por tan buen contenido. Saludos
MUY BUEN TUTORIAL!!!!
muy buen video, me suscribo sin pensarlo
Excelente explicación! ✅Me va a ayudar muchísimo. 🙂
Grande Jesús!
Muchas gracias
Que buen servicio. Vaya explicación
GRACIAS, EXCELENTE VIDEO
Magnifica explicación
Buen video, me ayudo muchísimo en verdad, graciaaaas
Buena explicacion gracias
Muy buena explicación
Muy util, gracias.
EXCELENTE
Excelente video
muy buen video
Solamente 1 período se puede pronosticar? Cómo hago para pronosticar más período?
Por qué solver da un valor de 0,35 y con Alfa=1 el error es menor?
Muchas gracias por la explicación me ha servido mucho! Una consulta, cuando no tenemos muchos datos para pronosticar, es recomendable usar este método suavizado exponencial en comparación del promedio móvil simple?
Buenas noches, en este escenario, se recomendaría hacer uso de la técnica de promedio móvil simple, esto en base a la recomendación de aplicar suavización exponencial simple cuando la cantidad de datos es pequeña. Sin embargo, dicho método es una evolución del promedio móvil ponderado, por lo cual, si no cuenta usted con valores de ponderación o alpha’s, consta de ser altamente ideal emplear promedio móvil simple.
Saludos !!
@@jesusramirez3734 Muchas gracias me ha servido bastante!! ¿ Pudieras hacer un video para calculara el punto de reorden en base a la demanda pronosticada?
Vamos
Qué usamos si necesitamos los pronósticos para varios periodos futuros ?
Hola, buena noche, en este escenario, la técnica de regresión lineal consta de ser ideal, dado que, la misma nos permite pronosticar más de 1 periodo a futuro, en base a la generación de una ecuación de la recta, la cual nos confiere una herramienta para estimar elementos futuros, con solo sustituir el periodo deseado en la ecuación previamente generada.
Quedo al pendiente de su respuesta, saludos !
@@jesusramirez3734 Hola Jesús! Pero usando la regresión lineal no estaría "perdiendo" las tendencias que me ofrece la suavización exponencial?
Buen video Jesús, muchas gracias! Tengo una consulta. Si en lugar de ocupar el 0.35 brindado por solver, uso el "número 1" como alpha, veo que el DAM se reduce aun más de lo que solver brinda ... En ese sentido, debo usar el #1 o solver?
Buen día, en efecto, usar un alpha de 1 reduce a 20 nuestra DAM, sin embargo, la premisa del método instaura que, en la aplicación real el valor de alpha oscila entre 0.05 y 0.50, partimos de la ideología en cuestión para la realización del ejercicio, haciendo mención que no será necesario declarar restricción alguna que aluda a: 0.05
@@jesusramirez3734 Buenas tardes Jesús, entendido! Muchas gracias.
Para que casos puntuales deberíamos usar cada método?
La utilización de cada técnica referirá al comportamiento existente de sus datos.
Por ejemplo, esta técnica de suavización exponencial simple resulta óptimo utilizarla para datos con patrones de demanda aleatorios o nivelados, en donde se pretenda eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente.
Cada técnica deriva de su semejante comportamiento de datos, saludos !
Buenas tardes Jesus, ¿cómo se puede interpretar el valor de Alfa obtenido por Solver?
Hola, buenas noches, teóricamente hablando, la constante de suavización alpha (a) funge como factor de ponderación. Dicha constante de suavización establece el grado hasta el cual la observación más reciente puede influir en el valor de la predicción.
En este escenario, Solver nos brinda, dadas las restricciones empleadas, la constante idónea para obtener el valor mínimo de DAM en ambos escenarios, la cual, resultó ser a = 0.35.
Por tal motivo, dicha constante refleja lo anteriormente mencionado, es decir, para problemáticas de esta naturaleza (donde se busca minimizar la DAM), contar con una constante de suavización a = 0.35 (brindada por Solver, previo a restricciones declaradas) representará la obtención del valor mínimo de error absoluto en nuestro pronóstico, lo cual nos permite analizar la confiabilidad del mismo, con lo consiguiente, nuestra constante de suavización resulta ser idónea, y por ende, cualquier valor empleado en la misma (entre 0-1) que difiera a la obtenida, generará un evidente aumento en este error de pronóstico, lo cual descartará poco a poco la confianza obtenida con antelación.
Emplear uso de Solver nos permite optimizar el proceso de búsqueda una adecuada constante para nuestra predicción, dado que, en escenarios de esta índole, su objetivo principal recae en la obtención de un valor óptimo según lo deseado (restricciones declaradas), lo cual es acompañado plenamente por una evidente reducción de tiempo que conlleve el proceso de experimentación de valores de alpha (prueba y error), dado que, al emplear Solver y obtener un valor adecuado, se omite este último proceso de experimentación mencionado.
Quedo al pendiente de su respuesta, saludos !
(UA-cam no me permitió colocar la respuesta en un solo comentario, dado eso, presenciamos la cantidad de fracciones de texto pertinentes al mismo).
@@jesusramirez3734 una pregunta, porque si 0.35 es la idonea, porque al ingresar datos mayores como 0.8 y 1 la DAM cambia a un valor menor. con un alfa de 1, DAM es 20. esto no significa un menor error que el que arroja solver?... mi pregunta es, como interpreto eso.
Muchas gracias
Muy buen video