Análisis y Aplicación de Medias Móviles para Datos Caóticos
Clase 7 de 15 • Curso de Forecasting con Excel
Contenido del curso
- 7

Análisis y Aplicación de Medias Móviles para Datos Caóticos
17:09 - 8

Medias Móviles para Predicción de Consumos Energéticos
05:54 - 9

Media Ponderada para Proyecciones de Tráfico Web
08:21 - 10

Modelos Multiplicativos para Pronósticos Financieros
13:25 - 11

Modelos Multiplicativos para Tendencias y Estacionalidades Empresariales
05:08 - 12

Predicciones con Suavizado Exponencial y Ajuste de Alfa
05:35 - 13

Modelos de Suavizado Exponencial en Predicción Sanitaria
05:53
Los datos a menudo presentan patrones caóticos e impredecibles. Entonces, ¿podemos construir modelos efectivos para todos estos casos? La respuesta es sí, podemos crear modelos más complejos y poderosos. Un ejemplo es el modelo de promedios móviles, que ayuda a mapear microtendencias dinámicas en datos caóticos.
¿Qué es la media móvil?
- Es un método que implementa microtendencias dinámicas.
- Útil para datos caóticos donde los patrones no son claros.
- Suaviza los datos para aumentar la certeza en los modelos predictivos.
¿Cómo implementamos la media móvil?
- Visualización de los datos: Primero visualizamos los datos como aprendimos en este curso.
- Promedio acumulado: Creamos una columna con el promedio acumulado para detectar microtendencias.
- Ventanas móviles: Proyectamos ventanas móviles de diferentes longitudes (ej. 2 y 4 periodos) y calculamos el error cuadrático medio para evaluar su precisión.
¿Cómo configuramos la media móvil en la herramienta?
- Insertamos el gráfico y seleccionamos la línea de tendencia, escogiendo la opción de media móvil.
- Configuramos los periodos (ventanas móviles) para ajustar las microtendencias.
- Implementamos manualmente las ventanas móviles en columnas separadas para diferentes periodos.
¿Cómo calculamos el error cuadrático medio (MSE)?
- Diferencia entre valor real y predicho: Calculamos la diferencia y la elevamos al cuadrado para evitar valores negativos.
- Promedio de observaciones: Utilizamos la función de promedio para evaluar cuál ventana móvil es más precisa.