La media móvil simple
Una media móvil simple (Moving Average) es la media aritmética de los n datos anteriores. En esta técnica elemental de predicción, cuanto más grande sea n mayor será la influencia de los datos antiguos. En contrapartida, si se selecciona una n baja, se tendrán en cuenta datos más recientes para nuestra predicción.
De acuerdo a lo enunciado con anterioridad, concluimos que la elección de n influenciará decisivamente nuestra predicción. Dependiendo del tipo de datos de serie temporal analizados podremos adaptar eficazmente nuestra predicción a los mismos. Así, si se elige un n bajo, nuestra predicción tendrá una alta capacidad para responder rápidamente ante fluctuaciones o variaciones significativas en los datos de un período a otro. Sin embargo, la predicción en este caso estará altamente influenciada por efectos aleatorios. Por otro lado, la elección de un n muy alto provocará que, aunque se filtre la existencia de efectos aleatorios, nuestras predicciones presenten una adaptación lenta ante fluctuaciones significativas en los datos de períodos más recientes, pues dicha predicción estará teniendo en cuenta el valor de datos antiguos.
La simplicidad de esta técnica hace que sea objeto de críticas en lo que refiere a su consideración equitativa de datos recientes y datos antiguos, sobre todo cuando el objeto de la predicción son variables cuya variabilidad en el corto plazo es importante para obtener una predicción eficaz, v.gr: análisis de demanda, nº ventas, etc. Además, en presencia de una tendencia en la serie de datos, la media movil simple causa problemas de predicción
Una media móvil simple (Moving Average) es la media aritmética de los n datos anteriores. En esta técnica elemental de predicción, cuanto más grande sea n mayor será la influencia de los datos antiguos. En contrapartida, si se selecciona una n baja, se tendrán en cuenta datos más recientes para nuestra predicción.
De acuerdo a lo enunciado con anterioridad, concluimos que la elección de n influenciará decisivamente nuestra predicción. Dependiendo del tipo de datos de serie temporal analizados podremos adaptar eficazmente nuestra predicción a los mismos. Así, si se elige un n bajo, nuestra predicción tendrá una alta capacidad para responder rápidamente ante fluctuaciones o variaciones significativas en los datos de un período a otro. Sin embargo, la predicción en este caso estará altamente influenciada por efectos aleatorios. Por otro lado, la elección de un n muy alto provocará que, aunque se filtre la existencia de efectos aleatorios, nuestras predicciones presenten una adaptación lenta ante fluctuaciones significativas en los datos de períodos más recientes, pues dicha predicción estará teniendo en cuenta el valor de datos antiguos.
La simplicidad de esta técnica hace que sea objeto de críticas en lo que refiere a su consideración equitativa de datos recientes y datos antiguos, sobre todo cuando el objeto de la predicción son variables cuya variabilidad en el corto plazo es importante para obtener una predicción eficaz, v.gr: análisis de demanda, nº ventas, etc. Además, en presencia de una tendencia en la serie de datos, la media movil simple causa problemas de predicción