1. Promedios Móviles
1.1. Métodos informales
1.1.1. Son modelos que se basan en la información más reciente.
1.1.2. Son soluciones viables para nuevos negocios, ya que no necesitan una base grande de datos
1.1.3. Estos modelos son tan complejos como la persona que haga uso de ellos quiera hacerlos.
1.1.4. Pueden ser utilizados como base para modelos más complejos.
1.2. Métodos promedio
1.2.1. Promedios simples
1.2.1.1. Se utilizan cuando los datos para promediar son estables.
1.2.1.2. La observaciones históricas relevantes son pronósticos para los sig. periodos
1.2.1.3. Por ejemplo, los promedios de ventas de una refresquera es en base a las realizadas en los últimos meses por su personal.
1.2.2. Promedios moviles
1.2.2.1. Son aquellos que suman el valor más actual y restan el más antiguo.
1.2.2.2. Se utilizan datos trimestrales o mensuales.
1.2.2.3. No maneja muy bien la tendencia o estacionalidad.
1.2.2.4. El valor más reciente proporciona un pronóstico para el sig. periodo.
1.2.2.5. Un ejemplo podría ser una comercializadora donde se pronostica cuánto deberá comprar en base a las ventas que se han realizado en los últimos meses.
1.2.3. Promedios moviles dobles
1.2.3.1. Se utiliza para pronosticar datos lineales.
1.2.3.2. Primero se calcula un promedio móvil y después un segundo promedio móvil del primer conjunto.
1.2.3.3. Este tipo de promedios se puede aplicar a las franquicias, ya que ya se recibe ingreso por las ya aperturadas pero nos permitirá saber el pronóstico de crecimiento por las nuevas aperturas.
2. Métodos de suavizamiento
2.1. Suavizamiento exponencial simple
2.1.1. Es utilizado para revisar de forma continua un pronóstico a través de las experiencias más recientes
2.1.2. Es bueno utilizarlo cuando una serie de tiempo no aleatoria tiene un comportamiento en tendencia.
2.1.3. Este tipo de pronóstico puede ser utilizado en maquiladoras para obtener pronósticos con base en sus errores.
2.2. Suavizamiento lineal de Holt
2.2.1. Toma tendencias lineales en evolución en una serie de tiempo y puede generar pronósticos.
2.2.2. Es decir proyecta tendencias.
2.2.3. Reduce el suavizamiento exponencial simple
2.3. Suavizamiento exponencial de Winters
2.3.1. Es una extensión del método de Holt.
2.3.2. Reduce errores en los pronósticos porque agrega una ecuación para estimar estacionalidad.
2.3.3. Es bueno para pronósticos a corto plazo ya que es simple y de bajo costo.
2.3.4. Al igual que los promedios simples se basa en promedios ponderados.
2.3.5. Es utilizado para pronósticos mensuales o semanales.
2.3.6. Un ejemplo seria el control de inventarios para saber cuánto vendemos y cuanto necesitamos producir.