En la figura 3 también se muestra un proceso estacional.
El patrón parece repetirse cada cuatro meses, pero todavía se tienen fluctuaciones aleatorias. Un ejemplo de este tipo de procesos serían las millas-pasajero para una línea aérea. El término estacional se usa debido a que, con frecuencia, la causa es el clima; los helados y los refrescos son más populares en verano que en invierno. Algunas veces se definen procesos cíclicos; uno común es el número de llamadas telefónicas durante el día; las horas pico son a media mañana y a media tarde. Sin embargo no se hará una distinción entre cíclico y estacional. Otra vez deberá haber una justificación para suponer un proceso estacional.
Cuando se grafican los datos, la elección de la escala es muy importante. Si se selecciona una escala equivocada, los datos de un proceso constante pueden parecer estacionales por las fluctuaciones aleatorias. Cuando la tendencia y la estacionalidad están presentes, los datos deben descomponerse para ver los efectos de cada una. Los datos disparados deben eliminarse antes de analizarlos. Un ejemplo sería las ventas que fueron altas o bajas en extremo debido a un evento fuera de lo común con una huelga o un terremoto. Los distribuidores con frecuencia eliminan las temporadas especiales, como navidad, de la serie de tiempo y los manejan como excepciones.
El resultado del análisis de datos es entender el proceso que causa la demanda. Siempre habrá alguna parte inexplicable (componente aleatoria). Sin embargo, el modelo que se empleará será resultado directo del proceso que se supuso.
El patrón parece repetirse cada cuatro meses, pero todavía se tienen fluctuaciones aleatorias. Un ejemplo de este tipo de procesos serían las millas-pasajero para una línea aérea. El término estacional se usa debido a que, con frecuencia, la causa es el clima; los helados y los refrescos son más populares en verano que en invierno. Algunas veces se definen procesos cíclicos; uno común es el número de llamadas telefónicas durante el día; las horas pico son a media mañana y a media tarde. Sin embargo no se hará una distinción entre cíclico y estacional. Otra vez deberá haber una justificación para suponer un proceso estacional.
Cuando se grafican los datos, la elección de la escala es muy importante. Si se selecciona una escala equivocada, los datos de un proceso constante pueden parecer estacionales por las fluctuaciones aleatorias. Cuando la tendencia y la estacionalidad están presentes, los datos deben descomponerse para ver los efectos de cada una. Los datos disparados deben eliminarse antes de analizarlos. Un ejemplo sería las ventas que fueron altas o bajas en extremo debido a un evento fuera de lo común con una huelga o un terremoto. Los distribuidores con frecuencia eliminan las temporadas especiales, como navidad, de la serie de tiempo y los manejan como excepciones.
El resultado del análisis de datos es entender el proceso que causa la demanda. Siempre habrá alguna parte inexplicable (componente aleatoria). Sin embargo, el modelo que se empleará será resultado directo del proceso que se supuso.
No hay comentarios:
Publicar un comentario