Un pronóstico ingenuo es aquel en el que el pronóstico para un período dado es simplemente igual al valor observado en el período anterior.
Por ejemplo, supongamos que tenemos las siguientes ventas de un producto determinado durante los primeros tres meses del año:
El pronóstico de ventas en abril sería simplemente igual a las ventas reales del mes anterior de marzo:
Aunque este método es simple, tiende a funcionar sorprendentemente bien en la práctica.
Este tutorial proporciona un ejemplo paso a paso de cómo realizar pronósticos ingenuos en R.
Paso 1: ingrese los datos
Primero, ingresaremos los datos de ventas por un período de 12 meses en alguna empresa imaginaria:
#create vector para contener datos de ventas reales real <- c (34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24)
Paso 2: generar los pronósticos ingenuos
A continuación, usaremos las siguientes fórmulas para crear pronósticos ingenuos para cada mes:
#generar previsiones ingenuas previsión <- c (NA, real [- longitud (real)]) #ver previsiones ingenuas pronóstico [1] NA 34 37 44 47 48 48 46 43 32 27 26
Tenga en cuenta que simplemente usamos NA para el primer valor pronosticado.
Paso 3: medir la precisión de las previsiones
Por último, necesitamos medir la precisión de los pronósticos. Dos métricas comunes que se utilizan para medir la precisión incluyen:
- Error porcentual absoluto medio (MAPE)
- Error absoluto medio (MAE)
Podemos utilizar el siguiente código para calcular ambas métricas:
#calcular la media de MAPE (abs ((pronóstico real) / real), na. rm = T ) * 100 [1] 9,898281 #calcular MAE media (abs (pronóstico real), na. rm = T ) [1] 3.454545
El error porcentual absoluto medio es 9,898% y el error absoluto medio es 3,45
Para saber si este pronóstico es útil, podemos compararlo con otros modelos de pronóstico y ver si las mediciones de precisión son mejores o peores.
Paso 4: Visualice las previsiones
Por último, podemos crear un diagrama de línea simple para visualizar las diferencias entre las ventas reales y los pronósticos ingenuos para las ventas durante cada período:
# trazar la gráfica de ventas reales
(actual, tipo = ' l ', col = ' rojo ', principal = ' Ventas reales frente a ventas previstas ',
xlab = ' Periodo de ventas ', ylab = ' Ventas ')
#add línea para las líneas de ventas previstas
(previsión, tipo = ' l ', col = ' azul ')
#add legend
legend (' topright ', legend = c (' Actual ', ' Previsto '),
col = c (' rojo ', ' azul '), lty = 1)
Observe que la línea de ventas pronosticada es básicamente una versión retrasada de la línea de ventas real.
Esto es exactamente lo que esperaríamos que pareciera el gráfico, ya que el pronóstico ingenuo simplemente pronostica que las ventas en el período actual serán iguales a las ventas en el período anterior.
Recursos adicionales
Cómo calcular MAE en R
Cómo calcular MAPE en R
¿Qué se considera un buen valor para MAPE?
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
