Revisión del modelo suavizado exponencial clásico y robusto para predicción de la demanda

Simple item page
dc.contributor.MentorSvarc, Marcela
dc.creator.AutorDufour, Leonardo Andrés
dc.date.accessioned2025-12-30T18:13:34Z
dc.date.available2025-12-30T18:13:34Z
dc.date.issued2025
dc.descriptionFil: Dufour, Leonardo Andrés. Universidad de San Andrés. Departamento de Matemática y Ciencias; Argentina.
dc.description.abstractEl presente trabajo aborda la comparación entre un modelo de suavizado exponencial clásico y su versión robusta, con el objetivo de evaluar su desempeño en la predicción de la demanda en contextos con presencia de valores atípicos. A partir de una serie temporal real de ventas semanales de una sucursal deWalmart, se analizaron distintas configuraciones de los modelos y se contrastaron sus resultados mediante criterios de información y análisis de predicciones puntuales junto con sus interavlos. Los resultados obtenidos evidencian que el modelo robusto mantiene una mayor estabilidad frente a observaciones extremas y produce intervalos de predicción más acotados, mientras que el modelo clásico muestra mejor desempeño cuando los datos están libres de outliers. El estudio destaca la importancia de incorporar enfoques robustos en el análisis de series temporales aplicadas al Supply Chain, contribuyendo a mejorar la precisión de las predicciones y la eficiencia en la planificación de la demanda.
dc.formatapplication/pdf
dc.identifier.urihttps://repositorio.udesa.edu.ar/handle/10908/26193
dc.languagespa
dc.publisherUniversidad de San Andrés. Departamento de Matemática y Ciencias
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.titleRevisión del modelo suavizado exponencial clásico y robusto para predicción de la demanda
dc.typeTesis
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:ar-repo/semantics/tesis de maestría
dc.typeinfo:eu-repo/semantics/updatedVersion
Files
Original bundle
Thumbnail Image
Name:
[P][W] M. C.deD. Dufour, Leonardo Andrés.pdf
Size:
1.18 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Maestría en Ciencia de Datos