Análisis de las técnicas de suavizado para series temporales aplicadas a la base de datos del sistema académico de la UNACH

Abstract

El pronóstico basado en series de tiempo genera conocimiento útil en la toma de decisiones, sin embargo, lograr la exactitud en los modelos es el mayor reto para el investigador. En diferentes trabajos se han aplicado técnicas y métodos buscando crear modelos más competitivos. En la presente investigación se aplican tres técnicas de suavizado de series temporales, Media Móvil, Suavizado Exponencial y Descomposición de valores singulares de Hankel en un modelo A Autoregresivo Lineal. Los resultados son comparados para identificar la técnica que contribuye de mejor manera en la exactitud del modelo. Los datos utilizados corresponden al número de publicaciones científicas de los docentes de la Universidad Nacional de Chimborazo entre los años 2014 al 2018 por medio del sistema de base de datos SICOA, además se implementa un portal interactivo por medio del cual se realiza el proceso de suavizado para cualquier serie de tiempo que ingrese el usuario.