Semana #4

Estrategias de Pronóstico y
modelos estocásticos
Dra. Elizabeth López Meléndez
 Orden del Día
Objetivo.
Competencias.
Ruido Blanco
Estrategias de pronóstico.
Filtrado de Series Temporales.
Suavizado exponencial simple.
Suavizado exponencial doble (Holt).
Suavizado exponencial triple (Holt-Winters).
Ejemplos.
Preguntas de investigación.
Conclusiones.
Referencias.
Preguntas.

2
Objetivos

Manejar herramientas a partir de la

identificación de conocimientos
necesarios, tales como ganancia
informativa, estimación probabilística
y sobreajuste de funciones, para la
extrapolación de hallazgos
estadísticos hacia modelos útiles de
predicción y pronóstico en series de
tiempo con la finalidad de solucionar
problemas de negocios.

3
Competencias

➢ Reconocer las técnicas de análisis de

series de tiempo para el modelado
de sistemas estocásticos.
➢ Distinguir las características del
ruido blanco.
➢ Identificar las variantes de ruido
blanco

4
Ruido Blanco

Es el modelo más simple de series temporales. Se trata de una

serie puramente aleatoria y se representa por at. Una serie temporal se
corresponde con un proceso estocástico ruido blanco cuando:
➢ Su µ=0 y varianza constante
➢ cov(at, at+k)= 0 para todo k≠ 0
➢ Se trata de un proceso en el que todas sus variables son independientes.
Ejemplos: Los números ganadores de la lotería, cada número es independiente
del anterior y no hay dependencia entre el pasado y el futuro .

5
Estrategias de pronóstico

Pronóstico: Es una estimación cuantitativa o cualitativa de uno o varios factores

(variables) que conforman un evento futuro, con base en información actual o
del pasado.

Estrategia: En un proceso regulable, se conoce como estrategia al conjunto de

reglas que buscan una decisión óptima en cada momento.

6
Estrategias de pronóstico

➢ La estimación de pronósticos durante el año próximo afectará los programas

que la empresa tenga.
➢ En consecuencia, los malos pronósticos pueden dar como resultado un
incremento en los costos de la empresa. ¿Cómo debemos proceder para
proporcionar los pronósticos adecuados?.
➢ Revisar los datos históricos, con frecuencia ayuda a comprender mejor el
patrón de las ventas pasadas, lo que conduce a mejores predicciones de las
ventas futuras del producto.

7
Estrategias de pronóstico

➢ Los datos históricos de ventas forman una serie de tiempo.

➢ Una serie de tiempo es un conjunto de observaciones de una variable
medida en puntos sucesivos en el tiempo o a lo largo de periodos sucesivos.
➢ El objetivo de estos análisis es proporcionar buenos pronósticos o
predicciones de los valores futuros de la serie de tiempo.
➢ Si los datos históricos se restringen a valores pasados de la variable que
tratamos de pronosticar, el procedimiento de elaboración de pronósticos se
llama método de serie de tiempo.

8
Métodos de Estrategias de Pronóstico

➢ Los métodos de elaboración de pronósticos se clasifican como

cuantitativos o cualitativos.
➢ Los métodos cuantitativos se utilizan cuando:
➢ Se dispone de información pasada sobre la variable que se pronosticará
➢ La información puede cuantificarse
➢ Se supone que el patrón del pasado seguirá ocurriendo en el futuro. En estos casos puede
elaborarse un pronóstico con un método de series de tiempo o un método causal.

9
Métodos de Estrategias de Pronóstico

➢ El objetivo de los métodos de serie de tiempo es descubrir un

patrón en los datos históricos y luego extrapolarlo hacia el futuro; el
pronóstico se basa sólo en valores pasados de la variable que tratamos de
pronosticar o en errores pasados.
➢ Algunos métodos de series de tiempo son: suavización (promedios móviles,
promedios móviles ponderados y suavización exponencial), proyección de
tendencias y proyección de tendencias ajustada por
influencia estacional intuitivos.

10
Filtrado de series temporales

➢ Suavizado exponencial: Proporciona un filtrado fácil de calcular, además

evita los problemas de las medias móviles:
➢ Suavizado exponencial simple (para series sin tendencia ni estacionalidad).
➢ Suavizado exponencial doble (para series con tendencia pero no
estacionalidad).
➢ Suavizado exponencial triple (para series con tendencia y estacionalidad).

11
Filtrado de series temporales
Suavizado Suavizado Suavizado
Exponencial Exponencial Doble Exponencial Triple
(Método de Holt) (Método de Holt-
Winters)

Suavizado

Tendencia

Estacionalidad

12
Suavizado Exponencial Simple
➢ El suavizado exponencial simple se define como:

si =  xi + (1 −  ) si −1
➢ Los distintos métodos de suavizado exponencial actualizan el resultado del
anterior valor con el último dato de la serie original (combinando la
información ya disponible con la aportada por el nuevo dato mediante un
parámetro, 0<α<1).

13
Suavizado Exponencial Simple
Si expandimos la recurrencia, se obtiene
i
si =   (1 −  ) xi − j
j

j =0
Todas las observaciones previas contribuyen al valor suavizado, pero su
contribución se suprime por el exponente creciente del parámetro α.

14
Suavizado Exponencial Simple

"Uso” en predicción: Si extendemos el suavizado más allá del final de los datos
disponibles, la predicción es extremadamente simple:
xi+h = si
Ante la presencia de tendencias, la señal suavizada tiene ir retrasada con
respecto a los datos originales salvo que utilicemos un valor de α cercano a 1.

15
Suavizado Exponencial Doble (Método de Holt)
➢ El suavizado exponencial doble se define como:

si =  xi + (1 −  )( si −1 + ti −1 )
ti =  ( si − si −1 ) + (1 −  ) ti −1
➢ El suavizado exponencial doble retiene información acerca de la tendencia:
la señal suavizada si y la tendencia suavizada ti.
➢ El parámetro β se utiliza para realizar un suavizado exponencial sobre la
tendencia.

16
Suavizado Exponencial Doble (Método de Holt)

"Uso” en predicción: Si extendemos el suavizado más allá del final de los datos
disponibles, la predicción es la siguiente:

xi+h = si + hti

17
Suavizado Exponencial Triple (Holt-Winters)
➢ El suavizado exponencial triple (aditivo) se define como:

si =  ( xi − pi − k ) + (1 −  )( si −1 + ti −1 )
ti =  ( si − si −1 ) + (1 −  ) ti −1
pi =  ( xi − si ) + (1 −  ) pi − k
xi + h = si + hti + pi − k + h
 ,  y    0,1
18
Suavizado Exponencial Triple (Holt-Winters)
➢ El suavizado exponencial triple (multiplicativa) se define como:
xi
si =  + (1 −  )( si −1 + ti −1 )
pi − k
ti =  ( si − si −1 ) + (1 −  ) ti −1
xi
pi =  + (1 −  ) pi − k
si
xi + h = ( si + hti ) pi − k + h
19
Suavizado Exponencial Triple (Holt-Winters)
➢ Las variables se definen como:
 : Constante de atenuación del promedio
 : Constante de atenuación de la estimación de tendencia
 : Constante de atenuación de la estacionalidad
si : valor atenuado (suavizado)
t i : estimación de la estacionalidad del periodo
k : longitud de la estacionalidad
p : número de periodos a pronosticar en el futuro
 ,  y    0,1
20
Suavizado Exponencial Triple (Holt-Winters)
El modelo de Holt-Winters, considera que la serie se puede descomponer en
todos o algunos de los siguientes componentes: tendencia, estacionalidad,
ciclicidad y residuo (ruido); según los métodos de descomposición, las series
son el resultado de la integración de esos cuatro componentes, bien de modo
aditivo (las fluctuaciones no se ven afectadas por la tendencia) o de modo
multiplicativo (las fluctuaciones varían con la tendencia). Tal procedimiento
implica determinar valores iniciales y parámetros de suavizado cuya elección es
de importancia.

21
Suavizado Exponencial Triple (Holt-Winters)

22
 Preguntas de investigación a desarrollar

Con tus palabras define que es un proceso estocástico.

Además del ruido blanco y la caminata aleatoria, ¿Qué otros
procesos estocásticos existen? Menciona tres.
Menciona la importancia del suavizado en las series de
tiempo.

23
Conclusiones

➢ El valor de alfa indica que los valores actuales que tanto dependen de los valores
recientes como de los lejanos en el tiempo, es decir, 0.5 diría que depende de ambos
en igual forma.
➢ El valor de beta indica que los valores son sensibles a la pendiente de la tendencia,
un valor cercano a cero indica que no hay tendencia.
➢ El valor de gamma bajo indica que el componente estacional está influido por los
valores lejanos en el tiempo.

24
“Es sencillo hacer que las cosas sean complicadas,
pero es difícil hacer que sean sencillas”

Friedrich Nietzsche
(1844 - 1900)
Filósofo, poeta, músico y filólogo alemán.

25
 Referencias
➢ [Link]
➢ Gujarati, D. N., & Porter, D. C. (2010). Econometría ([Link].--.). México: McGraw Hill
➢ Soto Romero , J. C. (2021). Pronóstico de la demanda de un Proyecto de
inversión. Vida Científica Boletín Científico De La Escuela Preparatoria No. 4, 9(18),
5-8. Recuperado a partir de.
[Link]
➢ Análisis básico de series temporales con R. Retrieved from
[Link]
➢ Miguel Hernández de Elche. (2019). Análisis clásicos de series temporales con E.
Retrieved from
[Link]
os_ClAsicos.pdf

26
Preguntas

Gracias

27
28