UNIVERSIDAD TECNOLOGICA EQUINOCCIAL CAMPUS ARTURO RUIZ MORA SANTO DOMINGO
NOMRE: KARLA NUEZ FECHA: 21/05/12
Suavizamiento Exponencial de Holt . Es un procedimiento usual en los medios de anlisis financieros, es similar al de Brown, excepto que no aplica la frmula de doble suavizamiento, sino un suavizamiento simple con el parmetro y la tendencia se suaviza a partir de un parmetro adicional . Ambos parmetros se asignan en forma externa sin depender de los datos de la serie, con lo cual se tiene mayor flexibilidad en el modelo. Para el clculo utiliza tres ecuaciones:
Dnde: Yt Es el valor de la serie original al tiempo t Lt Es el valor suavizado de la serie. Es el parmetro de suavizamiento de la serie. Tt Es la componente de tendencia suavizada. Es el parmetro de suavizamiento de la tendencia. P Es el perodo de pronstico.
Considrese como ejemplo de aplicacin la siguiente serie que presenta un comportamiento estacional que parece repetirse cada 10 perodos y una clara tendencia al alza.
Para el arranque del procedimiento se asigna el valor de la primera observacin a L1= 92.2 como consecuencia Y1 estimada coincide con la observacin. Un aspecto importante es la seleccin de los valores de los parmetros de suavizamiento. En este caso los valores utilizados son = 0.7 y = 0.2. Para las observaciones subsiguientes se aplican las frmulas iterativas referidas anteriormente. A continuacin se reproducen los clculos asociados a las primeras10 observaciones.
El error cuadrtico medio alcanza el valor 1.8777 y el grado de ajuste se puede observar en la siguiente grfica. Para fines de pronstico en nuestra experiencia funciona mejor una ligera modificacin de la frmula de Holt al desplazar la componente de tendencia pues as se preserva cierto efecto de la estacionalidad.
Suavizamiento Exponencial de Winter . El procedimiento de suavizamiento de Holt fue refinado por Winter con la inclusin de un parmetro adicional para la estacionalidad. Su procedimiento incluye 3parmetros se suavizamiento , , para la serie, la tendencia y la estacionalidad. Para el clculo se emplean cuatro ecuaciones que reflejan los suavizamientos y el pronstico.
En este caso tambin se plantea una ligera modificacin al desplazar lacomponente de tendencia.
Al aplicar el procedimiento a la serie anterior con valores = 0.75, =0.20, =0.75 se obtienen los siguientes resultados para las primeras 10 observaciones.
La suma de cuadrados de los residuales alcanza 1.3258. En la siguiente grfica se muestra el ajuste y los pronsticos para los siguientes 10 perodos.
Varianza o desviacin cuadrtica media: Es otro estadgrafo de dispersin bsico para la obtencin de la desviacin tpica oestndar. Su frmula es (en datos sin agrupar)
El valor numrico de la varianza esta expresado la dispersin en unidades distintas a las de la variable, pesos al cuadrado, metros al cuadrado. Etc. Mientras mayor es la dispersin de las observaciones, mayor es la magnitud de sus desviaciones respeto a la media y por consiguiente ms alto el valor numrico de la varianza
