Scribd
Cargar
628 vistas11 páginas

Técnicas de Suavizamiento para Pronósticos

Este documento presenta varios modelos de suavizamiento para pronósticos. En primer lugar, describe el promedio simple y los promedios móviles, que suavizan los datos mediante promedios. Luego, presenta el suavizamiento exponencial simple, que actualiza los pronósticos como una combinación del valor actual y el pronóstico anterior. Finalmente, introduce modelos más avanzados como el suavizamiento exponencial doble, Holt y Winters, que manejan tendencias y estacionalidad.

Cargado por

jorgepoma
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPT, PDF, TXT o lee en línea desde Scribd
628 vistas11 páginas

Técnicas de Suavizamiento para Pronósticos

Este documento presenta varios modelos de suavizamiento para pronósticos. En primer lugar, describe el promedio simple y los promedios móviles, que suavizan los datos mediante promedios. Luego, presenta el suavizamiento exponencial simple, que actualiza los pronósticos como una combinación del valor actual y el pronóstico anterior. Finalmente, introduce modelos más avanzados como el suavizamiento exponencial doble, Holt y Winters, que manejan tendencias y estacionalidad.

Cargado por

jorgepoma
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPT, PDF, TXT o lee en línea desde Scribd

Modelos de Suavizamiento

Media Total (Simple Average)

 Y  Y    Yt 
Yˆt 1  1 2
t

• Este método debe ser utilizado cuando los datos poseen


estabilidad y no tienen estacionalidad.

• Un promedio simple se obtiene al encontrar la media de todos


los datos relevantes y se usa esa media para pronosticar el
siguiente periodo.

1
Modelos de Suavizamiento
Promedios Móviles (Moving Average, MA(m))

ˆ
MAt  Yt 1 
 Yt  Yt 1  Yt  2   Yt  m 1 
m
Donde:
MAt : Promedio Móvil en el tiempo t
Yˆt 1 : Valor pronosticado en el periodo t+1
Yt : Valor Actual en el periodo t
m : Número de términos en el promedio móvil

• El MA para el período t es la media aritmética de las (m) observaciones más


recientes.
• Trabajan mejor con los datos estables, no maneja muy bien la tendencia o la
estacionalidad, pero lo hace mejor que los promedios simples.
• Mientras más grande es el orden del MA utilizado, mayor es el efecto del
suavizamiento, pero como pronóstico pone muy poca atención a las fluctuaciones.
Pronósticos de Negocios
[Link] 2
Modelos de Suavizamiento

Promedios Móviles Dobles Lineales (Double Lineal Moving


Average, DLMA(m))
 Y  Y  Y   Yt m1 
MAt  Yˆt 1  t t 1 t  2
m

MAt 
 MAt  MAt 1  MAt  2   MAt  m 1 
m
at  2 MAt  MAt
 2 
bt    MAt  MAt 
 m 1 
Yˆt  p  at   bt * p 

Sirve para datos que contengan una tendencia lineal.


Pronósticos de Negocios
[Link] 3
Modelos de Suavizamiento Exponencial
Suavizamiento Exponencial Simple (Simple Exponential Smoothing)

Nuevo Pronóstico = *(nueva observación) + (1- )(pronóstico anterior)

Valor Inicial: Ŷ1  Se pierde


Yˆt 1  Yt  1   Yˆt Ŷ2  Y1

Donde:
Yˆt 1 : Nuevo valor suavizado o valor pronosticado del siguiente período

 : Constante de suavizamiento
Yt
: Nueva observación o valor actual de la serie de tiempo
Yˆt
: Valor suavizado anterior
Pronósticos de Negocios
[Link] 4
Modelos de Suavizamiento Exponencial
Suavizamiento Exponencial Simple (Simple Exponential Smoothing)
Yˆt 1  Yt  1   Yˆt

Yˆt 1  Yt  Yˆt  Yˆt

Yˆt 1  Yˆt   Yt  Yˆt 

Yˆt 1  Yˆt  et


De aquí el SES aprende de los errores pasados
• Permite revisar continuamente el pronóstico a la luz de los nuevos datos
actualizados.
• Se basa en promediar o suavizar los valores pasados de una serie de tiempo de
una manera decreciente o exponencial.
• Las ponderaciones utilizadas son  para el valor más reciente, (1- ) para el
siguiente valor más reciente, (1- )2 para el siguiente y así sucesivamente. 5
Modelos de Suavizamiento Exponencial
Suavizamiento Exponencial Simple (Simple Exponential Smoothing)
Yˆt 1  Yt  1   Yˆt

Yˆt  Yt 1  1   Yˆt 1

Yˆt 1  Yt  1    Yt 1  1   Yˆt 1 


Yˆt 1  Yt  1   Yt 1  1    Yˆt 1
2

Yˆt 1  Yt  2  1   Yˆt  2

Yˆt 1  Yt  1   Yt 1  1    Yt  2  1   Yˆt  2 


2

Yˆt 1  Yt  1   Yt 1  1    Yt  2  1    Yˆt  2


2 3

Pronósticos de Negocios
[Link] 6
Ejercicios

Existen datos del primer trimestre del 1996 al cuarto trimestre del 2003

1) Se debe realizar el pronóstico de la variable utilidad por acción para el primer


trimestre del 2004 ( Yˆ33).

Resultados de aplicar la técnica de Promedios Móviles Dobles DLMA:


MAPE = 25.39%, MPE= -9.33%, MSE = 0.0299
a29 = 0.6244, b29 = -0.0037, a30 = 0.6069, b30 = -0.0088
a31 = 0.5263, b31 = -0.0292, a32 = 0.5294, b32 = -0.0221

Donde: at es la ordenada al origen en t, bt es la pendiente en t.

2) Obtener el intervalo de confianza, con un nivel de significancia del 5%.

3) El valor de la ponderación de Yt-1 en la técnica de SES, con un alfa de 0.3 es de?


Pronósticos de Negocios
[Link] 7
Ejercicios
1) Se debe realizar el pronóstico de la variable utilidad por acción para el primer
trimestre del 2004 ( Yˆ 33). m

 Y  Yˆ 
2

Yˆt  p  at   bt * p 
t t
MSE  t 1
Yˆ33  a32   b32 * p  m
= 0.5294 + (-0.0221)*(1)
= 0.5073

2) Obtener el intervalo de confianza, con un nivel de significancia del 5%.


IC Yˆ33 DLMA: 0.5073  tm/21  EEYˆ  t

0.5073 +/- 2.042 [ (e2)/(m-1)]1/2 MSE=0.0299


0.5073 +/- 2.042 [0.0299*(m/m-1)]1/2
0.5073 +/- 2.042 [0.0309] 1/2
0.5073 +/- 2.042 [0.1758] = 0.5073 +/- 0.3589
[0.1484, 0.8662]

3) El valor de la ponderación de Yt-1 en la técnica de SES, con un alfa de 0.3 es de?


(1- )  = (1-.03)*0.3= 0.7*0.3= 0.21Pronósticos
[Link]
de Negocios
8
Suavizamiento Exponencial Doble - SE Brown (p, 

• Se utiliza para pronosticar ST que presenten tendencia lineal

Pronóstico: Yˆt  p  at  pbt

Ordenada: at  2 S t  S t

Pendiente: bt   St  St 
1
S t  Yt  1    S t 1
Valor de Yt suavizado exponencialmente
S t  S t  1    S t1
Valor de Yt doblemente suavizado
S1  S1  A1  Y1
Valores Iniciales: B1  0
Pronósticos de Negocios
[Link] 9
Suavizamiento Exponencial Holt (p, , )
Pronóstico: Yˆt  p  St  pTt

Suavizamiento: S t  Yt  1    S t 1  Tt 1 

Tendencia: Tt    St  St 1   1   Tt 1
Valores Iniciales: S1  Y1
T1  0

Yˆt  p = Pronóstico de Holts en el período t+p


St = Valor Suavizado en el período t
 = constante de suavizamiento para los datos (0<  <1)
Tt = Estimado de la tendencia
= constante de suavizamiento para la tendencia (0< <1)
p = períodos a pronosticar en el futuro
Pronósticos de Negocios
[Link] 10
Suavizamiento Exponencial Winters (p, , )
Pronóstico: Ŷt  p   St  pTt  E t  L  p
Yt
Suavizamiento: St    1    St 1  Tt 1 
Et  L
Estimado de Tendencia: Tt = (St – St-1) +(1- ) Tt-1
Yt
Estimado de Estacionalidad: Et    1    Et  L
St S1  Y1
Yˆt  p = Pronóstico de Winters en el período t+p Valores Iniciales: T  0
1
St = Valor Suavizado en el período t
 = constante de suavizamiento para los datos (0 <  <1) E1  1
Tt = Estimado de la tendencia
= constante de suavizamiento para la tendencia (0 < <1)
p = períodos a pronosticar en el futuro
Et = Estimado de Estacionalidad
 = Constante de suavizamiento para la estacionalidad (0 < <1) 11

También podría gustarte