Promedios mviles y mtodos de Promedios mviles y mtodos de

suavizamiento
Modelos No Formales
En este tipo de modelos se asume que los datos p q
asociados a perodos recientes son los mejores predicto-
res para el futuro.
Casos relevantes :
1. Prediccin en trminos de la ltima observacin
1

t t
Y Y
+
=
A t t d l t bi l A este mtodo se le conoce tambin como el
pronstico "sin cambios".
66 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Casos relevantes (Continuacin):
2. Prediccin en trminos de cambio absoluto 2. Prediccin en trminos de cambio absoluto
( )
1 1

t t t t
Y Y Y Y
+
= + ( )
1 1 t t t t +
Aqu tomamos en consideracin el ltimo
incremento (o decremento) observado entre incremento (o decremento) observado entre
valores consecutivos de la Serie de Tiempo.
3 P di i t i d bi l ti 3. Prediccin en trminos de cambio relativo

t
Y
Y Y



1
|
t
t t
t
Y Y
Y
+

=



67 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Casos relevantes (Continuacin):
4. Prediccin con patrn estacional 4. Prediccin con patrn estacional
1

t t k
Y Y
+
= k =
Longitud del ciclo
estacional - 1
El valor de k depender del nmero de perodos
que son necesarios para repetir un patrn q p p p
completo.
Por ejemplo, si se tiene un patrn anual con datos
mensuales k = 12 1 = 11 : mensuales k = 12-1 = 11 :
1 11

t t
Y Y
+
=
13 12 11 1

Y Y Y

= = (t+1=13)
68 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Casos relevantes (Continuacin):
5 Prediccin mixta de variacin estacional y ten- 5. Prediccin mixta de variacin estacional y ten-
dencia
( ) ( )
1 ( 1)
...

t t t k t k
Y Y Y Y
+
+ + ( ) ( )
1 ( 1)
1

1
t t t k t k
t t k
Y Y
k
+
+
= +
+
Pronstico
del patrn
Pronstico de la tendencia
(mediante el promedio de p
estacional
( p
cambio durante los ltimos
k+1 perodos)
( )
( 1)
1

1
t t k
t t k
Y Y
Y Y
k
+
+

= +
69 Mtro. Ral Castro
1 k +
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 7 :
La siguiente tabla muestra las ventas trimestrales de
sierras para Hilti Mexicana en el perodo 1996 2002 sierras para Hilti Mexicana en el perodo 1996-2002.
Compare mediante el uso del MAPE los 5 mtodos
descritos anteriormente (con el valor de k ms (
adecuado)
70 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Resulta incialmente "saludable" echar un vistazo al
correlograma de estos datos para los primeros 10
d f desfases :
Hay indicios de
estacionalidad
cada 4 trimestres
(es decir, cada
) ao)
4 1 3 k = =
71 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Derivado lo anterior los modelos a probar son los
siguientes:
1)
1

t t
Y Y
+
= 2)
( )
1 1

t t t t
Y Y Y Y
+
= +

3) 4)
1
|

t
t t
Y
Y Y
Y
+

=



1 3

t t
Y Y
+
=
| t
Y

5)
( )
4

t t
Y Y
Y Y

= + 5)
1 3
4
t t
Y Y
+
= +
72 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Los resultados obtenidos para el MAPE son:
73 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Modelos basados en promedios
Este tipo de modelos se usan en especialmente en p p
situaciones donde los pronsticos deben ser
actualizados en forma diaria, semanal o mensual para
inventarios que contienen cientos o miles de artculos inventarios que contienen cientos o miles de artculos.
Casos relevantes :
1. Promedios simples
1

t
Y Y =
1
1
t i
i
Y Y
t
+
=
=

As, cuando se tiene disponible una nueva As, cuando se tiene disponible una nueva
observacin, sta es incorporada en el pronstico
del siguiente perodo.
74 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La expresin anterior presenta problemas de
almacenamiento cuando la serie de datos es muy
d P l l t i d li l grande. Para resolver lo anterior se puede realizar el
siguiente desarrollo:
1 t 1
1
1
1

t
i t t
i
Y Y
Y Y

=
+
= =

( )

1
t t
t Y Y +
=
1
1
t i
i
Y Y
t t
+
=

Por tanto el pronstico de cualquier perodo depende

t
Por tanto, el pronstico de cualquier perodo depende
del pronstico anterior, su valor real y el nmero
consecutivo de la serie que le corresponda.
En general, el mtodo de promedios simples es efectivo
cuando el ambiente de donde proviene la serie cambia
poco y existe estabilidad en su proceso
75 Mtro. Ral Castro
poco y existe estabilidad en su proceso.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
2 Promedios mviles
Casos relevantes (Continuacin):
2. Promedios mviles
1 ( 1)
...

t t t k
Y Y Y
Y

+ + +
=
1
1
k
Y

=
1 t
Y
k
+
=
0
t i
i
Y
k

=
=

donde k representa el nmero de trminos a
considerar en el promedio mvil.
A l di il l d t l As, el promedio mvil para el prodo t es la
media aritmtica de las ltimas k observaciones, al
cual denotamos mediante MA(k) (por sus siglas en ( ) (p g
ingls : "Moving Average").
76 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Consideraciones al usar Promedios Mviles :
1) Mientras ms chico sea el valor de k mayor 1) Mientras ms chico sea el valor de k, mayor
peso se otorga los perodos recientes. En el caso
contrario (valores grande de k) se dice que existe
un mayor efecto de "suavizamiento"
2) Valores pequeos de k son recomendables
d l i bi ti l cuando suelen ocurrir cambios repentinos en el
nivel de la serie de tiempo (pues el pronstico
se actualiza ms rpidamente). p )
3) Es comn utilizar promedios mviles de datos
trimestrales (MA(3)) o semestrales (MA(12))
d l para ayudar a suavizar la serie.
77 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
3 Promedios mviles dobles
Casos relevantes (Continuacin):
3. Promedios mviles dobles
Este enfoque fue diseado para manejar Series de
Tiempo donde existe una tendencia. Su mecanismo
consiste en calcular un conjunto de promedios
mviles para luego repetir el proceso sobre dichos
resultados resultados.
As, en este caso es necesario calcular :
1 ( 1)
...
t t t k
t
Y Y Y
M
k

+ + +
=
1 ( 1) '
...
t t t k
t
M M M
M
k

+ + +
=
"Segunda
vuelta"
78 Mtro. Ral Castro
k
vuelta
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
3. Promedios mviles dobles (Continuacin)
John Hanke propone ajustar los resultados anteriores

Y b
John Hanke propone ajustar los resultados anteriores
para pronosticar de la siguiente manera:
t p t t
Y a b p
+
= +
donde :
( )
'
t t t t
a M M M = + donde :
( )
t t t t
a M M M +
'
2
t t
M M =
2
(Estimacin del
intercepto)
( )
'
2
1
t t t
b M M
k
=

(Estimacin de
la pendiente )
De esta manera p representa el nmero de perodos
hacia adelante que se desea pronosticar y k el
d l t id d l di
79 Mtro. Ral Castro
nmero de elementos considerados en el promedio.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Observacin :
El proceso necesario para obtener los valores de las
b
variables de suavizamiento doble y parte del
supuesto que Y
t
puede expresarse como :
t
a
t
b
0 1 t t
Y t = + +
Trmino de
error aleatorio
Por ejemplo, para obtener la expresin para (equi-
valente a ) desarrollaramos :
t
b
1

1 ( 1)
...
t t t k
t
Y Y Y
M
k

+ + +
=
( ) ( )
( )
( ) 1 1
1
( ) ...
t t t t k
E M E Y E Y E Y
k


= + + +

k
80 Mtro. Ral Castro
k

Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Lo cual a su vez implica que :
1
[ ] ( ) ( ) ( )
0 1 0 1
1
1
t
E M t t
k

= + + +

( ) ( ) ( )

( ) ( ) ( )
0 1
... 1 t k

+ + +

)
1

[ ( ( ) )
0 1 1 1
1
1
2 ... 1 k k t k
k


= + + + +

( ) ( )
1
0 1
1 2 ... 1 t k
k

= + + + +

( )
t
E Y
( )
1
2
k k
81 Mtro. Ral Castro
2
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Por consiguiente :
( )
1 k
[ ] ( )
( )
1
1
2
t t
k
E M E Y

=
( ) ( )
1
2
1
t t
E Y E M
k
=

Promedio
de los
di
( ) ( )
1 k

'
2
M M

promedios
1
t t
M M
k

b lo cual coincide con nuestro resulta previo para

Mediante un desarrollo similar es posible obtener una
expresin para
t
b
a
82 Mtro. Ral Castro
expresin para
t
a
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Nota importante :
En la prctica resulta altamente deseable el poder En la prctica resulta altamente deseable el poder
ofrecer no slo estimaciones puntuales para un
pronstico, sino tambn intervalos de confianza
para visualizar el "peor" y "mejor" de los casos.
El supuesto que generalmente se maneja es que los
errores de prediccin se distribuyen como una
Normal con media igual a cero, lo cual arroja un
intervalo de la forma siguiente (a un nivel de intervalo de la forma siguiente (a un nivel de
confianza de :

Y z MSE
(1 )
* Expresin vlida
1 /2 t
Y z MSE
+

Valor estadstico
d t bl
Expresin vlida
para pronsticos de
un solo paso (un
83 Mtro. Ral Castro
de tablas
perodo adelante)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 8 :
Cierta cadena de tiendas dedicada a la renta de
pelculas en DVD le solicita a usted pronosticar el pelculas en DVD le solicita a usted pronosticar el
nmero de rentas para la sig. semana en funcin de las
ltimas quince semanas (ver tabla adjunta). Compare q ( j ) p
los resultados que obtendra mediante promedios
mviles simples y dobles ajustados de 3 perodos, de
manera que pueda proponer el mejor de ambos en manera que pueda proponer el mejor de ambos en
trminos del MSE. Calcule un intervalo de confianza
del 95% para el pronstico seleccionado. p p
84 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La tabla resultante quedara de la sig. forma :
Menor Error
Cuadrtico Medio
85 Mtro. Ral Castro
Cuadrtico Medio
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
As el Intervalo de Confianza del 95% para el mejor de
ambos mtodos en este caso (Promedios Mviles (
Dobles ajustados) sera :

Y z MSE
Equivalente a
16 0.05/2
Y z MSE
727 1.96 MSE
q
S aprox.
(aprox.)
7 7 .9 S
( p )
86 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ahora bien, si quisiramos pronosticar mediante el
Mtodo de promedios mviles simples en Minitab p p
para los datos previos tendramos :
87 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Los resultados desplegados son los siguientes :
MSE
Intervalo
d l 95%
Los lmites
coinciden
88 Mtro. Ral Castro
del 95% :
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Al utilizar el software Forecast Pro para pronosticar
mediante Promedios Mviles simples tendramos :
En un ao se tienen 52
semanas (y los datos (y
vienen en esta unidad
de tiempo)
Plantea la posibilidad de
llegar a plantear ciclos g p
mensuales (para
bsqueda de patrones)
89 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Procedemos entonces a editar los datos previos de la
siguiente manera (recuerde que son 15 en total) :
90 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Nota Nota : Si quisiramos conservar los datos originales en
un forma de Hoja de Excel, de manera que podamos
accesar a ellos desde Forecast Pro, el formato a manejar
es el siguiente :
91 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Sigamos ahora con el pronstico de Promedios Mviles
Simples (SMA) :
Mediante el uso de un
"Script" seleccionamos Script seleccionamos
la variable a pronosticar
92 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El paso siguiente es definir cuntos perodos hacia
"adelante se quieren pronosticar as como el nivel de
fi (d l 95%) confianza (del 95%) :
Parmetros del
nivel de confianza
Horizonte a
pronosticar
93 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
A continuacin procedemos a "correr" el pronstico :
Ventana de Estadsticos
de Soporte
94 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Podemos ahora obtener el reporte del Pronstico
correspondiente :
Opciones a incluir en
95 Mtro. Ral Castro
p
el reporte
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Asimismo, podemos graficar los resultados anteriores :
L i d l Lmites del
intervalo de
confianza confianza
96 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Para revisar los valores numricos asociados a cada
pronstico (tanto valores puntuales como de intervalo)
ttenemos :
(Dar click)
97 Mtro. Ral Castro
(Dar click)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Vemos por "curiosidad" qu modelo nos propone
Forecast Pro cuando dejamos el Pronstico en manos
d l "S l i E t " (E t S l ti ) de la "Seleccin Experta" (Expert Selection) :
98 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Modelos de suavizamiento exponencial
1. Suavizamiento Simple
Bajo esta metodologa se asignan pesos que decrecen
en forma exponencial a las observaciones previas
d l d
p
usadas para pronosticar. As, los datos ms recientes
son aquellos que reciben mayor peso (a diferencia de
promedios mviles, donde todos los valores tienen promedios mviles, donde todos los valores tienen
el mismo peso).
Por lo general, resulta conveniente usar este enfoque g
cuando los datos no presentan una tendencia
predecible a la alta o a la baja. De manera general
con u peso de el modelo se plantea : 0 1 con u peso de , el modelo se plantea :
Nuevo
pronstico
=
0 1
x (Nueva
b i )
(1 ) + x (Viejo
ti )
99 Mtro. Ral Castro
pronstico
observacin) pronstico)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
De manera ms forma, la ecuacin de suavizamiento
exponencial simple queda como : p p q
( )
1

1
t t t
Y Y Y
+
= +
dicha expresin puede ser re-expresada mediante :

Y Y Y Y +
1 t t t t
Y Y Y Y
+
= +
( )

t t t
Y Y Y = +
( )
t t t
As, otra manera de ver el pronstico es mediante el
resultado del pronstico previo + un ajuste ponderado resultado del pronstico previo un ajuste ponderado
del error cometido en el perodo anterior.
100 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Dado que al sustituir para el perodo t se cumple que :
( )
1 1

1
t t t
Y Y Y

= +
( )

( )
1
1
t t t
Y Y Y
+
= +
( ) ( )

1 1 Y Y Y

+ +

( ) ( )
1 1
1 1
t t t
Y Y Y


= + +

( ) ( )
2
1 1

1 1
t t t
Y Y Y = + +
( ) ( )
1 1 t t t
( ) ( )
1
1 1
1 ... 1
t
t t
Y Y Y

= + + +
de lo cual corroboramos el hecho de que la velocidad
con la que las observaciones pasadas pierden su
l d d d l l d
101 Mtro. Ral Castro
impacto en el pronstico depende del valor de
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Observacin :
El modelo de suavizamiento exponencial simple basa
su anlisis en situaciones donde el promedio (o nivel)
de la serie de tiempo es constante (o cambia muy
lentamente en el tiempo) Esto implica que Y puede lentamente en el tiempo). Esto implica que Y
t
puede
ser vista como:
t t
Y = +
Por lo que una estimacin del nivel sera :
( )
t
E Y =
( )

1 Y Y Y +
(Promedio
La pregunta que entonces aparece ahora es : cul es el
( )
1 1
1
t t t
Y Y Y

= +
(Promedio
ponderado)
La pregunta que entonces aparece ahora es : cul es el
valor ms adecuado de a considerar? Sin duda
alguna, aqul que minimice el MSE (lo cual puede

102 Mtro. Ral Castro

lograrse mediante el uso de tcnicas de optimizacin
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 9 :
Considere nuevamente los datos del ejemplo previo
para la empresa dedicada a la renta de DVDs Cul para la empresa dedicada a la renta de DVD s. Cul
sera el modelo de Suavizamiento Exponencial Simple
ms apropiado? Efecte el pronstico correspondiente p p p p
para el siguiente perodo.
Como punto de partida para poder usar este mtodo
planteamos :
1 1

Y Y =
y de ah desarrollamos :
( )

1 Y Y Y +( )
2 1 1
1 Y Y Y = +
( )
3 2 2

1 Y Y Y = +
(etc.)
103 Mtro. Ral Castro
( )
3 2 2
( )
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Podemos as iniciar nuestro anlisis con una tabla
como la siguiente (con la idea de minimizar el MSE) :
104 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El resultado final que obtenemos mediante Solver es :
1 =
(Valor ptimo) (Valor ptimo)
V l i Valor mnimo
del MSE
Pronstico
105 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Por supuesto que podemos simplificar la obtencin del
pronstico mediante el uso de Forecast Pro :
106 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Lo anterior equivale a escoger la siguiente opcin :
107 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En general, cuando deseamos pronosticar p perodos
hacia delante con suavizamiento exponencial simple
tenemos :
( )

1
t p t t
Y Y Y
+
= +
1

t
Y
+
=
l i t l d fi d (1 )% Y y el intervalo de confianza de para pro-
puesto por Bowerman est dado por :
(1 )%
t p
Y
+
( )
2
1 '/2

1 1
t
Y z S p

+
+
Estimacin
puntual
( )
2
2
1

2
t
t t
j
Y Y
t
=

108 Mtro. Ral Castro
p
2
2
j
t
=
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Observacin :
La varianza del pronstico, denotado por , puede
2
S La varianza del pronstico, denotado por , puede
visualizarse como una especie de promedio en el cual
se debe substraer una unidad por cada parmetro
ti d l d l ( t lf ) estimado en el modelo (en este caso alfa).
As, dado que el valor inicial fue en realidad
t t l t t t t l d
1 1

Y Y =
propuesto por nosotros, realmente tenemos un total de
(t-1) valores pronosticados a consecuencia de esta
metodologa. Por consiguiente el denominador del g g
promedio a calcular sera :
( 1) 1 2 t t = ( 1) 1 2 t t
( )
2
2
1

2
t
t t
S Y Y
t
=

109 Mtro. Ral Castro

( )
2
2
j
t
=

Promedios mviles y mtodos de Promedios mviles y mtodos de

suavizamiento
Ejemplo No. 10 :
Retomemos el ejemplo previo de renta de DVDs.
Pronostico tanto de forma puntual como de Pronostico tanto de forma puntual como de
intervalo, las rentas para los siguientes 4 perodos (de
t=16 a t=18). Considere un intervalo del 95% para ) p
dicho efecto.
110 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En Forecast Pro podemos obtener tambin intervalos
de prediccin para los perodos en cuestin de forma
grfica as como la curva ajustada a los datos grfica, as como la curva ajustada a los datos
originales :
111 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Los lmites difieren
ligeramente de los
nuestros
Porqu?
112 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La razn de dicha discrepancia se debe al valor
aproximado por Forecast Pro para Z cuando maneja-
fi d l 95% mos una confianza del 95%.
Esto lo podemos verificar si asignamos Z = 1.996953
en la tabla que previamente habamos construdo y la en la tabla que previamente habamos construdo y la
comparamos con el reporte de pronsticos de Forecast
Pro :
Ya checan los
valores obtenidos !
113 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Por ltimo :
114 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Antes de continuar con las dems metodologas, vale
la pena comentar sobre la conveniencia de establecer
Seales de alerta (tracking signals) para el Seales de alerta (tracking signals) para el
pronosticador. Esto es, criterios que al ser comparados
con los pronsticos sucesivos que se van obteniendo
permitan darnos cuenta de que el modelo ha
cambiado.
U lt ti d t l d l d l Una alternativa, en caso de optar por el uso del modelo
previo de Suavizamiento simple, consiste en
considerar que a un 95% de confianza el error mximo q %
de pronstico para el perodo 16 es :
( )
196 196(8840466) 17327 S = =
( )
1.96 1.96(8.840466) 17.327 S = =
por lo que en caso de que un pronstico inmediato
tenga un error ms all de 17 327 debemos actualizar
115 Mtro. Ral Castro
tenga un error ms all de 17.327, debemos actualizar.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Modelos de suavizamiento exponencial (Continuacin)
2. Suavizamiento exponencial con tendencia : Mtodo
Este mtodo (creado en 1957 por Holt) tambin es
p
de Holt
( p )
conocido como Mtodo de Doble Suavizamiento
Exponencial, y su objetivo es incorporar una
funcin de tendencia lineal al modelo simple que funcin de tendencia lineal al modelo simple que
evolucione al paso del tiempo.
As, la tcnica de Holt involucra la obtencin de As, la tcnica de Holt involucra la obtencin de
varias constantes de suavizamiento que van
cambiando conforme se obtienen nuevas
b i l bj i d d observaciones, con el objetivo de dar mayor
flexibilidad al modelo.
116 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Las ecuaciones utilizadas en el modelo de Holt son
las siguientes :
( )( )
1 L Y L T = + +

t p t t
Y L pT
+
= +
(Estimacin del
( )( )
1 1
1
t t t t
L Y L T

= + +
( ) ( )
1 1
1
t t t t
T L L T

= +
nivel)
(Estimacin del
i i t )
donde :
( ) ( )
t t t t
t
L : Nuevo valor suavizado
T E i i d l d i
crecimiento)
: Constante de suavizamiento para
el nivel (entre 0 y 1)
t
T : Estimacin de la tendencia
el nivel (entre 0 y 1)
: Constante de suavizamiento para
la tendencia (entre 0 y 1)
117 Mtro. Ral Castro
la tendencia (entre 0 y 1)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Observacin :
El modelo de suavizamiento exponencial doble basa su El modelo de suavizamiento exponencial doble basa su
anlisis en situaciones donde Y
t
puede ser modelada
de forma lineal :

0 1 t t
Y t = + +

Nivel (o media) en
( ) E Y t +
( )
el tiempo t
( )
0 1 t
E Y t = = +
Crecimiento esperado
( ) ( )
1 t t
E Y E Y =
p
en el tiempo t
( ) ( )
1 t t
1
=
A d l d i i i d As, este modelo de suavizamiento es apropiado
cuando tanto el nivel como la razn de crecimiento son
cambiantes en el tiempo.
118 Mtro. Ral Castro
cambiantes en el tiempo.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En general, cuando deseamos pronosticar p perodos
hacia delante con Suavizamiento Exponencial doble de
Holt tenemos :

t p t t
Y L pT
+
= +
Un criterio de inicializacin consiste en asignar :
1 1
L Y =
1
0 T = y
y el intervalo de confianza de para para
este caso est dado por :
(1 ')%
t p
Y
+
1 1
L Y
1
y
este caso est dado por :
( )
1
2
2

1 1
p
Y z S j

+ +

y son
estimadas con
(t-1) pronsticos

( )
'/2
1
1 1
t p
j
Y z S j

+
=
+ +

( )
2
1

t
j j
Y Y

(t 1) pronsticos
119 Mtro. Ral Castro
( )
2
3
j j
j
Y Y
t
=

Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 11 :
Al analizar la Funcin de Autocorrelacin para los
datos del ejemplo previo (Renta de DVDs) podemos datos del ejemplo previo (Renta de DVD s) podemos
observar lo siguiente en Forecast Pro :
Indicativo de
i t i d existencia de
tendencia !
120 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Podemos as incorporar la tendencia con un Modelo de
Suavizamiento de Holt, partiendo de los valores iniciales
siguientes :
1 1
L Y =
1
0 T =
(Criterio No. 1)
Cuando ambos coe-
ficientes son iguales se
di dice que tenemos un
Suavizamiento de Brown

( )( )
1 1
1
t t t t
L Y L T = + +

t p t t
Y L pT
+
= +
( )( )
1 1 t t t t
( ) ( )
1 1
1
t t t t
T L L T

= +
121 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Resolvemos a continuacin para Alfa y Beta, de manera
que se minimice el MSE :
Pronstico
122 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Existe otra ingeniosa alternativa para inicializar el
proceso previo. sta consiste en desarrollar un modelo de
regresin donde el tiempo t es la variable independiente y
Y
t
la variable dependiente.
El intercepto obtenido por la regresin se considera como El intercepto obtenido por la regresin se considera como
L
0
y la pendiente como T
0
. Dicho mecanismo es usado por
paquetes estadsticos como Minitab.
En nuestro ejemplo previo la regresin para los 15 valores
se llevara a cabo mediante :
C l D Complemento Data
Analysis de Excel
123 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
0
L
0
T
124 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Nota : Bajo este nuevo esquema resulta necesario agregar
un nuevo rengln a la tabla!
El valor del MSE El valor del MSE
disminuy ! (el valor
previo era de 52.30)
125 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Si quisiramos correr Solver nuevamente, podramos
partir de la hoja siguiente (dados Alfa y Beta iniciales) :
126 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Lo anterior es fcilmente verificable mediante MINITAB :
Con un valor de Alfa ligeramente
mayor a cero (debido a restriccio-
nes del paquete estadstico) nes del paquete estadstico)
127 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Al dar Click en el botn Results :
Equivalente a
nuestra Beta
128 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Podemos as comparar resultados :
129 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Cules son las constantes de suavizamiento que propone
Forecast Pro para los datos anteriores por el mtodo de
l Holt?
Ntese que el MSE = (5.413)
2
= 29.3 aprox.
( l d )
130 Mtro. Ral Castro
(mayor al nuestro de 21.68)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El modelo propuesto por Forecast Pro es entonces :
( )( )
009188 1 009188 L Y L T + +
15 15 15

p
Y L pT
+
= + ( )
723.78 3.8426 p = +
( )( )
1 1
0.09188 1 0.09188
t t t t
L Y L T

= + +
( ) ( )
1 1
0.99 1 0.99
t t t t
T L L T

= +
As, al pronosticar las rentas para la semana No. 16 :
( )

72378 1 38426 Y Y +
( )
16 15 1
723.78 1 3.8426 Y Y
+
= = +
727.62 =
131 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Otra manera de haber logrado lo anterior sera :
Los valores iniciales
fueron distintos
132 Mtro. Ral Castro
fueron distintos
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 12 :
Considere los datos siguientes correspondientes a las
ventas semanales de Termostatos para cierta compaa ventas semanales de Termostatos para cierta compaa
de refrigeracin (cuya secuencia de aparicin va de
arriba hacia abajo hacia la derecha) : j )
Cul ser el intervalo de
confianza del 95% asociado
al pronstico de las ventas
de termostatos para la
semana No 54 por el semana No. 54 por el
mtodo de Holt? Desarrolle
la tabla correspondiente en
Excel mediante la inicializa-
cin de parmetros por
Regresin
133 Mtro. Ral Castro
Regresin.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La tabla a desarrollar tiene el siguiente formato (con
los valores de Alfa y Beta ya optimizados) :
En este caso tenemos :
( )
2
1
1

2
t
j j
j
S Y Y
t
=
=

134 Mtro. Ral Castro
j
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Y entonces tendramos el siguiente Intervalo al 95% de
Confianza :
135 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Sin embargo, Bowerman y OConnell proponen que la
regresin necesaria para obtener los parmetros
i i i l l id b j t d l d t iniciales slo considere un subconjunto de los datos
iniciales. Por ejemplo, si manejamos la mitad de las
ventas histricas (y optimizando) : (y p )
Hemos
mejorado el valor
del MSE ! del MSE !
136 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
De esta forma, para calcular el intervalo de confianza
correspondiente del 95% tendramos para pronosticar
YY
54
:
( ) ( )
2 1
2
2

1 024684 1 009505 Y S

( ) ( )
2
52 2 0.025
1
1 0.24684 1 0.09505
j
Y z S j
+
=
+ +

donde :
( )
52
2
1
1

27.887
52 2
t t
j
S Y Y
=
= =

1
52 2
j =
( )
52 2 50 52

2 Y L T
+
= +
( )
( )
315.946 2 4.5040 = + 324.954 =
137 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Y entonces la expresin inicial queda simplificada de
la siguiente manera :
( ) ( )
2
2
324.954 1.96 27.887 1 0.24684 1 0.09505 + +
324.954 56.620086
( )
54
268.339,381.5741 Y
Proyecto :
Desarrolle un programa en Excel VBA que le permita
identificar el nmero de datos a considerar en la
regresin para la inicializacin de
parmetros optimizando los valores de Alfa y Beta
138 Mtro. Ral Castro
parmetros, optimizando los valores de Alfa y Beta.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Comentarios finales :
Es posible re-expresar las ecuaciones del Modelo de Es posible re expresar las ecuaciones del Modelo de
Suavizamiento Exponencial de Holt de la forma
siguiente :

( )
1 1 1 1 t t t t t t
L L T Y L T

= + + +

t p t t
Y L pT
+
= +
( )
1 1 1 1 t t t t t t

( )
1 1 1 t t t t t
T T Y L T

= + +

As, podemos ver que las estimaciones del nivel y la
tendencia quedan en trminos del error de pronstico
t l ti t que se comete en el tiempo t.
139 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Modelos de suavizamiento exponencial (Continuacin)
3. Suavizamiento exponencial con tendencia y variacin
En este apartado podemos distinguir dos
p y
estacional : Mtodo de Holt Winters ( de Winters)
g
metodologas principales :
1) Mtodo aditivo de Holt-Winters : Usado para
series de tiempo con variacin estacional constante
(aditiva).
2) Mtodo multiplicativo de Holt Winters : Usado 2) Mtodo multiplicativo de Holt-Winters : Usado
para series de tiempo donde la variacin estacional
es creciente (multiplicativa). ( p )
140 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
1) Mtodo aditivo de Holt-Winters
Bajo este modelo se asume que la serie de tiempo Bajo este modelo se asume que la serie de tiempo
tiene una tendencia lineal con una razn de
crecimiento constante y un patrn estacional
1

SN
t
con una variacin constante (aditiva) :
1

( )
0 1
Y t SN = + + +
( )
0 1 t t t
Y t SN + + +
La funcin de pronstico a utilizar es :

Componente

t p t t t s p
Y L pT S
+ +
= + +
Componente
estacional
Longitud del ciclo de estacionalidad
( Ejemplo : s=4 para datos
141 Mtro. Ral Castro
trimestrales )
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Para el caso anterior se calculan :
( ) ( )( )
1 S
( ) ( )( )
1 1
1
t t t s t t
L Y S L T

= + +
( ) ( )
1 1
1
t t t t
T L L T

= +
( ) ( )
1 1 t t t t
( ) ( )
1
t t t t s
S Y L S

= +
bajo la restriccin de que , y deben ser valores
entre 0 y 1.


Como en el caso del mtodo de Holt es posible Como en el caso del mtodo de Holt, es posible
inicializar los valores de y mediante una re-
gresin de los valores histricos y el tiempo t. Para
0
L
0
T
g y p
el caso de debemos inicializar varios factores es-
tacionales antes de comenzar la tabla. El proceso lo
discutiremos en el siguiente ejemplo
t
S
142 Mtro. Ral Castro
discutiremos en el siguiente ejemplo.
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 13 :
Cierta empresa dedicada a la fabricacin de bicicletas
desea pronosticar las ventas de su modelo TRK- desea pronosticar las ventas de su modelo TRK
50, para lo cual cuenta con datos histricos de sus
ventas por trimestre de los ltimos 4 aos (ver tabla
adjunta). Utilice el Mtodo de Suavizamiento
Exponencial de Holt-Winters para pronosticar los sigs.
4 trimestres 4 trimestres.
143 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En primer lugar obtenemos valores iniciales al correr la
regresin entre el tiempo t y las ventas :
0
20.85 L =
098088 T =
0
0.98088 T =
Dado que la informacin viene en forma q
trimestral, debemos obtener 4 factores estacionales de
manera inicial. Esto se logra comparando los valores
reales de cada trimestre contra las estimaciones que la reales de cada trimestre contra las estimaciones que la
regresin anterior nos arrojara en cada caso.
As definimos :
20.85 0.98088235
t
Y t = +

144 Mtro. Ral Castro

Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Procedemos ahora a calcular :
3
S
: Factor estacional inicial para Primer Trimestre
3
2
S

p
: Factor estacional inicial para Segundo Trimestre
1
S

S
: Factor estacional inicial para Tercer Trimestre
: Factor estacional inicial para Cuarto Trimestre
0
S
: Factor estacional inicial para Cuarto Trimestre
Por ejemplo, para el primer caso tenemos :
( ) ( ) ( ) ( )
1 1 5 5 9 9 13 13
3
4
Y Y Y Y Y Y Y Y
S

+ + +
=

4
1
20.85 0.98088235(1) Y = +

145 Mtro. Ral Castro

1
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Lo anterior es factible debido a que si revisamos el
modelo original sobre el que basamos nuestro desarro-
llo : llo :
( )
0 1 t t t
Y t SN + = +
0
( ) [ ] [ ]
0 1 t t t
E Y t E SN E + = +

0

Promedio de
diferencias

Factor estacional
promedio
Al finalizar los clculos nos quedan :
142162 S 185721 S
3
14.2162 S

=
2
6.5529 S

=
1
18.5721 S

=
0
10.9088 S =
146 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El diseo inicial de la tabla queda de la siguiente
manera :
P d h l l f l
( )
0 1 0 0 0 4 1

1 Y L T S
+ +
= + +
Podemos ahora empezar el proceso con las frmulas
planteadas originalmente. Consideremos para este
ejercicio valores de : , , 0.2 = 0.1 = 0.1 =
147 Mtro. Ral Castro
j , ,
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
As, en esta fase de desarrollo la tabla quedara de la
siguiente manera :
148 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Al resolver con Solver para Alfa, Beta y Gamma la
tabla nos queda :
149 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Por ejemplo, si deseramos pronosticar las ventas para
los prximos 4 trimestres tendramos lo siguiente :
150 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Qu resultados arroja Forecast Pro bajo este ejemplo?
MSE = 0.6818 !
Representacin
Cul es el
p
en nuestro
formato previo :

pronstico para
los prximos 4
trimestres?
151 Mtro. Ral Castro
trimestres?
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Considere que el modelo propuesto quedara como :

Y L pT S = + +
16 16 16 16 4 p p
Y L pT S
+ +
= + +
( ) ( )( )
16 16 16 4 15 15
0.35243 0.64757 L Y S L T

= + +
( ) ( )
16 16 15 15
0.66045 0.33955 T L L T = +
( ) ( )
16 16 16 16 4
0.99995 0.00005 S Y L S = +
( ) ( )
16 16 16 16 4
0.99995 0.00005 S Y L S

+
lo que nos arroja :
Valores
pronosticados
152 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Otra forma equivalente sera de correr el modelo
aditivo de Holt Winters sera :
Qu tan lejos estn nuestros pronsticos iniciales? Q j p
153 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Otra forma equivalente sera de correr el modelo
aditivo de Holt Winters sera :
No difieren mucho
( id d l t (considerando que las ventas
de bicicletas tendrn que ser
manejadas en forma entera) j )
154 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La frmula para calcular un Intervalo de Confianza del
mediante el mtodo aditivo de Holt
Winters es la siguiente :
(1 ')%
Winters es la siguiente :
( ) ( )
2
1

1 1 1
p
Y S j d

+ + +

( ) ( )
/2 ,
1
1 1 1
t p j s
j
Y z S j d

+
=
+ + +

donde :
,
1
0
j s
d

=

Si j es un entero mltiplo de s
En caso contrario 0

En caso contrario
( )
2
1

t
( )
2
1
1

3
j j
j
S Y Y
t
=
=

Y L T S = + +
155 Mtro. Ral Castro
1 1 j j j j s
Y L T S

= + +
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 14 :
Considere nuevamente el ejemplo previo (para la
fabricacin de bicicletas del modelo TRK 50) Elabore fabricacin de bicicletas del modelo TRK-50). Elabore
intervalos del 95% para la venta pronosticada de las
prximas dos trimestres. p
El intervalo de prediccin del 95% para Y
17
es :
( ) ( )
2
1 1
16 1 '/2 ,4

1 1 1
j
Y z S j d

+
+ + +

1 j =
( ) ( )
16
2
1

196 1 Y Y Y

Donde :
( ) ( )
17
1
1
1.96 1
16 3
j j
j
Y Y Y
=

0.5606441 =
0 = =
Donde :
156 Mtro. Ral Castro
0 = =
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El intervalo de prediccin del 95% para Y
18
es :
( ) ( )
2
2 1
16 2 '/2 ,4
1

1 1 1
j
j
Y z S j d

+
+ + +

1 j =
( ) ( )
2

1 1 1 Y S d

( ) ( )
16 2 '/2 1,4
1 1 1 Y z S d

+
+ + +

0 porque 1 no
lti l d 4 es mltiplo de 4
( ) ( ) ( )
16
2 2 1

( ) ( ) ( )
2
18
1
1
1.96 1 1
16 3
j j
j
Y Y Y
=
+ +

157 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
As, al aplicar las expresiones anteriores a nuestra hoja
de clculo previa tendramos : p
158 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Cuando graficamos los siguientes 4 pronsticos
correspondientes a la serie bajo estudio tenemos :
159 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
2) Mtodo multiplicativo de Holt-Winters
Si una serie de tiempo presenta una tendencia Si una serie de tiempo presenta una tendencia
lineal a una tasa de crecimiento constante y un
patrn estacional SN
t
con una variacin que crece
1

en forma multiplicativa, entonces puede ser

descrita por el siguiente modelo :
( )
0 1 t t t
Y t SN IR = +
donde IR representa a un componente irregular donde IR
t
representa a un componente irregular.
Este modelo ha resultado ser apropiado cuando
tanto el nivel como la tasa de crecimiento y el tanto el nivel, como la tasa de crecimiento y el
patrn estacional son cambiantes en vez de
permanecer fijos.
160 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La funcin de pronstico a utilizar es :
( )

donde :
( )
t p t t t s p
Y L pT S
+ +
= +
( )( )
1 1
1
t
t t t
Y
L L T
S


= + +
donde :
Estimado
de Nivel
( )( )
t s
S

de Nivel
( ) ( )
1 T L L T = +
Estimado de
d
( ) ( )
1 1
1
t t t t
T L L T

= +
Tendencia
( )
1
t
Y
S S +
Estimado de
( )
1
t
t t s
t
S S
L


= +
Estacionalidad
161 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 15 :
Las ventas trimestrales de Tiger Sports Drink
durante los ltimos 8 aos se presentan la tabla durante los ltimos 8 aos se presentan la tabla
siguiente. Qu puede observar de la grfica adjunta?
250
100
150
200
}
}
}
}
Comparativamente el
patrn estacional au-
f
0
50
100
0 10 20 30 40
}
}
}
}
menta conforme se
desplaza la Serie de
Tiempo
162 Mtro. Ral Castro
0 10 20 30 40
Tiempo
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Sin duda alguna, la existencia de un crecimiento lineal
en las ventas as como de un crecimiento en el patrn
estacional sugiere utilizar el Modelo Multiplicativo de
Al igual que en el mtodo de Holt-Winters
estacional sugiere utilizar el Modelo Multiplicativo de
Holt-Winters.
Al igual que en el mtodo de Holt Winters
Aditivo, iniciamos el proceso de generacin de la tabla
obteniendo valores iniciales de L
0
y T
0
mediante los
fi i t d i l d t i l d coeficientes de regresin para los datos involucrados
(ya sea con todos o con un subconjunto de ellos con el
fin de minimizar el MSE). Para fines ilustra- fin de minimizar el MSE). Para fines ilustra
tivos, consideremos para este caso los primeros 16
valores. Entonces los coeficientes asociados seran :
0
95.25 L =
24705882 T =
163 Mtro. Ral Castro
0
2.4705882 T =
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Dado que la informacin viene en forma
trimestral, debemos obtener 4 factores estacionales de
manera inicial Esto se logra comparando los valores manera inicial. Esto se logra comparando los valores
reales de cada trimestre contra las estimaciones que la
regresin anterior nos arrojara en cada caso, a manera g j
de cociente
As definimos : 95.25 2.4705882
t
Y t = +

y los factores estacionales :

3 2 1 0
, , , S S S S

A diferencia del modelo aditivo cada ndice estacional
se calcula de forma anloga a lo siguiente
(considerando que la regresin en este ejemplo se
corri para 16 valores) : corri para 16 valores) :
( ) ( ) ( ) ( )
1 1 5 5 9 9 13 13
/ / / / Y Y Y Y Y Y Y Y
S
+ + +
=

164 Mtro. Ral Castro
3
4
S

=
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Nota : A cada cociente se le denomina Valor
sin Tendencia (del ingls Detrended).
/
i i
Y Y

El diseo inicial de la tabla sera de la siguiente forma :

Temporada
Baja
( ) ( )

1 Y L T S = +
165 Mtro. Ral Castro
( ) ( )
0 1 0 0 0 4 1
1 Y L T S
+ +
= +
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Si consideramos valores iniciales de y 0.2 = 0.1 = =
166 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Por lo que al buscar las constantes ptimas del
problema mediante el uso de SOLVER nos queda :
167 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
La frmula para calcular un Intervalo de Confianza de
mediante el mtodo multiplicativo de Holt
Winters es la siguiente :
(1 ')%
Winters es la siguiente :
( )

Y z S C S

( )
'/2 t p r p t s p
Y z S C S
+ +

donde :
1
[ ] ( ) ( ) ( )
1
2 2 2
2
1
1
p
p t t t t
j
C p j L jT L pT

=
= + + + +

t
j j
Y Y

1
3
j
j
r
Y
S
t
=



=

168 Mtro. Ral Castro

Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 16 :
Considere nuevamente el ejemplo previo de las
ventas trimestrales para Tiger Sports Drink Elabore ventas trimestrales para Tiger Sports Drink. Elabore
pronsticos puntuales e intervalos de confianza del
95% para los siguientes 3 trimestres Cul sera el p g
proceso equivalente en Forecast Pro y Minitab?
[ ] ( ) ( ) ( )
1
2 2 2
2
1
p
C p j L jT L pT

= + + + +

( )
2
1 t t
C L T = +
[ ] ( ) ( ) ( )
1
1
p t t t t
j
C p j L jT L pT
=
= + + + +

( ) ( )
2 2
( )
1 t t
[ ] ( ) ( ) ( )
2 2 2
2
2
1 2 1
t t t t
C L T L pT = + + + +
[ ] ( ) ( ) ( )
2 2
2
3
1 3 1 1
t t
C L T = + +
[ ] ( ) ( ) ( )
2 2 2
2
1 3 2 2 3
t t t t
L T L T + + + + +
169 Mtro. Ral Castro
[ ] ( ) ( ) ( )
t t t t

Promedios mviles y mtodos de Promedios mviles y mtodos de

suavizamiento
As, la tabla de resultados quedara de la siguiente
manera :
170 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ahora bien, hemos visto que el MSE obtenido es bajo
(de 5.26 aprox.), pero es lo suficientemente pequeo
l d d l para estar tranquilos de que nuestro modelo es
aceptable para pronosticar?
Para medir la bondad de ajuste del modelo podemos Para medir la bondad de ajuste del modelo podemos
utilizar el Coeficiente de Determinacin R
2
:
%deExplicacin
2
R =
% de Explicacin
del modelo
=1- % de No Explicacin
RSS R id l S f S
1
RSS
TSS
=
Residual Sum of Squares
Total Sum of Squares
( )
( )
2
2

1
i i
Y Y
Y Y

171 Mtro. Ral Castro

( )
i
Y Y

Promedios mviles y mtodos de Promedios mviles y mtodos de

suavizamiento
En el caso concreto que nos ocupa tenemos que
agregar un par de columnas ms para obtener R
2
:
El porcentaje de explicacin de
172 Mtro. Ral Castro
nuestro modelo es del 99.6% !
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Bajo lo anterior ser el modelo usado adecuado para
pronosticar? Slo faltara revisar el correlograma para
l d l los residuales :
No resulta haber ningn problema
173 Mtro. Ral Castro
No resulta haber ningn problema
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Analicemos ahora los datos en Forecast Pro :
Detectado
automticamente! automticamente!
174 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Otra manera de hacerlo sera :
MSE = 4.2518
175 Mtro. Ral Castro
(menor al
nuestro)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El modelo de pronstico quedara como :
( )

Y L pT S + ( )
32 32 32 32 4 p p
Y L pT S
+ +
= +
( ) ( )
32 28

163.53 2.2435
p p
Y p S
+ +
= +
( ) ( )
p p
072635 S
donde :
133304 S
29
0.72635 S =
31
1.33304 S =
30
1.12536 S =
32
0.91774 S =
30
As por ejemplo :
( ) ( )

( ) ( )
33
163.53 (1) 2.2435 (0.72635) Y = +
120.40958 =
176 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Al llevarlo a cabo en Minitab tenemos :
177 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Los pronsticos no se espera que sean tan buenos
debido al MSE calculado por Minitab (cuyos valores
para los factores de Nivel, Tendencia y Estacionalidad
distintos a los nuestros impactan en el resultado)
178 Mtro. Ral Castro
distintos a los nuestros impactan en el resultado)
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Otras variantes de los Mtodos de Suavizamiento
Exponencial
1. Suavizamiento Simple con tasa de respuesta adapta-
tiva
Bajo este modelo el valor de la constante Alfa vara
en cada perodo, adaptndose a posibles cambios en p p p
el patrn de los datos. Al igual que en el caso de
Suavizamiento simple se asume que los datos no
tienen tendencia ni estacionalidad tienen tendencia ni estacionalidad.
El modelo asociado a este caso es :

( )
1

1
t t t t t
Y Y Y
+
= +
V l bi
179 Mtro. Ral Castro
Valor cambiante
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El modelo matemtico completo queda de la
siguiente manera : g
( )
1

1
t t t t t
Y Y Y
+
= +
donde :
ES
t
t
t
ES
ESA
=
( )
1
1
t t t
ES e ES

= +
( )
Error Suavizado
( )
1
1
t t t
ESA e ESA

= +

e Y Y =
Error Suavizado
absoluto
180 Mtro. Ral Castro
t t t
e Y Y =
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En las expresiones anteriores es un valor entre 0 y 1
(el cual est sujeto a cambiar nuevamente en funcin del

( j
Error Cuadrtico Mnimo).
Cabe comentar que en la prctica suele inicializarse de
la siguiente manera :
0 0
0 ES ESA = =
Para comparar efectividad vs. El Mtodo
Simple, apliquemos este algoritmo para los datos del
Ejemplo No. 9. Si dividimos al grupo original de 15
observaciones en 2 grupos : Uno de las primeras 8 y el
otro de las ltimas 7 tenemos : otro de las ltimas 7, tenemos :
1
672.5 X =
2
709.57 X =
181 Mtro. Ral Castro
2
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Lo anterior da lugar a pensar que la media ha cambiado
(a la alza) en las ltimas observaciones. Esto lo podemos ( ) p
verificar con la grfica siguiente :
720
730
740
690
700
710
2
709.57 X =
670
680
690
1
672.5 X =
650
660
0 2 4 6 8 10 12 14 16
1
182 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
As, podemos plantear una tabla inicial (con un valor de
Beta = 0.2) de la siguiente manera : ) g
( )
1

1
t t t t t
Y Y Y = +
t
t
ES
ESA
=
( )
1
1
t t t t t
Y Y Y
+
+
t
t
ESA
( )
1
1
t t t
ES e ES

= +
( ) 1 ESA e ESA +( )
1
1
t t t
ESA e ESA

= +
183 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Al resolver mediante al Solver tenemos :
Menor al MSE previo
de 67.73 en el
Mtodo Simple
184 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
2. Suavizamiento de Holt con Tendencia Disminuda
(Damped Trend)
Este mtodo fue desarrollado por Gardner y
McKenzie con la idea de pronosticar una serie de
( p )
p
tiempo cuya razn de crecimiento (o decrecimiento)
va disminuyendo poco a poco.
Este modelo (que no incluye patrn estacional) es el Este modelo (que no incluye patrn estacional) es el
siguiente (con el factor de disminucin ):
( )
2

p
Y L T T T + + + +

( )
2
...
p
t p t t t t
Y L T T T
+
= + + + +
donde :
0 1
( )( )
1 1
1
t t t t
L Y L T

= + +
( ) ( )
1 T L L T = +
0 1
0 1
0 1
185 Mtro. Ral Castro
( ) ( )
1 1
1
t t t t
T L L T

= +
0 1
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El intervalo de confianza del 95% asociado a la
prediccin bajo este mtodo est dado por la p j p
expresin siguiente :
1
2
p
( ) ( )
2
2
0.025
1

1 1
p
t p j
j
Y z S
+
=
+ +

donde :
( )
2
1

t
S Y Y
( )
1
3
j j
j
S Y Y
t
=
=

2
...
j
j
= + + +
186 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 17 :
La empresa Triton Energy Corporation desea
pronosticar las ventas por accin en base a datos pronosticar las ventas por accin en base a datos
histricos del perodo 1974 1986. Compare los
mtodos de Suavizamiento de Holt Simple vs Holt p
con tendencia disminuda. Considere para este efecto
una regresin inicial con los primeros 7 datos.
3.5
4
4.5
1.5
2
2.5
3
0
0.5
1
0 5 10 15
187 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Bajo el Mtodo de Holt Simple , despus de optimizar
tendramos :
188 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Cuando aplicamos el Mtodo de Holt con tendencia
disminuda tendramos :
M 0 0691 d l Menor que 0.0691 del
mtodo anterior
189 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Veamos ahora la manera de proceder en este caso para
Forecast Pro XE :
190 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
El modelo queda de la siguiente manera :
( )
2
13 13 13 13 13

...
p
p
Y L T T T
+
= + + + +
( )
13 13 13 13 13
...
p

+
40228 L
donde :
097695
13
4.0228 L =
13
0.17247 T =
0.97695 =
0.11669 =
0.97695 =
Por ejemplo :
15 13 2

Y Y
+
=
( )
j p
( )
4.0228 0.97695 0.17247 = +
( )
2
097695 017247 +
191 Mtro. Ral Castro
( )
0.97695 0.17247 +
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
3. Suavizamiento de Holt - Winters con Tendencia
Disminuda (Damped Trend)
Al igual que en los Mtodos Simples de este
rubro, tenemos los enfoques aditivos y
l l
( p )
multiplicativo.
a) Enfoque aditivo :
( )

( )
2

...
p
t p t t t t t s p
Y L T T T S
+ +
= + + + + +
donde :
( ) ( )( )
1 1
1
t t t s t t
L Y S L T

= + +
( ) ( )
1 T L L T
donde :
( ) ( )
1 1
1
t t t t
T L L T

= +
( ) ( )
1
t t t t s
S Y L S

= +
192 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Y la expresin para el intervalo de confianza del 95%
sera:
( ) ( ) ( )
1
2
0.025 ,

1 1 1
p
t p j j s
Y z S d

+

+ + +

donde :
1 j =

( )
2
1

t
( )
1
1
4
j j
j
S Y Y
t
=
=

2
...
j
j
= + + +
1
,
1
0
j s
d

=

Si j es un entero mltiplo de s
En caso contrario
193 Mtro. Ral Castro

Promedios mviles y mtodos de Promedios mviles y mtodos de

suavizamiento
b) Enfoque multiplicativo:
( ) ( )

( ) ( )
2

...
p
t p t t t t t s p
Y L T T T S
+ +
= + + + +
donde : donde :
( )( )
1 1
1
t
t t t
Y
L L T
S


= + +
t s
S

( ) ( )
1 1
1
t t t t
T L L T

= +
( ) ( )
t t t t
( ) 1
t
t t s
Y
S S
L


= + ( )
t
L
194 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Y la expresin para el intervalo de confianza del 95%
sera:
( ) ( )
0.025

t p r p t s p
Y z S C S
+ +

donde :
( ) ( ) ( )
1
2 2 2
p

[ ] ( ) ( ) ( )
2 2 2
2
1
1
p t j t t p t
j
C p j L T L T
=
= + + + +

t
j j
Y Y
Y

2
...
j
j
= + + +
1
3
j
j
r
Y
S
t
=


=

195 Mtro. Ral Castro

Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 18 :
Resuelva los ejemplos No. 13 y No. 15 mediante el
enfoque de suavizamiento disminudo Para efecto de enfoque de suavizamiento disminudo. Para efecto de
comparacin contra los mtodos simples, considere las
mismas regresiones iniciales. Cul mtodo result ser g
mejor en cada caso?
60
250
30
40
50
150
200
250
10
20
30
50
100
0
0 5 10 15 20
0
0 10 20 30 40
Ejemplo 13 Ejemplo 15
196 Mtro. Ral Castro
Ejemplo 13 Ejemplo 15
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En el caso del Ejemplo 13 (Mtodo Aditivo de Holt-
Winters) tendramos (con parmetros ptimos) :
vs. 1.17841 de Holt-
Winters Aditi o Winters Aditivo
Simple
197 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En el caso del Ejemplo 15 (Mtodo Multiplicativo de
Holt-Winters) tendramos (con parmetros ptimos) :
vs. 5.2647 de Holt-
Winters Multiplicati o Winters Multiplicativo
Simple
198 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Ejemplo No. 19 :
Cules seran los pronsticos dados por Forecast Pro
XE para el siguiente ao en cada uno de los casos para XE para el siguiente ao en cada uno de los casos para
el Ejemplo No. 18 (bajo el enfoque de tendencia
disminuda)? Establezca en cada caso los modelos )
implcitos y corrobore sus resultados con los del
Software.
Mtodo
Aditivo
Mtodo
Multiplicativo
199 Mtro. Ral Castro
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En el primer caso tenemos :
13
14.261 S =
14
6.5811 S =
15
19.295 S =
16
11.616 S =
0.99993 =
MSE = 0.6827
( )
2
16 16 16 16 16 16 4

...
p
p p
Y L T T T S
+ +
= + + + + +
( ) ( ) ( ) ( )
2
12
36.619 1.0229 1.0229 ... 1.0229
p
S = + + + + +
200 Mtro. Ral Castro
( ) ( ) ( ) ( )
12
36.619 1.0229 1.0229 ... 1.0229
p
S
+
+ + + + +
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Para verificar los resultados anteriores planteamos :
( ) ( )
17

36.619 0.99993 1.0229 14.261 Y = + ( ) ( )

17
36.6 9 0.99993 .0 9 . 6
23.3808 =
(

( ) (
18

36.619 0.99993 1.0229 Y = +

( )
)
2
0.99993 1.0229 6.5811 45.2456 + + = ( )
)
0.99993 1.0229 6.5811 45.2456 + +
( ) ( ( )
2
19

36.619 0.99993 1.0229 0.99993 1.0229 Y = + +

)
( )
)
3
0.99993 1.0229 19.295 59.982 + + =
( ) ( ( )
2

36619 099993 10229 099993 10229 Y = + + ( ) ( ( )

19
36.619 0.99993 1.0229 0.99993 1.0229 Y = + +
( ) ( )
)
3 4
0.99993 1.0229 0.99993 1.0229 11.616 + +
201 Mtro. Ral Castro
29.0939 =
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
En el segundo caso tenemos :
13
0.72647 S =
112515 S
14
1.12515 S =
15
1.33328 S =
091759 S
16
0.91759 S =
1 =
( ) ( )
2
16 16 16 16 16 16 4

...
p
p p
Y L T T T S
+ +
= + + + +
( ) ( ) ( ) ( )

16355 22437 22437

p
Y S = + + +
202 Mtro. Ral Castro
( ) ( ) ( ) ( ) 16 12
163.55 2.2437 ... 2.2437
p p
Y S
+ +
= + + +
Promedios mviles y mtodos de Promedios mviles y mtodos de
suavizamiento
Para verificar los resultados anteriores planteamos :
( ) ( )( )
17

163.55 1 2.2437 0.72647 Y = + 120.444 =

( ) ( )( )
17
( ) ( )
( )
( )
2
18

163.55 1 2.2437 1 2.2437 1.12515 Y = + +

( )
189.067 =
( ) ( )
(
2

( ) ( )
(
2
19

163.55 1 2.2437 1 2.2437 Y = + +

( )
)
( )
3
1 22437 133328 227032 + = ( )
)
( ) 1 2.2437 1.33328 227.032 + =
( ) ( )
(
2
20

163.55 1 2.2437 1 2.2437 Y = + +

(
( ) ( )
)
( )
3 4
1 2.2437 1 2.2437 0.91759 + +
158307
203 Mtro. Ral Castro
158.307 =