Captulo 5

Los pronsticos estacionales

5.1 Introduccin
Las predicciones estacionales son necesarios cuando las demandas de ms
de un ao tienen un flujo cclico tales como el aumento de la ropa ligera
durante el verano; ropa pesada durante la inviernos, tiles escolares en
finales de los veranos; anticongelante durante el invierno; pelotas de golf en
los veranos; tabletas de fro en los inviernos; y gafas de sol en los veranos.
Se describen dos modelos de pronstico: el modelo de pronstico
multiplicativo de suavizado de temporada, y el modelo de pronstico aditivo
suavizado de temporada. Tal vez el ms comn aplicacin del modelo es
cuando las demandas estn cubriendo mensual de 12 meses en una ao. El
modelo estacional multiplicativo se describe en detalle con datos de
ejemplo. Los modelo tiene dos etapas: la primera consiste en inicializar los
pronsticos utilizando las exigencias de historia N ms actuales, y en
segundo lugar es para revisar las previsiones, ya que cada nueva demanda
mensual se vuelve disponible. El modelo incluye un componente de
tendencia y doce coeficientes de temporada para cada mes del ao. El
componente de tendencia podra ser plana, ascendente o descendente, y
las relaciones de temporada podran variar para cada mes del ao indica un
aumento o disminucin de la demanda de la meses en relacin con la
tendencia. El modelo requiere tres parmetros de suavizado que asignan un
mayor peso a las demandas ms recientes en la historia. De esta manera,
las proyecciones pueden reaccionar fcilmente a cualquier cambio en la
demanda flujo de los elementos de previsin. Por razones de brevedad, se
presenta una discusin abreviada del modelo aditivo estacional.
5.2 estacional multiplicativo Modelo
El modelo estacional multiplicativo (exponencialmente) suavizado se aplica
cuando las demandas siguen un patrn cclico de ao en ao, al igual que el
aumento en la venta de bao trajes durante los meses de verano. Este flujo
de demanda se llama un patrn de demanda estacional y combina los
componentes estacionales y de tendencia. El modelo de pronstico para el
futuro mes -sima, a partir del mes t, es el siguiente:
f ( ) (a b )r(t ) 1, 2,

donde: t es el mes en curso, a es el nivel del mes en curso, b es la

pendiente,
y R (+ t) es la proporcin de temporada para el mes futuro -sima. La
tendencia subyacente de
el patrn estacional se mide por (a + bt). Las proporciones de temporada
especifican cmo el
demanda esperada para el mes variar con respecto a la tendencia. En
total, hay

son las 12 escalas separadas de temporada, R (1), ..., r (12), una para cada
mes del ao y
repiten ao tras ao. Las proporciones de temporada tienen un promedio de
todos y cada uno son
mayor que cero. Cuando r (t) = 1,00, la demanda esperada de mes t es el
mismo que
la tendencia; cuando r (t)> 1, la demanda esperada de mes t es mayor que
la tendencia;
y cuando r (t) <1, la demanda esperada est por debajo de la tendencia.
El modelo se ejecuta en dos etapas: inicializar y revisar. Se necesita la etapa
de inicializacin para estimar los 14 coeficientes del modelo (a, b, r (1), ..., r
(12)). La etapa de revisar
se utiliza para actualizar los coeficientes del modelo cada mes cuando una
nueva entrada en la demanda
se vuelve disponible.

Pronstico inicializar Etapa inicializar La etapa se describe suponiendo 24

meses de
demandas de historia estn disponibles. Las demandas han sido etiquetados
como x (1), ..., x (24) donde
x (1) es el ms antiguo de la demanda, y X (24) los ms actuales.
El modelo de temporada tambin requiere tres parmetros, (, , gamma),
todas en el rango de
cero a uno, y por lo general, todos estn cerca de 0,10. El parmetro se
utiliza para suavizar
la estimacin del nivel, para suavizar la pendiente, y gamma para suavizar
las relaciones de temporada.
A continuacin se muestra un resumen de los diez pasos en la fase de
inicializacin.
1. X1 es el promedio de los primeros 12 demandas de historia.
2. X2 es el promedio de los ltimos 12 demandas de historia.
3. b` (0) es la estimacin de la pendiente en t = 0.
4. a` (0) es la estimacin del nivel en t = 0.
5. a` (t) es la estimacin del nivel en el mes t para t = 1 a 24.
6. R` (t) es una medida de la proporcin de temporada en t = 1-24.
7. r (t) es una estimacin promedio de la proporcin de temporada en t = 1
a 12.

8. Sea a (0) = a` (0) y B (0) = b` (0).

9. estimaciones suavizadas de a (t), b (t) y R (t) se derivan un mes a la hora
de inicio
con el mes t = 1 y continuando hasta t = 24.
10. En t = 24, la previsin inicial para la futura mes es: f () = [a (24) + b
(24) ] R (24 + ).
En una forma matemtica ms detallada, los diez pasos para inicializar la
temporada
modelo enumerado anteriormente son a continuacin:

hacer lo siguiente para

Debido a t = 24 es el mes de la historia final, las previsiones para el futuro

mes -sima, como
de t = 24, se calcula de la siguiente manera:
Es importante sincronizar las 12 relaciones de temporada nicas a los
meses siguientes
el ltimo mes sobre, t = 24. Por ejemplo, si mes t = 24 es de marzo, a
continuacin, organizar
para la relacin temporal de los meses posteriores a comenzar con abril, y
as sucesivamente.
Ejemplo 5.1 Supongamos que un sistema en el que los 24 meses de historial
de la demanda son aquellos
enumerados en la Tabla 5.1 en la columna, x (t). En el ejemplo, los
parmetros de suavizado son
( = 0,10, = 0,10 y = 0,10). El siguiente es un resumen de los nueve
initialize
pasos.
f () [a (24) b (24)] r (24) 1, 2, = + + = ...

se calcula para

es el promedio de meses t y t + 12 para t = 1 a 12

el suavizado para

es la siguiente

Tabla 5.1
Inicializar hoja de clculo para el modelo de suavizado de temporada, con la
historia mes t, historial de la demanda x (t), el nivel de un '(t), la relacin de
temporada r' (t), la relacin de temporada r (t), el nivel de a (t), pendiente b
( t), la relacin temporal r (t 12), f ajuste (t), y residual de error e (t)

Higo. 5.1 Parcela de 24 meses de historial de la demanda, x (t), y el

correspondiente nivel, a (t)

Las previsiones iniciales de la fase de inicializacin se ha completado, y la

previsin inicial como de mes t = 24 para el futuro mes -sima es la
siguiente:

Tenga en cuenta, las relaciones de temporada, en t = 24, para los prximos

meses se enumeran en la columna 8 bajo
r (t + 12). As que para el primer mes futuro, la proporcin es de temporada
para el mes t = (24 + 1) = 25,

y esto se encuentra en la fila cuando t = 13 y la relacin de temporada es r

(13 + 12) = 0,60.
De una manera similar, todas las relaciones de temporada para los meses
futuros se obtienen. Las previsiones para los tres primeros meses futuros se
enumeran a continuacin:

Desestacionalizado media Figura 5.1 representa el flujo de la historia de la

demanda,
x (t), y las estimaciones del nivel asociado, a (t), para cada uno de los
meses t = 1 a
24. Recordemos, el nivel calcula la media ajustada por estacionalidad para
el mes. los
figura muestra donde el nivel est aumentando ligeramente cada mes.
Valores ajustados los valores ajustados tambin se enumeran en la Tabla 5.1
para cada una de las
meses de historia, t = 1 a 24. El ajuste se denota como f (t) y se calcula,
f (t) = a (t) x r (t). Por ejemplo, en t = 10, a (10) = 23.935 y r (10) = 0.915,
por lo tanto,
f (10) = 23.935 x 0.915 = 20.986. Por razones de brevedad, la tabla slo
enumera dos decimales en el
columnas, mientras que los clculos se basan en los valores fraccionarios
mayores. Figura 5.2 es un grfico que muestra la relacin entre la historia
de la demanda, x (t), y el
asociada valor ajustado, f (t), por cada mes en la historia.
Los errores residuales de los errores residuales, e (t), tambin se enumeran
en la Tabla 5.1 para cada una de las
meses de historia, t = 1 a 24. Estos se calculan
e(t) = x(t) f(t).

Higo. 5,2 Parcela de 24 meses de la historia de la demanda, x (t), y el

correspondiente ajuste, f (t)

Higo. Parcela de 5,3 absoluta residual de error, e, y en forma

`e lo largo de 24 meses de historial
En el mes t = 10, por ejemplo, x (10) = 21, f (10) = 20.98, andthereby
correo (10) = (21-20.98) = 0,02.
En general, los valores absolutos de los errores residuales tendern a fluir
superior y
inferior en una relacin directa con las relaciones de temporada. Cuanto
menor sea la proporcin de temporada para
un mes, el ms pequeo de los valores absolutos tienden a ser, y as
sucesivamente. En la Tabla 5.1, la

promedio del valor absoluto mensual es e = 3 83.. Figura 5.3 representa el

flujo de
los valores absolutos, | E | para cada uno de los meses de historia. La tabla
tambin muestra una pseudo
manera de generar un valor ajustado del valor absoluto, denotado como e `.
Los valores ajustados
se calculan de la siguiente manera:

Nota en t = 10, r (10) = 0.91, y por lo tanto,

Figura 5.3 representa el flujo de los valores de error empotrados para cada
uno de los 24 historia
meses. El flujo de muestra donde los valores absolutos de los errores
residuales parecen
suben y bajan en la misma direccin que los valores ajustados. La oscilacin
es tambin de la misma
direccin que las proporciones de temporada.
5.3 Las previsiones revisadas
Desviacin estndar de una estimacin de la desviacin estndar de los
errores de prediccin es calcula como se muestra a continuacin, donde s
(t) 2 es la desviacin estndar al cuadrado en mes t.

La estimacin de la desviacin estndar para el artculo es el ltimo, s (t) 2,

calculada
en t = N, es decir,

En el ejemplo,

Suponiendo que la relacin de pseudo equipada situada ms arriba con los

errores residuales absolutos,
la siguiente regla general se puede aplicar con respecto a la estimacin de
la desviacin estndar del error de pronstico para cada mes. Este es el
siguiente:

donde s (R) es la desviacin estndar de un mes, t, con la relacin de

temporada establecer como
r = r (t).
Por ejemplo, s = 5,55, y en el mes t = 10, r (10) = 0,91, por lo tanto,

5.3 Las previsiones revisadas

Despus de completar la etapa inicial, los pronsticos se revisan cada mes
cuando una nueva
entrada de la demanda est disponible. La revisin utiliza suavizado, con los
mismos parmetros, (, , gamma), como en la etapa de inicializacin. A
medida que cada mes t pasa, y una nueva
la demanda de entrada, x (t), vuelve a estar disponible, los tres coeficientes
del modelo se modifican como
abajo:

Y como antes, la previsin en el mes t para el futuro mes es el siguiente:

Ejemplo 5.2 Continuando con el ejemplo 5.1, supongamos que la demanda

en el mes t = 25 es
x (25) = 15. As que ahora los coeficientes revisados se calculan de la
siguiente manera:

El mes por delante de las previsiones como el mes t = 25, se convierte

Etctera.
5.4 Inicializar con 12 meses de historial de la demanda
Cuando 12 meses de historial de la demanda estn disponibles, [x (1), ..., x
(12)], la estacional
modelo multiplicativo se puede inicializar como se describe a continuacin:
X1 = + [(x 1) (! + = X 12)] / 12 demanda media de 1 ao
a` estimacin (12) X1 del nivel en el mes t 12 = = =
b` (12) 0.0 estimacin de la pendiente en el mes t 12 = = =
r t () + = 12 x (t) / X1 para t = = 1 a 12 estimacin de los coeficientes
estacionales durante 12 meses