TCNICAS DE PREDICCIN

El objetivo de las tcnicas de prediccin no causal (TPNC) es obtener estimaciones o pronsticos de valores
futuros de una serie temporal a partir de la informacin histrica contenida en la serie observada hasta el
momento actual. Estas tcnicas no requieren la especificacin de los factores que determinan el
comportamiento de la variable, sino que se basan nicamente en la modelizacin del comportamiento
sistemtico de la serie. Se consideran tres modelos posibles del comportamiento sistemtico de una serie
temporal: modelo estacionario (sin tendencia), modelo con tendencia lineal y modelo con estacionalidad.
La tcnica de prediccin adecuada depender del modelo de comportamiento de la serie.

Las hiptesis en que se basan las TPNC son, en primer lugar, la estabilidad de la forma del comportamiento
sistemtico de la serie y, en segundo lugar, que el valor de la variable observado en cualquier perodo t es
el resultado del comportamiento sistemtico y de una perturbacin aleatoria.

ALISADO EXPONENCIAL SIMPLE

Cuando la serie presenta un comportamiento estacionario, es decir, no tiene tendencia y puede ser
modelizada como Xt=a+ut(donde ut es un trmino de perturbacin aleatorio, con valor esperado cero y
varianza constante para todo t, e independiente de Xtpara todo t) el mtodo de prediccin adecuado es el
alisado exponencial simple (AES). Este mtodo estima para cada perodo T el parmetro a como suma
ponderada de todas las observaciones anteriores, dando mayor importancia a las observaciones ms
recientes que a las ms antiguas. La expresin de clculo es:

es la estimacin de a obtenida en el perodo T-1 y es la

constante de alisado que toma valores entre 0 y 1.

Como se observa, el AES actualiza perodo a perodo las estimaciones de a incorporando la nueva
informacin.

La eleccin de la constante de alisado determina las caractersticas operativas del AES, ya que la rapidez
con que se adaptan las predicciones a los posibles cambios experimentados por el valor de a depende
de . Si es grande (prximo a 1) el AES se adapta rpidamente a los cambios experimentados en el
valor de a y, en consecuencia, deber escogerse un valor grande de cuando a es poco estable. Por el
contrario, si la serie es muy estable, el valor de deber ser pequeo para conseguir eliminar al mximo
las fluctuaciones aleatorias debidas al trmino de perturbacin y conseguir un mejor alisado.

La prediccin del valor de Xt para los perodos T+1,T+2,... realizada al finalizar el perodo actual T es:

Para obtener predicciones mediante el AES la secuencia es:

Analizar

Series Temporales

Suavizado exponencial
En el cuadro de dilogo Suavizado exponencial est activado por defecto el mtodo AES que corresponde
al Modelo: Simple. Se indica la serie que se quiere predecir en la ventana Variables. Con el
botn Parmetros se abre el siguiente cuadro de dilogo en el que se puede modificar la eleccin del valor
de la constante de alisado:

Por defecto est activada para Alfa la opcin Valor: 0,1. Con la opcin Bsqueda en rejilla se puede fijar
un intervalo de valores entre los que el sistema seleccionar el valor de que proporcione menor suma
de cuadrados de los errores de estimacin (SSE). La bsqueda puede afinarse tanto como se quiera
modificando en la casilla Por el valor de incremento. Si se mantiene seleccionada la opcin Mostrar slo
los 10 mejores modelos de la bsqueda en rejilla se muestran slo en el visor de resultados los valores de
los parmetos y las SSE para los 10 valores de con menor error de estimacin. En caso contrario,
aparecen todos los modelos probados.

El valor inicial del alisado, por defecto, lo calcula el sistema automticamente a partir de la serie observada.
Con la opcin Valores iniciales: Personalizado se puede fijar el valor de inicio que se desee.

El botn Guardar, del cuadro de dilogo Suavizado Exponencial, permite modificar las opciones
relacionadas con la creacin de nuevas variables y con la prediccin:

Con respecto a la creacin de nuevas variables con los resultados del alisado, la opcin activada por
defecto es Aadir al archivo con la que se aaden a la base de datos activa la serie alisada y los errores
de prediccin. La opcin Sustituir las existentes guarda slo las variables del ltimo procedimiento
sustituyndolas si en el archivo activo ya existan. Por ltimo, la opcin No crear indica que no se desea
guardar ninguna variable de resultados.
Con respecto a las predicciones, en Pronosticar casos, por defecto, est activada la opcin Desde el perodo
de estimacin hasta el ltimo caso que proporciona los valores alisados (St) nicamente para los perodos
observados. La opcin Pronosticar hasta permite generar predicciones para valores futuros de la variable
hasta el perodo indicado en Observacin.

MTODO DE HOLT

Cuando la serie presenta tendencia lineal, creciente o decreciente, y puede ser modelizada como xt = a
+ bt + ut (donde ut es un trmino de perturbacin aleatorio) un mtodo de prediccin adecuado es el
propuesto por Holt. Este mtodo se basa en dos ecuaciones de alisado:

La primera de las ecuaciones proporciona una estimacin del nivel de la serie en el perodo T y la segunda
permite obtener una estimacin de la pendiente de la recta de tendencia para el perodo T.

Las constantes de alisado y toman valores comprendidos entre 0 y 1. Cuanto menores sean estas
constantes ms alisada ser la serie de predicciones.

La prediccin para los perodos futuros T+1, ....T+k obtenida en el perodo T es:

La secuencia para aplicar el mtodo de Holt es:

Analizar

Series Temporales

Suavizado exponencial

En el cuadro de dilogo se selecciona la variable y se activa la opcin Holt. Con el botn Parmetros se
accede al cuadro de dilogo que permite modificar las constantes de alisado y personalizar los valores
iniciales tal y como se ha visto en el epgrafe anterior.

Para obtener predicciones para perodos futuros se activa el botn Guardar y se procede de la misma
forma que en el caso del AES.
MTODO DE WINTERS

Una serie con tendencia lineal y patrn estacional multiplicativo puede modelizarse
como: Xt=(a+bt) ct+ut donde ct es el ndice estacional correspondiente al perodo t. Las estimaciones
de aT, bT y cT vienen dadas por:

donde S es la periodicidad de la serie.

Las constantes de alisado , y deben satisfacer nicamente la condicin de tomar valores

comprendidos entre 0 y 1.

La prediccin para los perodos futuros T+1, ..., T+k obtenida en el perodo T es:

Para que el mtodo de Winters est disponible en el sistema, es imprescindible haber creado previamente
una variable fecha con la secuencia Datos > Definir fecha.

La secuencia para aplicar el mtodo de Winters es:

Analizar

Series Temporales

Suavizado exponencial

En el cuadro de dilogo se selecciona la variable y se activa la opcin Winters. Con el botn Parmetros se
accede al cuadro de dilogo que permite fijar valores a las constantes de alisado y personalizar los valores
iniciales.

Las predicciones para perodos futuros se obtienen activando el botn Guardar indicando en el cuadro de
dilogo correspondiente el ao y el perodo estacional hasta el que se desea obtener predicciones.

EJEMPLO

Pronostique el nmero de visitantes que entrarn en Espaa el prximo ao aplicando el mtodo de

prediccin no causal adecuado a la variable Viajes del archivo Turivia.sav.

Dado que la serie presenta componente estacional, para poder aplicar el mtodo de alisado de Winters,
en primer lugar, es preciso definir la variable fecha con la secuencia Datos > Definir fecha.

Con la secuencia Analizar > Series > Suavizado exponencial se accede al cuadro de dilogo Suavizado
exponencial donde se selecciona la variable Viajes y se indica el modelo de prediccin: Winters.

Para determinar las constantes de alisado que minimizan la suma de errores de estimacin al cuadrado es
preciso activar el botn Parmetros. Con la opcin Busqueda en rejilla se puede especificar un intervalo
de valores para cada una de las constantes de alisado, Alfa, Gama y Delta, entre los cuales el sistema
determinar aquellos que optimicen la prediccin. En este caso se mantienen los valores de las constantes
de alisado que el sistema proporciona por defecto.
Se eligen como valores iniciales del alisado los que el sistema proporciona automticamente.

Para generar los pronsticos del nmero de visitantes en el prximo ao hay que activar el botn Guardar y
seleccionar la opcin Pronosticar hasta e indicar en Ao: 2000 y en Mes: 12.

Los resultados que se obtiene son:

Los coeficientes estacionales que el mtodo Winters utiliza para inicializar el alisado son los que se obtienen
aplicando el mtodo de descomposicin estacional establecido por defecto en el sistema.