Documente Academic
Documente Profesional
Documente Cultură
ACTIVIDAD:
Antes de iniciar el siguiente método detengámonos practicando los métodos de Brown y de Holt, para
eso necesitamos el archivo de Excel que está en el BLOG.
Otra forma útil de suavizamiento la desarrolló Winters a principios de la década de 1960. Este
método genera resultados semejantes a los del suavizamiento exponencial ajustado a la
tendencia, pero tiene la ventaja extra de ser capaz de manejar datos estacionales junto con
datos que tengan una tendencia. El método de Winters se basa en tres ecuaciones, cada una
de las cuales suaviza un factor asociado a cada uno de los tres componentes del patrón
(aleatoriedad, tendencia y estacionalidad). En este aspecto es semejante al suavizamiento
exponencial con tendencia, el cual suaviza lo aleatorio y ajusta lo tendencial. Sin embargo, el
método de Winters incluye un parámetro adicional para manejar la estacionalidad, esta
estimación está dada por un índice estacional y se calcula con la ecuación (c), la cual muestra
que la estimación del índice estacional (Yt/At) se multiplica por, se suma después a la
estimación estacional anterior (St-L), multiplicada por (1-). La razónYtse divide entreAtpara
expresar el valor en forma de índice en vez de hacerlo en términos absolutos, de modo que
pueda promediarse con el índice estacional suavizado al periodot-L.
Yt (1 )( At1
At Tt 1 )
St L ........... (a)
Pronóstico
s II
Ajusta la estacionalidad,
elimina efectos
estacionales que
pudieran existir en el valor
original Yt
2. la estimación de la tendencia
3. La estimación de la estacionalidad
Yt
St (1 )S t L
At .......... (c)
En donde:
At = nuevo valor suavizado
= constante de atenuación de los datos (0≤ α ≤1)
Yt = nueva observación o valor real de la serie, en el periodot
= constante de atenuación de la estimación de la tendencia (0≤ β ≤ 1)
Tt = Estimación de la tendencia
= constante de atenuación de la estimación de la estacionalidad (0≤ ≤ 1)
St = estimación de la estacionalidad
p = periodos a pronosticar en el futuro
L = duración de la estacionalidad(por ejemplo, número de meses
o trimestres en un año)
Ft+p = pronóstico de p periodos en el futuro
La ecuación (a) actualiza la serie suavizada. Una pequeña diferencia de esta ecuación la
distingue de la correspondiente At Yt (1 )( At 1 Tt 1 ) en el modelo de Holt. En la
ecuación (a), Yt se divide St-L, lo cual ajusta Yt a la estacionalidad, eliminando así los efectos
estacionales que pudieran existir en el dato original Yt.
La ecuación de Tt suaviza la tendencia pues pondera dicha tendencia incremental (At-At-1) con
y el valor tendencial previo Tt-1con (1-).Esto se hace exactamente de la misma forma que
en el suavizamiento con tendencia. En la ecuación (a) del valor suavizado de At, el primer
término se divide entre el factor estacional Tt-L. Esto se hace para desestacionalizar (eliminar
las fluctuaciones estacionales) Yt. Este ajuste se puede ejemplificar al considerar el caso
cuando Tt-L es mayor que 1, lo que ocurre cuando el valor de S en el periodo t-L es mayor que
el promedio de su estacionalidad. Al dividir Yt entre St-L se tiene un valor que es menor que el
valor original por un por ciento precisamente igual a la cantidad en que la estacionalidad del
periodo t-L era mayor que el promedio. El ajuste opuesto ocurre cuando el factor de
estacionalidad es menor que 1. El valor St-L se utiliza en estos cálculos porque St no se puede
calcular hasta que se conoce At
Yˆt p ( At pTt )S t L p
Pronóstico
s II
Uno de los problemas que acompañan el uso del método de Winters consiste en determinar
los valores de , y que minimizarán el error medio cuadrado (EMC) o la desviación absoluta
media (DAM). El enfoque para realizar esto es el de ensayo y error.
Año Trim. t Yt
1 1 3017.6
2 2 3043.5
88
3 3 2094.4
4 4 2809.8
1 5 3274.8
2 6 3163.3
89
3 7 2114.3
4 8 3024.6
1 9 3327.5
2 10 3493.5
90
3 11 2439.9
4 12 3490.8
1 13 3685.1
2 14 3661.2
91
3 15 2378.4
4 16 3459.6
Solución: Respecto a los valores iniciales: El valor inicial suavizado, al igual que Holt, se puede
tomar el primer valor de la serie real. El valor inicial de la tendencia se considera igual
a cero. Las estimaciones de estacionalidad se pueden calcular para datos anteriores
mediante la descomposición de la serie de tiempo, o en su defecto considerarla igual
a 1.
= 0.19 A1 = 3017.60
= 0.12 T1= 0
= 0.9 S1 = 1
Pronóstico
s II
Y2 2
A 0.19 (1 0.19)( A1 T1 )
1.0
A2
2. La estimación de la tendencia
Tt ( At At 1 ) (1 )Tt 1
T2 0.12( A2 A1 ) (1 0.12)T1
T2
3. La estimación de la estacionalidad
Y
St t (1 )S t L
At
Y2
S 0.9 (1 0.9)1.0
2
A2
S2
4. El pronóstico de p periodos en el futuro
Yˆt p ( At pTt )St L p
Norma Hernández
Hernández
4
0