Suavizacin exponencial

Este mtodo contiene un mecanismo de autocorreccin que ajusta los pronsticos en direccin opuesta a los errores pasados. Es un caso particular de promedios mviles ponderados de los valores actuales y anteriores en el cual las ponderaciones disminuyen exponencialmente. Se emplea tanto para suavizar como para realizar pronsticos. Se emplea la siguiente frmula:

Cuando exista menos dispersin en los datos reales respecto a los datos pronosticados entonces ser ms confiable el mtodo empleado. Para saber cuan preciso es el mtodo empleado en la realizacin del pronstico se utiliza la siguiente frmula del cuadrado medio del error (CME) como indicador de precisin del pronstico:

Siendo n el nmero de errores Ejemplo ilustrativo: Con los siguientes datos acerca de la ventas en miles de dlares de la Empresa D & M durante los ltimos 12 meses: Meses Sep. Oct. Nov. Dic. Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Ventas 6 7 6 12 7 10 6 4 9 7 8 6 1) Suavizar los datos empleando el mtodo de suavizacin exponencial con a = 0,5. Pronosticar las ventas para el mes de septiembre. Calcular el cuadrado medio del error. Elaborar un grfico en el que consten las ventas y los pronsticos.

2) Suavizar los datos empleando el mtodo de los promedios mviles de orden 3. Pronosticar las ventas para mes de septiembre. Calcular el cuadrado medio del error. Elaborar un grfico en el que consten las ventas y los promedios mviles. 3) Qu mtodo es el ms preciso? Solucin: 1) Realizando los clculos se suavizamiento se obtienen los resultados respectivos de pronstico, los cuales se presentan en la siguiente tabla:

Observando la tabla anterior se tiene que el pronstico de ventas para el mes de septiembre es de 6,798, o para cualquier perodo futuro, ya que los datos no presentan una tendencia sino que se supone que varan o fluctan a largo plazo alrededor de este valor promedio. Calculando el cuadrado medio del error se obtienen los siguientes resultados, los cuales se presentan en la siguiente tabla:

Aplicando la frmula se obtiene el cuadrado medio del error:

La grfica de las ventas y los pronsticos con el mtodo de suavizacin exponencial se muestra en la siguiente figura:

Mtodos de Suavizacin Exponencial

Existen dos maneras generales comnmente utilizadas de suavizar series de tiempo. La primera es a travs de los mtodos o tcnicas conocidas como de

promedios mviles y la segunda por medio de las tcnicas llamadas de suavizacin exponencial. Dentro de las de promedios mviles podemos mencionar las que siguen: El Promedio Simple, El Promedio Mvil Simple, y El Promedio Mvil Doble. El promedio simple se usa ms comnmente para fines didcticos que para anlisis reales, pero podra ser utilizado en el caso de que tengamos series de tiempo estacionarias, es decir que el valor promedio de los valores observados en la serie de tiempo en cuestin se mantenga estable, o dicho de otra forma, no cambie con el transcurrir del tiempo. Estos casos son poco comunes y en tal situacin, debido a su naturaleza, no tiene mucho sentido utilizar alguna tcnica o mtodo sofisticada para estimar un pronstico. Dentro de las tcnicas de suavizacin exponencial hay una gran variedad pero entre ellas mencionaremos unas de las ms utilizadas que son las que siguen: Suavizacin Exponencial Simple, Suavizacin Exponencial Doble (Mtodo de Brown), Suavizacin Exponencial Ajustada a la tendencia (Mtodo de Holt), Suavizacin Exponencial Simple de Respuesta Adaptativa, Suavizacin Exponencial Cuadrtica (Mtodo de Brown), y la Suavizacin Exponencial Triple o de Tres parmetros de Winter. Ms adelante abundaremos ms sobre los mtodos o tcnicas de estas dos vertientes o enfoques para suavizar o atenuar series de tiempo, y la obtencin de un valor estimado o pronosticado basado en esa atenuacin.