Mtodo de Holt Winters, aplicado al pronstico de la serie de tiempo remuneracin por la

fabricacin de calzado


Alfonso Gutirrez Lugo
1
, Luis Ernesto Mancilla Espinoza
2
, Hugo Alfonso Gutirrez Contreras
3
,
Marco Antonio Gutirrez Contreras
1
.

1
Ingeniera Industrial, Instituto Tecnolgico Superior de Lagos de Moreno,
Libramiento Tecnolgico No. 5000, 47480 Jalisco, Mxico alfonso.gtz.
lugo@ gma il.co m
marcoantonio gutierre zco ntrera s@ho tma il.co m
http://www.teclagos.edu.mx/
2
Divisin de Estudios de Posgrado e Investigacin, Instituto Tecnolgico de Len,
Av. Tecnolgico S/N, 37290 Guanajuato, Mxico
lmanc illa01@ho tma il.co m
http://posgrado.itleon.edu.mx/
3
Ciencias de la Educacin (Matemticas), Complejo Educativo Hispanoamericano
Felipe B. Martnez Chapa S/N, 37120 Guanajuato, Mxico
hugogtzco n@gma il.co m
http://www.hispanoamericano.edu.mx/



Resumen
La necesidad de tener una base cuantitativa e iniciar la planeacin del prximo periodo ,
en cualquier organizacin, permite continuar la direccin hacia una visin o misin, para lograr el
clculo adecuado se tiene la opcin de diferentes mtodos, el bsico es una serie de tiempo o un
mtodo causal; al tomar como base una serie de tiempo, el ms sencillo es el de nivel, siempre se
tiene una cantidad fija y alrededor de ella se obtienen los pronsticos posibles, dentro de un rango
de acuerdo a una funcin de densidad de probabilidad. Otro mtodo, toma en cuenta la tendencia
de crecimiento o decrecimiento, de una recta que minimiza las diferencias con respecto a la serie
ya conocida. Despus se consideran los mtodos que toman en consideracin la tendencia y las
cantidades estacionales, en periodos o lapsos de tiempo bien definidos. En stos se encuentra el
mtodo de Holt Winters[1]. El mtodo se aplica a una serie de tiempo de la remuneracin por la
fabricacin del calzado (la serie de tiempo se obtuvo por medio de la Encuesta Mensual de la
Industria Manufacturera, en el ciclo de Enero- a Julio- ). Adems se comparan los
pronsticos de los ltimos 19 periodos mensuales; con el error absoluto promedio, el error
porcentual promedio y el error cuadrtico medio, para obtener un conocimiento de la precisin
del mtodo de Holt Winters. El objetivo es comparar los resultados obtenidos con otros mtodos
de tendencia, se relata el proceso del mtodo de Holt, se obtienen los errores del mtodo de Holt
y se toman los mismos errores de los mtodos de tendencia; regresin lineal, promedios mviles,
alisado exponencial simple, exponencial doble de Brown y serie difusa [2,3,5], ya
experimentados por el mismo equipo, con los mismos datos en otras publicaciones[2],.
1. INTRODUCCIN
En este trabajo se usa el Mtodo de Holt Winters considerando la tendencia y
estacionalidad, para realizar el pronstico de la remuneracin por la fabricacin del calzado (la
serie de tiempo se obtuvo por medio de la Encuesta Mensual de la Industria Manufacturera, en el
ciclo de Enero- a Julio- )[4]. Las series de tiempo son la base para realizar el anlisis
del patrn de los datos, la grfica es un auxiliar para conocer el comportamiento aproximado de
los datos, para identificar; tendencia, estacionalidad, ciclo y aleatoriedad[1]. Cuantos ms
factores anteriores se observen en una serie de tiempo, el pronstico es ms complejo,
repercutiendo en dificultad de un mtodo adecuado, para mantener la precisin y exactitud
aceptable. En el caso de la remuneracin por la fabricacin de calzado, se observan factores de
comportamiento de; tendencia y estacionalidad, lo cual es una interpretacin preliminar para
aplicar el mtodo de Holt Winter, considerando tendencia y estacionalidad. Despus se obtienen
el error porcentual medio y el error cuadrtico medio[1], que se comparan con los resultados de
anteriores trabajos, donde se aplicaron mtodos de tendencia (Regresin Lineal, Promedios
Mviles, Alisado Exponencial Simple, Alisado Exponencial Doble de Brown y Difuso)[1,2,5,7].
El trabajo en la segunda seccin explica los tipos de patrones que pueden presentar la
serie de tiempo, lo cual se identifica con una grfica de valor observado contra periodo, en el caso
en estudio es de periodos mensuales desde enero del ao 2008, hasta julio del ao 201 1, con base
a estos patrones se decide los posibles mtodos cuantitativos, para realizar el pronstico. Adems
se explican los mtodos para evaluar los errores de un pronstico. La tercera seccin, explica la
serie de pasos a seguir para aplicar el mtodo de Holt Winters considerando la tendencia y
estacionalidad, para llegar al pronstico del siguiente periodo. En la cuarta seccin, se comparan
los resultados de errores y pronsticos para los datos mensuales. Y en la quinta seccin se tienen
las conclusiones.

2. PATRONES DE UNA SERIE DE TIEMPO
La serie de tiempo son datos observados en periodos de tiempo iguales, un registro
cronolgico de variables observadas en lapsos de tiempo regular, el pronstico es una estimacin
del fenmeno a futuro prximo, corto plazo, unos periodos de tiempo cortos unos cuantos meses,
mediano plazo por unos dos aos, largo plazo ms de tres aos aos. Las series de tiempo
presentan uno o varios patrones de tendencia, estacionalidad, ciclo y/o aleatoriedad. El pronstico
puede ser causal, con un patrn consistente de comportamiento del fenmeno estudiado,
posibilidad de conocer su evolucin futura, estimar componentes no observables, y obtener un
valor del fenmeno en el futuro. La serie cronolgica debe ser a tiempos regulares de unidad de
tiempo, la variable registrada tener las mismas unidades de medicin, ser confiable el origen o
registro de los datos. La tendencia de los datos observados es un patrn a decrecer o crecer, en
forma consistente conforme avanza el tiempo, o en uno o varios periodos de tiempo continuos. La
estacionalidad es la repeticin consistente de aumentar o disminuir, con similar cantidad,
repentinamente el valor observado, este se da en periodos de tiempo con fechas definidas o lapsos
de tiempo identificables, siempre en lapsos de tiempo menores a un ao. El ciclo, al igual que la
estacionalidad son aumento o disminuciones repentinas, bien definidos, pero en periodos de
tiempo mayores a un ao. Aleatoriedad son aumentos o disminuciones sin una claridad en el
tiempo son espordicos y en lapsos muy cortos de tiempo, despus desaparecen. En el caso de
M
i
l
e
s

d
e

p
e
s
o
o
s
.

e
n
e
-
0
8


m
a
r
-
0
8

m
a
y
-
0
8

j
u
l
-
0
8

s
e
p
-
0
8

n
o
v
-
0
8

e
n
e
-
0
9

m
a
r
-
0
9

m
a
y
-
0
9

j
u
l
-
0
9

s
e
p
-
0
9

n
o
v
-
0
9

e
n
e
-
1
0

m
a
r
-
1
0

m
a
y
-
1
0

j
u
l
-
1
0

s
e
p
-
1
0

n
o
v
-
1
0

e
n
e
-
1
1

m
a
r
-
1
1

m
a
y
-
1
1

j
u
l
-
1
1

anlisis, la venta de calzado, se observa un patrn de tendencia pequea a crecer y con
estacionalidad en los meses de julio, octubre y diciembre arrojan un aumento.


REMUNERACIN POR LA FABRICACIN DE CALZADO


400.000
350.000
300.000
250.000
200.000
150.000
100.000
50.000
-



Mes y Ao.



Figura 1. Serie de tiempo remuneracin por la fabricacin de calzado
Con base en la inspeccin de la grfica (ver Figura 1), se recomienda usar un mtodo de
tendencia y estacionalidad, seleccionando el mtodo de Holt Winters, para obtener el pronstico
de la venta de calzado.
Por otro lado para conocer la precisin y exactitud del mtodo, se obtiene con la
aproximacin del pronstico al valor observado, para medir la precisin se encuentra el error
porcentual medio y el error cuadrtico medio.

El error de cada periodo, es la diferencia del pronstico menos el valor observado.




El error porcentual promedio, es la sumatoria de los errores absolutos con respecto al
valor histrico, la sumatoria anterior se multiplica por cien para obtener el porcentaje, y por
ltimo se obtiene el promedio al dividir entre la cantidad de errores m.
| |

[ ( ) ]



Por ltimo, se obtiene le error cuadrtico medio (ECM), con la raz cuadrada del
promedio de la sumatoria de cada error medio elevado al cuadrado.


( )

SERIE DE TIEMPO

La serie de tiempo de la remuneracin por la fabricacin de calzado se toma de
PROSPECTA, del sitio oficial en internet [4], a su vez tomados del Instituto Nacional de
Estadstica Geografa e Informtica (INEGI), de la Encuesta Mensual de la Industria
Manufacturera (EMIM), con una muestra de empresas de fabricacin de calzado, en el ciclo
enero- a julio- , en total periodos mensuales (ver Tabla 1).

Tabla 1.- Total de remuneraciones mensuales por la fabricacin de calzado.

Mes/ao Moneda Nacional
(en miles de pesos)
Mes/ao Moneda Nacional
(en miles de pesos)
1/2008 256,330 1/2010 246,000
2/2008 260,250 2/2010 245,540
3/2008 267,510 3/2010 281,110
4/2008 265,020 4/2010 254,300
5/2008 265,190 5/2010 264,800
6/2008 247,560 6/2010 268,450
7/2008 273,690 7/2010 286,980
8/2008 258,710 8/2010 280,900
9/2008 255,750 9/2010 283,950
10/2008 282,930 10/2010 289,050
11/2008 261,890 11/2010 270,490
12/2008 324,880 12/2010 356,000
1/2009 226,700 1/2011 259,850
2/2009 225,360 2/2011 254,910
3/2009 241,450 3/2011 280,850
4/2009 236,900 4/2011 268,360
5/2009 233,780 5/2011 270,200
6/2009 230,200 6/2011 277,750
7/2009 258,900 7/2011 280,130
8/2009 243,320
9/2009 250,650
10/2009 273,390
11/2009 252,600
12/2009 324,930


3. DESARROLLO
El mtodo de Holt Winters [12,13], realiza una serie de pasos que aplican inicialmente
una decisin del lapso de tiempo, anual, dividido en periodos de tiempo (semanal, mensual,
bimestre, trimestre, u otro submltiplo del lapso de tiempo), en este caso se toman lapsos de
tiempo mensuales, tomando en cuenta la estacionalidad en determinados meses. Adems, se tom
la regresin lineal para encontrar un pronstico del lapso anual, para despus desestacionalizar la
serie.
Paso 1
Se parte la serie en datos mensuales por ao, obtener el total anual y el promedio mensual
de cada ao, sin considerar su estacionalidad, es decir como una cantidad mensual promedio.
Paso 2
Dividir el dato histrico entre el promedio mensual desestacionalizado, logrando calcular
el ndice de estacionalidad, del mes para cada ao. Si el resultado es 1.2108 (diciembre del 2008),
esto indica que del promedio se tiene un aumento del 21.08%, como factor de estacionalidad; si
el cociente fuera 0.97 (febrero del 2008), el ndice revela que en ese mes, del promedio mensual,
se tiene una disminucin del 3.00%. Para estandarizar a un solo valor para cada mes, el ndice de
estacionalidad por ao del mismo mes, se suman y dividen en cantidad de datos, el promedio de
cada ndice de cada mes, para los n lapsos de aos observados (ver Tabla 2).


Tabla 2. Calculo de ndices de estacionalidad por mes y ao.





Paso 3
Se encuentra un pronstico de la tendencias por cualquier mtodo (Promedio mvil,
suavizacin exponencial, Mtodo de Brown, regresin lineal), como ya se explic se usa la
regresin lineal para encontrar los pronsticos mensuales. La frmula de regresin;

En la serie de tiempo, es el pronstico del periodo , es el nmero del periodo , el
coeficiente m es la razn de cambio de la variable en el periodo , es el coeficiente
independiente u ordenada al origen.

Se efecta la aplicacin de los mtodos de serie de tiempo, obteniendo la siguiente
ecuacin de regresin ajustada (ver Figura 3), correspondiente a la tendencia.



Para los periodos , y los pronsticos resultantes
.
Donde
e
n
e
-
0
8


a
b
r
-
0
8

j
u
l
-
0
8

o
c
t
-
0
8

e
n
e
-
0
9

a
b
r
-
0
9

j
u
l
-
0
9

o
c
t
-
0
9

e
n
e
-
1
0

a
b
r
-
1
0

j
u
l
-
1
0

o
c
t
-
1
0

e
n
e
-
1
1

a
b
r
-
1
1

j
u
l
-
1
1

360000

340000

320000

300000


Valor observa do

280000

260000

Pronostco
re! res"#n l"neal

240000

220000




Figura 3.- Pronstico con Regresin Lineal

Como es la tendencia nicamente, existen diferencias marcadas entre el pronstico, lnea
recta de la grfica y los datos histricos. La tendencia es al crecimiento. Se obtienen los
pronsticos individuales para cada mes de toda la serie, con la frmula de regresin, acumulando
los pronsticos por ao, y obtener con estos el promedio mensual al dividir entre cantidad de
periodos por ao, doce meses (ver Tabla 3).

Tabla 3. Clculo de tendencia con regresin lineal.





Paso 4

Ahora se toman los promedios mensuales del pronstico y se multiplican para cada ao
con su ndice estacional mensual promedio, logrando el pronstico por el mtodo de Holt Winters
(ver Tabla 4).
Tabla 4. Pronstico mtodo Holt Winter.








Figura 4. Pronstico Holt Winter.

Los pronsticos del mtodo Holt Winters, considera la tendencia (mtodo de regresin
lneal), y la estacionalidad. Como se observa en la grfica las diferencias entre pronstico y la
remuneracin observada mensual, arroja diferencias, pero se acercan al dato histrico. El error
porcentual medio es del 3.80%, y el error cuadrtico medio es de 11,891. Como se considera el
ndice de estacionalidad el pronstico se aproxima a los datos histricos (ver Figura 4).

4. Resultados
La tabla No. 5, muestra los errores porcentual medio, error cuadrtico medio y el
pronstico de julio del 2011 de diferentes mtodos, donde se realizaron pronsticos a la misma
serie de tiempo.


Tabla 5. Errores porcentual medio, cuadrtico medio y pronstico de julio del 2011.


Mtodo: Error porcentual
medio
Error cuadrtico medio Prons tico julio 2011
obs ervado 280,130
1. Holt Winter
3.80% 11,891 286,106
2. Promedio mvil, m=3
6.66% 27,044 278,940
3. Suavizacin
exponencial s imple,
=0.13
5.46% 25,118 276,122
4. Regres in lineal
6.55% 24,066 252,211
5. Suavizacin
exponencial doble,
=0.01
7.05% 26,442 267,395
6. Difus o
0.33% 1,138 281,000

Si se toma el error porcentual medio el mtodo difuso sera el mejor con 0.33%, y le
seguira el mtodo Holt Winter, con un 3.80%, el primer mtodo se considera sofisticado, el
segundo es un mtodo elaborado. El resto son de los clasificados como mtodos sencillos, para
determinar el mtodo ptimo, su porcentaje es mayor al 5.46%.
En el caso del error cuadrtico medio se tiene el de menor cantidad 1,138, en el mtodo
difuso; de nuevo el mtodo de Holt Winter es el siguiente con 11,891 de error cuadrtico medio,
los otros mtodos con una cantidad superior a 24,066, es relevante las diferencias entre los
diferentes mtodos en el error cuadrtico medio, lo podemos relacionar con el grado de exactitud
de cada mtodo.
Considerando la aproximacin ms cercana de un solo pronstico en mes de julio del
2011, se observa la aproximacin al dato real de 280,130 contra 281,000 del mtodo difuso,
despus, el promedio mvil con tres periodos 278,940, le sigue suavizacin exponencial simple
(=0.13) con 276,122 y el mtodo de Holt Winter con 286,106.

Figura 5. Mtodo difuso.


Si se comparan las grficas con los datos histricos y de prediccin, se notar la exactitud y
precisin del mtodo difuso (ver Figura 5), seguido con el mtodo de Holt Winter. Con mayor
frecuencia de pronsticos muy prximos a los datos histricos. Debido principalmente a que el
mtodo de Holt Winters toma en cuenta la estacionalidad y el mtodo difuso toma en cuenta la
estacionalidad y el comportamiento aleatorio de los datos histricos.


6. Conclusiones

Despus de aplicar diferentes mtodos de pronsticos, se observa la diferencia tan
acentuada entre los diferentes tipos de factores como; la tendencia, estacionalidad y la
aleatoriedad de los datos, conforme se integra cada factor, el mtodo es ms complejo, pero a su
vez ms preciso y exacto. Pero esto es inversamente proporcional al costo del mtodo, por lo que
se debe primero obtener una premisa del comportamiento de los datos, en una grfica e
identificar cada factor. Por otro lado, solo falta identificar y evaluar si la exactitud y la precisin
son importantes para el pronstico, as como los costos inherentes de estos dos factores, para
obtener el costo total por mtodo. En esta forma cada empresa u organizacin debe otorgar un
costo y con stos decidir el mtodo ptimo para sus necesidades. La grfica siguiente sirve para
tomar una decisin sobre el mtodo a utilizar (Ver Grfica 6).


Figura 6. Grfica de costos por mtodo.


REFERENCIAS


1. Granger, C.W.J. and Newbold, P. Forecasting economic time series. Academic Press
New York vol. 2 (1997).
2. Marisol Gutirrez, Luis Ernesto Mancilla, Alfonso Gutirrez Lugo y Marco A. Gutirrez.
Series de Tiempo Difusas aplicadas al pronstico de la remuneracin por la fabricacin
del calzado. Advances in cumputing science and control. Research in Computing
Science Vol. 59 (Noviembre, 2012) Pg. 205-216.
3. Guerra, J., Snchez, G. y Reyes, B. Modelos de series de tiempo para predecir la
inflacin en Venezuela. Serie Documentos de Trabajo vol. 13 (1997).
4. Prospecta, Centro de Innovacin y Competitividad, http://www.prospecta.
org.mx
5. Hanke, J.E. Pronsticos en los negocios. Pearson Educacin (2006).
6. Mason, R.D., Lind, D.A. y Maria De Lourdes Fournier G. Estadstica para administracin
y economa Alfaomega Bogot (1992).
7. Render, B. Principios de administracin de operaciones. Pearson Educacin (2004).
8. Holton, J. y Keating, B. Previsiones en los negocios. Irwin. Madrid (1996).
9. Montgomery, D.C., Runger, G.C. y Medal, E.G.U. Probabilidad y Estadstica, aplicadas
a la Ingeniera. McGraw Hill (1996).
10. Bowerman, B.L. and Oconnell, R.T. Pronsticos, series de tiempo y regresin: Un
enfoque aplicado. Cengage Learning Editores (2007).
11. Armitage, P., Berry, G., Artero, C.C. Estadstica para la investigacin biomdica.
Harcourt Brace Madrid (1997).
12. Aguirre Jaime, A. Introduccin al tratamiento de series temporales: Aplicacin a las
ciencias de la salud. Daz de Santos (1994).
13. Lorenzo, J.M.M. Estadstica descriptiva. Editorial Paraninfo (2007).
14. Lorenzo, J.M.M. Problemas resueltos de estadstica descriptiva para ciencias sociales
Editorial Paraninfo (2007).