Pronsticos, Series

de Tiempo y
Regresin
Captulo 8: Suavizacin
Exponencial

Temas
1.
2.
3.
4.
5.
6.

Introduccin al tema
Suavizacin exponencial simple
Indicios de error
Mtodo Holt de la suavizacin exponencial
corregida de la tendencia
Metodos de Holt-Winters
Tendencia amortiguada y otros mtodos de
suavizacin exponencial

Introduccin
Queremos formar pronsticos a futuro para

datos sin tendencia, ni estacionalidad.

Formas de hacerlo:

promedio de todas las observaciones

camino aleatorio E(yt)=yt-1

media mvil
estimacin con varios perodos (lags)
yt = 0+1yt-1+2yt-2+3yt-3+...+

suavizacin exponencial

Introduccin

Suavizacin Exponencial
Simple
Todos los perodos influyen en el

pronstico, pero los ms recientes

influyen ms.
Si designamos = pronstico, entonces
T = yT + (1-)yT-1 +(1-)2yT-2 +
+(1-)T-1y1 + (1-)T0
Por ejemplo
3

= y3 + (1-)y2 + (1-)2y1 + (1-)3 0

Suavizacin Exponencial
Simple
Por ejemplo
3

= y3 + (1-)y2 + (1-)2y1 + (1-)3 0

Si = 0.1,
3

= 0.1y3 + (0.9)0.1y2 + (0.9)20.1y1 + (0.9)30.1

0
3

= 0.1y3 + 0.09y2 + 0.081y1 + 0.0729 0

Observa que
4

= y4 + (1-)y3 + (1-)2y2 + (1-)3 y1 +

(1-)4 0

Suavizacin Exponencial
Simple
Observa que
4

= y4 + (1-)y3 + (1-)2y2 + (1-)3 y1 +

(1-)4 0

= y4 + (1-){y3 + (1-)y2 + (1-)2 y1 +

(1-)3 0}

Recuerda que
3

= y3 + (1-)y2 + (1-)2y1 + (1-)3 0

As que
4

= y4 + (1-) 3

Suavizacin Exponencial
Simple
Generalizando,
T

= yT + (1-) T-1

En la prctica, usamos esta ecuacin

elimina la necesidad de almacenar datos de

una serie de tiempo muy largo.
es una constante de suavizacin

El pronstico puntual para cualquier

perodo futuro (T+) es

yT+(T) = T

Suavizacin Exponencial
Simple
El pronstico puntual para cualquier

perodo futuro (T+) es

yT+(T) = T

Un intervalo de prediccin de 95%

calculado en el perodo T para yT+ es

0 z .025 s 1 1 2
Donde s es el error estndar

Indicios de error
Seal de la suma acumulativa simple

C(,T): compara la suma acumulativa

de errores con la desviacin absoluta de
la media suavizada.
T

Y ( , T ) et Y , T 1 eT
t 1

MAD( , T ) et 1 MAD , T 1
Y ( , T )
C ( , T )
MAD( , T )

Indicios de error
Si C(,T) es grande durante dos o ms

periodos consecutivos, hay un problema

con el modelo.
Es grande si C(,T) > K
Para niveles de confianza de 5% y 1%:

0.1

0.2

0.3

K (5%)

5.6

4.1

3.5

K (1%)

7.5

5.6

4.9

Indicios de error
Tambin existe el indicio de error

suavizado S(,T) , que utiliza

E , T et E , T 1

E , T
S , T
MAD , T

Mtodo Holt, Suavizacin

Exponencial Corregida de la
Tendencia
Suponga que la serie s muestra una

tendencia, pero que sta puede cambiar

en el tiempo.
Ahora se estiman dos ecuaciones:
Nivel: T = yT + (1-)( T-1 + bT-1)
Tendencia: bT = (T - T-1) + (1- )bT-1
Un pronstico puntual para yT+ es

yT+(T) = T +bT

150

200

y
250

300

350

Ventas de termmetros

10

20

time

30

40

50

Mtodo Aditivo de Holt-Winters

Se usa cuando la serie tiene una

tendencia, al menos localmente, y un

patrn estacional constante.
Al modelo Holt, se resta el factor estacional
(snT-L, donde L indica el nmero de
perodos en un ao: 4 o 12):
Nivel: T = (yT snT-L)+ (1-)( T-1 + bT-1)
Tendencia: bT = (T - T-1) + (1- )bT-1
Factor estacional: snT = (yT- T)+(1-) snT-L

Mtodo Aditivo de Holt-Winters

Nivel: T = (yT snT-L)+ (1-)( T-1 + bT-1)
observacin
compensada

estimacin
anterior del
nivel

Tendencia: bT = (T - T-1) + (1- )bT-1

pendiente
nueva

estimacin
anterior de
la pendiente

Factor estacional: snT = (yT- T)+(1-) snT-L

estimacin de la
variacin estacional
observada recientemente

Mtodo Multiplicativo de HoltWinters

Se usa cuando la serie tiene una

tendencia, al menos localmente, y un

patrn estacional creciente.
Al modelo Holt, se divide por el factor
estacional (snT-L, donde L indica el nmero
de perodos en un ao: 4 o 12):
Nivel: T = (yT / snT-L)+ (1-)( T-1 + bT-1)
Tendencia: bT = (T - T-1) + (1- )bT-1
Factor estacional: snT = (yT/ T)+(1-) snT-L

Mtodo Multiplicativo de HoltWinters

Nivel: T = (yT / snT-L)+ (1-)( T-1 + bT-1)
observacin
compensada

estimacin
anterior del
nivel

Tendencia: bT = (T - T-1) + (1- )bT-1

pendiente
nueva

estimacin
anterior de
la pendiente

Factor estacional: snT = (yT/ T)+(1-) snT-L

estimacin de la
variacin estacional
observada recientemente

Mtodo de la tendencia
amortiguada
Nivel: T = yT + (1-)( T-1 + bT-1)
Tendencia: bT = (T - T-1) + (1- )bT-1
Un pronstico puntual para yT+ es

yT+(T) = T + (bT + 2bT + ... + TbT )

Tambin existen el mtodo aditivo de

Holt-Winters con tendencia amortiguada

y el mtodo multiplicativo de Holt-Winters
con tendencia amortiguada (frmulas en
el captuloTabla 8.3)

Ligas
Dr. Robert F. Nau, Duke University,

http://www.duke.edu/~rnau/411avg.htm
Dr. J.E. Beasley, Brunel University,
http://people.brunel.ac.uk/~mastjjb/jeb/or/forecast.html
artculo de Owadally y Haberman
http://imaman.oxfordjournals.org/cgi/content/abstract/14/
2/129?
maxtoshow=&HITS=10&hits=10&RESULTFORMAT=&full
text=haberman&searchid=1&FIRSTINDEX=0&resourcety
pe=HWCIT