Está en la página 1de 65

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos

Modelos de Pronóstico
Lista de Temas de Modelos de Pronóstico

1.­ Conceptos Básicos de Pronósticos

    1.1 Definición de Pronóstico
    1.2 Objetivo de Pronóstico
    1.3 Modelo Matemático de Pronóstico
    1.4 Técnica o Método de Pronóstico
    1.5 Técnicas Subjetivas para la Obtención de Pronósticos
    1.6 Técnicas Objetivas para la Obtención de Pronósticos

         1.6.1 Técnicas Estadísticas
         1.6.2 Técnicas Determinísticas o Causales

     1.7 Serie de Tiempo
     1.8 Serie de Tiempo Estadística

2.­ Componentes de Series de Tiempo

    2.1 Estacionariedad
    2.2 Tendencia
    2.3 Estacionalidad
    2.4 Ciclisidad
    2.5 Aleatoriedad

3.­ Medidas de Precisión de Pronóstico

    3.1 Error
    3.2 Error Medio
    3.3 Error Medio Absoluto
    3.4 Suma de Cuadrados del Error
    3.5 Error Cuadrático Medio
    3.6 Desviación Estandar del Error
    3.7 Error Porcentual
    3.8 Error Porcentual Medio
    3.9 Error Porcentual Medio Absoluto
    3.10 Error Porcentual Medio Cuadrático
    3.11 U de Theil

          3.11.1 Cambio Relativo Pronosticado
          3.11.2 Cambio Relativo Real

    3.12 Porcentaje de Bateo de McLaughlin
http://modelosdepronosticos.info/ 1/110

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos

4.­ Métodos de Suavización de Series de Tiempo

    4.1 Métodos de Promedios Móviles

        4.1.1 Método de Promedio Móvil Simple

               4.1.1.1 Promedio Simple
               4.1.1.2 Método de Promedio Móvil Simple

        4.1.2 Método de Promedio Móvil Doble

    4.2 Métodos de Suavización Exponencial

        4.2.1 Método de Suavización Exponencial Simple
        4.2.2 Método de Suavización Exponencial Simple De Respuesta Adaptativa
        4.2.3 Método de Suavización Exponencial Doble Método de Brown
        4.2.4 Método de Suavización Exponencial Ajustada a la Tendencia Método de Holt
        4.2.5 Método de Suavización Exponencial Cuadrática Método De Brown
        4.2.6 Método de Suavización Exponencial Triple Método De Winter

Haz clic aquí para ir al principio
Todos Los Derechos Reservados 
Copyright © 2017

http://modelosdepronosticos.info/ 2/110

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos

Los pronósticos son una de las herramientas fundamentales para la toma de desiciones dentro de
las  organizaciones  tanto  productivas  como  sin  fines  de  lucro. Algunas  de  las  áreas  en  donde  se
utilizan  pronósticos  en  la  industria  son  la  planeación  y  control  de  inventarios,  producción,
finanzas, ventas, comercialización, entre muchas otras.

Definición de Pronóstico
Del griego prognôstikon . Conjetura acerca de lo que puede suceder.

Objetivo de un Pronóstico
Reducir  la  incertidumbre  acerca  de  lo  que  puede  acontecer  en  el  futuro  proporcionando
información cercana a la realidad que permita tomar decisiones sobre los cursos de acción a tomar
tanto en el presente como en el futuro.

Modelo Matemático de Pronóstico
Es  una  expresión  matemática  que  representa  en  forma  simplificada  el  fenómeno  por  medio  del
cual se obtienen los valores idealizados que toma una variable aleatoria en un periodo de tiempo
determinado.

Técnica o Método de Pronóstico
Procedimiento por medio del cual se lleva a cabo un pronóstico.

Técnicas Subjetivas para la Obtención de Pronósticos
Las técnicas subjetivas de pronóstico también conocidas como técnicas cualitativas se basan en la
expresión de la opinión personal o juicio de uno o más expertos acerca de la situación en estudio,
para determinar el pronóstico.

Técnicas Objetivas para la Obtención de Pronósticos
Las  técnicas  objetivas  mejor  conocidas  como  técnicas  cuantitativas  de  pronóstico  se  basan  en  el
manejo  de  datos  numéricos  históricos  para  obtener  un  pronóstico  preciso  y  se  soportan  en  la
suposoción  de  que  el  comportamiento  de  los  datos  históricos  permanece  durante  un  periodo  de
extensión  significativa  en  el  futuro.  Las  técnicas  cuantitativas  con  frecuencia  se  clasifican  en
técnicas estadísticas y técnicas determinísticas.

http://modelosdepronosticos.info/ 48/110

  la ciclisidad y la aleatoriedad de los datos. Tendencia. por descubrimientos científicos.  y  la  influencia  del  ruido  o  perturbación  causado  por  factores  de naturaleza aleatoria.  En el segundo el pronostico se obtiene a partir del análisis estadístico de los datos que integran la serie de tiempo.info/ 49/110 .  Como  se  puede  ver  la  tendencia  es  la propensión  al  aumento  o  disminución  en  los  valores  de  los  datos  de  una  serie  de  tiempo. etc. Serie de Tiempo Estadística Es  una  secuencia  ordenada  de  valores  numéricos  que  toma  una  variable  aleatoria  observados  a intervalos iguales a lo largo de un determinado periodo. El pronóstico se realiza combinando la proyección de los componentes que se presentan dentro de la serie de tiempo. Componentes de una Serie de Tiempo Los  datos  de  una  serie  de  tiempo  se  pueden  descomponer  en  componentes  individuales  para facilitar su estudio los cuales se explican a continuación. cambios culturales.  estos  componentes  pueden  ser  la  tendencia. demográficos.  Dentro de estas técnicas se utilizan dos enfoques.  En el primero se obtiene el pronóstico basado en el razonamiento de que los datos de la serie de tiempo se pueden dividir o descomponer en componentes identificables que pueden presentarse o no  en  una  determinada  serie.  que permanece a lo largo de un lapso muy extendido de tiempo. cambios que podrían ser originados como por ejemplo. Técnicas Determinísticas o Causales Se  basan  en  identificar  y  determinar  cuales  son  las  relaciones  existentes  entre  la  variable dependiente de interés a pronosticar y las variables independientes que la determinan al ejercer su influencia sobre ella. La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o  disminución  en  la  serie  sobre  un  periodo  amplio.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Técnicas Estadísticas Estas  técnicas  se  basan  en  la  existencia  de  patrones. avances tecnológicos. Ejemplos: http://modelosdepronosticos.  en  el  estudio  de  los  mismos. es decir que no cambiará en el futuro lejano mientras no hayan cambios significativos o radicales en el entorno en el que se encuentra inmersa y que determina el comportamiento de la serie de tiempo en estudio. religiosos.  las transformaciones  que  sufren. geopolíticos.  la  estacionalidad.

4  presentan  un  decrecimiento  que  se  aprecia  sin  esfuerzo  al  pasar  un periodo de tiempo significante.info/ 50/110 .3 muestran un crecimiento notable al transcurrir un periodo de tiempo de consideración.4 http://modelosdepronosticos.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos En la siguiente tabla se muestran los datos de una serie de tiempo con tendencia creciente. Gráfica 1. Gráfica 1. los valores de los datos de una serie de tiempo con tendencia decreciente.3 A continuación se muestra el caso contrario. En  la  siguiente  gráfica  se  puede  observar  que  los  valores  de  los  datos  de  la  serie  de  tiempo tabulados en la Tabla 1. En  la  siguiente  gráfica  se  puede  distinguir  que  los  valores  de  los  datos  de  la  serie  de  tiempo mostrados  en  la  Tabla  1.

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Ahora mostramos el concepto de una serie de tiempo con comportamiento estacional.5 que parece repetirse en lapsos de tiempo aproximados a un año. El patrón de cambio por lo general es un aumento o una disminución cuantitativa en los valores observados de una serie de tiempo específica.info/ 51/110 . Ciclisidad. El componenete cíclico es la fluctuación en forma de onda alrededor de la tendencia. ya sean menores  o  mayores  a  un  año. Gráfica 1.  siendo  éste  lapso  de  tiempo  menor  a  un  año. Estacionalidad El componenete estacional es un patrón de cambio que se repite a sí mismo año tras año.  el  caso  de  la  verificación  de  vehículos  que  se eleva  en  las  dos  primeras  semanas  de  cada  periodo  de  verificación. siendo éste un lapso de tiempo mayor a un año.  Como  por  ejemplo. sucedido esto cada seis años ocasionado por las elecciones presidenciales. Ejemplo: En la siguiente gráfica es notorio un patrón en los valores de los datos de la serie de tiempo vistos en la tabla 1.  ocurriendo  esto  cada  dos meses.  O  el  caso  del  aumento  en  las  ventas  de panfletos publicitarios. http://modelosdepronosticos.5 Ahora  explicaremos  el  concepto  del  comportamiento  cíclico  que  se  presenta  en  las  series  de tiempo y que es de los más difíciles de pronosticar. Cabe mencionar que aunque en la mayor parte de los  casos  el  patrón  estacional  es  un  fenómeno  que  se  presenta  en  lapsos  de  tiempo  de  duración aproximada a un año; también puede manifestarse éste fenómeno en periodos de tiempo.

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos La  ciclicidad  es  un  fenómeno  que  en  lo  general  parece  estar  relacionado  con  la  variación  de  la actividad  económica  ocurrida  durante  periodos  de  crisis  o  prosperidad. Ejemplo:  En  la  tabla  que  sigue  podemos  ver  los  valores  de  una  serie  mensual  que  presenta  el fenómeno cíclico. A  continuación  se  encuentra  la  gráfica  de  los  valores  de  la  tabla  1. Gráfica 1. Ejemplo: http://modelosdepronosticos.6 Aleatoriedad El componente aleatorio mide la variabilidad de las series de tiempo después de retirar los otros componenetes. La aleatoriedad se puede decir que se presenta en todas las series de tiempo y no es otra cosa que el cambio producido en los valores de una serie de tiempo debido a fenómenos que son en extremo difíciles de explicar y que por lo tanto su ocurrencia cae en el ámbito del azar.6  que  presentan  el comportamiento cíclico en su forma más pura.  La  fluctuación  también puede presentarse en series de tiempo estacionarias.info/ 52/110 .

 búscan obtener una medida de que tan lejos se encuantran los valores pronosticados de los obtenidos en la realidad.7b Medidas de Precisión de Pronóstico Las medidas de presición del pronóstico se usan para determinar que tan eficaz es un pronóstico a través del cálculo de su presición con respecto a los valores reales. En las  siguientes medidas del error. Error Error Medio Error Medio Absoluto http://modelosdepronosticos.7 Gráfica 1. es decir.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 1. Xt  es  el  valor  de  la  serie  de  tiempo  en  el  momento  t  y  Pt  es  el pronóstico para ese mismo momento.info/ 53/110 .

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Suma de Cuadrados del Error Suma de Cuadrados del Error Media o Error Cuadrático Medio Desviación Estandar del Error   Notese que Pt no es la media de las estimaciones o valores pronosticados como se podria pensar.  sino  que  se  promedian  las desviaciones de las estimaciones respecto a los valores reales. Error Porcentual Error Porcentual Medio Error Porcentual Medio Absoluto Error Porcentual Medio Cuadrático U de Theil http://modelosdepronosticos. Esto  significa  que  la  desviación  no  se  mide  respecto  de  la  media.info/ 54/110 .

Porcentaje de Bateo de McLaughlin   Mientras más cercana este la M a 600 el pronóstico será mejor. http://modelosdepronosticos.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Cambio Relativo Pronosticado Cambio Relativo Real   o en forma abreviada U se expresa de la siguiente manera    Si U > 1 el pronóstico es malo y es mejor utlizar el método de pronóstico del hoy con el ayer Pt+1 = Xt  Si U = 1 el pronóstico es tan bueno o tan malo como utilizar Pt+1 = Xt Si U < 1 el pronostico es mejor que el obtenido al utilizar el método de pronóstico del hoy con el ayer Pt+1 = Xt Esto significa que mientras menor sea la U el pronostico será mejor.info/ 55/110 .  El  número  de  datos  a tomar en cuenta para calcular el prodedio es una decisión de la persona que realiza el pronóstico. Métodos de Suavización de Series de Tiempo Promedio Simple Este método consiste en atenuar los datos al obtener la media aritmética de cierto número de datos históricos  para  obtener  con  este  el  pronóstico  para  el  siguiente  periodo.

n es el número de datos utilizados para el cálculo de la media aritmética.   Aquí se muestra que el valor pronosticado es igual al promedio móvil. Promedio Móvil Simple Esta  técnica  se  utiliza  cuando  se  quiere  dar  más  importancia  a  conjuntos  de  datos  más  recientes para obtener el pronóstico. Cada ves que se tiene una nueva observación se agraga esta al conjunto de datos. http://modelosdepronosticos. Xt es el valor real observado en el periodo t.    en donde  PMt es el promedio móvil en el periodo t.info/ 56/110 .  La siguiente ecuación establece el modelo del promedio móvile simple. El número de datos más recientes a considerar en el conjunto de observaciones del cual se calcula la media aritmética es una  decisión  del  analista  que  realiza  el  pronóstico;  la  sensibilidad  a  los  cambios  en  el comportamiento de la serie se reduce al utilizar un número mayor de observaciones en el conjunto de datos. Tabla 3. y se elimina de éste la observación o dato más antiguo. o ciclisidad en los datos.1 Valores De Una Serie De Tiempo Mensual. El pronóstco se obtiene al calcular la media aritmética del conjunto de datos más recientes seleccionado. Pt+1 es el valor pronosticado para el siguiente periodo. estacionalidad.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos   Este modelo solo es recomendable para series de tiempo que no presentan patrones de tendencia. Este modelo no maneja muy bien los datos con estacionalidad o con tendencia pero si lo hace mejor que la técnica del promedio simple.

Gráfica 3. P13 = PMS13­1.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos La gráfica de líneas de los valores de la tabla es la que se muestra en seguida. es decir el valor de n es igual a 12. X12.1 Para  este  ejemplo  utilizaremos  un  promedio  de  12  observaciones  anteriores  a  la  que  se  desea pronosticar. Gráfica 3. P13 = PMS12 http://modelosdepronosticos.info/ 57/110 . t = 12.1 Líneas de Unión Entre Valores De Una Serie De Tiempo Mensual. X t = 12. Pt = PMSt­1. La primera observación a la que es posible calcular el promedio esta determinada por el número de observaciones que se desea tomar en cuenta en el promedio como se muestra en la siguiente expresión: X t = n nótese que t = n Tenemos que: n = 12.

88. Para el cálculo de los promedios móviles simples de las observaciones posteriores utilizaremos la expresión corta vista con anterioridad.info/ 58/110 . http://modelosdepronosticos. esto lo podemos hacer ya que contamos con el primer promedio móvil simple.54 En la siguiente tabla podemos observar el total de los valores pronosticados obtenidos. El cálculo del pronóstico para la observación correspondiente al momento de tiempo 14 queda de la siguiente manera: P14 = 82.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos por lo tanto el pronóstico para la observación correspondiente al momento o periodo de tiempo 13 es P13 = 79.2 Valores Pronosticados por el Método del Promedios Móvil Simple. Tabla 3.

2 Gráfica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método del Promedio Móvil Simple. http://modelosdepronosticos.2 En la gráfica anterior podemos apreciar como la curva descrita por lo valores pronosticados esta sujeta  a  menos  cambios  bruscos  de  sus  valores  puntuales.3 Medidas de Precisión Obtenidas al Aplicar el Método de los Promedios Móviles Simples.  o  como  se  acostumbra  decir  es  mas suave  o  se  suaviza  respecto  de  la  curva  original  de  la  serie  de  tiempo.  Y  también  se  puede  ver como en apariencia sigue el comportamiento de la curva original. para conocer mejor la precisión del  pronóstico  serie  conveniente  utilizar  alguna  de  las  medidas  del  error  comúnmente  usadas  y observar la variabilidad de este. Gráfica 3.info/ 59/110 . Tabla 3. En la siguiente tabla se muestran los resultados obtenidos al calcular las medidas de precisión para el ejemplo anterior.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3.

    La siguiente expresión se utiliza para calcular la diferencia entre los dos promedios móviles.    La siguiente ecuación es un factor adicional de ajuste.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Promedio Móvil Doble El  método  consiste  en  calcular  un  conjunto  de  promedios  móviles  y  en  seguida  se  calcula  un segundo conjunto como prodio móvil del primero.  La siguientes expresión es la ecuación con la cual se calcula el primer promedio móvil.info/ 60/110 .  Este método se utiliza para realizar pronósticos de series que tienen una tendencia lineal lineal ya que éste método maneja mejor la tendencia lineal que el “Método del Promedio Móvil Simple” el cual presenta un rezago respecto de la serie original en estos casos.    La  siguiente  expresión  es  la  que  se  utiliza  para  calcular  el  ponóstico  para  p  periodos  hacia  el futuro.  http://modelosdepronosticos.    en donde  n es el número de periodos en el promedio móvil.    Con la siguiente expresión se calcula el segundo promedio móvil.

  que  es  la  que  se  muestra  a continuación: X t = n nótese que t = n Por lo que tenemos que: n  =  12.  como  para  el  cálculo  de segundo promedio móvil simple realizado sobre los valores de la nueva serie de tiempo obtenida de los promedios móviles simples calculados la primera vez. http://modelosdepronosticos.  t  =  12. se hace como se muestra abajo: El  cálculo  para  las  siguientes  observaciones  de  la  serie  de  tiempo  original  se  puede  hacer empleando tanto la forma completa anterior.  X12.  Ejemplo:  Aplicaremos  el  Método  del  Promedio  Móvil  Doble  a  los  datos  de  la  Tabla  3.  es  la  primera  observación  a  la  cual  se  puede  calcular  el promedio de acuerdo al número de observaciones n elegido a ser tomado en cuenta en el promedio de las observaciones anteriores. X13 en este ejemplo. como la corta que se muestra en seguida para el caso de la observación que sigue en el momento de tiempo t = 13. Como en el caso del método del promedio móvil simple la primera observación a la que es posible calcular  el  promedio  esta  determinada  por  el  número  de  observaciones  que  se  desea  tomar  en cuenta  en  éste  mismo  y  se  utiliza  la  misma  expresión  de  ese  caso.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos p es el número de periodos a pronosticar.  X  t  =  12.info/ 61/110 .1  a  los cuales les aplicamos ya el “Método del Promedio Móvil Simple”.  X  t  =  n.  tanto  para  el  cálculo  del  primer  promedio móvil  simple  hecho  sobre  las  observaciones  de  la  serie  de  tiempo. En  éste  caso  también  utilizaremos  una  n  igual  a  12. El cálculo del primer promedio móvil hecho sobre las observaciones de la serie de tiempo original para la primera observación factible a realizar.

El cálculo del segundo promedio móvil simple para la primera observación factible a calcularlo de la nueva serie de tiempo se hace como se muestra en seguida: http://modelosdepronosticos. Nótese que en  éste  “Método  del  Promedio  Móvil  Doble”.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Una  vez  teniendo  la  nueve  serie  de  tiempo  formada  por  los  valores  de  los  promedios  móviles simples calculados sobre los datos de la serie de tiempo original. Los valores de esta nueva serie de tiempo son los que se muestran en la siguiente tabla. Tabla 3.  estos  valores  son  solo  un  paso  intermedio  y  no representan los valores pronosticados a diferencia que en el “Método del Promedio Móvil Simple”. se procede a calcular el segundo promedio  móvil  simple  para  los  datos  de  esta  nueva  serie  de  tiempo  de  promedios  o  valores suavizados.4 Valores de la Nueva Serie de Tiempo de Promedios Móviles Simples.info/ 62/110 .

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Los cálculos posteriores de la nueva serie de tiempo de promedios se pueden realizar empleando la expresión larga o bien la forma corta que se muestra a continuación. para el caso del promedio que sigue en el momento de tiempo t = 24.3 Gráfica de Líneas de la Serie de Tiempo Original y de las Series Nuevas Resultantes al Calcular el PMSt y el PMS’t. En la tabla que sigue podemos ver los valores tabulados obtenidos al hacer el segundo promedio móvil simple.info/ 63/110 . Tabla 3.5 Valores del Segundo Promedio Móvil Simple (PMS’t). http://modelosdepronosticos. Gráfica 3. PMS'24 en este ejemplo.

info/ 64/110 .  Es  en  base  a  esta  observación  es  que  se  utiliza  la proporción  de  la  diferencia  existente  entre  los  dos  promedios  (PMSt  y  PMS’t)  para  estimar  los valores reales de la serie de tiempo. ajustando de ésta manera el valor medio o promedio móvil; y así evitar o reducir el rezago que ocurre al aplicar tan solo un promedio móvil simple a series de tiempo que presentan tendencia como ya se había mencionado antes. Los pronósticos se obtienen como se explica enseguida para el caso del primer pronóstico factible a ser calculado en éste ejemplo: Primero se calcula el valor de  Segundo calculamos el valor de  Y tercero y último calculamos el valor pronosticado como se ve abajo:  por lo tanto  En la tabla que sigue podemos ver todos los valores pronosticados obtenidos mediante el “Método del Promedio Móvil Doble”. Tabla 3. http://modelosdepronosticos.3 En  esta  gráfica  observamos  que  entre  la  curva  descrita  por  los  valores  de  la  serie  de  tiempo original y la del primer promedio móvil simple (PMSt).20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3. existe una diferencia de proporción similar a la que existe entre la curva descrita por los valores del primer promedio móvil simple y la del segundo  promedio  móvil  simple  (PMS’t).6 Valores Pronosticados con el Método del Promedio Móvil Doble.

http://modelosdepronosticos. Tabla 3.info/ 65/110 .7 Medidas de Precisión Obtenidas al Aplicar el Método del Promedio Móvil Doble.4 En  la  siguiente  tabla  podemos  ver  los  valores  obtenidos  para  éste  ejemplo  de  las  medidas  de precisión más comunes. Gráfica 3. Gráfica 3.4 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método del Promedio Móvil Doble.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos En  la  gráfica  que  sigue  podemos  observar  la  serie  de  tiempo  original  y  la  de  los  valores pronosticados mediante el “Método del Promedio Móvil Doble” para éste ejemplo en particular.

  los  datos  se  ponderan  dando  un  mayor  peso  a  las observaciones más recientes y uno menor a las más antiguas. la observación inmediata anterior se pondera con un peso de a (1 ­ υ). La estimación o pronostico será el valor obtenido del cálculo del promedio. Ya que si queremos calcular   necesitamos conocer el valor de  .  para  estos  casos  se  utilizan  dos  diferentes  técnicas conocidas como el método de Brown y el de Holt.info/ 66/110 . Si aplicamos la formula para encontrar   tenemos que: http://modelosdepronosticos. Al peso para ponderar la observación más reciente se le da el valor υ. a la siguiente observación inmediata anterior se le da un peso de ponderación de a (1 ­ υ)2 y así sucesivamente hasta completar el número de valores observados en la serie de tiempo a tomar en cuenta para realizar la atenuación. obteniendo el promedio de  estos  de  manera  exponencial;  es  decir. los pronósticos obtenidos mediante la suavización exponencial simple quedan rezagados aún  al  hacer  variar  el  valor  de  alfa  ( ).    Otra expresión equivalente a esta es la siguiente    otra forma de escribir esta expresión es la siguiente    en donde    es el error ω    El valor de a siempre se encuentra dentro del siguiente rango 0 < a > 1.  es  decir  necesitan  asignarle  un  valor inicial a  .  En  éste  método  así  como  también  en  todos  los  demás  métodos  de  suavización  exponencial  que veremos  más  adelante  se  requiere  de  una  inicialización. es decir.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Suavización Exponencial Suavización Exponencial Simple Esta técnica se basa en la atenuación de los valores de la serie de tiempo. La expresión para realizar el calculo de la atenuación exponencial es la siguiente.  Cuando existe una clara y considerable tendencia lineal en los valores observados en una serie de tiempo. para calcular el promedio ponderado.

  ­  Arbitraria.  en  el  caso  de  que  no  hubiera  datos  suficientes  para  aplicar  estos  métodos. Esto consiste en invertir la serie de tiempo y comenzar el proceso de estimación a partir del último valor es decir el más reciente  y  terminarlo  con  el  primer  valor. Si los datos son estacionales los valores iniciales para los factores estacionales se pueden calcular empleando algún método de descomposición.  –  Mínimos  Cuadrados. Como por ejemplo para la suavización exponencial simple se podría utilizar como valor inicial:  como  otro  ejemplo  para la  suavización  de  Holt  o  para  el  suavizamiento  amortiguado  se  podrían usar los valores siguientes como valores iniciales: http://modelosdepronosticos.  De  esta  manera  se obtendrán pronósticos o estimaciones para métricas para los primeros datos de la serie de tiempo que pueden ser utilizadas como valores iniciales para realizar el pronóstico de la serie de tiempo cuando se calcula éste de la manera normal. es decir empezando por el dato más antiguo al más reciente.  se  pueden  utilizar  valores  arbitrarios  como  valores  iniciales  para  un  método  en particular de acuerdo al criterio del analista que realiza el pronóstico.  pero también es posible utilizarla en los métodos de suavización exponencial.  –  Retropredicción. Por lo que es necesario  recurrir  a  enfoques  alternativos  para  estimar  .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos  como   y   no existen es imposible obtener el valor de   .  3.  El  número  y  naturaleza  de  valores  a inicializar depende del método de suavización que se este utilizando. Esto mismo se podría hacer en el método de la suavización exponencial amortiguada.  Como  por  ejemplo  para  obtener  P1  para  el  caso  del  método  de  la  suavización exponencial  simple;  se  podría  usar  el  promedio  de  los  20  valores  inmediatos  pasados.  Y  para  el caso  del  método  de  una  suavización  exponencial  lineal  se  podrían  obtener  los  valores  de  S  y  T resolviendo  la  ecuación  para  una  línea  recta  obteniendo  la  ordenada  al  origen  y  la  pendiente usando éstas como valores paramétricos iniciales es decir como los parámetros iniciales para S y T.  Cuando  no  se  disponen  de  datos  suficientes  para  estimar  los  valores  iniciales  o cuando el analista no considera de suma importancia disponer de valores iniciales muy apegados a la  realidad.  Utilizando  la  técnica  de  los  mínimos  cuadrados  podemos  estimar  los valores  iniciales.  la inicialización  de  estos  factores  estacionales  puede  hacerse  en  base  a  estimaciones  subjetivas  o usando índices estacionales ya conocidos. El nivel suavizado o promedio S y la componente T de la tendencia se pueden estimar usando una de las siguientes alternativas: 1.  es  decir  el  valor  más  antiguo.info/ 67/110 .  Esta  es  la  técnica  empleada  en  la  metodología  de  Box  –  Jenkins.  2.

5. A  continuación  ilustraremos  la  aplicación  del  método  de  la  suavización  exponencial  simple mediante el ejemplo siguiente.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Finalizando los ejemplos para la suavización de Winters podríamos asignar como valores iniciales los que se muestran a continuación:  en donde   y   son los valores desestacionalizados de   y   . Como valor de inicialización de P1 usaremos el primer valor observado en la serie de tiempo.2 vista con anterioridad la cual muestra los valores observados de una serie de tiempo mensual estacionaria.8 Valores Pronosticados con el Método de la Suavización Exponencial Simple. Tabla 3. es decir X1. Entonces el cálculo para el primer valor a pronosticar es:  para   queda como sigue abajo:  y de ésta misma manera se hace para calcular el resto  de  los  pronósticos  para  los  periodos  de  tiempo  subsecuentes.  En  la  siguiente  tabla  se muestran  todos  los  valores  pronosticados  para  el  ejemplo  que  nos  ocupa  correspondientes  a  los valores observados de la serie de tiempo original. pero se podría seguir calculando sucesivamente pronósticos para periodos posteriores hasta donde deseáramos. que en este caso es 48. Ejemplo: Para éste usaremos los datos de la Tabla 1. http://modelosdepronosticos. A alfa le asignaremos un valor de 0.info/ 68/110 .

Gráfica 3.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos En  la  gráfica  posterior  podemos  ver  cómo  la  curva  descrita  por  los  valores  pronosticados  sigue muy de cerca de la curva descrita por la serie de tiempo original a la cual que intenta pronosticar.9 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Simple.info/ 69/110 . Tabla 3.5 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método de la Suavización Exponencial Simple. Suavización Exponencial Simple de Respuesta Adaptativa SESRA http://modelosdepronosticos.5 A continuación vemos en la tabla de abajo los valores obtenidos para éste ejemplo de las medidas de precisión de uso más frecuente. Gráfica 3.

10 Valores Pronosticados con el Método de la Suavización Exponencial Simple de Respuesta Adaptativa. Es  importante  señalar  que  los  valores  sucesivos  de  varían  significativamente  si  se  al  utilizar diferentes inicializaciones.  .  donde. Tabla 3.   y  Se pueden utilizar las inicializaciones:                             Se debe inicializar de la siguiente manera para evitar indeterminaciones al calcularla.  aunque el valor de n es arbitraria algunos autores recomiendan que n sea igual a 4.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Este  método  tiene  como  fin  adaptar  el  valor  de   a  medida  que  va  cambiando  el  patrón  de  los datos de la serie de tiempo.  .info/ 70/110 .    Error Suavizado  Error Absoluto Suavizado  Error de Pronóstico en el momento  Esta técnica de pronóstico requiere una inicialización de los valores de  . http://modelosdepronosticos.

Gráfica 3.6 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método de la Suavización Exponencial Simple de Respuesta Adaptativa.info/ 71/110 .6 Tabla 3.11 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Simple.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3. Suavización Exponencial Doble Método de Brown  Ajuste a la Tendencia http://modelosdepronosticos.

  a  partir  de  las  cuales  se obtendrá el valor estimado.  Las expresiones son las siguientes:            donde m representa el número de periodos hacia el futuro del que se pretende hacer el pronostico. http://modelosdepronosticos.  La  primera  se  aplica  a  los  valores  observados  en  la  serie  de  tiempo  y  la segunda a la serie atenuada obtenida mediante la primera atenuación.12 Valores Pronosticados con la Suavización Exponencial Doble Método de Brown.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Este  método  consiste  en  realizar  dos  suavizaciones  exponenciales. mediante un cálculo realizado con una  expresión  sencilla.  Tabla 3. es decir.info/ 72/110 . que constituirán las inferencias de los valores que se espera que tome la serie de tiempo en el futuro cercano. usaremos una notación distinta a la de la expresión final con la cual se calculan los valores que constituyen en realidad el pronóstico.  Debido  a  que  los  valores  calculados  al  realizar  las  dos  primeras  atenuaciones  no  son  los  datos estimados a obtener. o pronóstico que buscamos realizar.

  Suavización Exponencial Ajustada a la Tendencia por el Método de Holt Esta  técnica  también  conocida  como  el  método  de  los  dos  parámetros  de  Holt  atenúa  en  forma directa la tendencia y la pendiente al utilizar una constante de atenuación diferente para cada una de ellas.7 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con la Suavización Exponencial Doble por el Método de Brown. debido a que se utiliza una sola constante de atenuación. Al utilizar este método se obtienen valores estimados de la tendencia que son muy sensibles a las variaciones aleatorias.info/ 73/110 . Esta situación que no es deseable que se presente es la que Holt intenta resolver al proponer el siguiente modelo.7 Tabla 3.13 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Doble con el Método de Brown.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3.  http://modelosdepronosticos. Gráfica 3.

  ya  que  estos  se  atenuaron  con  fines  de  aleatoriedad.   Es el número de periodos a pronosticar en el futuro.   Es la constante de atenuación utilizada para estimar la tendencia.  su diferencia constituye una estimación de la tendencia de los datos.  La ecuación con la cual se estima la tendencia es la que sigue.   Es el pronóstico de m periodos hacia el futuro.  Esta  técnica  consigue  buenos  resultados  al  pronosticar  este  tipo  de  series  al  realizar  tres suavizaciones  como  se  muestra  a  continuación  en  las  expresiones  matemáticas  para  realizar  el http://modelosdepronosticos.   Es la constante de atenuación de los datos de la serie de tiempo.    La estimación de la tendencia es calculada al obtener la diferencia entre los valores sucesivos de la atenuación  exponencial    .   Es el valor real de la serie de tiempo en el periodo t. la diferencia radica en que se agrega un término para tomar en cuenta la tendencia.  Y  al  final  se  obtiene  el  pronóstico  para  m  periodos  hacia  el  futuro  por  medio  de  la  posterior expresión matemática.   Estimación de la tendencia.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos   Con esta ecuación se atenúa la serie en forma exponencial de manera similar a como se hacia en el caso de la suavización exponencial simple.info/ 74/110 . ya que las técnicas estudiadas con anterioridad arrojan resultados con un elevado error al intentar pronosticar este tipo de comportamiento en los datos.  Suavización Exponencial Cuadrática Método de Brown  Este método se utiliza cuando se presenta una tendencia no lineal en la serie de tiempo.    en donde para las anteriores expresiones:   Es el valor atenuado.

 Esta técnica es una extensión del método de Holt ya que incorpora una ecuación http://modelosdepronosticos.info/ 75/110 .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos cálculo de pronóstico.  Primera suavización    Segunda suavización    Tercera suavización    Intercepto    Pendiente de la serie de tiempo    Parámetro de no linearidad de segundo órden    Pronóstico para el periodo      Como inicialización podemos usar:    Suavización Exponencial Triple Método de Winter  Ajuste a la Tendencia y a la Variación Estacional  Este  método  se utiliza cuando además de presentarse  una  tendencia  lineal  en  la  serie  de  tiempo. hay también un patrón de comportamiento de tipo estacional o periódico en los datos o valores de la serie de tiempo.

  Estimación de la estacionalidad.  .  .  . Es la nueva observación o valor real de la serie en el momento t.  La estimación de la estacionalidad está dada por un índice estacional   que se multiplica por la constante de atenuación   . Es la estimación de la estacionalidad.  Las  siguientes  expresiones  matemáticas  son  las  utilizadas  para  hacer  los  cálculos  en  esta técnica de pronóstico. Es la estimación de la tendencia.  .  .  Pronóstico para p periodos en el futuro.  .  . Es la constante de atenuación de la estimación de la tendencia y toma valores en el intervalo  . Es el nuevo valor atenuado suavizado. Es el número de periodos a pronosticar en el futuro.info/ 76/110 . Es la constante de atenuación que toma valores en el intervalo  .  Estimación de la tendencia.  Atenuación de la serie de tiempo. que se multiplica por .  .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos para calcular una estimación de la estacionalidad.  .  En donde: .  Es  la  constante  de  atenuación  de  la  estimación  de  la  estacionalidad  y  toma  valores  en  el intervalo  . sumándose después a la estimación anterior  .  http://modelosdepronosticos.

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos .info/ 77/110 . Es la longitud de la estacionalidad. Es el pronóstico para p periodos en el futuro. Reflexión: "No solo del copia y pega vive el sitio." Haz clic aquí para ir al principio Todos Los Derechos Reservados  Copyright © 2014 http://modelosdepronosticos. sino de de los clics del usuario también.  .

info/ 78/110 .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Haz clic aquí para ir al principio Métodos de Pronóstico http://modelosdepronosticos.

info/ 79/110 .11  U de Theil           3.2 Cambio Relativo Real http://modelosdepronosticos.1 Estacionariedad     2.7 Error Porcentual     3.1 Cambio Relativo Pronosticado           3.5 Error Cuadrático Medio     3.5 Métodos Subjetivos para la Obtención de Pronósticos     1.4 Ciclisidad     2.10 Error Porcentual Medio Cuadrático     3.8 Error Porcentual Medio     3.3 Error Medio Absoluto     3.1 Error     3.2 Tendencia     2.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos ¡¡¡ Muchas gracias por su preferencia !!! Gracias a ella seguimos siendo el sitio # 1 en el fascinante tema de los métodos de pronóstico.5 Aleatoriedad 3.7 Serie de Tiempo      1.3 Modelo Matemático de Pronóstico     1.1 Métodos Estadísticos          1.­ Medidas de Precisión de Pronóstico     3.4 Técnica o Método de Pronóstico     1.­ Componentes de Series de Tiempo     2.3 Estacionalidad     2.9 Error Porcentual Medio Absoluto     3.11.6.2 Error Medio     3.­ Conceptos Básicos De Pronósticos     1.11. Lista de Temas de Métodos de Pronóstico 1.8 Serie de Tiempo Estadística 2.2 Métodos Determinísticos o Causales      1.6 Métodos Objetivos para la Obtención de Pronósticos          1.1 Definición de Pronóstico     1.4 Suma de Cuadrados del Error     3.2 Objetivo de Pronóstico     1.6.6 Desviación Estandar del Error     3.

2.1 Método de Suavización Exponencial Simple         4. Definición de Pronóstico Del griego prognôstikon .2.5 Método de Suavización Exponencial Cuadrática.2 Método de Promedio Móvil Simple         4.2.2 Método de Suavización Exponencial Simple De Respuesta Adaptativa         4.2.2 Método de Promedio Móvil Doble     4. Conjetura acerca de lo que puede suceder.info/ 80/110 .1.4 Método de Suavización Exponencial Ajustada a la Tendencia.  producción.1.12 Porcentaje de Bateo de McLaughlin 4.1 Promedio Simple                4.2 Método de Suavización Exponencial         4.1 Métodos de Promedios Móviles         4.1 Método de Promedio Móvil Simple                4. Método de Brown         4.2.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos     3. sino de los clics del usuario también. Método De Winter Reflexión: "No solo del copia y pega vive el sitio. Método De Brown         4.6 Método de Suavización Exponencial Triple." Haz clic aquí para ir al principio Los pronósticos son una de las herramientas fundamentales para la toma de decisiones dentro de las  organizaciones  tanto  productivas  como  sin  fines  de  lucro.1. ventas.1. comercialización. finanzas.3 Método de Suavización Exponencial Doble. Objetivo de un Pronóstico Reducir  la  incertidumbre  acerca  de  lo  que  puede  acontecer  en  el  futuro  proporcionando información cercana a la realidad que permita tomar decisiones sobre los cursos de acción a tomar http://modelosdepronosticos.1.­ Métodos de Suavización de Series de Tiempo     4. entre muchas otras. Método de Holt         4. Algunas  de  las  áreas  en  donde  se utilizan  pronósticos  en  la  industria  son  la  planeación  y  control  de  inventarios.2.1.

 para determinar el pronóstico.  la  estacionalidad. El pronóstico se realiza combinando la proyección de los componentes que se presentan dentro de la serie de tiempo. Técnica o Método de Pronóstico Procedimiento por medio del cual se lleva a cabo un pronóstico. Métodos Determinísticos o Causales http://modelosdepronosticos.  Las  Métodos  cuantitativos  con  frecuencia  se  clasifican  en métodos estadísticas y métodos determinísticos. Métodos Subjetivos para la Obtención de Pronósticos Los Métodos subjetivos de pronóstico también conocidos como métodos cualitativos se basan en la  expresión  de  la  opinión  personal  o  juicio  de  uno  o  más  expertos  acerca  de  la  situación  en estudio.  En el segundo el pronóstico se obtiene a partir del análisis estadístico de los datos que integran la serie de tiempo.  la ciclisidad y la aleatoriedad de los datos.  Dentro de estos métodos se utilizan dos enfoques.  y  la  influencia  del  ruido  o  perturbación  causado  por  factores  de naturaleza aleatoria. Modelo Matemático de Pronóstico Es  una  expresión  matemática  que  representa  en  forma  simplificada  el  fenómeno  por  medio  del cual se obtienen los valores idealizados que toma una variable aleatoria en un periodo de tiempo determinado.  en  el  estudio  de  los  mismos.  En el primero se obtiene el pronóstico basado en el razonamiento de que los datos de la serie de tiempo se pueden dividir o descomponer en componentes identificables que pueden presentarse o no  en  una  determinada  serie.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos tanto en el presente como en el futuro. Métodos Objetivos para la Obtención de Pronósticos Los métodos objetivos mejor conocidas como métodos cuantitativos de pronóstico se basan en el manejo  de  datos  numéricos  históricos  para  obtener  un  pronóstico  preciso  y  se  soportan  en  la suposoción  de  que  el  comportamiento  de  los  datos  históricos  permanece  durante  un  periodo  de extensión  significativa  en  el  futuro.  las transformaciones  que  sufren. Métodos Estadísticos Estos  métodos  se  basan  en  la  existencia  de  patrones.  estos  componentes  pueden  ser  la  tendencia.info/ 81/110 .

 avances tecnológicos. religiosos. geopolíticos. Tendencia.3 muestran un crecimiento notable al transcurrir un periodo de tiempo de http://modelosdepronosticos. cambios que podrían ser originados como por ejemplo. es decir que no cambiará en el futuro lejano mientras no hayan cambios significativos o radicales en el entorno en el que se encuentra inmersa y que determina el comportamiento de la serie de tiempo en estudio. demográficos.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Se  basan  en  identificar  y  determinar  cuales  son  las  relaciones  existentes  entre  la  variable dependiente de interés a pronosticar y las variables independientes que la determinan al ejercer su influencia sobre ella. cambios culturales. Ejemplos: En la siguiente tabla se muestran los datos de una serie de tiempo con tendencia creciente.info/ 82/110 . La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o  disminución  en  la  serie  sobre  un  periodo  amplio.  Como  se  puede  ver  la  tendencia  es  la propensión  al  aumento  o  disminución  en  los  valores  de  los  datos  de  una  serie  de  tiempo. Serie de Tiempo Estadística Es  una  secuencia  ordenada  de  valores  numéricos  que  toma  una  variable  aleatoria  observados  a intervalos iguales a lo largo de un determinado periodo.  que permanece a lo largo de un lapso muy extendido de tiempo. etc. Componentes de una Serie de Tiempo Los  datos  de  una  serie  de  tiempo  se  pueden  descomponer  en  componentes  individuales  para facilitar su estudio los cuales se explican a continuación. por descubrimientos científicos. En  la  siguiente  gráfica  se  puede  observar  que  los  valores  de  los  datos  de  la  serie  de  tiempo tabulados en la Tabla 1.

4  presentan  un  decrecimiento  que  se  aprecia  sin  esfuerzo  al  pasar  un periodo de tiempo significante.  O  el  caso  del  aumento  en  las  ventas  de panfletos publicitarios. Gráfica 1.  ocurriendo  esto  cada  dos meses.3 A continuación se muestra el caso contrario.info/ 83/110 . El patrón de cambio por lo general es un aumento o una disminución cuantitativa en los valores observados de una serie de tiempo específica. Gráfica 1.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos consideración.  siendo  éste  lapso  de  tiempo  menor  a  un  año. sucedido esto cada seis años ocasionado por las elecciones presidenciales. Ejemplo: http://modelosdepronosticos.  Como  por  ejemplo.  el  caso  de  la  verificación  de  vehículos  que  se eleva  en  las  dos  primeras  semanas  de  cada  periodo  de  verificación. Cabe mencionar que aunque en la mayor parte de los  casos  el  patrón  estacional  es  un  fenómeno  que  se  presenta  en  lapsos  de  tiempo  de  duración aproximada a un año; también puede manifestarse éste fenómeno en periodos de tiempo. Estacionalidad El componenete estacional es un patrón de cambio que se repite a sí mismo año tras año.4 Ahora mostramos el concepto de una serie de tiempo con comportamiento estacional. siendo éste un lapso de tiempo mayor a un año. En  la  siguiente  gráfica  se  puede  distinguir  que  los  valores  de  los  datos  de  la  serie  de  tiempo mostrados  en  la  Tabla  1. los valores de los datos de una serie de tiempo con tendencia decreciente. ya sean menores  o  mayores  a  un  año.

Ciclisidad. Ejemplo:  En  la  tabla  que  sigue  podemos  ver  los  valores  de  una  serie  mensual  que  presenta  el fenómeno cíclico. http://modelosdepronosticos. El componenete cíclico es la fluctuación en forma de onda alrededor de la tendencia.5 que parece repetirse en lapsos de tiempo aproximados a un año. Gráfica 1.info/ 84/110 . La  ciclicidad  es  un  fenómeno  que  en  lo  general  parece  estar  relacionado  con  la  variación  de  la actividad  económica  ocurrida  durante  periodos  de  crisis  o  prosperidad.  La  fluctuación  también puede presentarse en series de tiempo estacionarias.5 Ahora  explicaremos  el  concepto  del  comportamiento  cíclico  que  se  presenta  en  las  series  de tiempo y que es de los más difíciles de pronosticar.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos En la siguiente gráfica es notorio un patrón en los valores de los datos de la serie de tiempo vistos en la tabla 1.

info/ 85/110 .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos A  continuación  se  encuentra  la  gráfica  de  los  valores  de  la  tabla  1. La aleatoriedad se puede decir que se presenta en todas las series de tiempo y no es otra cosa que el cambio producido en los valores de una serie de tiempo debido a fenómenos que son en extremo difíciles de explicar y que por lo tanto su ocurrencia cae en el ámbito del azar. Ejemplo: http://modelosdepronosticos.6 Aleatoriedad El componente aleatorio mide la variabilidad de las series de tiempo después de retirar los otros componenetes. Gráfica 1.6  que  presentan  el comportamiento cíclico en su forma más pura.

 búscan obtener una medida de que tan lejos se encuantran los valores pronosticados de los obtenidos en la realidad. Xt  es  el  valor  de  la  serie  de  tiempo  en  el  momento  t  y  Pt  es  el pronóstico para ese mismo momento.7b Medidas de Precisión de Pronóstico Las medidas de presición del pronóstico se usan para determinar que tan eficaz es un pronóstico a través del cálculo de su presición con respecto a los valores reales. Error Error Medio Error Medio Absoluto http://modelosdepronosticos.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 1.info/ 86/110 . En las  siguientes medidas del error.7 Gráfica 1. es decir.

Esto  significa  que  la  desviación  no  se  mide  respecto  de  la  media.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Suma de Cuadrados del Error Suma de Cuadrados del Error Media o Error Cuadrático Medio Desviación Estandar del Error   Nótese que Pt no es la media de las estimaciones o valores pronosticados como se podria pensar.info/ 87/110 .  sino  que  se  promedian  las desviaciones de las estimaciones respecto a los valores reales. Error Porcentual Error Porcentual Medio Error Porcentual Medio Absoluto Error Porcentual Medio Cuadrático U de Theil http://modelosdepronosticos.

http://modelosdepronosticos.  El  número  de  datos  a tomar en cuenta para calcular el promedio es una decisión de la persona que realiza el pronóstico.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Cambio Relativo Pronosticado Cambio Relativo Real   o en forma abreviada U se expresa de la siguiente manera    Si U > 1 el pronóstico es malo y es mejor utlizar el método de pronóstico del hoy con el ayer Pt+1 = Xt  Si U = 1 el pronóstico es tan bueno o tan malo como utilizar Pt+1 = Xt Si U < 1 el pronostico es mejor que el obtenido al utilizar el método de pronóstico del hoy con el ayer Pt+1 = Xt Esto significa que mientras menor sea la U el pronostico será mejor.info/ 88/110 . Métodos de Suavización de Series de Tiempo Método de Promedio Simple Este método consiste en atenuar los datos al obtener la media aritmética de cierto número de datos históricos  para  obtener  con  este  el  pronóstico  para  el  siguiente  periodo. Porcentaje de Bateo de McLaughlin   Mientras más cercana este la M a 600 el pronóstico será mejor.

 Cada ves que se tiene una nueva observación se agraga esta al conjunto de datos.1 Valores De Una Serie De Tiempo Mensual.    en donde  PMt es el promedio móvil en el periodo t. n es el número de datos utilizados para el cálculo de la media aritmética. El número de datos más recientes a considerar en el conjunto de observaciones del cual se calcula la media aritmética es una  decisión  del  analista  que  realiza  el  pronóstico;  la  sensibilidad  a  los  cambios  en  el comportamiento de la serie se reduce al utilizar un número mayor de observaciones en el conjunto de datos. http://modelosdepronosticos. Método de Promedio Móvil Simple Esta  técnica  se  utiliza  cuando  se  quiere  dar  más  importancia  a  conjuntos  de  datos  más  recientes para obtener el pronóstico. estacionalidad. Pt+1 es el valor pronosticado para el siguiente periodo. Tabla 3.info/ 89/110 . y se elimina de éste la observación o dato más antiguo.   Aquí se muestra que el valor pronosticado es igual al promedio móvil. El pronóstco se obtiene al calcular la media aritmética del conjunto de datos más recientes seleccionado. o ciclisidad en los datos.  La siguiente ecuación establece el modelo del promedio móvile simple. Este método no maneja muy bien los datos con estacionalidad o con tendencia pero si lo hace mejor que la técnica del promedio simple. Xt es el valor real observado en el periodo t.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos   Este método solo es recomendable para series de tiempo que no presentan patrones de tendencia.

 P13 = PMS13­1. Pt = PMSt­1. Gráfica 3. X t = 12.1 Para  este  ejemplo  utilizaremos  un  promedio  de  12  observaciones  anteriores  a  la  que  se  desea pronosticar.1 Líneas de Unión Entre Valores De Una Serie De Tiempo Mensual. t = 12. X12. Gráfica 3.info/ 90/110 . La primera observación a la que es posible calcular el promedio esta determinada por el número de observaciones que se desea tomar en cuenta en el promedio como se muestra en la siguiente expresión: X t = n nótese que t = n Tenemos que: n = 12.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos La gráfica de líneas de los valores de la tabla es la que se muestra en seguida. P13 = PMS12 http://modelosdepronosticos. es decir el valor de n es igual a 12.

 esto lo podemos hacer ya que contamos con el primer promedio móvil simple.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos por lo tanto el pronóstico para la observación correspondiente al momento o periodo de tiempo 13 es P13 = 79.2 Valores Pronosticados por el Método del Promedio Móvil Simple. Tabla 3.info/ 91/110 . Para el cálculo de los promedios móviles simples de las observaciones posteriores utilizaremos la expresión corta vista con anterioridad. http://modelosdepronosticos.88.54 En la siguiente tabla podemos observar el total de los valores pronosticados obtenidos. El cálculo del pronóstico para la observación correspondiente al momento de tiempo 14 queda de la siguiente manera: P14 = 82.

info/ 92/110 .  o  como  se  acostumbra  decir  es  mas suave  o  se  suaviza  respecto  de  la  curva  original  de  la  serie  de  tiempo.  Y  también  se  puede  ver como en apariencia sigue el comportamiento de la curva original.2 En la gráfica anterior podemos apreciar como la curva descrita por lo valores pronosticados esta sujeta  a  menos  cambios  bruscos  de  sus  valores  puntuales. En la siguiente tabla se muestran los resultados obtenidos al calcular las medidas de precisión para el ejemplo anterior. Gráfica 3. Tabla 3.3 Medidas de Precisión Obtenidas al Aplicar el Método de los Promedios Móviles Simples. para conocer mejor la precisión del  pronóstico  serie  conveniente  utilizar  alguna  de  las  medidas  del  error  comúnmente  usadas  y observar la variabilidad de este. http://modelosdepronosticos.2 Gráfica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método del Promedio Móvil Simple.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3.

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Método de Promedio Móvil Doble El  método  consiste  en  calcular  un  conjunto  de  promedios  móviles  y  en  seguida  se  calcula  un segundo conjunto como prodio móvil del primero.    La siguiente expresión se utiliza para calcular la diferencia entre los dos promedios móviles.info/ 93/110 .    La siguiente ecuación es un factor adicional de ajuste.    La  siguiente  expresión  es  la  que  se  utiliza  para  calcular  el  ponóstico  para  p  periodos  hacia  el futuro.  La siguientes expresión es la ecuación con la cual se calcula el primer promedio móvil.    en donde  n es el número de periodos en el promedio móvil.  Este método se utiliza para realizar pronósticos de series que tienen una tendencia lineal lineal ya que éste método maneja mejor la tendencia lineal que el “Método del Promedio Móvil Simple” el cual presenta un rezago respecto de la serie original en estos casos.    Con la siguiente expresión se calcula el segundo promedio móvil.  http://modelosdepronosticos.

  Ejemplo:  Aplicaremos  el  Método  del  Promedio  Móvil  Doble  a  los  datos  de  la  Tabla  3. Como en el caso del método del promedio móvil simple la primera observación a la que es posible calcular  el  promedio  esta  determinada  por  el  número  de  observaciones  que  se  desea  tomar  en cuenta  en  éste  mismo  y  se  utiliza  la  misma  expresión  de  ese  caso. X13 en este ejemplo.  X  t  =  n.  que  es  la  que  se  muestra  a continuación: X t = n nótese que t = n Por lo que tenemos que: n  =  12.  t  =  12.info/ 94/110 . se hace como se muestra abajo: El  cálculo  para  las  siguientes  observaciones  de  la  serie  de  tiempo  original  se  puede  hacer empleando tanto la forma completa anterior.1  a  los cuales les aplicamos ya el “Método del Promedio Móvil Simple”.  como  para  el  cálculo  de segundo promedio móvil simple realizado sobre los valores de la nueva serie de tiempo obtenida de los promedios móviles simples calculados la primera vez.  X  t  =  12. En  éste  caso  también  utilizaremos  una  n  igual  a  12.  X12.  es  la  primera  observación  a  la  cual  se  puede  calcular  el promedio de acuerdo al número de observaciones n elegido a ser tomado en cuenta en el promedio de las observaciones anteriores. El cálculo del primer promedio móvil hecho sobre las observaciones de la serie de tiempo original para la primera observación factible a realizar.  tanto  para  el  cálculo  del  primer  promedio móvil  simple  hecho  sobre  las  observaciones  de  la  serie  de  tiempo. http://modelosdepronosticos. como la corta que se muestra en seguida para el caso de la observación que sigue en el momento de tiempo t = 13.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos p es el número de periodos a pronosticar.

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos

Una  vez  teniendo  la  nueve  serie  de  tiempo  formada  por  los  valores  de  los  promedios  móviles
simples calculados sobre los datos de la serie de tiempo original, se procede a calcular el segundo
promedio  móvil  simple  para  los  datos  de  esta  nueva  serie  de  tiempo  de  promedios  o  valores
suavizados.

Los valores de esta nueva serie de tiempo son los que se muestran en la siguiente tabla. Nótese que
en  éste  “Método  del  Promedio  Móvil  Doble”,  estos  valores  son  solo  un  paso  intermedio  y  no
representan los valores pronosticados a diferencia que en el “Método del Promedio Móvil Simple”.

Tabla 3.4 Valores de la Nueva Serie de Tiempo de Promedios Móviles Simples.

El cálculo del segundo promedio móvil simple para la primera observación factible a calcularlo de
la nueva serie de tiempo se hace como se muestra en seguida:

http://modelosdepronosticos.info/ 95/110

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos

Los cálculos posteriores de la nueva serie de tiempo de promedios se pueden realizar empleando la
expresión larga o bien la forma corta que se muestra a continuación, para el caso del promedio que
sigue en el momento de tiempo t = 24, PMS'24 en este ejemplo.

En la tabla que sigue podemos ver los valores tabulados obtenidos al hacer el segundo promedio
móvil simple.

Tabla 3.5 Valores del Segundo Promedio Móvil Simple (PMS’t).

Gráfica 3.3 Gráfica de Líneas de la Serie de Tiempo Original y de las Series Nuevas Resultantes al
Calcular el PMSt y el PMS’t.
http://modelosdepronosticos.info/ 96/110

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos

Gráfica 3.3

En  esta  gráfica  observamos  que  entre  la  curva  descrita  por  los  valores  de  la  serie  de  tiempo
original y la del primer promedio móvil simple (PMSt), existe una diferencia de proporción similar
a la que existe entre la curva descrita por los valores del primer promedio móvil simple y la del
segundo  promedio  móvil  simple  (PMS’t).  Es  en  base  a  esta  observación  es  que  se  utiliza  la
proporción  de  la  diferencia  existente  entre  los  dos  promedios  (PMSt  y  PMS’t)  para  estimar  los
valores reales de la serie de tiempo, ajustando de ésta manera el valor medio o promedio móvil; y
así evitar o reducir el rezago que ocurre al aplicar tan solo un promedio móvil simple a series de
tiempo que presentan tendencia como ya se había mencionado antes.

Los pronósticos se obtienen como se explica enseguida para el caso del primer pronóstico factible
a ser calculado en éste ejemplo:

Primero se calcula el valor de 

Segundo calculamos el valor de 

Y tercero y último calculamos el valor pronosticado como se ve abajo:

 por lo tanto 

En la tabla que sigue podemos ver todos los valores pronosticados obtenidos mediante el “Método
del Promedio Móvil Doble”.

Tabla 3.6 Valores Pronosticados con el Método del Promedio Móvil Doble.

http://modelosdepronosticos.info/ 97/110

http://modelosdepronosticos. Gráfica 3.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos En  la  gráfica  que  sigue  podemos  observar  la  serie  de  tiempo  original  y  la  de  los  valores pronosticados mediante el “Método del Promedio Móvil Doble” para éste ejemplo en particular.4 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método del Promedio Móvil Doble.7 Medidas de Precisión Obtenidas al Aplicar el Método del Promedio Móvil Doble.info/ 98/110 . Tabla 3. Gráfica 3.4 En  la  siguiente  tabla  podemos  ver  los  valores  obtenidos  para  éste  ejemplo  de  las  medidas  de precisión más comunes.

info/ 99/110 .    Otra expresión equivalente a esta es la siguiente    otra forma de escribir esta expresión es la siguiente    en donde    es el error ω    El valor de a siempre se encuentra dentro del siguiente rango 0 < a > 1. La expresión para realizar el calculo de la atenuación exponencial es la siguiente. La estimación o pronostico será el valor obtenido del cálculo del promedio. es decir. obteniendo el promedio de  estos  de  manera  exponencial;  es  decir. los pronósticos obtenidos mediante el método de suavización exponencial simple quedan rezagados  aún  al  hacer  variar  el  valor  de  alfa  ( ). Al peso para ponderar la observación más reciente se le da el valor υ.  Cuando existe una clara y considerable tendencia lineal en los valores observados en una serie de tiempo.  los  datos  se  ponderan  dando  un  mayor  peso  a  las observaciones más recientes y uno menor a las más antiguas. a la siguiente observación inmediata anterior se le da un peso de ponderación de a (1 ­ υ)2 y así sucesivamente hasta completar el número de valores observados en la serie de tiempo a tomar en cuenta para realizar la atenuación. Si aplicamos la fórmula para encontrar   tenemos que: http://modelosdepronosticos. la observación inmediata anterior se pondera con un peso de a (1 ­ υ).20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Métodos de Suavización Exponencial Método de Suavización Exponencial Simple Esta técnica se basa en la atenuación de los valores de la serie de tiempo.  En  éste  método  así  como  también  en  todos  los  demás  métodos  de  suavización  exponencial  que veremos  más  adelante  se  requiere  de  una  inicialización.  es  decir  necesitan  asignarle  un  valor inicial a  . Ya que si queremos calcular   necesitamos conocer el valor de  .  para  estos  casos  se  utilizan  dos  diferentes Métodos conocidos como el método de Brown y el de Holt. para calcular el promedio ponderado.

  2. Por lo que es necesario  recurrir  a  enfoques  alternativos  para  estimar  .  De  esta  manera  se obtendrán pronósticos o estimaciones para métricas para los primeros datos de la serie de tiempo que pueden ser utilizadas como valores iniciales para realizar el pronóstico de la serie de tiempo cuando se calcula éste de la manera normal.  Y  para  el caso  del  método  de  una  suavización  exponencial  lineal  se  podrían  obtener  los  valores  de  S  y  T resolviendo  la  ecuación  para  una  línea  recta  obteniendo  la  ordenada  al  origen  y  la  pendiente usando éstas como valores paramétricos iniciales es decir como los parámetros iniciales para S y T.  Cuando  no  se  disponen  de  datos  suficientes  para  estimar  los  valores  iniciales  o cuando el analista no considera de suma importancia disponer de valores iniciales muy apegados a la  realidad.  3.  se  pueden  utilizar  valores  arbitrarios  como  valores  iniciales  para  un  método  en particular de acuerdo al criterio del analista que realiza el pronóstico.  Como  por  ejemplo  para  obtener  P1  para  el  caso  del  método  de  la  suavización exponencial  simple;  se  podría  usar  el  promedio  de  los  20  valores  inmediatos  pasados. es decir empezando por el dato más antiguo al más reciente.  en  el  caso  de  que  no  hubiera  datos  suficientes  para  aplicar  estos  métodos.  Utilizando  la  técnica  de  los  mínimos  cuadrados  podemos  estimar  los valores  iniciales. Como por ejemplo para la suavización exponencial simple se podría utilizar como valor inicial:  como  otro  ejemplo  para la  suavización  de  Holt  o  para  el  suavizamiento  amortiguado  se  podrían usar los valores siguientes como valores iniciales: http://modelosdepronosticos.  –  Retropredicción. Esto consiste en invertir la serie de tiempo y comenzar el proceso de estimación a partir del último valor es decir el más reciente  y  terminarlo  con  el  primer  valor.  es  decir  el  valor  más  antiguo.  pero también es posible utilizarla en los métodos de suavización exponencial.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos  como   y   no existen es imposible obtener el valor de   . Si los datos son estacionales los valores iniciales para los factores estacionales se pueden calcular empleando algún método de descomposición. El nivel suavizado o promedio S y la componente T de la tendencia se pueden estimar usando una de las siguientes alternativas: 1.  la inicialización  de  estos  factores  estacionales  puede  hacerse  en  base  a  estimaciones  subjetivas  o usando índices estacionales ya conocidos.  –  Mínimos  Cuadrados.  El  número  y  naturaleza  de  valores  a inicializar depende del método de suavización que se este utilizando.  Esta  es  la  técnica  empleada  en  la  metodología  de  Box  –  Jenkins.  ­  Arbitraria. Esto mismo se podría hacer en el método de la suavización exponencial amortiguada.info/ 100/110 .

 es decir X1. http://modelosdepronosticos.info/ 101/110 .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Finalizando los ejemplos para la suavización de Winters podríamos asignar como valores iniciales los que se muestran a continuación:  en donde   y   son los valores desestacionalizados de   y   . Tabla 3. Como valor de inicialización de P1 usaremos el primer valor observado en la serie de tiempo.2 vista con anterioridad la cual muestra los valores observados de una serie de tiempo mensual estacionaria. A  continuación  ilustraremos  la  aplicación  del  método  de  la  suavización  exponencial  simple mediante el ejemplo siguiente. A alfa le asignaremos un valor de 0. Entonces el cálculo para el primer valor a pronosticar es:  para   queda como sigue abajo:  y de ésta misma manera se hace para calcular el resto  de  los  pronósticos  para  los  periodos  de  tiempo  subsecuentes. que en este caso es 48. pero se podría seguir calculando sucesivamente pronósticos para periodos posteriores hasta donde deseáramos.8 Valores Pronosticados con el Método de la Suavización Exponencial Simple.5. Ejemplo: Para éste usaremos los datos de la Tabla 1.  En  la  siguiente  tabla  se muestran  todos  los  valores  pronosticados  para  el  ejemplo  que  nos  ocupa  correspondientes  a  los valores observados de la serie de tiempo original.

9 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Simple.5 A continuación vemos en la tabla de abajo los valores obtenidos para éste ejemplo de las medidas de precisión de uso más frecuente. Gráfica 3. Método de Suavización Exponencial Simple de Respuesta Adaptativa SESRA http://modelosdepronosticos.5 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método de la Suavización Exponencial Simple.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos En  la  gráfica  posterior  podemos  ver  cómo  la  curva  descrita  por  los  valores  pronosticados  sigue muy de cerca de la curva descrita por la serie de tiempo original a la cual que intenta pronosticar. Tabla 3. Gráfica 3.info/ 102/110 .

   Error Suavizado  Error Absoluto Suavizado  Error de Pronóstico en el momento  Esta técnica de pronóstico requiere una inicialización de los valores de  .info/ 103/110 . Es  importante  señalar  que  los  valores  sucesivos  de  varían  significativamente  si  se  al  utilizar diferentes inicializaciones.  aunque el valor de n es arbitraria algunos autores recomiendan que n sea igual a 4.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Este  método  tiene  como  fin  adaptar  el  valor  de   a  medida  que  va  cambiando  el  patrón  de  los datos de la serie de tiempo.10 Valores Pronosticados con el Método de la Suavización Exponencial Simple de Respuesta Adaptativa. http://modelosdepronosticos.  donde. Tabla 3.   y  Se pueden utilizar las inicializaciones:                             Se debe inicializar de la siguiente manera para evitar indeterminaciones al calcularla.  .  .

6 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método de la Suavización Exponencial Simple de Respuesta Adaptativa. Método de Suavización Exponencial Doble. Gráfica 3.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3. Método de Brown  Ajuste a la Tendencia http://modelosdepronosticos.11 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Simple de Respuesta Adaptativa.6 Tabla 3.info/ 104/110 .

 es decir. http://modelosdepronosticos. que constituirán las inferencias de los valores que se espera que tome la serie de tiempo en el futuro cercano.info/ 105/110 . usaremos una notación distinta a la de la expresión final con la cual se calculan los valores que constituyen en realidad el pronóstico. mediante un cálculo realizado con una  expresión  sencilla.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Este  método  consiste  en  realizar  dos  suavizaciones  exponenciales.  Tabla 3.  Debido  a  que  los  valores  calculados  al  realizar  las  dos  primeras  atenuaciones  no  son  los  datos estimados a obtener.  La  primera  se  aplica  a  los  valores  observados  en  la  serie  de  tiempo  y  la segunda a la serie atenuada obtenida mediante la primera atenuación.12 Valores Pronosticados con el Método de la Suavización Exponencial Doble por el Método de Brown.  Las expresiones son las siguientes:            donde m representa el número de periodos hacia el futuro del que se pretende hacer el pronostico. o pronóstico que buscamos realizar.  a  partir  de  las  cuales  se obtendrá el valor estimado.

20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Gráfica 3. debido a que se utiliza una sola constante de atenuación. Al utilizar este método se obtienen valores estimados de la tendencia que son muy sensibles a las variaciones aleatorias.info/ 106/110 .7 Grafica de Líneas de la Serie de Tiempo y de su Pronostico Obtenido con el Método de la Suavización Exponencial Doble por el Método de Brown.  Método de Suavización Exponencial Ajustada a la Tendencia por el Método de Holt Esta  técnica  también  conocida  como  el  método  de  los  dos  parámetros  de  Holt  atenúa  en  forma directa la tendencia y la pendiente al utilizar una constante de atenuación diferente para cada una de ellas. Gráfica 3.13 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización Exponencial Doble por el Método de Brown.7 Tabla 3.  http://modelosdepronosticos. Esta situación que no es deseable que se presente es la que Holt intenta resolver al proponer el siguiente modelo.

   Es el valor real de la serie de tiempo en el periodo t.   Es la constante de atenuación utilizada para estimar la tendencia.   Es el número de periodos a pronosticar en el futuro. Método de Brown Este método se utiliza cuando se presenta una tendencia no lineal en la serie de tiempo. ya que las Métodosestudiadas con anterioridad arrojan resultados con un elevado error al intentar pronosticar este tipo de comportamiento en los datos.    en donde para las anteriores expresiones:   Es el valor atenuado.  ya  que  estos  se  atenuaron  con  fines  de  aleatoriedad. la diferencia radica en que se agrega un término para tomar en cuenta la tendencia.  http://modelosdepronosticos.   Es la constante de atenuación de los datos de la serie de tiempo.  Y  al  final  se  obtiene  el  pronóstico  para  m  periodos  hacia  el  futuro  por  medio  de  la  posterior expresión matemática.  La ecuación con la cual se estima la tendencia es la que sigue.   Estimación de la tendencia.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos   Con esta ecuación se atenúa la serie en forma exponencial de manera similar a como se hacia en el caso de la suavización exponencial simple.  su diferencia constituye una estimación de la tendencia de los datos.info/ 107/110 .  Método de Suavización Exponencial Cuadrática.   Es el pronóstico de m periodos hacia el futuro.    La estimación de la tendencia es calculada al obtener la diferencia entre los valores sucesivos de la atenuación  exponencial    .

 Método de Winter http://modelosdepronosticos.info/ 108/110 .  Primera suavización    Segunda suavización    Tercera suavización    Intercepto    Pendiente de la serie de tiempo    Parámetro de no linearidad de segundo órden    Pronóstico para el periodo      Como inicialización podemos usar:    Método de Suavización Exponencial Triple.20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Esta  técnica  consigue  buenos  resultados  al  pronosticar  este  tipo  de  series  al  realizar  tres suavizaciones  como  se  muestra  a  continuación  en  las  expresiones  matemáticas  para  realizar  el cálculo de pronóstico.

  Estimación de la estacionalidad.  .  . Es la nueva observación o valor real de la serie en el momento t.  . que se multiplica por . Es el nuevo valor atenuado suavizado. Es la constante de atenuación de la estimación de la tendencia y toma valores en el intervalo  http://modelosdepronosticos.  .  Estimación de la tendencia. hay también un patrón de comportamiento de tipo estacional o periódico en los datos o valores de la serie de tiempo.  La estimación de la estacionalidad está dada por un índice estacional   que se multiplica por la constante de atenuación   .  .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos Ajuste a la Tendencia y a la Variación Estacional  Este  método  se utiliza cuando además de presentarse  una  tendencia  lineal  en  la  serie  de  tiempo. Es la constante de atenuación que toma valores en el intervalo  .  Pronóstico para p periodos en el futuro.  Atenuación de la serie de tiempo.  .  En donde: .  .info/ 109/110 . sumándose después a la estimación anterior  .  Las  siguientes  expresiones  matemáticas  son  las  utilizadas  para  hacer  los  cálculos  en  esta técnica de pronóstico. Esta técnica es una extensión del método de Holt ya que incorpora una ecuación para calcular una estimación de la estacionalidad.

 Es la estimación de la tendencia. Es el pronóstico para p periodos en el futuro. Es la estimación de la estacionalidad. Reflexión: "No solo del copia y pega vive el sitio. Es el número de periodos a pronosticar en el futuro.info/ 110/110 .  . sino de de los clics del usuario también.  .  Es  la  constante  de  atenuación  de  la  estimación  de  la  estacionalidad  y  toma  valores  en  el intervalo  .20/4/2017 Modelos de Pronósticos ­ Métodos de Pronósticos . Es la longitud de la estacionalidad." Haz clic aquí para ir al principio BR> Todos Los Derechos Reservados  Copyright © 2014 http://modelosdepronosticos.  .  .