3.4 Métodos de suavización 3.

5 tendencias no lineales
exponencial

El método de suavización Una curva de tendencia

La curva exponencial
exponencial supone que el exponencial común
debe su nombre al
proceso es constante, al igual refleja una tasa
hecho de que la variable
que el método de promedios constante de
independiente X es el
móviles.. crecimiento durante un
exponente de b1 en la
periodo de años
ecuación general:
Formula nº3 b = valor de
Esta técnica está diseñada para atenuar una La suavización exponencial Y en el año 0 b1= tasa
desventaja del método de promedios móviles, utiliza un promedio móvil de crecimiento.
en donde los datos para calcular el promedio ponderado de los datos
tienen la misma ponderación. De manera históricos de la serie de tiempo
particular, esta técnica considera que las como pronóstico; es un caso De la obtención del logaritmo de ambos lados resulta
observaciones recientes tienen más valor, por especial de promedio móvil en la ecuación de tendencia lineal logarítmica: Formula
lo que le otorga mayor peso dentro del donde se selecciona un solo nº4La ventaja de la transformación a logaritmos es
promedio. valor de ponderación que la ecuación lineal para el análisis de tendencias
puede aplicarse a los logaritmos de los valores
cuando la serie de tiempo sigue una curva
Ft+1 = αYt + (1 - α) Ft exponencial

Ft+1 = Pronóstico de la serie de tiempo para el periodo de

t + 1. Yt = Valor real Del periodo anterior al año a
pronosticar.
Ft = Valor real del periodo anteanterior al año a
pronosticar. α = Constante de suavización (0 ≤ α ≤ 1).
La utilización de esta ecuación implica algunas especificaciones. El cálculo
de Ft+1 está ligado con los 2 periodos anteriores.
https://es.slideshare.net/f2721/unidad3analisisdeseriesdetiempo?from_action=save
Los valores logarítmicos pronosticados de Y pueden
reconvertirse después a las unidades de medida originales
mediante la obtención del antilogaritmo de los valores. Una
línea de tendencia logarítmica es una línea curva que se
ajusta perfectamente y que es muy útil cuando el índice de
cambios de los datos aumenta o disminuye rápidamente y
después se estabiliza. Esta línea de tendencia logarítmica
puede utilizar valores positivos o negativos.