Estadı́stica III - 3009137

Modelos y Ajustes Locales Parte I

Nelfi González Alvarez

Profesora Asociada Escuela de Estadı́stica
e-mail: ngonzale@unal.edu.co

Facultad de Ciencias, Universidad Nacional de Colombia Sede Medellı́n

Escuela de Estadı́stica
Semestre 02 de 2020

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Contenido I

1 Ajuste Local vs. Ajuste Global

2 Cómo operan los métodos de ajuste local?

3 Cómo se escoge el método local a aplicar?

4 Lista de Abreviaturas

5 Modelo de cambio de nivel con pendientes nulas

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Contenido

1 Ajuste Local vs. Ajuste Global

2 Cómo operan los métodos de ajuste local?

3 Cómo se escoge el método local a aplicar?

4 Lista de Abreviaturas

5 Modelo de cambio de nivel con pendientes nulas

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Ajuste Local vs. Ajuste Global

Ajuste Global
Aplicado con los modelos de regresión donde se asume y estima un mode-
lo con parámetros constantes para toda la serie, bajo el supuesto de que las
componentes estructurales no sufren cambios en el tiempo (supuesto de con-
tinuidad).

Por el contrario,

Ajuste Local
Esta estrategia admite cambios en los parámetros que definen las compo-
nentes estructurales (tendencia y estacionalidad), de manera que los modelos
se adapten a tales cambios.

Vea los siguientes dos ejemplos, donde se ha simulado en cada uno una serie con cambios
en el patrón de la tendencia, y sus ajustes bajo dos métodos locales y una regresión global
polinomial ¿será apropiado el ajuste global realizado?.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

80

80
70

70
60

60
50

50
Yt

Yt
40

40
30

30
Serie simulada Serie simulada
20

20
Niveles medios reales Estimación local del nivel loess lineal

0 10 20 30 40 50 60 0 10 20 30 40 50 60

Time Time
80

80
70

70
60

60
50

50
Yt

Yt
40

40
30

30

Serie simulada
Serie simulada
20

20

Estimación global del nivel

Estimación local del nivel SES
polinomio de grado 8

0 10 20 30 40 50 60 0 10 20 30 40 50 60

Time Time

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

180

80
160

60
140

40
120
yt

yt

20
100

0
−20
80

Serie simulada Serie simulada

Niveles medios reales Estimación local del nivel loess lineal

−40
60

0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140

Time Time
80

80
60

60
40

40
yt

yt
20

20
0

0
−20

−20

Serie simulada
Serie simulada
Estimación global del nivel
Estimación local del nivel SEH
−40

−40

polinomio de grado 6

0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140

Time Time

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Contenido

1 Ajuste Local vs. Ajuste Global

2 Cómo operan los métodos de ajuste local?

3 Cómo se escoge el método local a aplicar?

4 Lista de Abreviaturas

5 Modelo de cambio de nivel con pendientes nulas

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Cómo operan los métodos de ajuste local?

1 Ajustan la serie en un tiempo por vez
2 Para el ajuste en un tiempo dado consideran que
Solo es relevante el patrón en la proximidad de ese tiempo, o sea el patrón
local.
Por tanto, solo las observaciones de la serie cercanas al tiempo de interés y la
de ese tiempo, entran en los cálculos de estimación.
3 En cada tiempo siempre se ajusta un mismo tipo de modelo (el modelo local)
con las observaciones locales, pero al cambiar el tiempo del ajuste, se permite que
cambien los valores de los parámetros del modelo local.
4 El modelo local puede llegar a ser estimado tantas veces como observaciones tiene
la serie de tiempo.
5 A pesar que se mantiene la misma forma funcional de la ec. del modelo local, los
valores estimados de sus parámetros van cambiando con t y por tanto no existe
una ecuación global para el cálculo de  Yt .
6 El resultado final es una sucesión de valores estimados  Yt , obtenidos uno por vez
en cada ajuste local.
7 En los pronósticos, utilizan la última estimación del modelo local para calcular los
pronósticos con origen en t = n. Esto limita la capacidad de pronóstico, pues el
pronóstico queda dependiendo del patrón local al final de la serie, el cual puede
diferir por mucho del patrón local en los periodos futuros.
Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I
 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Contenido

1 Ajuste Local vs. Ajuste Global

2 Cómo operan los métodos de ajuste local?

3 Cómo se escoge el método local a aplicar?

4 Lista de Abreviaturas

5 Modelo de cambio de nivel con pendientes nulas

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Cómo se escoge el método local a aplicar?

1 Todo método local tiene asociado un modelo local

2 Cada modelo local asume un determinado patrón de comportamiento:

Ese patrón se representa con una ecuación que indica el tipo de compo-
nentes que el modelo supone existen en la serie: serie con solo tendencia?,
con tendencia y estacionalidad aditivas?, con tendencia y estacionalidad
multiplicativas?

3 Elegimos primero el tipo de modelos y en consecuencia el método de

ajuste local: De acuerdo a los patrones observados en la serie debemos
proceder con la selección del modelo y en consecuencia, del método local.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Entre los modelos locales que no consideran estacionalidad sólo se contem-

iid  
pla la descomposición aditiva: Yt = Tt + Et , Et ∼ N 0, σ2 , con tres modelos
locales fundamentales para Tt , a saber

1 Rectas de pendiente cero pero con niveles que cambian lentamente en el tiempo

2 Rectas de pendiente y nivel que cambian lentamente con t y rectas cuyo inter-
cepto y pendiente cambian con t. (son dos modelos que hablan de rectas
pero parametrizan de forma diferente).

3 Parábolas cuyos parámetros cambian con t.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Entre los modelos locales que contemplan tendencia y estacionalidad, con-

sideraremos:
iid  
1 Aditivos: Yt = Tt + St + Et , Et ∼ N 0, σ2 .
iid
2 Multiplicativos:
  Solo el caso parcialmente multiplicativo, Yt = Tt × St + Et , Et ∼
N 0, σ2 .

3 En ambos casos, tendremos las siguientes subdivisiones de modelos:

Tendencia local lineal cuyos parámetros cambian en el tiempo en tanto que la
estacionalidad es un factor cuyos efectos estacionales son constantes en el tiempo.
Tendencia local cuadrática cuyos parámetros cambian en el tiempo en tanto
que la estacionalidad es un factor cuyos efectos estacionales son constantes
en el tiempo.
Tendencia local lineal cuyo nivel y pendiente cambian en el tiempo y la estacional-
idad es un factor cuyos efectos estacionales también cambian en el tiempo (cambios
lentos en nivel, pendiente y efectos estacionales).

Nota 3.1
Tanto en modelos aditivos como multiplicativos, la estacionalidad se modela como un factor,
cuyos niveles son los periodos del año y se usan todos los periodos del año en la ecuación us-
ando variables indicadoras, pero los aditivos obligan a que la suma de los efectos estacionales
en cada t debe ser igual a cero, mientras que en los multiplicativos la suma de los efectos
estacionales en cada t debe ser igual a la longitud del año calendario.
Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I
 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Contenido

1 Ajuste Local vs. Ajuste Global

2 Cómo operan los métodos de ajuste local?

3 Cómo se escoge el método local a aplicar?

4 Lista de Abreviaturas

5 Modelo de cambio de nivel con pendientes nulas

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas

Lista de abreviaturas

Para las siguientes secciones usaremos los nombres abreviados de los métodos
de ajuste local de tendencia, ası́:
• MMS: Media móvil simple
• MMSU: Media móvil simple unilateral
• MMSB: media móvil simple bilateral
• FH: Filtro de Henderson
• SES: Suavizamiento exponencial simple

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Contenido

1 Ajuste Local vs. Ajuste Global

2 Cómo operan los métodos de ajuste local?

3 Cómo se escoge el método local a aplicar?

4 Lista de Abreviaturas

5 Modelo de cambio de nivel con pendientes nulas

Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Modelo de cambio de nivel con pendientes nulas

Suponga una serie no estacional aditiva
IID
Yt = Tt + Et , Et ∼ N(0, σ2 ),

donde Tt es de tipo local mostrando cambios de nivel pero siempre con pendiente
igual a cero:
Yt+h = β0,t + Et+h
80
70

Bajo este patrón local aplicaremos los

60

siguientes métodos locales:

50
Yt

• Filtros lineales basados en MMSU,

40

MMSB, FH
30

• SES
20

Serie simulada
Nivel medio cambiando con t

0 10 20 30 40 50 60

Time

Objetivo de estos métodos: Estimar el nivel medio de la serie en el tiempo t,

el cual denotaremos β0,t .
Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I
 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Antes de mostrar el modelo de cambio de nivel con pendientes nulas y los

métodos que lo ajustan, considere el siguiente modelo de tipo global:
Modelo de la media global
Si el modelo apropiado para la serie es:
iid
 
Yt = β0 + Et , Et ∼ N 0, σ2 (1)

80
Yt

60
40
0 10 20 30 40 50

Time

0 = Ȳn = 1 
n
usamos como estimador a β n Yt
t=1

Para pronósticos con origen en t = n, se tiene


Yn (L) = Ȳn (2)
Como I.P de (1 − α)100 %

1  2
n
n+1
Ȳn ± tα/2,n−1 Sn con S2n = Yt − Ȳn (3)
n n−1
t=1

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Observe que
El modelo de la media global asume que el nivel medio de la serie en un tiem-
po t, β0,t , se mantiene constante en un valor fijo β0 . Qué pasa si este nivel cam-
bia lentamente con el tiempo de manera aleatoria, pero manteniendo siempre
una pendiente igual a cero?

La respuesta es que se invalida el uso del modelo de la media global y es

necesario considerar el modelo local de cambio de nivel con pendientes cero,
ajustado mediante medias móviles simples, filtros de Henderson y suaviza-
miento exponencial simple.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Vea a continuación la especificación del modelo de cambio de nivel con pen-

dientes nulas:
Modelo de cambio de nivel con pendientes iguales a cero
Corresponde al siguiente modelo,
Yt+h = β0,t + Et+h , donde β0,t = β0,t−1 + νt (4)
iid iid  
con νt ∼ N(0, σν2 ) y Et ∼ N 0, σ2 , independientes.
20 40 60 80
Yt

0 10 20 30 40 50 60

Time

donde se asume una evolución aleatoria sobre una tendencia aproximada-

mente constante (cambios lentos y no pronunciados en el nivel de la serie,
β0,t ).

A continuación, se explican los métodos locales capaces de ajustar el modelo

de cambio de nivel con pendientes nulas:
Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I
 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Ajustes del modelo de cambio de nivel con pendientes nulas

Paso 1. Estimar el nivel en t, β0,t : Aquı́ se diferencian los métodos, ası́:

• MMSU de (m + 1) términos: Estima promediando la observación Yt con las m ob-

servaciones anteriores a t:
m
0,t = 1
β Yt−i (5)
m+1
i=0
• MMSB de (2m + 1) términos: Estima promediando la observación Yt con las m
observaciones anteriores y las m observaciones posteriores a t:

1 
m
0,t =
β Yt−i (6)
2m + 1
i=−m

• FH de (2m + 1) términos: Es una MMSB especial,


m
0,t =
β Wi Yt−i (7)
i=−m

con Wi pesos simétricos alrededor de i = 0, es decir, Wi = W−i , que decrecen

sistemáticamente, de forma que Wi > 0 para i ∈ [−m, m], y Wi = 0 para todo i
fuera de este intervalo. Más adelante se muestra la ecuación de los Wi .
Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I
 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

• SES: Aplica recursivamente la siguiente ecuación de suavizamiento

0,t = αYt + (1 − α) β
β 0,t−1 , con α ∈ (0, 1) (8)

0,t ≈ 
t−1
Puede demostrarse que β wi Yt−i , con Wi = α (1 − α)i .
i=0

Paso 2: Estimación de la serie: Todos los métodos arrojan como valor estimado de la serie
en un tiempo t, al nivel estimado un paso atrás, es decir,
 0,t−1
Yt = β (9)

Tenga en cuenta que

• En las MMSU, β0,t se puede calcular para t = m + 1, . . . , n, mientras que 
Yt sólo se
puede estimar para t = m + 2, . . . , n.
• En las MMSB y en FH, β 0,t se puede calcular para t = m + 1, . . . , n − m, mientras que

Yt sólo se puede estimar para t = m + 2, . . . , n − m + 1.
• En MMSU, MMSB, y FH, el valor de m controla el suavizamiento de la serie ajus-
tada: a mayor m, más suave es la apariencia de la curva ajustada. Para un ajuste
óptimo pudiera buscarse un m que minimice un SSE de ajuste con cada método.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Tenga en cuenta que (continuación)

• En SES, β 0,t se puede calcular para t = 1, . . . , n, inicializando en t = 1 con

β0,1 = Y1 si la serie es larga o con β 0,1 = Ȳ, el promedio de los n datos, si
la serie es corta, y a partir de t = 2 usa la ec. (8).  Yt se puede estimar para
t = 2, . . . , n.

• En SES α controla el suavizamiento de la serie: mientras más próximo a

0 más suave es la curva ajustada. Para un ajuste óptimo puede buscarse α
que minimice un SSE de ajuste.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Pronósticos en el modelo de cambio de nivel con pendientes nulas

Para el pronóstico L periodos después de t = n, los métodos MMSU, MMSB, FH y SES,

pronostican la serie usando el útimo valor actualizado (estimado) del nivel, obtenido
hasta t = n, ası́:
• MMSU: Usa la útima media móvil calculada en t = n,
 n , ∀ L = 1, 2 . . .
Yn (L) = β (10)
Con un I.P aproximado, de (1 − α)100 %,

m+2 1 
n  2

Yn (L) ± tα/2,n−m−2 × Sn , con S2n = Yt − 
Yt (11)
m+1 n−m−2
t=m+2

• MMSB: Usa la útima media móvil calculada hasta t = n,

 n−m , ∀ L = 1, 2 . . .
Yn (L) = β (12)
Con un I.P aproximado, de (1 − α)100 %,

2m + 2 1  
n−m+1 2

Yn (L) ± tα/2,n−2m−1 × Sn , con S2n = Yt − 
Yt (13)
2m + 1 n − 2m − 1
t=m+2

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

• FH: Usa la útima media móvil calculada según el filtro, hasta t = n,

 n−m , ∀ L = 1, 2 . . .
Yn (L) = β (14)
Con un I.P aproximado, de (1 − α)100 %,


m
1  
n−m+1 2

Yn (L)±tα/2,n−2m−1 ×Sn 1 + Wi2 , con S2n = Yt − 
Yt (15)
n − 2m − 1
i=−m t=m+2

• SES: Usa el último valor sauvizado en t = n:

 n , ∀ L = 1, 2 . . .
Yn (L) = β (16)
Con un I.P aproximado de (1 − γ)100 %,



1 
n

Yn (L) ± tγ/2,n−2 × Sn 1 + (L − 1)α2 con Sn = (Yt − 
Yt ) 2 (17)
n−2
t=2

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Implementación en R
En R: Las Medias móviles incluyendo Henderson, se pueden calcular con la función
filter( ):

Función R
#Medias móviles simples unilaterales:
filter(yt,filter=w,sides=1);

#Medias móviles simples bilaterales

filter(yt,filter=w,sides=2)

w es el vector de los pesos asignados a las observaciones en la media móvil.

Sin embargo, no se cuenta con funciones directamente diseñadas para el ajuste y pronósti-
co de la serie con base en las medias móviles. Se requiere programar estos resultados.

Nota 5.1
filter permite aplicar la estrategia denominada circular: Se usan los valores finales de
la serie para completar las observaciones requeridas en el cálculo de las medias móviles de los
primeros tiempos, y se usan los valores iniciales de la serie para completar las observaciones
necesarias en el cálculo de las medias móviles en los últimos periodos. Pero para usarla, el
nivel inicial y final de la serie debe ser similar.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Para SES en R: Se cuenta con funciones para ajuste y pronóstico:

Funciones R
#En el ajuste: con ajuste óptimo
ajusteSES=HoltWinters(serie,beta=FALSE,gamma=FALSE)

#En el pronóstico para m periodos, con I.P del 95 %

predSES=predict(ajusteSES,n.ahead=m,prediction.interval=T,level=0.95)

m se hace igual al número de pronósticos deseados.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Notas complementarias sobre los métodos anteriores

Las medias móviles incluyendo Henderson, son un tipo particular de Filtros

conocidos como filtros lineales:
Filtro Lineal
Transformación de una serie de tiempo que permite extraer componentes co-
mo la tendencia. El filtro lineal en general sigue la siguiente fórmula,
∞

wi Yt−i (18)
i=−∞
∞

donde los coeficientes wt son un conjunto de pesos tales que |wt | < ∞.
t=−∞

Los filtros ayudan reduciendo las fluctuaciones locales de corto plazo. El en-
tero m ≥ 1 que usan las ecuaciones de las medias móviles y Henderson, es
llamado el ancho de ventana de la media móvil.

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Los Filtros Henderson (FH) han sido diseñados para estudiar ciclos, para ello, los pesos
Wi tienen el siguiente diseño:

315[(m + 1)2 − i2 ][(m + 3)2 − i2 ][3(m + 2)2 − 11i2 − 16]

wi =
8(m + 2)[(m + 2)2 − 1][4(m + 2)2 − 1][4(m + 2)2 − 9][4(m + 2)2 − 25]
para i = −m, . . . , m.

• Ejemplo: Con datos trimestrales usar un filtro de 2m+1 = 7 términos (m = 3) remueve prácticamente cualquier
ciclo con una longitud menor a 3.49 trimestres y permitirá observar cualquier ciclo mayor a 7.74 trimestres,
removiendo ası́ una parte sustancial de las irregularidades en la serie trimestral pero manteniendo los ciclos
de negocios de mediano y largo plazo.

Henderson, w9
Henderson, w13
Henderson, w23
0.3
0.2
Ponderación

0.1
0.0

−10 −5 0 5 10

i
Figura 1: Algunas funciones de pesos según longitud 2m + 1 de FH
Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I
 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Ejemplo 1. Cálculos con MMSU y MMSB

MMSU: Promedia Yt con las m observaciones anteriores
m=3 m=5
t Yt 
β  
Yt = β 
β  
Yt = β
0,t 0,t−1 0,t 0,t−1
1 200 - - - -
2 135 - - - -
3 195 - - - -
4 197.5 181.875 - - -
5 310 209.375 181.875 - -
6 175 219.375 209.375 202.083 -
7 155 209.375 219.375 194.583 202.083
8 130 192.5 209.375 193.75 194.583
9 220 170 192.5 197.917 193.8
10 277 195.5 170 211.167 197.9167
11 235 215.5 195.5 198.667 211.167
Pronósticos 
Y11 (L)=215.5, ∀ L ≥ 1 
Y11 (L)=198.667, ∀ L ≥ 1
MMSB: promedia Yt con las m observaciones anteriores y posteriores
m=1 m=2
t yt 
β  
Yt = β 
β  
Yt = β
0,t 0,t−1 0,t 0,t−1
1 200 - - - -
2 135 176.67 - - -
3 195 175.83 176.67 207.5 -
4 197.5 234.17 175.83 202.5 207.5
5 310 227.50 234.17 206.5 202.5
6 175 213.33 227.50 193.5 206.5
7 155 153.33 213.33 198 193.5
8 130 168.33 153.33 191.4 198
9 220 209 168.33 203.4 191.4
10 277 244 209 - 203.4
11 235 - 244 - -
Pronósticos 
Y11 (L) =244, ∀ L ≥ 1 
Y11 (L) =203.4, ∀ L ≥ 1

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Ejemplo 2. MMSU: sin y con estrategia circular

MA unilateral con función filter MA unilateral usando función filter con argumento circular=T

m = 24 m = 24
m = 48
1.2e+08

1.2e+08
m = 48
1.0e+08

1.0e+08
8.0e+07

8.0e+07
Volume

Volume
6.0e+07

6.0e+07
4.0e+07

4.0e+07
2.0e+07

2.0e+07
2000−10−01 2001−01−01 2001−04−01 2001−07−01 2000−10−01 2001−01−01 2001−04−01 2001−07−01

Time Time

Figura 2: Volumen diario de acciones negociadas de Microsoft y medias móviles simples unilaterales sobre esta
serie. Cuál es el efecto de aumentar m?. Cuál es el efecto de la estrategia circular? (Fig. Der.)

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Ejemplo 3. MMSB: sin y con estrategia circular

MA bilateral con función filter, circular=F MA bilateral con función filter,circular=T

m = 12 m = 12
1.2e+08

1.2e+08
m = 24 m = 24
1.0e+08

1.0e+08
8.0e+07

8.0e+07
Volume

Volume
6.0e+07

6.0e+07
4.0e+07

4.0e+07
2.0e+07

2.0e+07
2000−10−01 2001−01−01 2001−04−01 2001−07−01 2000−10−01 2001−01−01 2001−04−01 2001−07−01

Time Time

Figura 3: Volumen diario de acciones negociadas de Microsoft y medias móviles simples bilaterales sobre esta
serie. Cuál es el efecto de aumentar m?. Cuál es el efecto de la estrategia circular? (Fig. Der.)

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Ejemplo 4. FH vs. MMS

Los Filtros Henderson reflejan mejor las variaciones o saltos en la tendencia, pues al
usar pesos negativos logran seguir diferentes curvaturas (lineales, cuadráticas, cúbicas)
y puntos de inflexión en una serie. Considere la siguiente serie:

1.5
Quarterly Percentage Change
in UK GDP
Año Q1 Q2 Q3 Q4

1.0
1990 1.20 0.80 -1.00 -0.50
1991 -0.70 -0.40 -0.40 0.20
1992 0.30 0.10 0.80 0.90

GDPchange

0.5
1993 0.80 0.60 0.90 0.80
1994 1.40 1.30 1.30 0.70
1995 0.50 0.50 1.20 0.50

0.0
1996 1.10 0.40 0.70 0.90
1997 1.10 1.00 1.00 1.10
1998 0.80 0.70 0.60 0.90

−0.5
1999 0.50 0.30 1.70 1.30
2000 1.00 1.40 0.30 0.20
2001 1.30 0.70 0.50 0.40 −1.0

2002 0.40 0.80 0.80 0.90

2003 0.60 1.20 1.20 1.20
1990 1992 1994 1996 1998 2000 2002 2004
2004 0.7
Time

Figura 4: Cambio porcentual del PIB en el Reino Unido

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global Ajustes del modelo de cambio de nivel con pendientes nulas
Cómo operan los métodos de ajuste local? Pronósticos en el modelo de cambio de nivel con pendientes nulas
Cómo se escoge el método local a aplicar? Implementación en R
Lista de Abreviaturas Notas complementarias sobre los métodos anteriores
Modelo de cambio de nivel con pendientes nulas Ejemplos

La figura de la izq. permite comparar una MMSB con 2m + 1 = 7 y el FH

también con 2m+1 = 7. La Figura de la derecha permite comparar entre varios
FH y determinar el efecto de la longitud del filtro: 2m + 1, valiendo 7, 9, y 12.

Original Original
FH7 FH7
1.5

1.5
Media móvil bilateral 2m+1=7 FH9
FH13
quarterly percentage change in UK GDP

quarterly percentage change in UK GDP

1.0

1.0
0.5

0.5
0.0

0.0
−0.5

−0.5
−1.0

1990 1992 1994 1996 1998 2000 2002 2004 −1.0 1990 1992 1994 1996 1998 2000 2002 2004

Time Time

Figura 5: Izq.FH y MMSB, ambos de 7 términos; Der. Varios FH

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

Ejemplo 5. SES
Considere de nuevo la serie trimestral sobre el cambio porcentual de PIB en el Reino
Unido. Vea el resultado SES óptimo donde α es elegido minimizando el SSE.

Holt−Winters filtering

Quarterly Percentage Change Observada

in UK GDP SES óptimo

1.5
Año Q1 Q2 Q3 Q4
1990 1.20 0.80 -1.00 -0.50

quarterly percentage change in UK GDP

1991 -0.70 -0.40 -0.40 0.20

1.0
1992 0.30 0.10 0.80 0.90
1993 0.80 0.60 0.90 0.80
1994 1.40 1.30 1.30 0.70

0.5
1995 0.50 0.50 1.20 0.50
1996 1.10 0.40 0.70 0.90
1997 1.10 1.00 1.00 1.10

0.0
1998 0.80 0.70 0.60 0.90
1999 0.50 0.30 1.70 1.30
2000 1.00 1.40 0.30 0.20

−0.5
2001 1.30 0.70 0.50 0.40
2002 0.40 0.80 0.80 0.90
2003 0.60 1.20 1.20 1.20
−1.0

2004 0.7

1990 1992 1994 1996 1998 2000 2002 2004

Time
Figura 6: Cambio porcentual del PIB en el Reino Unido y
su SES

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global
Cómo operan los métodos de ajuste local?
Cómo se escoge el método local a aplicar?
Lista de Abreviaturas
Modelo de cambio de nivel con pendientes nulas
Ajustes del modelo de cambio de nivel con pendientes nulas
Pronósticos en el modelo de cambio de nivel con pendientes nulas
Implementación en R
Notas complementarias sobre los métodos anteriores
Ejemplos

En R se procedió ası́:
> SES=HoltWinters(GDPchange,beta=FALSE,gamma=FALSE); SES
Holt-Winters exponential smoothing without trend and without seasonal component.
Call:
HoltWinters(x = GDPchange, beta = FALSE, gamma = FALSE)
Smoothing parameters:
alpha: 0.6398909
beta : FALSE
gamma: FALSE

Coefficients:
[,1]
a 0.8714577

> shapiro.test(residuals(SES))
Shapiro-Wilk normality test
data: residuals(SES)
W = 0.9293, p-value = 0.002796

Interpretación de estos resultados

0,t = 0.6398909Yt + 0.3601091β

• La ec. de suavizamiento es: β 0,t−1
0,n . Entonces, con n = 57, 
• El coeficiente a es β Y57 (L) = 0.8714577 ∀ L = 1, 2, . . .

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I

 Ajuste Local vs. Ajuste Global Ajustes del modelo de cambio de nivel con pendientes nulas
Cómo operan los métodos de ajuste local? Pronósticos en el modelo de cambio de nivel con pendientes nulas
Cómo se escoge el método local a aplicar? Implementación en R
Lista de Abreviaturas Notas complementarias sobre los métodos anteriores
Modelo de cambio de nivel con pendientes nulas Ejemplos

1.0

1.0
0.5

0.5
residuals(SES)

residuals(SES)
0.0

0.0
−2.0 −1.5 −1.0 −0.5

−2.0 −1.5 −1.0 −0.5

1990 1992 1994 1996 1998 2000 2002 2004 −0.5 0.0 0.5 1.0

Time as.numeric(fitted(SES)[, 1])

Normal Q−Q Plot

1.0
0.5
Sample Quantiles

0.0
−2.0 −1.5 −1.0 −0.5

−2 −1 0 1 2

Theoretical Quantiles

Figura 7: Residuales suavizamiento exponencial simple óptimo (α = 0.6398909)

Estadı́stica III - 3009137 Modelos y Ajustes Locales Parte I