Documentos de Académico
Documentos de Profesional
Documentos de Cultura
con perodos menores a un ao (por ejemplo: meses, trimestres, semestres, etc.), es usual enfrentar efectos estacionales. En este caso, es necesario recurrir al mtodo de Holt-Winters con componentes estacionales. 1. Serie exponencial atenuada
Et =
2. Estimacin de tendencia
Yt + (1 )(Et 1 + Tt 1 ) St L
Tt = (Et Et 1 ) + (1 )Tt 1
3. Estimacin de la estacionalidad
St =
4. Pronstico de j perodos en el futuro:
Yt + (1 )St L Et
Yt + j = (Et + j (Tt ) )S t L + j
en donde
Tt
Yt = nueva observacin o valor real de la serie en el perodo t. = Constante de atenuacin de la estimacin de tendencia (0<<1)
= Constante de atenuacin de la estimacin de la estacionalidad (0< <1) S t = Estimacin de la estacionalidad
= Estimacin de tendencia
Yt + j = Pronstico de j perodos a futuro L = Longitud de la estacionalidad. L se determina por el nmero de perodos que
conforma un ao.
UNIVERSIDAD SAN IGNACIO DE LOYOLA Ejemplo Sean los ingresos trimestrales (en miles de dlares) de un Duty Free en un aeropuerto internacional. Utilice un = 0.2 , = 0.6 y = 0.9 . Pronostique los ingresos para los 4 trimestres de 1986. Pronstico (Yt ) t Ao Trimestre Ingreso Et Tt St
1 1980 1 10 2 2 12 3 3 13 4 4 11 5 1981 1 8 6 2 10 7 3 11 8 4 9 9 1982 1 7 10 2 8 11 3 9 12 4 7 13 1983 1 14 2 15 3 16 4 Se considera un perodo estacional L =4, dado que el ao est conformado por cuatro trimestres.
1980, Primer trimestre ( t =1): E1 = Y1 = 10 ; T1 = 0 ; S1 = 1 NOTA: Si t L , se considera S t L = S1 . Por lo tanto, en este caso si t = 2, 3, 4, L=4 y
S1 = 1 entonces S 24 = 1 ; S 34 = 1 ; S 4 4 = 1 .
1980, Segundo trimestre( t =2):
E2 =
E3 =
S3 =
E12 =
Y12 + (1 )(E121 + T121 ) S124 = 0.2 7 + (1 0.2 )(8.25 + 1.091) = 7.709 0.931
= 0.6(7.709 8.25) + (1 0.6 )(0.493) = 0.522 Y 7 S12 = 12 + (1 )S12 4 = 0.9 + (1 0.9 )(0.931) = 0.91 E12 7.709
La parte denominada serie exponencial atenuada, Et, trata de evaluar los cambios de los niveles de las observaciones de la serie tratando de eliminar el efecto estacional. Si los valores de la constante (alpha) es cercano a 1, entonces los valores pronosticados son afectados por los valores ms recientes, en cambio si son cercanos a 0, los pronsticos son afectados por los resultados ms alejados en el tiempo. La estimacin de tendencia evala la tendencia de la serie, si los valores de Tt son negativos, indica que la tendencia en ese momento es hacia abajo, en si es positiva, la tendencia es hacia arriba. Si la constante es cercana a 1 (beta), los efectos de la tendencia provienen de los ltimos cambios de la atenuacin de la tendencia, en cambio si los valores son cercanos a 0, los efectos del cambio provienen de los cambios de tendencia ms antiguas. En la estimacin de la estacionalidad, St, se evala los cambios debido al efecto estacional, los resultados estacionales no son muy altos dado que son considerados como un ratio que afecta a los pronsticos. Si la constante (gamma) es cercano a 1 el efecto de estacionalidad proviene de los ltimos resultados de las observaciones eliminndole el efecto de la atenuacin de la serie Et, en cambio si la constante es cercana a cero, el efecto proviene de los efectos estacionales pasados.
Ingresos trimestrales de un Duty Free, valores observados y pronsticos de los cuatro siguientes trimestres (Primer trim., 1980: t=0, cuarto trim. 1982: t=12) 14 12 Ingresos (miles de dlares) 10 8 6 4 2 0 0 Fuente: Aeropuerto Elaborado por: G.F. Fecha: Enero, 1983 2 4 6 8 tiempo (t) Ingreso Pronstico 10 12 14 16 18
Resultados en MINITAB. Los resultados obtenidos en MINITAB son muy parecidos a los obtenidos manualmente aunque no son iguales. El motivo es que parte de distintos supuestos respecto a los valores iniciales obtenido con el mtodo de Holt-Winters. Aunque si el nmero de observaciones aumenta, los valores pronosticados va a llegar a ser iguales para ambos casos. Igualmente las mediciones de error de pronstico son diferentes. Stat Time SeriesWinters Method
Winters' multiplicative model
Data Yt Length 12.0000 NMissing 0 Smoothing Constants Alpha (level): 0.2 Gamma (trend): 0.6 Delta (seasonal): 0.9 Accuracy Measures MAPE: 8.71160 MAD: 0.80712 MSD: 1.46783 Row 1 2 3 4 Period 13 14 15 16 FORE2 5.42345 6.13446 6.71147 5.12943 Lower 3.44599 3.30652 2.98007 0.47234 Upper 7.4009 8.9624 10.4429 9.7865
Ejemplo del mtodo de Holt-Winters Sean los ingresos trimestrales (en miles de dlares) de un Duty Free en un aeropuerto internacional. Utilice un = 0.2 , = 0.6 y = 0.9 . Pronostique los ingresos para los 4 trimestres de 1986. Ingreso Yt Yt Yt Yt Yt Et Tt St Yt t Ao Trimestre 1 1980 1 10
(Y
2 Yt ) Yt Yt / Yt
2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
12 13 11 8 10 11 9 7 8 9 7
Suma= DAM ECM PEMA
Sean los ingresos trimestrales (en miles de dlares) de un Duty Free en un aeropuerto internacional. Utilice un = 0.2 , = 0.6 y = 0.9 . Pronostique los ingresos para los 4 trimestres de 1986. Ingreso Et
10 10.4 11.112 11.508 11.164 10.666 10.193 9.703 9.276 8.74 8.25 7.709
t
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Ao 1980
1981
1982
1983
Trimestre 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Yt
10 12 13 11 8 10 11 9 7 8 9 7
Tt
0 0.24 0.523 0.447 -0.028 -0.31 -0.408 -0.457 -0.439 -0.497 -0.493 -0.522
St
1 1.138 1.153 0.96 0.745 0.958 1.087 0.931 0.754 0.92 1.091 0.91
Yt
Yt Yt
Yt Yt
(Y
2 Yt ) Yt Yt / Yt
11.955 12.673 11.94 9.394 6.888 8.466 8.96 7.222 5.419 6.132 6.702 5.115
3.955 2.673 0.94 0.394 0.112 0.466 0.04 0.222 8.802 DAM 1.10025
15.642 7.145 0.884 0.155 0.013 0.217 0.002 0.049 24.107 ECM 3.013375
0.494 0.267 0.085 0.044 0.016 0.058 0.004 0.032 1.000 PEMA 0.1250