Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SUAVIZACIONEXPONENCIAL
ANALISIS CUANTITATIVO DE ST
1. MODELOS SUAVIZACION EXPONENCIAL 1. Suavizacin Exponencial Simple 2. 2 Suavizacin Exponencial Doble 3. Suavizacin Exponencial Generalizada (Holt-Winters) 2. MODELOS DE SERIES DE TIEMPO: 1. Mtodos de Descomposicin 2. Modelos ARMA, ARIMA 3. MODELOS DE ASOCIACION: ASOCIACION 1. Modelos de Regresin 2. 2 Modelos de Ecuaciones Simultneas 3. Modelos de Dinmica de Sistemas
Informacin: Datos histricos de las variables involucradas Supuesto: El patrn histrico manifestado por las variables sigue siendo vlido para el futuro analizado analizado.
SUAVIZACION EXPONENCIAL
1. 2.
3.
= yT + (1 ) (1-)
T-1
Ft+1 = Yt + (1- ) Ft
Todos los datos influyen en el pronstico, pero los ms recientes tienen mayor i fl influencia. i Clculo del pronstico
T
1 1 1
Tiempo
2 3
0< <1
Pronstico
T
Intervalo de Prediccin
0
Generalizando:
= yT + (1-)
T-1 T
( )
Ejemplos:
Si = 0 1 0.1 2 3 3 = 0.1y3 + (0.9)0.1y2 + (0.9) 0.1y1 + (0.9) 0.1 0.1y 0.09y 0.081y 0.0729 3 = 0 1y3 + 0 09y2 + 0 081y1 + 0 0729 0 Si = 0.9 09 = 0.9y3 + (0.1)0.9y2 + (0.1)20.9y1 + (0.1)30.9 3 0.9y 0.09y 0.009y 0.0009 3 = 0 9y3 + 0 09y2 + 0 009y1 + 0 0009 0
0
2SuavizacinExponencialDoble(HOLT)
Ecuaciones Suavizacin: [t+h] = a[t] + h*b[t] [t] Holt Aditivo
Tendencia
a[t]
b[ ] b[t]
predecir
3SUAVIZACIONEXPONENCIALHOLTWINTERS(HW)
HW Aditivo
Tendencia Estacionalidad Constante
Ecuaciones Suavizacin:
a[t]: suavizacin global ( i l) [t] i i l b l (nivel) b[t]: suavizacin tendencia s[t]: suavizacin estacional p: longitud perodo estacional h: perodos futuros a predecir
=(Y[t] - s[t-p]) +(1-) (a[t-1] +b[t-1]) ( [ ] [ ]) ( ) ( [ ] b[ ]) = (a[t] - a[t-1]) + (1-) b[t-1] = g(Y[t] - a[t]) + (1-g) s[t-p] (Y[t] [t]) (1 ) [t ]
HW Multiplicativo
Tendencia Estacionalidad Creciente
[t+h] = ( [t] + h*b[t])*s[t+1+(h-1) mod p] (a[t] h*b[t])* [t+1+(h 1) d ] a[t] =(Y[t] / s[t-p]) +(1-) (a[t-1] +b[t-1]) b[t] = (a[t] - a[t-1]) + (1-) b[t-1] s[t] = g(Y[t] / a[t]) + (1-g) s[t-p]
Si =0, Suavizacin Exponencial Si =0, Modelo No Estacional
8
An object of class ts alpha parameter Holt-Winters Filter beta parameter HW. If beta=0, Exponential Smoothing (beta=0 gamma parameter used for the seasonal component. If set to 0, a non-seasonal model is fitted. (gamma=0 No Estacional) Character string to select an "additive or multiplicative" seasonal model. (Only if gamma is non-zero). Start periods used i the autodetection of start values. M S i d d in h d i f l Must b at l be least 3 3. Start value for level (a[0]). Start value for trend (b[0]). Vector of start values for the seasonal component ExSm)
DC4_HW.R
yco2
10
1960 1970 1970
Holt-Winters filtering g
Time
1980 1990
season
-3 1960 1970 -1 1 2 3 0.06
trend
0.10 320
leve el
340 360 320
xhat
340 360 0
fitted(y)
Time
1980 1990
SUAVIZACION HOLT-WINTER
Ejemplo: Pasajeros Avin
SUAVIZACIONEXPONENCIAL
Tendencia
No
Estacionalidad No
Suavizacin Exponencial
Simple Un Parmetro (alfa)
Doble(Brown,Holt) DosParmetros(alfa,beta) Holt Winters Tresparmetros(alfa,beta, gamma) )
Si
No
Si
Si
12
1.
Las tcnicas de medias mviles y de Suavizacin exponencial simple slo son utilizables en ST sin tendencia y sin estacionalidad. Para aplicar estas tcnicas a otras series es necesario haber eliminado previamente ambos componentes. Su aplicacin se centra en el corto plazo.
2.
La Suavizacin exponencial doble (Brown), suavizacin Holt-Winters con dos parmetros, y el ajuste de funciones matemticas, puede emplearse en series con tendencia, pero sin estacionalidad. Si se parte de una serie desestacionalizada, es necesario incorporar a las predicciones los factores de estacionalidad estacionalidad. El ajuste de funciones matemticas puede utilizarse para prediccin a medio plazo.
3.
13
La suavizacin exponencial Holt-Winters con tres parmetros puede aplicarse a series con tendencia y estacionalidad estacionalidad. Recomendable su utilizacin slo para prediccin a corto plazo.