Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap 8
Cap 8
de Tiempo y
Regresión
Capítulo 8: Suavización
Exponencial
Temas
1. Introducciòn al tema
2. Suavización exponencial simple
3. Indicios de error
4. Método Holt de la suavización exponencial
corregida de la tendencia
5. Metodos de Holt-Winters
6. Tendencia amortiguada y otros métodos de
suavización exponencial
Introducción
Pesca real
450
400
350
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Suavización Exponencial
Simple
Todos los períodos influyen en el
pronóstico, pero los más recientes
influyen más.
Si designamos ℓ = pronóstico, entonces
ℓT = αyT + (1-α)αyT-1 +(1-α)2αyT-2 +
…+(1-α)T-1αy1 + (1-α)Tℓ0
Por ejemplo
ℓ3 = αy3 + (1-α)αy2 + (1-α)2αy1 + (1-α)3α ℓ0
Suavización Exponencial
Simple
Por ejemplo
ℓ3 = αy3 + (1-α)αy2 + (1-α)2αy1 + (1-α)3α ℓ0
Si α = 0.1,
ℓ3 = 0.1y3 + (0.9)0.1y2 + (0.9)20.1y1 +
(0.9)30.1 ℓ0
ℓ3 = 0.1y3 + 0.09y2 + 0.081y1 + 0.0729 ℓ0
Observa que
ℓ4 = αy4 + (1-α)αy3 + (1-α)2αy2 + (1-α)3α y1
+ (1-α)4α ℓ0
Suavización Exponencial
Simple
Observa que
ℓ4 = αy4 + (1-α)αy3 + (1-α)2αy2 + (1-α)3α y1
+ (1-α)4α ℓ0
ℓ4 = αy4 + (1-α){αy3 + (1-α)αy2 + (1-α)2α y1
+ (1-α)3α ℓ0}
Recuerda que
ℓ3 = αy3 + (1-α)αy2 + (1-α)2αy1 + (1-α)3α ℓ0
Así que
ℓ4 = αy4 + (1-α) ℓ3
Suavización Exponencial
Simple
Generalizando,
ℓT = αyT + (1-α) ℓT-1
En la práctica, usamos esta ecuación
elimina la necesidad de almacenar datos
de una serie de tiempo muy largo.
α es una constante de suavización
El pronóstico puntual para cualquier
período futuro (T+τ) es
yT+τ(T) = ℓT
Suavización Exponencial
Simple
El pronóstico puntual para cualquier
período futuro (T+τ) es
yT+τ(T) = ℓT
Un intervalo de predicción de 95%
calculado en el período T para yT+τ es
0 z.025s 1 1 2
MAD( , T ) et 1 MAD , T 1
Y ( , T )
C ( , T )
MAD( , T )
Indicios de error
E , T et E , T 1
E , T
S , T
MAD , T
Método Holt, Suavización
Exponencial Corregida de la
Tendencia
Suponga que la serie sí muestra una
tendencia, pero que ésta puede cambiar
en el tiempo.
Ahora se estiman dos ecuaciones:
Nivel: ℓT = αyT + (1-α)( ℓT-1 + bT-1)
Tendencia: bT = γ(ℓT - ℓT-1) + (1- γ)bT-1
Un pronóstico puntual para yT+τ es
yT+τ(T) = ℓT +τbT
Ventas de termómetros
350
300
250
y
200
150
0 10 20 30 40 50
time
Método Aditivo de Holt-Winters
observación estimación
compensada anterior del
nivel
estimación de la
variación estacional
observada recientemente
Método Multiplicativo de Holt-
Winters
Se usa cuando la serie tiene una
tendencia, al menos localmente, y un
patrón estacional creciente.
Al modelo Holt, se divide por el factor
estacional (snT-L, donde L indica el
número de períodos en un año: 4 o 12):
Nivel: ℓT = α(yT / snT-L)+ (1-α)( ℓT-1 + bT-1)
Tendencia: bT = γ(ℓT - ℓT-1) + (1- γ)bT-1
Factor estacional: snT = δ(yT/ ℓT)+(1-δ) snT-L
Método Multiplicativo de Holt-
Winters
Nivel: ℓT = α(yT / snT-L)+ (1-α)( ℓT-1 + bT-1)
observación estimación
compensada anterior del
nivel
estimación de la
variación estacional
observada recientemente
Método de la tendencia
amortiguada
Nivel: ℓT = αyT + (1-α)( ℓT-1 + φbT-1)
Tendencia: bT = γ(ℓT - ℓT-1) + (1- γ)φbT-1
Un pronóstico puntual para yT+τ es
yT+τ(T) = ℓT + (φbT + φ2bT + ... + φTbT )
También existen el método aditivo de
Holt-Winters con tendencia amortiguada
y el método multiplicativo de Holt-
Winters con tendencia amortiguada
(fórmulas en el capítulo—Tabla 8.3)
Ligas
Dr. Robert F. Nau, Duke University,
http://www.duke.edu/~rnau/411avg.htm
Dr. J.E. Beasley, Brunel University,
http://people.brunel.ac.uk/~mastjjb/jeb/or/forecast.html
artículo de Owadally y Haberman
http://imaman.oxfordjournals.org/cgi/content/abstract/14/2
/129?maxtoshow=&HITS=10&hits=10&RESULTFORMA
T=&fulltext=haberman&searchid=1&FIRSTINDEX=0&res
ourcetype=HWCIT