Investigacin y Tcnicas de Mercado

Previsin de Ventas
TCNICAS CUANTITATIVAS ELEMENTALES
DE PREVISIN UNIVARIANTE.
(III): Alisados.
Profesor: Ramn Maha
Curso 2002 - 2003
I.-

Introduccin

Una forma simple de perfeccionar el ajuste y previsin por medias

mviles consiste en utilizar medias ponderadas, en lugar de medias
simples, de observaciones pasadas de las serie. La idea consiste en
ponderar con mayor valor aquellas observaciones ms cercanas al
momento del tiempo en que se realiza la previsin y con menor valor
aquellas que quedan ms lejos. Se entiende que esto es un
perfeccionamiento en el sentido de que el analista puede decidir en cierta
forma la medida en que la inercia del pasado interviene en el futuro.
Este es, en realidad, la idea que subyace en un tipo especial de
ajuste simple que se denomina Alisado Exponencial en cualquiera de sus
versiones: para series sin tendencia (Alisado Exponencial Simple) o para
series que presentan un marcado componente tendencial (Alisado
Exponencial de Brown y Alisado Holt - Winters). En este documento se
presentan slo los fundamentos del alisado simple, esto es, la tcnica en
su versin apropiada para series estacionarias en media.

II.-

Alisado Exponencial Simple

A partir de los datos originales de una serie, la previsin para un

determinado momento del tiempo se obtiene como media ponderada de los
todos los trminos previos; para la ponderacin se utiliza una progresin
geomtrica de razn "1-".

y t +1 = y t + (1 ) y t 1 + (1 ) 2 y t 2 + ...... =

y t +1 = (1 ) i y t i
i =0

con 0<<0

Observemos algunas caractersticas bsicas de esta expresin:

1

1.- En primer lugar, debe observarse que se trata de una media

ponderada de una serie ilimitada de trminos aunque, en realidad, al
partir de una progresin geomtrica con "<1", la importancia de los
trminos lejanos se diluye con mucha rapidez.
2.- Observemos, adems, que, al igual que en el caso de las medias
mviles, un ajuste de estas caractersticas produce necesariamente
una rplica "suavizada" de la serie original; es por eso que recibe el
nombre de "alisado".
3.- El apellido "exponencial", se deriva del hecho de que, esta misma
idea de la progresin geomtrica tiene su equivalencia en el plano
continuo en una funcin exponencial.
4.- Debemos notar de forma inmediata que nada se ha dicho del
valor concreto de "" . En este sentido, debe sealarse:

Que para valores mayores de "", el alisado, el suavizado,

tiende a ser menor y viceversa.

Que la eleccin del valor ptimo "" podra guiarse por el

principio de minimizacin del error de ajuste.

Que, sin embargo, el anterior principio no puede ser tomado

a "pies juntillas" puesto que ese valor "ptimo" viene
condicionado por la presencia de componentes tendenciales
o estacionales en la serie: cuanto ms marcados sean estos
componentes ms se acercar el valor "ptimo" de "" a la
unidad

5.- Lo anterior nos conduce necesariamente a la conclusin de que

este tipo de mtodos no deben aplicarse en presencia de
componentes tendenciales y/o estacionales.
6.- En cualquier caso, si estuvisemos ante la presencia de
componentes tendenciales o estacionales moderados e insistimos en
aplicar le mtodo del alisado simple, deberemos tender a fijar valores
del parmetro cercanos a la unidad y viceversa.

III.-

Previsin con el Alisado Exponencial Simple

El modelo de Alisado Exponencial Simple, presenta la virtud de poder

utilizarse con sencillez para la previsin.
Efectivamente, pese a lo aparentemente incmodo de la expresin de
un alisado simple, puede demostrarse con sencillez que podemos escribirlo
as:

y t +1 = y t + (1 ) y t 1 + (1 ) 2 y t 2 + ...... =
y t +1 = y t + (1 ) [ y t 1 + (1 ) y t 2 + ......] =
2

o sea:

y t +1 = yt + (1 ) y t
Dicho de otro modo, la previsin para cada perodo es una expresin
simple del valor real del perodo anterior y de la previsin realizada para ese
mismo perodo.
La anterior expresin tiene la ventaja de la sencillez de aplicacin. Sin
embargo, resulta evidente observar lo siguiente:
1.- Para iniciar la secuencia de previsiones parece evidente que ha de
disponerse de una primera previsin. Para ello, suele utilizarse,

bien el primer dato real,

bien un promedio de 2 o 3 previos
bien un valor de previsin
procedimientos

obtenido

por

otros

2.- La tcnica tiene memoria limitada a un perodo de previsin.

Puede demostrarse con facilidad que, en ausencia de realizaciones de
la serie, intentar prolongar la previsin ms all de un perodo
provoca que las previsiones sean sucesivamente iguales.
Efectivamente supongamos que
realizamos una previsin para "t":

tenemos

datos

hatsa

"t-1"

y t = y t 1 + (1 ) y t 1
Ahora, intentamos una previsin para "t+1" sin nuevas realizaciones
de "yt"; tomando entonces la previsin realizada para "t" y los datos
reales previos de la serie podramos intentar aplicar la expresin
general de un alisado:

y t +1 = y t + (1 ) y t 1 + (1 ) 2 y t 2 + ...... =
pero entonces:

y t +1 = y t + (1 ) y t 1 + (1 ) 2 y t 2 + ...... =
y t +1 = y t + (1 ) [ y t 1 + (1 ) y t 2 + ......] =
y t +1 = y t + (1 ) y t =
y t +1 = y t