Modelos de Pronósticos - Métodos de Pronósticos

20/4/2017 ModelosdePronsticosMtodosdePronsticos
ModelosdePronstico
ListadeTemasdeModelosdePronstico
1.ConceptosBsicosdePronsticos
1.1DefinicindePronstico
1.2ObjetivodePronstico
1.3ModeloMatemticodePronstico
1.4TcnicaoMtododePronstico
1.5TcnicasSubjetivasparalaObtencindePronsticos
1.6TcnicasObjetivasparalaObtencindePronsticos
1.6.1TcnicasEstadsticas
1.6.2TcnicasDeterminsticasoCausales
1.7SeriedeTiempo
1.8SeriedeTiempoEstadstica
2.ComponentesdeSeriesdeTiempo
2.1Estacionariedad
2.2Tendencia
2.3Estacionalidad
2.4Ciclisidad
2.5Aleatoriedad
3.MedidasdePrecisindePronstico
3.1Error
3.2ErrorMedio
3.3ErrorMedioAbsoluto
3.4SumadeCuadradosdelError
3.5ErrorCuadrticoMedio
3.6DesviacinEstandardelError
3.7ErrorPorcentual
3.8ErrorPorcentualMedio
3.9ErrorPorcentualMedioAbsoluto
3.10ErrorPorcentualMedioCuadrtico
3.11UdeTheil
3.11.1CambioRelativoPronosticado
3.11.2CambioRelativoReal
3.12PorcentajedeBateodeMcLaughlin
http://modelosdepronosticos.info/ 1/110
4.MtodosdeSuavizacindeSeriesdeTiempo
4.1MtodosdePromediosMviles
4.1.1MtododePromedioMvilSimple
4.1.1.1PromedioSimple
4.1.1.2MtododePromedioMvilSimple
4.1.2MtododePromedioMvilDoble
4.2MtodosdeSuavizacinExponencial
4.2.1MtododeSuavizacinExponencialSimple
4.2.2MtododeSuavizacinExponencialSimpleDeRespuestaAdaptativa
4.2.3MtododeSuavizacinExponencialDobleMtododeBrown
4.2.4MtododeSuavizacinExponencialAjustadaalaTendenciaMtododeHolt
4.2.5MtododeSuavizacinExponencialCuadrticaMtodoDeBrown
4.2.6MtododeSuavizacinExponencialTripleMtodoDeWinter
Hazclicaquparairalprincipio
TodosLosDerechosReservados
Copyright2017
Lospronsticossonunadelasherramientasfundamentalesparalatomadedesicionesdentrode
las organizaciones tanto productivas como sin fines de lucro.Algunas de las reas en donde se
utilizan pronsticos en la industria son la planeacin y control de inventarios, produccin,
finanzas,ventas,comercializacin,entremuchasotras.
DefinicindePronstico
Delgriegoprognstikon.Conjeturaacercadeloquepuedesuceder.
ObjetivodeunPronstico
Reducir la incertidumbre acerca de lo que puede acontecer en el futuro proporcionando
informacincercanaalarealidadquepermitatomardecisionessobreloscursosdeaccinatomar
tantoenelpresentecomoenelfuturo.
ModeloMatemticodePronstico
Es una expresin matemtica que representa en forma simplificada el fenmeno por medio del
cualseobtienenlosvaloresidealizadosquetomaunavariablealeatoriaenunperiododetiempo
determinado.
TcnicaoMtododePronstico
Procedimientopormediodelcualsellevaacabounpronstico.
TcnicasSubjetivasparalaObtencindePronsticos
Lastcnicassubjetivasdepronsticotambinconocidascomotcnicascualitativassebasanenla
expresindelaopininpersonalojuiciodeunoomsexpertosacercadelasituacinenestudio,
paradeterminarelpronstico.
TcnicasObjetivasparalaObtencindePronsticos
Las tcnicas objetivas mejor conocidas como tcnicas cuantitativas de pronstico se basan en el
manejo de datos numricos histricos para obtener un pronstico preciso y se soportan en la
suposocin de que el comportamiento de los datos histricos permanece durante un periodo de
extensin significativa en el futuro. Las tcnicas cuantitativas con frecuencia se clasifican en
tcnicasestadsticasytcnicasdeterminsticas.
TcnicasEstadsticas
Estas tcnicas se basan en la existencia de patrones, en el estudio de los mismos, las
transformaciones que sufren, y la influencia del ruido o perturbacin causado por factores de
naturalezaaleatoria.
Dentrodeestastcnicasseutilizandosenfoques.
Enelprimeroseobtieneelpronsticobasadoenelrazonamientodequelosdatosdelaseriede
tiemposepuedendividirodescomponerencomponentesidentificablesquepuedenpresentarseo
no en una determinada serie, estos componentes pueden ser la tendencia, la estacionalidad, la
ciclisidadylaaleatoriedaddelosdatos.Elpronsticoserealizacombinandolaproyeccindelos
componentesquesepresentandentrodelaseriedetiempo.
Enelsegundoelpronosticoseobtieneapartirdelanlisisestadsticodelosdatosqueintegranla
seriedetiempo.
TcnicasDeterminsticasoCausales
Se basan en identificar y determinar cuales son las relaciones existentes entre la variable
dependientedeintersapronosticarylasvariablesindependientesqueladeterminanalejercersu
influenciasobreella.
SeriedeTiempoEstadstica
Es una secuencia ordenada de valores numricos que toma una variable aleatoria observados a
intervalosigualesalolargodeundeterminadoperiodo.
ComponentesdeunaSeriedeTiempo
Los datos de una serie de tiempo se pueden descomponer en componentes individuales para
facilitarsuestudioloscualesseexplicanacontinuacin.
Tendencia.
Latendenciadeunaseriedetiempoeselcomponentedelargoplazoquerepresentaelcrecimiento
o disminucin en la serie sobre un periodo amplio. Como se puede ver la tendencia es la
propensin al aumento o disminucin en los valores de los datos de una serie de tiempo, que
permanecealolargodeunlapsomuyextendidodetiempo,esdecirquenocambiarenelfuturo
lejanomientrasnohayancambiossignificativosoradicalesenelentornoenelqueseencuentra
inmersayquedeterminaelcomportamientodelaseriedetiempoenestudio,cambiosquepodran
seroriginadoscomoporejemplo,pordescubrimientoscientficos,avancestecnolgicos,cambios
culturales,geopolticos,demogrficos,religiosos,etc.
Ejemplos:
Enlasiguientetablasemuestranlosdatosdeunaseriedetiempocontendenciacreciente.
En la siguiente grfica se puede observar que los valores de los datos de la serie de tiempo
tabuladosenlaTabla1.3muestranuncrecimientonotablealtranscurrirunperiododetiempode
consideracin.
Grfica1.3
Acontinuacinsemuestraelcasocontrario,losvaloresdelosdatosdeunaseriedetiempocon
tendenciadecreciente.
En la siguiente grfica se puede distinguir que los valores de los datos de la serie de tiempo
mostrados en la Tabla 1.4 presentan un decrecimiento que se aprecia sin esfuerzo al pasar un
periododetiemposignificante.
Grfica1.4
Ahoramostramoselconceptodeunaseriedetiempoconcomportamientoestacional.
Estacionalidad
Elcomponeneteestacionalesunpatrndecambioqueserepiteasmismoaotrasao.
Elpatrndecambioporlogeneralesunaumentoounadisminucincuantitativaenlosvalores
observadosdeunaseriedetiempoespecfica.Cabemencionarqueaunqueenlamayorpartede
los casos el patrn estacional es un fenmeno que se presenta en lapsos de tiempo de duracin
aproximadaaunaotambinpuedemanifestarsestefenmenoenperiodosdetiempo,yasean
menores o mayores a un ao. Como por ejemplo, el caso de la verificacin de vehculos que se
eleva en las dos primeras semanas de cada periodo de verificacin, ocurriendo esto cada dos
meses, siendo ste lapso de tiempo menor a un ao. O el caso del aumento en las ventas de
panfletospublicitarios,sucedidoestocadaseisaosocasionadoporlaseleccionespresidenciales,
siendosteunlapsodetiempomayoraunao.
Ejemplo:
Enlasiguientegrficaesnotoriounpatrnenlosvaloresdelosdatosdelaseriedetiempovistos
enlatabla1.5queparecerepetirseenlapsosdetiempoaproximadosaunao.
Grfica1.5
Ahora explicaremos el concepto del comportamiento cclico que se presenta en las series de
tiempoyqueesdelosmsdifcilesdepronosticar.
Ciclisidad.
Elcomponenetecclicoeslafluctuacinenformadeondaalrededordelatendencia.
La ciclicidad es un fenmeno que en lo general parece estar relacionado con la variacin de la

actividad econmica ocurrida durante periodos de crisis o prosperidad. La fluctuacin tambin
puedepresentarseenseriesdetiempoestacionarias.
Ejemplo: En la tabla que sigue podemos ver los valores de una serie mensual que presenta el
fenmenocclico.
A continuacin se encuentra la grfica de los valores de la tabla 1.6 que presentan el

comportamientocclicoensuformamspura.
Grfica1.6
Aleatoriedad
Elcomponentealeatoriomidelavariabilidaddelasseriesdetiempodespusderetirarlosotros
componenetes.
Laaleatoriedadsepuededecirquesepresentaentodaslasseriesdetiempoynoesotracosaque
elcambioproducidoenlosvaloresdeunaseriedetiempodebidoafenmenosquesonenextremo
difcilesdeexplicaryqueporlotantosuocurrenciacaeenelmbitodelazar.
Ejemplo:
Grfica1.7
Grfica1.7b
MedidasdePrecisindePronstico
Lasmedidasdepresicindelpronsticoseusanparadeterminarquetaneficazesunpronsticoa
travsdelclculodesupresicinconrespectoalosvaloresreales,esdecir,bscanobteneruna
medidadequetanlejosseencuantranlosvalorespronosticadosdelosobtenidosenlarealidad.En
las siguientesmedidasdelerror,Xt es el valor de la serie de tiempo en el momento t y Pt es el
pronsticoparaesemismomomento.
Error
ErrorMedio
ErrorMedioAbsoluto
SumadeCuadradosdelError
SumadeCuadradosdelErrorMediaoErrorCuadrticoMedio
DesviacinEstandardelError
NotesequePtnoeslamediadelasestimacionesovalorespronosticadoscomosepodriapensar.
Esto significa que la desviacin no se mide respecto de la media, sino que se promedian las
desviacionesdelasestimacionesrespectoalosvaloresreales.
ErrorPorcentual
ErrorPorcentualMedio
ErrorPorcentualMedioAbsoluto
ErrorPorcentualMedioCuadrtico
UdeTheil
CambioRelativoPronosticado
CambioRelativoReal
oenformaabreviadaUseexpresadelasiguientemanera
SiU>1elpronsticoesmaloyesmejorutlizarelmtododepronsticodelhoyconelayerPt+1
=Xt
SiU=1elpronsticoestanbuenootanmalocomoutilizarPt+1=Xt
SiU<1elpronosticoesmejorqueelobtenidoalutilizarelmtododepronsticodelhoyconel
ayerPt+1=Xt
EstosignificaquemientrasmenorsealaUelpronosticosermejor.
PorcentajedeBateodeMcLaughlin

MientrasmscercanaestelaMa600elpronsticosermejor.
MtodosdeSuavizacindeSeriesdeTiempo
PromedioSimple
Estemtodoconsisteenatenuarlosdatosalobtenerlamediaaritmticadeciertonmerodedatos
histricos para obtener con este el pronstico para el siguiente periodo. El nmero de datos a
tomarencuentaparacalcularelprodedioesunadecisindelapersonaquerealizaelpronstico.
Estemodelosoloesrecomendableparaseriesdetiempoquenopresentanpatronesdetendencia,
estacionalidad,ociclisidadenlosdatos.
PromedioMvilSimple
Esta tcnica se utiliza cuando se quiere dar ms importancia a conjuntos de datos ms recientes
paraobtenerelpronstico.Elpronstcoseobtienealcalcularlamediaaritmticadelconjuntode
datosmsrecientesseleccionado.Cadavesquesetieneunanuevaobservacinseagragaestaal
conjuntodedatos,yseeliminadestelaobservacinodatomsantiguo.Elnmerodedatosms
recientesaconsiderarenelconjuntodeobservacionesdelcualsecalculalamediaaritmticaes
una decisin del analista que realiza el pronstico la sensibilidad a los cambios en el
comportamientodelaseriesereducealutilizarunnmeromayordeobservacionesenelconjunto
dedatos.Estemodelonomanejamuybienlosdatosconestacionalidadocontendenciaperosilo
hacemejorquelatcnicadelpromediosimple.
Lasiguienteecuacinestableceelmodelodelpromediomvilesimple.
Aqusemuestraqueelvalorpronosticadoesigualalpromediomvil.
endonde
PMteselpromediomvilenelperiodot.
Pt+1eselvalorpronosticadoparaelsiguienteperiodo.
Xteselvalorrealobservadoenelperiodot.
neselnmerodedatosutilizadosparaelclculodelamediaaritmtica.
Tabla3.1ValoresDeUnaSerieDeTiempoMensual.
Lagrficadelneasdelosvaloresdelatablaeslaquesemuestraenseguida.
Grfica3.1LneasdeUninEntreValoresDeUnaSerieDeTiempoMensual.
Grfica3.1
Para este ejemplo utilizaremos un promedio de 12 observaciones anteriores a la que se desea

pronosticar,esdecirelvalordenesiguala12.Laprimeraobservacinalaqueesposiblecalcular
elpromedioestadeterminadaporelnmerodeobservacionesquesedeseatomarencuentaenel
promediocomosemuestraenlasiguienteexpresin:
Xt=nntesequet=n
Tenemosque:
n=12,t=12,Xt=12,X12,Pt=PMSt1,P13=PMS131,P13=PMS12
porlotantoelpronsticoparalaobservacincorrespondientealmomentooperiododetiempo13
esP13=79.88.Paraelclculodelospromediosmvilessimplesdelasobservacionesposteriores
utilizaremoslaexpresincortavistaconanterioridad,estolopodemoshaceryaquecontamoscon
elprimerpromediomvilsimple.Elclculodelpronsticoparalaobservacincorrespondienteal
momentodetiempo14quedadelasiguientemanera:
P14=82.54
Enlasiguientetablapodemosobservareltotaldelosvalorespronosticadosobtenidos.
Tabla3.2ValoresPronosticadosporelMtododelPromediosMvilSimple.
Grfica3.2GrficadeLneasdelaSeriedeTiempoydesuPronosticoObtenidoconelMtodo
delPromedioMvilSimple.
Grfica3.2
Enlagrficaanteriorpodemosapreciarcomolacurvadescritaporlovalorespronosticadosesta
sujeta a menos cambios bruscos de sus valores puntuales, o como se acostumbra decir es mas
suave o se suaviza respecto de la curva original de la serie de tiempo. Y tambin se puede ver
comoenaparienciasigueelcomportamientodelacurvaoriginal,paraconocermejorlaprecisin
del pronstico serie conveniente utilizar alguna de las medidas del error comnmente usadas y
observarlavariabilidaddeeste.
Enlasiguientetablasemuestranlosresultadosobtenidosalcalcularlasmedidasdeprecisinpara
elejemploanterior.
Tabla3.3MedidasdePrecisinObtenidasalAplicarelMtododelosPromediosMviles
Simples.
PromedioMvilDoble
El mtodo consiste en calcular un conjunto de promedios mviles y en seguida se calcula un

segundoconjuntocomoprodiomvildelprimero.
Estemtodoseutilizapararealizarpronsticosdeseriesquetienenunatendencialineallinealya
questemtodomanejamejorlatendencialinealqueelMtododelPromedioMvilSimpleel
cualpresentaunrezagorespectodelaserieoriginalenestoscasos.
Lasiguientesexpresineslaecuacinconlacualsecalculaelprimerpromediomvil.
Conlasiguienteexpresinsecalculaelsegundopromediomvil.
Lasiguienteexpresinseutilizaparacalcularladiferenciaentrelosdospromediosmviles.
Lasiguienteecuacinesunfactoradicionaldeajuste.
La siguiente expresin es la que se utiliza para calcular el ponstico para p periodos hacia el
futuro.
endonde
neselnmerodeperiodosenelpromediomvil.
peselnmerodeperiodosapronosticar.
Ejemplo: Aplicaremos el Mtodo del Promedio Mvil Doble a los datos de la Tabla 3.1 a los
cualeslesaplicamosyaelMtododelPromedioMvilSimple.
En ste caso tambin utilizaremos una n igual a 12, tanto para el clculo del primer promedio
mvil simple hecho sobre las observaciones de la serie de tiempo, como para el clculo de
segundopromediomvilsimplerealizadosobrelosvaloresdelanuevaseriedetiempoobtenida
delospromediosmvilessimplescalculadoslaprimeravez.
Comoenelcasodelmtododelpromediomvilsimplelaprimeraobservacinalaqueesposible
calcular el promedio esta determinada por el nmero de observaciones que se desea tomar en
cuenta en ste mismo y se utiliza la misma expresin de ese caso, que es la que se muestra a
continuacin:
Xt=nntesequet=n
Porloquetenemosque:
n = 12, t = 12, X t = n, X t = 12, X12, es la primera observacin a la cual se puede calcular el

promediodeacuerdoalnmerodeobservacionesnelegidoasertomadoencuentaenelpromedio
delasobservacionesanteriores.
Elclculodelprimerpromediomvilhechosobrelasobservacionesdelaseriedetiempooriginal
paralaprimeraobservacinfactiblearealizar,sehacecomosemuestraabajo:
El clculo para las siguientes observaciones de la serie de tiempo original se puede hacer
empleandotantolaformacompletaanterior,comolacortaquesemuestraenseguidaparaelcaso
delaobservacinquesigueenelmomentodetiempot=13,X13enesteejemplo.
Una vez teniendo la nueve serie de tiempo formada por los valores de los promedios mviles
simplescalculadossobrelosdatosdelaseriedetiempooriginal,seprocedeacalcularelsegundo
promedio mvil simple para los datos de esta nueva serie de tiempo de promedios o valores
suavizados.
Losvaloresdeestanuevaseriedetiemposonlosquesemuestranenlasiguientetabla.Nteseque
en ste Mtodo del Promedio Mvil Doble, estos valores son solo un paso intermedio y no
representanlosvalorespronosticadosadiferenciaqueenelMtododelPromedioMvilSimple.
Tabla3.4ValoresdelaNuevaSeriedeTiempodePromediosMvilesSimples.
Elclculodelsegundopromediomvilsimpleparalaprimeraobservacinfactibleacalcularlode
lanuevaseriedetiemposehacecomosemuestraenseguida:
Losclculosposterioresdelanuevaseriedetiempodepromediossepuedenrealizarempleandola
expresinlargaobienlaformacortaquesemuestraacontinuacin,paraelcasodelpromedioque
sigueenelmomentodetiempot=24,PMS'24enesteejemplo.
Enlatablaquesiguepodemosverlosvalorestabuladosobtenidosalhacerelsegundopromedio
mvilsimple.
Tabla3.5ValoresdelSegundoPromedioMvilSimple(PMSt).
Grfica3.3GrficadeLneasdelaSeriedeTiempoOriginalydelasSeriesNuevasResultantesal
CalcularelPMStyelPMSt.
Grfica3.3
En esta grfica observamos que entre la curva descrita por los valores de la serie de tiempo
originalyladelprimerpromediomvilsimple(PMSt),existeunadiferenciadeproporcinsimilar
alaqueexisteentrelacurvadescritaporlosvaloresdelprimerpromediomvilsimpleyladel
segundo promedio mvil simple (PMSt). Es en base a esta observacin es que se utiliza la
proporcin de la diferencia existente entre los dos promedios (PMSt y PMSt) para estimar los
valoresrealesdelaseriedetiempo,ajustandodestamaneraelvalormedioopromediomvily
asevitaroreducirelrezagoqueocurrealaplicartansolounpromediomvilsimpleaseriesde
tiempoquepresentantendenciacomoyasehabamencionadoantes.
Lospronsticosseobtienencomoseexplicaenseguidaparaelcasodelprimerpronsticofactible
asercalculadoensteejemplo:
Primerosecalculaelvalorde
Segundocalculamoselvalorde
Yterceroyltimocalculamoselvalorpronosticadocomoseveabajo:
porlotanto
EnlatablaquesiguepodemosvertodoslosvalorespronosticadosobtenidosmedianteelMtodo
delPromedioMvilDoble.
Tabla3.6ValoresPronosticadosconelMtododelPromedioMvilDoble.
En la grfica que sigue podemos observar la serie de tiempo original y la de los valores
pronosticadosmedianteelMtododelPromedioMvilDobleparasteejemploenparticular.
Grfica3.4GraficadeLneasdelaSeriedeTiempoydesuPronosticoObtenidoconelMtodo
Grfica3.4
En la siguiente tabla podemos ver los valores obtenidos para ste ejemplo de las medidas de
precisinmscomunes.
Tabla3.7MedidasdePrecisinObtenidasalAplicarelMtododelPromedioMvilDoble.
SuavizacinExponencial
SuavizacinExponencialSimple
Estatcnicasebasaenlaatenuacindelosvaloresdelaseriedetiempo,obteniendoelpromedio
de estos de manera exponencial es decir, los datos se ponderan dando un mayor peso a las
observacionesmsrecientesyunomenoralasmsantiguas.Alpesoparaponderarlaobservacin
msrecienteseledaelvalor,laobservacininmediataanteriorseponderaconunpesodea(1
),alasiguienteobservacininmediataanteriorseledaunpesodeponderacindea(1)2yas
sucesivamentehastacompletarelnmerodevaloresobservadosenlaseriedetiempoatomaren
cuentapararealizarlaatenuacin,esdecir,paracalcularelpromedioponderado.Laestimacino
pronosticoserelvalorobtenidodelclculodelpromedio.Laexpresinpararealizarelcalculode
laatenuacinexponencialeslasiguiente.
Otraexpresinequivalenteaestaeslasiguiente
otraformadeescribirestaexpresineslasiguiente
endonde
eselerror
Elvalordeasiempreseencuentradentrodelsiguienterango0<a>1.
Cuandoexisteunaclarayconsiderabletendencialinealenlosvaloresobservadosenunaseriede
tiempo,lospronsticosobtenidosmediantelasuavizacinexponencialsimplequedanrezagados
an al hacer variar el valor de alfa ( ), para estos casos se utilizan dos diferentes tcnicas
conocidascomoelmtododeBrownyeldeHolt.
En ste mtodo as como tambin en todos los dems mtodos de suavizacin exponencial que
veremos ms adelante se requiere de una inicializacin, es decir necesitan asignarle un valor
iniciala .Yaquesiqueremoscalcular necesitamosconocerelvalorde .Siaplicamosla
formulaparaencontrar tenemosque:
como y noexistenesimposibleobtenerelvalorde .Porloquees

necesario recurrir a enfoques alternativos para estimar . El nmero y naturaleza de valores a
inicializardependedelmtododesuavizacinqueseesteutilizando.Silosdatossonestacionales
losvaloresinicialesparalosfactoresestacionalessepuedencalcularempleandoalgnmtodode
descomposicin, en el caso de que no hubiera datos suficientes para aplicar estos mtodos, la
inicializacin de estos factores estacionales puede hacerse en base a estimaciones subjetivas o
usandondicesestacionalesyaconocidos.
ElnivelsuavizadoopromedioSylacomponenteTdelatendenciasepuedenestimarusandouna
delassiguientesalternativas:
1. Mnimos Cuadrados. Utilizando la tcnica de los mnimos cuadrados podemos estimar los
valores iniciales. Como por ejemplo para obtener P1 para el caso del mtodo de la suavizacin
exponencial simple se podra usar el promedio de los 20 valores inmediatos pasados. Y para el
caso del mtodo de una suavizacin exponencial lineal se podran obtener los valores de S y T
resolviendo la ecuacin para una lnea recta obteniendo la ordenada al origen y la pendiente
usandostascomovaloresparamtricosinicialesesdecircomolosparmetrosinicialesparaSy
T.Estomismosepodrahacerenelmtododelasuavizacinexponencialamortiguada.
2. Retroprediccin. Esta es la tcnica empleada en la metodologa de Box Jenkins, pero

tambinesposibleutilizarlaenlosmtodosdesuavizacinexponencial.Estoconsisteeninvertir
laseriedetiempoycomenzarelprocesodeestimacinapartirdelltimovaloresdecirelms
reciente y terminarlo con el primer valor, es decir el valor ms antiguo. De esta manera se
obtendrnpronsticosoestimacionesparamtricasparalosprimerosdatosdelaseriedetiempo
quepuedenserutilizadascomovaloresinicialespararealizarelpronsticodelaseriedetiempo
cuandosecalculastedelamaneranormal,esdecirempezandoporeldatomsantiguoalms
reciente.
3. Arbitraria. Cuando no se disponen de datos suficientes para estimar los valores iniciales o
cuandoelanalistanoconsideradesumaimportanciadisponerdevaloresinicialesmuyapegadosa
la realidad, se pueden utilizar valores arbitrarios como valores iniciales para un mtodo en
particulardeacuerdoalcriteriodelanalistaquerealizaelpronstico.Comoporejemploparala
suavizacinexponencialsimplesepodrautilizarcomovalorinicial:
como otro ejemplo parala suavizacin de Holt o para el suavizamiento amortiguado se podran
usarlosvaloressiguientescomovaloresiniciales:
FinalizandolosejemplosparalasuavizacindeWinterspodramosasignarcomovaloresiniciales
losquesemuestranacontinuacin:
endonde y sonlosvaloresdesestacionalizadosde y .
A continuacin ilustraremos la aplicacin del mtodo de la suavizacin exponencial simple

medianteelejemplosiguiente.
Ejemplo:ParasteusaremoslosdatosdelaTabla1.2vistaconanterioridadlacualmuestralos
valoresobservadosdeunaseriedetiempomensualestacionaria.
ComovalordeinicializacindeP1usaremoselprimervalorobservadoenlaseriedetiempo,es
decirX1,queenestecasoes48.Aalfaleasignaremosunvalorde0.5.Entonceselclculoparael
primervalorapronosticares:
para quedacomosigueabajo:
ydestamismamanerasehaceparacalcularel
resto de los pronsticos para los periodos de tiempo subsecuentes. En la siguiente tabla se
muestran todos los valores pronosticados para el ejemplo que nos ocupa correspondientes a los
valoresobservadosdelaseriedetiempooriginal,perosepodraseguircalculandosucesivamente
pronsticosparaperiodosposterioreshastadondedeseramos.
Tabla3.8ValoresPronosticadosconelMtododelaSuavizacinExponencialSimple.
En la grfica posterior podemos ver cmo la curva descrita por los valores pronosticados sigue
muydecercadelacurvadescritaporlaseriedetiempooriginalalacualqueintentapronosticar.
Grfica3.5GraficadeLneasdelaSeriedeTiempoydesuPronosticoObtenidoconelMtodode
laSuavizacinExponencialSimple.
Grfica3.5
Acontinuacinvemosenlatabladeabajolosvaloresobtenidosparasteejemplodelasmedidas
deprecisindeusomsfrecuente.
Tabla3.9MedidasdePrecisinObtenidasalAplicarelMtododelaSuavizacinExponencial
Simple.
SuavizacinExponencialSimpledeRespuestaAdaptativaSESRA
Este mtodo tiene como fin adaptar el valor de a medida que va cambiando el patrn de los
datosdelaseriedetiempo.
donde,
ErrorSuavizado
ErrorAbsolutoSuavizado
ErrordePronsticoenelmomento
Estatcnicadepronsticorequiereunainicializacindelosvaloresde , , , y
Sepuedenutilizarlasinicializaciones:
Sedebeinicializardelasiguientemaneraparaevitarindeterminacionesalcalcularla.
aunqueelvalordenesarbitrariaalgunosautoresrecomiendanquenseaiguala4.
Es importante sealar que los valores sucesivos de varan significativamente si se al utilizar

diferentesinicializaciones.
Tabla3.10ValoresPronosticadosconelMtododelaSuavizacinExponencialSimplede
RespuestaAdaptativa.
laSuavizacinExponencialSimpledeRespuestaAdaptativa.
Grfica3.6
Simple.
SuavizacinExponencialDobleMtododeBrown
AjustealaTendencia
Este mtodo consiste en realizar dos suavizaciones exponenciales, a partir de las cuales se
obtendrelvalorestimado,opronsticoquebuscamosrealizar,medianteunclculorealizadocon
una expresin sencilla. La primera se aplica a los valores observados en la serie de tiempo y la
segundaalaserieatenuadaobtenidamediantelaprimeraatenuacin.
Debido a que los valores calculados al realizar las dos primeras atenuaciones no son los datos
estimadosaobtener,esdecir,queconstituirnlasinferenciasdelosvaloresqueseesperaquetome
laseriedetiempoenelfuturocercano,usaremosunanotacindistintaaladelaexpresinfinal
conlacualsecalculanlosvaloresqueconstituyenenrealidadelpronstico.
Lasexpresionessonlassiguientes:
dondemrepresentaelnmerodeperiodoshaciaelfuturodelquesepretendehacerelpronostico.
Tabla3.12ValoresPronosticadosconlaSuavizacinExponencialDobleMtododeBrown.
Grfica3.7GraficadeLneasdelaSeriedeTiempoydesuPronosticoObtenidoconla
SuavizacinExponencialDobleporelMtododeBrown.
Grfica3.7
DobleconelMtododeBrown.
Alutilizarestemtodoseobtienenvaloresestimadosdelatendenciaquesonmuysensiblesalas
variacionesaleatorias,debidoaqueseutilizaunasolaconstantedeatenuacin.Estasituacinque
noesdeseablequesepresenteeslaqueHoltintentaresolveralproponerelsiguientemodelo.
SuavizacinExponencialAjustadaalaTendenciaporelMtododeHolt
Esta tcnica tambin conocida como el mtodo de los dos parmetros de Holt atena en forma
directalatendenciaylapendientealutilizarunaconstantedeatenuacindiferenteparacadauna
deellas.
Conestaecuacinseatenalaserieenformaexponencialdemanerasimilaracomosehaciaenel
casodelasuavizacinexponencialsimple,ladiferenciaradicaenqueseagregauntrminopara
tomarencuentalatendencia.
Laecuacinconlacualseestimalatendenciaeslaquesigue.
Laestimacindelatendenciaescalculadaalobtenerladiferenciaentrelosvaloressucesivosdela
atenuacin exponencial , ya que estos se atenuaron con fines de aleatoriedad, su
diferenciaconstituyeunaestimacindelatendenciadelosdatos.
Y al final se obtiene el pronstico para m periodos hacia el futuro por medio de la posterior
expresinmatemtica.
endondeparalasanterioresexpresiones:
Eselvaloratenuado.
Eslaconstantedeatenuacindelosdatosdelaseriedetiempo.
Eselvalorrealdelaseriedetiempoenelperiodot.
Eslaconstantedeatenuacinutilizadaparaestimarlatendencia.
Estimacindelatendencia.
Eselnmerodeperiodosapronosticarenelfuturo.
Eselpronsticodemperiodoshaciaelfuturo.
SuavizacinExponencialCuadrticaMtododeBrown
Estemtodoseutilizacuandosepresentaunatendencianolinealenlaseriedetiempo,yaquelas
tcnicasestudiadasconanterioridadarrojanresultadosconunelevadoerroralintentarpronosticar
estetipodecomportamientoenlosdatos.
Esta tcnica consigue buenos resultados al pronosticar este tipo de series al realizar tres
suavizaciones como se muestra a continuacin en las expresiones matemticas para realizar el
clculodepronstico.
Primerasuavizacin
Segundasuavizacin
Tercerasuavizacin
Intercepto
Pendientedelaseriedetiempo
Parmetrodenolinearidaddesegundorden
Pronsticoparaelperiodo
Comoinicializacinpodemosusar:
SuavizacinExponencialTripleMtododeWinter
AjustealaTendenciayalaVariacinEstacional
Este mtodo seutilizacuandoademsdepresentarse una tendencia lineal en la serie de tiempo,

haytambinunpatrndecomportamientodetipoestacionaloperidicoenlosdatosovaloresde
laseriedetiempo.EstatcnicaesunaextensindelmtododeHoltyaqueincorporaunaecuacin
paracalcularunaestimacindelaestacionalidad.
Laestimacindelaestacionalidadestdadaporunndiceestacional quesemultiplicaporla
constantedeatenuacin ,sumndosedespusalaestimacinanterior .quesemultiplicapor
. Las siguientes expresiones matemticas son las utilizadas para hacer los clculos en esta
tcnicadepronstico.
Atenuacindelaseriedetiempo.
Estimacindelaestacionalidad.
Pronsticoparapperiodosenelfuturo.
Endonde:
.Eselnuevovaloratenuadosuavizado.
.Eslaconstantedeatenuacinquetomavaloresenelintervalo .
.Eslanuevaobservacinovalorrealdelaserieenelmomentot.
.Eslaconstantedeatenuacindelaestimacindelatendenciaytomavaloresenelintervalo
.Eslaestimacindelatendencia.
. Es la constante de atenuacin de la estimacin de la estacionalidad y toma valores en el

intervalo .Eslaestimacindelaestacionalidad.
.Eselnmerodeperiodosapronosticarenelfuturo.
.Eslalongituddelaestacionalidad.
.Eselpronsticoparapperiodosenelfuturo.
Reflexin:"Nosolodelcopiaypegaviveelsitio,sinodedelosclicsdelusuariotambin."
Copyright2014
MtodosdePronstico
Muchasgraciasporsupreferencia!!!
Graciasaellaseguimossiendoelsitio#1enelfascinantetemadelosmtodos
depronstico.
ListadeTemasdeMtodosdePronstico
1.ConceptosBsicosDePronsticos
1.1DefinicindePronstico
1.2ObjetivodePronstico
1.3ModeloMatemticodePronstico
1.4TcnicaoMtododePronstico
1.5MtodosSubjetivosparalaObtencindePronsticos
1.6MtodosObjetivosparalaObtencindePronsticos
1.6.1MtodosEstadsticos
1.6.2MtodosDeterminsticosoCausales
1.7SeriedeTiempo
1.8SeriedeTiempoEstadstica
2.ComponentesdeSeriesdeTiempo
2.1Estacionariedad
2.2Tendencia
2.3Estacionalidad
2.4Ciclisidad
2.5Aleatoriedad
3.MedidasdePrecisindePronstico
3.1Error
3.2ErrorMedio
3.3ErrorMedioAbsoluto
3.4SumadeCuadradosdelError
3.5ErrorCuadrticoMedio
3.6DesviacinEstandardelError
3.7ErrorPorcentual
3.8ErrorPorcentualMedio
3.9ErrorPorcentualMedioAbsoluto
3.10ErrorPorcentualMedioCuadrtico
3.11UdeTheil
3.11.1CambioRelativoPronosticado
3.11.2CambioRelativoReal
3.12PorcentajedeBateodeMcLaughlin
4.MtodosdeSuavizacindeSeriesdeTiempo
4.1MtodosdePromediosMviles
4.1.1MtododePromedioMvilSimple
4.1.1.1PromedioSimple
4.1.1.2MtododePromedioMvilSimple
4.1.2MtododePromedioMvilDoble
4.2MtododeSuavizacinExponencial
4.2.1MtododeSuavizacinExponencialSimple
4.2.2MtododeSuavizacinExponencialSimpleDeRespuestaAdaptativa
4.2.3MtododeSuavizacinExponencialDoble.MtododeBrown
4.2.4MtododeSuavizacinExponencialAjustadaalaTendencia.MtododeHolt
4.2.5MtododeSuavizacinExponencialCuadrtica.MtodoDeBrown
4.2.6MtododeSuavizacinExponencialTriple.MtodoDeWinter
Reflexin:"Nosolodelcopiaypegaviveelsitio,sinodelosclicsdelusuariotambin."
Lospronsticossonunadelasherramientasfundamentalesparalatomadedecisionesdentrode
las organizaciones tanto productivas como sin fines de lucro.Algunas de las reas en donde se
utilizan pronsticos en la industria son la planeacin y control de inventarios, produccin,
finanzas,ventas,comercializacin,entremuchasotras.
DefinicindePronstico
Delgriegoprognstikon.Conjeturaacercadeloquepuedesuceder.
ObjetivodeunPronstico
Reducir la incertidumbre acerca de lo que puede acontecer en el futuro proporcionando
informacincercanaalarealidadquepermitatomardecisionessobreloscursosdeaccinatomar
tantoenelpresentecomoenelfuturo.
ModeloMatemticodePronstico
Es una expresin matemtica que representa en forma simplificada el fenmeno por medio del
cualseobtienenlosvaloresidealizadosquetomaunavariablealeatoriaenunperiododetiempo
determinado.
TcnicaoMtododePronstico
Procedimientopormediodelcualsellevaacabounpronstico.
MtodosSubjetivosparalaObtencindePronsticos
LosMtodossubjetivosdepronsticotambinconocidoscomomtodoscualitativossebasanen
la expresin de la opinin personal o juicio de uno o ms expertos acerca de la situacin en
estudio,paradeterminarelpronstico.
MtodosObjetivosparalaObtencindePronsticos
Losmtodosobjetivosmejorconocidascomomtodoscuantitativosdepronsticosebasanenel
manejo de datos numricos histricos para obtener un pronstico preciso y se soportan en la
suposocin de que el comportamiento de los datos histricos permanece durante un periodo de
extensin significativa en el futuro. Las Mtodos cuantitativos con frecuencia se clasifican en
mtodosestadsticasymtodosdeterminsticos.
MtodosEstadsticos
Estos mtodos se basan en la existencia de patrones, en el estudio de los mismos, las
transformaciones que sufren, y la influencia del ruido o perturbacin causado por factores de
naturalezaaleatoria.
Dentrodeestosmtodosseutilizandosenfoques.
Enelprimeroseobtieneelpronsticobasadoenelrazonamientodequelosdatosdelaseriede
tiemposepuedendividirodescomponerencomponentesidentificablesquepuedenpresentarseo
no en una determinada serie, estos componentes pueden ser la tendencia, la estacionalidad, la
ciclisidadylaaleatoriedaddelosdatos.Elpronsticoserealizacombinandolaproyeccindelos
componentesquesepresentandentrodelaseriedetiempo.
Enelsegundoelpronsticoseobtieneapartirdelanlisisestadsticodelosdatosqueintegranla
seriedetiempo.
MtodosDeterminsticosoCausales
Se basan en identificar y determinar cuales son las relaciones existentes entre la variable
dependientedeintersapronosticarylasvariablesindependientesqueladeterminanalejercersu
influenciasobreella.
SeriedeTiempoEstadstica
Es una secuencia ordenada de valores numricos que toma una variable aleatoria observados a
intervalosigualesalolargodeundeterminadoperiodo.
ComponentesdeunaSeriedeTiempo
Los datos de una serie de tiempo se pueden descomponer en componentes individuales para
facilitarsuestudioloscualesseexplicanacontinuacin.
Tendencia.
Latendenciadeunaseriedetiempoeselcomponentedelargoplazoquerepresentaelcrecimiento
o disminucin en la serie sobre un periodo amplio. Como se puede ver la tendencia es la
propensin al aumento o disminucin en los valores de los datos de una serie de tiempo, que
permanecealolargodeunlapsomuyextendidodetiempo,esdecirquenocambiarenelfuturo
lejanomientrasnohayancambiossignificativosoradicalesenelentornoenelqueseencuentra
inmersayquedeterminaelcomportamientodelaseriedetiempoenestudio,cambiosquepodran
seroriginadoscomoporejemplo,pordescubrimientoscientficos,avancestecnolgicos,cambios
culturales,geopolticos,demogrficos,religiosos,etc.
Ejemplos:
Enlasiguientetablasemuestranlosdatosdeunaseriedetiempocontendenciacreciente.
En la siguiente grfica se puede observar que los valores de los datos de la serie de tiempo
tabuladosenlaTabla1.3muestranuncrecimientonotablealtranscurrirunperiododetiempode
consideracin.
Grfica1.3
Acontinuacinsemuestraelcasocontrario,losvaloresdelosdatosdeunaseriedetiempocon
tendenciadecreciente.
En la siguiente grfica se puede distinguir que los valores de los datos de la serie de tiempo
mostrados en la Tabla 1.4 presentan un decrecimiento que se aprecia sin esfuerzo al pasar un
periododetiemposignificante.
Grfica1.4
Ahoramostramoselconceptodeunaseriedetiempoconcomportamientoestacional.
Estacionalidad
Elcomponeneteestacionalesunpatrndecambioqueserepiteasmismoaotrasao.
Elpatrndecambioporlogeneralesunaumentoounadisminucincuantitativaenlosvalores
observadosdeunaseriedetiempoespecfica.Cabemencionarqueaunqueenlamayorpartede
los casos el patrn estacional es un fenmeno que se presenta en lapsos de tiempo de duracin
aproximadaaunaotambinpuedemanifestarsestefenmenoenperiodosdetiempo,yasean
menores o mayores a un ao. Como por ejemplo, el caso de la verificacin de vehculos que se
eleva en las dos primeras semanas de cada periodo de verificacin, ocurriendo esto cada dos
meses, siendo ste lapso de tiempo menor a un ao. O el caso del aumento en las ventas de
panfletospublicitarios,sucedidoestocadaseisaosocasionadoporlaseleccionespresidenciales,
siendosteunlapsodetiempomayoraunao.
Ejemplo:
Enlasiguientegrficaesnotoriounpatrnenlosvaloresdelosdatosdelaseriedetiempovistos
enlatabla1.5queparecerepetirseenlapsosdetiempoaproximadosaunao.
Grfica1.5
Ahora explicaremos el concepto del comportamiento cclico que se presenta en las series de
tiempoyqueesdelosmsdifcilesdepronosticar.
Ciclisidad.
Elcomponenetecclicoeslafluctuacinenformadeondaalrededordelatendencia.
La ciclicidad es un fenmeno que en lo general parece estar relacionado con la variacin de la
actividad econmica ocurrida durante periodos de crisis o prosperidad. La fluctuacin tambin
puedepresentarseenseriesdetiempoestacionarias.
Ejemplo: En la tabla que sigue podemos ver los valores de una serie mensual que presenta el
fenmenocclico.
A continuacin se encuentra la grfica de los valores de la tabla 1.6 que presentan el

comportamientocclicoensuformamspura.
Grfica1.6
Aleatoriedad
Elcomponentealeatoriomidelavariabilidaddelasseriesdetiempodespusderetirarlosotros
componenetes.
Laaleatoriedadsepuededecirquesepresentaentodaslasseriesdetiempoynoesotracosaque
elcambioproducidoenlosvaloresdeunaseriedetiempodebidoafenmenosquesonenextremo
difcilesdeexplicaryqueporlotantosuocurrenciacaeenelmbitodelazar.
Ejemplo:
Grfica1.7
Grfica1.7b
MedidasdePrecisindePronstico
Lasmedidasdepresicindelpronsticoseusanparadeterminarquetaneficazesunpronsticoa
travsdelclculodesupresicinconrespectoalosvaloresreales,esdecir,bscanobteneruna
medidadequetanlejosseencuantranlosvalorespronosticadosdelosobtenidosenlarealidad.En
las siguientesmedidasdelerror,Xt es el valor de la serie de tiempo en el momento t y Pt es el
pronsticoparaesemismomomento.
Error
ErrorMedio
ErrorMedioAbsoluto
SumadeCuadradosdelError
SumadeCuadradosdelErrorMediaoErrorCuadrticoMedio
DesviacinEstandardelError
NtesequePtnoeslamediadelasestimacionesovalorespronosticadoscomosepodriapensar.
Esto significa que la desviacin no se mide respecto de la media, sino que se promedian las
desviacionesdelasestimacionesrespectoalosvaloresreales.
ErrorPorcentual
ErrorPorcentualMedio
ErrorPorcentualMedioAbsoluto
ErrorPorcentualMedioCuadrtico
UdeTheil
CambioRelativoPronosticado
CambioRelativoReal
oenformaabreviadaUseexpresadelasiguientemanera
SiU>1elpronsticoesmaloyesmejorutlizarelmtododepronsticodelhoyconelayerPt+1
=Xt
SiU=1elpronsticoestanbuenootanmalocomoutilizarPt+1=Xt
SiU<1elpronosticoesmejorqueelobtenidoalutilizarelmtododepronsticodelhoyconel
ayerPt+1=Xt
EstosignificaquemientrasmenorsealaUelpronosticosermejor.
PorcentajedeBateodeMcLaughlin

MientrasmscercanaestelaMa600elpronsticosermejor.
MtodosdeSuavizacindeSeriesdeTiempo
MtododePromedioSimple
Estemtodoconsisteenatenuarlosdatosalobtenerlamediaaritmticadeciertonmerodedatos
histricos para obtener con este el pronstico para el siguiente periodo. El nmero de datos a
tomarencuentaparacalcularelpromedioesunadecisindelapersonaquerealizaelpronstico.
Estemtodosoloesrecomendableparaseriesdetiempoquenopresentanpatronesdetendencia,
estacionalidad,ociclisidadenlosdatos.
MtododePromedioMvilSimple
Esta tcnica se utiliza cuando se quiere dar ms importancia a conjuntos de datos ms recientes
paraobtenerelpronstico.Elpronstcoseobtienealcalcularlamediaaritmticadelconjuntode
datosmsrecientesseleccionado.Cadavesquesetieneunanuevaobservacinseagragaestaal
conjuntodedatos,yseeliminadestelaobservacinodatomsantiguo.Elnmerodedatosms
recientesaconsiderarenelconjuntodeobservacionesdelcualsecalculalamediaaritmticaes
una decisin del analista que realiza el pronstico la sensibilidad a los cambios en el
comportamientodelaseriesereducealutilizarunnmeromayordeobservacionesenelconjunto
dedatos.Estemtodonomanejamuybienlosdatosconestacionalidadocontendenciaperosilo
hacemejorquelatcnicadelpromediosimple.
Lasiguienteecuacinestableceelmodelodelpromediomvilesimple.
Aqusemuestraqueelvalorpronosticadoesigualalpromediomvil.
endonde
PMteselpromediomvilenelperiodot.
Pt+1eselvalorpronosticadoparaelsiguienteperiodo.
Xteselvalorrealobservadoenelperiodot.
neselnmerodedatosutilizadosparaelclculodelamediaaritmtica.
Tabla3.1ValoresDeUnaSerieDeTiempoMensual.
Lagrficadelneasdelosvaloresdelatablaeslaquesemuestraenseguida.
Grfica3.1LneasdeUninEntreValoresDeUnaSerieDeTiempoMensual.
Grfica3.1
Para este ejemplo utilizaremos un promedio de 12 observaciones anteriores a la que se desea

pronosticar,esdecirelvalordenesiguala12.Laprimeraobservacinalaqueesposiblecalcular
elpromedioestadeterminadaporelnmerodeobservacionesquesedeseatomarencuentaenel
promediocomosemuestraenlasiguienteexpresin:
Xt=nntesequet=n
Tenemosque:
n=12,t=12,Xt=12,X12,Pt=PMSt1,P13=PMS131,P13=PMS12
porlotantoelpronsticoparalaobservacincorrespondientealmomentooperiododetiempo13
esP13=79.88.Paraelclculodelospromediosmvilessimplesdelasobservacionesposteriores
utilizaremoslaexpresincortavistaconanterioridad,estolopodemoshaceryaquecontamoscon
elprimerpromediomvilsimple.Elclculodelpronsticoparalaobservacincorrespondienteal
momentodetiempo14quedadelasiguientemanera:
P14=82.54
Enlasiguientetablapodemosobservareltotaldelosvalorespronosticadosobtenidos.
Tabla3.2ValoresPronosticadosporelMtododelPromedioMvilSimple.
Grfica3.2GrficadeLneasdelaSeriedeTiempoydesuPronosticoObtenidoconelMtodo
delPromedioMvilSimple.
Grfica3.2
Enlagrficaanteriorpodemosapreciarcomolacurvadescritaporlovalorespronosticadosesta
sujeta a menos cambios bruscos de sus valores puntuales, o como se acostumbra decir es mas
suave o se suaviza respecto de la curva original de la serie de tiempo. Y tambin se puede ver
comoenaparienciasigueelcomportamientodelacurvaoriginal,paraconocermejorlaprecisin
del pronstico serie conveniente utilizar alguna de las medidas del error comnmente usadas y
observarlavariabilidaddeeste.
Enlasiguientetablasemuestranlosresultadosobtenidosalcalcularlasmedidasdeprecisinpara
elejemploanterior.
Tabla3.3MedidasdePrecisinObtenidasalAplicarelMtododelosPromediosMviles
Simples.
MtododePromedioMvilDoble
El mtodo consiste en calcular un conjunto de promedios mviles y en seguida se calcula un

segundoconjuntocomoprodiomvildelprimero.
Estemtodoseutilizapararealizarpronsticosdeseriesquetienenunatendencialineallinealya
questemtodomanejamejorlatendencialinealqueelMtododelPromedioMvilSimpleel
cualpresentaunrezagorespectodelaserieoriginalenestoscasos.
Lasiguientesexpresineslaecuacinconlacualsecalculaelprimerpromediomvil.
Conlasiguienteexpresinsecalculaelsegundopromediomvil.
Lasiguienteexpresinseutilizaparacalcularladiferenciaentrelosdospromediosmviles.
Lasiguienteecuacinesunfactoradicionaldeajuste.
La siguiente expresin es la que se utiliza para calcular el ponstico para p periodos hacia el
futuro.
endonde
neselnmerodeperiodosenelpromediomvil.
peselnmerodeperiodosapronosticar.
Ejemplo: Aplicaremos el Mtodo del Promedio Mvil Doble a los datos de la Tabla 3.1 a los
cualeslesaplicamosyaelMtododelPromedioMvilSimple.
En ste caso tambin utilizaremos una n igual a 12, tanto para el clculo del primer promedio
mvil simple hecho sobre las observaciones de la serie de tiempo, como para el clculo de
segundopromediomvilsimplerealizadosobrelosvaloresdelanuevaseriedetiempoobtenida
delospromediosmvilessimplescalculadoslaprimeravez.
Comoenelcasodelmtododelpromediomvilsimplelaprimeraobservacinalaqueesposible
calcular el promedio esta determinada por el nmero de observaciones que se desea tomar en
cuenta en ste mismo y se utiliza la misma expresin de ese caso, que es la que se muestra a
continuacin:
Xt=nntesequet=n
Porloquetenemosque:
n = 12, t = 12, X t = n, X t = 12, X12, es la primera observacin a la cual se puede calcular el

promediodeacuerdoalnmerodeobservacionesnelegidoasertomadoencuentaenelpromedio
delasobservacionesanteriores.
Elclculodelprimerpromediomvilhechosobrelasobservacionesdelaseriedetiempooriginal
paralaprimeraobservacinfactiblearealizar,sehacecomosemuestraabajo:
El clculo para las siguientes observaciones de la serie de tiempo original se puede hacer
empleandotantolaformacompletaanterior,comolacortaquesemuestraenseguidaparaelcaso
delaobservacinquesigueenelmomentodetiempot=13,X13enesteejemplo.
Una vez teniendo la nueve serie de tiempo formada por los valores de los promedios mviles
simplescalculadossobrelosdatosdelaseriedetiempooriginal,seprocedeacalcularelsegundo
promedio mvil simple para los datos de esta nueva serie de tiempo de promedios o valores
suavizados.
Losvaloresdeestanuevaseriedetiemposonlosquesemuestranenlasiguientetabla.Nteseque
en ste Mtodo del Promedio Mvil Doble, estos valores son solo un paso intermedio y no
representanlosvalorespronosticadosadiferenciaqueenelMtododelPromedioMvilSimple.
Tabla3.4ValoresdelaNuevaSeriedeTiempodePromediosMvilesSimples.
Elclculodelsegundopromediomvilsimpleparalaprimeraobservacinfactibleacalcularlode
lanuevaseriedetiemposehacecomosemuestraenseguida:
Losclculosposterioresdelanuevaseriedetiempodepromediossepuedenrealizarempleandola
expresinlargaobienlaformacortaquesemuestraacontinuacin,paraelcasodelpromedioque
sigueenelmomentodetiempot=24,PMS'24enesteejemplo.
Enlatablaquesiguepodemosverlosvalorestabuladosobtenidosalhacerelsegundopromedio
mvilsimple.
Tabla3.5ValoresdelSegundoPromedioMvilSimple(PMSt).
Grfica3.3GrficadeLneasdelaSeriedeTiempoOriginalydelasSeriesNuevasResultantesal
CalcularelPMStyelPMSt.
Grfica3.3
En esta grfica observamos que entre la curva descrita por los valores de la serie de tiempo
originalyladelprimerpromediomvilsimple(PMSt),existeunadiferenciadeproporcinsimilar
alaqueexisteentrelacurvadescritaporlosvaloresdelprimerpromediomvilsimpleyladel
segundo promedio mvil simple (PMSt). Es en base a esta observacin es que se utiliza la
proporcin de la diferencia existente entre los dos promedios (PMSt y PMSt) para estimar los
valoresrealesdelaseriedetiempo,ajustandodestamaneraelvalormedioopromediomvily
asevitaroreducirelrezagoqueocurrealaplicartansolounpromediomvilsimpleaseriesde
tiempoquepresentantendenciacomoyasehabamencionadoantes.
Lospronsticosseobtienencomoseexplicaenseguidaparaelcasodelprimerpronsticofactible
asercalculadoensteejemplo:
Primerosecalculaelvalorde
Segundocalculamoselvalorde
Yterceroyltimocalculamoselvalorpronosticadocomoseveabajo:
porlotanto
EnlatablaquesiguepodemosvertodoslosvalorespronosticadosobtenidosmedianteelMtodo
Tabla3.6ValoresPronosticadosconelMtododelPromedioMvilDoble.
En la grfica que sigue podemos observar la serie de tiempo original y la de los valores
pronosticadosmedianteelMtododelPromedioMvilDobleparasteejemploenparticular.
Grfica3.4GraficadeLneasdelaSeriedeTiempoydesuPronosticoObtenidoconelMtodo
Grfica3.4
En la siguiente tabla podemos ver los valores obtenidos para ste ejemplo de las medidas de
precisinmscomunes.
Tabla3.7MedidasdePrecisinObtenidasalAplicarelMtododelPromedioMvilDoble.
MtodosdeSuavizacinExponencial
MtododeSuavizacinExponencialSimple
Estatcnicasebasaenlaatenuacindelosvaloresdelaseriedetiempo,obteniendoelpromedio
de estos de manera exponencial es decir, los datos se ponderan dando un mayor peso a las
observacionesmsrecientesyunomenoralasmsantiguas.Alpesoparaponderarlaobservacin
msrecienteseledaelvalor,laobservacininmediataanteriorseponderaconunpesodea(1
),alasiguienteobservacininmediataanteriorseledaunpesodeponderacindea(1)2yas
sucesivamentehastacompletarelnmerodevaloresobservadosenlaseriedetiempoatomaren
cuentapararealizarlaatenuacin,esdecir,paracalcularelpromedioponderado.Laestimacino
pronosticoserelvalorobtenidodelclculodelpromedio.Laexpresinpararealizarelcalculode
laatenuacinexponencialeslasiguiente.
Otraexpresinequivalenteaestaeslasiguiente
otraformadeescribirestaexpresineslasiguiente
endonde
eselerror
Elvalordeasiempreseencuentradentrodelsiguienterango0<a>1.
Cuandoexisteunaclarayconsiderabletendencialinealenlosvaloresobservadosenunaseriede
tiempo,lospronsticosobtenidosmedianteelmtododesuavizacinexponencialsimplequedan
rezagados an al hacer variar el valor de alfa ( ), para estos casos se utilizan dos diferentes
MtodosconocidoscomoelmtododeBrownyeldeHolt.
En ste mtodo as como tambin en todos los dems mtodos de suavizacin exponencial que
veremos ms adelante se requiere de una inicializacin, es decir necesitan asignarle un valor
iniciala .Yaquesiqueremoscalcular necesitamosconocerelvalorde .Siaplicamosla
frmulaparaencontrar tenemosque:
como y noexistenesimposibleobtenerelvalorde .Porloquees

necesario recurrir a enfoques alternativos para estimar . El nmero y naturaleza de valores a
inicializardependedelmtododesuavizacinqueseesteutilizando.Silosdatossonestacionales
losvaloresinicialesparalosfactoresestacionalessepuedencalcularempleandoalgnmtodode
descomposicin, en el caso de que no hubiera datos suficientes para aplicar estos mtodos, la
inicializacin de estos factores estacionales puede hacerse en base a estimaciones subjetivas o
usandondicesestacionalesyaconocidos.
ElnivelsuavizadoopromedioSylacomponenteTdelatendenciasepuedenestimarusandouna
delassiguientesalternativas:
1. Mnimos Cuadrados. Utilizando la tcnica de los mnimos cuadrados podemos estimar los
valores iniciales. Como por ejemplo para obtener P1 para el caso del mtodo de la suavizacin
exponencial simple se podra usar el promedio de los 20 valores inmediatos pasados. Y para el
caso del mtodo de una suavizacin exponencial lineal se podran obtener los valores de S y T
resolviendo la ecuacin para una lnea recta obteniendo la ordenada al origen y la pendiente
usandostascomovaloresparamtricosinicialesesdecircomolosparmetrosinicialesparaSy
T.Estomismosepodrahacerenelmtododelasuavizacinexponencialamortiguada.
2. Retroprediccin. Esta es la tcnica empleada en la metodologa de Box Jenkins, pero

tambinesposibleutilizarlaenlosmtodosdesuavizacinexponencial.Estoconsisteeninvertir
laseriedetiempoycomenzarelprocesodeestimacinapartirdelltimovaloresdecirelms
reciente y terminarlo con el primer valor, es decir el valor ms antiguo. De esta manera se
obtendrnpronsticosoestimacionesparamtricasparalosprimerosdatosdelaseriedetiempo
quepuedenserutilizadascomovaloresinicialespararealizarelpronsticodelaseriedetiempo
cuandosecalculastedelamaneranormal,esdecirempezandoporeldatomsantiguoalms
reciente.
3. Arbitraria. Cuando no se disponen de datos suficientes para estimar los valores iniciales o
cuandoelanalistanoconsideradesumaimportanciadisponerdevaloresinicialesmuyapegadosa
la realidad, se pueden utilizar valores arbitrarios como valores iniciales para un mtodo en
particulardeacuerdoalcriteriodelanalistaquerealizaelpronstico.Comoporejemploparala
suavizacinexponencialsimplesepodrautilizarcomovalorinicial:
como otro ejemplo parala suavizacin de Holt o para el suavizamiento amortiguado se podran
usarlosvaloressiguientescomovaloresiniciales:
FinalizandolosejemplosparalasuavizacindeWinterspodramosasignarcomovaloresiniciales
losquesemuestranacontinuacin:
endonde y sonlosvaloresdesestacionalizadosde y .
A continuacin ilustraremos la aplicacin del mtodo de la suavizacin exponencial simple

medianteelejemplosiguiente.
Ejemplo:ParasteusaremoslosdatosdelaTabla1.2vistaconanterioridadlacualmuestralos
valoresobservadosdeunaseriedetiempomensualestacionaria.
ComovalordeinicializacindeP1usaremoselprimervalorobservadoenlaseriedetiempo,es
decirX1,queenestecasoes48.Aalfaleasignaremosunvalorde0.5.Entonceselclculoparael
primervalorapronosticares:
para quedacomosigueabajo:
ydestamismamanerasehaceparacalcularel
resto de los pronsticos para los periodos de tiempo subsecuentes. En la siguiente tabla se
muestran todos los valores pronosticados para el ejemplo que nos ocupa correspondientes a los
valoresobservadosdelaseriedetiempooriginal,perosepodraseguircalculandosucesivamente
pronsticosparaperiodosposterioreshastadondedeseramos.
Tabla3.8ValoresPronosticadosconelMtododelaSuavizacinExponencialSimple.
En la grfica posterior podemos ver cmo la curva descrita por los valores pronosticados sigue
muydecercadelacurvadescritaporlaseriedetiempooriginalalacualqueintentapronosticar.
laSuavizacinExponencialSimple.
Grfica3.5
Acontinuacinvemosenlatabladeabajolosvaloresobtenidosparasteejemplodelasmedidas
deprecisindeusomsfrecuente.
Simple.
MtododeSuavizacinExponencialSimpledeRespuestaAdaptativaSESRA
Este mtodo tiene como fin adaptar el valor de a medida que va cambiando el patrn de los
datosdelaseriedetiempo.
donde,
ErrorSuavizado
ErrorAbsolutoSuavizado
ErrordePronsticoenelmomento
Estatcnicadepronsticorequiereunainicializacindelosvaloresde , , , y
Sepuedenutilizarlasinicializaciones:
Sedebeinicializardelasiguientemaneraparaevitarindeterminacionesalcalcularla.
aunqueelvalordenesarbitrariaalgunosautoresrecomiendanquenseaiguala4.
Es importante sealar que los valores sucesivos de varan significativamente si se al utilizar

diferentesinicializaciones.
Tabla3.10ValoresPronosticadosconelMtododelaSuavizacinExponencialSimplede
RespuestaAdaptativa.
laSuavizacinExponencialSimpledeRespuestaAdaptativa.
Grfica3.6
SimpledeRespuestaAdaptativa.
MtododeSuavizacinExponencialDoble.MtododeBrown
AjustealaTendencia
Este mtodo consiste en realizar dos suavizaciones exponenciales, a partir de las cuales se
obtendrelvalorestimado,opronsticoquebuscamosrealizar,medianteunclculorealizadocon
una expresin sencilla. La primera se aplica a los valores observados en la serie de tiempo y la
segundaalaserieatenuadaobtenidamediantelaprimeraatenuacin.
Debido a que los valores calculados al realizar las dos primeras atenuaciones no son los datos
estimadosaobtener,esdecir,queconstituirnlasinferenciasdelosvaloresqueseesperaquetome
laseriedetiempoenelfuturocercano,usaremosunanotacindistintaaladelaexpresinfinal
conlacualsecalculanlosvaloresqueconstituyenenrealidadelpronstico.
Lasexpresionessonlassiguientes:
dondemrepresentaelnmerodeperiodoshaciaelfuturodelquesepretendehacerelpronostico.
Tabla3.12ValoresPronosticadosconelMtododelaSuavizacinExponencialDobleporel
MtododeBrown.
laSuavizacinExponencialDobleporelMtododeBrown.
Grfica3.7
DobleporelMtododeBrown.
Alutilizarestemtodoseobtienenvaloresestimadosdelatendenciaquesonmuysensiblesalas
variacionesaleatorias,debidoaqueseutilizaunasolaconstantedeatenuacin.Estasituacinque
noesdeseablequesepresenteeslaqueHoltintentaresolveralproponerelsiguientemodelo.
MtododeSuavizacinExponencialAjustadaalaTendenciaporelMtododeHolt
Esta tcnica tambin conocida como el mtodo de los dos parmetros de Holt atena en forma
directalatendenciaylapendientealutilizarunaconstantedeatenuacindiferenteparacadauna
deellas.
Conestaecuacinseatenalaserieenformaexponencialdemanerasimilaracomosehaciaenel
casodelasuavizacinexponencialsimple,ladiferenciaradicaenqueseagregauntrminopara
tomarencuentalatendencia.
Laecuacinconlacualseestimalatendenciaeslaquesigue.
Laestimacindelatendenciaescalculadaalobtenerladiferenciaentrelosvaloressucesivosdela
atenuacin exponencial , ya que estos se atenuaron con fines de aleatoriedad, su
diferenciaconstituyeunaestimacindelatendenciadelosdatos.
Y al final se obtiene el pronstico para m periodos hacia el futuro por medio de la posterior
expresinmatemtica.
endondeparalasanterioresexpresiones:
Eselvaloratenuado.
Eslaconstantedeatenuacindelosdatosdelaseriedetiempo.
Eselvalorrealdelaseriedetiempoenelperiodot.
Eslaconstantedeatenuacinutilizadaparaestimarlatendencia.
Eselnmerodeperiodosapronosticarenelfuturo.
Eselpronsticodemperiodoshaciaelfuturo.
MtododeSuavizacinExponencialCuadrtica.MtododeBrown
Estemtodoseutilizacuandosepresentaunatendencianolinealenlaseriedetiempo,yaquelas
Mtodosestudiadasconanterioridadarrojanresultadosconunelevadoerroralintentarpronosticar
estetipodecomportamientoenlosdatos.
Esta tcnica consigue buenos resultados al pronosticar este tipo de series al realizar tres
suavizaciones como se muestra a continuacin en las expresiones matemticas para realizar el
clculodepronstico.
Primerasuavizacin
Segundasuavizacin
Tercerasuavizacin
Intercepto
Pendientedelaseriedetiempo
Parmetrodenolinearidaddesegundorden
Pronsticoparaelperiodo
Comoinicializacinpodemosusar:
MtododeSuavizacinExponencialTriple.MtododeWinter
AjustealaTendenciayalaVariacinEstacional
Este mtodo seutilizacuandoademsdepresentarse una tendencia lineal en la serie de tiempo,

haytambinunpatrndecomportamientodetipoestacionaloperidicoenlosdatosovaloresde
laseriedetiempo.EstatcnicaesunaextensindelmtododeHoltyaqueincorporaunaecuacin
paracalcularunaestimacindelaestacionalidad.
Laestimacindelaestacionalidadestdadaporunndiceestacional quesemultiplicaporla
constantedeatenuacin ,sumndosedespusalaestimacinanterior .quesemultiplicapor
. Las siguientes expresiones matemticas son las utilizadas para hacer los clculos en esta
tcnicadepronstico.
Atenuacindelaseriedetiempo.
Estimacindelaestacionalidad.
Pronsticoparapperiodosenelfuturo.
Endonde:
.Eselnuevovaloratenuadosuavizado.
.Eslaconstantedeatenuacinquetomavaloresenelintervalo .
.Eslanuevaobservacinovalorrealdelaserieenelmomentot.
.Eslaconstantedeatenuacindelaestimacindelatendenciaytomavaloresenelintervalo
.Eslaestimacindelatendencia.
. Es la constante de atenuacin de la estimacin de la estacionalidad y toma valores en el

intervalo .Eslaestimacindelaestacionalidad.
.Eselnmerodeperiodosapronosticarenelfuturo.
.Eslalongituddelaestacionalidad.
.Eselpronsticoparapperiodosenelfuturo.
Reflexin:"Nosolodelcopiaypegaviveelsitio,sinodedelosclicsdelusuariotambin."
BR>
Copyright2014

Modelos de Pronósticos - Métodos de Pronósticos

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Modelos de Pronósticos - Métodos de Pronósticos

Загружено:

Авторское право:

Доступные форматы

20/4/2017 ModelosdePronsticosMtodosdePronsticos

La ciclicidad es un fenmeno que en lo general parece estar relacionado con la variacin de la

A continuacin se encuentra la grfica de los valores de la tabla 1.6 que presentan el

Para este ejemplo utilizaremos un promedio de 12 observaciones anteriores a la que se desea

El mtodo consiste en calcular un conjunto de promedios mviles y en seguida se calcula un

n = 12, t = 12, X t = n, X t = 12, X12, es la primera observacin a la cual se puede calcular el

como y noexistenesimposibleobtenerelvalorde .Porloquees

2. Retroprediccin. Esta es la tcnica empleada en la metodologa de Box Jenkins, pero

A continuacin ilustraremos la aplicacin del mtodo de la suavizacin exponencial simple

Es importante sealar que los valores sucesivos de varan significativamente si se al utilizar

Este mtodo seutilizacuandoademsdepresentarse una tendencia lineal en la serie de tiempo,

. Es la constante de atenuacin de la estimacin de la estacionalidad y toma valores en el

A continuacin se encuentra la grfica de los valores de la tabla 1.6 que presentan el

Para este ejemplo utilizaremos un promedio de 12 observaciones anteriores a la que se desea

El mtodo consiste en calcular un conjunto de promedios mviles y en seguida se calcula un

n = 12, t = 12, X t = n, X t = 12, X12, es la primera observacin a la cual se puede calcular el

como y noexistenesimposibleobtenerelvalorde .Porloquees

2. Retroprediccin. Esta es la tcnica empleada en la metodologa de Box Jenkins, pero

A continuacin ilustraremos la aplicacin del mtodo de la suavizacin exponencial simple

Es importante sealar que los valores sucesivos de varan significativamente si se al utilizar

Este mtodo seutilizacuandoademsdepresentarse una tendencia lineal en la serie de tiempo,

. Es la constante de atenuacin de la estimacin de la estacionalidad y toma valores en el

Вам также может понравиться