Este documento presenta dos métodos de suavización exponencial para pronósticos: simple y doble. El método simple calcula el promedio de una serie de tiempo con autocorrección usando un coeficiente de suavización. El método doble de Holt trata de capturar tendencias lineales mediante la aplicación de suavización exponencial doble para generar pronósticos futuros. Se provee un ejemplo numérico del método doble.
1. Suavizante Exponencial
Simple y Doble
Leidy Lorena Sierra
Jair Herrera
José Ávila
Juan Pablo Castrillón
Julio Cesar Cortes Hurtado
Alexander Botero Guevara
3. Suavización Exponencial
Simple
Evolución del método de
promedio móvil
ponderado.
Se calcula el promedio
de una serie de tiempo
con un mecanismo de
autocorrección
Ajustar los pronósticos
en dirección opuesta a
las desviaciones del
pasado
Mediante una
corrección que se ve
afectada por un
coeficiente de
suavización.
Precisa de tres tipos de
datos
Pronóstico del último
período.
Demanda del último
período.
Coeficiente de
suavización.
4. Métodos alternativos
Pronósticos
no
confiables
Nuevos métodos
alternativos
Tendencia
lineal,
considerable.
Método
Brown
Necesitan de un factor
inicial (inicialización
P1)
Método
holt
- Mínimos
cuadrados
- Retro-predicción
- Arbitraria
Alternativas
para valor
inicial P1
5. Generalidades
Busca ajustar los
pronósticos en dirección
opuesta a las
desviaciones del pasado
Mediante corrección
Se ve afectado por un
coeficiente de
suavización
7. Ejemplo
En Enero, un vendedor de vehículos estimó unas ventas de 142 automóviles para el mes siguiente.
En febrero las ventas reales fueron de 153 automóviles. Utilizando una constante de suavización
exponencial de 0.20 presupueste las ventas del mes de marzo.
Podemos así determinar que el pronóstico de ventas para el periodo 3 correspondiente a Marzo es
equivalente a 144 automóviles.
9. Suavización Exponencial
Doble
Valores que se espera que
tome la serie de tiempo en el
futuro cercano
Charles Holt
(1957)
Modelo de tendencias
lineales
Valor estimado
Evolucionan en una serie de
tiempo
Generar pronósticos
Se aplica a la serie atenuada
obtenida mediante la primera
atenuación
10. ¿Cuando utilizar el método doble?
Para patrones con
tendencia al menos local
y con un patrón
estacional constante
Objetivo
eliminar
irregularidades
previas, con
enfoques
recientes
11. Utilidad
- Evitar un pronostico con una reacción retrasada al
crecimiento.
- Actualiza y genera confiabilidad a la estimación o
tendencia pronosticada.
12.
13. Ejemplo
Desarrolle un pronóstico para las ventas de papel de
computadora para los meses 26. Si la demanda del mes 25
es 259, actualice los parámetros y proporcione los
pronósticos para el mes 26.
14. 1. Dividir datos en dos grupos iguales
y calcular promedio de cada uno. El
resultado se centra en el punto medio
del intervalo. 2. Obtener diferencia entre los
dos promedios (Cambio en la
demanda respecto a la media de
cada conjunto de datos.
3. Obtener estimación de la ordenada,
= (Promedio Global + estimación de la pendiente
por periodo )* Numero de periodos a partir del
punto medio del periodo actual
15. Datos de las ventas de papel de computadora en Cajas
Mes Ventas Mes Ventas Mes Ventas
1 116 9 163 17 210
2 133 10 163 18 207
3 139 11 164 19 225
4 157 12 191 20 223
5 154 13 201 21 257
6 159 14 219 22 232
7 162 15 207 23 240
8 172 16 205 24 241
Primero se calculan los promedios de los meses 1 a 12 y 13 a 24. Estos se muestran en
la siguiente tabla:
17. Incremento en las ventas para el periodo
de 12 meses es:
222.25-156.08=66.17
Incremento Promedio:
66.17/12=5.51
Estimación de la pendiente en
tiempo 24 será:
B24=5.51
Estimación Ordenada:
Promedio de todos los
datos= 189.16
Este Promedio será centrado en el mes 12,5 (Concepto de mediana en intervalos).
Para moverlo a tiempo actual se suma el ajuste por tendencia de 5,51 cajas por mes
multiplicado por (24-12,5)
18. Estimación de la ordenada para periodo
24:
S24=189.16+5.51(24-12.5)=252.52
Pronóstico Periodo 25:
F25=S24 + 1 * B24= 252.52 + (1 *5.51)=258
