Suavizamiento Exponencial

Suavizamiento Exponencial Simple

Utilizado para series sin tendencia y sin estacionalidad.
Es un mtodo que se aplica en series de tiempo, se utiliza para predecir valores futuros
utilizando los valores actuales y pasados de la serie de tiempo.
La suavizacin exponencial es adecuada cuando la serie no es estacional y no tiene una
tendencia ascendente o descendente sistemtica.
El mtodo de suavizamiento exponencial simple para hacer predicciones es el siguiente:

^
X t = X t + ( 1 ) ^
X t 1
El valor predicho de
periodo anterior

^
Xt

0< <1

del periodo t es una media ponderada de la prediccin del

^
X t 1 y la ltima observacin

Xt .

Las ponderaciones dependen de la eleccin del factor de decaimiento . Observe que un

elevado valor de da mayor peso a la observacin actual. Por el contrario, cuando es
cercana a 0 se da mayor peso a la observaciones pasadas
Si extendemos el suavizado mas all de los datos disponibles, la prediccin es:

X t +h= ^
Xt
Estimacin del Factor de Decaimiento ()
La eleccin del factor de decaimiento (constante suavizacin) debe ser tal que la raz
del error cuadrtico medio sea la mnima para 0<<1:

1
1
R EC M = e 2t = ( x t ^x t )2
n t=2
n t=2
Para encontrar el valor apropiado de se utilizan mtodos destinados a resolver
problemas de programacin no lineal sujeto a restricciones, en este caso en particular el
mtodo de "Gradiente Reducido Generalizado" permite obtener el valor de adecuado.

Mtodo de Holt - Winters

El suavizamiento exponencial por el mtodo de Holt -Winters tiene en cuenta la tendencia
y posiblemente la estacionalidad de una serie de tiempo.
a) Mtodo de Holt - Winters en Series no Estacionales - Con Tendencia
Se obtiene estimaciones del nivel

^
Xt

y de la tendencia Tt de la forma siguiente:

^
X t = X t + ( 1 ) ( ^
X t1 +T t 1)

0< <1

T t = ( ^
X t ^
X t1 )+ ( 1 ) T t1

0< <1

Estimaciones iniciales

^
X 1= X 1

T 1 =x2 x1

T1=

x nx 1
n1

Si extendemos el suavizado mas all de los datos disponibles, la prediccin es:

X t +h= ^
X t +h T t

b) Mtodo de Holt - Winters en Series Estacionales - Factor de Estacionalidad

Multiplicativo
En este mtodo el factor estacional se considera multiplicativo. Este modelo es apropiado
para una serie de tiempo en la cual la amplitud de la estacionalidad es proporcional al
nivel promedio de la serie. Por ejemplo, cuando se analizan cifras de ventas mensuales, se
puede considerar que las ventas de enero son una proporcin de las ventas mensuales
medias.
Sea la duracin de cada estacin de K periodos.

X
^
X t = t + (1 ) ( ^
X t 1 +T t1 )
Ft k

0< <1

T t = ( ^
X t ^
X t1 )+ ( 1 ) T t1

Ft =

Xt
+ ( 1 ) F t k
^
Xt

0< <1

0< <1

Si extendemos el suavizado mas all de los datos disponibles, la prediccin es:

X t +h=( ^
X t + h T t ) F t k+h
b) Mtodo de Holt - Winters en Series Estacionales - Factor de Estacionalidad
Aditivo

^
X t = (X t F tk )+ (1 ) ( ^
X t 1 +T t1 )
T t = ( ^
X t ^
X t1 )+ ( 1 ) T t1

Ft = (X t ^
X t )+ ( 1 ) F t k

0< <1
0< <1

0< <1

Si extendemos el suavizado mas all de los datos disponibles, la prediccin es:

X t +h= ^
X t +h T t + F tk +h