MODELOS DE SUAVIZADO

Elimina lo aleatorio en la secuencia histórica y fundamente un pronóstico en el patrón suavizado de

los dato. El objetivo del uso de estas técnicas es eliminar las fluctuaciones que estén presentes en la
serie las cuales no permiten observar su verdadero comportamiento, esto se logra a partir de ajustar
los datos históricos de a una nueva serie en la cual se pueda determinar el verdadero
comportamiento de ésta.
Cuando no se tiene certeza acerca del comportamiento de una serie. Son usadas p/ eliminar las
fluctuaciones aleatorias, pero NO p/ aplanar eliminar los picos y valores extremos de una serie.
No se pueden suavizar los patrones, sólo se suaviza la aleatoriedad!
Hay dos tipos:
* Suavizado por promedio móviles: Pondera igual a c/u de los valores incluidos en el promedio.
* Suavizado exponencial: Asigna > ponderación a los valores observados + recientes y
ponderaciones decrecientes a los valores + antiguos.

- Sólo modelan aleatoriedad

Suavizado por Promedios Móviles Simples => Toma un cjto. de datos y usa su promedio como
pronóstico p/ el siguiente período.
Suavización Exponencial Simple => Pronóstico: F t =Ft-1+α[Yt-1–Ft-1]= α.Yt-1+(1–α).Ft-1
Suavización Exponencial Adaptativa (ARRES) => Determina automáticamente el coef. de
suavización (TSTt-1) en base a los errores de los períodos previos. El coef. de suavización
exponencial β p/ SAD y MAD es 0 ≤β≤ 1 ES UN SOLO PARÁMETRO

- Modelan tendencia y aleatoriedad

Promedios Móviles Dobles => Realiza dos PM antes de pronosticar
Suavización Exponencial Doble (Brown) => se calcula 1° una suavización exponencial simple
para c/ valor de la serie y luego se vuelve a calcular otra suavización exponencial sobre los datos
resultantes de la primera. P/ pronosticar hacia el futuro, se usa una interpolación lineal que
contempla el componente de tendencia (2da suavización exponencial) USA UN SOLO
PARÁMETRO
Suavización Exponencial de 2 Parámetros (Holt) => Se usa cuando ∃ la certeza de la presencia
de una tendencia en la serie. Usa 2 constantes p/ realizar los pronósticos → α: Cte. de suavización
de la serie y γ: cte. de suavización p/Tendencia SON DOS PARÁMETROS: un parámetro (α: alfa)
para la suavización del nivel, at, y otro parámetro (γ: gamma) para la suavización de la pendiente,
bt.

- Modela tendencia, aleatoriedad y estacionalidad:

Suavización Exponencial de 3 Parámetros (Winters) => Se basa en 3 ecuaciones, c/u de las cuales
suaviza un factor asociado con uno de los 3 componentes del patrón.

El método de SE2P flexibiliza al método de SED al considerar parámetros distintos para la

estimación del nivel y de la pendiente, pero hace más engorroso el cálculo al tener que obtener por
optimización 2 parámetros en vez de 1.

En la exponencial se ve que a >α > efecto de suavizado.

El suavizado se ve por la penalización del error grande (debido a la aleatoriedad) en la fórmula.