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.