Pronsticos, Series

de Tiempo y
Regresin
CaptuIo 8: Suavizacin
ExponenciaI
Temas
1. ntroduccin al tema
2. Suavizacin exponencial simple
3. ndicios de error
4. Mtodo Holt de la suavizacin exponencial
corregida de la tendencia
5. Metodos de Holt-Winters
6. Tendencia amortiguada y otros mtodos de
suavizacin exponencial
ntroduccin
Queremos formar pronsticos a futuro para
datos sin tendencia, ni estacionalidad.
Formas de hacerlo:
promedio de todas las observaciones
camino aleatorio E(y
t
)=y
t-1
media mvil
estimacin con varios perodos (,8)
y
t
=
0
+
1
y
t-1
+
2
y
t-2
+
3
y
t-3
+...+s
suavizacin exponencial
ntroduccin
0
50
100
150
200
250
300
350
400
450
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
!esca reaI
Suavizacin Exponencial
Simple
Todos los perodos influyen en el
pronstico, pero los ms recientes
influyen ms.
Si designamos L = pronstico, entonces
L
T
= dy
T
+ (1-d)dy
T-1
+(1-d)
2
dy
T-2
+
.+(1-d)
T-1
dy
1
+ (1-d)
T
L
0
Por ejemplo
L
3
= dy
3
+ (1-d)dy
2
+ (1-d)
2
dy
1
+ (1-d)
3
d L
0
Suavizacin Exponencial
Simple
Por ejemplo
L
3
= dy
3
+ (1-d)dy
2
+ (1-d)
2
dy
1
+ (1-d)
3
d L
0
Si d = 0.1,
L
3
= 0.1y
3
+ (0.9)0.1y
2
+ (0.9)
2
0.1y
1
+
(0.9)
3
0.1 L
0
L
3
= 0.1y
3
+ 0.09y
2
+ 0.081y
1
+ 0.0729 L
0
Observa que
L
4
= dy
4
+ (1-d)dy
3
+ (1-d)
2
dy
2
+ (1-d)
3
d y
1
+ (1-d)
4
d L
0
Suavizacin Exponencial
Simple
Observa que
L
4
= dy
4
+ (1-d)dy
3
+ (1-d)
2
dy
2
+ (1-d)
3
d y
1
+ (1-d)
4
d L
0
L
4
= dy
4
+ (1-d){dy
3
+ (1-d)dy
2
+ (1-d)
2
d y
1
+ (1-d)
3
d L
0
}
Recuerda que
L
3
= dy
3
+ (1-d)dy
2
+ (1-d)
2
dy
1
+ (1-d)
3
d L
0
As que
L
4
= dy
4
+ (1-d) L
3
Suavizacin Exponencial
Simple
Generalizando,
L
T
= dy
T
+ (1-d) L
T-1
En la prctica, usamos esta ecuacin
elimina la necesidad de almacenar datos
de una serie de tiempo muy largo.
d es una constante de suavizacin
El pronstico puntual para cualquier
perodo futuro (T+v) es
y
T+v
T = L
T
Suavizacin Exponencial
Simple
El pronstico puntual para cualquier
perodo futuro (T+v) es
y
T+v
T =
T
&n intervalo de prediccin de 95%
calculado en el perodo T para y
T+v
es
onde s es el error estndar
. J
)


t + 8
ndicios de error
Seal de la suma acumulativa simple
C(d,T): compara la suma acumulativa
de errores con la desviacin absoluta de
la media suavizada.
) ) )
) ) )

T MAD
T Y
T C
T MAD e T MAD
e T Y e T Y
t
T
T
t
t

=
+ =
+ = =

=
ndicios de error
Si C(d,T) es "grande durante dos o ms
periodos consecutivos, hay un problema
con el modelo.
Es grande si C(d,T) > K
Para niveles de confianza de 5% y 1%:

K (5%) 5.6 4.1 3.5
K (1%) 7.5 5.6 4.9
ndicios de error
Tambin existe el indicio de error
suavizado S(d,T) , que utiliza
) ) )
)
)
) T MAD
T E
T S
T E e T E
t

=
+ =
Mtodo Holt, Suavizacin
Exponencial Corregida de la
Tendencia
Suponga que la serie s muestra una
tendencia, pero que sta puede cambiar
en el tiempo.
Ahora se estiman dos ecuaciones:
IvoI l
T
= oy
T
+ lo l
Tl
+ b
Tl

TondoncIn b
T
= (
T
-
T-1
) - (1- )b
T-1
&n pronstico puntual para y
T+v
es
y
T+v
T = L
T
+vb
T
'entas de termmetros
1
5
0
2
0
0
2
5
0
3
0
0
3
5
0
y
0 10 20 30 40 50
time
Mtodo Aditivo de Holt-Winters
Se usa cuando la serie tiene una
tendencia, al menos localmente, y un
patrn estacional constante.
Al modelo Holt, se resta el factor
estacional (sn
T!
, donde ! indica el
nmero de perodos en un ao: 4 o 12):
IvoI l
T
= oy
T
sn
T!
+ lo l
Tl
+ b
Tl

TondoncIn b
T
= (
T
-
T-1
) - (1- )b
T-1
ncfor osfncIonnI sn
T
= oy
T

T
+lo sn
T!
Mtodo Aditivo de Holt-Winters
IvoI l
T
= oy
T
sn
T!
+ lo l
Tl
+ b
Tl

TondoncIn b
T
= (
T
-
T-1
) - (1- )b
T-1
ncfor osfncIonnI sn
T
= oy
T

T
+lo sn
T!
observacin
compensada
estimacin
anterior del
nivel
pendiente
nueva
estimacin
anterior de
la pendiente
estimacin de la
variacin estacional
observada recientemente
Mtodo Multiplicativo de Holt-
Winters
Se usa cuando la serie tiene una
tendencia, al menos localmente, y un
patrn estacional creciente.
Al modelo Holt, se divide por el factor
estacional (sn
T!
, donde ! indica el
nmero de perodos en un ao: 4 o 12):
IvoI l
T
= oy
T
/ sn
T!
+ lo l
Tl
+ b
Tl

TondoncIn b
T
= (
T
-
T-1
) - (1- )b
T-1
ncfor osfncIonnI sn
T
= oy
T
/
T
+lo sn
T!
Mtodo Multiplicativo de Holt-
Winters
IvoI l
T
= oy
T
/ sn
T!
+ lo l
Tl
+ b
Tl

TondoncIn b
T
= (
T
-
T-1
) - (1- )b
T-1
ncfor osfncIonnI sn
T
= oy
T
/
T
+lo sn
T!
observacin
compensada
estimacin
anterior del
nivel
pendiente
nueva
estimacin
anterior de
la pendiente
estimacin de la
variacin estacional
observada recientemente
Mtodo de la tendencia
amortiguada
IvoI l
T
= oy
T
+ lo l
Tl
+ b
Tl

TondoncIn b
T
= (
T
-
T-1
) - (1- )b
T-1
&n pronstico puntual para y
T+v
es
y
T+v
T = L
T
+ b
T
+
2
b
T
+ ... +
T
b
T
)
Tambin existen el mtodo aditivo de
Holt-Winters con tendencia amortiguada
y el mtodo multiplicativo de Holt-
Winters con tendencia amortiguada
(frmulas en el captuloTabla 8.3)
igas
r. Robert F. Nau, uke &niversity,
http://www.duke.edu/~rnau/411avg.htm
r. J.E. Beasley, Brunel &niversity,
http://people.brunel.ac.uk/~mastjjb/jeb/or/forecast.html
artculo de Owadally y Haberman
http://imaman.oxfordjournals.org/cgi/content/abstract/14/2
/129?maxtoshow=&HTS=10&hits=10&RES&TFORMA
T=&fulltext=haberman&searchid=1&FRSTNEX=0&res
ourcetype=HWCT