Você está na página 1de 3

Suavizacin Exponencial Otro mtodo para realizar un pronstico es el mtodo de suavizacin Exponencial.

A diferencia de los promedios mviles, este mtodo pronostica otorgando una ponderacin a los datos dependiendo del peso que tengan dentro del clculo del pronstico. Esta ponderacin se lleva a cabo a travs de otorgarle un valor a la constante de suavizacin, 1, que puede ser mayor que cero y menor que uno. Para nuestro ejemplo, utilizamos un valor de 1 = 0.8, por ser ste el que mejor ajusta al pronstico a los datos reales. El mtodo de suavizacin exponencial supone que el proceso es constante, al igual que el mtodo de promedios mviles. Esta tcnica est diseada para atenuar una desventaja del mtodo de promedios mviles, en donde los datos para calcular el promedio tienen la misma ponderacin. De manera particular, esta tcnica considera que las observaciones recientes tienen ms valor, por lo que le otorga mayor peso dentro del promedio. La suavizacin exponencial utiliza un promedio mvil ponderado de los datos histricos de la serie de tiempo como pronstico; es un caso especial de promedio mvil en donde se selecciona un solo valor de ponderacin3. El modelo bsico de suavizacin exponencial se presenta a continuacin: Ft+1 = Yt + (1 - )Ft (2) Donde: Ft+1 = Pronstico de la serie de tiempo para el periodo de t + 1. Yt = Valor real del periodo anterior al ao a pronosticar. Ft = Valor real del periodo anterior al ao a pronosticar. = Constante de suavizacin (0 1). La utilizacin de esta ecuacin implica algunas especificaciones. El clculo de Ft+1 est ligado con los 2 periodos anteriores. En otras palabras, el pronstico de suavizacin exponencial en determinado periodo es (Ft+1) = al valor real de la serie de tiempo en el periodo anterior (Yt) X la constante de suavizacin (), + 1 - la constante de suavizacin () X el periodo anterior (Ft). Ft+1 = Yt + (1 - )Ft (2) A pesar de que la suavizacin exponencial nos da un pronstico que es un promedio ponderado de todas las operaciones pasadas, no es necesario guardar todos los datos del pasado a fin de calcular el pronstico para el periodo siguiente. De hecho, una vez seleccionada la
3 La

ponderacin se determina considerando el peso que se le asigna al valor ms reciente de la serie. Los pesos o ponderaciones para los dems valores se determinan automticamente, hacindose ms pequeos conforme las observaciones se alejan del presente.

Constante de suavizacin , slo se requiere de dos elementos de informacin para calcular el pronstico. La ecuacin (2) muestra que con un dado, podemos calcular el pronstico para el periodo t + 1 simplemente conociendo los valores reales y pronosticados de la serie de tiempo para el periodo t, es decir, Yt y Ft. La eleccin de la constante de suavizacin es crucial en la estimacin de pronsticos futuros. Si la serie de tiempo contiene una variabilidad aleatoria sustancial, se preferir un valor pequeo como constante de suavizacin. La razn de esta aseveracin es que gran parte del error del pronstico es provocado por la variabilidad aleatoria, por lo que un valor pequeo de permite un pronstico mejor. Por el contrario, para una serie de tiempo con una variabilidad aleatoria relativamente pequea, valores ms elevados de la constante de suavizacin tienen la ventaja de ajustar con rapidez los pronsticos cuando ocurren errores de pronstico y permitiendo, por lo tanto, que el pronstico reaccione con mayor rapidez a las condiciones cambiantes. En la prctica, el valor de est entre .01 y .90.

Utilizando la ecuacin 2, sustituimos los valores correspondientes para hacer el pronstico para el ao 1992. Sustituyendo valores nos quedara: Fingresos 1992 = 0.8 (201986) + (1 0.8)(163305) Fegresos 1992 = 0.8 (189498) + (1 0.8)(162370) El mismo procedimiento se realiza para el resto de los aos y obtenemos los resultados que aparecen en el cuadro 2. Una vez que se calculan los pronsticos de ingresos y egresos, la diferencia entre stos nos da el ahorro, que aparece en la ltima columna del mismo cuadro. Podemos observar que el pronstico se ajusta ms a los datos reales que en el caso de los promedios mviles. Este mtodo nos permite realizar un pronstico ms confiable que el caso anterior. Claramente se observa que el pronstico tiene mejor ajuste y la diferencia entre los valores reales y los pronosticados es mnima. Por lo tanto, este mtodo es una mejor opcin que los promedios mviles para predecir el comportamiento futuro de los ingresos y egresos.

PROMEDIO MVIL PONDERADO

Para calcular el promedio mvil ponderado se multiplican cada uno de los pesos asignados en este caso: 3,2 y 1 por las ventas y el resultado se divide dentro de la sumatoria de cada uno de los pesos (vea la barra de formulas en la imagen)

SUAVIZADO EXPONENCIAL

Para calcular un pronstico de suavizado exponencial es necesario tomar en cuenta el valor de alfa que para este caso es 0.2 La particularidad de este mtodo es que siempre empieza en la segunda posicin y alli se coloca el primer dato de las ventas que es 17. Para el resto de pronsticos (semana 3 en adelante)el clculo es:(valor de alfa 0.2 * ventas de la semana anterior 17) + (el complemento de alfa 0.8 * el suavizado exponencial anterior 17) = 17.80 y asi sucesivamente