Suavización Exponencial Simple Adaptativa

UNIVERSIDAD DE LAS AMERICAS PUEBLA

AIDE DOLORES ROMERO CARRILLO ID 128334

NOVIEMBRE 14, 2013.

Suavización Exponencial Simple Adaptativa

La suavización exponencial simple adaptativa es un método acerca del valor de la constante de suavización se adapte al cambio en el patrón básico de los datos. Además todos los periodos influyen en el pronóstico, pero los más recientes influyen más. Por lo que, obtenemos que α es la constante de suavización que se determina inicialmente y luego se permiten variaciones de él en el pronóstico.

El valor de α va a depender de un valor β (entre cero y uno) que suaviza al error y no el pronóstico, por lo que se considera que es más sensible a cambios en el medio y por lo tanto no será tan definitivo determinar dicha β desde el principio. Además, él primer término de β tiene peso menor que él segundo término. Una cuestión importante es la siguiente; α es un valor entre cero y uno, si la fórmula asociada con α da como resultado un número mayor o igual que uno, vamos a asignarle siempre el valor de β.

Fórmulas

Inicialización (Subíndices)

E1 es conocida como el valor de suavización, mientras que M1 se le llama valor absoluto de suavización.

La fórmula en palabras se visualiza de la siguiente forma:

Nuevo Pronóstico= α*(nueva observación)+ (1- α) (Pronóstico anterior)

Ejemplo

Obtenemos datos de las ventas de una abarrotería “La Lunita“ para hacer el pronóstico para Febrero con α=0.5 (valor neutro, ya que es la misma importancia de lo histórico al presente) tomando una β=0.25

Solución

Comenzamos en P2=231 tendríamos un error en el periodo 2 (Marzo) de: e2 = 229 – 231 = -2. Calculemos E2 y M2.

Con estos datos calculamos el valor de α2:

Como el valor de α2=1, para hacer el pronóstico para el periodo 3 tomamos el valor de β, es decir, 0.25.

Con este valor se calcula el nuevo error y así seguimos hasta encontrar un valor de α entre cero y uno.

A continuación se muestra la tabla completa de la realización en Excel. Es importante recordar que los pronósticos son llenados con los valores de β hasta que tenemos que: 0 < α <1.

Encontremos el pronóstico para febrero:

(0.28)*(229) + (1-0.28)*(233.5)=232.25

Visualización en Gráfica:

En conclusión, en la práctica usamos esta ecuación para eliminar la necesidad de almacenar datos de una serie de tiempo muy larga. También tiene la ventaja que determina automáticamente el coeficiente de suavización en base a los errores de los periodos previos.

...