MODELOS DE PRONOSTICO

QUE SON MODELOS DE PRONOSTICO?

Son apropiados cuando las datos no presentan tendencia ni estacionalidad. El pronóstico consiste en un promedio ponderado de todos los valores previos, las ponderaciones declinan en forma geométrica cuando se retrocede en el tiempo.

yt+1 = yt +(1􀀀 )yt􀀀1 +(1􀀀 )2yt􀀀2 + +(1􀀀 )kyt􀀀k +

byt+1 = yt +
1X
i=1
(1 􀀀 )iyt􀀀i

Donde 2 (0; 1) y se le denomina constante de suavización.

MODELO SUAVIZACION EXPONENCIAL SIMPLE

El modelo de suavización exponencial simple se puede escribir de la siguiente forma compacta:
byt+1 = yt + (1 􀀀 )byt
Entonces para pronósticar solo se necesitan el valor del último periodo y su valor estimado. Y se puede intuir que el modelo
aprende de los errores pasados.
byt+1 = yt + (1 􀀀 )byt
byt+1 = yt + byt 􀀀 byt

byt+1 = byt + (yt 􀀀 byt )

MODELO SUAVIZACION EXPONENCIAL DE HOLT
Son apropiados cuando los datos presentan tendencia, cuando ésta existe el modelo de suavización simple presenta errores grande que por lo general se mueven de positivo a negativo.

Ft+1 = yt + (1 􀀀 )(Ft + Tt ) (1)
Tt+1 = 
(Ft+1 􀀀 Ft ) + (1 􀀀 
)Tt (2)
byt+m = Ft + 1 + m Tt+1 (3)
Donde:
yt : Valor observado en el periodo t
: Constante de suavización para el nivel 0 < < 1
Fi : Estimación de la suavización para el periodo i

 : Constante de suavización para la Tendencia 0 < 
 < 1
Ti : Estimación de la Tendencia para el periodo i

m : Número de periodos a pronósticar