You are on page 1of 25

Mtodo de Holt

ATENUACIN EXPONENCIAL
AJUSTADA A LA TENDENCIA

Charles Holt en 1957 desarroll un modelo de tendencias lineales


que evolucionan en una serie de tiempo y puede usarse para
generar pronsticos, este modelo recibe el nombre de
suavizacin o suavizamiento exponencial doble

Otros mtodos como promedios mviles y suavizacin


exponencial simple no consiguenprever la tendencia con
anterioridad,

Sin embargo una modificacin a ste ltimo lo logra, dando


origen a otromtodo para pronosticar la demanda, modelo
de holt o suavizacin exponencial doble.

Con este mtodo se agrega unaconstante de


suavizacindelta (), cuya funcin es reducir el error que
ocurre entre la demanda real y el pronstico. Otros autores usan
como constante la letra griega beta (), es lo mismo.

La constante de suavizacin
en el mtodo holt

Elmtodo de suavizacin exponencial con ajuste a la


tendenciarequiere de dos constantes de suavizacin: alfa () y
delta (). Su valor puede estar entre 0 y 1, pero a nivel prctico
vara entre 0,05 y 0,50.

Cmo escoger los valores ms adecuados? Los criterios para


definir los valores de las constantes son similares almtodo de
suavizacin simple.

En la prctica, los valores de y se encuentran con prueba y


error utilizando lasmedidas de error de pronstico. Tambin
se usan softwares

Cundo utilizar un pronstico de


suavizacin exponencial doble?

El pronstico de suavizacin exponencial


simple es ptimo para patrones de
demanda que presentan una tendencia, al
menos localmente, y un patrn estacional
constante, en el que se se pretende
eliminar el impacto de los elementos
irregulares histricos mediante un enfoque
en perodos de demanda reciente

Modelo de Suavizacin
Exponencial Doble
El mtodo de suavizacin exponencial doble o mtodo
de Holt usa tres ecuaciones fundamentales:

Pronstico del perodot

La serie suavizada exponencialmente (primera


suavizacin)

El estimado de la tendencia

Este mtodo requiere


algunos parmetros
adicionales con
respecto a su
hermano suavizacin
simple. Una
constante delta y un
valor para la
tendencia.

A nivel metodolgico, primero calculamos el pronstico


suavizado. Paso siguiente es determinar la tendencia suavizada,
para finalmente calcular el pronstico con ajuste a la tendencia,
el cual es el resultado final de nuestro mtodo. Veamos un
ejemplo.

Pronstico del perodot

Pronstico del perodot-1

Ejemplo de aplicacin de un pronstico


de Suavizacin Exponencial Doble

IngE es una empresa productora de alimento para peces y


requierecalcular el pronstico de demandacon elmtodo
de suavizado exponencial con correccin por
tendenciapara los prximos meses.

El pronstico de demanda del perodo 1 fue de 1500, pero las


ventas reales fueron de 1132 y la tendencia en ese momento fue
de 150. La compaa asigna un =0,10. Prevn una tendencia
alcista en prximos meses, por lo que definen =0,30.

Solucion
1.

El primer paso es determinar el pronstico suavizado para el


perodo 2:

2.

Con el pronstico suavizado, calculamos la tendencia para el


perodo 2:

3.

Por ltimo determinamos nuestro pronstico con ajuste a la


tendencia, que es simplemente una suma:

4.

Para el perodo 2, IngE pronostica una demanda de 1732,66


unidades de alimento para peces.

Con el mismo procedimiento, logramoscalcular el pronstico


de demanda para los prximos meses:

Eso, graficando la demanda y nuestro pronstico ajustado con


tendencia (segunda y ltima columna) se ve as:

Ejemplo de aplicacin de un pronstico de


Suavizacin Exponencial Doble

La firma de control ambiental "Mauricio


Galindez" usa suavizacin exponencial doble
para pronosticar la demanda de un equipo
para el control de contaminacin, demanda
que aparentemente presenta una tendencia
creciente.

Segn la experiencia de sus ingenieros de


planeacin se sugiere unos coeficientes de
alfa = 0,2 y beta 0,4. Suponer que el
pronstico para el mes 1 fue de 11 unidades y
la tendencia durante el mismo perodo fue de
2 unidades. Con base en lo anterior,
determinar el pronstico del mes 3.

Solucion
1.

El primer paso consiste en hallar el Suavizamiento exponencial


del perodo 2, dicho clculo se efecta as:

2.

El segundo paso consiste en hallar el estimado de la tendencia,


dicho clculo se efecta as:

3.

El tercer paso consiste en hallar el pronstico del perodo 2,


dicho clculo se efecta as:

Ahora procedemos a efectuar los mismos clculos para el perodo siguiente,


de esta manera:

Podemos as determinar que el pronstico de ventas para el perodo 3 es


equivalente a 17,28, al tratarse de unidades enteras se hace necesario
redondear, y es decisin del encargado de planeacin determinar si lo hace
por exceso o por defecto.

LA TEORIA

La tcnica de Holt atena en forma


directa la tendencia y la pendiente
empleando diferentes constantes de
atenuacin para cada una de ellas.
En el enfoque de Brown, solo se usaba
una constante de atenuacin y los
valores estimados de la tendencia
eran muy sensibles a variaciones
aleatorias.

LA TCNICA
DE HOLT
PROPORCIONA MAYOR
FLEXIBILIDAD AL
SELECCIONAR LAS
PROPORCIONES A LAS
QUE SE RASTREARN
LA TENDENCIA Y LA
PENDIENTE

LA TEORIA

Es un modelo de estimacin
exponencial que atena directamente
la tendencia

Al obtener la diferencia entre los


valores sucesivos (de la atenuacin
exponencial).

Para pronosticar a futuro hacia n


periodos

LA TCNICA
DE HOLT
PROPORCIONA MAYOR
FLEXIBILIDAD AL
SELECCIONAR LAS
PROPORCIONES A LAS
QUE SE RASTREARN
LA TENDENCIA Y LA
PENDIENTE

UTILIDAD

Permite reducir el efecto de la


aleatoriedad: usando la diferencia
entre los promedios calculados en
2 periodos sucesivos.

Se actualiza la estimacin de la
demanda o tendencia a
pronosticar.

Se evita un pronostico con una


reaccin retrasada al crecimiento.

SUAVIZAMIE
NTO
EXPONENCI
AL DOBLE
Uso del
SUAVIZAMIENTO
EXPONENCIAL para
actualizar la estimacin

Las tres ecuaciones que se


utilizan en esta tcnica son:

La

serie exponencialmente atenuada:

La estimacin de Ia tendencia:

El pronstico de p periodos en el
futuro:

1. = nuevo valor atenuado


2. = k de atenuacin de los
datos (0-1)
3. = nueva observacin o
valor real de la serie en
periodo t
4. = k de atenuacin de la
estimacin de la tendencia
(0-1)
5. = estimacin de la
tendencia
6. = periodos a pronosticar
en el futuro

La primera ecuacin, 5.20, es muy similar a la ecuacin original de atenuacin exponencial


simple, 5.12, con excepcin de que se incorpora un nuevo trmino (Tr ) para la tendencia.

La estimacin de la tendencia se calcula tomando la diferencia entre los valores sucesivos de


atenuacin exponencial (Ar - Ar - 1).

Ya que los valores sucesivos se atenuaron con fines de aleatoriedad, su diferencia constituye
una estimacin de la tendencia en los datos.

Para atenuar la estimacin de la tendencia se utiliza una segunda constante de atenuacin,


{J. La ecuacin 5.21 muestra que la estimacin de la tendencia (Ar - Ar -1) se multiplica por
y se suma despus a la anterior estimacin de la tendencia (Tr ), multiplicada por (1 - {J).

La ecuacin 5.21 es similar a la 5.20, excepto que la atenuacin se realiza para la tendencia
en vez de para los datos reales.

El resultado de la ecuacin 5.21 es una tendencia atenuada que excluye cualquier


aleatoriedad.

La ecuacin 5.22 muestra el pronstico de p periodos a futuro. Se multiplica la estimacin de


la tendencia (Tr ) por el nmero de periodos en el pronstico (P) y el producto se suma
despus al nivel actual de los datos Ar, para eliminar aleatoriedad.

EJEMPLO

La tabla 5.9 ilustra la atenuacin exponencial


ajustada a Ia tendencia, para los datos de Acme
Tool Company. Para comenzar, se requieren dos
valores estimados iniciales, el valor inicial estimado
y el valor inicial de La tendencia. Por Jo regular, el
valor inicial atenuado se estima promediando unas
cuantas observaciones anteriores de Ia serie. El
valor inicial de Ia tendencia se estima mediante el
uso de la pendiente de Ia ecuacin de Ia tendencia
obtenida de datos anteriores. Si no hay disponibles
datos anteriores, se usa cero como estimacin
inicial. El valor de alfa es similar al del modelo de
atenuacin (ecuacin 5.12) y atena los datos para
eliminar aleatoriedad. La constante de atenuacin
es como a, excepto que atena Ia tendencia en los
datos. Ambas constantes de atenuacin eliminan
aleatoriedad ponderando valores anteriores. En Ia
tabla 5.9 se demuestra Ia tcnica para a= .3 y fi = .
1. A contmuacin se presentan los clculos que
conducen al pronstico del periodo 3.

Procedimiento
1.

Se dividen los datos en dos grupos iguales y se calcula el promedio


de cada uno. Este promedio se centra en el punto medio del
intervalo; si hubiera 12 datos en el grupo, el promedio estar en
6.5

2.

La diferencia entre los dos promedios es el cambio en la demanda


respecto a la media de cada conjunto de datos. Para convertir esta
diferencia en una estimacin de la pendiente, se divide entre el
nmero de periodos que separan los dos promedios.

3.

Para obtener una estimacin de la ordenada, se usa el promedio


global y la estimacin de la pendiente por periodo multiplicados
por el nmero de periodos a partir del punto medio del periodo
actual.

EJEMPLO

Desarrolle un pronstico
para las ventas de papel
de computadora en
cajas para los meses 26
Si la demanda del mes
25 es 259, actualice los
parmetros y
proporcione los
pronsticos para el mes
26

Mes

Ventas

Mes

Ventas

Mes

Ventas

116

163

17

210

133

10

163

18

207

139

11

164

19

225

157

12

191

20

223

154

13

201

21

257

159

14

219

22

232

162

15

207

23

240

172

16

205

24

241

Mes

116

201

133

219

El incremento en las ventas promedio para


el periodo de 12 meses es 222.25 -156.08
= 66.17.

139

207

157

205

Al dividir este nmero entre doce se


obtiene el incremento promedio por mes =
5.51

154

210

159

207

As la estimacin de la pendiente en el
tiempo 24 ser B24= 5.51

162

225

172

223

163

257

10

163

232

11

164

240

12

191

241

Promedio

156.083333

222.25

Solucin

Para obtener una estimacin de la


ordenada, se calcula el promedio global de
los 24 datos como se ve en la tabla
superior. Es 189.16.
Este promedio ser centrado en el mes
12.5 (concepto de mediana en intervalos).
Para moverlo al tiempo actual se suma el
ajuste por tendencia de 5.51 cajas por mes
multiplicado por (24-12.5).

PROMEDIO GLOBAL

189.166667