Vous êtes sur la page 1sur 4

Suavizacin exponencial doble o ajustada - Holt

Si se tuviera que pronosticar un modelo con tendencia usando suavizacin exponencial


simple, el pronstico tendra una reaccin retrasada al crecimiento. Entonces, el
pronstico tendra a subestimar la demanda real. Para corregir esto se puede estimar la
pendiente y multiplicar la estimacin por el nmero de periodos futuros que se quieren
pronosticar.
Una simple estimacin de la pendiente dara la diferencia entre las demandas en dos
periodos sucesivos; sin embargo, la variacin aleatoria inherente hace que esta
estimacin sea mala. Para reducir el efecto de aleatoriedad se puede usar la diferencia
entre los promedios calculados en dos periodos sucesivos. Usando suavizacin
exponencial, la estimacin del promedio en T, es ST , de manera que la estimacin de la
pendiente en el tiempo T
BT = (ST - ST-1)
Con esta idea una vez ms, se puede usar suavizamiento exponencial para actualizar la
estimacin de la tendencia, lo que lleva al suavizamiento exponencial doble,
representado por el siguiente conjunto de ecuaciones.
ST = dT + (1- ) (ST-1 + BT-1)
BT = (ST - ST-1) + (1- ) BT-1
FT+K = ST + k BT
El pronstico para k periodos futuros consiste en la estimacin de la pendiente ms una
correccin por tendencia.
Debe elegirse uno de los dos parmetros y , para el suavizamiento exponencial
doble. Los comentarios sobre la eleccin de en el suavizamiento exponencial simple
son vlidos para ambos parmetros en este caso.
Para obtener un suavizamiento doble en el tiempo T, se necesitan los valores de ST-1 y
BT-1. Existen muchas formas de obtenerlos.
Procedimiento
Primero 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 estara en 6.5
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.
Despus, 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. Es ms fcil entender este proceso usando un
ejemplo.
Los modelos de suavizacin exponencial ajustada tienen todas las ventajas de los
modelos de suavizacin exponencial simple; adems, proyectan en el futuro (por
ejemplo para el periodo t + 1) agregando un incremento de correccin de tendencia Tt,
para el promedio suavizado del promedio suavizado del periodo presente F.

Ejemplo.
Desarrolle un pronstico para las ventas de papel de computadora para los meses 25 y
30. Si la demanda del mes 25 es 259, actualice los parmetros y proporcione los
pronsticos para los meses 26 y 30.
Considere los datos de la siguiente tabla, que representa las ventas de papel de
computadora en cajas.
Mes
1
2
3
4
5
6
7
8

Ventas
116
133
139
157
154
159
162
172

Mes
9
10
11
12
13
14
15
16

Ventas
163
163
164
191
201
219
207
205

Mes
17
18
19
20
21
22
23
24

Ventas
210
207
225
223
257
232
240
241

Primero se calculan los promedios de los meses 1 a 12 y 13 a 24.


Estos se muestran en la tabla.
Mes
1

1
116

2
201

2
3
4
5
6
7
8
9
10
11
12
Promedio
Promedio global

133
139
157
154
159
162
172
163
163
164
191
156.083333

219
207
205
210
207
225
223
257
232
240
241
222.25
189.166667

El incremento en las ventas promedio para el periodo de 12 meses es 222.25 156.08 =


66.17.
Al dividir este nmero entre doce se obtiene el incremento promedio por mes = 5.51
As la estimacin de la pendiente en el tiempo 24 ser B24
= 5.51
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).
La estimacin de la ordenada es
S24 = 189.16 + 5.51 (24-12.5) = 252.52
Una vez que se tienen los valores iniciales, se pueden pronosticar periodos futuros. El
pronstico para el periodo 25 es
F25 = S24 + 1 x B24 = 252.52 + 1 x 5.51 = 258
De manera similar, el pronstico para el mes 30 es
F30 = 252.52 + 6 x B24 = 252.52 + 6 x 5.51 = 286
89.16 + 5.51 (24-12.5) = 252.52
Ahora se actualizan las estimaciones con y
= 0.1 y = 0.1
ST = dT + (1- ) (ST-1 + BT-1)
S25 = d25 + (1- ) (S24 + B24)

S25 = 0.1 x d25 + (1- 0.1) (S24 + B24)


S25 = 0.1 x 258 + (1 0.1) x ( 252.52 + 5.51) = 258.09
La nueva estimacin de la pendiente ser
BT = (ST - ST-1) + (1- ) BT-1
B25 = (S25 - S24) + (1- ) B24
B25= 0.1 (258.09 - 258) + (1- 0.1) x 5.51 = 4.96
El pronstico para el periodo 26 estar dado por:
FT+K = ST + k BT
F26 = 258.09 + 1 x 4.96 = 263.05
F30 = 258.09 + 5 x 4.96 = 282.89

Bibliografa
Sipper Daniel / Bulfin Robert L., Planeacin y control de la produccin, 1 edicin, 1
impresin, Mxico D.F., Mc. Graw Hill, Junio 1999, pp. 132 -133.