LA CONSTANTE DE SUAVIZACIN EN EL MTODO HOLT

El mtodo de suavizacin exponencial con ajuste a la tendencia requiere 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 al mtodo de suavizacin simple.
Para alfa depender de la importancia que otorgamos a datos recientes (alfa ms elevada)
o a datos ms antiguos (alfa ms bajo).
El delta funciona similar. Un elevado responde con ms velocidad a los cambios en la
tendencia, mientras que un inferior tiende a suavizar la tendencia actual, dando menos
peso a los datos recientes.
En la prctica, los valores de y se encuentran con prueba y error utilizando las medidas
de error de pronstico.

Deduccin de la frmula de Suaviza miento Exponencial Simple

El suavizamiento exponencial es una tcnica de pronstico de series de tiempo (promedios
mviles) que pondera los datos histricos exponencialmente para que los datos ms
recientes tengan ms peso en el promedio mvil.
Con el Suavizamiento Exponencial Simple, el pronstico para el tiempo t se construye con
pronstico del ltimo periodo t-1 ms una porcin de la diferencia entre el valor real del
periodo anterior t-1 y el pronstico del periodo anterior t-1.

Para utilizar est mtodo definiremos a

para evitar confusiones en la

nomenclatura.
La tcnica del Suavizamiento Exponencial se puede desarrollar de la ecuacin:

Empleada para calcular el promedio mvil. Suponga que slo tiene disponible el valor
observado ms reciente y el pronstico hecho para el mismo periodo. En tal situacin, esta
ecuacin podra modificarse de tal forma que en lugar del valor observado en el periodo (tN) se pudiese emplear un valor aproximado. As, dicha ecuacin se modificara para dar:

Esta ecuacin se puede escribir como

Lo que ahora se tiene es un pronstico que pondera las observaciones ms recientes con
una ponderacin con valor de 1/N y al pronstico ms reciente con una ponderacin con
valor de(1-1/N). Si sustituimos 1/N por el smbolo a, se tiene:

Esta ecuacin es la forma general usada para calcular un pronstico con el mtodo del
Suavizamiento exponencial. Si la ecuacin anterior se expande al sustituir el valor de Ft que
es igual a Ft = aYt-1 + (1-a)Ft-1 se tiene que:

Sin embargo,

Si este proceso de sustitucin se lleva hacia delante an ms se obtiene la relacin

Al sustituir todava ms los valores Ft-2, Ft-3, , se obtiene:

De esta ecuacin se puede observar que el Suavizamiento exponencial asigna

ponderaciones decrecientes a los valores observados ms antiguos, es decir, puesto que a es
un nmero entre 0 y 1 [por lo que (1-a) es tambin un nmero entre 0 y 1], las
ponderaciones a, a(1-a), a(1-a)2, etc. , tiene valores decrecientes exponencialmente. De
aqu el nombre de Suavizamiento exponencial.
Una manera alternativa de escribir la ecuacin

puede facilitar la

comprensin del Suavizamiento exponencial. Al reordenar los trminos de dicha ecuacin

se puede obtener:

De este modo, el nuevo pronstico preparado mediante el Suavizamiento Exponencial es

sencillamente el pronstico antiguo ms a por el error del pronstico antiguo, o sea, el
trmino (Yt-Ft) es simplemente el error en ese pronstico anterior. As las cosas, es evidente
que cuando a tiene un valor prximo a 1, el nuevo pronstico incluir un ajuste sustancial
para cualquier error ocurrido en el pronstico anterior. A la inversa, cuando a est cerca de
0, el nuevo pronstico no mostrar un gran ajuste para el error del pronstico previo. Por lo

tanto, el efecto de una a grande o pequea es anlogo al efecto de incluir un nmero

pequeo o grande de observaciones al calcular un promedio mvil.

El suavizamiento exponencial es el pronstico anterior (t) ms a veces el error (Yt t) en el pronstico anterior, esto para

El suavizamiento exponencial es el pronstico anterior (t) ms a veces el

error (Yt-t) en el pronstico anterior