A) SUAVIZACIÓN EXPONENCIAL SIMPLE DE RESPUESTA ADAPTIVA

(SESRA)
Cuando se usa un SES se define un valor de α desde el principio y dicho
valor ya no es modificado a través del tiempo. La suavización
exponencial simple de respuesta adaptiva es un método que trata de
que el valor de la constante de suavización se adapte al cambio que
están teniendo los datos. Es básicamente un SES con algunas
adecuaciones y anexiones, pero la filosofía y los casos de uso son los
mismos. Una cuestión importante es que el valor de α va a depender de
un valor β (también entre cero y uno; aunque algunos autores lo limitan
de 0.2 a 0.3) que va a suavizar el 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. 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
Pt +1=α t X t + ( 1−α t ) Pt
Et
| |
α t=
Mt
Et =β e L + ( 1− β ) Et −1
M t =β|et|+ ( 1−β ) M t −1
Observación
Es importante en todos los métodos tener cuidado con el manejo de los
subíndices; en particular sea cuidadoso en este método.
Inicialización
P 2= X 1
E1=M 1=0
es conocida como el valor de suavización, mientras que M se le llama
valor absoluto de suavización.
Recuerde que tomará el valor de hasta que el resultado de la fórmula
proporcione un valor entre cero y uno.

B) VENTAJAS

 Determina automáticamente el coeficiente de suavización en base a los

errores de los periodos previos.
 No funciona bien con series erráticas (muy aleatorias, por ejemplo con baja
auto correlación).
 No es útil para pronósticos rutinarios debido a su complejidad de cálculos.
C) Ejemplo
Use los datos del vendedor de verduras de “La Soledad” para hacer el
pronóstico para febrero con α =0.5 (este valor es totalmente neutro, ya
que da la misma importancia a lo histórico que a lo presente).
Solución
El primer paso es inicializar la tabla de pronósticos, en este caso el
pronóstico para el periodo dos, es el dato observado en el periodo uno,
es decir P2=231. Con este dato se comienzan a hacer los cálculos para
calcular el resto de pronósticos, hasta obtener el de febrero próximo.

Continuando con el ejemplo anterior, tomando un β=0,25 aplicaremos de tal

forma la suavización adaptiva.

Solución

Iniciando en P2=231 tendríamos un error en el periodo 2 o de marzo de:

e 2=229−231=−2. Calcular E2 y M 2.
Con estos datos calculamos el valor de α 2:

Como el valor de α 2=1, para hacer el pronóstico para el periodo 3 tomamos el

valor de β=0,25.

Con este valor se calcula el nuevo error y así se sigue hasta encontrar el valor de
α entre 0 y 1.

Siendo la tabla de suavización exponencial adaptiva completa: