Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Pronosticar es el arte y la ciencia de predecir los eventos futuros. Puede implicar el uso de
datos históricos y su proyección hacia el futuro, mediante un modelo matemático. Puede ser
una predicción subjetiva o intuitiva o combinación de ambas.
Tipos de Pronóstico
Económicos: predecir tasas de inflación, suministros de dinero, construcción de vivienda
Tecnológicos: progreso tecnológico para nuevos productos, nuevas plantas y equipos
Pronósticos de demanda: de productos o servicios de la compañía, se conocen como
pronósticos de venta. Sirven como factores en la planeación financiera, marketing y personal.
Pronósticos Cualitativos
También llamados subjetivos incorporan factores como la intuición las, emociones, las
experiencias personales y el sistema de valores de quien toma la decisión para llegar al
pronóstico
Método Delphi: Hay tres tipos de participantes, los que toman decisiones, el personal y
los entrevistados. Los primeros son expertos que irán elaborando el pronóstico real, el
personal ayuda a los que toman decisiones a preparar, distribuir, recolectar y resumir la
serie de cuestionarios y los resultados de las encuestas y los entrevistados son un
grupo de personas localizadas en distintos sitios cuyos juicios se valoran con la
información que entrega a quienes toman las decisiones.
Composición de la Fuerza de Ventas: Cada vendedor estima cuáles serán las ventas
en su región, combinan el nivel regional y nacional de las estimaciones para llegar a un
pronóstico global.
Pronósticos Cuantitativos
Utiliza una variedad de modelos matemáticos que se apoyan en datos históricos o en variables
causales para pronosticar la demanda.
Modelo de Series de Tiempo: predicen bajo la suposición que el futuro, es una función
del pasado. Observan lo que ha ocurrido durante un periodo determinado y usan una
serie de datos históricos para hacer un pronóstico
La Serie de Tiempo se puede desglosar en componentes y después proyectarlos al
Futuro:
Ej. Las ventas mensuales de una empresa son las siguientes, lo mismo que los pronósticos del
Modelo del Promedio Móvil
Por tanto se observa que el pronóstico para Diciembre es 20 2/3. Para proyectar la demanda
en Enero próximo, se suman las ventas de Octubre, Noviembre y Diciembre y se divide entre 3.
Pronóstico para Enero (18+16+14) / 3 =16
Cuando se presenta una tendencia o patrón, se utilizan ponderaciones para dar más
importancia a los valores recientes. Esta práctica permite que las técnicas de pronóstico
respondan más rápido a los cambios, ya que puede darse mayor peso a los períodos mas
recientes. La elección de las ponderaciones es un tanto arbitraria porque no existe una fórmula
establecida para determinarlas. Por ello, decidir qué ponderación emplear requiere cierta
experiencia.
Por ejemplo, Si el último mes o periodo se pondera demasiado alto, el pronóstico puede
reflejar un cambio grande inusual, demasiado rápido en el patrón de demanda o de ventas.
c. Mínimos Cuadrados
Este enfoque resulta en una línea recta que disminuye la suma de los cuadrados de las
diferencias verticales o desviaciones de la recta hacia cada una de las observaciones reales.
Una recta de mínimos cuadrados se describe en términos de su intersección con el eje (y) y su
cambio esperado (Pendiente). Si se calcula la intersección con el eje (y) y la pendiente, se
puede expresar la recta con la siguiente ecuación:
y = a + bx
En donde: y = valor calculado de la variable que debe predecirse (Variable dependiente)
a = Intersección con el eje y
b = Pendiente de la recta de regresión (o la tasa de cambio en y para los cambios
Dados en x)
x = Variable independiente (Que en este caso es el tiempo).
Las ecuaciones para encontrar los valores de a y de b para la recta de regresión son:
b = ∑xy – nx̅y̅ / ∑x² - nx̅²
a = y̅ - bx̅
Ej. La demanda de energía de los últimos 7 años fue la siguiente en megawatts, y quiere
determinar la demanda para el octavo año:
Y
AÑO DDA ENERGIA X X² XY
ELECTRICA
2008 74 1 1 74
2009 79 2 4 158
2010 80 3 9 240
2011 90 4 16 360
2012 105 5 25 525
2013 142 6 36 852
2014 122 7 49 854
TOTAL 692 28 140 3063
b = ∑xy – nx̅y̅ / ∑x² - nx̅² b = 3063 – (7) (4) (98.86) / 140 – (7) (4²) = 295 /28
b = 10.54
a = y̅ - bx̅ a = 98.86 – 10.54 (4) a = 56.70
d. Regresión Lineal
A diferencia de del pronóstico de Series de Tiempo, los Modelos de Pronóstico asociativo casi
siempre consideran varias variables que están relacionadas con la cifra por predecir. Este
enfoque es más poderoso que los métodos de series de Tiempo que incluyen solo variables
históricas para la variable que se pronostica.
El análisis asociativo puede considerar muchos factores, por ejemplo las Ventas, que se
pueden relacionar con el presupuesto de publicidad, los precios de la empresa, los precios de
la competencia, estrategias promocionales, incluso con la economía nacional, y los índices de
desempleo. El trabajo del administrador las empresas y las diferentes variables independientes.
El modelo de pronósticos asociativo cuantitativo más común es el Análisis de Regresión
Lineal.
Para un análisis de Regresión Lineal se puede usar el modelo matemático del método de los
Mínimos Cuadrados para realizar la proyección de Tendencias. Las variables Dependientes se
simbolizan con y. La Variable Independiente x, ya no necesita ser el tiempo. Se usa la
ecuación: y = a + bx
Dónde:
Ej. Una empresa restaura casas. Con el tiempo la Compañía ha encontrado que sus ingresos
dependen del nivel de ingresos del área geográfica. La empresa quiere predecir las ventas del
7mo. Año. Si la Cámara de Comercio local predice que la nómina para el área será de 6000
millones de dólares para el séptimo año. Los datos son los siguientes:
Y X
AÑO VTAS NÒMINA DEL X² XY Y²
MILLON ÀREA (MILES DE
MILLONES
DÒLARES DÒLARES) (X)
(Y)
1 2.0 1 1 2.0 4.0
2 3.0 3 9 9.0 9.0
3 2.5 4 16 10.0 6.25
4 2.0 2 4 4.0 4.0
5 2.0 1 1 2.O 4.0
6 3.5 7 49 24.5 12.25
TOTAL 15.0 18 80 51.5 39.5
Ventas = 1.75 + 0.25 (6) Ventas del séptimo año = 3.25 $3.250.000 Dólares
Otra forma de evaluar la relación entre dos variables consiste en calcular el coeficiente de
correlación. Está medida expresa el grado o fuerza de la relación lineal. Casi siempre
identificado como r, el coeficiente de correlación puede ser cualquier número entre
+ 1 y -1.
Para calcular r, se reemplaza casi los mismos datos empleados para calcular a y b para la
recta de regresión. La ecuación para r es:
n xy - xy
r = -----------------------------------------------
n x 2 - ( x) 2 n y2 - ( y) 2