Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
de Operaciones
Temario
4. Evaluación de pronósticos.
* Planeación de
Promedio de un * Se basa en un promedio aritmético o ponderado de
inventarios a corto y
periodo un número determinado de datos históricos.
mediano plazo.
* Componente de largo plazo que representa el * Ventas a largo plazo,
La Tendencia crecimiento o disminución en la serie sobre un oferta de empleo, precio
periodo amplio. de acciones.
* Ventas en navidad,
El elemento * Componente que se caracteriza por periodos repetibles
consumos en estaciones
estacional de altas y bajas a lo largo de periodos cortos.
del año.
* Guerras, elecciones
La variación * Mide la variabilidad inexplicable de una serie de
políticas, huelgas,
aleatoria tiempo después de retirar los otros componentes.
desastres naturales.
Líneas de Tendencia
Componente Cíclico, Estacional y Aleatoria
3. Modelos de Series de Tiempo
3. Suavización Exponencial
3. Símbolos y Terminología
Donde :
• Fórmula:
• Donde :
Ft+1 = Pronóstico de demanda para el período t+1
Dt = Demanda durante el período t
n = Número de períodos por promediar
3.1. Ejemplo: Promedio Móvil Simple
• Donde :
Ft+1 = Pronóstico de demanda para el período t+1
Dt = Demanda durante el período t
Wn = Ponderación dada la ocurrencia real para el período t
∑ Wn = 1
3.2. Ejemplo: Promedio Móvil Ponderado
3.3. Suavización Exponencial
• Se basa en la muy sencilla idea de que puede calcularse un
nuevo promedio a partir de uno antiguo y de la demanda más
reciente que se haya observado.
• Fórmula:
• Donde :
Ft+1 = Pronóstico de demanda para el período t+1
Ft = Pronóstico antiguo para el período t - 1
Dt = Demanda real para el período t
• Considere:
(α = 0.10) y en el 2008 el pronóstico fue 175.
Año Actual
2008 180
2009 168
2010 159
2011 175
2012 190
3.3. Ejemplo: Suavización Exponencial
PronósticoF t+1
Año Dt ( α = 0.10)
2008 180 175.00 (Base)
2009 168 175.00 +
2010 159
2011 175
2012 190
NA
3.3. Ejemplo: Suavización Exponencial
% Error Medio
* Es útil para comparar la precisión de la misma u otra
Absoluto técnica sobre dos series completamente diferentes.
(PEMA)
* Determinar si el pronóstico está sesgado o no
(orientación o tendencia), si no está sesgado, dará un %
muy cercano a cero, que puede ser (+) o (-) .
% Medio de * Si el % es (-), está sobrevalorado y debo realizar los
Error (PME) ajustes pertinentes.
* Si el % es (+), indica que es subvalorado y también debo
realizar los ajustes, para tratar que el % sea el más cercano
a cero.
Señal de Rastreo (SR)
• Indica si el promedio del pronóstico esta siguiendo el ritmo de un
verdadero cambio ascendente o descendente en la demanda.
• Constituye el número de desviaciones medias absolutas en que el
valor del pronóstico está por arriba o por debajo de los hechos.
SR = (y − ý )
t t
DAM
Análisis de Regresión
• Regresión: nos permite ajustar una nube de puntos a una recta
(ajuste lineal) o curva (ajuste no lineal), lo que equivale a
conocer la forma en la que se relacionan las variables. De otra
manera, la regresión determina la mejor de las rectas o curvas.
Y = A + BX
Tendencia Lineal
El método más empleado para describir una tendencia lineal es
el de Mínimos Cuadrados, para encontrar una línea de mejor
ajuste para un conjunto de puntos.
Y = A + BX
n xy − x y
B=
n x − ( x )
2 2
A= y
−B x
n n
Análisis de Correlación
El coeficiente de correlación de Pearson (r), es un número que
indica el grado o intensidad de asociación entre las variables X e
Y. Su valor varía entre -1 y +1.
Por tanto tan importante será conocer la forma en que se
relacionan las variables (de eso se ocupa la regresión), como
conocer el grado de asociación/dependencia de dichas variables
(de esto se ocupa la correlación).
n n n
n X iYi − X i Yi
r= n
i =1
n
i =1
n
i =1
n
n X i2 − ( X i ) 2 n Yi 2 − ( Y1 ) 2
i =1 i =1 i =1 i =1
Interpretación de (r)
Si r = 0 no existe correlación.
n xy − x y
2
=
n x − ( x) n y − ( y)
2
r 2 2 2 2
Demanda (D)
70
60
50
40
30 Demanda (D)
4. Evaluación de pronósticos.
5. ¿Cómo aplicaré este conocimiento en mi carrera?
Reflexión