Sei sulla pagina 1di 32

1

Pronosticos en los Negocios

©The McGraw-Hill Companies, Inc., 2004


2

DEFINICION

Un pronóstico es una predicción de eventos


futuros que se utiliza con propósitos de
planificación.

©The McGraw-Hill Companies, Inc., 2004


3

¿Porqué son necesarios los pronósticos?

• Las cambiantes condiciones de los negocios, el


rápido cambio tecnológico y las crecientes
preocupaciones por el medio ambiente.
• Es un elemento auxiliar para determinar que
recursos se necesitan, programar los recursos
ya existentes y adquirir recursos adicionales
• Permiten que quienes programan la
producción utilicen en forma eficiente la
capacidad de las maquinas, reduzcan los
tiempos de producción y reduzcan los
inventarios

©The McGraw-Hill Companies, Inc., 2004


4

¿Porqué son necesarios los


pronósticos?
• Los gerentes necesitan pronósticos para prever
los cambios en precios o costos, o bien, para
prepararse para las novedades en materia de
leyes o reglamentos, competidores, tecnologías
o escasez de recursos.
• Los métodos de pronósticos se basan en
modelos matemáticos que utilizan
convenientemente los datos históricos
disponibles, en métodos cuantitativos extraídos
de la experiencia administrativa o una
combinación de ambos.

©The McGraw-Hill Companies, Inc., 2004


5

OBJETIVOS

• Elegir una técnica de pronóstico basado


en la opinión del estadístico sobre el
patrón de los datos
• Dividir el conjunto de datos en dos
secciones: Una parte de iniciación y otra
de prueba
• Emplear la técnica de pronóstico elegida
para obtener valores ajustados para la
parte de iniciación de los datos.

©The McGraw-Hill Companies, Inc., 2004


6

OBJETIVOS

• Utilizar la técnica para pronosticar la


parte de la prueba de los datos y
determinar y evaluar el error de
pronóstico.
• Tomar una decisión. La decisión puede
ser emplear la técnica en su forma actual,
modificarla o desarrollar un pronóstico
mediante otra técnica y comparar los
resultados.

©The McGraw-Hill Companies, Inc., 2004


7

Tipos de pronósticos
• Cualitativos (de juicios)

• Cuantitativos
– Analisis de series de tiempos
– Modelos no formales (empíricos)
– Modelos de promedio
– Analisis de regresión lineal

©The McGraw-Hill Companies, Inc., 2004


8

Analisis de series de tiempo

• Los modelos de pronósticos de series de tiempo


trata de predecir el futuro basados en datos
pasados.
• Puede escoger modelos basados en:
1. Horizonte de tiempo para pronosticar
2. Disponibilidad de datos
3. Exactitud requerida
4. Tamaño del presupuesto del pronostico
5. Disponibilidad de personal calificado

©The McGraw-Hill Companies, Inc., 2004


9

Modelos No Formales (Empíricos)


• Se emplean para desarrollar modelos sencillos
que suponen que los propios periodos recientes
son los mejores pronosticadores del futuro.
• Modelo 1

Yt1  Yt
El pronóstico es el Valor más reciente

©The McGraw-Hill Companies, Inc., 2004


10

Modelos No Formales (Empíricos)


• Modelo 2

Y '
t 1  Yt  (Yt  Yt 1 )

Valor + cambio, más reciente

©The McGraw-Hill Companies, Inc., 2004


11

Modelos No Formales (Empíricos)


• Modelo 3

Yt
Y '
t 1  Yt .
Yt 1

Proporción de cambio relativo al valor más


reciente

©The McGraw-Hill Companies, Inc., 2004


12

Modelos No Formales (Empíricos)


• Modelo 4

Yt1  Yt 3

Valor estacional más reciente

©The McGraw-Hill Companies, Inc., 2004


13

Modelo del Promedio Móvil Simple


• El modelo del promedio móvil simple es la
media de los ultimos n valores, para un n fijo
• La fórmula del promedio móvil simple es:
A t-1 + A t-2 + A t-3 +...+A t- n
Ft =
n

Ft = Pronóstico para el periodo futuro


n = Número de periodos a ser promediados
A t-1 = Hechos ocurridos en el periodo pasado
o en “n” periodos pasados
©The McGraw-Hill Companies, Inc., 2004
14

Promedio Móvil Simple Problema (1)


A t-1 + A t-2 + A t-3 +...+A t- n
Ft =
Semana Demanda n
1 650
2 678
Pregunta: Cuál es el
3 720
4 785
pronóstico del promedio
5 859 móvil simple para 3-
6 920 semanas y 6-semanas?
7 850 Asumir que se tiene solamente
8 758 datos de demanda actual
9 892
entre 3 y 6 semanas para los
10 920
11 789
respectivos pronósticos
12 844
©The McGraw-Hill Companies, Inc., 2004
15
Cálculos de los promedios móviles son::
Semana Demanda 3-Semana 6-Semana
1 650 F4=(650+678+720)/3
2 678 =682.67
3 720 F7=(650+678+720
4 785 682.67 +785+859+920)/6
5 859 727.67 =768.67
6 920 788.00
7 850 854.67 768.67
8 758 876.33 802.00
9 892 842.67 815.33
10 920 833.33 844.00
11 789 856.67 866.50
12 844 867.00 854.83
©The McGraw-Hill Companies, Inc., 2004
16
Trazando los promedios móviles y
comparandolos se muestran como las líneas
revelan la tendencia ascendente en este ejemplo

1000
900
Demanda

Demand
800
3-Week
700
6-Week
600
500 Se toma que la
1 2 3 4 5 6 7 8 9 10 11 12 de 3 semanas
Semana
es más lisa que
la demanda, y
la de 6 semana
más lisa aun
©The McGraw-Hill Companies, Inc., 2004
17
Promedio Móvil simple Problema (2)
Datos

Pregunta: Cuál es el
pronóstico de
Semana Demanda promedio móvil para
1 820 la 3 y 5 semanas de
2 775 estos datos?
3 680
4 655
Solo asuma que tiene
5 620 datos de 3 y 5 semanas
6 600 para las previsiones
7 575 respectivas

©The McGraw-Hill Companies, Inc., 2004


18

Promedio Móvil Simple Problema (2)


Solución
Semana Demanda 3-Seman 5-Seman
1 820 F4=(820+775+680)/3
2 775 =758.33
3 680 F6=(820+775+680
+655+620)/5
4 655 758.33 =710.00
5 620 703.33
6 600 651.67 710.00
7 575 625.00 666.00

©The McGraw-Hill Companies, Inc., 2004


19

Fórmula del Promedio Móvil


Ponderado
Mientras que la fórmula del promedio móvil simple
considera iguales pesos, el promedio móvil ponderado
permite considerar desiguales ponderaciones para
periodos anteriores.

La fórmula del promedio móvil ponderado es:

Ft = w 1 A t -1 + w 2 A t - 2 + w 3 A t -3 + ...+ w n A t- n
n
wt = Peso dado al periodo de tiempo
“t” ocurrido (pesos deben sumar 1)
w
i=1
i =1

©The McGraw-Hill Companies, Inc., 2004


20

Promedio Móvil Ponderado Problema (1)


Datos
Pregunta: Dada la demanda semanal y sus pesos, cual es el
pronóstico para el 4th periodo o semana 4?

Semana Demanda Pesos:


1 650
2 678
t-1 .5
3 720 t-2 .3
4 t-3 .2

Se nota que los pesos datos se enfatiza en los datos


mas recientes, que es el periodo de tiempo “t-1”

©The McGraw-Hill Companies, Inc., 2004


21

Promedio Móvil Ponderado Problema (1)


Solucion
Semana Demanda Pronostic
1 650
2 678
3 720
4 693.4

F4 = 0.5(720)+0.3(678)+0.2(650)=693.4

©The McGraw-Hill Companies, Inc., 2004


22

Promedio Móvil Ponderado Problema (2)


Datos
Pregunta: Dada la información de la demanda
semanal y sus pesos, cual es el pronóstico promedio
móvil ponderado del 5th periodo o semana?

Semana Demanda Pesos:


1 820 t-1 .7
2 775 t-2 .2
3 680 t-3 .1
4 655

©The McGraw-Hill Companies, Inc., 2004


23

Promedio Móvil Ponderado Problema (2)


Solución

Semana Demanda Pronostic


1 820
2 775
3 680
4 655
5 672

F5 = (0.1)(755)+(0.2)(680)+(0.7)(655)= 672

©The McGraw-Hill Companies, Inc., 2004


24

Determinación de los errores de


pronóstico Estadístico MAD
n
1 MAD  0.8 desviacion estandar
 Y - Y'
t t
MAD = t =1 1 desviacion estandar  1.25 MAD
n

• El valor ideal MAD es cero el cual


significa que no hay errores de pronóstico

• El valor más grande MAD, dá el modelo


resultante menos exacto

©The McGraw-Hill Companies, Inc., 2004


25

MAD Datos del Problema

Pregunta: Cuál es el valor MAD dados


los valores de los pronósticos de la tabla?

Mes Ventas Pronostic


1 220 n/a
2 250 255
3 210 205
4 300 320
5 325 315
©The McGraw-Hill Companies, Inc., 2004
26

MAD Solución del Problema


Mes Ventas Pronost Error Abs
1 220 n/a
2 250 255 5
3 210 205 5
4 300 320 20
5 325 315 10

40

n Note asimismo, que el MAD


 Y - Y'
t =1
t t
40
solamente muestra el error de
un grupo de pronósticos
MAD = = = 10
n 4
©The McGraw-Hill Companies, Inc., 2004
27

Modelo de Regresión Lineal Simple


El modelo de regresión lineal Y
simple busca encontrar una
línea a través de varios datos
de tiempo
a
0 1 2 3 4 5 x (Tiempo)

Yt = a + bx Es la ecuación del modelo

Yt Es el valor de pronóstico regresado o la variable


dependiente del modelo, a es el valor del intercepto de
la línea de regresión, y b es igual a la pendiente de la
línea de regresión. Sin embargo, después de ser
calculado con el propósito de ver la variabilidad de los
datos, su formulación no es como el de la línea de
tendencia o nuestra notación usual de pendiente.

©The McGraw-Hill Companies, Inc., 2004


28

Formulas de la Línea de Regresión Simple


para calcular “a” y “b”

a = y - bx

 xy - n(y)(x)
b= 2 2
 x - n(x )

©The McGraw-Hill Companies, Inc., 2004


Regresión Lineal Simple Datos del 29

problema
Pregunta: Dados los datos que se muestran, cual es el modelo
de la línea de regresión simple para poder predecir las ventas
de las futuras semanas?

Semana Ventas
1 150
2 157
3 162
4 166
5 177
©The McGraw-Hill Companies, Inc., 2004
30

Respuesta: Primero, usando las formulas de la línea de


regresión, podemos calcular “a” y “b”
Semana Sem*Seman Ventas Seman*Ven
1 1 150 150
2 4 157 314
3 9 162 486
4 16 166 664
5 25 177 885
3 55 162.4 2499
Promedio Suma Promedi Suma
b=
 xy - n( y)(x) 2499 - 5(162.4)(3) 63
=  = 6.3
 x - n(x )
2 2
55  5(9 ) 10

a = y - bx = 162.4 - (6.3)(3) = 143.5


31

La ecuación del modelo de


regresión simple es: Yt = 143.5 + 6.3x
Ahora si trazamos la regresión generada por el modelo con las
ventas actuales obtenemos el gráfico siguiente:
180
175
170
165
160 Ventas
Ventas

155 Pronost
150
145
140
135
1 2 3 4 5
Perio
32

Fin del capitulo

©The McGraw-Hill Companies, Inc., 2004

Potrebbero piacerti anche