Pronósticos

¿Qué es pronosticar?

Arte, ciencia, de predicción de eventos futuros. Involucra manejo de datos históricos (modelo

matemático). Predicción subjetiva o intuitiva, o una combinación de ambas, modelo

matemático ajustado al buen juicio de administrador.

Entorno altamente incierto La intuición no necesariamente da los

mejores resultados Mejorar la planificación Competitividad y cambio

Necesidad de pronosticar

HORIZONTES DE TIEMPO EN PRONOSTICOS

1.- Pronósticos a corto plazo.

2.- Pronósticos a mediano plazo.

3.- Pronósticos a largo plazo.

HORIZONTES DE TIEMPO EN PRONOSTICOS

Características distintivas de pronósticos a mediano y largo plazo. Asuntos mas extensos. Métodos mas cuantitativos. Son menos exactos que los

pronósticos a corto plazo.

Tipos de pronósticos

Por su aplicación: Pronósticos económicos. Pronósticos tecnológicos. Pronósticos de demanda.

Según el entorno a pronosticar

Micro Macro

Según el enfoque empleado

Cualitativo Cuantitativo

Técnicas de métodos cualitativos.

1.- Jurado de opinión ejecutiva. 2.- Compuesto de fuerza de ventas. 3.- Método Delphi. 4.- Encuesta a consumidores de

mercado.

Visión general de métodos cuantitativos.

1.- Simplista, 2.- Promedios móviles. 3.- Suavización exponencial. 4.- Proyección de tendencia. 5.- Modelo causal de regresión lineal.

1. Determinar el uso del pronostico.

2. Seleccionar las partidas que se van a pronosticar.

3. Deteminar el horizonte de tiempo del pronostico.

4. Seleccionar un(os) modelo(s) de pronosticos.

Pasos para un sistema de pronósticos

Pasos para un sistema de pronósticos

5. Juntar los datos necesarios para hacer el pronostico.

6. Validar el modelo de pronóstico.

7. Hacer el pronóstico.

8. Instrumentar los resultados.

Descomposición clásica de series de tiempo:

Componente Descripción

Tendencia (T)

Movimiento gradual, ascendente o descendente de los datos a través del tiempo.

Estacional (S)

Patrón de datos que se repite a si mismo después de un periodo de días, semanas, meses o trimestres..

Ciclos (C) Patrones que ocurren en los datos varios años.

Variaciones al azar (R)

Señales en datos por oportunidades y situaciones inusuales.

Formas generales de modelos de series de tiempo.

Modelo multiplicativo: Demanda = T*S*C*R

Modelo Aditivo. Demanda = T+S+C+R

En mundo real, las variaciones al azar se promedian en el tiempo. Concentración en componente estacional. Tendencia y factores cíclicos.

Modelos de series de tiempoModelos no formales:

Modelo Simplista

La demanda del periodo siguiente es igual a la demanda en el periodo mas reciente.

Modelo Simplista

Estas técnicas suponen que los periodos recientes son los mejores para pronosticar el futuro.

El método más sencillo es el método del último valor:

Pronóstico = último valor

Método del último valor

t Yt Yt+1 et

1 42

2 52 42 10

3 54 52 2

4 65 54 11

5 51 65 -14

6 64 51 13

Promedios móviles: Este método no considera la media de

todos los datos, sino solo los más recientes.

Se puede calcular un promedio móvil de n periodos.

El promedio móvil es la media aritmética de los n periodos más recientes.

Promedios móviles= Σdemanda en n periodos previo

n

Promedios móviles:

Promedios móviles:

promedio móvil

t Yt n=3 n=4

1 42

2 52

3 54

4 65 49.33

5 51 57.00 53.25

6 64 56.67 55.5

Promedios móviles ponderados: Cuando existe una tendencia o patron

el peso puede ser utilizado para darle mas enfasis a los valores recientes.

Técnica mas sensible a los cambios recientes.

Elección de los pesos es arbitraria.

Promedios móviles= Σ(peso periodo n)(demanda en periodo n

ΣPesos

Promedios móviles ponderados:

Mes Ventas promedio móvil poderado

Enero 10

Febrero 12

Marzo 13

Abril 16 [(3x13)+(2x12)+(1x10)]/6=12.16

Mayo 19

Junio 23

Julio 26

Agosto 30

Septiembre 28

Octubre 18

Noviembre 16

Diciembre 14

Metodo de suavizamiento exponencial

El método de suavizamiento exponencial puede dar una ponderación mayor a las observaciones más recientes.

Las ponderaciones se asigna mediante la constante , 0 < < 1.

El modelo se expresa como:pronóstico = (último valor) + (1 - )(último pronóstico)

Metodo de suavización exponencial

Metodo de suavización exponencial

t Yt =0.1 =0.51 422 52 42 423 54 43.00 47.004 65 44.10 50.505 51 46.19 57.756 64 46.67 54.38

Proyección con tendencia 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 Y´ = valor pronosticado en un periodo X a = valor de la tendencia cuando X = 0 b = pendiente de la recta de tendencia X = periodo (codificado)

Año Periodo Demanda X2 XY

1987 1 74 1 74

1988 2 79 4 158

1989 3 80 9 240

1990 4 90 16 360

1991 5 105 25 525

1992 6 142 36 852

1993 7 122 49 854

ΣX=28 ΣY=692 ΣX2

=140ΣXY

=3063

Calculo de la pendienteb= Σxy-nxy

Σx2-nx 2

b= pendiente de línea de regresión

x= valores de la variable independiente

y= valores de la variable dependiente

x= promedio de los valores de x

y= promedio de los valores de y

N= numero de eventos

Cálculosx= 28=4 y=692=98.86

7 7

b= Σxy-nxy = 3063-(7)(4)(98.86)= 295=10.54

Σx2-nx 2 140-(7)(4) 2 28

a= y-bx = 98.86-(10.54)(4)

= 56.70

Y´ = a + bX

1994= 56.70+10.54(8) =152

6.4.1. Tendencia lineal

t Yt Y´t et

1 35

2 42

3 48

4 51

5 54

6 60

7 71

8 75

9

6.4.1. Tendencia lineal

Se puede calcular el coeficiente de determinación, a fin de evaluar qué tan correcta es la estimación de la recta de regresión.

El coeficiente de determinación r² se calcula como:

2222

2

2

yynxxn

yxxynr

6.4.1. Tendencia lineal: ejemplo

X Y XY X²

1 35

2 42

3 48

4 51

5 54

6 60

7 71

8 75

Sumas

Tendencia lineal: ejemplo

30

35

40

45

50

55

60

65

70

75

80

1994 1995 1996 1997 1998 1999 2000 2001