INSTITUTO POLITÉCNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y
CIENCIAS SOCIALES Y ADMINISTRATIVAS
ACADEMIA DE PRODUCCION
“APLICACIÓN DE LAS TECNICAS DE PRÓNOSTICOS: PRMEDIO MOVIL, ATENUACIÓN EXPONENCIAL Y
MÍNIMOS CUADRADOS, PARA LA PLANIFICACIÓN DE VENTAS DE LA EMPRESA ARROBA COMPUTERS
DISTRIBUCION DE SU PRODUCTO DISCO DOLIDO INTERNO MARCA ADATA”
PRESENTAN:
SANCHEZ VAZQUEZ SARA
PROFESOR:
ARVIZU RIVERA JORGE LUIS
INTRODUCCIÓN
Los pronósticos son estimaciones de la ocurrencia, la cronología o la magnitud de
futuros eventos inciertos. El propósito de pronosticar es usar la mejor información
disponible para guiar las actividades futuras tendientes al cumplimiento de las metas de
una organización. El interés radica principalmente en los pronósticos de demanda, pero
las empresas también pronostican los precios de las materias primas, los costos de la
mano de obra, las tasas de interés y los ingresos entre otras cosas. Los buenos
pronósticos capacitan a los administradores para planear niveles apropiados de
personal, materias primas, capital, inventarios y un gran número de otras variables. Esta
planeación resulta en un mejor uso de la capacidad y en el mejoramiento de las
relaciones de los empleados y del servicio que se da a los clientes.
ACTIVIDAD EMPRESARIAL ELEGIDA
En la presente investigación se aplicarán las técnicas de pronósticos: Promedio móvil,
Atenuación exponencial y Mínimos cuadrados al comportamiento de ventas de la
empresa Arroba Computer Distribucion SA de CV, importadora y comercializadora al
mayoreo de artículos e insumos tecnológicos y de computación.
Con 15 años en el mercado y una constante evolución de la tecnología informática la
organización requiere analizar y pronosticar las ventas futuras de uno de los artículos
con mayor demanda en la actualidad.
MARCO TEORICO
El pronóstico es un proceso de estimación de un acontecimiento o fenómeno,
regularmente económico en el cual se involucra el tiempo, proyectando hacia el futuro
datos del pasado, para realizar una estimación cuantitativa del comportamiento del
fenómeno estudiado hacia el futuro
Los pronósticos se pueden clasificar en cuatro tipos básicos: cualitativos, análisis de
series de tiempo o cuantitativos, relaciones causales y simulación.
Métodos cuantitativos o de series de tiempo.
Los métodos cuantitativos o de series de tiempo se utilizan cuando se dispone de
información pasada sobre la variable que se pronosticará. El objetivo de los métodos de
serie de tiempo es descubrir un patrón en los datos históricos y luego extrapolarlo hacia
el futuro; el pronóstico se basa sólo en valores pasados de la variable que tratamos de
pronosticar o en errores pasados.
1. Aplicación de la técnica de promedio móvil simple.
El promedio móvil simple sirve para calcular el pronóstico para un siguiente promedio,
tomando como base a los datos históricos considerados (n=2, 3, 4…, n)
Se usa para hacer pronósticos a corto plazo. Se utiliza cuando se quiere dar más
importancia a conjunto de datos más recientes para obtener el pronóstico. El pronóstico
se obtiene al calcular la media aritmética del conjunto de datos más recientes
seleccionado. Cada vez que se tiene una nueva observación, se agrega esta al
conjunto de datos y se elimina de este la observación o dato más antiguo. El número de
datos más reciente a considerar en el conjunto de observaciones del cual se calcula la
media aritmética es una decisión del analista que realiza el pronóstico; la sensibilidad a
los cambios en el comportamiento de la serie se reduce al analizar un número mayor de
observaciones en el conjunto de datos. Este modelo no maneja muy bien los datos con
estacionalidad o con tendencia, pero si lo hace mejor que el promedio simple.
Formula:
n
∑ yr
PMSt +1= t=1
n
Donde:
y r = valor real de la venta del producto o servicio en cada periodo.
n = numero de periodos que se incluyen en cada promedio.
PMS = promedio móvil simple.
Error Cuadrático Medio
E .C . M =
∑ (D−P)2
N
E .C . M = Error Cuadrático Medio
D = Demanda
P = Pronóstico N = Número de periodos
Ejemplo de pronóstico con la técnica de promedio móvil simple.
La empresa villa industrias S.A. de C.V. desea conocer el pronóstico de ventas de un
regulador de voltaje para refrigeración, para el siguiente mes si las ventas fueron las
siguientes:
Probando los centros de n= 2 y 3 respectivamente.
Mes Ventas (miles de unidades)
Enero 12
Febrero 11
Marzo 13
Abril 13
Mayo 12
Junio 14
Julio 15
Agosto 13
Septiembre 14
Octubre 16
2. Técnica de Promedio Móvil Doble (P.M.D)
Este modelo de pronóstico se utiliza para estimar la demanda de un bien o servicio en
varios periodos a futuro (Mediano y largo plazo).
Consiste en calcular un conjunto de promedios móviles simples y de los valores
observados, formando una columna de resultados, para esta finalidad serán
considerados parciales en seguida se calcula un segundo conjunto como promedio
móvil del primero, los cuales reciben el nombre de promedio móvil doble.
Este modelo se utiliza para realizar pronósticos de manera lineal.
La ecuación se expresa de la siguiente manera:
P = a + bx
Donde
P= Pronóstico.
a y b= Parámetros obtenidos de la última observación.
X= Número de periodos adicionales a estimar.
De tal manera
a= 2 PMS - PMD
2
b= ( PMS−PMD )
n−1
Donde:
PMS= Promedio móvil simple
PMD= Promedio móvil doble
n= Número de periodos considerados para el periodo
Ejemplo
Determine el pronóstico para noviembre de los siguientes datos de venta de un artículo
electrónico en base a los datos históricos que se muestran a continuación usando n=2.
Calcule los pronósticos de enero y marzo del siguiente año.
Venta
Mes (unidades Pronostico Desviación
)
Enero 180 -------- ---------
Febrero 200 -------- --------
Marzo 210 190 400
Abril 220 205 225
Mayo 210 215 25
Junio 240 215 625
Julio 250 225 625
Agosto 240 245 25
Septiembre 270 245 625
Octubre 260 255 25
Total=2575
2575
E.C.M = = 321.88
8
Venta
Mes (unidades P.M.S P.M.D
)
Enero 180 -------- ---------
Febrero 200 -------- ---------
Marzo 210 190 ---------
Abril 220 205 197.5
Mayo 210 215 210
Junio 240 215 215
Julio 250 225 220
Agosto 240 245 235
Septiembre 270 245 245
Octubre 260 255 250
Utilizando los promedios móviles (PMS – PMD) calculados para el mes de octubre:
a = 2(255) – 250 = 260
2
b= ( 255−250 )=10
2−1
P = a + bx
P = 260 + 10X
Se sustituye la ecuación para los meses de enero y marzo
P enero = 260 +10(3) = 290 unidades
P marzo= 260 + 10(5) = 310 unidades
3. Atenuación exponencial simple
La técnica de suavizamiento exponencial parte empleando la ecuación de un promedio
móvil. Suponiendo que sólo se tiene el valor observado más reciente y el pronóstico
hecho para el mismo periodo (Makridakis & Wheelwrigth, 1998).
Entonces, sea �1, �2, …, �� una serie de tiempo, la cual supondremos que no tiene
tendencia, es decir, la serie es localmente constante, más un comportamiento irregular.
Utilizaremos como predicción de los valores futuros, a partir del origen n, el promedio
de la serie en el instante � = �. Notemos que si la serie de tiempo �1, �2, …, �� consiste
en una muestra aleatoria de tamaño “n”, entonces es natural pensar en un promedio
muestral de las observaciones que da igual peso a cada observación. Sin embargo, en
el contexto de series de tiempo, es razonable dar un peso mayor a las observaciones
más recientes que las observaciones del pasado remoto.
Una forma de lograr esto es dando ponderaciones distintas a las observaciones a
través de un promedio ponderado, cuyos pesos decaen geométricamente. De este
modo el nivel medio de la serie {𝐹�} en el instante t es estimado por:
𝐹� = 𝛼𝑋� + 𝛼 (1 − 𝛼) 𝑋�−1 + 𝛼 (1 − 𝛼)
2𝑋�−2 + ⋯, 0 < 𝛼 < 1, 1 ≤ � ≤ � (1)
Luego, la predicción de 𝐹�+� es la estimación del nivel en el instante � + �.
Por ejemplo, si denotamos por 𝐹̂� (1) o 𝐹̂�+1 el valor estimado de la serie en el instante
� = � + 1, entonces 𝐹̂�+1 = 𝐹̂�
(1) = 𝛼𝑋� + 𝛼 (1 − 𝛼) 𝑋�−1 + 𝛼 (1 − 𝛼)
2𝑋�−2 + ⋯ (2)
Una manera de representar la ecuación en una forma más compacta, es la siguiente
(Vallejos, 2012): 𝐹̂ (1) = 𝛼𝑋� + (1 − 𝛼) 𝐹̂�−1
En otras palabras, tenemos que la forma general usada para calcular un pronóstico con
el
método de suavizamiento exponencial simple está dado por:
𝐹�+1 = 𝛼𝑋� + (1 − 𝛼) 𝐹̂�
Observe que se elimina inmediatamente uno de los problemas asociados con los
promedios móviles: los datos históricos extensos ya no necesitan ser almacenados.
Solamente se necesita la observación más reciente, el pronóstico más reciente y un
valor para α para preparar un nuevo pronóstico.
Ejemplo:
Una compañía de seguros ha decidido ampliar su mercado a la ciudad más
grande del país, brindando seguros para vehículos. Como acción inicial, la
empresa quiere pronosticar cuántos seguros para vehículos serán comprados
por los habitantes de esta ciudad. Para ello, utilizarán como datos iniciales la
cantidad de seguros de carros comprados en otra ciudad más pequeña.
El pronóstico de la demanda para el período 1 es de 2.869 seguros de vehículos
contratados, pero la demanda real en ese periodo fue de 3.200. Según el criterio
de la empresa, asigna un factor de atenuación de 0,35.
La demanda pronosticada del período siguiente es:
P2= (3200*0,35) +2869*(1-0,35) = 2984,85.
Este mismo cálculo fue realizado para todo el año, consiguiendo la siguiente
tabla comparativa entre lo que realmente se obtuvo y lo pronosticado para ese
mes.
En comparación a las técnicas de promedios, el suavizamiento exponencial
puede predecir la tendencia de mejor manera. Sin embargo, sigue quedándose
corto, como se muestra en el gráfico:
Se puede observar cómo la línea gris del pronóstico puede encontrarse muy por
debajo o por arriba de la línea azul de la demanda, sin conseguir seguirle
totalmente.
4. Atenuación exponencial doble
Está técnica permite calcular pronósticos para varios periodos futuros a partir del
calculo de una AES (AES) cuyo error cuadrático medio sea el menor posible de una
serie de tiempo.
Procedimiento de aplicación
1. Se calcula la AES con los factores de ponderación seleccionados
2. Se elige el factor de ponderación mas conveniente por generar el menos ECM
3. Con los pronósticos así obtenidos, calcule la AED
4. Se determinan los siguientes Parámetros:
a= 2AES-AED
b=α (AES-AED) /1-α
5. Se calcula el pronóstico para el periodo deseado con la fórmula:
Y= a+bx
6. Donde “x” es el periodo a calcular.
3. METODO MÍNIMOS CUADRADOS
Esta técnica sirve para calcular pronósticos para varios periodos a futuro cuando los
datos históricos muestran en la gráfica de análisis de patrón de la demanda un
comportamiento similar a una línea recta.
El objetivo de este método consiste en calcular los parámetros de una recta que son:
A: Ordenada al origen
B: Pendiente de la recta
Para calcular este método, se utilizan cinco fórmulas para determinar el pronóstico
requerido.
Fórmula general de la línea recta
y = a+bx donde: x = periodo a calcular para el pronóstico
a = ŷ-bx ŷ = ∑y ẍ = ∑x b = n∑xy - ∑x∑y
n n∑x 2 – (∑x)
donde: n = número de datos históricos
EJEMPLO 1:
Un fabricante de pañales desechables desea elaborar el pronóstico de ventas para los
años 2020y 2021 y cuenta con la siguiente información de los últimos 7 años:
AÑO 2013 2014 2015 2016 2017 2018 2019
VENTAS
(MILES DE 12 11 10 13 16 20 21
UNIDADE
S
SOLUCIÓN POR FORMULA GENERAL
Calcular el mejor pronóstico para 2020 y 2021
FORMULA SUSTITUCIÓN
a = ŷ-bx a = 14.71 – (1.82) (4) = 7.43
103
ŷ = ∑y ŷ= = 14.71
7
n
28
ẍ = ∑x ẍ= =4
7
n
(7 )( 463 )− (28 )( 103 )
b = n∑xy - ∑x∑y b= =1.82
( 7 )( 140 ) −( 28 )2
n∑x2 – (∑x)2
y = a+bx y2020 = 7.43 + 1.82 (8) = 21.99 ≈ 22 miles de unidades
y2021 = 7.43 + 1.82 (9) = 23.81 ≈ 24 miles de unidades
Chart Title
25
21
20 20
18.35
16
15.53
15 14.71
12.87 13
12
11.07
11
10 10
9.25
0
2013 2014 2015 2016 2017 2018 2019
VENTAS Yp
GRÁFICA DE COMPORTAMIENTO
GLOSARIO:
1. Pronóstico: Es una estimación cuantitativa o cualitativa de uno o varios factores
(variables) que conforman un evento futuro, con base en información actual o del
pasado.
2. Método: Método es un modo, manera o forma de realizar algo de forma
sistemática, organizada y/o estructurada. Hace referencia a una técnica o
conjunto de tareas para desarrollar una tarea
3. Cuantitativo: Cuantitativo es un adjetivo que está vinculado a la cantidad. Este
concepto, por su parte, hace referencia a una cuantía, una magnitud, una porción
o un número de cosas. Lo cuantitativo, por lo tanto, presenta información sobre
una cierta cantidad.
4. Cualitativo: El término cualitativo es un adjetivo que proviene del latín
qualitatīvus. Lo cualitativo es aquello que está relacionado con la cualidad o con
la calidad de algo, es decir, con el modo de ser o con las propiedades de un
objeto, un individuo, una entidad o un estado.
5. PARÁMETRO: Consisten en Variables que permiten reconocer, dentro de un
conjunto de elementos, a cada unidad por medio de su correspondiente valor
numérico.
6. RECTA: Línea formada por una serie continua de puntos en una misma dirección
que no tiene curvas ni ángulos y cubre la menor distancia posible entre dos
puntos.
7. DEMANDA: se define como la respuesta al conjunto de mercancías o servicios,
ofrecidos a un cierto precio en una plaza determinada y que los consumidores
están dispuestos a adquirir, en esas circunstancias.
8. Promedio: El concepto de promedio se vincula a la media aritmética, que
consiste en el resultado que se obtiene al generar una división con la sumatoria
de diversas cantidades por el dígito que las represente en total.
9. Promedio Móvil Doble: Modelo de pronóstico que se utiliza para estimare la
demanda de un bien o servicio.
10. Serie de tiempo: Es un conjunto de valores observados durante una serie de
periodos temporales.
BIBLIOGRAFIA
[Link]
