PRINCIPIO
BÁSICOS DE
PRONÓSTICOS
Preparado por:
Ing. Jonathan Cianca
Principios Fundamentales del Pronóstico
La formulación de pronósticos o “proyecciones” es
una técnica para utilizar experiencias pasadas con
la finalidad de predecir expectativas del futuro.
Características del pronóstico
Los pronósticos casi siempre son incorrectos.
Los pronósticos son más precisos para grupos o familias de
artículos.
Los pronósticos son más precisos cuando se hacen para
periodos cortos.
Todo pronóstico debe incluir un error de estimación.
Los pronósticos no son sustituto de la demanda calculada.
Categorías de los Pronósticos
Tipos de pronósticos: cualitativos y cuantitativos
Cualitativos: Son aquellos que se obtienen a partir de información y
no tienen una estructura analítica bien definida.
Juicio personal o información cualitativa externa (Opinión del
administrador, Jurado de Opinión ejecutiva, Mezcla de fuerza de ventas,
Investigación de Mercado, Método Delphy).
Características:
Es subjetivo, se desarrolla a partir de las experiencias de las personas
involucradas, sesgada con base en la posición pesimista u optimista.
Se permiten obtener resultados con rapidez.
Suelen utilizarse para productos individuales o familias de productos y rara vez
para mercados completos.
Pronósticos Cuantitativos
Método Causal:
Características:
Relación entre variables: Una variable “medida” ocasiona que la
otra cambie de una forma predecible.
La variable causal puede ser medida de manera precisa.
Este método ofrece excelentes resultados en cuanto a pronósticos.
Permite un importante conocimiento adicional del mercado.
Rara vez se utiliza para un producto; se emplea para mercados e
industrias completas.
Su utilización consume mucho tiempo, resultando costoso, debido
al desarrollo de relaciones y obtención de información causal.
Enfoques del método causal:
Modelos de entrada – salida: Suelen ser grandes y
complejos, se analiza el flujo de bienes y servicios. Su
desarrollo es largo y costoso.
Modelos econométricos: Implican el análisis estadístico de
varios sectores de la economía. Su uso es similar al de los de
entrada – salida.
Modelos de simulación: Los modelos son rápidos y
económicos de utilizar una vez que la información se ha
cargado al software.
Regresión: Se analiza la relación de dos o más variables.
PRONÓSTICOS
Series de Tiempo
Método del promedio
Método de promedios móviles
Método de suavizado exponencial
Efectos estacionales en los métodos
Errores de pronóstico
Método de Box – Jenkins
Pronósticos Causales con regresión lineal
Series de tiempo: Parte de que la demanda pasada
sigue un patrón el cual al ser analizado podrá
utilizarse para desarrollar proyecciones de la demanda
futura, se supone que el patrón continua de la misma
forma. Indique que la única variable independiente en
el pronóstico es el tiempo. Se requiere información
interna.
Se utilizan para realizar planes de producción razonables.
Identificar patrones:
Patrón aleatorio
Patrón de tendencia
Ejemplo de patrones
Patrón aleatorio de la demanda Tendencia de incremento lineal
Demanda
Tiempo
Demanda Demanda
Tiempo Tiempo
Patrón Estacional de Demanda
Demanda
Patrón estacional
(cíclico) de ejemplo
Tiempo
Promedio Móviles simples
Es un promedio matemático de los últimos periodos
recientes de la demanda real.
Ecuación General: A t-n+ A t-n + 1 +….+ A t-1
Ft =
n
Donde
F, es el pronóstico
t, es el periodo de tiempo actual, lo que significa que Ft es el pronóstico para el
Periodo de tiempo actual.
A t , es la demanda real del periodo t, y
n, es el número de periodos que se utiliza
Ejemplo No. 1: Pronóstico de Promedios Móviles de tres
periodos
Periodo Demanda Pronóstico de promedio
móvil de tres periodos
1 24
2 26
3 22
4 25 24.0
5 19 24.3
6 31 22.0
7 26 25.0
8 18 25.3
9 29 25.0
10 24 24.3
11 30 23.7
12 23 27.7
13 x 25.7
Ejemplo en forma gráfica de promedio
móvil de tres periodos
35
30
25
20
Demanda
Pronóstico de promedio móvil de tres
15 periodos
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Ejemplo No. 2: Pronóstico de promedio móvil para
información con una tendencia
Periodo Demanda Pronóstico de Promedio
móvil de tres periodos
1 13
2 15
3 18
4 22 15.3
5 27 18.3
6 31 22.3
7 36 26.7
8 41 31.3
9 45 36.0
10 52 40.7
11 57 46.0
12 51.3
Ejemplo en forma gráfica del
promedio móvil de una tendencia
60
50
40
Demanda
30
Pronóstico de Promedio móvil de
tres periodos
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12
Promedios Móviles Ponderados
Con los promedio móviles ponderados el peso
asignado a cada punto de la demanda pasado
que se utilice en el cálculo puede variar.
Ecuación básica:
F1 = W1At-1 + W2 At-2+…+ Wn At-n donde
n
∑ Wi = 1
i=1
W = peso
Ejemplo de pronóstico de promedio móvil ponderado
Período Demanda Pronóstico de promedio
móvil de tres períodos
1 24
2 26
3 22
4 25 23.6
5 19 24.3
6 31 21.4
7 26 26.2
8 18 26.1
9 29 23.0
10 24 23.1
11 30 24.3
12 23 28.0
13 25.3
Ejemplo de gráfica para el promedio
móvil ponderado
35
30
25
20
Demanda
Pronóstico de promedio móvil de tres
15 períodos
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Suavizado Exponencial Simple
Suaviza las fluctuaciones aleatorias en el patrón de
la demanda.
Ft = Ft-1 + α (At-1 – Ft-1)
Ft = αAt-1 + (1-α) Ft-1
Donde 0 ≤ α ≤ 1
Error de pronóstico
Es la diferencia entre la demanda real para algún periodo y el
pronóstico para ese mismo periodo
A t-1 – F t-1
La parte del término de error se obtiene mediante la multiplicación
por α, que es la letra griega alfa y se denomina constante de
suavización. El valor alfa siempre se encuentra entre cero y uno.
Ejemplo de suavización exponencial
Periodo Demanda Suavización exponencial
con α = 0.2<
1 24
2 26
3 22
4 25 24.4
5 19 24.5
6 31 23.4
7 26 24.9
8 18 25.1
9 29 23.7
10 24 24.8
11 30 24.6
12 23 25.7
13 25.2
Ejemplo de Gráfica con suavización
exponencial
35
30
25
20 Demanda
15 Suavización exponencial con α =
0.2<
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Ejemplo de Suavización exponencial
Periodo Demanda Suavización
1 24
2 26
3 22
4 25 23.5
5 19 24.3
6 31 21.6
7 26 26.3
8 18 26.2
9 29 22.1
10 24 25.5
11 30 24.8
12 23 27.4
13 25.2
Ejemplo de una Gráfica con Constante
de Suavización α=0.5
35
30
25
20
Demanda
15 Suavización
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Ejemplo para una constante de
suavización α=0.8
Periodo Demanda Suavización exponencial con
α=0.8
1 24
2 26
3 22
4 25 22.6
5 19 24.5
6 31 20.1
7 26 28.8
8 18 26.6
9 29 19.7
10 24 27.1
11 30 24.6
12 23 28.9
13 24.2
Ejemplo de gráfica para una constante
de suavización α= 0.8
35
30
25
20
Demanda
15 Suavización exponencial con α=0.8
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Regresión (línea de mejor ajuste)
Es una técnica estadística para lograr una línea a
partir de un conjunto de puntos mediante el uso del
mínimo error cuadrado total entre puntos reales y
los puntos sobre la línea. Permite determinar
ecuaciones de líneas de tendencia.
Ejemplo de Regresión con Demanda
Histórica
Trimestre Demanda Pronóstico de
Regresión
1 256 287.1
2 312 305.9
3 426 324.7
4 278 343.5
5 298 362.3
6 387 381.1
7 517 399.9
8 349 418.7
9 437.5
Ejemplo gráfico de regresión
600
500
400
300 Demanda
Pronóstico de Regresión
200
100
0
1 2 3 4 5 6 7 8 9
Trimestres Demanda Pronóstico de Proporción de la
Regresión Demanda al
pronóstico
1 256 287.10 0.89
2 312 305.9 1.02
3 426 324.7 1.30
4 278 343.5 0.81
5 298 362.3 0.82
6 387 381.10 1.02
7 517 399.9 1.29
8 349 418.7 0.83
9 437.5
(256/287.10) = 0.89
Multiplicadores estacionales finales
Trimestres Demanda Pronóstico de Proporción de la Multiplicadores
Regresión demanda al Pronóstico Estacionales
1 256 287.10 0.89 0.86
2 312 305.9 1.02 1.02
3 426 324.7 1.31 1.30
4 278 343.5 0.81 0.82
5 298 362.3 0.82 0.86
6 387 381.1 1.02 1.02
7 517 399.9 1.29 1.30
8 349 418.7 0.83 0.82
9 437.5 0.86
((0.89+0.82)/2) = 0.86
Pronóstico de regresión ajustado
estacionalmente
Trimestres Demanda Pronóstico de Multiplicadores Pronóstico de
Regresión Estacionales regresión
estacionalmente
1 256 287.1 0.86 246.1
2 312 305.9 1.02 311.3
3 426 324.7 1.30 422.9
4 278 343.5 0.82 282.2
5 298 362.3 0.86 310.5
6 387 381.1 1.02 387.8
7 517 399.9 1.30 520.8
8 349 418.7 0.82 343.9
9 437.5 0.86 376.3
ERRORES DE PRONÓSTICO
Error promedio de pronóstico (MFE):
Secalcula a partir del error de pronóstico promedio
matemático sobre un período específico : t= 1 hasta n
MFE= (∑ (At – Ft ) )/ n
Representa la diferencia entre la demanda real y el
pronóstico para cualquier periodo. (pronóstico de
sesgo)
Desviación media Absoluta (MAD): Representa el
promedio de las desviaciones matemáticas de los
errores de pronósticos (desviaciones).
t= 1 hasta n
MAD= (∑ |At – Ft | )/
n
Calculo de errores
Calculo de errores de pronóstico
Trimestre Demanda (A) Pronóstico (F) Error (A-F)
1 12 14 -2
2 15 13 2
3 13 12 1
4 16 13 3
5 14 15 -1
6 11 14 -3
Calcule el MFE
Cálculo del valor absoluto de los errores de
pronóstico
Trimestre Demanda (A) Pronóstico (F) | A - F|
1 12 14 2
2 15 13 2
3 13 12 1
4 16 13 3
5 14 15 1
6 11 14 3
Calcule MAD
EJEMPLO
El patrón de demanda de 10 periodos para cierto producto se representa
como 127, 113, 121, 117, 109, 131, 120, 115, 127, y 118. Pronostique
la demanda para el periodo 11., utilizando cada uno de los siguientes
métodos: promedio móvil de 3 meses; promedio móvil ponderado de 3
meses con pesos de 0.2, 0.3 y 0.5; suavización exponencial con una
constante de suavización de 0.3 y regresión lineal. Calcule MAD para
cada método, a fin de determinar el método que sería preferible de
acuerdo con las circunstancias. Calcule el sesgo de la información, si existe,
para los 4 métodos, y explique su significado.
TABLA DE RESULTADOS
Periodo Demanda PM 3 Meses PMP 3 meses Suav. Exp. Regresión
1 127 115 120.0
2 113 118.6 120.0
3 121 116.9 120.1
4 123 120.3 119.8 118.1 120.1
5 117 119.0 120.4 119.6 120.1
6 109 120.3 119.6 118.8 120.1
7 131 116.30 114.2 115.9 120.1
8 115 119.0 121.6 120.4 120.1
9 127 118.3 118.6 118.8 120.2
10 118 124.3 124.2 121.3 120.2
11 120.0 120.1 120.3 120.2
RESULTADOS
METODO MAD
Promedio móvil de 3 meses 7.1
Promedio móvil pond. De 3 meses 7.9
Suavización exponencial 7.1
Regresión lineal 5.7
Palabras claves
Desviación media absoluta
Constante de suavización
Encuestas de mercado
Consenso de panel
Error de pronóstico
Error promedio de pronóstico
Estacionalidad
Método delphi
Modelo de Entrada –Salida
Modelo econométrico
Patrón aleatorio
Patrón de tendencia
Promedio móvil ponderado
Promedios móviles
Pronóstico Cualitativo
Pronóstico Cuantitativo
Pronóstico Causales
Pronóstico extrínsecos
Pronósticos Intrínsecos
Regresión
Simulación
Suavización exponencial
REFLEXION
