Que tan cerca de la verdad quiere estar, senor?

PRONOSTICOS
Basado en Cap.12 Chase/Aquilano/Jacob
Prof. Lina Matos B.
 CONCEPTO DE PRONOSTICO
¨ Se refiere a una situación que es probable que
ocurra en el futuro, basándose en análisis y en
consideraciones de juicio.
Se trata de una demanda que no se
que deriva directamente de la de otros
i c o
i os o
v
er duct Demanda
productos o servicios.
s
o o s pro
Independiente
ct
r o du otro
un p da de
a de man
d
an la de
e m
la d iva de
Demanda
Dependiente
s
E der .
se vicios
ser
pronostico
EJEMPLOS
DEMANDA INDEPENDIENTE DEMANDA DEPENDIENTE
(Productos o Servicios) (Productos o Servicios)
¨ Paraguas o Sombrillas ¨ Universidades
¤ Servicio Carreras Grado –
¨ Mascarillas Liceos/Colegios
¨ Comida ¤ Servicio Postgrado
n Egresados de Carreras
¨ Consulta Médica ¨ Laboratorios Clínicos
¨ Colegios/Escuelas/Liceos ¤ Consultas y/o Internamientos
¨ Telecomunicaciones ¨ Fabricantes de Neumáticos
¨ Educación Continuada
¤ Diplomados/Taller/Cursos
Técnicos/Cursos Generales
Otros Conceptos
¨ Es el proceso de estimación en situaciones de
incertidumbre.
¨ El pronóstico debe realizarse durante el proceso de
planeación y con él se determina las metas y
objetivos de una empresa en lo relacionado con
ingreso, costos y utilidades estimadas.
¨ De un pronóstico acertado dependerá la vida de
cualquier empresa.
 NECESIDAD DE PRONOSTICAR

¨ Entorno altamente incierto

¨ La intuición no necesariamente da los mejores
resultados
¨ Mejorar la planeación

¨ Competitividad y cambio
 Pasos de la elaboración de pronósticos

¨ 1. Recopilación de datos
¨ 2. Reducción o condensación de
datos
¨ 3. Construcción del modelo

¨ 4. Extrapolación del modelo

EJEMPLO: SERVICIO DEL ECONOMATO UASD
Propuesta: Servicio Mediante APP
¨ 1. Recopilación de datos
¤ Demanda Independiente:
n Estudiantes – 180,000
n Profesores – 2,300
n Empleados de la UASD – 2,100
n Personas de Fuera – 10,000
¨ 2. Reducción o condensación de datos
¤ Estudiantes: 180,000
¨ 3. Construcción del modelo
¤ Exponencial Aminorado
¨ 4. Extrapolación del modelo
¤ Haciendo el Calculo
 EXPLORACIÓN DE PATRONES DE DATOS

Se requieren suficientes datos

históricos
Se apoyan en la suposición de que
el pasado puede extenderse hacia
el futuro
Tipos Pronostico Respecto al tiempo que abarcan, se
puede clasificar en:

¨ 1. Pronósticos a corto plazo:

¤ Es aquel que se efectúa cada mes o menos, y su tiempo de planeación tiene
vigencia de un año.
¤ Se utiliza para programas de abastecimiento, producción, asignación de mano
de obra a las plantillas de trabajadores, y planificación de los departamentos
de fabricación.
¨ 2. Pronósticos a mediano plazo:
¤ Abarca un lapso de seis meses a tres años.
¤ Este se utilizan para estimar planes de ventas, producción, flujos de efectivo y
elaboración de presupuestos.
¨ 3. Pronósticos a largo plazo:
¤ Este tipo de pronóstico se utiliza en la planificación de nuevas inversiones,
lanzamiento de nuevos productos y tendencias tecnológicas de materiales,
procesos y productos, así como en la preparación de proyectos.
¤ El tiempo de duración es de tres años o más.
 TECNICAS DE PRONOSTICOS

• Raiz de Pasto
• Investigacion de Mercado
Cualitativas • Consenso de los Expertos
• Analogia Historica
• Metodo Delphi

• Serie de Tiempo
• Promedio Movil Simple
Cuantitativas • Promedio Movil Ponderado
• Exponencial Aminorado
• Regresion Lineal
Tecnicas Cualitativas

¨ Raiz de Pasto
¤ Consiste en la adicion de capas sucesivas a partir de una
base.
n El pronostico de la base se suma al del siguiente nivel superior,
que suele ser un almacen distinto.
¨ Investigacion de Mercado
¤ Se lleva a cabo con la finalidad de conocer los gustos y
preferencias de los consumidores para buscar nuevas ideas
de productos o servicios, superar a la competencia.
¨ Consenso de Experto
¤ Estas se desarrollan a traves de reuniones de trabajo donde
los participantes exponen sus percepciones del crecimiento
o dismision de la demanda.
Tecnicas Cualitativas…

Analogia Historica
• Consiste en utilizar la demanda de un producto
similar o generico para el pronostico del producto
nuevo.
Metodo Delphi
• Consiste en someter la idea de producto y el
pronostico de su demanda a un grupo de
expertos los cuales evaluaran la oportunidad del
mismo, atendiendo a su experiencia del mercado.
Selección de una técnica de pronóstico:
Datos con tendencia

Productividad creciente y nueva tecnología

producen cambios.
El incremento de la población elevan la
demanda por productos.
El poder de compra se afecta por la inflación.
Aumenta la aceptación en el mercado de un
producto.
Selección de una técnica de pronóstico:
Datos con estacionalidad

¨ El clima influye en la variable de interés.

¨ El año calendario influye en la variable.
Selección de una técnica de pronóstico:
Series cíclicas

El ciclo del negocio influye sobre la

variable
Cambios en el gusto popular.
Cambios en la población.
Cambios en el ciclo de vida del producto.
 Medición del error en el pronóstico

Se compara la precisión de dos o más

técnicas de pronóstico.
Se mide la confiabilidad de una técnica de
pronóstico.
Se busca la técnica óptima.
 GUIA PARA SELECCIONAR EL METODO MAS
CONVENIENTE DE PRONOSTICO
METODO CANTIDAD DE PATRON DE PLAZO DEL TIEMPO DE
PRONOSTICO DATOS DATOS PRONOSTICO PREPARACION
HISTORICOS
Exponencial Simple 5 a 10 observaciones Datos Estadísticos Corto Breve
Aminorado para establecer el peso
Exponencial Holt 10 a 15 observaciones Tendencia pero no Corto a Mediano Breve
Aminorado para establecer los dos estacional
pesos
Exponencial Winter Un mínimo de 4 a 5 Tendencia y Corto a Mediano Breve
Aminorado observaciones por Estacionalidad
temporada
Regresión de Tendencias 10 a 20 para Tendencia y Corto a Mediano Breve
estacionalidad un Estacionalidad
mínimo de 5 por
estacion
Regresión Causal 10 Observaciones por Capacidad para Corto, Mediano y Largo Mucho para la
variable independiente manejar patrones Plazo preparación, breve
complejos para la aplicación
Descomposición de Basta con ver 2 crestas Maneja patrones cíclicos Corto a Mediano Breve a Moderado
Series de Tiempo y valles y estacionales; puede
identificar puntos de
inflexión
Caja de Jenkins 50 o mas observaciones Deben ser estáticos o ser Corto, Mediano o Largo Mucho
convertidos a estáticos Plazo
El Modelo de Pronostico que escoja la
empresa dependerá de:
¨ El periodo que cubrirá el pronostico
¨ La disponibilidad de datos
¨ La exactitud requerida
¨ El monto del presupuesto para pronosticar
¨ La disponibilidad de personal calificado
¨ Flexibilidad de la empresa
 Tecnicas Cuantitativas

• Es un tipo de pronostico el cual utiliza los datos de la demanda

Serie de anterior para pronosticar la siguiente.
Tiempo

• Estos se suelen ubicar en un punto medio de la demanda anterior.

• Por ejemplo: Si queremos pronosticar el mes de junio, se toman de la
Promedio Movil demanda anterior Enero, febrero, marzo, abril y mayo. Para
Simple pronosticar julio seria febrero,l marzo, abril, mayo y junio.

• Este asigna un nivel de importancia a cada elemento , siempre y

Promedio Movil cuando todos los valores sumen 1.
Ponderfado
PROMEDIO MOVIL SIMPLE
¨ Se usa cuando la demanda de un producto no crece
y disminuye velozmente y no incluye ninguna
característica de estacionalidad, por lo tanto se
eliminara las fluctuaciones aleatorias de los
pronósticos.
¨ Ft = At-1+At-2+ At-3+…+At-n

n
EJEMPLO PROMEDIO MOVIL SIMPLE = MEDIA ARITMETICA

¨ Una empresa tiene el siguiente comportamiento de

ventas de sus servicios de mensajería a domicilio:
n Enero 100
n Febrero 85 Ft = At-1+At-2+ At-3+…+At-n
n Marzo 105 n
n Abril 115 F = 100 + 85 + 105 + 115 = 425 = 106.25 ~ 106
n Mayo ? 106 4 4

n Junio ? 106
F = 100 + 85 + 105 + 115 +106 = 531 = 106.2 ~ 106
5 5
PROMEDIO MOVIL PONDERADO
¨ Permite adjudicar una importancia cualquiera a
cada elemento, siempre y cuando todos valores
sumen 1.
¤ Ejemplo: Una tienda de departamentos puede considerar que, para un periodo
de 4 meses, podrá hacer el mejor pronostico tomando 40% de las ventas reales
del mes pasado, 30% de las del mes antepasado, 20% del mes anterior y 10%
del
Mesmes1 anterior
(10%) aMes
este2ultimo.
(20%)Si las
Mesventas fueron:Mes 4 (40%)
3 (30%) Mes 5
100 90 105 95 ?

El pronostico para el mes 5 seria:

F5= 0.40(95)+ 0.30(105)+0.20(90)+0.10(100)= 97.5 ~ 98

Ft= w1At-1+ w2At-2+ …+ wn At-n Formula

EJEMPLO PROMEDIO MOVIL PONDERADO

¨ Una organización vende agua embotellada en el mercado nacional. Los meses donde
mayor demanda se da es en junio, julio, agosto y septiembre. El nivel de importancia de cada
mes es el siguiente: junio 10%, julio 20%, agosto 30% y septiembre 40%.
¨ Las ventas de agua embotellada para dichos meses fueron:
¤ Junio 175
¤ Julio 200 Ponderación del Mes * Demanda del Mes
¤ Agosto 285 W * A
¤ Septiembre 350
¤ Octubre? = 283 Ft= w1At-1+ w2At-2+ …+ wn At-n
¨ Ponderación o Nivel Importancia W
¨ Demanda Mensual A

Ft = 0.10 (175) + 0.20 (200) + 0.30 (285) + 0.40 (350)

Ft = 17.5 + 40 + 85.5 + 140 = 283
 Tecnicas Cuantitativas

• Tecnica que pronostica a partir de series de tiempos

en cuyo caso se aplica una disminucion de (1-ά)a cada
Exponencial
Aminorado incremento de los datos de la demanda pasada.

• En esta se presupone que los datos del pasado y las

proyecciones del futuro quedan mas o menos en linea
Regresion Lineal recta.

• Calcula el error promedio del pronostico de la

demanda que se basa en los valores absolutos del
Desviacion
Media Abasoluta error de cada uno de los pronostico del pasado.
EXPONENCIAL AMINORADO
¨ Cada incremento en el pasado debe disminuir en (1-α).
¨ Es la técnica mas usada para pronosticar.
¨ Deben su gran aceptación a:
¤ Los modelos exponenciales son asombrosamente acertados.
¤ Formular un modelo exponencial es relativamente fácil.
¤ El usuario puede entender como funciona el modelo.
¤ Se requieren pocos cálculos para usar el modelo.
¤ Los requisitos para almacenar en computadora son pocos
debido al uso limitado de datos históricos.
¤ Las pruebas para conocer la exactitud con que esta
funcionando el modelo son fáciles de calcular.
FORMULA DEL PRONOSTICO EXPONENCIAL
AMINORADO

¨ Ft= Pronostico Exponencial Aminorado en el Periodo t

¨ Ft-1= Pronostico Exponencial Aminorado para el periodo
anterior
¨ At-1= Demanda Real en el periodo anterior
¨ α= Tasa deseada de respuesta o la constante de atenuación
EJEMPLO EXPONENCIAL AMINORADO
¨ Una empresa tiene el siguiente comportamiento de ventas de sus servicios de
mensajería a domicilio. Desea un incremento de la demanda mensual de un 5% para
mayo, junio y julio y de un 8% para los meses de agosto, septiembre, octubre,
noviembre y diciembre.
n Enero 100
n Febrero 85
= 405 Demanda del Período Anterior (At-1)
n Marzo 105
n Abril 115
FtMayo = 0 + 0.05 (405 – 0) = 20.25 ~ 20
FtJunio = 20 + 0.05 (405 – 20) = 39.5 ~ 40
FtJulio = 40 + 0.05 (405 – 40) = 57.75 ~ 58
FtAgosto = 58 + 0.08 (405 – 58) = 85.76 ~ 86
FtSept. = 86 + 0.08 (405 – 86) = 111.52 ~ 112
FtOct. = 112 + 0.08 (405 – 112) = 135.44 ~ 135
FtNov. = 135 + 0.08 (405 – 135) = 156.6 ~ 157
FtDic. = 157 + 0.08 (405 – 157) = 176.84 ~ 177
 PRONOSTICO

¨ Tamaño de la Población
¨ % Población que utilizan el producto
¨ % Intensión de Compra
¨ Demanda del Producto
F Enero = 0 + 0.03 (129,600-0)= 3,888
200,000 estudiantes F Feb. = 3,888 + 0.03 (129,600 – 3,888) =7,659
* 80% Si consumen
160,000 estudiantes
* 45% Frecuencia consumo semanal
72,000 estudiantes
* 4 Semanas
288,000 Unidades/estudiantes/Mensual
* 45% Intension Compra nuevo Producto
129,600 Unidades / Demanda Actual Estimada
200,000 estudiantes
* 80% Si consumen
160,000 estudiantes
* 45% Frecuencia consumo semanal
72,000 estudiantes
* 4 Semanas
288,000 Unidades/estudiantes/Mensual
* 3 Consumo Unidades Mensuales del Producto
864,000 Unidades Mensuales Producto
* 45% Intension Compra nuevo Producto
388,800 Unidades / Demanda Actual Estimada
REGRESION LINEAL
= 78 = 5,840 54,16 Promedio de X
Y=63,657(14)+72,894=964.09

Y=63,657(15)+72,894=1027.75
 AÑO 2022

YEnero 2022 = 63.66 (13)+72.89 = 900.47

Yfeb.2022 = 63.66 (14)+72.89 = 964.13
Y= 63.66 (15)+72.89 = 1027.79
Y= 63.66 (16)+72.89 = 1091.45
Y= 63.66 (17)+72.89 = 1155.11
Y= 63.66 (18)+72.89 = 1218.77
Y= 63.66 (19)+72.89 = 1282.43
Y= 63.66 (20)+72.89 = 1346.09
Y= 63.66 (21)+72.89 = 1409.75
Y= 63.66 (22)+72.89 = 1473.41
Y= 63.66 (23)+72.89 = 1537.07
Y= 63.66 (24)+72.89 = 1600.73
 ERROR ESTANDAR O DESVIACION
ESTANDAR
Yi = Demanda Pronosticada
yi = Demanda Real
n = Período de proyección

2
Demanda Real – Demanda Proyectada
Período Proyección - 2
Período y Demda Real Yi Demanda Pronosticada
1 133 900.47
2 292 964.13
3 283 1027.79
4 283 1091.45
5 302 1155.11
Tomando el ejemplo anterior de la regresión lineal: 6 400 1218.77
7 505 1282.43
8 608 1346.09
9 667 1409.75
10 783 1473.41
11 785 1537.07
12 799 1600.73
¨ POBLACIÓN = Numero de Hogares
¤ Santo Domingo = 960,000
¤ Distrito Nacional = 245,000
1,430,200
¤ Santiago = 150,000
¤ Romana = 75,200
 CONTROL DEL PRONÓSTICO
¨ Es parte del proceso de retroalimentación.
¨ Intenta determinar si el pronóstico se desvía de los
resultados reales debido a la aleatoriedad o a un cambio
esencial en el proceso.
¨ El error del pronóstico es la base para el control.
¤ Primero se determina el error del pronóstico y su varianza.
¤ Después se usa la varianza para hacer afirmaciones
probabilísticas, como que el error debe exceder cierto valor
sólo una vez cada 20.
¤ Estas afirmaciones se usan para determinar si el desempeño
del sistema es el esperado; si no cumple con las expectativas
hay que corregirlo.
¿CUÁNDO EFECTUAR CONTROL AL
PRONÓSTICO?
¨ Uno de los puntos clave del desarrollo del proceso
de pronósticos consiste en monitorear el modelo, por
ende se debe acudir casi a indicadores en tiempo real
respecto a las desviaciones de la previsión, es decir, el
control del pronóstico es un trabajo tan dinámico como
lo es el comportamiento de la demanda.
¨ También debe efectuarse al momento de selección del
mismo, comparando los indicadores de desviación de
varias metodologías de previsión en la etapa de
evaluación de alternativas del proceso de desarrollo
del modelo.
 MEDIDAS DE CONTROL DEL
PRONÓSTICO
¨ Existe un gran número de indicadores de error del
pronóstico, dentro de los que se destacan
¤ Desviación estándar
¤ Error cuadrático

¤ Error porcentual

¤ Desviación absoluta media

¤ Señales de rastreo

¨ Una señal de rastreo es un indicador de cuán bien

se ajustan las predicciones de un pronóstico al
comportamiento real de la demanda.
 SEÑAL DE RASTREO
¨ La señal de rastreo se calcula como la suma de la
desviación acumulada (suma corriente de errores
del pronóstico), dividida entre la desviación media
absoluta (DMA):
¨ No siempre una señal de rastreo positiva indica que la demanda es
superior que el pronóstico, y viceversa, dado que su cálculo emplea
desviaciones acumuladas.
¤ Una señal de rastreo favorable, es decir con un error del pronóstico bajo,
deberá tener aproximadamente el mismo error absoluto positivo que
negativo.

¨ Para que una señal de rastreo sea un indicador eficiente de error en el

pronóstico debe compararse con límites preestablecidos de control.
¤ Sí la señal de rastreo excede los límites de control será un indicador de que
algo anda mal con el pronóstico. El siguiente interrogante que surge consiste
en la determinación de límites de control, para ello acudiremos a límites
dados en DMA, para lograr una congruencia con las señales de rastreo.
¨ Según fundamentos estadísticos, la equivalencia entre
DMA y Desviaciones estándar es aproximadamente así:

¨ 1 D.M.A = 0,8 desviaciones estándar

¨ Esto nos indica que siempre y cuando los errores se

comporten siguiendo una distribución normal, para
considerar que el pronóstico esté controlado deberá:
¤ El 89% de los errores estar ubicados entre ± 2 DMA
¤ El 98% de los errores estar ubicados entre ± 3 DMA
¤ El 99% de los errores estar ubicados entre ± 4 DMA
 EJEMPLO DEL CÁLCULO DE LA
SEÑAL DE RASTREO
¨ En el siguiente ejemplo se mostrará el pronóstico
efectuado para los 6 primeros meses del 2019 en
un negocio dedicado a la venta de hamburguesas,
junto con las ventas reales en dichos períodos,
además se muestra el resultado del cálculo de los
errores:
Desviacion Desviacion
Ventas Desviacion Desviacion Absoluta Media Señal de
n Pronostico Reales Desviacion Acumulada Absoluta Acumulada Acumulada Rastreo
1 660 700 40 40 40 40 40 1.00
2 840 760 -80 -40 80 120 60 -0.67
3 750 780 30 -10 30 150 50 -0.20
4 835 790 -45 -55 45 195 48.75 -1.13
5 910 850 -60 -115 60 255 51 -2.25
6 890 950 60 -55 60 315 52.50 -1.05
 GRAFICA DE ESCALA MOVIL
¨ Se construye de la siguiente manera:
1.- Se recopila la información de la serie de tiempo, se
elabora la gráfica de estos datos y Se define el
modelo o la técnica del pronóstico que se va a aplicar.