Pronstico del Mercado
Realizar el pronstico del mercado ayuda a establecer:
Volumen de Produccin
Estructura del programa de ventas
Precios y costos
Los canales de distribucin
Estrategias de Mercado
Costos de Venta
Sistema de Almacenaje
Pasos para un sistema de pronsticos
Determinar el uso del pronstico: qu objetivos se persigue obtener?
Seleccionar las partidas que se van a pronosticar
Determinar el horizonte de tiempo del pronstico: es corto, mediano o largo
plazo?
Seleccionar un(os) modelo(s) de pronstico
Juntar los datos necesarios para hacer el pronstico
Validar el modelo de pronstico
Hacer el pronstico
Instrumentar los resultados
Mtodos de Pronstico
Mtodos Cualitativos o subjetivos: incorporan
factores importantes tales como la intuicin, las
emociones, experiencias personales del que toma la
decisin, y sistema de valores para alcanzar un
pronstico:
Jurado de opinin ejecutiva
Compuesto por la fuerza de venta
Mtodo Delphi
Encuestas a consumidores del mercado
Mtodos Cuantitativos: manejan una gran
cantidad de modelos matemticos que utilizan datos
histricos y/o variables causales para pronosticar la
demanda:
Series de Tiempo
Modelos Causales o asociativos
Mtodos de Pronstico Cuantitativos
Modelos de Series de Tiempo: predicen sobre la base de la suposicin de
que el futuro es una funcin del pasado, utilizan una serie de datos pasados
para hacer el pronstico. Entre ellos se encuentran:
Enfoque Simplista
Promedios Mviles
Suavizamiento Exponencial
Proyeccin de Tendencia
Mtodos Causales: incorporan al modelo las variables o factores que
pueden influenciar la cantidad que se pronostica, como por ejemplo la
regresin lineal.
Mtodos de Pronsticos: Series de Tiempo
Patrones Bsicos de Tendencia:
Tendencia Secular: surge cuando el fenmeno tiene poca variacin en
largos periodos, y puede representarse grficamente por una lnea recta o
por una curva suave.
Variacin Estacional: surge por los hbitos o tradiciones de la gente o por
condiciones climatolgicas.
Fluctuaciones Cclicas: que surgen principalmente por razones de tipo
econmico.
Movimientos Irregulares: que surgen por cualquier causa aleatoria que
afecta al fenmeno.
Componentes de una Serie de Tiempo
Componente
Cclico
Componente
Tendencia
Componente
Estacional
Componente
No sistemtico
Tiempo
Variable
estudiada
Modelos de Pronsticos de Series de Tiempo
Enfoque Simplista: asume que la demanda del siguiente perodo es
justamente igual a la demanda del perodo ms reciente.
Promedios Mviles: sirve como estimacin de la demanda del perodo
siguiente. Son tiles si se asume que las demandas del mercado son ms o
menos constantes durante un determinado perodo de tiempo.
Matemticamente se expresa como:
Promedio Mvil = Demanda de n perodos previos
n
donde: n es el nmero de perodos en el promedio mvil
Promedio Mvil Ponderado: cuando existe una tendencia o patrn, los
pesos pueden ser utilizados para poner ms nfasis en los valores ms
recientes. Matemticamente se expresa as:
Promedio Mvil= (Peso para el perodo n)x(Demanda para el perodo n)
Pesos
Ejemplo Promedios Mviles:
Las ventas de podadoras de pasto en Bobs Hardware Store se muestran a
continuacin. Calcule un promedio mvil de tres meses y pronostique las
ventas para enero del prximo ao
Mes Ventas reales de podadoras Promedio mvil de 3 meses
Enero 10
Febrero 12
Marzo 13
Abril 16 (10+12+13)/3=11 2/3
Mayo 19 (12+13+16)/3=13 2/3
Junio 23 (13+16+19)/3=16
Julio 26 (16+19+23)/3=19 1/3
Agosto 30 (19+23+26)/3=22 2/3
Septiembre 28 (23+26+30)/3=26 1/3
Octubre 18 (26+30+28)/3=28
Noviembre 16 (30+28+18)/3=25 1/3
Diciembre 14 (28+18+16)/3=20 2/3
Pronostico Enero (18+16+14)/3=16
Modelos de Pronsticos de Series de Tiempo
Suavizamiento Exponencial: en este mtodo la ltima estimacin de la
demanda es igual a nuestra estimacin ajustada anterior por una fraccin de la
diferencia entre la demanda real del perodo anterior y el estimado anterior.
Matemticamente se expresa:
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
donde;
F
t
= el pronstico nuevo
F
t-1
= el pronstico anterior
= constante de suavizacin (0 1)
A
t-1
= demanda real del perodo anterior
Ejemplo Suavizamiento Exponencial:
Para evaluar la exactitud de cada constante de suavizacin se pueden
calcular las desviaciones medias absolutas (MAD):
Trimestre Ventas Pronstico Desvi. Abs. Pronostico Desv. Abs
real(Tn) alfa= 0,5 alfa= 0,1 alfa=0,5 alfa=0,5
1 180 175 5 175 5
2 168 176 8 178 10
3 159 175 16 173 14
4 175 173 2 166 9
5 190 173 17 170 20
6 205 175 30 180 25
7 180 178 2 193 13
8 182 178 4 186 4
84 100
MAD= desviaciones 10.5 12.5
n
Se escoge el pronostico con alfa=0,1 por tener un MAD menor
Modelos de Pronsticos de Series de Tiempo
Proyecciones de Tendencia: este mtodo ajusta una serie de puntos de
datos histricos, y despus proyecta la lnea hacia el futuro para
pronsticar con una rango de mediano a largo plazo. Utiliza el mtodo de
mnimos cuadrados dando como resultado una lnea recta que minimiza
la suma de los cuadrados de las diferencias verticales entre la lnea y
cada una de las observaciones reales.
Matemticamente se expresa:
y= a + bx
Donde:
y= valor calculado de la variable a predecir (variable dependiente)
a= y bx (interseccin del eje y )
b= xy-nxy (pendiente de la lnea de regresin)
x
2
n(x)
2
x= variable independiente (en este caso tiempo)
Ejemplo Proyeccin con Tendencia:
La demanda de energa elctrica en el perodo 2000 a 2006 en megawatts
se muestra a continuacin. Ajustar la lnea de tendencia a estos datos y
pronostique la demanda para el 2007:
Ao Perodo Demanda de Energa x
2
xy
2000 1 74 1 74
2001 2 79 4 158
2002 3 80 9 240
2003 4 90 16 360
2004 5 105 25 525
2005 6 142 36 852
2006 7 122 49 854
x= 28 y= 692 x
2
= 140 xy= 3063
x= 4
y= 98.86
a= y bx = 98.86 10,54x4= 56,7
y(8)= 56,7+ 10,54x8 = 141 megawatts
b= xy-n x y = 3063-7x4x98,86= 10,54
x
2
n(x)
2
140- 7(4)
2
Medidas de Error del Pronstico
Error del pronstico: Demanda-Pronstico
Desviacin Media Absoluta: es una medida del error global del
pronstico, se calcula con la siguiente expresin:
MAD= errores del pronstico
n
Error Medio Cuadrado (MSE): es el promedio de las diferencias al
cuadrado, entre el pronstico y los valores observados.
MSE= (errores del pronstico)
2
n
Error porcentual medio absoluto (MAPE): es la diferencia
absoluta entre el pronstico y los valores observados, expresados
como un porcentaje de los valores observados.
MAPE= error del pronstico/demanda X 100
n
Modelos de Pronsticos Causales
Regresin Lineal: se utiliza el mismo modelo matemtico que se emplea
en el mtodo de mnimos cuadrados para proyectar la tendencia. La variable
dependiente que se desea pronosticar sgue siendo y, pero la variable
independiente (x), no es el tiempo. Matemticamente se expresa:
y= a + bx
donde:
y= valor calculado de la variable a predecir (variable dependiente)
a= y bx (interseccin del eje y )
b= xy-nxy (pendiente de la lnea de regresin)
x
2
n(x)
2
x= variable independiente (diferente del tiempo)
Modelos de Pronsticos Causales: Regresin Lineal
Coeficiente de Correlacin Lineal: expresa el grado o fuerza de la relacin
lineal. Su valor vara entre +1 y -1. Se calcula matemticamente con la
siguiente expresin:
r= n xy - xy
(nx
2
(x)
2
)(n y
2
(y)
2
)
Coeficiente de Determinacin: es el porcentaje de variacin en la variable
independiente (y) que es explicada por la ecuacin de regresin. Es el
cuadrado del coeficiente de correlacin r
2
y su valor vara en el rango de
0 r
2
1.
Error estndar del estimado: es una medida de la exactitud del estimado,
tambin se le llama desviacin estndar de la regresin. Se calcula con la
siguiente expresin:
S
y,x
= y
2
- ay -bxy
n-2
Ejemplo Regresin Lineal
Una compaa cree que el volumen de ventas es dependiente de la nmina
en el rea donde opera. A continuacin se muestran las ventas y la cantidad
de dinero que devengan los trabajadores durante los ltimos 6 aos.
Determine la recta de regresin y el coeficiente de correlacin
Ao Ventas Nmina Local x
2
xy
y
2
($000.000) ($000.000.000)
2000 2 1 1 2 4
2001 3 3 9 9 9
2002 2,5 4 16 10 6.25
2003 2 2 4 4 4
2004 2 1 1 2 4
2005 3,5 7 49 24,5 12.25
y=15 x=18 x
2
= 80 xy=51.5 y
2
=39.5
x= 18/6=3
y=15/6=2,5
b= xy-nxy = 51.5-6x3x2,5= 0,25
x
2
n(x)
2
80 6x(3)
2
a= y bx = 2,5 0.25x3= 1.75
y=1.75 + 0.25x Recta de Regresin
r= n xy - xy
(nx
2
(x)
2
)(n y
2
(y)
2
)
r= 6(51,5) 15x18 = 0.901
(6x80-18
2
)(6x39,5-15
2
)
Monitoreo y Control del Pronstico
Seal de Rastreo: es una medida de la efectividad del pronstico al
predecir los valores reales. Se calcula como la suma de los errores de los
pronsticos corrientes (RSFE) dividido entre la desviacin media absoluta
(MAD):
Seal de Rastreo= (Demanda real
i
-Demanda pronosticada
i
)
MAD
donde:
MAD= Errores de pronstico
n
