TEMA: TIPOS DE
PRONOSTICOS
MAESTRO GERARDO
GOMEZ DE LA CRUZ
PLANEACION Y
CONTROL DE LA
PRODUCCION I
TIPOS DE
PRONSTICOS
El pronstico se puede clasificar en cuatro tipos bsicos:
cualitativo, anlisis de series de tiempo, relaciones
causales y simulacin. Las tcnicas cualitativas son
subjetivas y se basan en estimados y opiniones. El
anlisis de series de tiempo, el enfoque primario de
este tema, se basa en la idea de que es posible utilizar
informacin relacionada con la demanda pasada para
predecir la demanda futura. La informacin anterior
puede incluir varios componentes, como influencias de
tendencias, estacionales o cclicas, y se describe en la
seccin siguiente. El pronstico causal, que se analiza
utilizando la tcnica de la regresin lineal, supone que la
demanda se relaciona con algn factor subyacente en el
ambiente. Los modelos de simulacin permiten al
encargado del pronstico manejar varias suposiciones
Demanda histrica de productos que consiste
en una tendencia al crecimiento y una
demanda temporal
La ilustracin muestra una demanda durante un periodo de 4 aos, as
como el promedio, la tendencia y los componentes estacionales o la
aleatoriedad alrededor de la curva de la demanda uniformada.
pos de tendencias comunes
Una tendencia lineal es una
relacin continua directa. Una
curva S es tpica del crecimiento
y el ciclo de madurez de un
producto. El punto ms
importante en la curva S es
donde la tendencia cambia de
crecimiento lento a rpido, o de
rpido a lento. Una tendencia
asinttica empieza con el
crecimiento ms alto de la
demanda en un principio pero
posteriormente se reduce. Una
curva como sta se presenta
cuando una empresa entra en
un mercado existente con el
objetivo de saturarlo y
captar una mayor participacin
NICAS CUALITATIVAS DE PRONSTICO
ea 1; El alumno investigara lo Siguientes Mto
Tcnicas acomulativas
Investigacin de mercado
Grupos de consejo
Analoga Histrica
Mtodo de Delfos
Mtodo de pronstico
Como seleccionar un
pronsticos
El modelo de pronstico que una empresa debe utilizar
depende de:
1. El horizonte de tiempo que se va a pronosticar.
2. La disponibilidad de los datos.
3. La precisin requerida.
4. El tamao del presupuesto de pronstico.
5. La disponibilidad de personal calificado.
Al seleccionar un modelo de pronstico, existen otros
aspectos como el grado de flexibilidad de la empresa
(mientras mayor sea su habilidad para reaccionar con
rapidez a los cambios, menos preciso necesita ser el
pronstico). Otro aspecto es la consecuencia de un mal
pronstico. Si una decisin importante sobre la inversin
de capital se basa en un pronstico, ste debe ser bueno.
ROMEDIO MVIL SIMPLE
Cuando la demanda de un producto no crece ni baja con
rapidez, y si no tiene caractersticas estacionales, un
promedio mvil puede ser til para eliminar las
fluctuaciones aleatorias del pronstico. Aunque los
promedios de movimientos casi siempre son centrados, es
ms conveniente utilizar datos pasados para predecir el
periodo siguiente de manera directa.
La frmula de un promedio mvil simple es:
ROMEDIO MVIL SIMPLE
EMPLO 1:
UNA EMPRESA NECESITA
PRONOSTICAS SUS DEMANDA
UTILIZANDO LA DEMANDA DE LAS
ULTIMAS 30 SEMANAS. LOS
PERIODOS EN LAS QUE NECESITA
PRONOSTICAR SON A 3 Y 9
SEMANAS. UTILIZANDO LA
FORMULA DE PROMEDIO MOVILES
CALCULA LA DEMANDA.
ROMEDIO MVIL SIMPLE
EMPLO 1:
Realizar en los siguientes software:
RESULTADO
La Grfica de los datos en la ilustracin muestra los efectos de las distintas
duraciones de un
periodo de un promedio mvil. Se ve que la tendencia de crecimiento se
nivela alrededor de la semana 23. El promedio de movimientos de tres
semanas responde mejor al seguir este cambio que el promedio de nueve
semanas, aunque en general, el promedio de nueve semanas es ms
uniforme. La principal desventaja al calcular un promedio mvil es que
todos los elementos individuales se deben manejar como informacin
porque un nuevo periodo de pronstico comprende agregar datos nuevo y
eliminar los primeros. Para un promedio mvil de tres o seis periodos, lo
ALCULO DEL MAD:
Un mtodo de pronstico arroj los siguientes resultados:
Pronostique a 3 meses pronostique el mes 11 y calcule el MAD
PROMEDIO SIMPLE
Sunrise Baking Company vende donas en una
cadena de tiendas de alimentos. Debido a errores de
los pronsticos ha tenido una produccin excesiva o
insuficiente. Los siguientes datos son su demanda de
docenas de donas en las ltimas cuatro semanas.
Las donas se hacen para el da siguiente; por
ejemplo, la produccin de donas del domingo es
para las ventas del lunes, la produccin de donas del
lunes es para las ventas del martes, etc., la
panadera cierra los sbados, de modo que la
produccin del viernes debe satisfacer la demanda
de sbado y domingo.
TAREA 1:
PROMEDIO SIMPLE
PROMEDIO MOVIL
Heather Foods, Inc. hace botanas que se venden a supermercados. La
siguiente tabla muestra las observaciones mensuales de las ventas
de botanas de maz durante 1992 y 1993 en miles de bol sas. Heather
Foods ha vendido botanas de maz durante 10 aos, y el
departamento de planeacin maneja la demanda como un proceso
constante. Determine el pronstico para enero de 1994 usando los
siguiente metodos:
Promedi mvil a 6 meses;
PROMEDIO MVIL
PONDERADO
Mientras que el promedio mvil simple da igual importancia a cada
uno de los componentes de la base de datos del promedio mvil, un
promedio mvil ponderado permite asignar cualquier importancia a
cada elemento, siempre y cuando la suma de todas las
ponderaciones sea igual a uno.
Ejemplo, tal vez una tienda departamental se d cuenta de que en
un periodo de cuatro meses, el mejor pronstico se deriva
utilizando 40% de las ventas reales durante el mes ms reciente,
30% de dos meses antes, 20% de tres meses antes y 10% de hace
cuatro meses. Si las ventas reales fueron
PROMEDIO MVIL
PONDERADO
PROMEDIO MVIL
PONDERADO
SUPONGASE Q PARA EL EJEMPLO ANTERIOR QUE LA VENTAS DEL MES
5 RESULTARON SER DE 110, EL PRONOSTICO PARA EL MES 6 SERIA:
El promedio mvil ponderado tiene una ventaja definitiva sobre el
promedio mvil simple en cuanto a que puede variar los efectos de
los datos pasados. Sin embargo, es ms inconveniente y costoso de
usar que el mtodo de suavizacin exponencial.
OMEDIO MVIL PONDERADO
MPLO 1:
Diario, con un promedio mvil ponderado de 0.40, 0.30,
0.20 y 0.10 para las ltimas cuatro semanas.
UAVIZACION EXPONENCIAL
En los mtodos de pronsticos anteriores (promedios mviles
simple y ponderado), la principal desventaja es la necesidad de
manejar en forma continua gran cantidad de datos histricos (esto
tambin sucede con las tcnicas de anlisis de regresin, que
veremos en el siguiente tema ). En estos mtodos, al agregar cada
nueva pieza de datos, se elimina la observacin anterior y se
calcula el nuevo pronstico. En muchas aplicaciones (quizs en la
mayor parte), las ocurrencias ms recientes son ms indicativas
del futuro que aquellas en el pasado ms distante. Si esta premisa
es vlida (que la importancia de los datos disminuye conforme el
pasado se vuelve ms distante), es probable que el mtodo ms
lgico y fcil sea la suavizacin exponencial.
Suavizacin exponencial
La razn por la que se llama suavizacin exponencial es que
cada incremento en el pasado se reduce (1 ). Por ejemplo,
si es 0.05, las ponderaciones para los distintos periodos
seran las siguientes ( se define a continuacin).
Por lo tanto, los exponentes 0, 1, 2, 3,, etc. le dan su nombre.
La suavizacin exponencial es la ms utilizada de las tcnicas de
pronstico. Es parte integral de casi todos los programas de
pronstico por computadora, y se usa con mucha frecuencia al
ordenar el inventario en las empresas minoristas, las compaas
mayoristas y las agencias de servicios.
Suavizacin exponencial
Las tcnicas de suavizacin exponencial se
han aceptado en forma generalizada por seis
razones principales:
1.-Los modelos exponenciales son
sorprendentemente precisos.
2. Formular un modelo exponencial es
relativamente fcil.
3. El usuario puede entender cmo funciona el
modelo.
4. Se requieren muy pocos clculos para
utilizar el modelo.
5. Los requerimientos de almacenamiento en
la computadora son bajos debido al uso
Suavizacin exponencial
En el mtodo de suavizacin exponencial, slo se
necesitan tres piezas de datos para pronosticar el
futuro: el pronstico ms reciente, la demanda real
que ocurri durante el periodo de pronstico y una
constante de uniformidad alfa ().
La ecuacin para un solo pronstico de uniformidad
exponencial es simplemente
Suavizacin exponencial
En este caso, se calcula 2 (n + 1), donde n es el nmero
de periodos.
Suavizacin exponencial
Suponga que la demanda a largo plazo para el producto sujeto a
estudio es relativamente estable y una constante de suavizacin ()
de 0.05 se considera apropiada. Si el mtodo exponencial se hubiera
usado como una poltica de continuidad, se habra hecho un
pronstico para el mes pasado. Suponga que el pronstico del mes
pasado (Ft1) fue de 1 050 unidades. Si la demanda real fue de 1 000,
en lugar de 1 050, el pronstico para este mes sera.
Como el coeficiente de suavizacin es bajo, la reaccin del
nuevo pronstico a un error de 50 unidades es reducir el
Suavizacin exponencial
La suavizacin exponencial simple tiene la desventaja de
retrasar los cambios en la demanda. La ilustracin presenta
los datos reales trazados como una curva suavizada para
mostrar los efectos de demora de los pronsticos
exponenciales. El pronstico se retrasa durante un incremento
o un decremento pero se dispara cuando ocurre un cambio en
la direccin. Observe que mientras ms alto sea el valor de
alfa, el pronstico ser ms cercano a la realidad. Y mientras
ms se acerque a la demanda real, es probable sumar un
factor de tendencia. Tambin resulta til ajustar el valor de
alfa. Esto se conoce como pronstico adaptativo.
Suavizacin exponencial
ANLISIS DE REGRESIN
LINEAL
Puede definirse la regresin como una relacin
funcional entre dos o ms variables
correlacionadas. Se utiliza para pronosticar una
variable con base en la otra. Por lo general, la
relacin se desarrolla a partir de datos observados.
Primero es necesario graficar los datos para ver si
aparecen lineales o si por lo menos partes de los
datos son lineales. La regresin lineal se refiere a la
clase de regresin especial en la que la relacin
entre las variables forma una recta.
La recta de la regresin lineal tiene la forma Y = a
+ bX, donde Y es el valor de la variable
dependiente que se despeja, a es la secante en Y,
b es la pendiente y X es la variable independiente
ANLISIS DE REGRESIN
LINEAL
La principal restriccin al utilizar el pronstico
de
regresin lineal es, como su nombre lo implica,
que se supone que los datos pasados y los
pronsticos futuros caen sobre una recta. Aunque
esto no limita su aplicacin, en ocasiones, si se
utiliza un periodo ms corto, es posible usar el
anlisis de regresin lineal.
La regresin lineal se utiliza tanto para pronsticos
de series de tiempo como para pronsticos de
relaciones causales. Cuando la variable
dependiente (que casi siempre es el eje vertical en
una grfica) cambia como resultado del tiempo
(trazado como el eje horizontal), se trata de un
anlisis de serie temporal. Si una variable cambia
debido al cambio en otra, se trata de una relacin
mplo: Mtodo de mnimos
cuadrados
mplo: Mtodo de mnimos
cuadrados
La ecuacin de los mnimos cuadrados para la regresin
lineal es:
Y = a + bx
Donde:
Y = Variable dependiente calculada mediante la ecuacin
y = El punto de datos de la variable dependiente real
(utilizado abajo)
a = Secante Y
b = Pendiente de la recta
x = Periodo
mplo: Mtodo de mnimos
cuadrados
Si se traza una recta a travs del rea general de los puntos, la diferencia
entre el punto y la recta es y Y. La ilustracin muestra estas diferencias.
La suma de los cuadrados de las diferencias entre los puntos de datos
trazados y los puntos de la recta es:
(y1 Y1)2 + (y2 Y2)2 + + (y12 Y12)2
mplo: Mtodo de mnimos
cuadrados
Anteriormente se determinaron a y b a partir de la grfica. En el mtodo
de mnimos cuadrados, las ecuaciones para a y b son
Donde:
a = Secante Y
b = Pendiente de la recta
y = Promedio de todas las y
x = Promedio de todas las x
x = Valor x de cada punto de datos
y = Valor y de cada punto de datos
n = Nmero de punto de datos
Y = Valor de la variable dependiente
calculada con la ecuacin de regresin
mplo: Mtodo de mnimos
cuadrados
El error estndar del estimado, o la forma en que la recta se adapta a los
datos:
Ejercicio en Clases
La demanda de un artculo se da en la tabla siguiente.
a. Calcular el pronostico para el periodo 13 y 14 a 3 y 6 meses
mediante el pronostico mvil simple.
b. Calcular el pronostico 13 y 14 mediante el mtodo de
suavizacin exponencial con un alfa de .3 y .5
c. Calcular el pronostico 13 y 14 mediante el mtodo de
mnimos cuadrados.
Cual de los tres mtodos me conviene y porque fundamente
su respuesta?
