Unidad 2. Pronosticos

UNIDAD 2.
PRONSTICOS DE LA DEMANDA

RAMIRO M. P. (AGTO - DIC 2013)
ADMINISTRACION DE OPERACIONES I
QUE SON LOS PRONSTICOS?

La formulacin de pronsticos es una tcnica para utilizar experiencias
pasadas con la finalidad de predecir expectativas del futuro.

El pronostico es un proceso de estimacin de un acontecimiento futuro
proyectando hacia el futuro datos del pasado.

UNIDAD 2. PRONSTICOS DE LA DEMANDA

Por lo regular un pronstico perfecto es imposible. En un ambiente de negocios
hay demasiados factores que no se pueden pronosticar con certeza. Por lo
tanto, en lugar de buscar el pronstico perfecto, es mucho ms importante
establecer la prctica de una revisin continua de los pronsticos y aprender a
vivir con pronsticos imprecisos.

UNIDAD 2. PRONOSTICOS DE LA DEMANDA

Lo que debe hacerse es tratar de encontrar y usar el mejor mtodo de pronstico disponible,
dentro de lo razonable.
Sin importar el propsito del sistema para el que se utilizar el pronstico, es muy
importante comprender algunas de sus caractersticas fundamentales:

Los pronsticos casi siempre son incorrectos.
Pocas veces tiene importancia si un pronstico es correcto o no; lo sustancial es
concentrar nuestra atencin en qu tan equivocado esperamos que sea y en
cmo planeamos darle cabida al error potencial en el pronstico.

Los pronsticos son ms precisos para grupos o familias de artculos.
Casi siempre es ms fcil desarrollar un buen pronstico para una lnea de
productos que para un producto individual. Por ejemplo, pronosticar la demanda
de todos los sedanes familiares, que pronosticar la demanda de un modelo de
sedn especfico.


Los pronsticos son ms precisos cuando se hacen para periodos cortos.
Son menos las perturbaciones potenciales respecto del futuro prximo que
pueden impactar la demanda de productos.

Todo pronstico debe incluir un error de estimacin.
Es muy importante que el pronstico vaya acompaado de una estimacin
numrica del error de pronstico. Para estar completo, un buen pronstico
contiene tanto una estimacin bsica como una estimacin de su error.

Los pronsticos no son sustituto de la demanda calculada.
Si se cuenta con informacin de la demanda real para un periodo dado, no
realizar nunca clculos con base en el pronstico para ese mismo marco
temporal.


2.1 Caractersticas de la demanda.


DEMANDA?

La demanda tiene que ver con lo que los consumidores desean adquirir.
Demandar significa estar dispuesto a comprar, mientras que comprar es
efectuar realmente la adquisicin.

Las cantidades de un bien que los consumidores desean y pueden comprar, se
denomina demanda.


CURVA DE LA DEMANDA.
Es la relacin concreta entre el precio de un bien y la cantidad demandada
del mismo.
Ejemplo.


Precio (1) Cantidad (2)
A 1.00 (pesos) 1,000 (Producto)
B 0.80 2,000
C 0.60 3,000
D 0.40 4,000
E 0.20 5,000
1.20

1.00

0.80

0.40

0.20

0
1000 2000 3000 4000 5000 6000
Cantidad
P
r
e
c
i
o

$

Segn la ley de la demanda a medida que aumenta
el precio de un bien, la cantidad demandada del
mismo disminuir.
QUE ES LA OFERTA?
En economa la palabra oferta significa una lista de precios posibles y de
cantidades que podran venderse a cada precio. En esencia, existe una
simetra con el significado de la demanda.


1.20

1.00

0.80

0.40

0.20

0
1000 2000 3000 4000 5000 6000
Cantidad
P
r
e
c
i
o

$

Si se va a vender ms, se aumentan los costos
de produccin, de mano de obra, etc por lo
tanto la empresa aumentara el costo del
artculo.
El propsito del manejo de la demanda es coordinar y controlar todas las
fuentes de la demanda, con el fin de poder usar con eficiencia el sistema
productivo y entregar el producto a tiempo.

De dnde proviene la demanda del producto o servicio de una empresa?

Existen dos fuentes bsicas de la demanda:
1. Demanda dependiente.
2. Demanda independiente.


1. Demanda dependiente.
La demanda dependiente es la demanda de un producto o servicio
provocada por la demanda de otros productos o servicios. Por ejemplo, si una
empresa vende 1 000 triciclos, entonces se van a necesitar 1 000 ruedas
delanteras y 2 000 traseras. Este tipo de demanda interna no necesita un
pronstico, sino slo una tabulacin.


2. Demanda independiente.
La cantidad de triciclos que la empresa podra vender es la demanda
independiente, porque no se deriva directamente de la demanda de otros
productos.


CAMBIOS EN LA DEMANDA.
Un cambio en la demanda ocurre cuando los consumidores o compradores
estn dispuestos a pagar un precio mas alto que antes, para cualquier
cantidad de artculos.


1.20

1.00

0.80

0.40

0.20

0
1000 2000 3000 4000 5000 6000
Cantidad
P
r
e
c
i
o

$

D1
D2
Cambio de demanda
C
B
A

2.2 Mtodos cualitativos para los pronsticos.


CARACTERSTICAS DE LOS MTODOS CUALITATIVOS PARA LOS PRONSTICOS.
A continuacin se listan algunas de las caractersticas clave de los datos que
provienen de pronsticos cualitativos:

Por lo general el pronstico se basa en un juicio personal o en alguna
informacin cualitativa externa.
El pronstico tiende a ser subjetivo; toda vez que suele desarrollarse a
partir de la experiencia de las personas involucradas, con frecuencia
estar sesgado con base en la posicin potencialmente optimista o
pesimista de dichas personas.


Caractersticas de los mtodos cualitativos para los pronsticos.

Una ventaja de este mtodo radica en que casi siempre permite obtener
algunos resultados con bastante rapidez.
En ciertos casos, la proyeccin cualitativa es especialmente importante, ya
que puede constituir el nico mtodo disponible.
Estos mtodos suelen utilizarse para productos individuales o familias de
productos.


PRONSTICOS CUALITATIVOS
Los pronsticos cualitativos son aquellos que se generan a partir de
informacin que no tiene una estructura analtica bien definida. Este tipo de
pronsticos resulta especialmente til cuando no se tiene disponibilidad de
informacin histrica, como en el caso de un producto nuevo que no cuenta con
una historia de ventas. Algunos tipos de pronsticos cualitativos se muestran a
continuacin:
a) Investigacin de mercados
b) Grupos de consenso
c) Mtodo Delphi
d) Analoga histrica


a) Investigacin de mercados
La investigacin de mercados se utiliza sobre todo para la investigacin de
productos con el objetivo de buscar nuevas ideas, conocer los gustos y
disgustos relacionados con los productos existentes, los productos competitivos
preferidos en una clase en particular, etc. Una vez ms, los mtodos de
recopilacin de datos son sobre todo encuestas y entrevistas.


b) Grupos de consenso
En un grupo de consenso, la idea de que dos cabezas piensan ms que una se
extrapola con la idea de que un grupo de personas que ocupan diversas
posiciones pueden desarrollar un pronstico ms confiable que un grupo ms
reducido. Los pronsticos en grupo se realizan por medio de reuniones
abiertas con un intercambio libre de ideas de todos los niveles gerenciales e
individuales.


El problema con este estilo abierto es que los
empleados de niveles inferiores se sienten
intimidados por los niveles ms altos de la
gerencia.
c) Mtodo Delphos
El mtodo de Delfos oculta la identidad de los individuos que participan en el
estudio. Todos tienen el mismo peso. En cuanto al procedimiento, un moderador
crea un cuestionario y lo distribuye entre los participantes. Sus respuestas se
suman y se entregan a todo el grupo con un nuevo grupo de preguntas.
Rand Corporation desarroll el mtodo de Delfos en la dcada de 1950. El
procedimiento paso a paso es:
1. Elegir los expertos a participar.
2. Por medio de un cuestionario obtener las proyecciones de todos los
participantes.
3. Resumir los resultados y redistribuirlos entre los participantes con las
preguntas nuevas apropiadas.


Mtodo Delphos
4. Volver a resumir, refinar las proyecciones y condiciones, y una vez ms
plantear preguntas nuevas.
5. Repetir el paso 4, si es necesario. Distribuir los resultados finales entre
todos los participantes.

La tcnica de Delfos logra resultados satisfactorios en tres rondas.


d) Analoga histrica
Al tratar de pronosticar la demanda de un nuevo producto, una situacin ideal
sera que un producto existente o genrico se pueda utilizar como modelo.
Existen muchas formas de clasificar estas analogas; por ejemplo, productos
complementarios, productos sustituibles o competitivos, y productos como una
funcin del ingreso.


2.3 Mtodos cuantitativos para los pronsticos.


ANLISIS DE SERIES DE TIEMPO.
Los modelos de pronsticos de series de tiempo tratan de predecir el futuro
con base en la informacin pasada. Por ejemplo, las cifras de ventas
recopiladas durante las ltimas seis semanas se pueden usar para pronosticar
las ventas durante la sptima semana. Las cifras de ventas trimestrales
recopiladas durante los ltimos aos se pueden utilizar para pronosticar los
trimestres futuros.


Serie de tiempo.
Una Serie de tiempo tiene cuatro componentes: tendencia, estacionalidad, ciclos y
variacin aleatoria.
1. La tendencia es el movimiento gradual, ascendente o descendente, de los datos
en el tiempo. Las fluctuaciones en el ingreso, la poblacin, la distribucin por
edad o los puntos de vista culturales, a veces son responsables del cambio en
una tendencia.


Componentes de las series de tiempo

2. La estacionalidad es un patrn de datos que se repite despus de un
periodo de das, semanal, meses o trimestres. Existen seis patrones
comunes de estacionalidad.


Semana Da 7
Mes Semana 4- 4 (1/2)
Mes Da 28 31
Ao Trimestre 4
Ao Mes 12
Ao Semana 52
Componentes de las series de tiempo.
3. Los ciclos son patrones en los datos que se
repiten despus de varios aos. Usualmente
estn sujetos al ciclo comercial y son de suma
importancia para el anlisis y la planeacin del
negocio a corto plazo. La prediccin de los
ciclos comerciales es difcil porque los
acontecimientos polticos o la agitacin
internacional llegan a afectarlos.

4. Las variaciones aleatorias son seales en los
datos generadas por casualidad o por
situaciones inusuales. No siguen ningn patrn
detectable y, por lo tanto, no se pueden
predecir.


MTODO DEL PROMEDIO SIMPLE.
Un promedio simple (PS) es un promedio de los datos del pasado en el cual
las demandas de todos los periodos anteriores tienen el mismo peso relativo.
Se calcula de la manera siguiente.

=

=

1
+
2
+ +
=
1

1
+
1

2
+
1

* Un promedio simple es til si podemos suponer que la demanda del mercado permanece
relativamente estable en el tiempo.


Ejemplo 1. Promedio simple.
En Welds Supplies la demanda total para un nuevo electrodo ha sido de 50,
60 y 40 docenas en cada uno de los ltimos trimestres. La demanda promedio
ha sido:
Solucin:
=

1
+
2
+ +
=
=
50 + 60 + 40
3
=
=

Conclusin: Un pronstico para todos los periodos futuros se puede apoyar en
este promedio simple y podra ser de 50 docenas de electrodos por trimestre.


MTODO DE LA MEDIA MVIL SIMPLE.
Una media movil simple (MMS) combina los datos de demanda de la mayor
parte de los periodos recientes, siendo su promedio el pronstico para el
periodo siguiente. Una vez que ha calculado el nmero de periodos anteriores
a ser empleado en las operaciones, se debe de mantener constante.

=

=

=

=
1
1
+
1
2
+
1

Donde:
t = 1 es el periodo ms antiguo en el promedio de n periodos.
t = n es el periodo ms reciente.


Ejemplo 2. Media mvil simple.
Frigerware ha experimentado la siguiente demanda de productos para sus
neveras durante los ltimos seis meses:

El gerente de la planta ha solicitado que se prepare un pronostico usando una
media mvil de seis periodos para pronosticar las ventas del mes de Julio. El 2 de
julio est por dar principio la corrida de produccin de neveras el 6 de julio.


MES DEMANDA TOTAL DE NEVERAS
Enero 200
Febrero 300
Marzo 200
Abril 400
Mayo 500
Junio 600
Solucin Ej 2.
=

6
1
=
200 + 300 + 200 + 400 + 500 + 600
6

=

Usando una media mvil de 6 meses el pronostico para julio es de 367.
Si se analizan los datos podra ser mas efectivo el pronostico si se hace con
una media de 3 meses.

=

3
1
=
400 + 500 + 600
3

=
Conclusin: Por ahora basta recomendar usar una media mvil de tres meses de
500 neveras para julio, pues tal nmero parece ser ms representativo de la serie
de tiempo que una mvil de 6 meses.


ANLISIS DE SELECCIN PARA LA BASE DEL PROMEDIO MVIL, N.
No hay una regla exacta para seleccionar la base del promedio mvil, n. Si
las variaciones en la variable permanecen razonablemente constantes en el
tiempo, se recomienda una n grande. De otra forma, se aconseja un valor de n
pequeo si la variable muestra patrones cambiantes. En la prctica, el valor
de n flucta entre 2 y 10.


Obtener el pronstico para los
periodos 4, 5, 6 n. Tomando
una media mvil = 3.

Primero tomamos la demanda real
de los tres periodos previos
(media mvil = 3) y sucesivamente
se realizan los siguientes clculos.

Construir un grfico de tendencias
y realizar conclusiones.


Periodo Demanda Pronostico de promedio mvil de
tres periodos
1 24
2 26
3 22
4 25 (24 + 26+ 22)/ 3 = 24.0
5 19 24.3
6 31
7 26
8 18
9 29
10 24
11 30
12 23
13
Solucin:
Ej 3.


24
24.3
22
25
25.3
25
24.3 23.7
27.7
25.7
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Media mvil de tres periodos
Demanda real
Promedio mvil
Ej 3. Aspectos importantes en la MMS
Primero: Es evidente que la lnea de
pronstico es ms suave que la lnea de
demanda, esto demuestra el impacto de
tomar un promedio. Mientras ms periodos
se utilicen para calcular el promedio mvil,
el resultado ser ms suave.

Segundo: El pronstico siempre quedar
rezagado en relacin con toda demanda
real. Esto no resulta tan obvio en la grfica,
pero suponga que utilizamos el mismo
mtodo para graficar un patrn de
demanda con una tendencia ascendente.


0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Promedio mvil de tres periodos
Demanda real
Promedio mvil


Periodo Demanda Pronostico de promedio mvil de
dos periodos
1 10
2 18
3 29 14
4 15
5 30
6
Realizar el pronstico de los
periodos del 3 hasta el 6,
tomando una media mvil = 2.

a) Realizar conclusiones.
MTODO MEDIA MVIL PONDERADO.
Con los promedios mviles ponderados el peso asignado a cada punto de
demanda pasada que se utilice en el clculo puede variar. De esta forma es
posible asignar mayor influencia a ciertos puntos de informacin, por lo general
al punto de demanda ms reciente. La ecuacin bsica para calcular promedios
mviles ponderados es la siguiente

= ,

=
=1


Mtodo media mvil ponderado.
Este mtodo permite un peso desigual de la demanda. Si son tres n periodos,
por ejemplo, es posible dar un peso al periodo ms reciente del doble del de los
otros periodos, al hacer:

(
1
= 0.25), (
2
= 0.25), (
3
= 0.50)

*Con los promedios mviles ponderados el peso asignado a cada punto de demanda
pasada que se utilice en el clculo puede variar. De esta forma es posible asignar mayor
influencia a ciertos puntos de informacin.


Ejemplo 5. Media mvil ponderado.
La empresa Frigerware, desea obtener un pronstico de la demanda para
julio usando un modelo de 3 periodos, se recomienda que la demanda del
periodo ms reciente tenga un peso del doble de los dos periodos
anteriores.
Solucin:
=
=1
= 0.25 400 +0.25 500 +0.50 600

=

Conclusin:


MES DEMANDA TOTAL DE
NEVERAS
Enero 200
Febrero 300
Marzo 200
Abril 400
Mayo 500
Junio 600
Julio
Ejemplo 6. Media mvil
ponderado.
Calcular el pronstico para los
periodos 4, 5, 6 n. Utilizar la
siguiente ponderacin para el
ultimo periodo = 0.5, penltimo =
0.3 y antepenltimo = 0.2.

Tomar la demanda real de los tres
periodos previos para los clculos.
Construir un grfico de tendencias
y llegar a conclusiones.


Periodo Demanda Pronostico de promedio mvil
ponderado
1 24
2 26
3 22
4 25 24(.2) + 26(0.3) + 22(0.5) = 23.6
5 19 26(.2) + 22(0.3) + 25(0.5) = 24.3
6 31
7 26
8 18
9 29
10 24
11 30
12 23
13


Ej 6.
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13
Promedio mvil ponderado
Demanda real
Prom movil ponderado
SUAVIZACIN EXPONENCIAL.
El suavizado exponencial se distingue por la manera tan especial de dar
pesos a cada una de las demandas anteriores al calcular el promedio. El
modelo de los pesos es de forma exponencial. La demanda de los periodos
ms recientes recibe un peso mayor; los pesos de los periodos sucesivamente
anteriores decaen de una manera exponencial.


Razones de la 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 limitado de datos histricos.
6. Es fcil calcular las pruebas de precisin relacionadas con el
desempeo del modelo.


Calculo de la suavizacin exponencial.
Defina la constante de suavizacin (0< < 1) y suponga que los puntos de
la serie de tiempo para los periodos pasados t son D1, D2, ... , Dt Entonces, el
estimado para el tiempo t + 1 (D*t+1) se calcula como:

D
t+1
= D
t
+ 1 D
t+1

Elegir la constante de suavizacin en vital en la estimacin del pronstico. Se
interpreta que un valor grande de implica que las observaciones recientes
llevan pesos mayores. Esta constante de suavizacin determina el nivel de
uniformidad y la velocidad de reaccin a las diferencias entre los
pronsticos y las ocurrencias reales


Calculo de la suavizacin exponencial.
En el mtodo de suavizacin exponencial, necesitan tres piezas de datos
para pronosticar el futuro:

1. El pronstico ms reciente.
2. La demanda real que ocurri durante el periodo de pronstico.
3. La constante de uniformidad alfa ().


Ejemplo 7, suavizacin exponencial.
El hospital general de Phoenix ha experimentado una demanda irregular y a menudo
creciente de material mdico desechable en todo el hospital. La demanda de tubos
desechables en pediatra durante los dos ltimos meses ha sido de 300 unidades en
septiembre y de 350 unidades en octubre. El antiguo procedimiento del pronstico
consisti en utilizar la demanda promedio del ao anterior como pronstico para
cada uno de los meses en ese ao. La demanda mensual del ao anterior fue de 200
unidades. Utilizando 200 unidades como el pronstico de la demanda de septiembre
y un coeficiente de suavizacin de 0.7 para dar un mayor peso a la demanda ms
reciente, el pronstico para el mes de octubre debera haber sido (t = octubre).


Solucin Ej 7.
D
t+1
= D
t
+ 1 D
t+1

Pronstico para el mes de octubre.
D
t+1
= 0.7(300) + 1 0.7 200
= 0.7 300 + 0.3 200
= 210 + 60 =

El pronstico para el mes de noviembre sera (t = noviembre)
D
t+1
= 0.7(350) + 1 0.7 270
=
Conclusin:


Ejemplo 8, suavizacin
exponencial.
Determine la demanda mediante el
mtodo de suavizacin exponencial
del periodo 4 al 13, utilice un =0.3.

a) Realizar una grfica de tendencia
para observar el comportamiento del
pronstico.


Periodo Demanda
Pronostico de promedio mvil
ponderado
1 24
2 26
3 22 20
4 25 0.3(22) + 0.7(20) = 20.6
5 27 0.3(25) + 0.7(20.6) = 21.92
6 29 0.3(27) + 0.7(21.92) = 23.44
7 26 0.3(29) + 0.7(23.44) = 25.11
8 23 0.3(26) + 0.7(25.11) = 25.38
9 29 0.3(23) + 0.7(25.38) = 24.66
10 24 0.3(29) + 0.7(24.66) = 25.97
11 30 0.3(24) + 0.7(25.97) = 25.38
12 31 0.3(30) + 0.7(25.38) = 26.76
13 0.3(31) + 0.7(26.76) = 28.03


0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13
Suavizacin Exponencial
Demanda
suavizacin exponencial
MODELOS CAUSALES.
Los mtodos causales se emplean cuando se dispone de datos histricos y se
puede identificar la relacin entre el factor que se intenta pronosticar y otros
factores externos o internos (por ejemplo, las acciones del gobierno o las
promociones publicitarias).

Estas relaciones se expresan en trminos matemticos y suelen ser muy
complejas.


ANLISIS DE REGRESIN LINEAL.
Puede definirse a la regresin como una relacin funcional entre dos o
ms variables correlacionadas. Se utiliza para pronosticar una variable
base de otra. En la regresin lineal una variable conocida como variable
dependiente, est relacionada con una o ms variables independientes por
medio de una ecuacin lineal.

Por ejemplo: La variable dependiente (como la demanda de manijas), se
supone que las variables independientes (como el gasto de publicidad o el
inicio de la construccin de nuevas viviendas) influyen en la variable
dependiente y, por ende, son la causa de los resultados observados en el
pasado.


Lnea de regresin lineal, relacionada con datos reales.


MODELO DE REGRESIN LINEAL POR MNIMOS CUADRADOS.
El mtodo de mnimos cuadrados trata de ajustar la recta a los datos que
minimizan la suma de los cuadrados de la distancia vertical entre cada punto de
datos y el punto correspondiente en la recta.


Busca minimizar la suma del
cuadrado de las diferencias
entre los datos pronosticados y
los reales.

1
2
=1
+
2
2
+
3
2
+
2

Yi = Pronstico
yi = Demanda real
Lnea de regresin lineal, relacionada con datos reales.


Regresin lineal por mnimos cuadrados.

La ecuacin de los mnimos cuadrados para
la regresin lineal es:

= +

Donde
Y = Variable dependiente calculada mediante la ecuacin
a = Coeficiente que representa la interseccin con el eje de las
abscisas.
b = Coeficiente que representa la interseccin con la pendiente
de la curva.
x = Periodo


Regresin lineal por mnimos cuadrados.
En el mtodo de mnimos cuadrado, las ecuaciones para encontrar a y b son:

=

=

2
()
2


Ejemplo 9. Regresin lineal por mnimos cuadrados.
La planta Warwick Manufacturing Group obtuvo las siguientes ventas
durante los periodos del ao 2005 al ao 2009. El gerente general desea
pronosticar las ventas que la planta tendr para los aos 2010 2012
utilizando regresin lineal por mnimos cuadrados. La siguiente tabla muestra
los datos de inters.


Aos X (Periodo) Y (Ventas)
2005 1 238
2006 2 239
2007 3 123
2008 4 345
2009 5 367
2010 6 ?
2011 7 ?
2012 8 ?
Ecuacin de regresin.
= +


Aos X (Periodo) Y (Ventas) XY
2

2005 1 238 238 1
2006 2 239 478 4
2007 3 123 369 9
2008 4 345 1380 16
2009 5 367 1835 25
TOTAL = 15 1312 4300 55
Solucin Ej. 9

=

2
()
2
=
5(4300) (15)(1312)
5(55) (15)
2
= .

=

=
1312 36.4(15)
5
= .

= . + .


Solucin Ej. 9

= 153.2 + 36.4
= 153.2 + 36.4 6 = 371.60
= 153.2 + 36.4 7 = 408.00
= 153.2 + 36.4 8 = 444.40


Aos X (Periodo) Y (Ventas)
2005 1 238
2006 2 239
2007 3 123
2008 4 345
2009 5 367
2010 6 ?
2011 7 ?
2012 8 ?
Una empresa que fabrica cajas de cartn hace cajas para pizzas. El departamento
de planeacin de operaciones sabe que un pronstico adecuado y preciso de cajas
para pizza de un cliente est en relacin estrecha con los gastos de promocin de
este, el cual se puede obtener por adelantado antes de realizar el gasto. El
departamento de planeacin de operaciones est interesado en establecer la
relacin entre la promocin de la empresa de pizzas y las ventas. Calcular el monto
de la publicidad para el el trimestre 11.


Ejemplo 10. Regresin lineal mnimos cuadrados.


Trimestre Publicidad [X]
($100,000)
Ventas $ [Y]
(millones)
1 4 1
2 10 4
3 15 5
4 12 4
5 8 3
6 16 4
7 5 2
8 7 1
9 9 4
10 10 2
Gastos de promocin =
Publicidad.

Relacin estrecha entre la
promocin y las ventas.

Solucin Ej 10. Realizar calculo de b y a


Trimestre Publicidad (X)
($100,000)
Ventas $ (Y)
(millones)
XY

1 4 1 4 16
2 10 4 40 100
3 15 5 75 225
4 12 4 48 144
5 8 3 24 64
6 16 4 64 256
7 5 2 10 25
8 7 1 7 49
9 9 4 36 81
10 10 2 20 100
TOTAL=
Solucin Ej 10. Realizar calculo de b y a

=

2
()
2
=
10(328) (96)(30)
10(1060) (96)
2
=

=

=
30 (96)
10
=

Conclusin:
= +


CLCULO DEL ERROR EN EL PRONSTICO.
El mtodo para calcular el error del pronstico se basa en el clculo de las
desviaciones de los valores reales de los pronsticos. Estas desviaciones pueden ser
positivas y negativas, pero es necesario que busquen aproximarse a cero para
pensar que el pronstico es correcto. La siguiente ecuacin define la desviacin media
absoluta.

=
||
=1
=

La MAD es un promedio de las desviaciones absolutas (error promedio en los pronsticos) mide la
dispersin de un valor observado en relacin con un valor esperado.


CLCULO DEL ERROR EN EL PRONSTICO (SEAL DE PATRN).
La seal de patrn (o de rastreo) es una medida que indica si un mtodo de
pronstico est previendo con precisin los cambios de la demanda (Calcula si el
pronstico va de acuerdo con los valores reales). La seal de rastreo mide el nmero
de las MAD representadas por la suma acumulada de errores de pronstico, es decir,
el Error.

=
=

Los limites de control para la seal de patrn debern encontrarse entre 6. Cuando la
seal de patrn pase de este valor, debe detenerse el mtodo de pronstico y volver a
observar la demanda e igualarla de manera ms exacta.


Ejemplo 11. Error en el pronstico.
Suponiendo que se realiz un
pronstico (regresin lineal por
mnimos cuadrados) y el resultado
de los valores de la ecuacin de la
regresin son los siguientes:

=

2
()
2
= .

=

= .


X (Periodo) Y (Ventas) XY

2

1 77 77 1
2 87 174 4
3 86 258 9
4 98 392 16
5 90 450 25
6 79 474 36
=21 517 1825 91
Se obtiene:

= +
= 83.07 +0.886 =
= 83.07 +0.886 1 = 83.95 = 84
= 83.07 +0.886 2 = 84.84 = 85


(Periodo)
X
(Ventas)
Y
Pronstico

Error
(

)
|Error|
|

|
1 77 84 -7 7
2 87 85 2 2
3 86 86 0 0
4 98 87 11 11
5 90 87 3 3
6 79 88 -9 9
=

0 22

=
||
=1
=
22
6
= 3.67

=
=
0
3.67
= 0

Conclusiones: Si la tendencia en las desviaciones se aproxima a cero, el
pronstico es correcto. En este ejemplo la seal de patrn no rebaso +6
(limite de control), por lo tanto no es necesario realizar el anlisis a nuestro
mtodo de pronstico.


Unidad 2. Pronosticos

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Unidad 2. Pronosticos

Hochgeladen von

Copyright:

Verfügbare Formate

UNIDAD 2.

Das könnte Ihnen auch gefallen