MODELOS DE PRONSTICOS

TILES PARA LAS OPERACIONES

Los cambios futuros, no solo de la demanda sino tambin de la oferta y de

los precios, pueden ser conocidos con cierta exactitud si se usan las tcnicas
estadsticas adecuadas para el anlisis del valor presente. Esencialmente
todos los enfoques estadsticos para desarrollar pronsticos de la demanda
proyectan la informacin histrica pasada dentro del futuro.
La validez del pronstico depende de hasta que punto el pasado es
representativo del futuro.

Existen tres patrones bsicos de tendencia de fenmeno en el tiempo:

1) La Tendencia Secular : el fenmeno tiene poca variacin en largos periodos y

puede representarse grficamente por medio de una lnea recta o por una curva
suave;
Es la ms comn de los fenmenos del tipo que se estudia como oferta y demanda.
Para estimar el calculo de la tendencia de este tipo se puede usar el mtodo grfico,
y el mtodo de mnimos cuadrados.

El mtodo grfico solo puede ayudar a dar una visualizacin de lo que sucede.
Y :Demanda

X: Tiempo

S la variable independiente x es el tiempo, los datos muestran los valores

de y = f(x) en diferentes tiempos; los datos ordenados en relacin al tiempo
se conocen como Series de Tiempo.

Series de Tiempo
Regresin Lineal Simple.
El mtodo de mnimos cuadrados es usado para hacer la estimacin matemtica de una
correlacin entre dos variables, o ms, establecindose para ello un anlisis de regresin previo.
Se basa en calcular la ecuacin de una lnea recta para una serie de puntos dispersos sobre una
grfica, curva que se considera el mejor ajuste, entendindose por tal, cuando la suma algebraica
de las desviaciones de los valores individuales respecto a la media es cero y cuando la suma del
cuadrado de las desviaciones de los puntos individuales respecto a la media es mnima.
EC. DE LA RECTA :

Y a bx

Donde:

n xi

y x y
n x x i
i

; para calcular

b xi
n

Posteriormente probar cuan bien se ajusta Y a los datos primarios calculando el Coeficiente de
Correlacin :

n xi

n

xi
2

y x y
i

x i n y
2

2
i

y i
2

tal que: -1 r 1

Series de Tiempo

Regresin Lineal Mltiple.

A veces trabajar con dos variables es muy til al hacer un estudio de mercado. El
tiempo como variable independiente no influye por si mismo en el comportamiento
de una variable como la oferta o la demanda ,esto quiere decir que existe la
necesidad de considerar otra u otras variables, adems de las dos mencionadas,
que verdaderamente influyan en forma directa en el comportamiento de la variable.
El hecho de emplear tres variables en el anlisis implica que slo una de ellas ser
dependiente (demanda u oferta ) y las otras dos sern independientes; esto implica
tambin conocer cual ser el comportamiento de las variables independientes en el
futuro(ejemplo: Ingreso nacional bruto, Precio al consumidor; etc...); no obstante es
de recalcar que un anlisis con tres variables es ms completo.

El anlisis estadstico se deriva a calcular la inclinacin de un plano, y la ecuacin que la rige es :

x
i

zi

donde : " " es la inclinacin del plano cuando hay un movimiento en direccin paralela al plano (x,
y) manteniendo z constante." " es el efecto marginal del tiempo sobre la demanda.
" a " es la inclinacin del plano (z, y) manteniendo a x constante.
" " es el efecto marginal de la "segunda variable" sobre la demanda.

a Y

xi

xi x

zi

zi z

y las ecuaciones simultaneas que se plantean para la solucin son:

a Y

y x x

y z
i

xi zi

xi zi zi

resolviendo este par de ecuaciones simultaneas se obtienen los

valores de

; el valor de a sigue siendo igual a Y .

Tal que la Correlacin es equivalente a la estimada para dos variables:

r yz ,x r yx
2

tal que:

r yx, z

yx

r yz r xz

1 r xz 1 r yx
2

Series de Tiempo

Promedios Mviles
Promedio Simple
Es cuando la importancia de los datos del presente los ms actualizados son
iguales a los datos ms antiguos; se calculan con la siguiente frmula:

Series de Tiempo

Promedios Moviles
Promedio Mvil Simple
S utiliza para determinar el valor que tendr la variable de inters, en el
siguiente periodo exclusivamente; se utiliza usando los valores ms recientes
de la variable. Cuntos datos a utilizar? El analista debe tomar 2 ms datos
para crear dicha movilidad. (tal que 2 n 10 ).

Series de Tiempo

Promedios Mviles
Promedio Mvil Doble:
sta es otra tcnica cuantitativa que sirve para calcular el pronstico de la demanda o de las ventas para ms
de un periodo futuro, para su aplicacin y clculos es recomendable seguir el procedimiento que se indica.
Procedimiento:

Se calcula el PMS, considerndose el conjunto de datos y los valores asignados para n

Se determina el mejor pronstico con antecedente en el menor error al cuadrado < (D-P)2 . Donde D es la
demanda observada y P es el pronostico calculado; correspondientes a el periodo ti.
Se calcula el promedio mvil doble (PMD).
Se calculan los valores correspondientes a:
a = 2(PMS) PMD; y b = n/n-1 (PMS PMD)
Se calcula el pronstico para el periodo deseado, mediante la siguiente expresin: y = a + b(x)

Donde:
y = pronstico deseado o buscado;
x = el periodo en el que se desea el pronstico (contando a partir del periodo en que se desea pronostica r en
adelante)

Series de Tiempo

Promedios Mviles
2) Efecto Estacional( Variacin Estacional)
Son fluctuaciones que se repiten peridicamente y que regularmente dependen de factores como
los hbitos o tradiciones de la gente o por condiciones climatolgicas.

Una serie cronolgica con fuerte efecto estacional hace recomendable el uso de un promedio
mvil de un numero determinado de periodos; Este estima la demanda del siguiente periodo,
como el promedio de la demanda real de los ltimos m periodos (tal que 2 < n < 10 ).

El promedio mvil se obtiene de :

donde : Ti = es el valor de la variable en cada periodo i

n = es el numero de periodos observados.

Con el efecto de aislar el efecto estacional correspondiente a un trimestre, ejemplo: T3 , se divide la

demanda real de ese periodo por el correspondiente, as el ndice estacional especifico del tercer
trimestre es:

IE3

T3
= _____ = 1.05
Pmc1

De donde la suma de los 4 trimestres debe ser igual a 4; Una vez calculados los IE de los 4 trimestres, se
procede a ajustar la demanda trimestral promedio proyectada, ejemplo:
Invierno
Primavera
Verano
Otoo
TOTAL:

IE1= 0,90
IE2= 1,25
IE3= 1,05
IE4= 0,75
3.95 4

S la proyeccin de la tendencia para el ao siguiente fuese de 6.237,se procede a calcular el promedio

trimestral dividiendo la proyeccin anual por cuatro:
que es la demanda trimestral 4 desestacionalizada
Ahora empleando los ndices de los valores estacinales:
(1.559,25) * ( 0,9)
(1.559,25) * (1,25)
(1.559,25) * (1,05)
(1.559,25) * (0,75)

=
=
=
=

1,403.33 Invierno
1,949.06 Primavera
1,637.21 Verano
1,169.44 Otoo
________________
6,159.04 6,237 (Total anual)

Series de Tiempo

Suavizacin Exponencial Simple( Ajuste Exponencial)

Es una tcnica estadstica de promedios mviles, en la que no se usa una coleccin excesiva de registros
en la demanda de las ventas, acortando con ello el tiempo requerido para analizar pronsticos.

El nombre se debe a que cada incremento del pasado se reduce en (1 - ) .

Para realizar el pronstico slo se necesitan tres datos: el pronstico ms reciente, la demanda que se
present
para ese perodo y una constante de suavizamiento .
tiene un valor entre 0 y 1.
Esta constante determina el nivel de suavizamiento y la velocidad de reaccin ante las diferencias entre
pronsticos y hechos.
Si la demanda real es estable, un pequeo reduce los efectos de cambios a corto plazo.
Si la demanda real aumenta o decrece con rapidez un de gran magnitud puede seguir el ritmo de los
cambios.
La principal desventaja de este mtodo es que no se puede pronosticar el valor de .

Nota:

Normalmente las observaciones ms recientes deberan tener mayor ponderacin que las
observaciones ms lejanas. La suavizacin Ajuste Exponencial esta diseado para aminorar
este problema.

Series de Tiempo

Suavizacin Exponencial Simple ( Ajuste Exponencial)

La formula de ajuste exponencial para calcular el pronstico de un periodo siguiente es:

i 1

Donde:

P
P
V

i 1

Pi V i Pi
= Pronstico del prximo periodo
= Pronstico del presente periodo
= Ventas del presente periodo

= Constante de Alisamiento exponencial*

(*): Donde 0,0 1,0

Series de Tiempo

Suavizacin Exponencial Simple( Ajuste Exponencial)

Ejemplo: Calcular el pronstico de ventas para el mes prximo, sabiendo que las ventas del presente
mes fueron de 150 unidades. S el pronostico para el presente mes fue de 142 unidades y la constante
exponencial elegida () es de 0,4, entonces el pronostico para el prximo mes(o periodo) ser:
MES

VENTAS

V
1
2
3

i 1

142
150
?

VENTAS ESTIMADAS

142
145,2

= 142,0 + 0,4 (150 142) = 142,0 + 3,2 = 145,2 unidades

Nota: se determina simulando varias series de pronsticos, tomando como base un gran
nmero de perodos de ventas pasados . En la practica se escogen valores de 0,1 y 0,3 .

Suavizacin Exponencial Doble

sta es otra tcnica cuantitativa que sirve para calcular el pronstico de la demanda o de las ventas para ms
de un periodo futuro, para su aplicacin y clculos es recomendable seguir el procedimiento que se indica.
Procedimiento:

Se calcula el SES, considerndose el conjunto de datos y los valores asignados para n

Se determina el mejor pronstico con antecedente en el menor error al cuadrado < (D-P)2 . Donde D es la
demanda observada y P es el pronostico calculado; correspondientes a el periodo ti.
Se calcula la Suavizacin Exponencial Doble(SED).
Se calculan los valores correspondientes a:
a = 2(SES) SED; y b = n/n-1 (SES SED)
Se calcula el pronstico para el periodo deseado, mediante la siguiente expresin: y = a + b(x)

Donde:
y = pronstico deseado o buscado;
x = el periodo en el que se desea el pronstico (contando a partir del periodo en que se desea pronostica r en
adelante)

Series de Tiempo

3) Efecto Cclico
Las Fluctuaciones Cclicas que surgen principalmente por razones de tipo econmico, o por
movimientos irregulares que surgen por cualquier causa aleatoria que afecta el fenmeno,
como el comportamiento combinado de fuerzas econmicas sociales, polticas, tecnolgicas,
culturales y otras existentes en el mercado.
La mayora de estos ciclos no tienen patrones constantes que permitan prever una
ocurrencia, magnitud o duracin.

SELECCIN DEL MODELO DE PRNOSTICO

Monitoreo de Errores (Modelos Cuantitativos):

Error de pronstico: Se define como el valor absoluto de la diferencia entre el valor de lo
que en realidad ocurri (xt) y el valor del pronstico(pt), para ese periodo(t).

et xt pt
Exactitud del Pronstico: Se evala buscando el valor medio del error absoluto dado por:
Valor medio:

1 n
e t ei
n i 1

; O por la Desviacin Estndar:

1
e i e i
n i1
n

1/ 2

El criterio a seguir: Es seleccionar de la tcnica de pronstico utilizada, la que tenga el menor

error promedio o en su caso la menor desviacin estndar en su error de pronstico, al evaluar
cada una de las alternativas de las series de tiempo pronosticadas.

Reflexin sobre el uso de los Pronsticos.

Las Tcnicas Estadsticas aparentemente ofrecen respuestas numricas de
cierta precisin, pero generalmente no son capaces de encarar lo ignoto en
los nuevos acontecimientos tecnolgicos o los cambios de estructura del
mercado. Por lo general su eficacia queda limitada a pronsticos a corto plazo
de la demanda del mercado. Es decir un pronstico estratgico de la demanda
debe tener como base ms bien el anlisis funcional del mercado que el
anlisis tcnico.