Beruflich Dokumente
Kultur Dokumente
Conceptos
Generales
Pronosticar. Es el arte y la ciencia de predecir los eventos del futuro, es emitir un enunciado sobre lo que es
probable que ocurra en e l futuro, basndose en anlisis y en consideraciones de juicio.
Ciencia. Mtodos con bases estadsticas.
Arte. Juicio e intuicin sobre el marco metodolgico que se va a emplear. Implica, conocer el ambiente, la
seleccin de la mejor tcnica, el nmero de datos histricos que debe incluirse, etc.
Hacer un pronstico es obtener conocimiento sobre eventos inciertos que son importantes en la toma de
decisiones presentes.
Las tcnicas de pronsticos disminuyen la incertidumbre sobre el futuro, permitiendo estructurar planes y
acciones congruentes con los objetivos de la organizacin y permiten tambin tomar acciones correctivas
apropiadas y a tiempo cuando ocurren situaciones fuera de lo pronosticado.
El pronstico es una estimacin anticipada del valor de una variable, por ejemplo: la demanda de un
producto.
El presupuesto es el Valor anticipado de la variable que una compaa est en posibilidad de concretizar, por
ejemplo: la cantidad de producto que la compaa decide fabricar en funcin de la demanda y de la capacidad
instalada.
El conocimiento de las tcnicas de pronsticos es de poco valor a menos que puedan aplicarse efectivamente
en el proceso de planeacin de la organizacin.
CARACTERSTICAS DE LA DEMANDA
Demanda: Cantidad de un bien de consumo que se desea comprar por un mercado.
Existen dos tipos de demanda: 1. Demanda dependiente: Es la demanda de un producto o servicio que se
deriva de la demanda de otros productos o servicios.
Demanda independiente: Esta demanda no se deriva directamente de la de otros productos.
Los pronsticos de la demanda pueden ser crecientes o decrecientes, y tener naturaleza lineal o no lineal.
Pgina
Mtodos Cualitativos
Estos mtodos reciben tambin el nombre de tecnolgicos, porque histricamente se usaron primero para
pronosticar cambios tecnolgicos.
La posicin central en estos mtodos no la tienen los datos pasados, sino la experiencia de las personas.
Frecuentemente se usa la experiencia y buen juicio de varios expertos. Estas tcnicas usan el criterio de la
persona y ciertas relacin para transformar informacin cualitativa en estimados cuantitativos.
Usos de estos mtodos. Las tcnicas cualitativas se usan cuando los datos son escasos, y son tiles para
Pronsticos a largo plazo, pronsticos de ventas y desarrollo de nuevos productos, inversiones de capital,
planeacin estratgica y pronsticos tecnolgicos.
Dentro de estos mtodos tenemos:
de
expertos
que
estn
dispuestos
contestar
necesita un
una
serie
de
Pgina
Consenso de un Panel . Supone que la organizacin o empresa tiene expertos que poseen conocimientos o
experiencia que les permite evaluar efectivamente los eventos inciertos del futuro. Se supone adems que
cada uno de los expertos reconoce la capacidad de los otros en su rea y suplementando el conocimiento de
cada uno se llega a un consenso acerca del pronstico apropiado de las ventas de la empresa. El problema
que en un momento puede existir al hacer uso de ste procedimiento de prediccin es que puede existir al
hacer uso de este procedimiento de prediccin es que puede existir un sesgo en los resultados, debido a las
jerarquas dentro del grupo causando que los expertos con menor rango se muestren renuentes en sus
crticas a sus superiores aunque sientan que sus opiniones sean de mas valor que las emitidas por sus
superiores.
Analoga Histrica . Se usa para productos nuevos, basndose en el anlisis comparativo de la introduccin y
crecimiento de productos similares.
El mtodo supone que pueden usarse la historia de las ventas de un producto introducido en el pasado para
evaluar el posible xito del producto actual. Una suposicin natural en este enfoque es que los ambientes del
mercado son similares para ambos productos.
Mtodos Cuantitativos
Los mtodos cuantitativos se basan en datos histricos. Esta informacin pasada se encuentra en forma
numrica. Las fuentes usuales son los registros de la propia empresa o informacin oficial de diverso origen:
gobierno, asociaciones de empresarios o profesionistas, organismos internacionales.
Se debe tener cuidado, sobre todo cuando la informacin proviene de la propia empresa (aunque en la
proveniente de otras fuentes tambin hay que cuidarse), que haya sido cuantificada de manera uniforme.
Para informacin sobre costos, por ejemplo, hay que asegurarse que los costos incluyan los mismos
conceptos en todos los aos que vamos a utilizar; de no ser as es preciso tratar previamente los datos.
Para aplicar los mtodos cuantitativos es preciso convencernos, razonablemente, de que se cumple la
llamada Hiptesis de Continuidad. Este supuesto es que los factores externos en los que se dieron los datos
histricos no cambiarn en el futuro para el que estamos pronosticando. Estos factores son, en forma
destacada:
Economa en general.
Competencia en el mercado (oferta).
Estado del mercado (demanda).
Estado tecnolgico del producto (``ciclo de vida del producto'').
Esta continuidad del ambiente nunca se da en forma perfecta, sino en forma gradual. Se requiere buen juicio
para suponer que las violaciones a la continuidad no van a afectar a los resultados de la aplicacin del
mtodo de pronstico.
Dentro de los mtodos cuantitativos tenemos los siguientes :
Anlisis de series de tiempo . Se llama serie de tiempo a cualquier sucesin de observaciones de un
fenmeno que es variable con respecto al tiempo.
Estos mtodos suponen que la variable pronosticada tiene informacin til para el desarrollo del pronstico
sobre su comportamiento anterior , considerando probable que lo que sucedi en el pasado contine
ocurriendo en el futuro.
Es comn representar a las series de tiempo por medio de una ecuacin matemtica que describa los valores
de la variable observada como una funcin del tiempo o equivalentemente como una curva en una grfica en
la que la coordenada vertical representa la variable Y y la coordenada horizontal representa el tiempo.
El anlisis consiste en encontrar el patrn del pasado y proyectarlo al futuro.
Pgina
Patrn horizontal o estacionario . Se presentan como un valor constante (recta horizo ntal) alrededor
del cual los datos oscilan de forma irregular. Es el patrn de datos mas simple, la mejor manera de pronosticar
en una situacin como sta es estimar la altura de la lnea horizontal y usar ese valor como pronstico.
Datos con tendencia. Se presentan como una lnea lisa (una recta o una curva suave) que sube o baja
monotonamente y los datos oscilan errticamente alrededor de ella. La manera de pronosticar que se ocurre
primero, en este caso, es la de calcular una ecuacin para la lnea y usar ese valor para pronstico.
Datos estacionales. Muchas series de datos presentan este tipo de comportamiento repetitivo. La componente
estacional refleja cambios hacia arriba y hacia abajo en puntos fijos en el tiempo.
El origen del nombre estacional son, precisamente las estaciones del ao. Mucha de la actividad humana y
muchos fenmenos naturales varan de acuerdo a las estaciones. Por extensin, en muchas actividades se
presenta una oscilacin semanal o mensual similar a la de las estaciones del ao. Por ejemplo, no es raro
observar que en algunos das de la semana se incrementa el ausentismo laboral. Tenemos otro ejemplo
en la cantidad de transacciones que se realizan en las oficinas bancarias, estas presentan dos ``picos''
mensuales, al principio/fi n y al medio. Cuando se estudia una serie con esta carcterstica, es deseable
incorporarla al pronstico. En general se considera que esta componente o patrn ocurre con un perodo de
un ao o menos.
Otro tipo de patrn, es el que se llama cclico . Este se refiere a curvaturas de largo perodo asociadas
con grandes ciclos econmicos. El pronstico en estas condiciones es mucho ms complicado ya que la forma
de estos ciclos no es simple y la teora econmica no se encuentra suficientemente desarrollada como para
permitir una cuantificacin confiable de ellos. Claro que si observamos tal patrn en los datos, es conveniente
incorporarlo al pronstico an cuando sea de una manera imperfecta.
La diferencia principal entre los efectos o patrones estacionales y c clicos es que los efectos
estacionales pueden predecirse, y ocurren a un intervalo de tiempo fijo de la ltima
ocurrencia, mientras que los efectos cclicos son componentes impredecibles.
Pgina
Xt = F
t+1
Donde :
Xt
1 t
= ----- S X i
n i=(t -n+1
)
ECM =
1
2
3
4
5
6
7
8
9
10
11
12
13
Nmero
De
Accidentes
X
200
135
195
198
310
175
155
130
220
277
235
240
Promedio
Mvil de
3 trminos
Xt
176.66
176.00
234.33
227.66
213.33
153.33
168.33
209.00
244.00
250.66
Pronstico
Ft+1
176.66
176.00
234.33
227.66
213.33
153.33
168.33
209.00
244.00
250.66
error
Promedio
Movil de
5 trminos
21.34
134.00
- 58.33
- 72.66
- 83.33
66.67
108.67
26.00
- 4.00
207.60
202.60
206.60
193.60
198.00
191.40
203.40
220.40
Pronstcio
Ft+1
207.60
202.60
206.60
193.60
198.00
191.40
203.40
220.40
error
- 32.60
- 47.60
- 76.60
26.40
79.00
43.60
36.60
Error
Absoluto
3 trminos
21.34
134.00
58.33
72.66
83.33
66.67
108.67
26.00
4.00
575.00
Error
Absoluto
5 trminos
32.60
47.60
76.60
26.40
79.00
43.60
36.60
342.40
El promedio mvil va desechando los datos viejos conforme incorpora a los nuevos. Adems mantiene
la misma ``importancia'' para la ltima observacin a lo largo del tiempo.
Usando promedios moviles de 3 trminos el nmero de accidentes pronosticados para la decimatercera
semana es de 251 .
Y de 220 accidentes si usamos promedios mviles de 5 trminos.
para evaluar la precisin de estos pronstico y poder decidir cual de los 2 resultados ofrece el mejor
pronstico, haremos uso de la desviacin absoluta media ( DAM ) como medida de error.
575.00
342.40
DAM ( 3 trminos ) = ------------------- = 63.88
DAM ( 5 trminos ) = ------------------------ = 48.91
9
7
Conviene usar promedios mviles de 5 trminos, en virtud a que presenta menor DAM en los clculos
Pgina
3
2
1
------- ( 195 ) + ------- ( 135 ) + --------- ( 200 ) = 175.80
6
6
6
Observese que, para el promedio mvil ponderado, la suma de los pesos es igual a 1.
Yt + ( 1 -
dato real
) F
pronstico en el perodo t
Pgina
<
EJEMPLO. Una cadena de tiendas de abarrotes experiment las siguientes demandas semanales (en cajas)
para una marca de detergente para lavadoras automticas.
PERIODO
SEMANA
DEMANDA
Yt
22
18
23
21
17
24
20
19
18
21
1
2
3
4
5
6
7
8
9
10
11
PRONSTICO
Ft
22.00
22.00
21.20
21.56
21.45
20.56
21.25
21.00
20.60
20.08
20.26
ERROR DEL
ERROR
ERROR
PRONSTICO
ABSOLUTO
AL CUADRADO
Yt
Ft
0
-4.00
1.80
-0.56
-4.45
3.44
-1.25
-2.00
-2.60
0.92
0
4.00
1.80
0.56
4.45
3.44
1.25
2.00
2.60
0.92
21.02
( Yt
F t)
0
16.00
3.24
0.31
19.78
11.84
1.55
3.99
6.75
0.85
64.33
Yt + ( 1 -
) F
Asi para el calculo del pronstico para la segunda semana ( perodo t = 2 ) , se har de la siguiente manera:
Se toman los valores tanto de la demanda real (Y t = 22 ) como de la demanda pronosticada (F t = 22 )
correspondientes al periodo 1 y estos se sustituyen en la ecuacin matemtica anterior, de la siguiente
manera:
F 1 + 1 = 0.2 Y 1 + ( 1 - 0.2 ) F 1
F 2 = 0.2 ( 22 ) + ( 1 - 0.2 ) 22
F 2 = 4.4 + ( 0.80 ) 22 = 22 cajas
Para el calculo del pronstico para la tercera semana ( perodo t = 3 )
Se toman los valores tanto de la demanda real (Y t = 18 ) como de la demanda pronosticada (F t = 22 )
correspondientes al periodo 2 y estos se sustituyen en la ecuacin matemtica anterior, de la siguiente
manera:
F 2 + 1 = 0.2 Y 2 + ( 1 - 0.2 ) F 2
F 3 = 0.2 ( 18 ) + ( 1 - 0.2 ) 22
F 2 = 3.6 + ( 0.80 ) 22 = 21..20 cajas
Y as, de esta manera se continan los clculos del pronsticos para las siguientes semanas hasta llegar a la
dcima primera semana cuya demanda pronosticada fue de 20..26 cajas.
Los errores semanales del pronstico se calculan restando, a la demanda real la demanda pronosticada de
cada semana.
21.02
64.33
b).- El DAM = ------------ = 2.10
el ECM = ------------- = 6.43
10
10
MTODOS PARA SERIES DE DATOS CON TENDENCIA.
Anlisis o proyeccin de tendencia. El objetivo del anlisis de tendencias es ajustar una linea de tendencia
( curva ) a una ecuacin matemtica y despus se proyecta al futuro por medio de esta ecuacin.
Un enfoque matemtico para el anlisis de tendencia lineal. Identifica la ecuacin de una linea recta llamada
componente lineal de tendencia de la forma Y = a + b x , en donde Y es el valor pronosticado, a
es la ordenada en el origen ( intercepcin de la recta con el eje vertical ) , b es la pendiente de la linea y x
es el perodo para el que se prepara el pronstico.
Los valores de a y de b se calculan con el mtodo de mnimos cuadrados. La aplicacin de ste criterio
da como resultado una linea recta que minimiza el cuadrado de las distancias verticales de cada observacin
a la linea.Los valores para a y b que minimizan la suma de los cuadrados de todas las distancias verticales
definen la ecuacin que mejor se ajusta a los datos.
Los valores de a y b se calculan mediante las siguientes expresiones:
N xy x y
b = ---------------------------------N x2 - ( x ) 2
a =
y - b x
------------------------N
Aos
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Perodo
x
1
2
3
4
5
6
7
8
9
10
Sumas
55
Ventas de automviles
Y
600
500
530
640
450
750
800
900
950
1000
XY
600
1000
1590
2560
2250
4500
5600
7200
8550
10000
7120
X2
43850
1
4
9
16
25
36
49
64
81
100
385
Solucin.
a).- Vamos a proceder a calcular la expresin lineal de tendencia para ello debemos de calcular primero los
valores de a y de b con las siguientes expresiones : en este caso N = 10 porque son 10 datos reales
recopilados.
N xy x y
b = ---------------------------------N x2 - ( x ) 2
10 ( 43,850 ) - ( 55 ) ( 7120 )
b = ------------------------------------------- =
10 ( 385 ) ( 55 ) 2
a =
a =
y - b x
------------------------N
438,500 - 391,600
----------------------------- =
3850 - 3025
46,900
------------- = 56.84
825
y - b x
7,120 - ( 56.84 ) ( 55 )
7120 - 3126.20 3993.80
------------------------- = --------------------------------- = -------------------------- = ------------- = 399.38
N
10
10
10
tendencia y
En el tema anterior se mostr la forma que se pueden hacer pronsticos para una serie de datos que tenan
un componente de tendencia. A continuacin se analizar una serie de datos que tiene tanto un
componente de tendencia como una estacional.
El mtodo que se considera consiste primero en eliminar el efecto estacional o el componente estacional de la
serie de tiempo, para ello se calculan los ndices estacionales para cada semana, mes, bimestre, trimestre,
etctera, A este paso se le denomina desestacionalizacin de la serie de tiempo .
Despus de tal accin, la serie de tiempo tendr solamente un componente de tendencia . Luego entonces,
podemos utilizar el mtodo que se describi en el tema anterior para determinar la expresin de la
componente lineal de tendencia de la serie de datos. Finalmente para el desarrollo del pronstico consiste en
incorporar el componente estacional utilizando un ndice estacional para ajustar la proyeccin de tendencia .
La expresin matemtica que se utiliza cuando la serie de tiempo presenta componente de tendencia y
componente estacional es:
Y = ( a + b x ) (Indice estacional)
Componente de tendencia
Componente e stacional
ESTACIONALIDAD.
La estacionalidad es un patrn que a veces observamos en una serie de tiempo. Consiste en subidas y
bajadas peridicas que se presentan en forma regular en la serie de tiempo.
Al tiempo entre un ``pico'' y otro en la grfica de la serie, se le llama perodo estacional. La mayora de las
series que presentan esta caracterstica tienen periodicidad anual; en este caso, si la serie consiste de
observaciones mensuales, el perodo ser 12, en cambio, si la serie es trimestral, el perodo ser 4.
Indices estacionales I
La manera matemtica de representar la estacionalidad es a travs de los llamados ndices estacionales.
Para comprender qu son, cmo se calculan y para qu sirven, veamos un ejemplo.
EJEMPLO:- Los datos trimestrales de ventas ( nmero de ejemplares que se venden ) de un libro de texto
universitario en los ltimos 3 aos son los siguientes:
Trimestres
aos
1998
1999
2000
I
II
III
IV
1690 940 2625 2500
1800 900 2900 2360
1850 1100 2930 2615
solucin:
Trimestres
aos
1998
1999
2000
I
II
1690 940
1800 900
1850 1100
III
IV totales
2625 2500 7755
2900 2360 7960
2930 2615 8495
Para calcular ndices estacionales se pueden seguir muchos caminos, ste es quiz, el ms simple.
Partiendo de los totales de cada ao, calculo un promedio trimestral para cada ao.
Trimestres
aos
1998
1999
2000
I
II
1690 940
1800 900
1850 1100
III
2625
2900
2930
IV totales promedios
2500 7755
1938.75
2360 7960
1990.00
2615 8495
2123.75
Estos promedios son un trimestre ``tp ico'' para cada ao. Fjese que ao con ao, las ventas en los segundos
trimestre de cada ao estn en su punto mas bajo, seguidas de niveles mas altos de ventas en los terceros
trimestres de cada ao esto es ocasionado por el efecto estacional, adems po demos notar que
los
trimestres tpicos van subiendo de valor. Esto es debido al efecto de la tendencia que tiene la serie.
Ahora se divide cada dato entre el promedio del ao que le corresponda.
Trimestres
aos
1998
1999
2000
I
II
III
0.87 0.48 1.35
0.90 0.45 1.46
0.87 0.52 1.38
IV
1.29
1.19
1.23
Estos nmeros indican el porcentaje de cada uno de los trimestres en funcin del trimestre tpico de cada uno
de los aos. Estos nmeros contienen la estacionalidad. Para term inar de tener los ndices
estacinales, mismos que representan el efecto estacional de la serie de tiempo para cada uno de los
trimestres promediamos los nmeros de cada trimestre (columna).
Trimestres
I
II
III IV
Indices Estac 0.88 0.49 1.40 1.24
El propsito de calcular indices estacionales es eliminar los efectos estacionales de la serie de tiempo. A este
proceso se le llama desestacionalizar la serie de tiempo
Para desetacionalizar la serie de tiempo, se dividen las ventas de cada uno de los trimestres entre su indice
estacional respectivo.
aos
Perodo
1998
1
2
3
4
5
6
7
8
9
10
11
12
1999
2000
trimestre
I
II
III
IV
I
II
III
IV
I
II
III
IV
Ventas
Indice
reales
estacional
1690
0.88
940
0.49
2625
1.40
2500
1.24
1800
0.88
900
0.49
2900
1.40
2360
1.24
1850
0.88
1100
0.49
2930
1.40
2615
1.24
Ventas
desestacionalizadas
1920.45
1918.37
1875.00
2016.13
2045.45
1836.73
2071.43
1903.23
2102.27
2244.90
2092.86
2108.87
La anterior informacin representa las ventas sin el componente estacional, quedndose solamente con la
componente de tendencia.
El siguiente paso es determinar la expresin matemtica de la expresin lineal de tendencia, para ello se
emplea el procedimiento anterior, es decir, debemos encontrar con los datos desestacionalizados una
ecuacin que tiene la forma Y = a + b x .
Aos
1998
1999
2000
suman
perodo
x
1
2
3
4
5
6
7
8
9
10
11
12
78
trimestre
I
II
III
IV
I
II
III
IV
I
II
III
IV
Ventas
desestacional
Y
1920.45
1918.37
1875.00
2016.13
2045.45
1836.73
2071.43
1903.23
2102.27
2244.90
2092.86
2108.87
24135.69
xY
1920.45
3836.73
5625.00
8064.52
10227.27
11020.41
14500.00
15225.81
18920.45
22448.98
23021.43
25306.45
160117.51
x2
1
4
9
16
25
36
49
64
81
100
121
144
650
Con la informacin de este cuadro se calcularn los valores de a y de b usando las siguientes expresiones:
N = 12 , porque son 12 trimestres o 12 datos recopilados
N xy x y
b = ---------------------------------N x2 - ( x ) 2
a =
y - b x
------------------------N
12 ( 160117.51 ) - ( 78 ) ( 24135.69 )
1921410.12 - 1882583.82
b = ------------------------------------------------ = ------------------------------------- =
12 ( 650 ) ( 78 ) 2
7800 - 6084
a =
38826.30
------------- = 22.62
1716
y - b x
24135.69 - ( 22.62 ) ( 78 )
24135.69 - 1764.36 22371.33
------------------------- = --------------------------------- = ----------------------- --- = ------------- = 1864.27
N
12
12
12
Para ello es necesario encontrar una frmula matemtica que relacione la variable dependiente con la o las
variables independientes y que permita estimar o predecir los valores futuros que puede tener una variable
( dependiente ) cuando se conocen o suponen los valores de la otra u otras variables independientes
Este tcnica se aplicar cuando la variable a pronosticar Y no est en funcin del tiempo.
Consideraremos el caso en que la curva de regresin de Y sobre X sea lineal.
REGRESIN LINEAL SIMPLE.
La regresin linial simple comprende el intento de desarrollar una lnea recta o ecuacin matemtica que
describe la relacin entre dos variables
En este modelo la variable a predecir Y est en funcin de una sola variable independiente X que no es
de tiempo y la ecuacin matemtica que se usar ser la siguiente:
Y = A + BX
A esta expresin se le conoce como la ecuacin de la lnea de regresin .
Donde A y B son coeficientes de regresin.
A = a la altura de la recta , a este nmero se le llama ordenada al origen o intercepcin.
B = pendiente o inclinacin de la recta de regresin
X = es la variable independiente, que representa el valor o perodo para el cual se prepara el pronstico de Y
Y = Valores reales recopilados.
Hacer una regresin lineal es encontrar los valores de A y B adecuados. Estos valores se encuentran por el
criterio que se llama de los mnimos cuadrados. Este criterio da como resultado una lnea recta que minimiza
el cuadrado de las distancias verticales de cada observacin a la lnea.
Representa un mtodo para pronosticar demandas futuras a mediano y largo plazo , en donde la demanda
presenta tendencia constante, ascendente o descendente con variaciones irregulares.
Para el calculo de los valores de A y de B se usan las siguientes expresiones:
N
xy x y
B = ---------------------------------N x2 - ( x ) 2
y - b x
A = ------------------------N
meses
Nmero de
autos vendidos
nmero de
comerciales
televisados
N
1
2
3
Y
10
15
13
X
2
5
3
18
5
6
20
25
8
7
a).- Utilice el mtodo de regresin lineal simple para encontrar una ecuacin que permita predecir las ventas
de autos en funcin de los gastos de publicidad por el nmero de comerciales de un minuto transmitidos por
televisin.
b).- Cul deber ser el pronstico de ventas de autos si se pusieran por televisin 4 comerciales?
SOLUCIN.
Primeramente hay que determinar la siguiente tabla de valores:
meses
Nmero de
autos vendidos
nmero de
comerciales
televisados
N
1
2
3
Y
10
15
13
X
2
5
3
XY
20
75
39
X2
4
25
9
18
108
36
20
25
101
8
7
31
160
175
577
64
49
187
5
6
Sumas
331
------------- = 2.05
161
101 - ( 2.05 ) ( 31 )
A = --------------------------------------6
101 - 63.55
= ------------------------6
37.45
= ------------- = 6.24
6
Y = A + BX
Tendremos la ecuacin de la lnea de regresin lineal Y = 6.24 + 2.05 X
La cul nos permitir pronosticar las ventas de automviles en funcin del nmero de anuncios comerciales
de un minutos transmitidos por la TV.
b),. Sustituyendo en la ecuacin obtenida en el inciso anterior el valor de x = 4, obtendremos el pronstico
de autos si se pusieran 4 anuncios comerciales en la TV.
Y = 6.24 + 2.05 ( 4 ) = 14.44 automviles
REGRESIN LINEAL MLTIPLE.
En este modelo la variable a predecir Y est en funcin de 2 o ms variables independientes X, y la
ecuacin matemtica que se utilizar ser la siguiente :
Y = a + b 1 X 1 + b 2 X2
Para el clculo de los valores de a, b
y b
normales:
1)
2)
1
3)
aN
+ b1
X1
+ b2
X1 + b1
X2
X2 + b1
X1 X2 + b2
+ b2
X2
X1 X2
X2
=
=
=
X1 Y
X2 Y
De tal manera que al resolver estas 3 ecuaciones por el mtodo de determinantes tendremos que los valores
de a , b 1 y b 2 siguiendo el siguiente procedimiento:
1.- Se calcula el determinante general DG.
2.- Se calcula el valor de A.
A
3.- Se calcula el valor de a con a = ---------DG
4.- El siguiente paso es calcular el va lor de B
5.- En seguida se obtiene el valor de b
con b
B1
= -------DG
6.- Para calcular el valor que nos falta de b 2 , los valores d e a y b 1 ya conocidos se sustituyen
en
cualquiera de las 3 ecuaciones iniciales, y por despeje se obtiene el valor de b
2.
7.- Por ltimo se obtiene la expresin matemtica con la que se calcularn los pronsticos futuros en funcin
de las va riables independientes X 1 y X 2
Dicha expresin matemtica se determina sustituyendo los valores respectivos de a, b 1 y b 2 en la
ecuacin:
Y = a + b1X1+ b2X2
EJEMPLO.- El dueo de una distribuidora de automviles realiz un estudio, para determinar las relaciones
en un mes determinado, entre el nmero de automviles vendidos en el mes por su distribuidora con el
nmero de comerciales de un minuto sobre su distribuidora televisado localmente y por nmero de
vendedores contratados por la empresa en ese mes .
Durante el perodo de 6 meses anot los resultados que se muestran en la siguiente tabla.
meses
Nmero de
autos vendidos
nmero de
comerciales
televisados
Nmero de
vendedores
contratados
N
1
2
3
Y
30
50
40
X1
3
5
2
X2
2
4
3
25
5
6
30
40
4
7
5
6
a).- Utilice el mtodo de regresin lineal mltiple para encontrar una ecuacin que permita predecir las
ventas de autos en funcin de los gastos de publicidad por el nmero de comerciales de un minuto
transmitidos por televisin y por el nmero de vendedores contratados.
b).- Cul deber ser el pronstico de ventas de autos si se pusieran por televisin 5 comerciales y se
contrataran 7 vendedores?
SOLUCIN.
a).- Primeramente h ay que determinar la siguiente tabla de valores:
meses
Nmero de
autos vendidos
N
1
2
3
4
5
6
Sumas
nmero de
comerciales
televisados
Nmero de
vendedores
contratados
Y
30
50
40
25
X1
3
5
2
6
X2
2
4
3
2
30
40
215
4
7
5
6
22
27
X1Y
X2Y X1 X 2
90
60 6
250 200 20
80 120
6
150
50 12
120
280
970
150 20
240 42
820 106
X1 2
9
25
4
36
X 22
4
16
9
4
16
49
139
25
36
94
La sumatoria de valores determinados en este cuadro, se s ustituyen en las ecuaciones normales para la
regresin lineal mltiple para dos variables independientes X 1 y X 2.
1)
2)
3)
1)
2
3)
aN
+ b1 X1
+ b2 X2
=
a X 1 + b 1 X 12
+ b 2 X1 X 2 =
a X 2 + b 1 X 1 X 2 + b 2 X 22
=
a (6)
a ( 27 )
a ( 22 )
Y
X1 Y
X2 Y
+ b 1 ( 27 ) + b 2 ( 22 ) = 215
+ b 1 ( 139 ) + b 2 ( 106 ) = 970
+ b 1 ( 106 ) + b 2 ( 94 )
= 820
Posteriormente se procede a resolver este sistema de ecuaciones por medio del mtodo de determinantes,
para ello, haremos uso del siguiente procedimiento:
1.- Se calcula el determinante general DG tomando cada uno de los valores conocidos de las tres primeras
columnas de las ecuaciones normales :
DG =
6
27
22
27
139
106
22
106
94
6
27
22
27
139
106
A=
215
970
820
27
139
106
22
106
94
215
970
820
27
139
106
= 32910
4.- Se calcula B 1 , para ello nos ubicamos en la ecuaciones normales y los valores conocidos de
la segunda columna se cambian por los valores conocidos de la cuarta columna y se vuelven a
repetir los valores conocidos de la primera y de la tercera columna anotando stos de la siguiente
manera:
B1=
6
27
22
215
970
820
22
106
94
6
27
22
215
970
820
= - 1130
B1
- 1130
5.- en seguida se obtiene el valor de b 1 con b 1 = ------------- = -------------- = - 1.02
DG
1106
6.- Para calcular el valor que nos falta de b 2 , los valores de a = 29.75 y b 1 = - 1.02 se sustituyen en
cualquiera de las 3 ecuaciones iniciales, y por despeje se obtiene el valor de b 2. En este caso haremos uso
de la primera ecuacin normal .
1)
( 29.75 ) ( 6 )
- ( 1.02 ) ( 27 )
b 2 ( 22 ) =
215
Y = a + b 1 X 1 + b 2 X 2 , entonces:
b).- Cul deber ser el pronstico de ventas de autos si se pusieran por televisin 5 comerciales y se
contrataran 7 vendedores? Para contestar esta pregunta en la ecuacin anterior se sustituyen los valores de
X1 = 5 y X2 = 7
Y = 29.75 - 1.02 ( 5 ) + 2.91 ( 7 ) = 29.75 - 5.1 + 20.37 = 45.02 automviles
IV CONTROL DEL
PRONSTICO
Una vez que se ha hecho el pronstic o, es necesario que continuamente estemos comparando el
pronstico con la demanda real y que emprendamos la accin necesaria para corregir el pronstico
cuando en la demanda haya habido cualquier cambio estadsticamente importante, tambin tenemos que
dete rminar la causa o causas de dichos cambios de la demanda. El momento para hacerlo es
inmediatamente despus de que se haya producido el cambio, no al ao siguiente ni cinco aos despus.
Las formas ms sencillas de instrumentos de control son las GRFICAS DE CONTROL ESTADSTICO
que se emplean en el control de calidad.
Una de stas grficas que se puede utilizar cuando se dispone solamente de una cantidad mnima de datos
es la grfica de escala mvil
Esta compara los cambios de la demanda habidos de un perodo hasta
el siguiente, con las variaciones irregulares esperadas de la demanda.
La escala mvil es el valor absoluto de la diferencia en las demandas de perodos sucesivos por ejemplo: si
las demandas reales de los meses de ENERO y FEBRERO de 1999 fueron de 105 y 120
respectivamente, entonces la escala mvil ( EM ) para ENERO - FEBRERO es 105 - 120 = 15
La GRAFICA DE ESCALA MOVIL se construye de la siguiente manera:
1.- Se recopila la informacin de la serie de tiempo, se elabora la grfica de estos datos y Se define
el modelo o la tcnica del pronstico que se va a aplicar.
2.- Se determinan los valores de escala movil ( EM )
EM
3.- Se calcula la escala mvil promedio ( EM ) , mediante la expresin EM =
----------- N
- 1
N = numero de datos reales recopilados
4.- Se calculan los lmites Superior ( LSC ) e Inferior ( LIC ) del control del pronstico,
con : LSC = 2.66 X
EM
LIC = - 2.66 X EM
5.- Se determina el pronstico para cada perodo de tiempo. Y se determina el error del pronstico
para cada uno de los perodos de tiempo . ERROR = DEMANDA REAL - DEMANDA PRONOSTICADA
6.- Se construye posteriormente la grfica de escala mvil para el control del pronstico, sealando y
uniendo en ella los puntos de los valores hallado en el paso anterior y los lmites de control hallados en
el paso 4 .
Tiene que haber cuando menos 10 y preferentemente 20 valores de EM que se empleen para determinar
los lmites de control. Estos lmites se fijan de manera que solo quepa esperar que 3 puntos de entre 1000
caigan fuera de los lmites, y ello debido solamente al azar. As, si un punto se encuentra fuera de los lmites
de control, debemos hacer una in vestigacin preliminar para haber si ha habido algn cambio manifiesto
en el sistema de causas base de la demanda. Tambin sirve de advertencia de que debemos vigilar muy
estrechamente este producto. Si otro punto va a dar tambin fuera de los lmites de control, debe
procederse a ser una investigacin detallada respecto a la causa de tal acontecimiento.
Si todos los puntos trazados caen dentro de los lmites de control, es por lo general seguro dar por supuesto
que tenemos las ecuaciones correctas para el pronstico.
Si todos los puntos caen fuera de los lmites, no tenemos las ecuaciones correctas para el pronstico, y por lo
tanto, hay que revisarlas de acuerdo con ello.
Pgina
40