Pronsticos

Pronosticar es el arte y la
ciencia de predecir los eventos
futuros

Qu significa pronosticar?

Proceso de predecir un
evento futuro.
Base de decisiones para

Produccin
Inventario
Prog. Personal
Instalaciones

??

1.1. Necesidad de pronosticar

Entorno altamente incierto

La intuicin no necesariamente da los
mejores resultados
Mejorar la planeacin
Competitividad y cambio

La importancia estratgica del

pronstico
Talento Humano Contratacin,
Capacitacin y despidos depende de
la demanda prevista
Capacidad cuando es inadecuada
los faltantes pueden resultar en
entregas no confiables, prdida de
clientes, prdida de participacin del
mercado.
Administracin de la cadena del
suministro buenas relaciones con el
proveedor y ventajas de precio
dependen de buenos pronsticos

1.2. Tipos de pronsticos

Por su horizonte

De corto plazo

De mediano plazo

De largo plazo

Segn el entorno a Econmicos

pronosticar
Tecnolgicos
De la demanda
Segn el
procedimiento
empleado

Cualitativo
Cuantitativo

1.2.1.Tiempo de Horizonte

PRONOSTICO A CORTO PLAZO

PRONOSTICO A MEDIANO PLAZO

Hasta 1 ao, generalmente menos de 3 meses

compras, programacin trabajo, niveles, asignacin
de mano de obra, niveles de produccin
Utilizan ms metodologas y son ms precisos
3 meses a 3 aos
Planear ventas, produccin, presupuesto
Apoyan decisiones administrativas

PRONOSTICO A LARGO PLAZO

3+ aos
Planeacin de nuevos productos,Localizacin de
instalaciones, investigacin y desarrollo
Apoyan decisiones gerenciales, propietarios,socios

1.2.2 Segn el entorno

Pronsticos econmicos

Pronsticos Tecnolgicos

Abordan el ciclo del negocio tasa de inflacin, PIB, Tasa de

desempleo, IED, etc.
Predice la tasa del progreso tecnlogico
Impactos en el desarrollo de nuevos productos que requieran
nuevas instalaciones

Pronsticos de demanda

Predecir ventas de productos y servicios existentes

son proyecciones de la demanda para los productos o servicios de una
compaa. Estos pronsticos, tambin llamados pronsticos de ventas,
conducen la produccin de una compaa, la capacidad, y los sistemas
de programacin, y sirven como insumos a la planeacin financiera, de
mercado y de personal.

1.2.3. Segn procedimiento

Hay dos enfoques al pronosticar:
PRONOSTICOS CUANTITATIVOS: utilizan una
variedad de modelos matemticos que se
apoyan en datos histricos o en variables
causales para pronosticar demandas
PRONOSTICOS CUALITATIVOS O
SUBJETIVOS: incorporan la intuicion,
emociones, experiencias personales y sistema
de valores del analista o de la persona que toma
la decisin

Tcnicas de metodos cualitativos

Jurado de opinin de ejecutivos

Mtodo Delphi

3 participantes:Decisores-personalentrevistados

Composicin fuerza de ventas

Pool opiniones de ejecutivos de nivel alto,

pueden utilizar modelos estadsticos

Cada vendedor estima sus ventas y se revisan o

combinan con el mercado global

Encuesta en el mercado de consumo

Pregunta al cliente o posible cliente

1.3. Pasos de la elaboracin

de pronsticos

1.Determinar el uso del pronstico

2.Seleccionar los aspectos a pronosticar
3.Determinar el horizonte del pronstico
4.Seleccionar el modelo
5.Seleccionar los datos
6. Obtener el pronstico
7. Validar e implantar los resultados

Mtodos de pronstico cuantitativos

Pronstico
cuantitativo
S. de tiempo
Modelos

Asociativo
Modelos

Promedio suavizamiento Proyeccin

movil
Exponencial
tendencia

Regresin
lineal

2. Exploracin de patrones de
datos

Se requieren suficientes datos

histricos
Se apoyan en la suposicin de que
el pasado puede extenderse hacia el
futuro, se basa en modelos de
series de tiempo (ST), predecir el
futuro en funcin del pasado.

Con relacin a las tcnicas

cuantitativas estadsticas se
presentan dos enfoques:

Los datos se pueden descomponer

en componentes de tendencia,
cclicos, estacionales y aleatorios.
Modelos economtricos de series de
tiempo y Box-Jenkins.

Componentes de Series de Tiempo

tendencia

Estacional

Ciclico

Aleatorio

Descomposicin clsica de series de

tiempo:
Componente Descripcin

Tendencia

Es el componente de largo plazo que

representa el crecimiento o disminucin
en la serie sobre un periodo amplio.

Cclico

Es la fluctuacin en forma de onda

alrededor de la tendencia.

Estacional

Es un patrn de cambio que se repite a

s mismo periodo tras periodo.

Aleatorio

Mide la variabilidad de las series de

tiempo despus de retirar los otros
componentes.

Demanda del producto o servicio

Grfica de demanda de un producto durante 4

aos seala tendencia de crecimiento y
estacionalidad
Componente
de tendencia

Picos estacionales

Demanda
actual
Demanda
promedio en 4
aos

Variacin
Aleatoria
|
1

|
2

|
3
Ao

|
4

Datos estacionales

Es un patron que se repite despus de un

periodo de tiempo. Existen seis patrones
comunes de estacionalidad. El clima influye
Ejemplo peluqueras, restaurantes experimentan
estaciones semanales, donde los sbados son
los das pico de estos negocios
Periodo
semana
Mes
Mes
Ao
Ao
Ao

Longitud
Da
semana
Da
Trimestre
Mes
semana

Nmero de
estaciones
7
4-4.5
28-31
4
12
52

Datos con tendencia

Movimiento gradual ascendente o

descendente ejemplos
Productividad creciente y nueva tecnologa producen cambios.
El incremento de la poblacin elevan la demanda por
productos.
El poder de compra se afecta por la inflacin.
Aumenta la aceptacin en el mercado de un producto.

Componente Ciclico

Repiten despus de varios aos

Afectados por ciclo de negocios, factores
politicos y econmicos- cambios en el ciclo
del producto
Frecuentes relaciones con otras variables
como agitacin internacional.
Gusto popular

10

15

20

Componente Aleatorio

Son seales generados por casualidad o por

situaciones inusuales o errticas ej huelgas,
inundaciones etc.
Corta duracin y no se repiten

Modelos de series de tiempo

Estas tcnicas suponen que los

periodos recientes son los mejores
para pronosticar el futuro.
El mtodo ms sencillo es el mtodo
del ltimo valor o enfoque intuitivo:
supone que el pronstico de la
demanda del siguiente periodo es
igual a la demanda real del periodo
ms reciente
Pronstico = ltimo valor

Ejemplo
si las ventas de
mayo fueron 48,
entonces las
ventas de Junio
sern 48
Algunas veces es
efectivo en costos.

1995 Corel Corp.

Mtodo del ltimo valor o Intuitivo

complete el cuadro y halle el
pronstico de t 7
t
1
2
3
4
5
6

At
42
52
54
65
51
64

^Yt+1

et

?
?
?
?
?

?
?
?
?
?

Mtodo del ltimo valor o Intuitivo

t
1
2
3
4
5
6

At
42
52
54
65
51
64

Yt+1

et

42
52
54
65
51

10
2
11
-14
13

Promedios simples

Promedios simples:
Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el
periodo siguiente.

Promedios simples: el t 7 es 55
t

1
2

42
52

42

54

47.00

65

49.33

51

53.25

64

52.80

^Yt+1

Promedios mviles

Este mtodo no considera la media

de todos los datos, sino solo los ms
recientes.
Se puede calcular un promedio mvil
de n periodos.
El promedio mvil es la media
aritmtica de los n periodos ms
recientes.

Promedio mvil =

demanda en los n periodos

n

Ejemplo Promedio mvil

Mes
enero
Febrero
Marzo
Abril
Mayo
Junio
Julio

Ventas
reales
10
10
12
12
13
13
16
19
23
26

Promedio mvil
de 3 meses

(10 + 12 + 13)/3 = 11 2/3

(12 + 13 + 16)/3 = 13 2/3
(13 + 16 + 19)/3 = 16
(16 + 19 + 23)/3 = 19 1/3

Otro ejemplo Promedios mviles:

t
1
2
3
4
5
6

A
42
52
54
65
51
64
t

promedio mvil
n=3
n=4

49.33
57.00
56.67

53.25
55.5

Demanda de Ventas

Grfica promedios mviles

30
28
26
24
22
20
18
16
14
12
10

Promedio
Mvil
Ventas
actuales

|
E

|
F

|
M

|
A

mes

|
M

|
J

|
J

|
A

|
S

|
O

|
N

|
D

Promedio Mvil Ponderado

Usada cuando se presenta una tendencia o

patrn

Se le da importancia a los datos recientes

Ponderaciones basados en experiencias es un

tanto aleatoria
(ponderacin del periodo n)
Promedio mvil = x (demanda en periodo n)
ponderado
ponderaciones

Ponderacin
3
2
1
6
Mes

Ventas
actuales

enero
Febrero
Marzo
Abril
Mayo
Junio
Jullio

10
10
12
12
13
13
16
19
23
26

Periodo
Ultimo mes
Hace dos meses
Hace tres meses
Suma de ponderaciones
Promedio mvil
ponderado de 3 meses

[(3 x 13) + (2 x 12) + (10)]/6 = 121/6

[(3 x 16) + (2 x 13) + (12)]/6 = 141/3
[(3 x 19) + (2 x 16) + (13)]/6 = 17
[(3 x 23) + (2 x 19) + (16)]/6 = 201/2

Desventajas promedios mviles

Incrementar n hace
pronstico menos sensitivo a
cambios
No pronostican bien
la tendencia
Requiere muchos
datos historicos

1984-1994 T/Maker Co.

Metodo de suavizamiento
exponencial

El mtodo de suavizamiento exponencial puede dar

una ponderacin mayor a las observaciones ms
recientes.
Las ponderaciones se asigna mediante la constante
de suavizado denominada , 0 < < 1.
El modelo se expresa como:

pronstico = (ltimo valor) + (1 - )(ltimo pronstico)

pronstico = ltimo pronstico + (ltimo valor- ltimo
pronstico)

En enero un vendedor de autos predijo que la

demanda para febrero sera de 142 autos. La demanda
real de febrero fue de 153, se emplea una constante de
suavizado de 0,2 podemos pronosticar la demanda de
marzo
Prnostico de demanda Febrero = 142 autos
Demanda Actual = 153
Constante de suavizado = .20
Prnostico marzo = 142 + .2(153 142)= 144.52
El prnostico se redondea a 144 autos

Ejemplo
Durante los ltimos 8 trimestres, el Puerto de Baltimore ha descargado gran
cantidad de grano. Quiere predecir el tonelaje con ( = .10). El prnostico
de grano descargado del primer trimestre fue 175..
trimestre ton. actuales
1
2
3
4
5
6
7
8
9

180
168
159
175
190
205
180
182
?

Encuentre el
pronstico para el
9 trimestre

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Pronostico, Y t
( = .10)

trimestre Actual
1

180

168

159

175

190

205

175.00 (Dado)
175.00 +

Yt = Yt-1 + 0.1(At-1 - Yt-1)

trimestre Actual
Actua
1

180

168

159

175

190

205

( = .10)
(
175.00 (Dado)
175.00 + .10(

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual
1

180

168

159

175

190

205

Pronstico
( = .10)
175.00 (dado)
175.00 + .10(180 -

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual

180

168

159

175

190

205

Pronstico Yt
( = .10)

175.00 (Dado)
175.00 + .10(180 - 175.00)

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual

180

168

159

175

190

205

Pronstico Yt
( = .10)

175.00 (dado)
175.00 + .10(180 - 175.00) = 175.50

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual

Pronstico Yt
( = .10)

180

175.00 (Dado)

168

175.00 + .10(180 - 175.00) = 175.50

159

175.50 + .10(168 - 175.50) = 174.75

175

190

205

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual

Pronostico Yt
( = .10)

180

175.00 (DADO)

168

175.00 + .10(180 - 175.00) = 175.50

159

175.50 + .10(168 - 175.50) = 174.75

175

174.75 + .10(159 - 174.75)= 173.18

190

205

Yt = Yt-1 + 0.1(At-1 - Yt-1)

TrimestreActual

Pronstico Yt
( = .10)

180

175.00 (dado)

168

175.00 + .10(180 - 175.00) = 175.50

3
4

159

175.50 + .10(168 - 175.50) = 174.75

175

174.75 + .10(159 - 174.75) = 173.18

190

173.18 + .10(175 - 173.18) = 173.36

205

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre

Actual

Pronstico Yt
( = .10)

180

175.00 (dado)

168

175.00 + .10(180 - 175.00) = 175.50

159

175.50 + .10(168 - 175.50) = 174.75

175

174.75 + .10(159 - 174.75) = 173.18

190

173.18 + .10(175 - 173.18) = 173.36

205

173.36 + .10(190 - 173.36) = 175.02

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual

Pronstico Y t
( = .10)

175

174.75 + .10(159 - 174.75) = 173.18

190

173.18 + .10(175 - 173.18) = 173.36

6
7

205
180

173.36 + .10(190 - 173.36) = 175.02

175.02 + .10(205 - 175.02) = 178.02

8
9

Yt = Yt-1 + 0.1(At-1 - Yt-1)

Trimestre Actual

Pronstico Yt
( = .10)

175

174.75 + .10(159 - 174.75) = 173.18

190

173.18 + .10(175 - 173.18) = 173.36

6
7
8
9

205
180

173.36 + .10(190 - 173.36) = 175.02

175.02 + .10(205 - 175.02) = 178.02
178.02 + .10(180 - 178.02) = 178.22
178.22 + .10(182 - 178.22) = 178.58

182
?

Evaluacin de los prnosticos

Medicin del error en el pronstico

Se compara la precisin de dos o ms

tcnicas de pronstico.
Se mide la confiabilidad de una
tcnica de pronstico.
Se busca la tcnica ptima.

Frmulas de medicin del error en

el pronstico
At Yt valor de una serie de tiempo en el periodo t
Y valor del pronstico para Y
t

Error del pronstico o residual :

e Y Y
t

Frmulas de medicin del error en

el pronstico
Desviacin absoluta media :
n

DAM

Y Y
t

t 1

n
Error medio cuadrtico :

EMC

t 1

Yt Yt
n

Frmulas de medicin del error en

el pronstico
Porcentaje de error medio absoluto :
n

Yt Yt

Yt
PEMA
n
Porcentaje medio de error :
t 1

Y Y

PME

t 1

Yt
n

Evaluacin
Prnostico
Toneladas redondeado
reales
con
Timestre descargadas
= .10

1
2
3
4
5
6
7
8

180
168
159
175
190
205
180
182

175
175.5
174.75
173.18
173.36
175.02
178.02
178.22

DAM
con
= .10

5.00
7.50
15.75
1.82
16.64
29.98
1.98
3.78
82.45

Prnostico
redondeado
con
= .50

175
177.50
172.75
165.88
170.44
180.22
192.61
186.30

DAM
con
= .50

5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
98.62

 |desviaciones|
Para = .10
DAM =
n
= 82.45/8 = 10.31
Para = .50
= 98.62/8 = 12.33
Trimestre

1
2
3
4
5
6
7
8

Tonelaje
Real

180
168
159
175
190
205
180
182

DAM
DAM
Prnostico desviaciones Prnostico desviaciones
con
con
con
con
= .10
= .10
= .50
= .50

175
175.5
174.75
173.18
173.36
175.02
178.02
178.22

5.00
7.50
15.75
1.82
16.64
29.98
1.98
3.78
82.45

175
177.50
172.75
165.88
170.44
180.22
192.61
186.30

5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
98.62

 (errores de pronosticos)2
EMC =
n
Para = .10
Para = .50
= 1,526.54/8 = 190.82
= 1,561.63/8 = 195.24
Toneladas
Trimestre
reales

1
2
3
4
5
6
7
8

180
168
159
175
190
205
180
182

Prnostico
con
= .10

175
175.5
174.75
173.18
173.36
175.02
178.02
178.22
DAM

DAM
= .10

5.00
7.50
15.75
1.82
16.64
29.98
1.98
3.78
82.45
10.31

Prnostico
con
= .50

175
177.50
172.75
165.88
170.44
180.22
192.61
186.30

DAM
= .50

5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
98.62
12.33

100|desviacioni|/actuali
PEMA =

i=1

Para = .50
= 54.05/8 = 6.76%
Trimestre

1
2
3
4
5
6
7
8

Toneladas
reales

180
168
159
175
190
205
180
182

Prnostico
con
= .10

175
175.5
174.75
173.18
173.36
175.02
178.02
178.22
DAM
EMC

Para = .10
= 44.75/8 = 5.59%
DAM
= .10

5.00
7.50
15.75
1.82
16.64
29.98
1.98
3.78
82.45
10.31
190.82

Pronostico
con
= .50

175
177.50
172.75
165.88
170.44
180.22
192.61
186.30

DAM
= .50

5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
98.62
12.33
195.24

Comparacin de los Errores

Prnostico
Toneladas Redondeado
reales
con
Trimestredescargadas
= .10

1
2
3
4
5
6
7
8

180
168
159
175
190
205
180
182

175
175.5
174.75
173.18
173.36
175.02
178.02
178.22
DAM
EMC
PEMA

DAM
= .10

5.00
7.50
15.75
1.82
16.64
29.98
1.98
3.78
82.45
10.31
190.82
5.59%

Prnostico
Redondeado
con
= .50

175
177.50
172.75
165.88
170.44
180.22
192.61
186.30

DAM
= .50

5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
98.62
12.33
195.24
6.76%

Metodos de suavizamiento
exponencial
t
1
2
3
4
5
6

Ventas

42
52
54
65
51
64

=0.1

=0.5

42
?
?
?
?

42
?
?
?
?

Saltar a la primera
pgina

Metodos de suavizamiento
exponencial
t
1
2
3
4
5
6

Ventas

42
52
54
65
51
64

=0.1

=0.5

42
43.00
44.10
46.19
46.67

42
47.00
50.50
57.75
54.38

Saltar a la primera
pgina

Evaluacin Metodo de suavizamiento

exponencial
T

Yt

=0.1

Desv DAM

1
2

42
52

42

10

54

43.00

11

65

44.10

20.9

51

46.19

4.81

64

46.67

17.33

64.04/5=12.8

Evaluacin Metodo de suavizamiento

exponencial
t

Yt

=0.5

Desv DAM

1
2

42
52

42

10

54

47.00

65

50.50

14.5

51

57.75

-6.75

64

54.38

9.62

47.62/5=9.52

Evaluacin Metodo de suavizamiento

exponencial
t

Yt

=0.1

Desv EMC

1
2

42
52

42

102

54

43.00

112

65

44.10

20.92

51

46.19

4.812

64

46.67

17.332

981,27/5=196

Evaluacin Metodo de suavizamiento

exponencial
t

Yt

=0.5

Desv EMC

1
2

42
52

42

102

54

47.00

72

65

50.50

14.52

51

57.75

-6.752

64

54.38

9.622

494.04/5=98.8

Evaluacin Metodo de suavizamiento

exponencial
t

Yt

=0.1

PEMA

1
2

42
52

42

100(10/52)=19,23%

54

43.00

100(11/54)=20,37%

65

44.10

100(20,9/65)=32,15%

51

46.19

100(4,81/51)=9,43%

64

46.67

100(17,3/64)=27,07%

suma de errores
porcentuales=
108,25/5=21,65%

Evaluacin Metodo de suavizamiento

exponencial
t

Yt

=0.5

PEMA

1
2

42
52

42

100(10/52)=19,23%

54

47.00

100(7/54)=12,96%

65

50.50

100(14.5/65)=22,30%

51

57.75

100(-6.75/51)=13,23%

64

54.38

100(9.62/64)=15,03%
suma de errores
porcentuales=
82,75/5=16,55%