Pronsticos

Prof.: Oscar Gutirrez G.

Magster en Ingeniera Industrial
Ingeniero Civil Industrial
PRONSTICO?
Qu es? Para que se utiliza?
PRONSTICO
ES UNA ESTIMACIN CUANTITATIVA O CUALITATIVA DE UNO
O VARIOS FACTORES (VARIABLES) QUE CONFORMAN UN
EVENTO FUTURO, CON BASE EN INFORMACIN ACTUAL O DEL
PASADO
PORQU PRONOSTICAR?
La empresa se mueve en un contexto altamente incierto
Poltica, tecnologa y medio ambiente repercuten sobre
variables relevantes para la empresa: costos de produccin,
inventarios, volumen de ventas
La empresa debe tomar decisiones sobre Factores
Controlables tomando en cuenta Factores Incontrolables.

FACTORES CONTROLABLES
AQUELLOS SOBRE LOS CUALES LA EMPRESA DECIDE SU
ESTRUCTURA, NIVELES, POLTICA Y MODO DE OPERAR:
NIVELES DE PRODUCCIN
NIVELES DE INVENTARIO
CAPACIDAD
FACTORES INCONTROLABLES
AQUELLOS SOBRE LOS CUALES LA EMPRESA NO
PUEDE DECIDIR NI MODIFICAR: DEPENDEN DE
FACTORES EXTERNOS A LA EMPRESA
DEMANDA DEL PRODUCTO
COMPETENCIA
ECONOMA
COMPORTAMIENTO DEL CONSUMIDOR
QU PRONOSTICAR?
LA EMPRESA REQUIERE PREDECIR FACTORES
INCONTROLABLES:MERCADO, ENTORNO, ECONOMA, QUE SON
INCIERTOS, PARA DECIDIR (PLANEAR) SOBRE FACTORES
CONTROLABLES: NIVELES DE INVENTARIO, DE PRODUCCIN,
CAPACIDAD.
OBJETIVO
REDUCIR LA INCERTIDUMBRE DEL FUTURO, MEDIANTE LA
ANTICIPACIN DE EVENTOS CUYA PROBABILIDAD DE
OCURRENCIA SEA RELATIVAMENTE ALTA, RESPECTO A OTROS
EVENTOS POSIBLES.
CLASIFICACIN DE
PRONSTICOS
HORIZONTES
LARGO PLAZO: inversin en capital, localizacin de planta, nuevos
productos, expansin, crecimiento del mercado, tecnologa
MEDIANO PLAZO: tamao de la fuerza de trabajo, ciclicidad de la
demanda, requerimientos de capacitacin
CORTO PLAZO: frecuencia de pedidos , demanda, niveles de
inventario requeridos
CLASIFICACIN DE
PRONSTICOS
POR REA EN LA EMPRESA
MERCADOTECNIA: crecimiento del mercado, pronsticos
econmicos y poblacionales
PRODUCCIN: programas de expansin, pronstico de la
demanda a mediano y largo plazo
FINANZAS: presupuesto de gastos, ventas del prximo ao

CLASIFICACIN DE TCNICAS DE
PRONSTICOS
POR TIPO DE DATOS
CUALITATIVAS: tcnicas subjetivas. Utilizan
informacin cualitativa (experiencia de expertos).
CUANTITATIVAS: se basan en datos numricos y
utilizan herramienta matemtica y estadstica
para su elaboracin.
TCNICAS CUANTITATIVAS
INFORMACIN: REQUIEREN DE DATOS HISTRICOS DE LAS
VARIABLES INVOLUCRADAS

SUPUESTO: EL PATRN HISTRICO DE LAS VARIABLES SEGUIR
SIENDO VLIDO EN EL FUTURO ANALIZADO
ETAPAS DE UN PRONSTICO
DEFINIR EL PROPSITO
RECOLECTAR DATOS: fuentes primarias o
secundarias
PREPARAR LOS DATOS: ordenar y clasificar
EJECUTAR EL PRONSTICO: estimar errores
DAR SEGUIMIENTO: confrontar con informacin
actual
ETAPAS DE UN PRONSTICO
Facilite la toma de decisiones en el momento adecuado
Que sea entendida por el que toma las decisiones
Pase un anlisis costo-beneficio
Cumpla con las restricciones del sistema: tiempo
disponible, datos, disponibilidad de cmputo.
Cumpla con los criterios de: precisin, estabilidad,
objetividad
SELECCIN DE LA TCNICA ADECUADA:
LA MEJOR TCNICA ES AQUELLA QUE
TIPOS DE DATOS
OBSERVADOS EN UN MOMENTO PRECISO DEL TIEMPO: un da,
una hora, una semana, etc.. Ejemplo: observar una
caracterstica en una muestra de productos para controlar
calidad, ingreso de la poblacin, grado de escolaridad de
empleados, etc...
Objetivo: extrapolar a toda la poblacin las caractersticas de la
muestra
TIPO DE DATOS
SERIES DE TIEMPO: una sucesin cronolgica de observaciones
de una variable a intervalos iguales de tiempo.
Ejemplo: ventas trimestrales de los ltimos 5 aos, desempleo en
los ltimos aos, precio de un producto en el tiempo, etc..
Objetivo: analizar patrones del pasado que puedan extrapolarse
al futuro
PATRONES O COMPONENTES DE UNA SERIE
DE TIEMPO
TENDENCIA: componente de muy largo plazo
CICLICIDAD: componente de largo plazo
ESTACIONALIDAD:componente de corto plazo
FACTOR ALEATORIO: componente de muy corto plazo
TENDENCIA
Crecimiento de la poblacin
Inflacin
Ventas de un producto en su etapa de crecimiento en el
ciclo de vida
COMPONENTE DE MUY LARGO PLAZO QUE REPRE-
SENTA EL CRECIMIENTO O DECRECIMIENTO DE
LOS DATOS EN UN PERODO EXTENDIDO

FUERZAS QUE AFECTAN Y EXPLICAN TENDENCIA:
Regresin vs. correlacin
La relacin entre dos variables
la magnitud de una variable (dependiente) se asume que es
determinada por una segunda variable (independiente)
el termino dependiente no implica causa y efecto
Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Y
i
= o+|X
i
Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Y
i
= o+|X
i
+ c
i
Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Y
i
= o+|X
i
+ c
i
Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Y
Best fit Line, Ajuste Optimo
(X
1
,Y
1
)
(X
2
,Y
2
)
(X
3
,Y
3
)
(X
4
,Y
4
)
Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Y
Best fit Line, Ajuste Optimo
(X
1
,Y
1
)
(X
2
,Y
2
)
(X
3
,Y
3
)
Y
2
Y
Ventas rea Post-Venta
P
a
r
q
u
e

A
u
t
o
m
o
t
r
i
z

Y
Best fit Line, Ajuste Optimo
(X
1
,Y
1
)
(X
2
,Y
2
)
(X
3
,Y
3
)
Y
2
Y
Y
2


Y
Minimizar la diferencia entre
(Y
2


Y
i =1
n

)
2
Modelo de Regresin Lineal
Simple
0 y 1 se llaman parmetros de regresin.
Ya que no conocemos los valores reales de 0 y 1 , debemos
estimarlos con los datos de la muestra.
(Nota: la interpretacin de 0 a veces no es aplicable.)
Importante: observamos que estas variables se mueven
juntas, mas no podemos deducir una relacin causa-efecto.
Estimaciones puntuales de los
mnimos cuadrados
estimacin puntual de los mnimos cuadrados de la pendiente
1

( )( )
( ) ( )
( )
x b y b
n
x
x x x SS
y
n
y x
y x y y x x SS
donde
SS
SS
b
i
i i xx
i i
i i i i xy
xx
xy
1 0
2
2 2
1
=
= =
= =
=

Estimaciones puntuales y
predicciones puntuales
Estimacin puntual del valor medio de la variable
dependiente cuando el valor de la variable
independiente es x
0



se predice c = 0
0 1 0

x b b y + =
Estimaciones puntuales y
predicciones puntuales
Se puede demostrar que estas estimaciones puntuales dan un
valor de la suma de los residuos cuadrticos (SSE) que es
menor que la que se obtiene con cualesquiera otros valores
de b0 y b1. Se les llaman estimaciones puntuales de los
mnimos cuadrados.
la recta se llama recta de regresin de mnimos cuadrados
la ecuacin se llama ecuacin de predicccin de mnimos
cuadrados.
X
Y
X
Y
X
Y
Positiva
Negativa
Zero
La produccin nocturna segn horas extras
contratadas
X (Horas Extras) Y (produccin m3/h)
3 1,4
4 1,5
5 2,2
6 2,4
8 3,1
9 3,2
10 3,2
11 3,9
12 4,1
14 4,7
15 4,5
16 5,2
17 5
Calcular la ecuacin de predicccin
de mnimos cuadrados
( )( )
( ) ( )
( )
x b y b
n
x
x x x SS
y
n
y x
y x y y x x SS
donde
SS
SS
b
i
i i xx
i i
i i i i xy
xx
xy
1 0
2
2 2
1
=
= =
= =
=

Calcular la ecuacin de predicccin
de mnimos cuadrados
( ) =
=
=
=
=
=
=

2
i
i i
i
i
x
y x
y
x
y
x
n
( ) ( )
( )
= =
= =
= = =
= =

x b y b
SS
SS
b
n
x
x x x SS
n
y x
y x SS
xx
xy
i
i i xx
i i
i i xy
1 0
1
2
2 2
Calcular la ecuacin de predicccin
de mnimos cuadrados
( )
( ) 562 . 1
8 , 514
4 , 44
900 . 16
130
415 , 3
10
13
2
2
=
=
=
=
=
=
=
=

i
i i
i
i
i
x
y x
y
x
x
y
x
n
( ) ( )
( )
715 , 0
10 * 27 , 0 415 , 3
27 . 0
262
8 , 70
262
13
900 . 16
562 . 1
8 , 70
13
) 4 , 44 )( 130 (
8 , 514
0
1 0
1
2
2 2
=
= =
= = =
= =
= =
= = =

b
x b y b
SS
SS
b
SS
n
x
x x x SS
n
y x
y x SS
xx
xy
xx
i
i i xx
i i
i i xy
Calcular la ecuacin de predicccin
de mnimos cuadrados
Entonces:

0
0 1 0
27 , 0 715 , 0

x y
x b b y
+ =
+ =
Problema Ejemplo 1:
Los datos de la siguiente tabla representan las estaturas (X, cm) y los
pesos (Y, kg) de una muestra de 12 hombres adultos. Para cada
estatura fijada previamente se observ el peso de una persona
seleccionada de entre el grupo con dicha estatura, resultando:




Con estos datos vamos a plantear una ecuacin de regresin simple
que nos permita pronosticar los pesos conociendo las tallas.
Utilizaremos a = 0.05, y contrastaremos nuestra hiptesis con la
prueba F.


X 152 155 152 155 157 152 157 165 162 178 183 178
Y 50 61.5 54.5 57.5 63.5 59 61 72 66 72 84 82
Problema Ejemplo 2:
Supongamos que queremos hallar una relacin entre el puntaje
obtenido en la componente de Matemticas del examen de
admisin de la Universidad y el puntaje calificacin definitiva-
obtenida al finalizar el curso de matemticas. Para esto dispone de
la informacin siguiente:




prueba F.


Estudiante No. Puntaje matemtico al ser
admitido (X)
Puntaje al finalizar
matemticas (Y)
1 39 65
2 43 78
3 21 52
4 64 82
9 57 25
6 47 89
7 28 73
8 75 98
9 34 56
10 52 75
Problema Ejemplo 2:
Con estos datos vamos a plantear una ecuacin de regresin simple
que nos permita pronosticar los pesos conociendo las tallas.
Utilizaremos a = 0.05, y contrastaremos nuestra hiptesis con la
prueba F.


Problema Ejemplo 3:


Reno Shipyadrs repara buques transatlnticos. Muchas placas de acero
grandes se sueldan juntas y a los cascos de los barcos. Cuando se acepta
una licitacin para un trabajo, se hace una estimacin de las toneladas
de acero necesarias para la reparacin. Las ordenes para el siguiente
mes se agregan y se ordena el acero a la fundidora. Tambin se ordenan
varillas de soldadura. Parece razonable que la cantidad de varillas de
soldadura usadas est relacionada con la cantidad de acero necesaria. La
siguiente tabla muestra los datos para el ltimo ao de la utilizacin de
acero (tons) y de las varillas de soldadura usadas (quintales= 46 kg.)
Usando regresin lineal simple, escriba una ecuacin para cuntos
quintales de varilla deben ordenarse para una utilizacin de acero
proyectada.
Piensa usted que sta es una ecuacin acertada? por qu si o por que
no?
Determine la cantidad de varilla a ordenar si Reno planea usar 75 tons
de acero el ms prximo.

Mes 1 2 3 4 5 6 7 8 9 10 11 12
Acero 116 104 119 96 79 78 104 103 114 92 97 110
Varilla 229 234 272 196 161 189 226 209 262 179 204 234
ANOVA
Se trata de probar si el efecto de un factor o tratamiento en la
respuesta de un proceso o sistema es significativo, al realizar
experimentos variando los niveles de ese factor
diferentes son s unas A Ha
Ho
a
. . ' . lg :
......... :
3 2 1

= = = =
ANOVA - Condiciones
Todas las poblaciones son normales

Todas las poblaciones tiene la misma varianza

Los errores son independientes con distribucin normal de
media cero

La varianza se mantiene constante para todos los niveles del
factor

ANOVA Suma de
cuadrados total
Xij
Xij
Gran media
2
1 1
) (

= =
=
b
j
a
i
X Xij SCT
ANOVA Suma de cuadrados
de renglones (a)-tratamientos
Gran media
Media Trat. 1
Media Trat. a
Media trat. 2
a renglones

=
=
a
i
i
X X b SCTr
1
2
) (
ANOVA Suma de cuadrados
del error
Media X1.
X1j
X3j
X2j
Media X2.
Media X3.
Muestra 1 Muestra 2 Muestra 3
2
1 1
) (
i
b
j
ij
a
i
X X SCE =

= =
ANOVA Suma de cuadrados
del error
Media X1.
X1j
X3j
X2j
Media X2.
Media X3.
Muestra 1 Muestra 2 Muestra 3
SCTr SCT SCE =
ANOVA Grados de libertad:
Totales, Tratamientos, Error
a n a n SCE gl
a SCTr gl
n SCT gl
= =
=
=
) 1 ( ) 1 ( .
1 .
1 .
ANOVA Cuadrados medios:
Total, Tratamiento y Error
) /(
) 1 /(
) 1 /(
a n SCE MCE
a SCTr MCTr
n SCT MCT
=
=
=
ANOVA Clculo del
estadstico Fc y Fexcel
SCE gl SCTr gl ALFA
tabla F
MCE
MCTr
Fc
. , . ,
) (
=
Tabla final de ANOVA
TABLA DE ANOVA
FUENTE DE VARIACIN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO
Entre muestras (tratam.) SCTR a-1 CMTR CMTR/CME
Dentro de muestras (error) SCE n-a CME
Variacin total SCT n-1 CMT
Regla: Rechazar Ho si la Fc de la muestra es mayor que la F tabulado para una cierta alfa
o si el valor p correspondiente a la Fc es menor al valor de alfa especificado
ANOVA Toma de decisin
Si Fc es mayor que Fexcel se rechaza Ho aceptando H1 donde
las medias son diferentes

O si el valor de p correspondiente a Fc es menor de Alfa se
rechaza Ho