PRONOSTICO DE

VENTAS
SERIES DE TIEMPO

08/09/2013

Ing Odar Florin Castillo.

SERIES TEMPORALES
Modelos matemticos para analizar el modelo de
la demanda:
Mtodo grfico
Promedio simple
Promedio mvil y mvil ponderado
Suavizamiento exponencial

Ft 1 Ft (x t - Ft )
Ing Odar Florin Castillo.

2
2

MODELOS CAUSALES
Modelos matemticos para analizar la historia de la
demanda incluyendo factores externos:
Anlisis de regresin
Modelos economtricos

y 0 1x1 2 x 2 ...
Ing Odar Florin Castillo.

3
3

EVALUACION DE LOS
PRONOSTICOS
Exactitud de los pronsticos:
Error medio o sesgo o tendencia
Error cuadrado medio
Desviacin media absoluta
Desviacin estndar
Seal de seguimiento o de rastreo

errores

Seal de Seguimient o
DMA

Ing Odar Florin Castillo.

4
4

COMPONENTES DE LAS SERIES

DE TIEMPO

Tendencia

Cclica

Estacional

Aleatorio

Ing Odar Florin Castillo.

5
5

DESCOMPOSICION DE SERIES
DE TIEMPO
Tedencia (T) es el movimiento gradual,
ascendente o descendente, de los datos a travs
del tiempo.
Estacionalidad (S) es el patrn de datos que se
repite a si mismo despus de un perodo de dias,
semanas, meses, trimestres, estaciones, etc. pero
dentro del ao..
Ciclos (C) son patrones que ocurren en los datos
cada varios aos.
Variacin al azar (R) son variaciones aleatorias
que no obedecen a ningun comportamiento.
Ing Odar Florin Castillo.

6
6

TENDENCIA
DEFINICION: Una tendencia es el movimiento
gradual hacia arriba o hacia debajo de los datos
en el tiempo.
Las tendencias son montonas , pero no siempre
lineales; pueden ser logartmica o exponenciales.
Las tendencias reflejan los cambios en la
tecnologa, los estndares de vida, los ndices de
poblacin ,etc..

Ing Odar Florin Castillo.

7
7

ESTACIONALIDAD
DEFINICION: La temporada es la
variacin que se repite a intervalos
fijos. Pueden durar un ao o solo
unas pocas horas.
Las variaciones de temporada
pueden
corresponder
a
las
estaciones del ao, a los das
festivos o a diferentes momentos del
da o la semana.

Ing Odar Florin Castillo

VARIACIONES ESTACIONALES

Perodo de tiempo
del Patrn donde
es repetido
Ao
Ao
Ao
Mes
Mes
Semana

Nmero de
Longitud de la Estaciones en
Estacin
Trimestre
Mes
Semana
Semana
Dia
Dia

Ing Odar Florin Castillo.

el Patrn
4
12
52
4
28-31
7

9
9

VARIACIONES CICLICAS

DEFINICION: La variacin cclica tiene

una duracin de por lo menos un ao;
la variacin varia de un ciclo a otro.
Las alzas y las bajas de la economa o
de una industria especifica
se
representan en variaciones cclicas .
El ciclo de negocios que se repite de
cinco a diez aos es un ejemplo.

Ing Odar Florin Castillo.

10
10

VARIACIONES ALEATORIAS

Las variaciones aleatorias son variaciones

en la demanda que no pueden explicarse
mediante tendencias , variaciones
de
temporada o variaciones cclicas.
Un suceso impredecible, como una guerra,
una huelga, un terremoto o partes de
legislacin,
puede
causar
grandes
variaciones aleatorias. A diferencia de las
otras tendencias , la variacin aleatoria
siempre esta presente.

Ing Odar Florin Castillo.

11
11

MODELOS DE SERIES DE
TIEMPO
Modelo Multiplicativo de una serie de tiempo:
At = Tt * St * Ct * Et
Modelo Aditivo de una serie de tiempo:
At = Tt + St + C + Et
Donde :
At=Demanda real en el perodo t
Tt= Componente de tendencia para el perodo t.
St= Componente de temporada para el perodo t.
Ct= Componente de ciclo para el perodo t.
Et= Componente aleatoria o error para el perodo t.
Ing Odar Florin Castillo.

12
12

PROMEDIO MOVIL SIMPLE

Se utiliza para calcular la demanda promedio de los
ltimos n perodos y como prediccin para el
siguiente perodo.
Promedio mvil simple:
(At + A t-1 + A t-2 +....+A t-n +1 )
Ft=

n
Donde :
Ft = prediccin para el perodo t+1
At = demanda real para el perodo
n = nmero de perodos por promediar

Ing Odar Florin Castillo.

13
13

EJEMPLO DE PROMEDIO MVIL

SIMPLE

Ao

Ventas
Yi

Total
(n = 3)

Promedio
Para. (n = 3)

2005 4

NA

NA

2006 6
2007 5

NA

NA

NA

NA

2008 3

4 + 6 + 5 = 15

2009 7
2010 NA
Ing Odar Florin Castillo.

14

EJEMPLO DE PROMEDIO MVIL

SIMPLE

Ao

Ventas
Yi

Total
(n = 3)

Promedio
Para. n = 3)

2005 4

NA

NA

2006 6
2007 5

NA
NA

NA
NA

2008 3

4 + 6 + 5 = 15 15/3 = 5.0

2009 7
2010 NA

6 + 5 + 3 = 14

Ing Odar Florin Castillo.

15

Ao

Ventas
Yi

Total
(n = 3)

Promedio
Para. n = 3)

2005 4

NA

NA

2006 6
2007 5

NA
NA

NA
NA

2008 3

4 + 6 + 5 = 15 15/3 = 5.0

2009 7
2010 NA

6 + 5 + 3 = 14 14/3 = 4.7
5 + 3 + 7 = 15 15/3 = 5.0
Ing Odar Florin Castillo.

16

PROMEDIO MOVIL PONDERADO

Se utiliza cuando existe una tendencia o patrn, los
pesos pueden ser utilizados para poner mayor
nfasis en datos recientes.
Promedio de mvil ponderado:
Ft= (Peso para el periodo n)(Demanda periodo n)
pesos
Donde :
Ft = prediccin para el perodo n
n = nmero de perodos por promediar

Ing Odar Florin Castillo.

17

MODELOS DE SUAVIZADO
EXPONENCIAL
Los modelos de suavizado, como el promedio de
desplazamiento simple y la suavizado exponencial,
pueden proporcionar predicciones razonables a corto
plazo con rapidez y a bajo costo.

Suavizacin exponencial:
Ft= Ft-1 + (A t-1 - F t - 1)
Donde :

Ft
= prediccin para el perodo t

F t - 1 = prediccin para el perodo t - 1

At 1 = Demanda real para el perodo t - 1

= constante de suavizacin (0<= 1<=1)

Ing Odar Florin Castillo.

18

EJEMPLO DE SUAVIZADO
EXPONENCIAL
Se tiene los siguientes datos de ventas de un
producto. Se espera pronosticar la atencin
del ao 2013 usando el suavizado
exponencial.
Considere: ( = .10).
En 2008 el pronstico fu 175.
2008 180
2009 168
2010 159
2011 175
2012
190
Ing Odar Florin Castillo.

19

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Pronstico F t
(a = .10)

Ao Actual
2008

180

2009

168

2010

159

2011

175

2012

190

2013

NA

175.00 (Base)
175.00 +

Ing Odar Florin Castillo.

20

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao

Actual

2008

180

2009

168

2010

159

2011

175

2012

190

2013

NA

Pronstico F t
(a = .10)
175.00 (Base)
175.00 + .10(

Ing Odar Florin Castillo.

21

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao Actual
2008

180

2009

168

2010

159

2011

175

2012

190

2013

NA

Pronstico F t
(a = .10)

175.00 (Base)
175.00 + .10(180 -

22

Ing Odar Florin Castillo.

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao

Actual

2008

180

2009

168

2010

159

2011

175

2012

190

2013

NA

Pronstico F t
(a = .10)
175.00 (Base)
175.00 + .10(180 - 175.00)

23

Ing Odar Florin Castillo.

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao Actual
2008

180

2009

168

2010

159

2011

175

2012

190

2013

NA

Pronstico Ft
( = .10)
175.00 (Base)
175.00 + .10(180 - 175.00) = 175.50

24

Ing Odar Florin Castillo.

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao

Actual

Pronstico F t
(a = .10)
175.00 (Base)

2008

180

2009

168

175.00 + .10(180 - 175.00) = 175.50

2010

159

175.50 + .10(168 - 175.50) = 174.75

2011

175

2012

190

2013

NA
Ing Odar Florin Castillo.
25

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao

Actual

Pronstico F t
(a = .10)

2008

180

175.00 (Base)

2009

168

175.00 + .10(180 - 175.00) = 175.50

2010

159

175.50 + .10(168 - 175.50) = 174.75

2011

175

174.75 + .10(159 - 174.75) = 173.18

2012

190

2013

NA
Ing Odar Florin Castillo.

26

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao

Actual

Pronstico F t
(a = .10)
175.00 (Base)

2008

180

2009

168

175.00 + .10(180 - 175.00) = 175.50

2010

159

175.50 + .10(168 - 175.50) = 174.75

2011

175

174.75 + .10(159 - 174.75) = 173.18

2012

190

173.18 + .10(175 - 173.18) = 173.36

2013

NA
Ing Odar Florin Castillo.
27

EJEMPLO DE SUAVIZADO
EXPONENCIAL

Ft = Ft-1 + a (At-1 - Ft-1)

Ao

Actual

Pronstico F t
(a = .10)
175.00 (Base)

2008

180

2009

168

175.00 + .10(180 - 175.00) = 175.50

2010

159

175.50 + .10(168 - 175.50) = 174.75

2011

175

174.75 + .10(159 - 174.75) = 173.18

2012

190

173.18 + .10(175 - 173.18) = 173.36

2013

NA

173.36 + .10(190 - 173.36) = 175.02

28

DESVIACIN MEDIA ABSOLUTA

(MAD)

Suma de Desviacin absoluta para n periodos

MAD =

MAD =

Demanda actual

- Demanda pronosticada

i =1

29

METACOGNICION

o Qu aprendimos Hoy ?
o Como aplicaran este conocimiento al
desarrollo de su profesin ?

Ing Odar Florin Castillo.

30
30

Muchas gracias

Nunca te permitas terminar un da

en el que puedas decir Lo har
mejor maana.
Brigham Young

Ing Odar Florin Castillo.

31
31