Pronsticos

Todos los das, los gerentes toman decisiones sin saber lo que ocurrir en el futuro. Se
ordena el inventario aunque no se sepa cunto se vender, se compra equipo nuevo aunque
nadie conozca la demanda de productos y se realizan inversiones sin saber cules sern las
ganancias. Los gerentes tratan siempre de reducir la incertidumbre e intentan hacer mejores
estimaciones de lo que suceder en el futuro. Lograr esto es el objetivo principal de la
elaboracin de los pronsticos. Existen muchas formas de pronosticar el futuro. En muchas
empresas (sobre todo las pequeas), el proceso completo es subjetivo e incluye los mtodos
improvisados, la intuicin y los aos de experiencia. Tambin existen muchos modelos de
pronsticos

cuantitativos,

como

promedios

mviles,

suavizamiento

exponencial,

proyecciones de tendencias y anlisis de regresin por mnimos cuadrados. (Render, 2012)

Ocho pasos para elaborar pronsticos:
1. Determinar el uso del pronstico: qu meta tratamos de alcanzar?
2. Seleccionar los artculos o las cantidades que se van a pronosticar.
3. Determinar el horizonte de tiempo del pronstico: 30 das (corto plazo), de 1 mes a
4.
5.
6.
7.
8.

un ao (mediano plazo) o ms de un ao (largo plazo)?

Seleccionar el modelo o los modelos de pronsticos.
Reunir los datos o la informacin necesaria para realizar el pronstico.
Validar el modelo del pronstico.
Efectuar el pronstico.
Implementar los resultados.

Estos pasos indican de una manera sistemtica cmo iniciar, disear e implementar un
sistema de pronsticos. Cuando el sistema de pronsticos se usa para generar pronsticos
peridicamente, los datos deben recolectarse por rutina, y los clculos o procedimientos
reales utilizados para hacer el pronstico pueden hacerse de forma automtica.
Pocas veces existe un nico mtodo de pronsticos que sea superior. Una organizacin
podra encontrar que la regresin es efectiva, otra tal vez aplique varios enfoques, y una
tercera quiz combine tcnicas cuantitativas y subjetivas. Cualquiera que sea la herramienta
que funcione para una empresa, esa es la que debera usarse. (Render, 2012)
Tipos de Pronsticos:
Las tres categoras de modelos son de series de tiempo, causal y cualitativo, los cuales se
dividen como se muestra en la siguiente figura:

Modelos de series de tiempo

Los modelos de series de tiempo intentan predecir el futuro usando datos histricos.
Estos modelos suponen que lo que ocurra en el futuro es una funcin de lo que haya
sucedido en el pasado.
Modelos causales
Los modelos causales incorporan las variables o factores que pueden influir en la
cantidad que se pronostica con el modelo de elaboracin de pronsticos.
Modelos cualitativos
En tanto que las series de tiempo y los modelos causales se basan en datos cuantitativos,
los modelos cualitativos intentan incorporar factores subjetivos o de opiniones en los
modelos de pronsticos. Se suelen tomar en cuenta las opiniones de expertos, las
experiencias y los juicios individuales, u otros factores subjetivos. (Render, 2012)
Anlisis de Regresin
El anlisis de regresin es una herramienta muy valiosa para el gerente actual. La
regresin se ha utilizado para modelar cuestiones como la relacin entre el nivel de
educacin y el ingreso, el precio de una casa y los pies cuadrados de construccin, as como
el volumen de ventas para una compaa en relacin con el dinero gastado en publicidad.
Cuando un negocio intenta decidir cul lugar es mejor para abrir una nueva tienda o
sucursal, los modelos de regresin se utilizan con frecuencia. Los modelos de estimacin de
costos muchas veces son modelos de regresin. Las posibilidades de aplicacin del anlisis
de regresin son prcticamente ilimitadas. En general, hay dos propsitos en el anlisis de

regresin. El primero es entender la relacin entre las variables como gastos en publicidad
y ventas. El segundo es predecir el valor de una de las variables con base en el valor de la
otra. Por ello, la regresin es una tcnica muy importante para realizar. En cualquier
modelo de regresin, la variable que se quiere predecir se llama variable dependiente o
variable de respuesta. Se dice que su valor es dependiente del valor de una variable
independiente, que algunas veces se llama variable explicativa o variable predictiva. Para
investigar la relacin entre las variables, es til ver una grfica de los datos. Esa grfica se
llama diagrama de dispersin o grfica de dispersin. Generalmente, la variable
independiente se grafica en el eje horizontal y la variable dependiente en el eje vertical.
(Render, 2012)
Anlisis de Regresin Lineal Simple
El concepto de regresin se refiere al cuantum o cantidad de cambio que
experimenta una variable dependiente (Y), en relacin al cambio de una unidad de una
variable independiente (X). La regresin es un concepto estadstico estrechamente
vinculado al concepto de correlacin; mientras la regresin estudia la naturaleza de la
relacin entre dos variables dependientes, la correlacin estudia la estrechez de la relacin
entre esas dos variables una dependiente de la otra. Al igual que con otros procedimientos
estadsticos, la regresin lineal desea realizar una inferencia estadstica partiendo de los
valores muestrales obtenidos; por tanto, se deben cumplir ciertos requisitos, que en el caso
de la regresin lineal son los siguientes:

Normalidad y homogeneidad de varianzas en la variable dependiente del modelo

para los valores fijos de la variable independiente.

Independencia de las observaciones de Y.
Linealidad en la relacin entre las variables.
(Pedroza & Dicovskyi, 2007)

Anlisis de Regresin Lineal Mltiple

El hecho que el modelo de Regresin Lineal Simple sea adecuado, no significa que no
pueda ser mejorado a travs de la informacin proporcionada por otras variables. Puede ser
que al incorporar ms variables al modelo, la proporcin de la variabilidad explicada

aumenta significativamente. La regresin lineal mltiple es una extensin del modelo

simple al que se le incorporan dos o ms variables independientes. (Pedroza & Dicovskyi,
2007)
Programacin Lineal
Muchas decisiones administrativas implican tratar de hacer un uso ms eficaz de los
recursos de una organizacin. En general, los recursos incluyen maquinaria, mano de obra,
dinero, tiempo, espacio de almacenamiento y materia prima. Tales recursos se utilizan para
elaborar productos (como maquinaria, mobiliario, alimentos o ropa) o servicios (como
horarios para aerolneas o produccin, polticas de publicidad o decisiones de inversin).
La programacin lineal (PL) es una tcnica de modelado matemtico ampliamente
utilizada, que est diseada para ayudar a los gerentes en la planeacin y toma de
decisiones respecto a la asignacin de recursos. A pesar de su nombre, la PL y la categora
ms general de tcnicas llamada programacin matemtica tienen poco que ver con la
programacin por computadora. En el mundo de la ciencia de la administracin, programar
se refiere a modelar y resolver matemticamente un problema. Desde luego, la
programacin por computadora ha jugado un rol importante en el avance y uso de la PL.
Los problemas reales de la PL son demasiado engorrosos para resolverlos a mano o con una
calculadora. (Render, 2012)
Requerimientos de un problema de PL
Todos los problemas de PL tienen varias propiedades y suposiciones comunes. Todos los
problemas buscan maximizar o minimizar alguna cantidad, por lo general la utilidad o el
costo. Nos referimos a esta propiedad como la funcin objetivo de un problema de PL. El
principal objetivo de un fabricante tpico es maximizar las utilidades en dlares. En el caso
de un sistema de distribucin por camin o por ferrocarril, el objetivo sera minimizar los
costos de envo. En todo caso, el objetivo se debe establecer con claridad y definir
matemticamente. No importa, por cierto, si las utilidades y los costos se miden en
centavos de dlar, dlares o millones de dlares. La segunda propiedad que los problemas
de PL tienen en comn es la presencia de limitaciones o restricciones, que acotan el grado
en que se puede alcanzar el objetivo. Por ejemplo, la decisin de cuntas unidades de cada
producto fabricar en la lnea de productos de una empresa est restringida tanto por el

personal como por la maquinaria disponibles. La seleccin de una poltica de publicidad o

de un portafolio financiero est limitada por la cantidad de dinero disponible para gastar o
invertir. Se desea, por lo tanto, maximizar o minimizar una cantidad (la funcin objetivo)
sujeta a recursos limitados (las restricciones).
Tienen que existir cursos de accin alternativos para elegir. Por ejemplo, si una
organizacin fabrica tres productos diferentes, la gerencia puede utilizar la PL para decidir
cmo distribuir entre ellos sus recursos de produccin limitados (de personal, maquinaria,
etctera). Debera dedicar toda la capacidad de fabricacin para hacer nicamente el
primer producto, elaborar la misma cantidad de cada producto o asignar los recursos en
alguna otra proporcin? Si no hay alternativas para elegir, no habra necesidad de la PL.
Formulacin de Problemas de PL
La formulacin de un programa lineal implica el desarrollo de un modelo matemtico
que represente el problema administrativo. Por lo tanto, para formular un programa lineal,
es necesario entender cabalmente el problema administrativo al que se enfrenta. Una vez
que se haya entendido, es posible comenzar a desarrollar la formulacin matemtica del
problema. Los pasos en la formulacin de un programa lineal son los siguientes:
1.
2.
3.
4.

Entender cabalmente el problema administrativo que se enfrenta.

Identificar el objetivo y las restricciones.
Definir las variables de decisin.
Utilizar las variables de decisin para escribir expresiones matemticas de la
funcin objetivo y de las restricciones.
Una de las aplicaciones ms comunes de la PL es el problema de la mezcla de

productos. Con frecuencia dos o ms productos se fabrican con recursos limitados, como
personal, mquinas, materia prima, etctera. La utilidad que la empresa busca maximizar se
basa en la contribucin a la utilidad por unidad de cada producto. La compaa quiere
determinar cuntas unidades de cada producto se deberan fabricar para maximizar la
utilidad general, dados sus recursos limitados. (Render, 2012)

Bibliografa
Pedroza, H., & Dicovskyi, L. (2007). Sistema de anlisis estdistico con SPSS. Managua:
INTA.
Render, B. (2012). Mtodos Cuantitativos para los Negocios. Undcima edicin. Mxico:
Pearson Educacin.