Академический Документы
Профессиональный Документы
Культура Документы
OBJETIVO..............................................................................................................................2
INTRODUCIN.....................................................................................................................2
PROMEDIO MVIL..............................................................................................................4
TIPOS DE PROMEDIOS MVILES.................................................................................4
SUAVIZADO EXPONENCIAL.............................................................................................7
REGRESIN LINEAL.........................................................................................................10
CONCLUSIN:....................................................................................................................17
BIBLIOGRAFA..................................................................................................................17
OBJETIVO
El objetivo de esta monografa es permitir conocer y aplicar adecuadamente los mtodos de
pronsticos como ser los de promedio mvil, suavizacin exponencial y regresin lineal,
para poder planear actividades futuras dentro de una empresa o institucin de cualquier
ndole.
INTRODUCIN
Definamos en primer trmino el significado de un Pronstico, esta definicin es muy
simple, sin embargo encierra muchas situaciones que intervienen en su resultado o bien en
la consecucin del mismo
Pronstico es un mtodo mediante el cual se intenta conocer el comportamiento
futuro de alguna variable con algn grado de certeza
"Un pronstico es un inicio o una seal por donde se puede saber una cosa
futura mediante indicios"
El pronstico desempea un papel muy significativo en la planeacin de materiales, se
pueden encontrar pronsticos de abastecimiento, de condiciones, comerciales, de
tecnologa, precios, etc. Y en cualquiera de estos rtulos el pronstico es necesario para la
toma de decisiones.
Aunque es muy cotidiano que hoy en da el manejo de pronsticos en las pequeas y
medianas empresas, existen situaciones que tienen que ver con la planeacin de las
necesidades futuras. La problemtica primordial es la poca confianza del uso de la tcnica
pronstico.
En la toma de decisiones se elaboran o tratan con el diseo de planes futuros. De esta
forma los datos que describen la situacin de decisin deben ser representativos de lo que
ocurra en el futuro.
Existen disponibles cuatro grupos de mtodos de pronsticos: Los cualitativos, los de
proyeccin histrica o de anlisis de serie de tiempo (cuantitativos) , los causales y los de
simulacin. Se diferencian entre s por la precisin relativa del pronstico del largo plazo
en comparacin con el corto plazo, el nivel de herramientas matemticas requerido y la
base de conocimiento como sustrato de sus proyecciones.
2
Promedio Mvil
en donde
b : Parmetro constante desconocido, estimado a partir de datos histricos
i :Componente aleatorio (ruido) para el periodo t, con media cero y varianza constante.
La tcnica supone que no estn correlacionados los datos para los distintos periodos.
La tcnica del promedio mvil supone que las n observaciones ms recientes tienen igual
importancia para estimar el parmetro b. As, en determinado periodo t, si los datos para los
n periodos ms recientes son yt-n+1, yt-n+2, ... , yt, entonces el valor estimado para el
periodo t+1 se calcula como sigue:
5
No hay una regla exacta para seleccionar la base del promedio mvil, n. Si las variaciones
en la variable permanecen razonablemente constantes en el tiempo, se recomienda una n
grande. De otra forma, se aconseja un valor de n pequeo si la variable muestra patrones
cambiantes. En la prctica, el valor de n flucta entre 2 y 10.
Ejemplo
La demanda (en cantidad de unidades) de un artculo de inventario durante los pasados 24
meses se resume en la tabla siguiente. Utilice la tcnica del promedio mvil para
pronosticar la demanda del siguiente mes (t= 25)
Mes
t
1
2
3
4
5
6
7
8
9
10
11
12
Demanda
yt
46
56
54
43
57
56
67
62
50
56
47
56
Mes
t
13
14
15
16
17
18
19
20
21
22
23
24
Demanda
yt
54
42
64
60
70
66
57
55
52
62
70
72
Suavizado exponencial
Ejemplo
Aplicar la tcnica de suavizacin exponencial a los datos del ejemplo anterior realizado en
promedio mvil. Usar =0.1.
Mes
t
1
2
3
4
5
6
7
8
9
10
11
12
Demanda
yt
46
56
54
43
57
56
67
62
50
56
47
56
Mes
t
13
14
15
16
17
18
19
20
21
22
23
24
Demanda
yt
54
42
64
60
70
66
57
55
52
62
70
72
Demanda
yt
46
56
54
43
57
56
67
62
50
56
47
56
Yt
N/A
46
47
47.7
47.23
48.21
48.99
50.79
51.91
51.72
52.15
51.63
Mes
t
13
14
15
16
17
18
19
20
21
22
23
24
Demanda
yt
54
42
64
60
70
66
57
55
52
62
70
72
Yt*
52.07
52.26
51.24
52.51
53.26
54.93
56.04
56.14
56.02
55.62
56.26
57.63
Esta estimacin es muy distinta de la que se obtuvo con promedio mvil (= 68 unidades).
Un valor mayor de producir una estimacin ms cercana para t =25.
Ejemplo
Calcule el pronstico de suavizacin exponencial para la semana 4, considerando los datos
de la siguiente tabla que representan la llegada de pacientes a una clinica en las ltimas tres
semanas. Tenga en cuenta que = 0.10
datos experimentales.
Proporciona intervalos pequeos de error.
Restricciones
-
procesamiento de la informacin.
El anlisis de regresin determina la relacin entre una variable dependiente (por ejemplo,
la demanda de un artculo) y una variable independiente (por ejemplo, el tiempo). La
frmula general de regresin entre la variable independiente x y la variable dependiente y
es:
10
Las constantes b0, b1, ..., bn son parmetros desconocidos que se deben determinar a partir
de los datos disponibles. El error aleatorio e tiene media cero y desviacin estndar
constante.
La forma ms sencilla de modelo de regresin supone que la variable dependiente vara en
forma lineal respecto a la variable independiente, esto es, que:
en donde
Estas ecuaciones indican que primero se necesita calcular b, a partir del cual se puede
calcular a.
Las estimaciones de a y b son vlidas para cualquier distribucin de probabilidades de yi.
Sin embargo, si yi tiene distribucin normal con una desviacin estndar constante, se
puede establecer un intervalo de confianza para el valor medio del estimador en
x = x0 (es
en donde
Si r = 1, existe un ajuste lineal perfecto entre x y y. En general, mientras ms se acerque
el valor de |r | a 1, el ajuste lineal es mejor. Si r = 0, puede ser o puede no ser que x y y sean
independientes, ya que dos variables dependientes pueden dar como resultado r = 0.
Ejemplo
Aplicar el modelo de regresin lineal a los datos del ejemplo anterior planteado en los
modelos de promedio mvil y suavizacin exponencial.
Mes , t
1
2
3
4
5
6
7
8
9
10
11
12
Demanda , yt
46
56
54
43
57
56
67
62
50
56
47
56
12
Mes, t
13
14
15
16
17
18
19
20
21
22
23
24
Demanda ,yt
54
42
64
60
70
66
57
55
52
62
70
72
13
Demanda
yt (y)
46
56
54
43
57
56
67
62
50
56
47
56
54
42
64
60
70
66
57
55
52
62
70
72
1374
XY
46
112
162
172
285
336
469
496
450
560
517
672
702
588
960
960
1190
1188
1083
1100
1092
1364
1610
1728
17842
X2
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
4900
Y2
2116
3136
2916
1849
3249
3136
4489
3844
2500
3136
2209
3136
2916
1764
4096
3600
4900
4356
3249
3025
2704
3844
4900
5184
80254
En consecuencia,
14
El valor relativamente bajo de r indica que y* = 50 + 0.58x podra no ser un buen ajuste
lineal para los datos. Usualmente, en un ajuste razonablemente bueno se requiere que 0.75
|r| 1.
Suponga que deseamos calcular el intervalo a un 95% de confianza para un estimador lineal
dado. Primero necesitamos calcular la suma de los cuadrados de las desviaciones con
respecto de la lnea de ajuste. La tabla siguiente resume esta informacin.
15
16
Para ilustrar el clculo del intervalo de prediccin, supngase que interesa establecer ese
intervalo para el estimado de la demanda para el prximo mes (x0= 25). En ese caso, se
debe reemplazar el coeficiente 0.042 por 1.042, y el clculo del intervalo de prediccin es
(64.5 16.66), o sea (47.84, 81.16). Entonces se dice que hay 95% de posibilidades de que
la demanda en x =25 sea entre 47.84 unidades y 81.16 unidades.
Conclusin:
17
Este trabajo nos permiti conocer sobre los modelos de pronsticos, especficamente
promedios mviles, suavizacin exponencial y regresin lineal, considerando en cada uno
de los mtodos estudiados, una breve descripcin del mtodo, su aplicabilidad, formulas y
terminando con una ejemplificacin.
Estos mtodos nos permitirn realizar estimaciones necesarias para realizar un plan de
trabajo futuro.
Bibliografa
-
Universidad
Nacional
UNAD
(Modelos
probabilsticos)
www.datateca.unad.edu.co
Modelos de pronstico. www.paginasprodigy.com/sylsr/ingenierias/pronosticos
18