Pronósticos

Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas

Escuela Profesional De Administracin
INDICE
1. PRONSTICOS ....................................................................................................................... 2
1.1. Ocho Pasos Para Elaborar Pronsticos.......................................................................... 2
2. TIPOS DE PRONSTICOS........................................................................................................ 2
2.1. Modelos de series de tiempo. ................................................................................... 2
2.2. Modelos causales. ..................................................................................................... 3
2.3. Modelos cualitativos. ................................................................................................ 3
3. COMPONENTES DE UNA SERIE DE TIEMPO .......................................................................... 3
3.1. Componente De Tendencia ........................................................................................... 3
3.2. Componente Cclico ...................................................................................................... 3
3.3. Componente Estacional ................................................................................................ 4
3.4. Componente Irregular ................................................................................................... 4
4. MTODOS DE SUAVIZACIN ................................................................................................. 4
6. PROMEDIOS MVILES PONDERADOS ................................................................................... 8
7. SUAVIZACIN EXPONENCIAL ................................................................................................ 8
8. PROYECCIN DE LA TENDENCIA............................................................................................ 9
9. ANLISIS DE REGRESIN ..................................................................................................... 12
CASO DE ESTUDIO 1 .................................................................................................................... 13
CONCLUSION ............................................................................................................................... 17
BIBLIOGRAFIA .............................................................................................................................. 18
1. PRONSTICOS
Un pronstico es sencillamente una prediccin de lo que ocurrir en el futuro. Los

administradores deben aprender a aceptar el hecho de que, sin importar la tcnica
empleada, no podrn elaborar pronsticos perfectos.
La mayora de las empresas puede pronosticar la demanda total de todos los

productos, como un grupo, con errores menores de 5%. No obstante, el pronstico de
la demanda de un producto puede generar errores considerablemente mayores.
1.1. 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 un ao (mediano plazo) o ms de un ao (largo plazo)?
4. Seleccionar el modelo o los modelos de pronsticos.
5. Reunir los datos o la informacin necesaria para realizar el pronstico.
6. Validar el modelo del pronstico.
7. Efectuar el pronstico.
8. Implementar los resultados.
2. TIPOS DE PRONSTICOS
2.1. 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, ven qu ha pasado durante un periodo y usan una serie de
datos histricos para realizar un pronstico.
2.2. 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.
2.3. Modelos cualitativos.

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.
Se presenta una descripcin breve de cuatro diferentes tcnicas cualitativas de

pronsticos:
1. Mtodo Delphi.
2. Jurado de opinin ejecutiva.
3. Consulta a vendedores.
4. Encuesta al mercado de consumidores.
3. COMPONENTES DE UNA SERIE DE TIEMPO
El supuesto usual es que cuatro componentes separados: tendencia, cclico, estacional

e irregular, se combinen para proporcionar valores especficos de la serie de tiempo.
3.1. Componente De Tendencia
Aunque los datos de series de tiempo por lo general exhiben fluctuaciones aleatorias,
las series de tiempo pueden seguir mostrando cambios o movimientos graduales
hacia valores relativamente mayores o menores en un periodo prolongado. El cambio
gradual de la serie de tiempo se conoce como tendencia en la serie de tiempo. Este
cambio o tendencia por lo general es el resultado de factores a largo plazo, como
cambios en la poblacin, caractersticas demogrficas de la poblacin, tecnologa y
preferencias de consumo.
3.2. Componente Cclico
Aunque una serie de tiempo puede mostrar una tendencia durante periodos
prolongados, todos los valores futuros de las series de tiempo no caen exactamente
en la lnea de tendencia. De hecho, las series de tiempo con frecuencia muestran
secuencias de puntos que se alternan por encima y por debajo de la lnea de tendencia.
Cualquier secuencia de puntos recurrente por encima y por debajo de la lnea de
tendencia que dura ms de un ao puede atribuirse al componente cclico de las series
de tiempo.
3.3. Componente Estacional
El componente de las series de tiempo que representa la variabilidad en los datos

debido a influencias estacionales se llama componente estacional. Aunque por lo
general consideramos que el movimiento estacional en una serie de tiempo ocurre en
un ao, el componente estacional tambin puede utilizarse para representar cualquier
patrn que se repite con regularidad y tiene una duracin menor a un ao.
3.4. Componente Irregular
Este componente representa la variabilidad aleatoria en las series de tiempo y es

resultado de factores a corto plazo, imprevistos y no recurrentes que afectan a la serie
de tiempo. Como este componente representa la variabilidad aleatoria en las series
de tiempo, es impredecible; no podemos intentar predecir su impacto en las series de
tiempo.
4. MTODOS DE SUAVIZACIN
En esta seccin estudiamos tres mtodos de elaboracin de pronsticos: promedios

mviles, promedios mviles ponderados y suavizacin exponencial. El objetivo de
cada uno de estos mtodos es suavizar las fluctuaciones aleatorias causadas por el
componente irregular de las series de tiempo, por lo que se conocen como mtodos
de suavizacin.
5. PROMEDIOS MVILES
El mtodo de los promedios mviles utiliza el promedio de los n valores de datos ms

recientes en la serie de tiempo como el pronstico para el siguiente periodo.
EJEMPLO:
SERIES DE TIEMPO DE VENTA DE GASOLINA
semana Venta (miles de gaones)
1 17
2 21
3 19
4 23
5 18
6 16
7 20
8 18
9 22
10 20
11 15
12 22
GRAFICA DE LA SERIE DE TIEMPO DE VENTAS DE GASOLINA

25
20
15
10
0
0 2 4 6 8 10 12 14
Para utilizar promedios mviles con el fin de pronosticar las ventas de gasolina,
primero se debe seleccionar el nmero de valores de datos que se incluirn en el
promedio mvil.
17+21+19
Promedio mvil (semanas 1 a 3) = = 19
3
Luego utilizamos este valor de promedio mvil como el pronstico para la semana 4.
El valor real observado en la semana 4 es 23, as que el error de pronstico en la
semana 4 es 23 -19 =4. En general, el error asociado con un pronstico es la diferencia
entre el valor observado de la serie de tiempo y el pronstico.
El clculo para el segundo promedio mvil de tres semanas es:
21+19+23
3
Por consiguiente, el pronstico para la semana 5 es 21 y el error asociado con este

pronstico es 18 - 21 = -3. De ah que el error de pronstico pueda ser positivo o
negativo, dependiendo de si el pronstico es demasiado bajo o demasiado alto. Un
resumen completo de los clculos del promedio mvil de tres semanas para la serie
de tiempo de ventas de gasolina se muestra en la tabla 6.2. Para pronosticar las ventas
de gasolina para la semana 13 con un promedio mvil de tres semanas, se necesita
calcular el promedio de ventas para las semanas 10, 11 y 12. El clculo de este
promedio mvil es
20+15+22
3
Por tanto, el pronstico para la semana 13 es 19, o 19,000 galones de gasolina. muestra
una grfica de la serie de tiempo original y los pronsticos del promedio mvil
de tres semanas.
RESUMEN DE LOS CALCULOS DEL PROMEDIO MOVIL DE TRES SEMANAS

pronostico
del Error de
Valor de la serie de promedio Error de pronostico
semana tiempo movil Pronostico al cuadrado
1 17
2 21
3 19
4 23 19 4 16
5 18 21 -3 9
6 16 20 -4 16
7 20 19 1 1
8 18 18 0 0
9 22 18 4 16
10 20 20 0 0
11 15 20 -5 25
12 22 19 3 9
19 0 92
GRAFICA DE LA SERIE DE TIEMPO DE VENTAS DE GASOLINAY DE LOS

PRONOSTICOS DEL PROMEDIO MOVILDE TRES SEMANAS.
25
20
15
10
0
0 2 4 6 8 10 12 14
Series1 Series2
Precisin del pronstico.
92
Promedio de la suma de errores al cuadrado = x = = 10.22
9
6. PROMEDIOS MVILES PONDERADOS
Consiste en seleccionar diferentes pesos para cada valor de datos y luego calcular un
promedio ponderado de los n valores de datos ms recientes como el pronstico. En
la mayora de los casos, la observacin ms reciente recibe el mayor peso, y el peso
disminuye para los valores de datos ms antiguos.
7. SUAVIZACIN EXPONENCIAL
La suavizacin exponencial es simple y tiene pocos requisitos. Por tanto, es un

enfoque econmico y til para empresas que hacen muchos pronsticos en cada
periodo. utiliza un promedio ponderado de valores de series de tiempo pasadas como
pronstico; es un caso especial del mtodo de promedios mviles ponderados en el
cual seleccionamos slo un peso, el peso para la observacin ms reciente.
8. PROYECCIN DE LA TENDENCIA
En esta seccin mostramos cmo pronosticar los valores de una serie de tiempo que
exhibe una tendencia lineal a largo plazo. El tipo de series de tiempo para las cuales
el mtodo de proyeccin de tendencias es aplicable, muestra un incremento o
disminucin constante en el tiempo. Debido a que este tipo de serie de tiempo no es
estable, los mtodos de suavizacin descritos en la seccin anterior no son aplicables.
EJEMPLO
Considere la serie de tiempo para la venta de bicicletas de un fabricante en
particular durante los 10 aos anteriores, Advierta que se vendieron 21,600
bicicletas en el ao 1; 22,900 en el ao 2, etc. En el ao 10, el ao ms reciente,
se vendieron 31,400 bicicletas. Aunque la figura muestra cierto movimiento
ascendente y descendente durante los 10 aos anteriores, la serie de tiempo para
el nmero de bicicletas vendidas parece tener un incremento general o una
tendencia ascendente. En vez de ello, el componente de tendencia debe reflejar el
cambio gradual, en este caso el crecimiento, de los valores de la serie de tiempo.
SERIE DE TIEMPO DE LAS VENTAS DE BICICLETAS

venta miles
Ao(t) (Yt)
1 21,6
2 22,9
3 25,5
4 21,9
5 23,9
6 27,5
7 31,5
8 29,7
9 28,6
10 31,4
GRFICA DE LAS SERIES DE TIEMPO DE LAS VENTAS DE BICICLETAS

35
30
25
VENTAS (miles)
20
15
10
0
0 2 4 6 8 10 12
AO
Utilizamos los datos de las ventas de bicicletas para ilustrar los clculos involucrados
en la aplicacin del anlisis de regresin con el fin de identificar una tendencia lineal.
Para una tendencia lineal, el volumen de ventas estimado expresado como una funcin
del tiempo es
donde
Tt = valor de tendencia para las ventas de bicicletas en el periodo t.
b0 = intercepto de la lnea de tendencia.
b1 = pendiente de la lnea de tendencia.
Observe que, para la serie de tiempo de las ventas de bicicletas, t = 1 corresponde al
valor
ms antiguo de la serie de tiempo, y t = 10 corresponde al valor ms reciente de la
serie
de tiempo. Las ecuaciones para calcular b1 y b0 son
donde
Yt = valor real de la serie de tiempo en el periodo t
n = nmero de periodos
Y = valor medio de la serie de tiempo; es decir Y = Y / n
t = valor medio de t; es decir t = t / n
t Yt tYt t2
1 21,6 21,6 1
2 22,9 45,8 4
3 25,5 76,5 9
4 21,9 87,6 16
5 23,9 119,5 25
6 27,5 165 36
7 31,5 220,5 49
8 29,7 237,6 64
9 28,6 257,4 81
10 31,4 314 100
TOTALES 55 264,5 1545,5 385
Con estas relaciones para b0 y b1, y los datos de las ventas de bicicletas, se
obtienen los clculos siguientes:
Por tanto,
es la ecuacin para el componente de tendencia lineal para las series de tiempo de

ventas de bicicletas.
La pendiente de 1.1 en la ecuacin de tendencia indica que durante los 10 aos

pasados la empresa ha experimentado un crecimiento medio en las ventas de alrededor
de 1100 unidades por ao. Si suponemos que la tendencia de los 10 aos pasados en
ventas es un buen indicador para el futuro, podemos utilizar la ecuacin para proyectar
el componente de tendencia de la serie de tiempo. Por ejemplo, al sustituir t = 11 en
la ecuacin obtenemos la proyeccin de tendencia del ao siguiente, T112
T11 = 20.4 + 1.1(11) = 32.5
Por tanto, el componente de tendencia produce un pronstico de ventas de 32,500
bicicletas
para el ao siguiente.
9. ANLISIS DE REGRESIN
Es una tcnica estadstica que se puede utilizar para desarrollar una ecuacin
matemtica que muestre cmo se relacionan las variables. En la terminologa de
regresin, la variable a predecir se llama variable dependiente o de respuesta. La

variable o variables que se utilizan para predecir el valor de la variable dependiente
se llaman variables independendientes o pronosticadores.
CASO DE ESTUDIO 1
Elaboracin de pronsticos de ventas
El restaurante Vintage se localiza en la isla Captiva, una comunidad turstica cerca de

Fort Myers, Florida. El restaurante, propiedad de Karen Payne y operado por ella misma,
acaba de finalizar su tercer ao de operacin. Durante este lapso, Karen busc forjarle la
reputacin de un restaurante de comida de gran calidad especializada en mariscos frescos.
Los esfuerzos hechos por Karen y su personal fueron fructferos y, actualmente, su
restaurante es uno de los mejores y de ms rpido crecimiento en la isla.
Karen concluy que para planificar mejor el crecimiento del restaurante en el futuro,
necesitaba desarrollar un sistema que le permitiera pronosticar las ventas de alimentos y
bebidas por mes hasta con un ao de anticipacin. Karen compil los datos siguientes
sobre las ventas totales de alimentos y bebidas para los tres aos de operacin:
ventas de alimentos y bebidas Para el

restaurante (miles de $)
Primer Segundo Tercer
ao ao ao
Enero 242 263 282
Febrero 235 238 255
Marzo 232 247 265
Abril 178 193 205
Mayo 184 193 210
Junio 140 149 160
Julio 145 157 166
Agosto 152 161 174
Septiembre 110 122 126

Octubre 130 130 148
Noviembre 152 167 173
Diciembre 206 230 235
Informe gerencial
Realice un anlisis de los datos de ventas para el restaurante Vintage. Prepare un informe
para Karen que resuma sus hallazgos, pronsticos y recomendaciones. Incluya lo
siguiente.
1. Una grfica de la serie de tiempo.
VENTAS
300
250
200
150
100
50
0
AGOSTO
ABRIL
OCTUBRE
AGOSTO
AGOSTO
ABRIL
OCTUBRE
ABRIL
OCTUBRE
MAYO
JUNIO
MAYO
JUNIO
MAYO
JUNIO
ENERO
FEBRERO
SEPTIEMBRE
ENERO
SEPTIEMBRE
FEBRERO
ENERO
FEBRERO
SEPTIEMBRE
JULIO
JULIO
JULIO
NOVIEMBRE
MARZO
NOVIEMBRE
DICIEMBRE
MARZO
NOVIEMBRE
DICIEMBRE
DICIEMBRE
MARZO
2. Un anlisis de la estacionalidad de los datos. Indique los ndices estacionales para cada
mes y comente cules son los meses de ventas estacionales altas y bajas. Los ndices
estacionales tienen sentido intuitivo? Comente su respuesta.
En la grfica se observa que cada ao las ventas disminuyen en el mes de septiembre, y aumentan
en el mes de enero. Por tanto, se concluye que en la venta del restaurante Vintage hay un
comportamiento estacional.
VALOR DEL
COMPONENTE NDICE
MESES ESTACIONAL ESTACIONAL AJUSTE
Enero 2.872 1.436 1.444
Febrero 2.587 1.294 1.301
Marzo 2.677 1.339 1.346
Abril 2.073 1.036 1.042
Mayo 2.086 1.043 1.049
Junio 1.585 0,551 0,553
Julio 1.645 0,571 0,574
Agosto 1.695 0,589 0,592
Septiembre 1.247 0,433 0,435
Octubre 1.392 0,483 0,486
Noviembre 1.696 0,589 0,592
Diciembre 2.307 1.154 1.160
11.932 12.000
En el mes de enero el restaurante Vintage es donde obtiene sus mejores ventas, las cuales
son superiores al 14% con respecto a los dems meses del ao y en el mes de septiembre
sus ventas descienden en un 37% con respecto al promedio de venta de los meses
anteriores.
3. Pronostique las ventas de enero a diciembre del cuarto ao.
INDICE PRONOSTICO
T PRONOSTICO PARA LA ESTACIONAL AO N 14
TENDENCIA
DESESTACIONALIZADA
37 378,13 1,444 546,02
38 388,39 1,301 505,30
39 398,65 1,346 536,58
40 408,91 1,042 426,08
41 419,17 1,049 439,71
42 429,44 0,797 342,26
43 439,7 0,827 363,63
44 449,96 0,852 383,37
45 460,22 0,627 288,56

46 470,48 0,7 329,34
47 480,74 0,853 410,07
48 491 1.160 569, 64
CONCLUSION
Los Pronsticos son muy importante ya que con eso vamos a proyectarnos acerca de
nuestro futuro como empresa. Y as respecto a eso tomar decisiones adecuadas hay varios
puntos que hemos tocado en este gua y son fundamentales para tomar decisiones se puede
realizar un anlisis exhaustivo a la empresa de acuerdo a eso realizar un pronstico y
mejorar como organizacin.
BIBLIOGRAFIA
Anderson, W. (2011). Mtodos cunticos para los negocios. Cengage Learning.
Render, B.& Stair,R& Hanna,M. (2012) Metodos cunticos para los negocios.
PEARSON EDUCACIN

Pronósticos

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Pronósticos

Загружено:

Авторское право:

Доступные форматы

Universidad Nacional Del Altiplano

Facultad De Ciencias Contables Y Administrativas

Un pronstico es sencillamente una prediccin de lo que ocurrir en el futuro. Los

La mayora de las empresas puede pronosticar la demanda total de todos los

1.1. 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

4. Seleccionar el modelo o los modelos de pronsticos.

5. Reunir los datos o la informacin necesaria para realizar el pronstico.

6. Validar el modelo del pronstico.

8. Implementar los resultados.

2.1. Modelos de series de tiempo.

2.2. Modelos causales.

2.3. Modelos cualitativos.

Se presenta una descripcin breve de cuatro diferentes tcnicas cualitativas de

3. COMPONENTES DE UNA SERIE DE TIEMPO

El supuesto usual es que cuatro componentes separados: tendencia, cclico, estacional

3.1. Componente De Tendencia

3.2. Componente Cclico

El componente de las series de tiempo que representa la variabilidad en los datos

3.4. Componente Irregular

Este componente representa la variabilidad aleatoria en las series de tiempo y es

En esta seccin estudiamos tres mtodos de elaboracin de pronsticos: promedios

El mtodo de los promedios mviles utiliza el promedio de los n valores de datos ms

GRAFICA DE LA SERIE DE TIEMPO DE VENTAS DE GASOLINA

El clculo para el segundo promedio mvil de tres semanas es:

Por consiguiente, el pronstico para la semana 5 es 21 y el error asociado con este

RESUMEN DE LOS CALCULOS DEL PROMEDIO MOVIL DE TRES SEMANAS

GRAFICA DE LA SERIE DE TIEMPO DE VENTAS DE GASOLINAY DE LOS

Precisin del pronstico.

6. PROMEDIOS MVILES PONDERADOS

La suavizacin exponencial es simple y tiene pocos requisitos. Por tanto, es un

SERIE DE TIEMPO DE LAS VENTAS DE BICICLETAS

GRFICA DE LAS SERIES DE TIEMPO DE LAS VENTAS DE BICICLETAS

es la ecuacin para el componente de tendencia lineal para las series de tiempo de

La pendiente de 1.1 en la ecuacin de tendencia indica que durante los 10 aos

regresin, la variable a predecir se llama variable dependiente o de respuesta. La

Elaboracin de pronsticos de ventas

El restaurante Vintage se localiza en la isla Captiva, una comunidad turstica cerca de

ventas de alimentos y bebidas Para el

Septiembre 110 122 126

1. Una grfica de la serie de tiempo.

3. Pronostique las ventas de enero a diciembre del cuarto ao.

45 460,22 0,627 288,56

Anderson, W. (2011). Mtodos cunticos para los negocios. Cengage Learning.

Вам также может понравиться