Академический Документы
Профессиональный Документы
Культура Документы
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
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
1. PRONSTICOS
7. Efectuar el pronstico.
2. TIPOS DE PRONSTICOS
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.
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
1. Mtodo Delphi.
2. Jurado de opinin ejecutiva.
3. Consulta a vendedores.
4. Encuesta al mercado de consumidores.
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.
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
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
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
4. MTODOS DE SUAVIZACIN
5. PROMEDIOS MVILES
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
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.
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
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.
21+19+23
Promedio mvil (semanas 2 a 4) = = 21
3
20+15+22
Promedio mvil (semanas 10 a 12) = = 19
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.
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
25
20
15
10
0
0 2 4 6 8 10 12 14
Series1 Series2
92
Promedio de la suma de errores al cuadrado = x = = 10.22
9
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
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.
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
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
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:
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
Por tanto,
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
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
CASO DE ESTUDIO 1
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:
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.
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.
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
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.
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
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
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.
Universidad Nacional Del Altiplano
Facultad De Ciencias Contables Y Administrativas
Escuela Profesional De Administracin
BIBLIOGRAFIA
Render, B.& Stair,R& Hanna,M. (2012) Metodos cunticos para los negocios.
PEARSON EDUCACIN