Академический Документы
Профессиональный Документы
Культура Документы
INSUMOS RESULTADOS
Condiciones del mercado Métodos o modelos Demanda estimada para cada
Panorama económico de pronóstico producto en cada período de tiempo
Otros factores
Línea de demanda
actual
Demanda media en
cuatro años
Variación
aleatoria
Opinión de Expertos
Requiere un pequeño grupo de directivos:
El grupo establece una estimación conjunta de la demanda.
Combina la experiencia directiva con modelos estadísticos.
Es bastante rápido.
Desventaja del “pensamiento en grupo” o individual si se realiza
“opinión del gerente”.
Estudios de mercado
Preguntar a los consumidores sobre sus futuros planes de
compra.
Lo que dicen los consumidores y lo que hacen suele diferir.
A veces es difícil contestar a las preguntas del estudio.
Métodos cuantitativos
Pronóstico
cuantitativo
Ejemplo:
Año: 1993 1994 1995 1996 1997
Ventas: 78,7 63,5 89,7 93,2 92,1
Descomposición de una serie temporal
Tendencia Ciclos
Estacionalidad Variaciones
aleatorias
Tendencia
Respuesta
Verano
Respuesta
Ciclo
Respuesta
Mes, trimestre, año
Variaciones aleatorias
Modelo multiplicativo:
Modelo aditivo:
Ecuación:
MM
demanda de n periodos previos
n
Ecuación:
25
20
15
10
Media móvil
5
0
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic
Mes
Problemas de los métodos de media móvil
2001 180
2002 168
2003 159
2004 175
2005 190
Solución del alisado exponencial
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
= 0,10 10%
= 0,90
Efectos en el pronóstico de la constante de
alisado
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
= 0,10 10% 9%
= 0,90
Efectos en el pronóstico de la constante de
alisado
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
Entonces:
errores de pronóstico
DAM
n
Alisado exponencial con ajuste de tendencia
Ft = (demanda real del último periodo) + (1- )(pronóstico del último periodo
+ tendencia estimada del último periodo)
o
30
25
20
15
10 Alisado exponencial
5
0
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep.
Mes
Valores de la variable dependiente Método de mínimos cuadrados
Observación Desviación
real
Desviación Desviación
Desviación
Desviación
Punto en la
línea de
Desviación
tendencia
Desviación
Yˆ a bx
Periodo de tiempo
Demanda real y línea de tendencia
180
160
Y = 56,70+ 10,54X
140
120
Demanda
100
80
60 Demanda real
40
20
0
0 2 4 6 8 10
Período de tiempo
Análisis de regresión lineal
Se usa para prever la línea de tendencia lineal.
Yi a bX i
Y b>0
a
b<0
a
Tiempo, X
Diagrama de dispersión
Ventas
Ventas frente a tiempo
4
3
2
1
0
92 93 94 95 96
Periodo de tiempo
Interpretación de los coeficientes
• Pendiente (b):
Ecuación: Ŷi a bx i
n
xi yi nx y
Pendiente: b i 1
n
xi2 nx 2
i 1
2 2
Xi Yi Xi Yi X iY i
2 2
X1 Y1 X1 Y1 X 1Y 1
2 2
X2 Y2 X2 Y2 X 2Y 2
: : : : :
2 2
Xn Yn Xn Yn X nY n
2 2
ΣXi ΣYi ΣXi ΣYi Σ X iY i
Ejemplo de análisis de regresión lineal
^
Yi = a + b Xi
n
y i ŷ i
S y,x i
n
n n n
yi a yi b x i yi
i i i
n
Correlación
n n n
n x i yi x i yi
r i i i
n n n n
n x i x i n yi yi
i i i i
Valores del coeficiente de correlación
Correlación Correlación
negativa perfecta positiva
Sin correlación perfecta
Y r=1 Y r = -1
Y^i = a - b X i
Y^i = a + b X i
X X
Y r = 0,89 Y r=0
Y^i = a + b X i Y^i = a + b X i
X X
Guía para elegir el modelo de previsión
Tendencia no totalmente
justificada Conducta deseada
Error Error
0 0
^
Año Yi Yi Error Error2 |Error|
1992 1 0,6 0,4 0,16 0,4
1993 1 1,3 -0,3 0,09 0,3
1994 2 2,0 0,0 0,00 0,0
1995 2 2,7 -0,7 0,49 0,7
1996 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Σ Error2 / n = 1,10 / 5 = 0,220
DAM = Σ |Error| / n = 2,0 / 5 = 0,400
Evaluación del modelo de alisado exponencial
^
Year Yi Yi Error Error2 |Error|
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Σ Error2 / n = 0,05 / 5 = 0,01
DAM = Σ |Error| / n = 0,3 / 5 = 0,06
Evaluación del modelo de alisado exponencial
Modelo lineal:
SAEP
Señal de rastreo
DAM
y i y
ˆi
n
i
DAM
errores de previsión
DAM
Cálculo de la señal de rastreo
1 100 90
2 100 95
3 100 115
4 100 100
5 100 125
6 100 140
Cálculo de la señal de rastreo
1 100 90 -10
2 100 95
3 100 115 Error = Real - Previsión
= 90 - 100 = -10
4 100 100
5 100 125
6 100 140
Cálculo de la señal de rastreo
5 100 125
6 100 140
Cálculo de la señal de rastreo
Señal de rastreo
Límite de control superior
+
0 Intervalo aceptable
-
Límite de control inferior
Tiempo
Señales de rastreo
160 3
140 Previsión
2
Señal de rastreo
120
Demanda real
100 1
80 0
60 Demanda real
-1
40 Señal de rastreo
20 -2
0 -3
0 1 2 3 4 5 6 7
Tiempo
Pronóstico en el sector servicios
10
0
+11-12
11-12 12-1+1-2
1-2 2-3+3-4
3-4 +5-6
4-5 5-6 +7-8
6-7 7-8 +9-10
8-9 9-10 10-11
Modelos Avanzados de Análisis de Series
Modelo de Winter
45000 45000
40000 40000
35000 35000
30000 30000
Ton
25000 25000
20000 20000
15000 15000
10000 10000
5000 5000
Ene-87
Ene-88
Ene-89
Ene-90
Ene-91
Ene-92
Ene-93
Ene-94
Ene-95
Ene-96
Ene-97
Ene-98
Ene-99
Ene-00
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
Jul
M es