Programación lineal: Método de asignación

Otro tipo de propósito especial es el programa utilizado en la programación lineal. Se

ocupa de asignar los puestos de trabajo a cada uno de los trabajadores para obtener el mínimo
coste o los máximos ingresos.

1. El problema de asignación es el problema de asignar n trabajadores a n puestos de

trabajo, de tal forma que un trabajador sea asignado a un solo puesto de trabajo. Se
minimizarán los trabajadores asignados y los costes de realización de todos los
trabajos.

2. El método de asignación es el procedimiento estándar para resolver el problema de

asignación a partir de la tabla de asignación.

Para resolver un problema de asignación hay que seguir tres pasos principales:

1. Reste el menor coste de cada entrada de cada fila. Si ahora se puede asignar cada cero
en correspondencia uno a uno con los "trabajadores", se obtiene una solución opcional.
Si no es así, vaya al paso 2.

2. Resta el menor coste de cada columna. Si ahora se pueden distribuir las entradas nulas
en cada una de las correspondientes a los "trabajadores", se obtiene o se alcanza una
solución óptima. Si no es así, vaya al paso 3.

3. Cubre las entradas con ceros mediante líneas verticales u horizontales, utilizando el
menor número de líneas posible. (Esto puede hacerse cubriendo primero la fila o
columna que tenga el mayor número de ceros). Resta el coste descubierto más
pequeño de cada coste descubierto pero añádelo a la entrada que se encuentra en la
intersección de las líneas. Si ya es posible una asignación, se llega a una solución
opcional. Si no es así, repita el paso 3. Una asignación es óptima si el número de líneas
es igual al número de filas o al número de columnas.

Ejemplo 1.

Durante el Día de la Fundación, los cuatro representantes del Club de la Facultad de BA

participan en diferentes deportes, como maratón, maratón, natación y carrera. La tabla
siguiente muestra su rendimiento por evento (minutos). Determine quiénes de los
representantes del profesorado participarán en cada acto.

Maratón Maratón Natación Ejecutar

Andrea 20 30 25 26
Annika 25 26 27 30
Jazen 35 25 27 30
Louise 30 28 28 20
 Dado que cada facultad sólo puede participar en un evento, el método de asignación es
el más eficaz para encontrar una solución óptima.

Solución:

Empezamos a reducir las filas restando el número más pequeño de cada fila a todos los
números de la fila.

Maratón Maratón Natación Ejecutar

Ahora,
Andrea 0 10 reducimos
5 6
Annika 0 1 2 5
Jazen 10 0 2 5
Louise 10 8 8 0
todos los números de la columna.

Maratón Maratón Natación Ejecutar

Como
Andrea el número de líneas
0 es igual al de
10filas y columnas,3ya es óptimo. 6
Annika 0 1 0 5
Asignación de los actos a los profesores:
Jazen 10 0 0 5
Andrea - puede jugar al walkathon
Louise 10 8 6 0
Annika - puede jugar al walkathon y a la natación
Jazen - puede jugar al maratón y a la natación
Louise - puede jugar a correr
Decisión final:
Facultad Eventos Tiempo
Andrea Maratón 20
Annika Natación 27
Jazen Maratón 25
Louise Ejecutar 20
Total 92 minutos

Ejemplo 2.

La empresa Gayoma tiene que realizar tres trabajos en tres máquinas. Cada trabajo
debe realizarse en una sola máquina. El coste de cada máquina se indica en la página
siguiente. Determinar la asignación de trabajo que minimizará el coste.

Máquinas
Empleo
X Y Z
A 1400 1600 1800
B 1200 1300 1400
C 1400 1800 1500
 Reducimos los números dados suprimiendo dos ceros, y a continuación la nueva tabla.

Cuadro 1.

Máquinas
Empleo
X Y Z
A 14 16 18
B 12 13 14
C 14 18 15

Seleccione el número más pequeño entre las filas dadas

Tabla 2.

Máquinas
Empleo
X Y Z
A 0 2 4
B 0 1 2
C 0 4 1

Ahora reduce cada columna restando el número más pequeño de cada columna.

Tabla 3.

Máquinas
Empleo
X Y Z
A 0 1 3
B 0 0 1
C 0 3 0

Como tenemos tres líneas que corresponden al número de filas y columnas, entonces ya es
óptimo.

Decisión final:

Empleo Máquinas Coste

A X ₱1, 400.00
 B Y ₱1,300.00
C Z ₱1,500.00
Total ₱4,200.00

Ejemplo 3.

Antiguos jugadores de la UAAP están a punto de unirse a la liga más prestigiosa del
país, la Asociación de Baloncesto de Filipinas (PBA). Cinco equipos están dispuestos a
hacerse con los servicios de los siguientes jugadores: James Yap, Mark Cadona. Arwind
Santos, Ronald Tubid y Bonbon Custodio.

EQUIPOS
Jugadore Burger Talk N' Purefood Ginebra San
s King Text s King Miguel
Bombón
Custodio
200,000 250,000 175,000 210,000 180,000
Ronald
Tubid
250,000 170,000 200,000 180,000 190,000
Arwind
Santos
150,000 210,000 185,000 165,000 200,000
Mark
Cardona
160,000 150,000 175,000 180,000 190,000
James
Yap 175,000 180,000 150,000 200,000 210,000

La tabla muestra los salarios mensuales ofrecidos, incluidas las primas y otras
prestaciones. Determinar la respuesta óptima en cada equipo para minimizar sus costes.

Solución:

Para facilitar el cálculo, eliminamos temporalmente los tres ceros.

EQUIPOS
Hamburgue
sa Hable con Ginebra San
Jugadores Rey N' Texto Purefoods Rey Miguel
Bombón 200 250 175 210 180
 Custodio
Ronald
Tubid 250 170 200 180 190
Arwind
Santos 150 210 185 165 200
Mark
Cardona 160 150 175 180 190
James
Yap 175 180 150 200 210

*Los resultados tras eliminar tres ceros en cada entrada se presentan en la tabla anterior.

EQUIPOS
Hamburgue
sa Hable con Puro Ginebra San
Jugadores Rey N' Texto alimentos Rey Miguel
Bombón
Custodio 25 75 0 35 5
Ronald
Tubid 80 0 30 10 20
Arwind
Santos 0 60 35 15 50
Mark
Cardona 10 0 25 30 40
James
Yap 25 30 0 50 60

*Los resultados tras restar la entrada más pequeña de cada fila se muestran en la tabla anterior

Como los ceros no se pueden asignar a cada jugador, pasa al siguiente paso.

EQUIPOS
Hamburgue
sa Hable con Ginebra San
Jugadores Rey N' Texto Purefoods Rey Miguel
Bombón
Custodio 25 75 0 35 0
Ronald
Tubid 80 0 30 10 15
Arwind
Santos 0 60 35 15 45
Mark
Cardona 10 0 25 30 35
James
Yap 25 30 0 50 55
*Resultados tras restar la entrada más pequeña de cada columna (columnas 5 y 6, Ginebra
King y San Miguel, respectivamente).
 EQUIPOS
Hamburgue Hable con Ginebra
sa N' Texto Rey San
Jugadores Rey Purefoods Miguel
0
Bombón
Custodio
25 75 25 0
Ronald
Tubid 80 0 30 0 15
Arwind
Santos 0 60 35 5 45
Mark

Cardona 10 0 25 20 35
James Yap
25 30 0 40 55

Como el número de líneas utilizadas es igual al número de filas y columnas, la asignación es

óptima.

Asignar los equipos a los jugadores (dando cada cero a cada jugador)

Bombón Custodio - puede jugar a Purefoods y San Miguel

Ronald Tubid - puede jugar a Talk N' Text y Ginebra King

Arwind Santos - puede jugar a Burger King

Mark Cardona - puede jugar a Talk N' Text

James Yap - puede jugar a Purefoods

Decisión final:

Jugadores Equipos Coste

Bombón Custodio San Miguel ₱180,000.00

Ronald Tubid Ginebra King ₱180,000.00

Arwind Santos Burger King ₱150,000.00

Mark Cardona Talk N' Text ₱150,000.00

James Yap Purefoods ₱150,000.00

Total ₱810,000.00

*Cubrir entradas cero con el menor número en líneas verticales y horizontales.

 EQUIPOS
Burger Ginebra San
Jugadores King Talk N' Text Purefoods King Miguel
Bombón
25
Custodio
75 0 25 0
Ronald
Tubid 80 0 30 0 15
Arwind
Santos 0
60 35 5 45
Mark
Cardona 10 0 25 20 35
James
Yap 25 30 0 40 55

NOMBRE: __________________________________________DATE:_________________
SECTION/TIME/DAY:_________________________ROOM:_____________RATING________

Ejercicio 14

1. La Universidad del Este solicita la asignación de cinco vigilantes de seguridad en cinco

edificios. A continuación se indica el coste diario de cada funcionario en cada edificio.
Determinar la mejor asignación de funcionarios a los distintos edificios para minimizar los
costes.

EDIFICIOS

ACA Ingeniería BA Bellas Artes TYK

1. 300 250 330 270 360
2. 400 350 250 280 290
3. 360 400 370 300 350
4. 280 250 270 280 310
5. 350 380 370 300 320

2. La agencia Doggy tiene tres perros policía para asignarlos a tres departamentos diferentes
almacenados. El coste de cada perro en cada departamento se indica a continuación

Perros Isetan Show Mart Robinsons

1 200 350 270

2 300 250 150

3 400 350 270

Determinar el coste óptimo de cada perro por departamento.

3. Encontrar el menor coste de asignación

 Máquinas A B C D
J 1 300 500 700 900
O 2 300 700 500 700
B 3 900 600 300 300
S 4 800 900 500 500

4. Jacqueline y Vilma son socias. Deciden contratar a cuatro contables para que auditen su
empresa. El siguiente cuadro muestra el coste por contable. Determinar la mejor asignación
para cada contable.

Contables 1 2 3 4

B A 14,000 12,000 13,000 15,000

U B 16,000 10,000 12,000 14,000

S C 13,000 16,000 15,000 11,000

S D 12,000 13,000 14,000 11,000

5. Antiguos jugadores de la PBL están a punto de incorporarse a la liga más prestigiosa del
país, la Asociación de Baloncesto de Filipinas (PBA). Cuatro equipos están dispuestos a
hacerse con los servicios de los siguientes jugadores: James Yap, Rich Alvarez, Paul Artadi y
Ronald Tubid. El siguiente cuadro muestra los salarios mensuales que querían, excluidas las
primas y otras prestaciones. Determina la respuesta óptima para cada equipo con el fin de
minimizar su coste.

Yap Álvarez Artadi Tubid

Red Bull ₱150,000 ₱155,000 ₱145,000 ₱165,000

Purefoods ₱165,000 ₱160,000 ₱155,000 ₱175,000

FedEx ₱150,000 ₱155,000 ₱165,000 ₱160,000

Talk N' Text ₱160,000 ₱155,000 ₱165,000 ₱150,000

6. Determinar la asignación óptima de los equipos de gestión a los cuatro proyectos.

PROYECTOS

W X Y Z
1. 3,800 2,800 2,400 3,600
2. 2,000 2,400 3,000 2,000
3. 3,200 1,800 2,200 2,800
4. 4,000 3,200 2,600 3,400

7. El carril de comida rápida decidió contratar los servicios de cuatro estudiantes a tiempo
parcial para trabajar como personal de servicio. Se les hizo una prueba de velocidad. En la
tabla siguiente se indican sus rendimientos por carril. Determinar la mejor asignación para cada
tripulación.

Carril 1 Carril 2 Carril 3 Carril 4

Tripulación 1 15 18 20 16

Tripulación 2 18 17 14 20
Tripulación 3 21 20 13 15

Tripulación 4 17 15 18 19

8. Se asignarán cinco trabajadores de Denzel Engineering Works, uno a cada cinco máquinas.
Hallar el coste de asignación de la variable a los cinco trabajadores.

TRABAJADORES

Máquinas A B C D E
1 74 52 66 64 90
2 50 44 78 68 48
3 62 70 52 56 72
4 84 36 56 80 46
5 58 38 76 54 84

9. Los alumnos del instituto V. Mapa están a punto de participar en el concurso anual de
preguntas y respuestas que se celebrará en el PICC. El concurso consta de cuatro asignaturas:
matemáticas, ciencias, inglés y física. El siguiente cuadro muestra sus errores por asignatura
en la ronda de clasificación. Determina a quién representarán los alumnos en el concurso.

Alumno 1 Alumno 2 Alumno 3 Alumno 4

Matemáticas 5 3 5 2
Ciencia 1 6 3 4
Inglés 4 2 3 1
Física 2 3 4 1

10. Miling y Luming Contractors necesitan tres carpinteros para asignarlos a tres proyectos.
Determinar la mejor asignación de cada carpintero.

Carpinteros A B C
1 80 90 54
2 54 108 30
3 46 104 48

11. Tres investigadores habituales de Mic-Mic Marketing Research deben presentar sus plazos
estimados de finalización del proyecto (EPC) (días) a tres clientes. La tabla siguiente muestra
su EPC. Determinar la mejor asignación para tres investigadores.
 Clientes

Empleados 1 2 3

Denzel 20 30 18

Rino 18 36 10

Alvin 12 28 6

Modelo de transporte y asignación

ESTUDIO DE CASO
 NHOLRAM-BONG CORPORATION

Nholram-Bong Corporation es fabricante y distribuidor de cámaras de vídeovigilancia. Su

cámara CCTV se distribuye por toda Filipinas y tiene una gran demanda en el mercado desde
hace siete (7) años. La Corporación explota tres (3) plantas que fabrican las cámaras de
vídeovigilancia y se distribuyen a cinco (5) almacenes.

El año pasado, la Corporación Nholram-Bong experimentó un gran descenso en la demanda

de cámaras de vídeovigilancia debido a la elevada inflación. El supervisor de ventas de la
Nholram-Bong Corporation predijo que la demanda de cámaras de vídeovigilancia seguirá
siendo baja durante los próximos cinco (5) años. La Corporación se plantea cerrar una de sus
plantas, ya que en la actualidad tiene un exceso de capacidad de 68.000 unidades semanales.
Las demandas semanales previstas para el próximo año son las siguientes

Almacén 1 18.000 unidades

Almacén 2 26.000 unidades

Almacén 3 22.000 unidades

Almacén 4 30.000 unidades

Almacén 5 16.000 unidades

La tabla 4.1 muestra los costes de producción de cada planta, los costes variables tanto en
horario regular como en horas extraordinarias, y los costes fijos durante el funcionamiento y el
no funcionamiento

Cuadro 4.1

NHOLRAM-BONG CORPORATION

Costes variables y costes fijos de producción por semana

Coste fijo por semana

Funcionamie
Planta
Coste variable nto No operativo
Planta 1 Tiempo regular 5.600 / unidad ₱28,000 ₱12,000
Planta 1 Horas extraordinarias 7.040 / unidad
Planta 2 Tiempo regular 5.560 / unidad 24,000 10,000
Planta 2 Horas extraordinarias 6.960 / unidad
Planta 3 Tiempo regular 5.440 / unidad 30,000 15,000
Planta 3 Horas extraordinarias 6840 / unidad
 La tabla 4.2 muestra los costes de distribución de cada planta a cada almacén.

Cuadro 4.2

NHOLRAM-BONG CORPORATION

Coste de distribución por unidad

Centro de distribución

De Planta W1 W2 W3 W4 W5

1 ₱2,000 1,760 1,960 1,840 2,240

2 ₱1,600 2,080 2,000 2,240 2,280

3 ₱2,240 2,120 2,040 2,160 1,400

Capacidades de la planta en unidades por semana

Planta 1 Horario regular 54.000 unidades
Planta 1 Horas extraordinarias 14000 unidades
Planta 2 Horario regular 40.000 unidades
Planta 2 Horas extraordinarias 10.000 unidades
Planta 3 Horario regular 50.000 unidades
Planta 3 Horas extraordinarias 12.000 unidades

Si Nholram-Bong paraliza alguna de sus plantas, sus costes semanales cambiarán al

disminuir los costes fijos debido a la no explotación.

Preguntas para el debate

1. Evalúe las distintas condiciones que satisfarán la demanda semanal de las plantas
operativas y no operativas. Determine qué condición minimizará los costes.

2. Discutir la aplicación si Nholram-Bong Corporation cierra alguna de sus plantas.

¿Será ventajoso para la Corporación?
 Capítulo 5
Previsión
Términos clave:
Previsión
Método cualitativo
Método cuantitativo
Método Delphi
Jurado de Opinión Ejecutiva
Fuerza de ventas compuesta
Encuesta sobre el mercado de consumo
Series temporales
Método de series temporales
Tendencia
Estacionalidad
Ciclos o componentes cíclicos
Variaciones aleatorias/Componentes irregulares
Método de alisado
Constante de suavizado
Medias móviles ponderadas
Suavizado exponencial
Proyecciones de tendencias
Desviación Media Absoluta (DMA)
Error cuadrático medio (ECM)
Porcentaje medio de error absoluto (MAPE)
Previsión de la línea de tendencia

Objetivos de aprendizaje

Al final del capítulo, se espera que los alumnos:

1. Definir la previsión
2. Conocer la importancia de la previsión en la comunidad empresarial
3. Identificar los diferentes tipos de métodos de previsión
4. Diferenciar el método de previsión cualitativo del cuantitativo
5. Determinar los diferentes tipos/componentes de previsión
6. Describa las características de la previsión basada en juicios de valor
7. Previsión mediante media simple, medias móviles ponderadas y exponencial.
alisado

8. Calcular los errores de previsión

9. Representar gráficamente diferentes métodos de previsión

10. Relacionar los antecedentes de otras asignaturas como Gestión, Marketing,

y Estadística a la previsión

11. Resolver problemas de previsión utilizando el ordenador

Introducción

En cualquier ámbito empresarial, anticiparse a las necesidades de los clientes y

satisfacerlas es sinónimo de éxito. Un buen equipo directivo utiliza datos pasados y presentes,
analiza la tendencia de la situación actual y sigue confiando en la "intuición" sobre lo que
probablemente ocurrirá en el futuro. Todos los días se toman decisiones, y elaborar el mejor
plan estratégico de actuación en el futuro es una herramienta esencial. En consecuencia, los
directivos intentan minimizar la "incertidumbre" del futuro en las previsiones. Una previsión
significa simplemente una predicción de lo que es probable que ocurra en el futuro. Convertir la
predicción en cifras y datos concretos es el principal objetivo de la previsión.

En este capítulo se examinan varios tipos de técnicas de previsión. Cabe mencionar

que los gestores aceptan el hecho de que, independientemente de la técnica utilizada, no
existe una previsión perfecta. Sin embargo, hay ocho pasos básicos a seguir en la previsión.
Estos son:

1. Establecer los objetivos de la previsión que se persigue.

2. Elija los artículos / cantidades que deben preverse.

3. Determine el periodo de tiempo de la previsión.

4. Decidir la técnica de previsión.

5. Recopilar los datos necesarios.

6. Utilizar el método de previsión.

7. Haga la previsión.

8. Aplique el resultado de la previsión.

Estos pasos resumen el procedimiento general que se describe a continuación:

¿Qué es la previsión?
Es el proceso de eliminación en situaciones desconocidas. La predicción es similar,
pero en un término más general.
La previsión empresarial es una estimación o predicción de la evolución futura de las
empresas, como las ventas, los gastos, los ingresos, las rentas y los beneficios. Se considera
uno de los aspectos más importantes de la planificación empresarial.
La previsión de la demanda es una previsión que proyecta las ventas de la empresa.
Clasificación de las previsiones
Existen dos clasificaciones de métodos de previsión: Cualitativos y Cuantitativos.

PREVISIÓN MÉTODOS

Previsión

Métodos

Método cuantitativo Método cualitativo

Series temporales Método causal Método Delphi

En movimiento Jurado de
Medias
Regresión Opinión ejecutiva

Análisis

Exponencial Fuerza de ventas

Alisado Regresión múltiple Compuesto

Tendencia Consumidores

Proyecciones Estudio de
mercado

Previsión cualitativa
 Este tipo de método de previsión se basa en juicios u opiniones y es de naturaleza
subjetiva. No se basa en cálculos matemáticos.
Tipos de métodos cualitativos

Método Delphi
Uno de los métodos de previsión cualitativa más utilizados es el método Delphi. Aquí,
un grupo de expertos separados entre sí realiza una previsión. En su aplicación habitual, se les
pide que respondan a un cuestionario. Estos grupos se denominan "encuestados". La
respuesta y otros datos son recogidos, recopilados, resumidos por el personal y entregados a
otro grupo, los responsables de la toma de decisiones o los pronosticadores. Es importante
señalar que el principio del método Delphi es que las respuestas de los primeros cuestionarios
se utilizan y se tienen en cuenta en la preparación de la segunda serie de cuestionarios. Se
recogen las respuestas y se repite el proceso hasta alcanzar un consenso del grupo.

Jurado de Opinión Ejecutiva

El Jurado de Opinión Ejecutiva es un método de previsión que se recomienda cuando
no es probable que una situación se repita. Se trata de una previsión cualitativa que se basa en
el juicio de un solo experto o en el consenso del grupo de expertos.

Fuerza de ventas compuesta

En este método, un vendedor predice sus ventas en su zona basándose en los
resultados anteriores y en la tendencia. Esta previsión se revisa para asegurarse de que es
realista y alcanzable.

Encuesta sobre el mercado de consumo

Este método recopila información, datos de clientes y posibles clientes sobre sus
necesidades futuras y sus compras previstas, mejorando así los detalles de las previsiones y el
diseño de los productos.

Previsión cuantitativa (métodos proyectivos)

Este tipo de método de previsión se basa en modelos cuantitativos y es objetivo por
naturaleza. Se basa en gran medida en cálculos matemáticos.

Tipos de métodos cuantitativos

Métodos de series temporales
Es el intento de predecir el futuro mediante datos históricos y un conjunto de
observaciones ordenadas sobre una característica cuantitativa de un acontecimiento en
posiciones temporales igualmente espaciadas.

Componentes de una serie temporal

El patrón o comportamiento de los datos en una serie temporal tiene varios
componentes. Una serie temporal suele tener cuatro componentes separados: Tendencia (T),
Estacionalidad (S), Ciclos o Componentes Cíclicos y Variaciones Aleatorias (R)/Componentes
Irregulares.
 1. Tendencia (T): desplazamiento gradual (movimiento ascendente o descendente) de la serie
temporal. El desplazamiento o tendencia suele ser el resultado de factores a largo plazo como

cambios en la comunidad, características demográficas de la población, tecnología y

preferencias de los consumidores.
1200

1000

800
Series (100000)

600

400

200

0
0 1 2 3 4 5 6
Year

Figura 5.1
Tendencia lineal de las ventas de DVD

La figura 5.1 muestra una línea recta que puede ser una buena aproximación a la
tendencia de las ventas de DVD. Cuando una serie temporal se compone de fluctuaciones
aleatorias que se mueven en torno a una línea de tendencia a largo plazo, puede utilizarse una
ecuación lineal para estimar la tendencia. Esto se muestra en la figura 5.2

Volumen Volumen Volumen

Tiempo Tiempo Tiempo

Figura 5.2
Ejemplos de posibles patrones de tendencia de series temporales
2. Estacionalidad (S): es un patrón de fluctuación de la demanda por encima o por debajo de la
línea de tendencia que se produce cada año. Es el componente de la serie temporal que
representa la variabilidad de los datos debida a influencias estacionales.

3. Ciclos o componentes cíclicos: cualquier secuencia recurrente de puntos por encima y por
debajo de la línea de tendencia que dure más de un año. Suelen estar vinculados al ciclo
económico.

Línea de tendencia

Tiempo
Figura 5.3
Componentes de tendencia y cíclicos de una serie temporal
4. Variaciones aleatorias (R): "fallos" en los datos causados por el azar y situaciones inusuales y que no
siguen un patrón discernible.

En estadística, existen dos formas generales de modelos de series temporales.

a. Modelo de multiplicación: supone que la demanda es el producto de los cuatro componentes.

Demanda = T x S x C x R
b. Modelo aditivo: suma los componentes para proporcionar una estimación.
Demanda = T + S + C + R

Si en caso no conocemos el valor de C y R, la previsión se convierte en:

F = T + S (modelo aditivo)
Y F = T x S (modelo de multiplicación)

Picos estacionales Componente de tendencia

Demanda media en 4 años

Demanda real
 Figura 5.4
Series temporales y sus componentes

Método de alisado

En esta sección se analizarán otros tres métodos de previsión. Estos métodos son las
medias móviles, las medias móviles ponderadas y el alisamiento exponencial. Estos métodos
"suavizan" las fluctuaciones aleatorias causadas por los componentes irregulares de las series
temporales. Se utilizan mejor para series temporales estables en las que no se espera ningún
movimiento en la tendencia.

Método ingenuo

La previsión ingenua es la técnica más sencilla. Simplemente utiliza la demanda real del
periodo anterior como demanda prevista para el periodo siguiente. Esto hace que la teoría de
que el pasado se repetirá. También supone que cualquier componente de las series temporales
(tendencia, estacionalidad o ciclos) se refleja en la demanda del periodo anterior o no existe.

En el cuadro 5.1 se muestra un ejemplo de previsión ingenua.

Cuadro 5.1
Previsión ingenua
Periodo Demanda Previsión
1 35
2 40 35
3 55 40
4 65 55
5 60 65

Si observamos que la demanda en el periodo 1 fue de 35, la previsión ingenua para el

periodo siguiente es de 35.

Medias móviles

Utilizan la media de los n valores de datos más recientes en la previsión de series

temporales para el periodo siguiente.

Fórmula
 ❑

Media móvil
∑
❑
( most recent n data values )
(Tabla 5.1)
¿
n

Donde n es el número de periodos de la media móvil.

Por ejemplo:

Calcule una media móvil de cuatro meses utilizando los datos del cuadro 5.2

Previsión media cuatrimestral

Mes Demanda real Previsión
Enero 21
Febrero 25
Marzo 29
Abril 21
21+ 25+29+21
=24
Mayo 25 4
25+29+21+25
=25
Junio 20 4
29+21+25+20
=24
Julio 18 4
21+ 25+20+18
=21
Agosto 21 4
25+20+18+21
=21
Septiembre 20 4
20+18+21+20
=20
Octubre 19 4
18+21+20+19
=20
Noviembre 18 4
21+ 20+19+18
=20
Diciembre 15 4

Medias móviles ponderadas

Se trata de un método de suavización que utiliza como previsión una media

ponderada de los n datos recientes.
Fórmula:
❑
∑
❑
( weight for period n ) (demand∈ period n)
Media móvil ponderada = ❑ (Tabla 5.2)
∑
❑
weights

Donde n es el número de periodos de la media móvil ponderada.

Ejemplo 1.
Cálculo de una media móvil ponderada de tres meses (cuadro 5.3)
Previsión de la media móvil ponderada a tres meses
Mes Demanda Media móvil ponderada a tres meses
Enero 21
Febrero 25
Marzo 29
⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
Abril 21 6
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
Mayo 25 6
⦋ ( 25 × 3 ) + ( 21× 2 ) +29 ⦌
=24
Junio 20 6
⦋ ( 20 × 3 ) + ( 25 ×2 ) +21 ⦌
=22
Julio 18 6
⦋ ( 18 ×3 )+ ( 20 ×2 ) +25 ⦌
=20
Agosto 21 6
⦋ ( 21 ×3 )+ (18 × 2 ) +20 ⦌
=20
Septiembre 20 6
⦋ ( 20 × 3 ) + ( 21× 2 ) +18 ⦌
=20
Octubre 19 6
⦋ ( 19 ×3 )+ ( 20× 2 ) +21 ⦌
=20
Noviembre 18 6
⦋ ( 18 ×3 )+ ( 19× 2 ) +20 ⦌
=19
Diciembre 15 6

Ejemplo 2.
Calcule una previsión de media móvil ponderada de cuatro periodos a partir de la tabla
5.4
Previsión de la media móvil ponderada de cuatro periodos
Periodo Previsión Media móvil ponderada a tres meses
1 21
2 25
 3 29
4 21
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
5 25 6
6 75 ⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
6

Suavizado exponencial

Se trata de un método de previsión que es una combinación de la última previsión y el

último valor observado. Utiliza como previsión una media ponderada del valor de series
temporales pasadas y se basa en la idea de que, a medida que los datos envejecen, pierden
relevancia y debe dárseles menos peso.

Fórmula:

Nueva previsión = Previsión del último periodo

+ ɑ (demanda real del último periodo - previsión del último periodo)

Matemáticamente:

F t= F t−1 + ɑ ( At −1- F t−1) (6.3)

Dónde:

F t = nueva previsión

F t−1 = previsión anterior

ɑ = constante de suavizado que tiene un valor entre 0 y 1 (la letra griega ɑ se pronuncia
'alfa'
At −1 = demanda real del periodo anterior

Ejemplo 1.

En enero, un concesionario de automóviles predijo una demanda de 200 unidades del

modelo "Vios" de Toyota para febrero. La demanda real de febrero fue de 250 coches. Prevea
la demanda de marzo utilizando una constante de alisamiento de ɑ = 0,30.

Nueva previsión (demanda de marzo) = 200 + 0,30(250 - 200)

= 200 + 0.30(50)
= 200 + 15
= 215 coches
Por tanto, la previsión de demanda del Toyota "Vios" en marzo es de 215.

Ejemplo 2.
 Utilice el suavizado exponencial para calcular una serie de previsiones con una
constante de suavizado de:

a. ɑ = 0.20;
b. ɑ = 0,50; y
c. representar los datos reales y ambos conjuntos en un único gráfico

Cuadro 5.5
Periodo Demanda
1 20
2 35
3 46
4 40
5 50
6 55
7 45
8

 Error de previsión = Demanda real - Previsión

 El error de previsión nos dice lo bien que se comportan los métodos frente a sí mismos
utilizando datos pasados.

Solución:

a. ɑ = 0.20
Cuadro 5.6
Periodo Demanda real Previsión Error
1 20 -
2 35 20 15
3 46 23 23
4 40 27.60 13.60
5 50 30.08 19.92
6 55 34.06 20.94
7 45 38.35 6.75
8 39.60

F 3 = 20 = 0.20(35 - 20)
F 3 = 23
F 4 = 23 + 0.20(46 – 23); F 5 = 27.60 + 0.20(40 - 27.60)
F 4 = 27.60 F 5 = 30.08

F 6 = 30.08 + 0.20(50 – 30.08) F 7 = 34.06 + 0.20(55 – 34.06)

F 6 = 34.06 F 7 = 38.25

F 8 = 38.25 + 0.20(45 – 38.25)

F 8 = 39.60
b. ɑ = 0.50
Cuadro 5.7
Periodo Demanda real Previsión Error
1 20 -
2 35 20 15
3 46 23 23
4 40 27.50 13.60
5 50 30.08 19.92
6 55 34.06 20.94
7 45 38.35 6.75
8 39.60

F 3 = 20 + 0.50(35 – 20); F 4 = 27.50 + 0.50(46 – 27.50)

F 3 = 20 + 7.5 F 4 = 27.50 + 9.25
F 3 = 27.50 F 4 = 36.75

F 5 = 36.75 + 0.50(40 – 36.75); F 6 = 38.38 + 0.50(50 – 38.38)

F 5 = 36.75 + 1.625 F 6 = 38.38 + 5.81
F 5 = 38.38 F 6 = 44.19

F 7 = 44.19 + 0.50(55 – 44.19) F 8 = 49.59 + 0.50(45 – 49.59)

F 7 = 44.19 + 5.405 F 8 = 49.59 – 2.295
F 7 = 49.59 F 8 = 47.30

c. Gráfico de ɑ = 0,20 y ɑ = 0,50.

Gráfico de 0,20
 60

50

40

30

20

10

0
1 2 3 4 5 6

Demanda real ɑ = 0.020

Demanda real ɑ = 0.50 Gráfico de 0,50
60

50

40

30

20

10

0
1 2 3 4 5 6

 Otros métodos para determinar o medir la precisión del error de previsión son MAD,
MSE, MAPE y BIAS.

La desviación media absoluta (DMA ) es una técnica que permite determinar la precisión
de un modelo de previsión tomando la media del valor absoluto.

( Forecast errors )
MAD = (6.4)
n

Ejemplo 1.

Calcule la MAD a partir de las tablas 5.6 y 5.7.

Cuadro 5.8
 Periodo Demanda Error a ɑ = 0,20 Error a ɑ = 0,50
1 20
2 35 15 15
3 46 23 18.50
4 40 13.60 3.25
5 50 19.92 11.62
6 55 20.94 10.81
7 45 6.75 -4.59
8
99.21 63.77
MAD = (16,54) MAD = (10,63)
6 6

 Según el cálculo, la MAD de ɑ = 0,20 es mayor que la MAD de ɑ = 0,50. Así, se prefiere
ɑ = 0,50 porque su MAD es menor.

El error cuadrático medio (ECM) es una técnica que permite determinar la precisión de
un modelo de previsión tomando la media de los términos de error al cuadrado de un método
de previsión.

( Forecasting Error )2
MSE = (6,5)
n
Ejemplo 2.

Utilice la tabla 5.8 para resolver el MSE a ɑ = 0,20 y ɑ = 0,50

Solución:
a) ɑ = 0.20
Cuadro 5.9
Periodo Demanda Error de previsión Error cuadrático de
previsión
a ɑ = 0,50
1 20
2 35 15 225
3 46 23 342.25
4 40 13.60 10.56
5 50 19.92 135.02
6 55 20.94 116.86
7 45 6.75 21.07
8
850
MSE = = 141,79
6

b) ɑ = 0.50
Cuadro 5.10
Periodo Demanda Error de previsión Error cuadrático de
 previsión
a ɑ = 0,20
1 20
2 35 15 225
3 46 23 529
4 40 13.60 184.96
5 50 19.92 396.81
6 55 20.94 438.48
7 45 6.75 45.56
8
1819.81
MSE = = 303,30
6

Según el cálculo, el MSE de ɑ = 0,20 es mayor que el MSE de ɑ = 0,50. Así, se prefiere
ɑ = 0,50 porque su MSE es menor.

El error medio porcentual absoluto (MAPE) es una técnica que permite determinar la
precisión de un método de previsión tomando la media de los errores absolutos como
porcentaje del valor observado.

El BIAS es un componente del error de previsión total calculado. Indica si la previsión

es demasiado baja o demasiado alta, y por cuánto. En efecto, proporciona el error total y su
dirección.

 Error (%) = I[(Demanda real - Previsión)I / Demanda real].

*Se debe considerar el valor absoluto del 100% por la razón de que la magnitud del
error es más importante que la dirección.
 El error de previsión puede ser mayor que el real o que el previsto, pero no ambos.
 Un error superior al 100% implica una precisión de previsión nula o muy inexacta.
 Precisión (%) = 1 - Error (%)

MAPE =
∑ of Absolute Error (6,6)
∑ of Actual
Matemáticamente;
❑
∑
❑
∑ of Absolute Error
MAPE = ❑ (6,7)
∑
❑
( Actual)

Precisión absoluta = Máximo (0, 1 - MAPE) (6.8)

Ejemplo 1.

Resuelva para MAPE, Exactitud Absoluta y Exactitud Aritmética.

Tabla 5.11
Error Precisi Precisió
de Error Porcenta ón n
Perio Actu Previsi previsi absolu je de absolut aritméti
do al ón ón to error a ca
a b c d e f g h

Fórmula b - c abs(d) e/b 1-f b/c

1 50 45 5 5 10% 90% 111%
2 55 70 -15 15 27% 73% 79%
3 60 60 0 0 0% 100%
4 50 75 -25 25 50% 50% 67%
5 60 80 -20 20 33% 67% 75%
Total 275 330 -55 65 24% 76% 83%

❑
∑
❑
( Absolute Error)
Porcentaje de error = ❑
∑
❑
( Actual)

65
= x 100%
275

= 24%
❑
∑
❑
( Absolute Error)
MAPE = ❑
∑
❑
Actual x 100 %

65
= x 100%
275

= 24%

Precisión absoluta = Máximo (0, 1 - MAPE)

= (100 - 24) X 100%

= 76%

Previsión de la línea de tendencia

 Esta técnica ajusta una línea de tendencia a una serie de puntos de datos históricos y, a
continuación, proyecta la línea en el futuro para realizar previsiones a medio y largo plazo (nos
hemos centrado únicamente en tendencias rectilíneas). El método estadístico que se suele
utilizar se conoce como método de mínimos cuadrados.

El método de mínimos cuadrados encuentra una línea recta que minimiza la suma de
las diferencias verticales de la línea a cada uno de los puntos de datos.

La ecuación de tendencia lineal:

T 1 = a + bt x (6.9)

Dónde:
T t = valor calculado de la variable a predecir (variable dependiente)
a = intercepto de la línea de tendencia (intercepto del eje Y)
b = pendiente de la línea de tendencia
t x = variable independiente
La fórmula para calcular a y b es:
❑
∑
❑
ty−nty
b= ❑ (6.10)
∑ t2−nt2
❑
∑ = Signo de la suma para n puntos de datos
t = Valores de las variables independientes
Y = Valores de las variables dependientes
T = Media de los valores de las X
Ῡ = Media de los valores de las Y's
n = número de puntos de datos u observaciones
a = Ῡ - bt (6.11)

Ejemplo:

Dadas las ventas de DVD de BETGAR Marketing

a. Determinar la previsión de ventas para 2010 y 2011

b. Traza una serie temporal y comenta la conveniencia de una tendencia lineal.

Tabla 5.12
Series cronológicas de ventas de DVD
Ventas (Unidad)
Año (1,000)
2001 3
2002 4.5
2003 4.8
2004 3.7
 2005 4.6
2006 5
2007 4
2008 5
2009 6

 Podemos minimizar los cálculos transformando el valor del tiempo X en números más
sencillos. Por lo tanto, podemos designar 2001 como año 1, 2002 como año 2, 2003
como año 3, y así sucesivamente. Así se indica en el cuadro 5.13
Tabla 5.13 t
2

Ventas (1.000)
Periodo Y
Año t Ty
2001 1 3 1 3
2002 2 4.5 4 9
2003 3 4.8 9 14.4
2004 4 3.7 16 14.8
2005 5 4.6 25 23
2006 6 5 36 30
2007 7 4 49 28
2008 8 5 64 40
2009 9 6 81 54
2
∑t = 45 ∑Y = 40.6 ∑t = 285 ∑ty = 216,20

∑ t 45 ∑ Y 40.60
t= = = 5; Y= = = 4,51
n 9 n 9

A partir de la fórmula (6.10), ahora podemos resolver b.

[ ( 216.20 )−9 (5 )( 4.51 ) ]

b=
[ ( 285−9 ( 5 )2 ) ]

13.25
b= = 0,22
60

A partir de la fórmula (6.11)

a = 4.51 - 0.22(5) = 3.41

Como ya hemos resuelto las variables correspondientes para la ecuación de tendencia, la

nueva ecuación es T 1 = 3,41 + 0,22t.
Ahora podemos estimar la demanda para2009 en t = 10
Previsión de ventas para 2010
 T x = 10
T t = 3.41 + 022(10)
T 1 0 = 3.41 + 2.2
T 1 0 = 5.61

Así, los componentes de tendencia arrojan una previsión de ventas de 5,61, ya que las
unidades son por 1.000. Así, la demanda estimada para 2009 es de 5.610 unidades de DVD.

Previsión de ventas para 2011:

t = 11
T 11 = 3.41 + 0.22(11)

T 11 = 3.41 + 2.42
T 11 = 5.83
Por tanto, la previsión de ventas estimada para 2010 es de 5.830 unidades de DVD.

4
Sales

0
1 2 3 4 5 6 7 8 9
Period

VENTAS DE DVD

Métodos casuales de previsión

Estos métodos de previsión se basan en el supuesto de que la variable que intentamos

prever presenta una relación causa-efecto con una o varias variables.

Análisis de regresión

Es una técnica estadística utilizada para desarrollar una ecuación matemática que
muestre cómo se relacionan las variables. Es un procedimiento de previsión que utiliza el
enfoque de mínimos cuadrados sobre una o más variables independientes para desarrollar un
método de previsión.
 Fórmula:

Ŷ = valor de la variable dependiente

a = intercepción del eje Y

b = alcance de la línea de regresión

X = la variable independiente

La variable dependiente Ŷ es el elemento que intentamos pronosticar, mientras que la

variable independiente (X) es un elemento que podría tener un efecto casual sobre la variable
dependiente.

∑ XY −nXY
b= 2 2 ; a = Ŷ - bX
∑ X −n X

Ejemplo:

La constructora Dumlao renueva viviendas en Marilao, Bulacan. Con el tiempo, el

negocio ha encontrado que su peso volumen de trabajo de renovación es dependiente de
trabajo es dependiente en la nómina de la zona de Marilao / Bulacan. A continuación se
muestran los datos de los ingresos de Dumlao y la cantidad de dinero ganada por los
asalariados en Marilao, Bulacan, durante los últimos 5 años:

Dumlao Construction Sales:

Y X
Ventas de Dumlao Nómina
(₱100,000) (₱1,000,000)

3.0 2
2.0 3
3.5 2
2.0 5
3.0 4

Utilice el análisis de regresión por mínimos cuadrados para establecer el método estadístico.
 Ventas Nómina X
2 XY
Y X

3.0 2 4 6.0
2.0 3 9 6.0
3.5 6 36 21.0
3.5 5 25 17.5
3.0 4 16 12.0
∑Y = 15 ∑X = 20 2 ∑XY = 62,5
∑X

∑ X 20
X= = =4
5 5

∑ Y 15
Y= = =3
5 5

∑ XY −nXY 62.5−5(4)(3) 2.5

b= 2 = = = 0,25
2
∑ X −n X 90−5 (4)2 10

a = Y = bX = 3 - 0,25(4) = 2

Así pues, la ecuación de regresión estimada:

Ŷ =2 + 0.25X

Ventas = 2 + 0,25(Nómina)

Si Dumlao Construction desea tener una nómina de cinco coma cinco millones (₱5,5M)
el próximo año, una estimación de ventas para Dumlao Construction es:

Ventas (₱100.000) = 2 + 0,25(Nómina)

= 2 + 0.25(5.5)

= 2 + 1.375

= 3.375

Ventas = ₱337, 500.00

NOMBRE: __________________________________________DATE:_________________

SECTION/TIME/DAY:_________________________ROOM:_____________RATING________

Ejercicio 15

1. Utiliza métodos cuantitativos para los datos que se muestran a continuación:

Periodo 1 2 3 4 5 6 7
Observació 24 34 36 37 41 44 45
n

a. Computa para:

i. Método ingenuo

ii. Media móvil de tres periodos

iii. Media móvil ponderada de tres periodos

iv. Media móvil de cuatro periodos

v. Media móvil ponderada de cuatro períodos

b. Represente gráficamente la serie temporal original y comente la idoneidad de una

tendencia lineal.
2. Supongamos que la Universidad de Occidente tuviera los siguientes datos de su crecimiento
de matrícula de 2016 a 2014.

Año Inscripción
2006 3000
2007 3200
2008 3600
2009 3650
2010 4000
2011 4200
2012 4300
2013 4410
2014 4520
a. Previsión de inscripciones para 2015 mediante una media móvil ponderada a tres años.

b. Utilizando ɑ = 0,30 suave, pronostique la matriculación de 2015.

c. Utilizando MAD, resuelva el error de previsión en ɑ = 0,10

d. Utiliza la media móvil ponderada de cuatro años de 2006-2015

3. En la temporada 2013-2014 de la Asociación de Baloncesto de Filipinas (PBA), San Mig
James Yap fue el líder anotador con una media de 33 puntos por partido. Los siguientes datos
muestran la media de puntos por partido del líder anotador desde la temporada 2008-2009
hasta la 2013-2014.

Temporada Media
2008-2009 25
2009-2010 35
2010-2011 29
2011-2012 34
2012-2013 35
2013-2014 33

a. Utilice el suavizado exponencial para pronosticar esta serie temporal. Considere constantes
de suavizado de ɑ = 0,20 y ɑ = 0,30. ¿Qué valor de la constante de suavizado proporciona la
mejor previsión/

b. ¿Cuál es la previsión de la media goleadora para la temporada 2014-2015?

c. Represente gráficamente la previsión a ɑ = 0,30.

4. Rellene la parte vacía de la tabla. A continuación se ofrecen algunos datos:

Media móvil
Ventas Cuatro semanas ponderada de cuatro
Semana (₱1,000) Media móvil semanas
1 23
2 36
3 45
4 46 - -
5 55 - -
6 64 - -
7 55 - -
8 58 - -
9 66 - -
10 65 - -
11 48 - -
12 67 - -
13 58
14 68
5. Utilice el suavizado exponencial con ɑ entre 0,10 y 0,30 para obtener la previsión a un
periodo vista de la siguiente serie temporal.

Utiliza el valor inicial para F 1 = 200 e identifica qué valor de ɑ es el mejor.

Periodo Demanda Previsión

1 250 200
2 265 -
3 300 -
4 350 -
5 250 -
6 350 -
7 265 -
8 390 -
9 350 -
10 400 -
11 470 -
6. Los contratos de construcción de ANVICOROSE para un periodo de 12 meses son (en
millones de pesos) los que se muestran a continuación:

1 2 3 4 5 6 7 8 9 10 11 12

35M 27M 37M 41M 45M 38M 44M 42M 39M 43M 39M 40M

a. Compare una previsión de media móvil a cuatro meses con una previsión de suavizado
exponencial utilizando ɑ = 0,30. ¿Cuál de las dos proporciona mejores previsiones?
b. ¿Cuál es la previsión para el próximo mes?
c. Represente los datos originales y la media móvil de cuatro meses en el mismo gráfico.
d. Represente los datos originales y la previsión suavizada en el mismo gráfico.
e. Calcule el MAD y el MSE.
7. Los grandes almacenes ALCOR han registrado las siguientes cifras de reclamaciones de
clientes cada mes.

Mes Quejas
Enero 60
Febrero 48
Marzo 55
Abril 50
Mayo 55
a. Calcule una media móvil ponderada de tres meses.
b. Preparar las previsiones para junio, julio y agosto.
8. Dada: Ventas de gasolina (serie temporal) de PETRON (semanal)

Semana Ventas (galones)

1 13,000
2 18,000
3 19,000
4 16,000
5 17,000
6 15,000
7 14,000
8 19,000
9 20,000
10 16,500
11 17,500
12 20,000

a. Calcule la media móvil de tres y cuatro semanas para las series temporales.
b. Calcule la MAD para previsiones de medias móviles de tres y cuatro semanas.
c. ¿Cuál parece ser el mejor número de semanas de datos anteriores para utilizar en el
cálculo de la media móvil?
d. Calcule el porcentaje de error y el MAPE.
9. Utilice el suavizado exponencial con ɑ = 0,40 y un valor inicial de F 1 = 50 para la siguiente
serie temporal.

Mes Demanda
Enero 60
Febrero 70
Marzo 55
Abril 60
Mayo 45
Junio 60
Julio 65
Calcula lo siguiente:

a. Porcentaje de error
b. MAPE
c. Porcentaje de precisión absoluta
d. Precisión aritmética
10. Los Grandes Almacenes JAVILL son distribuidores autorizados de televisores planos desde
hace cinco años. En la tabla se muestra el número de televisores planos vendidos cada año.

Año Número de
televisores planos
vendidos
1 40

2 25

3 35

4 39

5 43

a. Represente gráficamente esta serie temporal. ¿Aparece una tendencia lineal?

b. Desarrolle una ecuación para el componente de tendencia lineal de la serie temporal.
c. Utilice la ecuación de tendencia desarrollada de (b) para preparar las ventas en un año
5 y un año 6.
11. La Casa ABAN Siomai tiene seis sucursales en Caloocan City. En la tabla se muestran los
beneficios y las ventas. Desarrolle la ecuación de regresión a partir de los datos y prediga el
beneficio de una tienda si la venta es de ₱25.000.

Oficinas 1 2 3 4 5 6
Ventas (1.000) 12 15 16 18 14 17
Beneficios 7 9 10 12 10 13
(1.000)
Previsión

ESTUDIO DE CASO

RC ANIMAL PARK CORPORATION

La mala situación económica de 2009 provocó el cierre casi definitivo del zoo de Manila. La
administración de la ciudad de Manila decidió contratar a la RC Animal Park Corporation para
explotar el zoo de Manila.

La Corporación Parque de Animales RC se dio cuenta de que es imprescindible mantener la

imagen del zoo como un buen lugar para que los visitantes se relajen y pasen tiempo con sus
familias. para lograr su objetivo, tienen que asegurarse de que el lugar esté limpio. La empresa
también añadió más animales, aves y reptiles para atraer a más visitantes. También
introdujeron nuevas actividades y juegos. Los esfuerzos de la Corporación parecen estar
funcionando porque la asistencia aumentó de 70.000 en 2009 a un máximo histórico de
165.000 en 2013, como se muestra en el siguiente cuadro.

Asistencia al zoo de Manila entre 2009 y 2014

Año Asistencia
2014 157,800
2013 165,000
2012 120,250
2011 87,600
2010 75,800
2009 70,000

Preguntas para el debate

1. Basándose en los datos anteriores, ¿puede hacer una previsión de la asistencia de 2015 a
2020?

2. ¿Qué técnica de previsión será la más adecuada para prever la asistencia de 2015 a 2020?
¿Por qué?
 APLICACIONES MS EXCEL
EN PREVISIÓN
Ejemplo 1.

A continuación se muestran las tasas de desempleo y las ventas correspondientes experimentadas

por la empresa Vi-An Merchandise en los últimos 10 años. Para los números 1 a 4, haga una previsión de
la tasa de desempleo para el próximo año utilizando las técnicas indicadas a continuación y para el
número 6, haga una previsión de las ventas para los próximos tres años.

Tiemp Ventas
Año o Tasa (%) (₱) 1. Mehod ingenuo
2000 1 7.2 20,000 2.Media móvil de seis años
2001 2 4 41,000 3. Media móvil de tres años con ponderaciones 1,4,3
2002 3 7.3 17,000 4. Alisamiento exponencial simple, ꚙ = 40%.
5. Tendencia lineal prevista de la tasa de desempleo (se
2003 4 5.5 35,000 aplicará durante los tres próximos años)
6. Prevea las ventas para los próximos tres años utilizando la
regresión lineal basada en las tasas de desempleo previstas
2004 5 6.8 35,000 en el número 5.
7. Dibuja los dos diagramas de dispersión con la línea de
2005 6 6 31,000 tendencia y la línea de regresión.
2006 7 5.4 38,000
2007 8 3.6 50,000
2008 9 8.4 15,000
2009 10 7 19,000

En la hoja de cálculo, codifique el tiempo (períodos) en la columna B, la tasa (%) en la columna C y las
ventas (P) en la columna F. Construya la tabla para F, en la columna D y el error o ( F t - Tasa) en la
columna E, que se utilizará en la previsión de la tasa de inflación por el método de alisamiento
exponencial simple. La siguiente fórmula de Excel se utiliza para sugerir cálculos de la tasa de previsión:

1. Método ingenuo, D15 F t = C13 7%, ya que la última entrada de la columna de tasas de inflación
reales se encuentra en C13.
2. Media móvil de seis periodos, D16 Ft = media (C8:C13) 6, 2% donde los resaltados C8 a C13 son
las entradas de las seis tasas de inflación más recientes.
3. Media móvil con los pesos 1, 4, 3 asignados a las tasas de inflación en los tres periodos más
recientes, en la celda D17 teclear =, teclear (1* teclear C11, el3er periodo más reciente + 4*
 teclear C12, el2º periodo más reciente + 3* teclear C13, el periodo más reciente, luego teclear),
luego teclear /(Dividido por) 8 Ft = (1*C11 + 4*C12 + 7.275% donde el denominador 8 es la suma
de los pesos. (Véanse las imágenes 1, 2, 3).

Foto 1

Foto 2
4. Para el método de alisamiento exponencial simple, completamos las columnas D y E mediante los
siguientes pasos:

D4 y E4 están vacíos, ya que no existe ninguna base de previsión de los datos reales disponibles del
primer período.

a. D5 Ft = C4 ya que la base de la previsión es la tarifa real disponible del primer periodo en la

celda C4.
b. Error E5 = C5 - D5 de la tasa real disponible del2º periodo en C5 menos el valor de previsión
correspondiente en D5.
c. Arrastre esta entrada desde las referencias de celda E5 a E13 para completar las entradas de
columna.
d. D6 Ft = D5 + 0,4*E5 de la tasa de previsión anterior en D5 más alfa, 40% veces el error de
previsión anterior en la celda E5.
e. Arrastre esta entrada desde las referencias de celda D6 a D14 para completar las entradas de
columna. La entrada de la celda D14 6, 62% representa el valor previsto en el año 2010 (véase la
imagen 2).

5. Para la proyección de la tendencia lineal, podemos obtener la ecuación de la línea de tendencia

calculando la pendiente y la intersección y con la siguiente fórmula de Excel,

D20 es la pendiente, b = PENDIENTE (C4:C13, B4:B13) donde la tasa de inflación, R, es la matriz Y de

C4 a C13 y el tiempo es la matriz X de las celdas B4 a B13.
D21 es la intersección y, a = INTERCEPTO (C4:C13, B4:B13)

Para pronosticar las tasas de inflación, R, para los años 2010 a 2012, utilizamos la ecuación de
tendencia lineal en la celda D22 Ft = R = 5,806667 + 0,05698*(t) y sustituimos, t = 11, 12 y 13 por el
tiempo en la celda B25 Ft = R = 5,80667+0,05698(11) 6, 43% B26 Ft = R = 5,806667 + 0,05698(12) 6
.43% B27 Ft = R = 5.806667 + 5.806667(13) 6. 43% o utilizar la fórmula de Excel previsión, la fijación
de las posiciones de las tasas en la celda C4 a C13 para la matriz Y y el tiempo en las celdas B4 a B13
para la matriz X, pero sustituyendo sólo el primer requisito X que es el tiempo 11, 12, y 13 como se
muestra en la imagen 3 y 4.

E25 Ft = R = PREVISIÓN (11, $C$4: $C$13, $B$4:$B$13)

E26 Ft =R = PREVISIÓN (12, $C$4: $C$13, $B$4:$B$13)

E27 Ft =R = PREVISIÓN (12, $C$4: $C$13, $B$4:$B$13)

Foto 1
Foto 2
 Para el método de regresión lineal, en primer lugar, obtenemos la ecuación de la recta de regresión
calculando la pendiente y la intersección y mediante las fórmulas de Excel PENDIENTE (matriz y, matriz
x) e INTERSECCIÓN (matriz y, matriz x), donde las ventas de la columna F son la matriz Y y los índices de
la columna C son la matriz X, tal como se muestra en las imágenes 5 y 6. Por lo tanto, la ecuación de
regresión lineal es Ventas = ₱74.127,67 - ₱7.194,06 (Tasa) y las ventas para los próximos tres años
basadas en las tasas de inflación previstas en las celdas E27 a E29 son las siguientes:

a. Para 2010, E34 = PREVISIÓN (E27, $F$4:$F$13, $C$4:$C$13)

b. Para 2011, E35 = PREVISIÓN (E28, $F$4:$F$13, $C$4:$C$13)

c. Para 2012, E36 = PREVISIÓN (E36, $F$4:$F$13, $C$4:$C$13)

₱27,025.21

Foto 5
Foto 6

6. a. Diagrama de dispersión del tiempo frente a la tasa de desempleo con línea de

tendencia

Para hacerlo: Resalte las matrices de Tiempo y Tasa. Haga clic en Asistente para
gráficos. Seleccione Gráfico de dispersión. Haga clic con el botón derecho del ratón en
cualquiera de los puntos trazados. Seleccione Añadir Línea de Tendencia + Lineal.

Rate (Y-axis)
9
8.4
8
7 7.2 7.3 7
6.8
6
5.5 5.4
5
4 4
3.6
3
2
1
0
0 2 4 6 8 10 12
Year (X-axis)
b. Diagrama de dispersión de la tasa de desempleo frente a las ventas con línea de regresión

Para hacerlo: Resalte las matrices de Tarifa y Ventas. Haga clic en Asistente para gráficos. Seleccione el
gráfico de dispersión. Haga clic con el botón derecho del ratón en cualquiera de los puntos trazados.
Seleccione Añadir Línea de Tendencia + Lineal.

(Sales)
60,000

50,000

40,000

30,000

20,000

10,000

0
0.05 1.05 2.05 3.05 4.05 5.05 6.05 7.05 8.05 9.05
(Unemployment Rates)
Previsión

ESTUDIO DE CASO

RC ANIMAL PARK CORPORATION

La mala situación económica de 2009 provocó el cierre casi definitivo del zoo de Manila. La
administración de la ciudad de Manila decidió contratar a la RC Animal Park Corporation para explotar el
zoo de Manila.

La RC Animal Park Corporation se dio cuenta de que es imprescindible mantener la imagen del
zoo como un buen lugar para que los visitantes se relajen y pasen tiempo en familia. Para lograr su
objetivo, tienen que asegurarse de que el lugar está limpio. La Corporación también añadió más
animales, aves y reptiles para atraer a más visitantes. También introdujeron nuevas actividades y juegos.
Los esfuerzos de la Corporación parecen estar funcionando porque la asistencia aumentó de 70.000 en
2009 a un máximo histórico de 165.000 en 2013, como se muestra en el siguiente cuadro:

Cuadro 5.1

Asistencia al zoo de Manila entre 2009 y 2014

Año Asistencia
2014 157,800
2013 165,00
2012 120,250
2011 87,600
2010 75,800
2009 70,000

Preguntas para el debate

1. Basándose en los datos anteriores, ¿puede hacer una previsión de la asistencia de 2015 a 2020?

2. ¿Qué técnica de previsión será la más adecuada para predecir la asistencia de 2015 a 2020? ¿Por qué?