Академический Документы
Профессиональный Документы
Культура Документы
Saltar a la primera
página
1.1. Necesidad de pronosticar
Entorno altamente incierto
La intuición no necesariamente da los
mejores resultados
Mejorar la planeación
Competitividad y cambio
www.auladeeconomia.com
Saltar a la primera
página
1.2. Tipos de pronósticos
Por su plazo: De corto plazo
De largo plazo
Según el entorno a Micro
pronosticar Macro
Según el Cualitativo
procedimiento Cuantitativo
empleado
www.auladeeconomia.com
Saltar a la primera
página
1.3. Pasos de la elaboración
de pronósticos
1. Recopilación de datos
2. Reducción o condensación de
datos
3. Construcción del modelo
www.auladeeconomia.com
Saltar a la primera
página
2. Exploración de patrones de
datos
Se requieren suficientes datos
históricos
Se apoyan en la suposición de que
el pasado puede extenderse hacia el
futuro
www.auladeeconomia.com
Saltar a la primera
página
Las técnicas cuantitativas
pueden ser:
Estadísticas Se enfocan en patrones y en
cambios en los patrones y
sus perturbaciones
Saltar a la primera
página
Con relación a las técnicas
cuantitativas estadísticas se
presentan dos enfoques:
Los datos se pueden descomponer
en componentes de tendencia,
cíclicos, estacionales y aleatorios.
Modelos econométricos de series de
tiempo y Box-Jenkins.
www.auladeeconomia.com
Saltar a la primera
página
3. Componentes de series de
tiempo:
Una serie de tiempo consta de datos
que se reúnen, registran u observan
sobre incrementos sucesivos de
tiempo.
Se requiere un enfoque sistemático
para analizarlas.
www.auladeeconomia.com
Saltar a la primera
página
Descomposición clásica de series
de tiempo:
Componente Descripción
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminución
en la serie sobre un periodo amplio.
Cíclico Es la fluctuación en forma de onda
alrededor de la tendencia.
Estacional Es un patrón de cambio que se repite a
sí mismo año tras año.
Aleatorio Mide la variabilidad de las series de
tiempo después de retirar los otros
www.auladeeconomia.com
componentes.
Saltar a la primera
página
4. Selección de una técnica de
pronóstico: Datos estacionarios
Las fuerzas que generan la serie se han estabi-
lizado y el medio permanece relativamente sin
cambios.
Se puede lograr la estabilidad haciendo
correcciones sencillas a factores como
crecimiento de la población o la inflación.
La serie se puede transformar en una serie
estable.
La serie es un conjunto de errores de pronóstico,
de una técnica de pronóstico que se considera
www.auladeeconomia.com
inflación.
Aumenta la aceptación en el mercado de un
www.auladeeconomia.com
producto. Saltar a la primera
página
4. Selección de una técnica de
pronóstico: Datos con
estacionalidad
El clima influye en la variable de
interés.
El año calendario influye en la
variable.
www.auladeeconomia.com
Saltar a la primera
página
4. Selección de una técnica de
pronóstico: Series cíclicas
El ciclo del negocio influye sobre la
variable.
Cambios en el gusto popular.
Cambios en la población.
Cambios en el ciclo de vida del
producto.
www.auladeeconomia.com
Saltar a la primera
página
5. Medición del error en el
pronóstico
Se compara la precisión de dos o más
técnicas de pronóstico.
Se mide la confiabilidad de una
técnica de pronóstico.
Se busca la técnica óptima.
www.auladeeconomia.com
Saltar a la primera
página
5. Medición del error en el
Periodo, t
pronóstico
Yt Pronóstico, Yt
1 58 -
2 54 58
3 60 54
4 55 60
5 62 55
6 62 62
7 65 62
8 63 65
www.auladeeconomia.com
9 70 63Saltar a la primera
página
5. Fórmulas de medición del error
en el pronóstico
Yt valor de una serie de tiempo en el periodo t
Yˆ valor del pronóstico para Y
t t
www.auladeeconomia.com
Saltar a la primera
página
5. Fórmulas de medición del
error en el pronóstico
Desviación absoluta media :
n
Y Yˆ t t
DAM t 1
n
Error medio cuadrado :
n 2
Yt Yˆt
EMC t 1
www.auladeeconomia.com
n
Saltar a la primera
página
5. Fórmulas de medición del error
en el pronóstico
Porcentaje de error medio absoluto :
n Yt Yˆt
Yt
t 1
PEMA
n
Porcentaje medio de error :
n
Y Yˆ
t
t 1 Yt
www.auladeeconomia.com PME
n Saltar a la primera
página
6. Modelos de series de tiempo
6.1. Modelos no formales:
Estas técnicas suponen que los
periodos recientes son los mejores
para pronosticar el futuro.
El método más sencillo es el método
del último valor:
Pronóstico = último valor
www.auladeeconomia.com
Saltar a la primera
página
6.1. Método del último valor
t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6
www.auladeeconomia.com
64 51 13
Saltar a la primera
página
6.2. Metodos de promedio
Promedios simples:
Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el
periodo siguiente.
www.auladeeconomia.com
Saltar a la primera
página
Promedios simples:
t Yt Yt+1
1 42
2 52 42
3 54 47.00
4 65 49.33
5 51 53.25
6 64 52.80
www.auladeeconomia.com
Saltar a la primera
página
Promedios móviles:
Este método no considera la media de
todos los datos, sino solo los más
recientes.
Se puede calcular un promedio móvil de
n periodos.
El promedio móvil es la media aritmética
de los n periodos más recientes.
www.auladeeconomia.com
Saltar a la primera
página
Promedios móviles:
promedio móvil
t Yt n=3 n=4
1 42
2 52
3 54
4 65 49.33
5 51 57.00 53.25
6
www.auladeeconomia.com 64 56.67 55.5
Saltar a la primera
página
6.3. Metodos de suavizamiento
exponencial
El método de suavizamiento exponencial
puede dar una ponderación mayor a las
observaciones más recientes.
Las ponderaciones se asigna mediante la
constante , 0 < < 1.
El modelo se expresa como:
pronóstico = (último valor) + (1 - )(último pronóstico)
www.auladeeconomia.com
Saltar a la primera
página
6.3. Metodos de suavizamiento
exponencial
t Yt =0.1 =0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
www.auladeeconomia.com
6 64 46.67 54.38
Saltar a la primera
página
6.4. Descomposición de series de
tiempo
Las tendencias son movimientos a largo plazo
en una serie de datos a lo largo del tiempo.
La tendencia puede ser descrita por una recta
independiente es el tiempo.
www.auladeeconomia.com
Saltar a la primera
página
6.4.1. Tendencia lineal
El método más empleado para describir una
tendencia lineal es el de mínimos
cuadrados, para encontrar una línea de
mejor ajuste para un conjunto de puntos.
Y´ = a + bX
Y´ = valor pronosticado en un periodo X
a = valor de la tendencia cuando X = 0
X = periodo (codificado)
www.auladeeconomia.com
Saltar a la primera
página
6.4.1. Tendencia lineal: ejemplo
Año Periodo X Demanda (Y)
1994 1 35
1995 2 42
1996 3 48
1997 4 51
1998 5 54
1999 6 60
2000
www.auladeeconomia.com
7 71
2001 8 75
Saltar a la primera
página
6.4.1. Tendencia lineal: ejemplo
www.auladeeconomia.com
Saltar a la primera
página
6.4.1. Tendencia lineal: ejemplo
X Y XY X²
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
www.auladeeconomia.com
Sumas Saltar a la primera
página
6.4.1. Tendencia lineal: fórmulas
n xy x y
b
n x x
2 2
a
y
b
x
n n
www.auladeeconomia.com
Saltar a la primera
página
6.4.1. Tendencia lineal
t Yt Y´t et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
www.auladeeconomia.com
9 Saltar a la primera
página
6.4.1. Tendencia lineal
Se puede calcular el coeficiente de determinación,
a fin de evaluar qué tan correcta es la estimación
de la recta de regresión.
El coeficiente de determinación r² se calcula como:
n xy x y
2
n x x n y y
2
r 2 2 2 2
www.auladeeconomia.com
Saltar a la primera
página
6.4.1. Tendencia lineal
También es posible calcular intervalos de
confianza para la estimación. Para ello es
necesario calcular el error estándar de la
estimación.
Se
y 2
a y b xy
n2
www.auladeeconomia.com
Saltar a la primera
página
6.4.1. Tendencia lineal
Nivel de Z Fórmula
confianza
68% 1 y’ ± Se
95% 2 y’ ± 2Se
99%
www.auladeeconomia.com 3 y’ ± 3Se
Saltar a la primera
página
7. Aplicación de varios métodos a
datos desestacionalizados
Los datos muestran alguna tendencia creciente a
lo largo del tiempo, además de una marcada
estacionalidad. Se procederá a desestacionalizar
los datos, lo que permite observar hasta donde las
variaciones se deben a efectos estacionales o
bien, a otros factores.
El proceso de ajuste estacional se realizará a
Saltar a la primera
página
Año Trim. Yt
1 1 13618
2 12930
3 13138
4 16532
2 1 14514
2 14128
3 15568
4 17448
3 1 13984
2 13644
www.auladeeconomia.com
3 15898
Saltar a la primera
4 19300página
7. Aplicación de varios métodos a
datos desestacionalizados
20000
19000
18000
17000
16000
15000
14000
13000
12000
11000
10000
www.auladeeconomia.com
1 2 3 4 1 2 3 4 1 2 3 4
Trim estres Saltar a la primera
página
7. Aplicación de varios métodos a
datos desestacionalizados
Año
1 2 3 Factor
T Suma Prom Estac.
1 13618 14514 13984 42116 10529 0.9323
2 12930 14128 13644 40702 10175 0.9010
3 13138 15568 15898 44604 11151 0.9873
4 16532 17448 19300 53280 13320 1.1794
Total 45175.50
www.auladeeconomia.com
Prom. 11293.88
Saltar a la primera
página
Año Trim. Yt Yt ajust.
1 1 13618.00 14607.27
2 12930.00 14351.12
3 13138.00 13306.33
4 16532.00 14017.29
2 1 14514.00 15568.36
2 14128.00 15680.79
3 15568.00 15767.47
4 17448.00 14793.96
3 1 13984.00 14999.86
2 13644.00 15143.59
3
www.auladeeconomia.com
15898.00 16101.70
Saltar a la primera
4 19300.00 16364.25
página
7. Aplicación de varios métodos a
datos desestacionalizados
Se aplican varios métodos de pronóstico para
finalmente seleccionar el mejor pronóstico.
A. Método de pronóstico del último valor
B. Promedios móviles
C. Suavizamiento exponencial
D. Suavizamiento exponencial con tendencia
www.auladeeconomia.com
Saltar a la primera
página
Otros métodos:
Modelos de tendencia con ajuste estacional
Modelo de promedios móviles integrados
autorregresivos (ARIMA o Box-Jenkins)
Pronósticos causales (modelos
econométricos)
Métodos de pronósticos subjetivos
www.auladeeconomia.com
Saltar a la primera
página
Si desea más información visite
www.auladeeconomia.com
Le invitamos a leer nuestros
artículos y matricular nuestros
cursos
Saltar a la primera
página