Академический Документы
Профессиональный Документы
Культура Документы
¿Qué es pronosticar?
Es el arte y la ciencia de predecir eventos futuros
2
2. Pronostico a mediano plazo
De 3 meses a 3 años
Se usa para:
• Planear las ventas
• Planear la producción
• El Presupuesto y el flujo de efectivo
• Análisis de diferentes planes operativos
3
3. Pronostico a largo plazo
Su extensión es de 3 años a más
Se usa para:
• Planear la fabricación de nuevos productos
• Gastos de capital
• Ubicación o expansión de las instalaciones
• Investigación y desarrollo
4
Los pronósticos a mediano y largo plazo se distinguen de los
pronósticos a corto plazo por 3 características
1.
Planeación
P.M.P Manejan aspectos Dan decisiones Productos
P.L.P generales Administrativa Plantas
Procesos
5
2.
6
3. El P.C.P Mas preciso que el de L.P.
7
Tipos de Pronósticos
8
Pasos del Sistema de Pronostico
1. Determinar el uso del pronostico
2. Seleccionar los aspectos que se deben pronosticar
3. Determinar el horizonte de tiempo de pronostico
4. Seleccionar los modelos de pronostico (prom. Móviles, suavización
exponencial, etc.)
5. Recopilar los datos necesarios para elaborar el pronostico
6. Realizar el pronostico
7. Validar e implementar los resultados
9
Enfoques de Pronostico
Cualitativo
Pronósticos
Cuantitativos
10
Pronósticos Cualitativos
Son 4:
1.- Jurado de opinión ejecutiva
Expertos o administradores Combinación sale una
de alto nivel de modelos estad. estimación
grupal
11
2.- Método Delphi
12
3.- Composición de la fuerza de ventas
13
4.- Encuesta en el Mercado
14
Los Métodos cuantitavos
Usaremos cinco:
1. Enfoque intuitivo
2. Promedios móviles
Modelos de series de tiempo
3. Suavización exponencial
4. Proyecciones de tendencias
5. Regresión lineal Modelo asociativo
15
¿Qué es una serie de tiempo?
Es una técnica de pronostico que usa una serie de datos puntuales
del pasado para realizar un pronostico
16
Pronostico de Series de Tiempo
Una serie de tiempo se basa en una secuencia de datos puntuales
igualmente espaciados (semanales, mensuales, trimestrales, etc.)
Descomposición de una serie de tiempo
Analizar una serie de tiempo significa desglosar los datos históricos en
componentes y después proyectarlos al futuro
Son 4 sus componentes
1. La Tendencia
Es el movimiento gradual, hacia arriba de o hacia debajo de los
datos en el tiempo
Los cambios en el ingreso, la población, la distribución de edades o
puntos de vista culturales pueden ser causantes del movimiento en
una tendencia
17
2. La Estacionalidad
Es un patrón de datos que se repite después de un periodo de días,
semanas o trimestres
Existen 6 patrones comunes de estacionalidad
18
3. Los Ciclos
Son patrones detectados en los datos, que ocurren cada cierta
cantidad de años
Por lo general, están sujetos al ciclo comercial y sirven para análisis
y planeación de corto plazo
Se afectan por los acontecimientos políticos o la turbulencia
internacional
19
4. Las variaciones aleatorias
Son señales generadas en los datos por casualidad o por situaciones
inusuales
No siguen ningún patrón discernible y por lo tanto, no se puede
predecir
20
Enfoque intuitivo (La demanda será igual a la del periodo mas reciente)
21
Promedios móviles
Usa un numero de valores de datos históricos reales, para generar
pronostico
Los promedios móviles son útiles si podemos suponer que la demanda
del mercado permanecerá relativamente estable en el tiempo.
22
Cuando se presenta una tendencia o patrón localizable, pueden
utilizarse ponderaciones para dar énfasis a los valores recientes (pom.
Móvil ponderado)
Esta técnica responde mas rápidamente a los cambios (se les da mas
peso a los periodos recientes)
La asignación de la ponderación es arbitraria (no hay formula
establecida), asignar las ponderaciones requiere experiencia.
23
Suavización Exponencial
Es una técnica de pronósticos por medios móviles ponderados, donde
los datos se ponderan mediante una función exponencial, mantiene
muy pocos registros de datos históricos
24
Constante de Suavización (α)
α es una ponderación o constante de suavización, elegida por quien
pronostica y tiene un valor entre 0 y 1
La constante de suavización (α), en encuentra por lo regular en un
rango de 0,05 a 0,5 para aplicaciones de negocios
Se eligen valores altos de α cuando el periodo subyacente tiene
probabilidades de cambiar
Se eligen valores bajos de α cuando el promedio en que se basa es
bastante estable
25
Medición de error de Pronostico
La exactitud de un pronostico puede compararse al medir valores
pronosticados con los valores reales
Si Ft indica el pronostico en el periodo f
At indica la demanda real del periodo f
Error de pronostico = Demanda real – valor pronosticado
E = A t + Ft
Hay tres medidas mas usadas para medir el error del pronostico:
• Desviación absoluta media (MAD)
• Error cuadrático medio (HSE)
• Error porcentual absoluto medio (MAPE)
26
Desviación absoluta media (MAD)
Su valor se calcula sumando los valores absolutos de los errores
individuales del pronostico y dividiendo el resultado entre el número
de periodos
σ 𝑅𝑒𝑎𝑙 −𝑃𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜
MAD =
𝑛
27
Error cuadrático Medio (MSE)
Es una segunda forma de medir el error global del pronostico
Es el promedio de los cuadrados de las diferencias encontradas entre
los valores pronosticados y los observados
σ(𝐸𝑟𝑟𝑜𝑟𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜)2
MSE =
𝑛
28
Error Porcentual Absoluto Medio (MAPE)
Es el promedio de las diferencias absolutas, encontradas entre los
valores pronosticados y los reales expresados como un porcentaje de
los valores reales
σ𝑛
𝑖=1 100 𝑅𝑒𝑎𝑙𝑖 −𝑃𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜𝑖 /𝑅𝑒𝑎𝑙
MAPE =
𝑛
29
Suavización exponencial con ajuste de tendencia
La suavización exponencial como cualquier técnica de promedios móviles, fallan en su respuesta a la tendencia
Por lo tanto hay que ajustar el pronóstico incluyendo la tendencia
Pronostico incluyendo la tendencia (FITt)
FITt = Pronostico suavizado exponencialmente (Ft) + Tendencia suavizada exponencialmente (Tt)
Se requieren 2 constantes de suavización
𝛼 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑦
𝛽 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎
𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎
Ft = 𝛼 + (1 - 𝛼) +
ú𝑙𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜
o bien:
Ft = 𝛼 ( At-1) + (1 - 𝛼) (Ft-1 + Tt-1)
𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎
Ft = β − + (1 - β )
𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜
o bien:
Ft = (β) (𝐹𝑡 − 𝐹t−1) + (1 – β) Tt-1
30
Donde:
Ft = Pronostico suavizado exponencialmente de la serie de datos incluidos en el
periodo t
Tt = Tendencia suavizada exponencialmente en el periodo t
At = Demanda real en el periodo t
𝛼 = Constante de suavización para el promedio (0 ≤ 𝛼 ≤ 1)
β = Constante de suavización para la tendencia (0 ≤ β ≤ 1)
31
Proyecciones con mínimo cuadrado
Es el último método (de los tratados) que se hará como proyección de
la tendencia
Esta técnica ajusta una recta de tendencia a una serie de datos
puntuales histórico, y después proyecta dicha recta al futuro para
obtener los pronósticos de mediano y largo plazo.
Este enfoque resulta de una línea recta que disminuye al mínimo la
suma de los cuadrados de las diferencias verticales o desviaciones de la
recta hacia c/u de las observaciones reales
32
Formulas a emplear:
𝑦ො = 𝑎 + 𝑏𝑥
𝑦ො 𝑙𝑙𝑎𝑚𝑎𝑑𝑎 𝑔𝑜𝑟𝑟𝑜 = valor calculado de la variable que debe
predecirse (variable dependiente)
a = intersección con el eje y
b = pendiente de la recta de regresión (o la tasa de cambio en y para los
cambios dados en x
X = variable independiente (puede ser el tiempo)
33
σ 𝑥𝑦 −𝑛𝑥𝑦
b= σ 𝑥2−𝑛𝑥ҧ 2
34