Módulo 4
Módulo 4
Módulo 4
Pronosticar es el arte y ciencia de predecir los eventos futuros. Se puede emplear datos
históricos y su proyección mediante modelos matemáticos.
Puede ser una proyección subjetiva o intuitiva, o combinación de ambas.
Los de mediano y largo plazo se distinguen del corto plazo por tres características:
• Los de mediano y largo plazo apoyan aspectos más generales.
• El corto plazo utiliza metodologías diferentes. Técnicas matemáticas como: promedios
móviles, suavizamiento exponencial y extrapolación de tendencias.
• Los a corto plazo tienden a ser más precisos.
Módulo 4: Pronósticos
Tipos de Pronósticos
1. Económicos: abordan el ciclo del negocio al predecir tasas de inflación y otros
indicadores de planeación.
2. Tecnológicos: se refieren a las tasas de progreso tecnológico. (nacimiento de
nuevos productos)
3. De demanda: también llamados pronósticos de ventas, orientan la producción,
la capacidad y los sistemas de programación de la empresa, sirven como
entrada en la planeación financiera, de marketing y de personal.
Módulo 4: Pronósticos
1. Determinar el uso.
2. Seleccionar los aspectos a pronosticar.
3. Determinar el horizonte de tiempo.
4. Seleccionar los modelos.
5. Recopilar los datos para elaborar el pronóstico.
6. Realizar el pronóstico.
7. Validar e implementar los resultados.
Enfoques de pronósticos
Métodos cualitativos
Métodos cuantitativos
1. Enfoque intuitivo.
2. Promedios móviles. Modelo de series de
tiempo
3. Suavizamiento exponencial.
4. Proyección de tendencias.
Modelo asociativo
5. Regresión lineal.
3. Ciclos : son patrones detectados que ocurren cada cierta cantidad de años y
usualmente están sujetos al ciclo comercial.
4. Variaciones aleatorias: son señales generadas en los datos por casualidad o
situaciones inusuales.
Módulo 4: Pronósticos
Enfoque intuitivo
Es la forma más simple de pronosticar, es suponer que la demanda del siguiente
periodo será igual a la demanda del periodo más reciente.
Módulo 4: Pronósticos
Promedios móviles
Usa un número de valores de datos históricos reales para generar un pronóstico.
Son muy útiles si podemos suponer que la demanda del mercado permanecerá
relativamente estable en el tiempo.
Promedio móvil
Demanda en los n periodos previos
n
Ejemplo:
Una tienda de suministros de jardín quiere hacer un pronóstico con el promedio
móvil de 3 meses, incluyendo un pronóstico para las ventas de cobertizos el próximo
enero. A continuación se presentan en la siguiente tabla las ventas
Módulo 4: Pronósticos
Módulo 4: Pronósticos
Módulo 4: Pronósticos
Suavizamiento exponencial
Es un sofisticado método de pronóstico de promedios móviles ponderado que sigue siendo
fácil de usar. Implica mantener muy pocos registros de datos históricos. Se expresa de la
siguiente forma:
Ft Ft -1 A t 1 Ft -1
Ejemplo:
En enero, un vendedor de automóviles predijo que la demanda para Febrero seria de 142
Ford mustang. La demanda real en febrero fue de 153 automóviles. Usando la constante de
suavizamiento que eligió la administración de α=0,20, el vendedor quiere pronosticar la
demanda para marzo usando el método de suavizamiento exponencial.
Módulo 4: Pronósticos
Nota: para la elección correcta de la constante α se debe tener en cuenta que se debe
elegir valores altos para cuando el promedio subyacente tiene probabilidad de cambiar,
se deben emplear valores bajos cuando el promedio en que se basa es bastante
estable.
Módulo 4: Pronósticos
Error A t Ft
En la práctica se usan varias medidas para calcular el error global del pronóstico.
Las medidas más populares son: MAD (mean absolute deviation), MSE (mean
squared error) y el MAPE (mean absolute percent error ).
Ejemplo:
Durante los últimos 8 trimestres, en el puerto de Valparaíso se han descargado de
los barcos grandes cantidades de grano. Usted es el administrador del puerto y
quiere probar el uso de suavizamiento exp. Para ver que tan bien puede predecir el
tonelaje descargado. Supone que el pronóstico de grano descargado durante el
primer trimestre fue de 175 Ton. Se examinan 2 valores de α: α=0,10 y α=0,50.
Módulo 4: Pronósticos
Módulo 4: Pronósticos
Medición de error
Error cuadrático medio (MSE): Es el promedio de los cuadrados de las diferencias
encontradas entre los valores pronosticados y los observado. Su fórmula es:
n
Ejemplo: Del ejemplo anterior usted quiere calcular el MSE para α=0,10.
Módulo 4: Pronósticos
Módulo 4: Pronósticos
Medición de error
Error porcentual absoluto medio (MAPE): Se utiliza para evitar el problema que
sucede con el MAD y MSE, el cuál es que dependen de la magnitud del elemento a
pronosticar. Se calcula como el promedio de las diferencias absolutas encontradas
entre los valores pronosticados y los reales, y se expresa como un porcentaje de los
valores reales.
n
Ft A t 1 (1 ) Ft 1 Tt -1 Pronóstico suavizado
Proyecciones de tendencias
Esta técnica ajusta una recta de tendencia a una serie de datos puntuales históricos,
y después proyecta dicha recta al futuro para obtener un pronóstico de mediano y
largo plazo. Existen proyecciones exponenciales y cuadráticas, pero veremos sólo
lineales.
Podemos aplicar el método de “mínimos cuadrados”, que consiste en un método
estadístico preciso que resulta en una línea recta que minimiza la suma de los
cuadrados de las diferencias verticales o desviaciones de la recta hacia cada una de
las observaciones reales.
Módulo 4: Pronósticos
Los estadísticos han desarrollado ecuaciones que se utilizan para encontrar los
valores de a y b para cualquier recta de regresión. La pendiente b se encuentra
mediante:
b xy nx y
donde: x nx
b = pendiente de la recta de regresión
2 2
Σ = signo de sumatoria
x = valores conocidos de la variable independiente
y = valores conocidos de la variable dependiente
= promedio de los valores de x
ȳ= promedio de los valores de y
n = número de puntos de datos u observaciones.
a y bx
Módulo 4: Pronósticos
ŷ = a + bx ; donde
ŷ = valor de la variable dependiente
a = intersección con el eje y
b = pendiente de la recta de regresión
x = variable independiente
Módulo 4: Pronósticos
S y, x (y y ) c
2 ; donde
n2
y = valor de y de cada dato puntual
yc = valor calculado de la variable dependiente, a partir de la ecuación de regresión
n = número de datos puntuales
Módulo 4: Pronósticos
S y, x
y 2
a y b xy
n2
Su ecuación es: n xy x y
r
n x 2 x 2 n y 2 y 2
Las señales positivas indican que la demanda es mayor que el pronóstico, las
negativas que es menor.
Módulo 4: Pronósticos
¿Cómo deciden las empresas cuáles deben ser los límites de control superior
e inferior?
No existe una respuesta única, pero intentan encontrar valores razonables , en otras
palabras, límites que no sean tan bajos como para enviar la señal con el mínimo
error de pronóstico ni tan altos que dejen pasar pronósticos malos de manera
regular. Una MAD equivale aproximadamente a 0.8 desviaciones estándar, ±2 MAD
= ±1.6 desviaciones estándar, ±3 MAD = ±2.4 desviaciones estándar, y ±4 MAD =
±3.2 desviaciones estándar; lo cual sugiere que para que un pronóstico esté “bajo
control”, se espera que el 89% de los errores caiga dentro de ±2 MAD, el 98%
dentro de ±3 MAD, o el 99.9% dentro de ±4 MAD.5