INSTITUTO TECNOLOGICO SUPERIOR DE ALVARADO

INGENIERA INDUSTRIAL

Materia: ESTADSTICA INFERENCIAL II

Semestre-Grupo: CUARTO SEMESTRE - 4AI

Presenta: FULANITO DE TAL

Docente: M.C. ALEXANDRO BARRADAS DAZ Tema: Desarrollo de la unidad 5 de la asignatura: Series de tiempo

H. Y G. ALVARADO, VER. FEBRERO AGOSTO 2013

UNIDAD 5: SERIES DE TIEMPO INTRODUCCIN Una serie de tiempo representa las variaciones o evolucin de un fenmeno a travs del tiempo. Se concreta en una serie de observaciones de una variable, hechas en determinados intervalos de tiempo, generalmente iguales. Son datos bivariados en los que la variable independiente es el tiempo, que se simboliza por t en vez de por x. Son muy utilizadas en la vida diaria: evolucin en un determinado periodo de tiempo de la produccin de coches, exportaciones, turistas que nos visitan, paro, etc. La clsica curva de la fiebre y pulso de un paciente es una serie de tiempo. Los modernos monitores de las llamadas constantes vitales y los bargrafos, termgrafos y aparatos similares hacen un registro continuo de una o ms variables 5.1. Modelo clsico de series de tiempo Un modelo clsico para una serie de tiempo, supone que una serie x(1), ..., x(n) puede ser expresada como suma o producto de tres componentes: tendencia, estacionalidad y un trmino de error aleatorio. Existen tres modelos de series de tiempos, que generalmente se aceptan como buenas aproximaciones a las verdaderas relaciones, entre los componentes de los datos observados, que son: 1. Aditivo: X(t) = T(t) + E(t) + A(t) 2. Multiplicativo: X(t) = T(t) E(t) A(t) 3. Mixto: X(t) = T(t) E(t) + A(t) Donde: X(t) T(t) E(t) A(t) serie observada en instante t componente de tendencia componente estacional componente aleatoria (accidental)

Una suposicin usual es que A(t) sea una componente aleatoria o ruido blanco con media cero y varianza constante. Un modelo aditivo (1), es adecuado, por ejemplo, cuando E(t) no depende de otras componentes, como T(t), s por el contrario la estacionalidad vara con la tendencia, el modelo ms adecuado es un modelo multiplicativo (2). Es claro que el modelo 2 puede ser

transformado en aditivo, tomando logaritmos. El problema que se presenta, es modelar adecuadamente las componentes de la serie. La figura ilustra posibles patrones que podran seguir series representadas por los modelos (1), (2) y (3).

Modelos de series en el tiempo

5.2. Anlisis de fluctuaciones El anlisis de fluctuaciones es mejor conocido como Tcnicas De Pronstico Para Series Cclicas.

Ao I

Ao II

Ao III

Ao IV

Es la fluctuacin en forma de onda alrededor de la tendencia. Los patrones cclicos tienden a repetirse en los datos cada dos, tres o ms aos. Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor de la tendencia rara vez se repiten en intervalos fijos de tiempo y tambin vara la magnitud de las fluctuaciones. Las tcnicas de pronstico para datos cclicos se utilizan siempre que:

El ciclo del negocio influye sobre la variable de inters. Como ejemplos estn los factores econmicos de mercado y de la competencia. Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la msica y la alimentacin. Se presenta cambios en la poblacin. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres naturales. Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introduccin, crecimiento, maduracin, saturacin y declinacin del mercado.

5.3. Anlisis de tendencia Es necesario describir la tendencia ascendente o descendente a largo plazo de una serie cronolgica por medio de alguna lnea, y la ms adecuada ser la que mejor represente los datos y sea til para desarrollar pronsticos. Para lograr la estimacin de la tendencia se utilizan con ms frecuencia los siguientes mtodos: MTODO DE LOS MNIMOS CUADRADOS Este mtodo ya se estudi en el captulo anterior, en el que se indic las formas para hallar la ecuacin de una recta de mnimos cuadrados. Con esta recta se obtendrn los valores de tendencia. Ejemplo ilustrativo: Con los siguientes datos acerca de las ventas en millones de dlares de la Empresa M & M: Ao (X) Ventas (Y) 1995 3,4 1996 3,1 1997 3,9 1998 3,3 1999 3,2 2000 4,3 2001 3,9 2002 3,5 2003 3,6 2004 3,7 2005 4 2006 3,6 2007 4,1 2008 4,7

2009 2010

4,2 4,5

1) Hallar la ecuacin de tendencia por el mtodo de los mnimos cuadrados. 2) Pronosticar la tendencia de exportacin para el 2011. 3) Elaborar la grfica para los datos y la recta de tendencia. Solucin: 1) Para hallar la ecuacin de tendencia por el mtodo de los mnimos cuadrados se llena la siguiente tabla, codificando la numeracin de los aos 1995 como 1, 1996 como 2, y as consecutivamente para facilitar los clculos.

Ao (X) 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Total

X 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 136

Y 3,4 3,1 3,9 3,3 3,2 4,3 3,9 3,5 3,6 3,7 4 3,6 4,1 4,7 4,2 4,5 61

XY 3,40 6,20 11,70 13,20 16,00 25,80 27,30 28,00 32,40 37,00 44,00 43,20 53,30 65,80 63,00 72,00 542,3

X2 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 1496

Y2 11,56 9,61 15,21 10,89 10,24 18,49 15,21 12,25 12,96 13,69 16,00 12,96 16,81 22,09 17,64 20,25 235,86

Reemplazando valores en las siguientes frmulas se obtiene los valores de a0 y a1: ( ) ( )

) ( )

Interpretacin: - El valor al ser positiva indica que existe una tendencia ascendente de las exportaciones aumentando a un cambio o razn promedio de 0,07 millones de dlares por cada ao. - El valor de indica el punto en donde la recta interseca al eje Y cuando X = 0, es decir indica las exportaciones estimadas para el ao 1996 igual a 3,22. Reemplazado los valores anteriores en la recta de tendencia se obtiene:

Y = 3,22 + 0,07X 2) Para pronosticar la tendencia de exportacin para el 2011 se reemplaza X = 17 en la recta de tendencia, obteniendo el siguiente resultado: Y = 3,22 + 0,07X Y = 3,22 + 0,0717 = 4,41 Los clculos en Excel se muestran en la siguiente figura:

3) La grfica de los datos y la recta de tendencia elaborada en Excel se muestran en la siguiente figura:

MTODO DE LOS SEMIPROMEDIOS Este mtodo se aplica con el objeto de simplificar los clculos y consiste en: a) Agrupar los datos en dos grupos iguales b) Obtener el valor central (mediana) de los tiempos y la media aritmtica de los datos de )y( ). cada grupo, consiguindose as dos puntos de la recta de tendencia ( c) Estos valores se reemplazan en el siguiente sistema: { d) Resolviendo el sistema se encuentran los valores de la ecuacin de la recta de tendencia, la cual es: y , los cuales se reemplazan en

Con esta recta de tendencia se puede realizar pronsticos, los cuales son menos exactos que los obtenidos con el mtodo de los mnimos cuadrados, sin embargo, su diferencia es mnima. Ejemplo ilustrativo Con los siguientes datos sobre las ventas en millones de dlares de la Empresa D & M Ao (X) 2000 Ventas (Y) 1,5

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

1,8 2 1,5 2,2 2 3 2,8 2,4 2,9 3

1) Hallar la ecuacin de tendencia por el mtodo de los semipromedios. 2) Pronosticar la tendencia de ventas para el 2011. 3) Elaborar la grfica para los datos y la recta de tendencia. Solucin: 1) Se codifica la numeracin de los aos 2000 como 1, 2001 como 2, y as consecutivamente para facilitar los clculos. Se agrupa en dos grupos iguales.

El ao 2005 se dej por fuera para tener grupos con el mismo nmero de aos. El valor central de 3 corresponde a la mediana del primer grupo 1, 2, 3, 4 y 5. El valor central de 9 corresponde a la mediana del segundo grupo 7, 8, 9, 10 y 11. El semipromedio 1,8 corresponden a la media aritmtica del primer grupo. El semipromedio 2,82 corresponden a

la media aritmtica del segundo grupo. De esta manera se obtienen dos puntos (3, 1.8) y (9, 2.82) de la recta de tendencia. Reemplazando los puntos en el siguiente sistema se obtiene: { {

Resolviendo el sistema empleando la regla de Cramer se obtiene: | | | | Como | | | |

es positiva, la recta tiene una tendencia ascendente (pendiente positiva).

Reemplazando los valores calculados se tiene la recta de tendencia, la cual es:

2) Para pronosticar la tendencia de exportacin para el 2011 se reemplaza X = 12 en la recta de tendencia, obteniendo el siguiente resultado: Y = 1,29 + 0,17X Y = 1,29 + 0,1712 = 3,33 Interpretacin: Existe una tendencia ascendente a un cambio promedio de 0,17 millones de dlares por cada ao, por lo que el Gerente de ventas de la empresa debe seguir aplicando las polticas necesarias para mantener la tendencia ascendente y mejorar la tasa de crecimiento. Los clculos realizados en Excel se muestran en la siguiente figura:

3) La grfica de los datos y la recta de tendencia elaborada en Graph se muestran en la siguiente figura:

5.4. Anlisis de variaciones cclicas Es la segunda componente de un serie de Tiempo es la Variacin Cclica; ascenso y descenso de una serie de Tiempo en periodos mayores de un ao. El componente cclico es la fluctuacin en forma de onda alrededor de la tendencia, afecta por lo regular por las condiciones econmicas generales. Los patrones cclicos tienden a repetirse en los datos aproximadamente cada dos tres o ms aos. Es comn que las fluctuaciones cclicas estn influidas por cambios de expansin y contraccin econmicas, a los que comnmente se hace referencia como el ciclo de los negocios. Los Movimientos cclicos o variaciones cclicas o ciclo se refieren a las oscilaciones de larga duracin alrededor de la curva de tendencia, los cuales pueden o no ser peridicos, es decir, pueden o no seguir caminos anlogos en intervalos de tiempo iguales. Se caracterizan por tener lapsos de expansin y contraccin. En general, los movimientos se consideran cclicos solo si se produce en un intervalo de tiempo superior al ao (3). En el Grfico los movimientos cclicos alrededor de la curva de tendencia estn trazados en negrita.

5.5. Medicin de variaciones estacionales e irregulares Una variable estacional es la que solo es apreciable en diversas temporadas, y se considera como un tipo de variacin cclica, aunque no tan repetitiva como se observa en el caso de las cclicas. Ejemplos de variaciones estacionales - En Navidad las ventas de establecimientos se suelen incrementar. - El consumo de gasolina aumenta la primera decena del mes y disminuye en la ltima. - El clima afecta a la venta de determinados productos: los helados se venden fundamentalmente en verano y la ropa de abrigo en invierno.

DETERMINACION DE LAS VARIACIONES ESTACIONALES Mtodo de la razn a la media mvil para determinar la componente estacional en una serie temporal. 1) Se determina la tendencia por el mtodo de las medias centradas en los perodos (Yt) (estamos aplicando cuatro observaciones para el clculo de la media aritmtica)

2) Cmo este mtodo se basa en la hiptesis multiplicativa, si dividimos la serie observada Yt, por su correspondiente media mvil centrada, eliminamos de forma conjunta las componentes del largo plazo ( tendencia y ciclo ), pero la serie seguir manteniendo el efecto de la componente estacional.

3) Para eliminar el efecto de la componente estacional, calcularemos las medias aritmticas a nivel de cada estacin (cuatrimestre). Estas medias representan de forma aislada la importancia de la componente estacional. M1= ( 0.9921 + 0.9970 ) /2 =0.9945 M2= (1.0837 + 1.1035 ) / 2=1.0936 M3= (0.8136 + 0.8606 ) / 2 = 0.8385 M4 =(1.1012 + 1.0400) / 2 = 1.0706 4) Calcularemos los ndices de variacin estacional, para lo que previamente calcularemos la media aritmtica anual de las medias estacionales ( M1, M2, M3, M4 ) , que ser la base de los ndices de variacin estacional. MA = ( M1+M2+M3+M4) / 4 = ( 0.9946+1.0936+0.8385+1.0706 ) / 4 = 0.9993 I1= M1 / MA = 0.9945/0.9993 =0.9953 I2= M2 / MA = 1.0936/0.9993 =1.0944 I3= M3 / MA = 0.8385/0.9993 =0.8391 I4 =M4 / MA= 1.0706/0.9993 =1.0714

Existirn tantos ndices como estaciones o medias estacionales tengan las observaciones. 5) Una vez obtenidos los ndices de variacin estacional puede desestacionalizarse la serie observada, dividiendo cada valor de la correspondiente estacin por su correspondiente ndice.

5.6. Aplicacin de ajustes estacionales Mtodo de la Tendencia por Ajuste Mnimo-Cuadrtico El objetivo sigue siendo aislar la componente estacional de la serie por eliminacin sucesiva de todos los dems. La diferencia con el mtodo anterior es que, en este caso, las componentes a l/p (tendencia-ciclo) las obtenemos mediante un ajuste mnimo cuadrtico de las medias aritmticas anuales yt calculndose bajo la hiptesis aditiva. Sigue los siguientes pasos: Se calculan las medias anuales de los datos observados y : y y y t 1 2 3 , , ,... Si las observaciones son trimestrales estas medias se obtienen con 4 datos, si son mensuales con 12 datos, etc. para el caso de que el periodo de repeticin sea el ao Se ajusta una recta por mnimos cuadrados y a b t t = + que nos representa, como sabemos, la tendencia, siendo el coeficiente angular de la recta el incremento medio anual de la tendencia, que influir de forma distinta al pasar de una estacin a otra Se calculan, con los datos observados, las medias estacionales (M1, M2, M3, ...) con objeto de eliminar la componente accidental. Estas medias son brutas pues siguen incluyendo los componentes a l/p (tendencia-ciclo) que deben someterse a una correccin Empleando el incremento medio anual dado por el coeficiente, se obtienen las medias estacionales corregidas de las componentes a largo plazo (M1, M2, M3, ...) bajo el esquema aditivo: Para la r-sima estacin, la media estacional corregida de la tendencia interestacional ser Los ndices de variacin estacional se obtienen con la misma sistemtica del mtodo anterior: con las medias estacionales corregidas se obtiene la media aritmtica anual MA que sirve de base para calcular los ndices:

 Obtenidos estos ndices, podemos desestacionalizar la serie como en el mtodo anterior. 5.7. Pronsticos basados en factores de Tendencia y estacionales. Pronosticar es el arte y ciencia de predecir acontecimientos futuros. Las decisiones empresariales siempre se toman con informacin insuficiente y con un margen de incertidumbre mayor o menor, dependiendo del tiempo y los recursos que se destinan a la bsqueda y el anlisis de la informacin. Debemos entonces establecer algunas suposiciones y actuar. Sabemos que nunca ocurrir exactamente lo pronosticado; entonces, para qu pronosticar? Porque necesitamos una cierta base -aunque sea mnima-, un criterio, una justificacin para el curso de accin que decidimos tomar. Porque a partir del pronstico que generemos, estaremos decidiendo dnde alocar nuestros recursos financieros, tecnolgicos y humanos. Dependencia de la demanda Se suele decir que la demanda es dependiente cuando la necesidad de un determinado producto depende de la de otro producto que lo utiliza. Esto entonces se da en los semielaborados, ingredientes, materiales de empaque, servicios especficos para un determinado tipo de bien o servicio. Tambin se debe analizar la dependencia respecto a productos complementarios. Por el otro lado, los bienes y servicios cuya dependencia respecto a otro producto es desestimable, se los suele denominar de demanda independiente. Es importante notar que en realidad nunca es del todo independiente, ya que ningn producto est desligado del nivel de ingreso o el crecimiento poblacional, los precios relativos, los cambios en el comportamiento de la sociedad, etc.. Como administradores, muchas veces nos vamos a encontrar trabajando sobre un producto que es utilizado como materia prima en diferentes productos terminados, o algunos que inclusive se venden tambin al pblico comn. En estos casos, se debe realizar lo que se denomina un anlisis de usos finales: realizar un pronstico de la demanda para cada uno de los productos que utilizan nuestro producto, e inferir su pronstico de demanda teniendo en cuenta la proporcin en la cual participa en la composicin de cada uno de los productos terminados. Por ejemplo, el azcar se vende a la poblacin en bolsas de 1kg, a fraccionadores para producir sobres para confiteras, en bolsas de 25 o 50kg hasta en big bags para fbricas de diferentes productos alimenticios.

Deber analizar la proyeccin de la demanda de cada uno de estos usos finales, y en el caso de los productos alimenticios estimar la proporcin de azcar que llevan en sus frmulas y hasta la posible sustitucin por productos dietticos. Horizonte temporal Si bien no hay lmites precisos, podemos definir tres horizontes temporales sobre los cuales se pronostica: corto plazo, mediano plazo y largo plazo. Para una empresa, proyecto o incluso momento en particular, se podra considerar al mediano plazo como entre 2 y 4 aos, mientras que para otro caso se entiende por mediano plazo al horizonte entre 6 meses y 1 ao... Las decisiones que se toman en cada uno de los horizontes es diferente, pero acarrean consecuencias para los otros. Por ejemplo, si hace 1 ao establecimos, a partir del pronstico de la demanda, que para esta altura estaramos necesitando slo 100 empleados y se redujo la cantidad de empleados, si hoy vemos que en realidad la demanda es superior, esa decisin hoy implica contratar empleados en forma urgente, cubrir en horas extras, o peor an, perder ventas. Pronstico a largo plazo: Planificacin de nuevos productos, localizacin de instalaciones... Pronstico a mediano plazo: Planificacin de las ventas, de la produccin y del presupuesto. Pronstico a corto plazo: Programacin de trabajos, asignacin de tareas. El error de previsin puede compensarse posteriormente, o tambin se pueden tomar medidas preventivas sobre-cubrindose, pero cada una de las alternativas tiene sus costos:

Al pasar el tiempo, se vuelven a realizar pronsticos corriendo el horizonte temporal. La fecha que antes se pronosticaba como un largo plazo, pasa a ser un plazo mediano y posteriormente un corto plazo; en general, al acercarse el momento, se cuenta con informacin ms certera. Los pronsticos agrupados en familias de productos son ms precisos que las previsiones de productos individuales (denominados por sus siglas en ingls SKU = Stock Keeping Units unidades de almacenamiento en stock). Por ejemplo, tendr menos error el pronstico de venta de automviles Fiat Uno que el de Fiat-Uno blanco 3 puertas 1.3. Por tal motivo, se suele postergar la apertura de los pronsticos en los productos individuales y dejarlo para los horizontes temporales ms cercanos. Cmo se expresan los pronsticos Podemos expresar el pronstico como un solo valor para cada perodo de tiempo que se desee estimar, o como un conjunto de datos. A su vez, este conjunto podra expresarse como un rango de mayor probabilidad de ocurrencia, o con dos o tres valores posibles, denominados escenarios. Por ejemplo, puedo plantear un escenario pesimista, al cual le atribuyo una probabilidad de ocurrencia del 10%, un escenario neutro con una probabilidad del 70% y un escenario optimista con un 20% de probabilidad. La expresin de la probabilidad asignada a cada escenario es importante, ya que de no platearlo terminaramos promediando con el mismo peso tanto valores extremos poco probables como lo que esperamos que ocurra ms probablemente. Se utiliza tambin un planteo de escenarios cuando la proyeccin se considera dependiente de alguna variable que la empresa puede manejar, como ser el precio de venta al pblico. Ac ya no hay probabilidades para cada escenario, sino que directamente planteo dos ms caminos posibles, entre los cuales se deber optar por uno. Mtodos Bsicamente podemos clasificar los mtodos de pronstico en dos grandes grupos: cualitativos y cuantitativos. Se emplean varias metodologas en diferentes empresas o an en una misma empresa en funcin del horizonte temporal, la urgencia en la toma de decisiones y la informacin disponible. Cuando la situacin no es clara y hay pocos datos, como por ejemplo al estudiar el lanzamiento de un producto innovador o una nueva tecnologa, se recurre a mtodos cualitativos, donde prevalece la intuicin. Por el contrario, cuando la situacin es ms estable y existen datos histricos, se suelen utilizar los mtodos cualitativos. Muchas veces se termina utilizando en la prctica una mezcla de varios mtodos, tanto cuanti como cualitativos.

Mtodos Cualitativos Jurado de opinin ejecutiva: Se agrupan las opiniones de un grupo de expertos de alto nivel o de directivos, a menudo en combinacin con modelos estadsticos. Hay que tener en mente las desventajas de la interaccin grupal en este sentido: que haya mucha gente no garantiza que haya opiniones conocedoras realmente del tema; las posiciones muy probablemente escondan intereses personales o simplemente no sean enunciadas por miedo a contrariar a la mayora; hay gran vulnerabilidad a la posicin y personalidad de algunos de los individuos, sea por sus aptitudes de manejo de grupos o simplemente por la jerarqua organizacional... Es clave entonces la correcta eleccin de los participantes. Mtodo Delphi: Es un proceso iterativo grupal, con ciertas reglas y metodologa, mediante el cual se pretende maximizar las ventajas que presentan los mtodos basados en grupos de expertos y minimizar sus inconvenientes. Ello se logra mediante el anonimato (ningn experto conoce la identidad de los otros que componen el grupo de debate, evitando la influencia y permitiendo que uno se anime a modificar su postura inicial), una iteracin con retroalimentacin controlada, y la expresin de los resultados mediante una distribucin estadstica. Proposicin de personal comercial: Se agrupan y revisan estimacin de ventas esperadas por los vendedores, y luego se obtiene un pronstico global. Tener cuidado con los intereses que pueden tener, ya que normalmente van a subestimar sobreestimar en funcin de la metodologa de incentivos por ventas que se encuentre en vigencia. Si cobran un porcentual sobre las ventas, sobreestimarn la demanda con tal de que no les falta producto para vender. Si cobran en funcin al grado en el cual superan un objetivo, subestimarn la demanda, para negociar un objetivo menor y as superarlo ms ampliamente o con menor esfuerzo. Estudio de mercado: Requiere informacin de los clientes sobre sus intenciones futuras de compra. Esto incluye tanto sus preferencias, experiencia con el producto, y necesidades, como una definicin del precio mximo que estaran dispuestos a pagar la cantidad que demandaran a un determinado precio. Hay que tener en mente que no siempre coincide lo que el cliente dice con lo que realmente hace. Es slo una herramienta ms, pero no debe tomarse como la verdad. Mtodos Cuantitativos Enfoque Simple

Supone que la demanda en el prximo periodo ser igual a la demanda del periodo ms reciente. Es la mejor prediccin para los precios de insumos, acciones, etc.. que cotizan. Porque si el mercado realmente creyera que en un tiempo valdr ms, comprara tanto hoy que hara llevar el precio a ese valor esperado. Por ejemplo, si hoy la accin de Microsoft cotiza a U$S 20, cunto predice que va a valer maana?: U$S 20. Y si en realidad maana vale U$S 25, cunto dira que vale pasado maana?: U$S 25 Series de Tiempo Es una secuencia de datos uniformemente espaciada. Se obtiene observando las variables en periodos de tiempo regulares. Se trata de una pronstico basado en los datos pasados; es decir que supone que los factores que han influido en el pasado lo seguirn haciendo en el futuro. Se pueden descomponer en tendencia, estacionalidad y variacin aleatoria.

La Tendencia es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. Los cambios en la poblacin, ingresos, etc. influyen en la tendencia. La Estacionalidad es la existencia de un patrn peridico de comportamiento de los datos. Se puede deber a la climatologa, las costumbres, etc. y producirse dentro de un periodo diario, semanal, mensual, anual... Por ejemplo, los Subterrneos tienen dos claros picos de demanda durante las horas de flujo de pasajeros hacia y desde los trabajos; a su vez, durante los meses de verano tienen menor demanda que durante el resto del ao, debido a la reduccin de poblacin en poca de vacaciones. Las Variaciones Aleatorias, que son saltos en los datos causados por el azar y situaciones inusuales. Son de corta duracin y no se repiten, o al menos no lo hacen con una frecuencia determinada. Al ser aleatorias, no se pueden predecir.

Media Simple Luego del mtodo de enfoque simple, le sigue en simpleza la media simple. En este mtodo pronosticamos un valor futuro similar al promedio de todos los valores pasados. Dentro de las ventajas del mtodo tenemos que es muy amortiguado, por lo cual no encontramos grandes saltos, y es muy simple de comprender por cualquier persona. El problema es que al tener en cuenta todos los datos histricos, llega un momento donde los valores reales que se agregan prcticamente no modifican el pronstico futuro. An as, en algunas ocasiones se utiliza. Media Mvil Consiste simplemente en tomar el promedio aritmtico de los ltimos n perodos. El valor de n se elige en funcin a la influencia que queramos que tenga la historia ms antigua en la prediccin de los valores futuros. Un valor de n muy chico, har que los pronsticos sigan ms de cerca a los ltimos valores reales, mientras que un valor de n ms grande, se traduce en una curva ms amortiguada aunque, por el mismo motivo, tambin de una menor velocidad de cambio. Se utiliza si no hay tendencia o si sta es escasa. Se suele utilizar para alisar la curva, facilitando una lectura general de los datos.

Casos particulares: Si slo considerramos 1 perodo previo para el clculo de la media mvil, estaramos utilizando la Estimacin Simple. Media Mvil Ponderada Se utiliza cuando se presenta una tendencia. Los datos anteriores pierden importancia relativa. Las ponderaciones se basan en la intuicin. Ante cambios importantes de la demanda, puede seguir siendo muy lenta la respuesta.

Casos particulares: Si le asignramos el mismo peso (factor de ponderacin) a cada uno de los n perodos elegidos, estaramos utilizando la Media Mvil. Suavizacin Exponencial

Es un caso especial de pronstico de media mvil ponderada, donde ahora los factores de ponderacin disminuyen exponencialmente, dndole ms peso a los perodos ms recientes. Se necesita una constante de alisado (), que toma valores entre 0 y 1, eligindola de forma subjetiva. Ventaja: necesita una cantidad reducida de datos histricos.

Viendo la frmula uno podra preguntarse por qu tener en cuenta para un pronstico un valor pronosticado en el pasado en lugar de utilizar el valor real. Para encontrar la respuesta, basta con abrir la expresin reemplazando progresivamente las expresiones de Ft-i, y se obtiene:

Casos particulares: Si =1, tenemos que Ft = At - 1, o sea que llegamos al Enfoque Simple. Si =0, tenemos que Ft = cte, o sea que llegamos al Enfoque Terco (esta denominacin no existe; lo decimos simplemente para visualizar que estara pronosticando siempre un mismo valor, constante, sin mirar siquiera qu viene sucediendo). Suavizacin Exponencial con Ajuste de Tendencia Es un refinamiento del mtodo anterior, donde se le suma al pronstico suavizado exponencialmente (Ft), una tendencia tambin suavizada exponencialmente (Tt) Estos trminos se calculan de la siguiente manera:

Anlisis de Regresin Lineal Supone relacin lineal entre las dos variables (demanda vs tiempo, demanda vs PBI, u otra variable independiente). Se calcula mediante el mtodo de cuadrados mnimos. No vamos a

ahondar en el tema en la materia ya que se ve en otras materias de la carrera, y hoy en da es muy simple su utilizacin desde Excel. Slo queremos recordarles un punto importante que se suele pasar por alto: el coeficiente de correlacin r, o el r2 slo indican un mayor o menor grado de correlacin lineal. O sea, que un valor cercano a cero no significa que no haya correlacin, sino que lo que no hay es una fuerte correlacin lineal, pero puede tranquilamente haber una cuadrtica, o de algn otro grado. Modelo Estacional Multiplicativo Cuando nos encontramos con un caso con una marcada estacionalidad, se debe utilizar un mtodo que lo contemple, como por ejemplo ste. Los pasos a seguir son: 1. Encontrar la demanda estacional media (sumando la demanda de esa estacin cada ao y dividindola entre el nmero de aos de datos disponibles) 2. Calcular la demanda total media -a lo largo de todas las estaciones- (dividiendo la demanda media anual entre el nmero de datos anual) 3. Calcular un ndice estacional (dividiendo la demanda estacional media de esa estacin - calculado en 1- por la demanda total media calculado en 2-). 4. Estimar la demanda anual de todo el ao prximo. 5. Calcular el pronstico para cada estacin (dividiendo esta estimacin de la demanda anual total entre el nmero de estaciones y entonces multiplicarla por el ndice estacional de esa estacin) Cmo elegir el Mtodo de Pronstico? Habiendo introducido esta variedad de mtodos, creemos necesario ayudarlos a establecer algunos criterios para la eleccin del mtodo ms apropiado. Lo primero que debemos preguntarnos es para qu lo utilizaremos? Si se trata de un fundamento para la toma de una decisin poco importante, probablemente lo mejor sea utilizar los mtodos ms simples y que requieran de la menor cantidad de informacin. Pero si ser la base de una decisin compartida o que deba ser evaluada por otros, habr que buscar un equilibrio entre un mtodo sofisticado y ms preciso, y uno ms simple pero ms fcilmente entendible por todos. Presentamos a continuacin dos maneras cuantitativas de evaluar un mtodo en funcin al error (es decir, la diferencia entre el valor real y el que se haba pronosticado), partiendo de la base que buscamos obtener los menores errores posibles. Simplemente calculamos el valor para los dos mtodos que comparemos, y elegimos el de menor valor. Los dos se independizan del signo del error, ya que de lo contrario estaran cancelndose los valores muy negativos con los muy positivos, cuando esto no debera dejar de indicar un mtodo poco certero: Error Cuadrtico Medio (ECM):

donde n es la cantidad de datos disponibles desde el inicio del clculo del pronstico. Desviacin absoluta media (DAM):

donde n es la cantidad de datos disponibles desde el inicio del clculo del pronstico. Por ltimo, veamos un indicador adicional, que nos permite detectar cuando un mtodo est dejando de ser confiable. Si los errores se dieran en forma aleatoria, deberamos ver un comportamiento que graficado se vera as:

Si en cambio, el mtodo se va alejando cada vez ms de los valores reales, obtendramos una curva como la siguiente:

Esto, lo podemos detectar utilizando la Seal de Rastreo cada perodo.

Si en cualquier perodo se obtiene un valor absoluto superior a 3,75, esto indica que el mtodo de pronstico debe ser descartado, ya que estadsticamente la probabilidad de que esto ocurra aleatoriamente es de slo el 0,3% (equivale al concepto de 3 desvos standard para cada lado de la media). Notar que el denominador es el DAM, mientras que el numerador es la suma de los errores con sus correspondientes signos.