Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proyecto 01 - Series de Tiempo y Pronosticos
Proyecto 01 - Series de Tiempo y Pronosticos
Donde
es la tendencia,
es la componente estacional e
es la componente aleatoria.
Clasificacin descriptiva de las series temporales
Las series temporales se pueden clasificar en:
a.- Estacionarias.- Una serie es estacionaria cuando es estable a lo largo del tiempo, es
decir, cuando la media y varianza son constantes en el tiempo. Esto se refleja grficamente
en que los valores de la serie tienden a oscilar alrededor de una media constante y la
variabilidad con respecto a esa media tambin permanece constante en el tiempo.
b.- No estacionarias.- Son series en las cuales la tendencia y/o variabilidad cambian en el
tiempo. Los cambios en la media determinan una tendencia a crecer o decrecer a largo
plazo, por lo que la serie no oscila alrededor de un valor constante.
2.2. PRONOSTICOS
Es un mtodo mediante el cual se intenta conocer el comportamiento futuro de alguna
variable con algn grado de certeza. Existen disponibles tres grupos de mtodos de
pronsticos: Los cualitativos, los de proyeccin histrica y los causales. Se diferencian
entre s por la precisin relativa del pronstico del largo plazo en comparacin con el
corto plazo, el nivel de herramientas matemticas requerido y la base de conocimiento
como sustrato de sus proyecciones.
Procedimientos
Todos los procedimientos formales de pronstico comprenden la extensin de las
experiencias del pasado al futuro incierto. De ah la suposicin de que las condiciones que
generaron los datos anteriores son indistinguibles de las condiciones futuras, con
excepcin de aquellas variables reconocidas de manera explcita por el modelo de
pronstico. Por ejemplo, si se est pronosticando el ndice de desempeo de los
empleados en el trabajo, usando slo como pronstico la calificacin del examen de
admisin, se asume que el ndice de desempeo en el trabajo de cada persona se afecta
slo por dicho examen.
Considerando que la suposicin de pasado y futuro indistinguibles no se cumple,
resultarn pronsticos imprecisos, a menos que se modifiquen a juicio de quien se
pronostica.
La aceptacin de que las tcnicas de pronsticos funcionan sobre datos generados en
sucesos histricos pasados conduce a la identificacin de cuatro pasos en el proceso de
pronstico:
1. Recopilacin de datos
2. Reduccin o condensacin de datos
3. Construccin del modelo
4. Extrapolacin del modelo
Tcnicas para el clculo de pronsticos
Cuando es difcil convertir en nmeros las variables que intervienen en la determinacin
de la demanda futura. La mayora es bajo costo y no requieren de equipo computacional
para hacerse, aunque su planeacin implica una gran inversin de tiempo por parte de los
directivos.
Horizonte: normalmente se utilizan para planear a mediano y largo plazos.
1. Opiniones de los gerentes/ejecutivos: se basa en la opinin general de un
grupo de directivos o gerentes de la empresa.
2. Tcnica Delphi: un grupo de expertos responde, de manera annima, a un
cuestionario que pregunta sobre las proyecciones de ventas de la empresa. Un
moderador lee en voz alta las respuestas y, entre todos, buscan consenso.
3. Informacin de los vendedores: consiste en recopilar las estimaciones
realizadas por los vendedores (o distribuidores) acerca de las ventas esperadas en
sus territorios, con el fin de suponer la tendencia y cambios futuros.
4. Anlisis del ciclo de vida: se basa en la evaluacin de las etapas de un producto
o servicio para predecir su del producto demanda en el mercado. Esto es, desde la
introduccin, inicio y crecimiento, hasta las etapas de madurez y declinacin. 4
5. Investigacin de mercados: se propone recolectar datos de diversas maneras
(entrevistas, cuestionarios) para TCNICAS CAUSALES probar hiptesis acerca del
mercado
Caractersticas: relacionan variables internas o externas con los niveles de
demanda, lo que brinda una visin amplia del sector. Los costos que implican son
de medios a bajos y usualmente requieren de equipo de cmputo.
Horizonte: son ms tiles para elaborar pronsticos a mediano plazo de productos
o servicios existentes y para el diseo de estrategias de marketing, produccin y
contratacin de personal.
6. Regresin: se predice la demanda futura a partir de una lnea recta formada por
los datos de demandas pasadas. Si slo se usa una variable del pasado se le llama
regresin simple.
Si se usan dos o ms variables del pasado, se le nombra regresin mltiple.
7. Promedios mviles: promedia los valores de demanda reciente para predecir la
demanda futura.
8. Naive: es la aplicacin de un supuesto simple: en el prximo periodo se repetir
la demanda actual.
9. Suavizacin exponencial: consiste en estimar la demanda del prximo periodo
basndose en una combinacin de indicadores de la demanda reciente y de los
pronsticos pasados.
Promedios Mviles Un promedio mvil simple o aritmtico es calculado como la
suma de un nmero predeterminado de precios por un cierto nmero de perodos
de tiempo, dividido por el nmero de perodos de tiempo. El resultado es el precio
promedio en dicho perodo de tiempo. Los promedios mviles simples emplean la
misma ponderacin para los precios. Es calculado usando la siguiente frmula:
Promedio Mvil Simple = SUMA (precios de cierre) / n, donde n es el nmero de
perodos.
III. METODOLOGIAS
1.1. HIPOTESIS
La investigacin que nos proponemos, demostrar que las mayores ventas de la empresa
Mackey son en fin de ao, en el mes de diciembre exactamente, sucediendo de manera
cclica durante todos los aos.
1.2. POBLACION
Abarca todas las ventas de la empresa realizadas desde su fundacin hasta la actualidad.
1.3. MUESTRA
Son las ventas mensuales de 4 aos mostradas a continuacin:
MES VENTAS S/.
ENERO 29101
FEBRERO 29625
MARZO 25809
ABRIL 25510
MAYO 27941
JUNIO 25921
JULIO 28832
AGOSTO 26527
SEPTIEMBRE 29234
OCTUBRE 28497
NOVIEMBRE 31941
DICIEMBRE 35766
2010
MES VENTAS S/.
ENERO 28157
FEBRERO 29118
MARZO 27091
ABRIL 25389
MAYO 26910
JUNIO 26147
JULIO 28731
AGOSTO 25949
SEPTIEMBRE 29718
OCTUBRE 27984
NOVIEMBRE 31565
DICIEMBRE 36174
2011
MES VENTAS S/.
ENERO 29516
FEBRERO 29375
MARZO 25974
ABRIL 25910
MAYO 27908
JUNIO 26375
JULIO 29907
AGOSTO 25789
SEPTIEMBRE 29701
OCTUBRE 28279
NOVIEMBRE 32475
DICIEMBRE 36178
2012
MES VENTAS S/.
ENERO 29808
FEBRERO 29621
MARZO 25741
ABRIL 27154
MAYO 27818
JUNIO 26219
JULIO 30116
AGOSTO 26748
SEPTIEMBRE 29989
OCTUBRE 27674
NOVIEMBRE 32710
DICIEMBRE 35991
2013
MES VENTAS S/.
ENERO 29612
FEBRERO 29719
MARZO 26137
2014
1.4. VARIABLES
Se tiene como variables que permitirn realizar el anlisis del problema de una manera
ms eficiente:
- Cantidad en ventas, dadas en soles.
- Tiempo, dado en meses.
1.5. INSTRUMENTOS DE MEDICION
Para obtener las ventas realizadas mensualmente, se tuvo que recurrir a los reportes de
ventas mensuales, emitidas por la gestin en ventas de dicha empresa.
IV. PROCESAMIENTO DE DATOS
Para el procesamiento de datos utilizaremos la herramienta MINITAB, que nos permite
introducir el total de ventas mensuales y mostrarlas mediante grficas, para hacer las
interpretaciones necesarias.
La siguiente grafica nos muestra el total de ventas por mes durante los meses comprendidos
en los aos 2010-2013.
45 40 35 30 25 20 15 10 5 1
37500
35000
32500
30000
27500
25000
MES
V
E
N
T
A
S
S
/
.
Grfica de series de tiempo de VENTAS (2010-2013)
60 54 48 42 36 30 24 18 12 6 1
37500
35000
32500
30000
27500
25000
MES
V
E
N
T
A
S
S
/
.
MAPE 7
MAD 2126
MSD 7819912
Medidas de exactitud
Actual
Ajustes
Pronsticos
Variable
Grfica de anlisis de tendencia de VENTAS (2010-2013)
Modelo de tendencia lineal
Yt = 27842 + 41.0*t
60 54 48 42 36 30 24 18 12 6 1
40000
37500
35000
32500
30000
27500
25000
MES
V
E
N
T
A
S
S
/
.
Alfa 0.563864
Constante de suavizacin
MAPE 8
MAD 2469
MSD 8613244
Medidas de exactitud
Actual
Ajustes
Pronsticos
95.0% PI
Variable
Grfica de suavizacin para VENTAS (2010-2013)
Mtodo exponencial simple
60 54 48 42 36 30 24 18 12 6 1
80000
70000
60000
50000
40000
30000
20000
10000
0
MES
V
E
N
T
A
S
S
/
.
Alfa (nivel) 0.792785
Gamma (tendencia) 0.044271
Constantes de suavizacin
MAPE 9
MAD 2625
MSD 9654492
Medidas de exactitud
Actual
Ajustes
Pronsticos
95.0% PI
Variable
Grfica de suavizacin para VENTAS (2010-2013)
Mtodo exponencial doble
60 54 48 42 36 30 24 18 12 6 1
40000
37500
35000
32500
30000
27500
25000
MES
V
E
N
T
A
S
S
/
.
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavizacin
MAPE 3
MAD 739
MSD 1043953
Medidas de exactitud
Actual
Ajustes
Pronsticos
95.0% PI
Variable
Grfica de mtodo Winters de VENTAS (2010-2013)
Mtodo multiplicativo
V. CONCLUSIONES Y RECOMENDACIONES
LA manera como se realizan las ventas es de una forma cclica, es decir en las grficas se puede
apreciar que las ventas son similares en cada mes ao a ao.
Las mayores ventas se perciben en el mes de diciembre con respecto a todos los meses del
ao.
Este anlisis Ayuda a la empresa para que al mes de diciembre prepare un presupuesto de
ventas.
VI. BIBLIOGRAFIA
http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_BxecUaZmg%3D&
tabid=100
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t.pdf
http://www.andragogy.org/_Cursos/Curso00169/Temario/pdf%20leccion%201/tema_1
_pyme.pdf