ESCUELA ACADMICO PROFESIONAL DE INGENIERIA DE SISTEMAS

CURSO : TEORIA DE DECISIONES

TEMA : Proyecto Series de Tiempo

DOCENTE :
Vctor Snchez Cceres

CICLO : Sptimo


INTEGRANTES :
CHAVARRY SNCHEZ, Carlos E.
LUDEA CHVEZ, Jean Omar
GUTIERREZ MATOS, David
ROJAS MEDINA, Eglin Javier
TASILLA CORTEZ, Eladio



Cajamarca, 20 de junio del 2013

SERIES DE TIEMPO Y PRONOSTICOS

I. INTRODUCCION
1.1. INTRODUCCION
El presente trabajo tiene la finalidad de realizar un estudio a las ventas realizadas en la
empresa de productos lcteos Mackey, ubicada en nuestra ciudad de Cajamarca. El
resultado final ser un pronstico de la venta total que se har en un futuro mes.
Las organizaciones en general evalan peridicamente el comportamiento de su actividad
y/o productos a fin de pronosticar que va a suceder en el futuro en base a lo que ha
venido ocurriendo en el pasado, est sucediendo en el presente y tiene la tendencia a
comportarse de la misma manera en el futuro.
El comportamiento de las series de tiempo, se debe a 4 componentes: la tendencia, la
variacin cclica, la variacin estacional y la variacin irregular.
La tendencia o tendencia secular, es aquella tendencia a largo plazo sin alteraciones de
una serie de tiempo. Esta tendencia pudiera ser de tipo lineal o no lineal, as como
tambin creciente o decreciente y tambin como una combinacin de alguna de las
anteriores. Muchos productos, servicios e indicadores econmicos siguen un
comportamiento de este tipo, y su anlisis ms generalizado es a travs de varios aos,
teniendo en cuenta los perodos que ms se ajustan a cada negocio, pudiendo ser
semestrales, trimestrales, mensuales, semanales, etc.
La segunda componente es la variacin cclica en la que a travs del perodo de tiempo
analizado se producen ascensos y descensos en varias oportunidades. Este tipo de
comportamiento es muy asociado a variaciones de carcter econmico.
La tercera componente es la variacin estacional, que tiene como caracterstica de
variacin regular dentro de un ao y que a su vez se repite cada ao, casos tpicos son la
produccin de algunas frutas y/o comestibles o ventas asociadas a productos como ropa
de temporada.
La ltima componente es la componente irregular que adiciona las caractersticas
anteriores pero adems tiene comportamiento extraos imprevisibles que se dan
generalmente en el corto plazo.
Para poder pronosticar cual es el comportamiento futuro de una variable en funcin a
estas caractersticas de comportamiento es necesario poder representarlo
matemticamente. Existen mtodos llamados mtodos de suavizamiento porque su
objetivo es suavizar la variacin causada por el componente irregular de la serie de
tiempo, estos mtodos son: el de promedios mviles, promedios mviles ponderados y
suavizamiento exponencial. La tendencia lineal es la ms sencilla de representar, y utilizar
s es se el comportamiento de nuestra variable analizada.


1.2. JUSTIFICACION
El presupuesto de ventas de una empresa es la base de casi todas sus decisiones
comerciales. Todos los empresarios, hasta los ms pequeos, emplean alguna clase de
pronstico de ventas, aunque sea de modo inconsciente o intuitivo, como punto de
partida para todos los planes de una empresa.
En virtud de que el presupuesto y pronstico de venta se ha convertido en una
herramienta de vital importancia al momento de la alta gerencia tomar decisiones
concretas y especficas que podran mejorar el funcionamiento de la compaa, nos
hemos visto en la necesidad de indagar y profundizar ms sobre este tema.
En la investigacin se pretende demostrar el papel trascendental que juega el
presupuesto y pronstico de venta dentro de la administracin empresarial y el porqu
de su utilizacin.
Se hace necesario hoy en da donde vivimos una economa muy cambiante y susceptible a
diferentes factores tanto externos como internos como lo es la poltica, el cambio en las
monedas extranjeras como el dlar o euro, a la dependencia directa de los mercados
extranjeros, a los avances tecnolgicos, entre otros. Poder contar con herramientas
precisas y confiables como lo es el presupuesto y pronstico de venta para poder tomar
decisiones concretas o ms bien acertadas.
Utilizar de manera correcta los presupuesto y pronsticos de venta les beneficiaria
principalmente a la empresa como tal porque les permitira obtener mayor crecimiento
dentro del mercado.
Tambin seria de beneficio a los estudiantes de mercadeo y otras carreras afines como lo
es la de administracin, pues le servira de base para ampliar sus conocimientos acerca de
la importancia que tienen el presupuesto y pronstico de venta dentro de la empresa.

1.3. OBJETIVOS
Principales
Demostrar de manera grfica que las ventas realizadas por la empresa suceden
de manera cclica.
Demostrar que las mayores ventas de la empresa suceden a fin de ao.
Secundarios
Permitir que la empresa pueda fijar metas de ventas de acuerdo a las grficas
que muestran las series de tiempo mediante los diferentes mtodos.
Ayudar a la preparacin del presupuesto de ventas de la empresa.

1.4. LIMITACIONES
Este estudio realizado a las ventas de la empresa Mackey se restringe a las ventas
mensuales solo de 4 aos: 2012 y 2013; no proporcionaron ms informacin debido a la
privacidad de sus datos; por ello los resultados pueden no ser tan exactos, por la falta de
ms informacin.

II. MARCO CONCEPTUAL
2.1. SERIES DE TIEMPO
Una serie tiempo es una secuencia de observaciones, medidos en determinados
momentos del tiempo, ordenados cronolgicamente y, espaciados entre s de manera
uniforme, as los datos usualmente son dependientes entre s. El principal objetivo de una
serie de tiempo, donde es su anlisis para hacer pronstico.
Analiza series de tiempo tiene como objetivo:
Determinar si se presentan ciertos patrones o pautas no aleatorias
Aislar y entonces estudiar sus componentes a fin de proporcionar claves para
movimientos futuros
Hace posible pronosticar los movimientos futuros as como otros aspectos que
estn sincronizados
Componentes de una serie temporal
El anlisis clsico de las series temporales se basa en la suposicin de que los valores que
toma la variable de observacin es la consecuencia de tres componentes, cuya actuacin
conjunta da como resultado los valores medidos, estos componentes son:
a.- Componente tendencia.- Se puede definir como un cambio a largo plazo que se
produce en la relacin al nivel medio, o el cambio a largo plazo de la media. La
tendencia se identifica con un movimiento suave de la serie a largo plazo.
b.- Componente estacional.- Muchas series temporales presentan cierta
periodicidad o dicho de otro modo, variacin de cierto perodo (semestral,
mensual, etc.). Por ejemplo las Ventas al Detalle en Puerto Rico aumentan por los
meses de noviembre y diciembre por las festividades navideas.
Estos efectos son fciles de entender y se pueden medir explcitamente o incluso
se pueden eliminar de la serie de datos, a este proceso se le llama
desestacionalizacin de la serie.
c.- Componente aleatoria.- Esta componente no responde a ningn patrn de
comportamiento, sino que es el resultado de factores fortuitos o aleatorios que
inciden de forma aislada en una serie de tiempo.

De estos tres componentes los dos primeros son componentes determinsticos, mientras
que la ltima es aleatoria. As se puede denotar la serie de tiempo como.

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