Índices Estacionales

Índices estacionales Esta técnica sirve para calcular el pronóstico de ventas cuando existe estacionalidad o ciclos y también se utiliza cuando en cada período existen diferencias de ventas muy marcadas, razón por la cual se hace necesario calcular un índice que nos permitirá un ajuste por cada período. en general, los patrones estacionales son fluctuaciones que ocurren dentro de un año y tienden a repetirse anualmente. Estas estaciones pueden ser causadas por el clima, las vacaciones, los días de pago, los eventos escolares o cualquier otro fenómeno. Los pasos a seguir para desarrollar pronósticos con el análisis de regresión lineal cuando en los datos de la serie de tiempo hay estacionalidad, se selecciona un conjunto representativo de datos históricos, se desarrolla un índice de estacionalidad para cada estación (mes, trimestre, etc.), se usan los índices de estacionalidad para desestacionalizar la serie (así se eliminan los patrones estacionales). Luego, se realiza el análisis de regresión lineal sobre los datos desestacionalizados. Se usa la ecuación de regresión para calcular los pronósticos del futuro y se utilizan los índices de estacionalidad para aplicar los patrones estacionales a los pronósticos. Se desea estimar las ventas a corto plazo de platería. Para ello se recurrió a los siguientes modelos cuantitativos: 1.- Los datos aportados corresponden a las ventas mensuales, obtenidas en el negocio, desde Enero de 2006 hasta Agosto de 2009. La serie de tiempo consta de 44 datos

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

Ene-06 Feb-06 Mar-06 Abr-06 May-06 Jun-06 Jul-06 Ago-06 Sep-06 Oct-06 Nov-06 Dic-06 Ene-07 Feb-07 Mar-07 Abr-07 May-07 Jun-07 Jul-07 Ago-07 Sep-07 Oct-07 Nov-07 Dic-07 Ene-08 Feb-08 Mar-08 Abr-08 May-08 Jun-08 Jul-08 Ago-08

$ 1290,00 $ 1740,00 $ 1970,00 $ 1.981,08 $ 2.075,30 $ 2.253,15 $ 2.418,30 $ 1.994,40 $ 2.701,25 $ 2.942,85 $ 2.613,20 $ 3.306,30 $ 1.956,90 $ 2.281,70 $ 3.122,75 $ 2.218,20 $ 2.396,60 $ 3.064,50 $ 3.426,00 $ 3.811,40 $ 3.801,70 $ 3.438,20 $ 3.904,40 $ 3.968,20 $ 2.406,50 $ 2.720,10 $ 3.599,50 $ 4.048,50 $ 3.935,40 $ 3.138,50 $ 3.443,30 $ 4.146,00

08 0.95 8862.1 Total Anual 27285.044 1.35 7679.1 11122.754.6 114885.321.Para evitar las fluctuaciones.00 5.50 5.8 13751.278 b = 623. X Para pronosticar las ventas futuras en los meses requeridos.734 0.00 6.3 8393.010 . X .10 5.241. resultando: Y= 1271.880.688. Con estos datos desestacionalizados (12 trimestres) se realiza una regresión lineal que resulta: a = 5524.25 7029.613.099.50 7.010  Y = 5524..4 11831 18530.02 + 78.35 7361.7 6814.1 12721.98 9573.348 Datos Trimestrales Desestacionalizados Año/Trimestre Q1 Q2 Q3 Q4 6810. obteniendo 12 datos ANEXO 2 Año/Trimestre 2006 2007 2008 Totales Promedios Trimestrales Índice de Estacionalidad Q1 Q2 Q3 Q4 5000 6309. se divide cada dato trimestral en su índice de estacionalidad.64 2. obteniéndose Y (45) = 4.00 5.53 7113.5 11332.7 11885.83 2006 2007 2008 En este caso se calcula para cada trimestre el: Índice de Estacionalidad = Promedio del trimestre / Promedio general del trimestre Para desestacionalizar los datos.3 8783.3 11039.278 + 623.4 6576.23 29984.802.70 4.369.05 38703.68 12901.55 50209.45 25111.512. que ocurren durante un año y se repiten anualmente. recurrimos a otro modelo de regresión lineal donde se consideran los datos de las ventas agrupados trimestralmente.874 1.4 10574.1 7216.35 6.905.1 11310.40 5.381.15 8370.83 37390.Índices Estacionales 33 34 35 36 37 38 39 40 41 42 43 44 Sep-08 Oct-08 Nov-08 Dic-08 Ene-09 Feb-09 Mar-09 Abr-09 May-09 Jun-09 Jul-09 Ago-09 $ $ $ $ $ $ $ $ $ $ $ $ 4. desde Enero de 2006 hasta Diciembre de 2008.40 Se recurre al modelo de Regresión Lineal para realizar los pronósticos de las ventas futuras para Setiembre y Octubre del año 2009 El modelo es Y = a + b X que se conoce como ecuación de regresión lineal simple.50 6.1 21087.40 5.41 9994. se asignan los valores de X: 45 y 46. debidas a patrones estacionales.936.47 .8 8726. Se determinaron los valores de las constantes a y b.7 10026.512.17 Y (46) = 4.

Se obtienen los datos de las ventas en los últimos períodos. multiplicando el índice de estacionalidad de cada periodo por las ventas promedio calculadas en el pronostico.734 0. Ejemplo 1.085 Total 640 690 718 741 748 3537 117. Para lo cual se sigue el siguiente procedimiento: 1.700 2o. también cuando cada período existen diferencias de ventas por lo cual se hace necesario contar con un índice para cada período.874 1. Muebles Daris desea calcular el pronóstico de ventas para 2002.4 15492. Se calculan los índices de estacionalidad: a)Se suman el total por cada periodo y el total de los totales.9 6. b)Se obtiene un promedio por periodo y un promedio total. Y(14) = 14246. 100 105 105 110 100 520 104 0.4 14869.43 Los pronósticos estacionalizados se calculan multiplicando estos últimos por sus respectivos índices de estacionalidad y se obtiene: Trimestres de 2009 Q1 Q2 Q3 Q4 Polilibro Índices de Estacionalidad Esta técnica sirve para calcular el pronóstico cuando existe estacionalidad o ciclos. I.297 3o. Se calcula el pronóstico para el período deseado mediante el metodo deseado. 80 85 84 83 81 413 82.7 20883.4 Pron.4 15523. 90 95 94 93 92 464 92.6 0.246 4o. 120 125 125 130 140 640 128 1. Estacionalizados 9999.6 12451. Se ajusta el pronóstico para cada periodo. 120 140 160 170 175 765 153 1.42. 4.E. si en los últimos años cuenta con la siguiente información bimestral: Año 1993 1994 1995 1996 1997 1o. Desestacionalizados 13623.000 Índice Estacionalidad 0.41.044 1.787 6o.8 . = x / x T 3.Índices Estacionales Los pronósticos de las ventas desestacionalizadas para los cuatro trimestres del año 2009 son: Y(13) = 13623. para cada periodo. c)Se calcula índice de estacionalidad dividiendo el promedio ( x ) por periodo entre el promedio total ( x T).40. 2. Y(16) = 15492. Y(15) = 14869.4 14246.8 0.348 Pron. 130 140 150 155 160 735 147 1.882 5o.

5 135.45 2 1.247 153.387 5 0.547 Total 5.804 6 1.Índices Estacionales Por Método Simplificado.5 191.085 153.298 153.243 3 1.787 153.8 1993 1994 1995 1996 1997 -2 -1 0 1 2 0 -1280 -690 0 741 1496 267  4 1 0 1 4  10 Posteriormente se calcula el pronostico ajustado por estacionalidad para cada periodo: Año Índice de Estacionalidad (X) Promedio Pronostico Pronóstico ajustado 1 0.5 107.5 166.845 .5 120. Periodo Ventas (miles) 640 690 718 741 748 3537  X XY X2 97 – 2 98 – 3 99 – 4 00 – 5 01 – 6 02 – 7 03 .5 199.999 153.882 153.700 153.414 4 0.5 920.

Sign up to vote on this title
UsefulNot useful