P. 1
indices estacionales

indices estacionales

|Views: 12.543|Likes:
Publicado porAngelica Marin

More info:

Published by: Angelica Marin on Mar 27, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/28/2013

pdf

text

original

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

17 Y (46) = 4.70 4.348 Datos Trimestrales Desestacionalizados Año/Trimestre Q1 Q2 Q3 Q4 6810.8 8726.1 7216.6 114885.83 37390.64 2.874 1. obteniendo 12 datos ANEXO 2 Año/Trimestre 2006 2007 2008 Totales Promedios Trimestrales Índice de Estacionalidad Q1 Q2 Q3 Q4 5000 6309.Para evitar las fluctuaciones.08 0..3 8393.880.7 6814.35 7679.010  Y = 5524.4 11831 18530.734 0. Con estos datos desestacionalizados (12 trimestres) se realiza una regresión lineal que resulta: a = 5524.099.50 5.23 29984.83 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. debidas a patrones estacionales.3 11039.3 8783.40 5.4 6576.50 7.95 8862.321.936. Se determinaron los valores de las constantes a y b.512.8 13751.044 1.010 .688.45 25111.905.512.7 11885.35 6.241.40 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.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. X Para pronosticar las ventas futuras en los meses requeridos.613.50 6.7 10026.369.1 12721.381.25 7029.1 21087.41 9994.68 12901.40 5.1 11122.00 6.00 5.10 5.278 + 623. resultando: Y= 1271.15 8370. obteniéndose Y (45) = 4.47 .4 10574.754. X .1 Total Anual 27285.53 7113.00 5.278 b = 623.5 11332.35 7361. se asignan los valores de X: 45 y 46.55 50209. recurrimos a otro modelo de regresión lineal donde se consideran los datos de las ventas agrupados trimestralmente. se divide cada dato trimestral en su índice de estacionalidad.802.98 9573. desde Enero de 2006 hasta Diciembre de 2008. que ocurren durante un año y se repiten anualmente.1 11310.05 38703.02 + 78.

2.700 2o. también cuando cada período existen diferencias de ventas por lo cual se hace necesario contar con un índice para cada período. 120 125 125 130 140 640 128 1. Se obtienen los datos de las ventas en los últimos períodos.874 1.E. Ejemplo 1.7 20883.4 14869. 4. I.4 Pron. Se calculan los índices de estacionalidad: a)Se suman el total por cada periodo y el total de los totales. para cada periodo.8 .4 15523.9 6. = x / x T 3.044 1.43 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.4 15492.40.085 Total 640 690 718 741 748 3537 117.4 14246. 90 95 94 93 92 464 92.348 Pron.787 6o.6 0. Se ajusta el pronóstico para cada periodo. Y(14) = 14246. b)Se obtiene un promedio por periodo y un promedio total.882 5o.6 12451. 120 140 160 170 175 765 153 1.41. multiplicando el índice de estacionalidad de cada periodo por las ventas promedio calculadas en el pronostico. 130 140 150 155 160 735 147 1. Muebles Daris desea calcular el pronóstico de ventas para 2002.297 3o. Se calcula el pronóstico para el período deseado mediante el metodo deseado. Desestacionalizados 13623.734 0.42.000 Índice Estacionalidad 0. Y(15) = 14869. 80 85 84 83 81 413 82. Para lo cual se sigue el siguiente procedimiento: 1. Y(16) = 15492.246 4o. si en los últimos años cuenta con la siguiente información bimestral: Año 1993 1994 1995 1996 1997 1o. 100 105 105 110 100 520 104 0.Índices Estacionales Los pronósticos de las ventas desestacionalizadas para los cuatro trimestres del año 2009 son: Y(13) = 13623. c)Se calcula índice de estacionalidad dividiendo el promedio ( x ) por periodo entre el promedio total ( x T). Estacionalizados 9999.8 0.

45 2 1.085 153.298 153.387 5 0.Índices Estacionales Por Método Simplificado.804 6 1.5 191. 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 .247 153.5 135.5 166.5 120.700 153.5 199.999 153.414 4 0.547 Total 5.8 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 0.845 .882 153.787 153.243 3 1.5 107.5 920.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->