Está en la página 1de 34

PRONSTICOS

PARTE 1

En la parte de la teora de inventarios revisamos la manera de encontrar la cantidad ptima a ordenar o bien, las polticas ptimas de mantenimiento de los inventarios.

Estas polticas dependen, en parte, de los pronsticos que se tienen acerca de las ventas o de la demanda del producto.

Los pronsticos son un elemento esencial de todo sistema exitoso de inventarios.

Sin embargo, los pronsticos no son asociados con los problemas del control de inventarios. Existen otras reas donde los pronsticos juegan un papel muy importante, como la planeacin financiera y de produccin, mercadotecnia, entre otros.

Los pronsticos se obtienen a travs de tcnicas cuantitativas o cualitativas.

Entre las tcnicas cuantitativas que utilizan mtodos estadsticos convencionales podemos mencionar Anlisis de Regresin Series de Tiempo

Anlisis de Regresin En este mtodo la variable a pronosticar (la variable dependiente) se expresa a travs de una expresin matemtica como funcin de otras variables (independientes).

Anlisis de Regresin La forma mas simple del modelo de regresin supone una tendencia lineal con el tiempo. Y el modelo de regresin tiene la forma conocida:

y = mx + b

Anlisis de Regresin Por ejemplo, el pronstico de las ventas totales de un libro en un periodo dado puede estar relacionado funcionalmente con las ventas por correo del libro durante el mismo periodo.

Series de Tiempo Son series de valores numricos de una variable cualquiera durante un perodo de tiempo. Por ejemplo los precios de cierre diarios en el mercado de valores de una accin en particular durante un ao constituye una serie de tiempo.

Series de Tiempo Estas tcnicas lo que hacen es utilizar esta informacin para pronosticar los valores de la variable de inters en perodos futuros.

Series de Tiempo Los pronsticos, en general, se relacionan con el anlisis de informacin pasada con el fin de suponer o estimar uno o mas valores futuros de la serie de tiempo.

Anlisis de Regresin Regresin Lineal Para realizar una regresin lineal se utiliza el mtodo de los mnimos cuadrados.

Mnimos Cuadrados El mtodo de los mnimos cuadrados lo que hace es encontrar la recta que mas se ajusta, o se apega a los valores de datos.

Mnimos Cuadrados Lo que se busca es minimizar la desviacin vertical entre los valores observados y la lnea ajustada.

Mnimos Cuadrados La medida de ajuste, denominada Q resulta de sumar los cuadrados de estas diferencias.
Q ! y1  y1  y2  y2  .....  yn  yn ! yi  yi
2 2 2 i !1 n 2

Mnimos Cuadrados
Recta ajustada

observaciones

Mnimos Cuadrados
Recta ajustada

y
diferencia

Mnimos Cuadrados El problema consiste en obtener los valores de a y b para la ecuacin y = ax + b Es decir, para la pendiente de la recta (a) y para la ordenada al origen (b).

Mnimos Cuadrados Para lo anterior debemos obtener lo siguiente para los datos dados
Variable indep. (x) Variable dep. (y) X1 X2 X3 X4 X5. Xn Y1 Y2 Y3 Y4 Y5 Yn

Mnimos Cuadrados Para lo anterior debemos obtener lo siguiente para los datos dados
n i i !1 n i i !1 n 2 i i !1 n 2 i i !1

x y

x y
n

x
i !1

yi

Mnimos Cuadrados Adems, obtener el promedio simple para X y Y:


n

x
Xmedia = Xtestada = Ymedia = Ytestada =
y! x!
i !1

n
n

y
i !1

Mnimos Cuadrados Entonces, para hallar a:


n

x y
i

 nx y
2

a!

i !1 n

x
i !1

2 i

 n x

Mnimos Cuadrados Y el valor de b se obtiene usando el valor que se ha encontrado de a:

b ! y  ax

Mnimos Cuadrados Ejemplo: Se tiene la demanda de un artculo del inventario (en nmero de unidades) en un perodo de 24 meses.

Mnimos Cuadrados Excel es capaz de resolver el problema por si solo. En el men Herramientas / Anlisis de datos / Regresin

Mnimos Cuadrados De la misma manera, se pueden atacar los problemas a travs de WinQSB con el mdulo de Forecasting

Mnimos Cuadrados Es importante tomar en cuenta el coeficiente de correlacin cuando se ajustan los valores a una recta.

Mnimos Cuadrados Este coeficiente indica que tan bien se ajustan los valores de y dados por la recta obtenida, a los datos primarios. R debe estar entre -1 y 1.

Mnimos Cuadrados Un ajuste lineal perfecto ocurre cuando R = 1 o R = -1, es decir cuando el valor absoluto de R es 1. Entre mas cercano sea a 1, mejor ser el ajuste lineal.

Mnimos Cuadrados Por otro lado, si R = 0, indica que es probable que X y Y sean independientes (es decir, que no hay relacin alguna entre las variables).