Está en la página 1de 4

Promedio Mvil

Periodo 1 2 3 Mes Ene Feb Mar Demanda 90 106 152 Promedio Mvil

4 5
6

Abr
May Jun

244 302
274

7 8
9

Jul Ago
Sep

162 194
312

10 11
12

Oct Nov
Dic

358 215
126

13 14
15 16 17 18 19 20 21 22 23

Ene Feb
Mar Abr May Jun Jul Ago Sep Oct Nov

94
125 147 273 349 310 178 182 323 400 252

Es la ms sencilla de las tcnicas para pronosticar las series de tiempos. Si la serie de tiempos NO presenta tendencia, entonces el promedio mvil es una tcnica satisfactoria. Consiste en tomar el Promedio Aritmtico de las ventas reales de un determinado nmero de periodos pasados recientes (es muy comn usar 3 4 periodos) para proyectar el pronstico del siguiente periodo.

Expositor: Ing. Hugo Aguirre T.

24

Dic

179

Promedio Mvil Ponderado


Pronstico Promedio Mvil Ponderado Tres Meses (ponderacin 2,3 y 4)

Periodo
1

Mes
Ene

Demanda
90

Promedio Mvil Ponderado

2
3 4

Feb
Mar Abr

106
152 244

5
6 7

May
Jun Jul

302
274 162

8
9 10 11 12 13 14 15

Ago
Sep Oct Nov Dic Ene Feb Mar

194
312 358 215 126 94 125 147

Toma en cuenta que los datos ms recientes son ms reveladores del futuro que los datos ms antiguos. Con frecuencia resulta ms confiable un promedio mvil ponderado, calculado dando ms peso a los datos ms recientes. Se calcula multiplicando cada periodo por un factor de ponderacin y dividiendo el resultado entre la suma de todos los factores ponderados. Los factores de ponderacin pueden tener cualquier valor, y son la evaluacin subjetiva del pronosticador.

Expositor: Ing. Hugo Aguirre T.

Ejemplo
Enunciado Una compaa tiene una demanda estacional trimestral y pronostica vender 420 unidades el prximo ao. Calcular la demanda por trimestre para el prximo ao Ao 1 2 3 1 122 130 132 2 108 100 98

Datos Trimestre
3 81 73 71 4 90 96 99

Total 401 399 400

Indice Estacional =

Demanda Promedio del Perodo Demanda Promedio de Todos los Periodos

Solucin
Ao
1 2 3 Demanda promedio por periodo

Trimestre

1 122 130 132

2 108 100 98

3 81 73 71

4 90 96 99

Total 401 399 400

Demanda promedio trimestral de todos los periodos


Indice estacional

Suma de los indices Demanda desestacionalizada para el trimestre = Pronstico anual / Suma de los ndices Demanda estacionalizada por trimestre= Demanda desestacionalizada para el trimestre * Indice estacional

Anlisis de Regresin Lineal Simple


Specifc Motors estima que el crecimiento de ventas se mantendr y desea desarrollar un pronstico a largo plazo para planear las necesidades de las instalaciones para los siguientes tres aos. Se utilizarn las cifras de ventas de los diez ltimos aos.
Ventas anuales (miles de unidades) Periodo Y

Ao

(x)

x2

XY

1 2 3 4 5 6 7 8 9 10 Totales Promedio
Y = a + bX

1000 1300 1800 2000 2000 2000 2200 2600 2900 3200

1 2 3 4 5 6 7 8 9 10

En el ejemplo X representa el periodo (ao) (variable independiente); e Y representa la Demanda de motores elctricos (Variable dependiente) La ecuacin Y = a + b X permite pronosticar las ventas de los aos futuros. As pues si queremos pronosticar para los tres prximos aos siguientes, podramos reemplazar 11, 12 y 13, que son los tres valores siguientes de X, en la ecuacin de regresin .

b = Sum (XY) n (promde los Xs * prom de los Ys) Sum (x2 ) n (prom de X *prom de X)
a

= prom de Y b (prom de X)

Expositor: Ing. Hugo Aguirre T.

Anlisis de Regresin
Es un modelo para determinar la expresin matemtica que mejor describe las relaciones funcionales entre dos ms variables.
Y Demanda 2009 12 10 8 6 4 6 4 6 8 10 12 12

Periodo

XY

x2

Y2

Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic

5 4 3 2 1 2 1 2 3 4 5 5

En el ejemplo X representa la demanda de autos en miles (Demanda independiente); e Y representa la Demanda de Acero en toneladas (Variable dependiente) La ecuacin Y = a + b X permite calcular los requerimientos de acero, basados en las ventas de autos. As pues si vendemos 20,000 autos, se esperara una demanda de -----? toneladas de acero.

Y = a + bX

b = Sum (XY) n (promde los Xs * prom de los Ys) Sum (x2 ) n (prom de X *prom de X)
a

= prom de Y b (prom de X)

Sesgo

Es un error sistemtico por el cual la demanda real est consistentemente por encima o por debajo de la demanda pronosticada. El sesgo existe cuando la demanda real acumulada se separa del pronstico acumulado. Esto quiere decir que la demanda promedio pronosticada estar mal. Cuando es detectado hay que determinar la causa para eliminarlo. Real Pronostico

Mes 1 2 3 4 5 6 Total

Mes

Acum

Mes

Acum

Error

100 110 100 125 100 120 100 125 100 130 100 110 600 720 Error promedio (sesgo)

La demanda fue sobre pronosticada por un promedio de ---- unidades por periodo para los seis periodos.
El tener un pronstico sin sesgo es importante, ya que los estimados sin sesgo en promedio son casi correctos.

Expositor: Ing. Hugo Aguirre T.

Medicin del error en el Pronstico


Las mediciones ms comunes y usadas son: 1. Desviacin Media Absoluta (MAD) . Se usa para estimar la magnitud del error de prediccin del modelo de prediccin utilizado. Es igual al Promedio de los valores absolutos de los errores de prediccin. 2. Error Medio de Cuadrado (EMC) . Se usa para determinar que tcnica de pronstico, dentro de un conjunto de ellas, produce los resultados ms deseables. Es igual al promedio de los cuadrados del error.
Periodo 1 2 3 4 5 6 7 8 9 10

Error de Cuadrado Demanda Demanda pronosticada Prediccion del error Real


244 302 274 162 194 312 359 215 126 94 344 202 174 262 94 412 459 315 226 194
Qu tcnica es mejor (1 2)?

Periodo

Demanda Real

Demanda pronosticada

Error de Prediccion

Cuadrado del error

1 2 3 4 5 6 7 8 9 10 Total MAD EMC

244 302 274 162 194 312 359 215 126 100

244 302 274 162 194 312 359 215 126 1100

Total
MAD

EMC

Seal de Seguimiento
Demanda Demanda Pronostica Periodo Real da 1
2 3

Error

Valor absoluto del Error de Prediccin

940
920 950

1390
1194 990

4
5 6 7 8 9 10 11

1720
1730 1710 2340 2360 2350 1280 1260

972
1110 1252 1406 1690 1972 2098 2000

Si el Modelo de pronstico est desempendose bien, la Seal de Seguimiento debera ser prcticamente igual acero. Si la seal de Seguimiento es positiva y est fuera del umbral, incremente los pronsticos. Si es negativo y est fuera del umbral redzcalos.

12
Total MAD

1280

1910

Seal de Seguimiento = (Suma de los errores /MAD)

Expositor: Ing. Hugo Aguirre T.