Profesor: Jos Manuel Vera Reyes

Estadstica para negocios

JUAN CARLOS MARTNEZ CIPRIANO
UNIVERSIDAD TECNOLGICA DE PUEBLA





Contenido
Introduccin ............................................................................................................................................... 2
La necesidad pronosticar .......................................................................................................................... 3
Clasificacin de pronsticos ...................................................................................................................... 4
1.1Horizonte de planeacin .................................................................................................................. 4
1.2 Tipos de datos .................................................................................................................................. 4
Pronsticos ................................................................................................................................................ 6
1.1Pronostico de promedio simple: ................................................................................................. 6
1.2Promedio mvil simple .................................................................................................................. 7
1.3Promedio mvil ponderado. ......................................................................................................... 8
1.4Suavizacin exponencial ............................................................................................................ 10
1.5 Errores de pronsticos: ............................................................................................................. 14
1.6 Modelos de series de tiempo .................................................................................................... 15
EL MODELO DE REGRESIN .............................................................................................................. 19
Conclusin ................................................................................................................................................... 20
Glosario de trminos ........................................................................................................................... 20
Bibliografa ................................................................................................................................................... 21





pg. 1





















pg. 2

Introduccin

En la actualidad al ser humano le genera una gran necesidad tener la nocin de conocer
el comportamiento a futuro de alguna variable con cierto grado de certeza, he ah donde
entra el tema de pronsticos, los cuales nos permiten reducir la incertidumbre del futuro
y as generar anticipacin respecto a algn o algunos eventos con probabilidad de
ocurrencia relativamente alta.
Es por ello que la necesidad de pronosticar entornos altamente inciertos cada vez sea
an ms indispensable, ya que vivimos en un entorno demasiado cambiante, gracias al
pronstico, nosotros mismos podemos generamos una ventaja demasiado competitiva
para tomar decisiones y hacer una mejor planeacin enriquecer los resultados esperados
y generar mayor competitividad. Al respecto del tema esta necesidad se genera con
mayor frecuencia para las grandes empresas las cuales son muy dependientes del futuro
para generar toma de decisiones o inversiones de tiempo y capital.
En el presente documento dar a conocer la necesidad de pronosticar, los tipos de
pronstico, seleccin de mtodos de pronstico tcnicas de pronsticos, error de
pronsticos y en general los principios de pronsticos etc.















pg. 3

La necesidad pronosticar

La respuesta es que en cualquier situacin que nos encontremos, siempre se operar en
una ambiente de incertidumbre y que, a pesar de este hecho, se deben tomar mltiples
decisiones; en ocasiones unas sencillas y en otras no es as, tal es el ejemplo de una
inversin muy grande donde no se debe tomar una decisin en base a una corazonada.
Pero esto tampoco significa que un pronstico intuitivo sea malo. Al contrario, los
sentimientos instintivos de quienes administran empresas, con frecuencia proporcionan
el mejor pronstico disponible.
Debido a que siempre ha sido cambiante el mundo en el que operamos todos, siempre
ha existido la necesidad de hacer pronsticos, de saber qu ocurrir en el futuro o cul
ser la lnea a seguir. Las empresas que no puedan reaccionar con rapidez a las
condiciones cambiantes y prever el futuro con algn grado de precisin, estn
condenadas ir decayendo hasta desaparecer.
Cualquier empresa interesada en conocer el futuro, utiliza el pronstico ya sea
explcito o implcito, debido a que todas las empresas deben planear cmo enfrentar
las condiciones futuras de las cuales se tiene un conocimiento imperfecto. Si nos
referimos al mbito empresarial, podramos dar algunos ejemplos que requieren
pronosticar para su progreso y buena planeacin como estos:
Mercadotecnia
Tamao del mercado
Participacin en el mercado
Tendencia de precios
Desarrollo de nuevos productos
Produccin
Costo de materia prima
Costo de mano de obra
Disponibilidad de materia prima
Disponibilidad de mano de obra
Requerimientos de mantenimiento
Capacidad disponible de la planta para la produccin
Finanzas
Tasas de inters
Cuentas de pagos lentos

Recursos Humanos
pg. 4

Nmero de trabajadores
Rotacin de personal
Tendencias de ausentismo
Tendencia de llegadas tarde
Planeacin Estratgica
Factores econmicos
Cambios de precios
Costos
Crecimiento de lneas de productos
Los pronsticos se utilizan para acercarnos informacin futura y con ella elaborar un plan
de accin.

Clasificacin de pronsticos
1.1Horizonte de planeacin

Largo plazo: Este tipo de pronstico se utiliza en la planificacin de nuevas inversiones,
lanzamiento de nuevos productos y tendencias tecnolgicas de materiales, procesos y
productos, as como en la preparacin de proyectos. El tiempo de duracin es de tres
aos o ms, significando inversin en capital localizacin de planta, nuevos productos,
expansin, crecimiento del mercado,
Mediano plazo: Abarca un lapso de seis meses a tres aos. Este se utilizan para estimar
planes de ventas, produccin, flujos de efectivo y elaboracin de presupuestos. tamao
de la fuerza de trabajo, siclo de la demanda, requerimientos de capacitacin etc.
Corto plazo: En las empresas modernas, este tipo de pronstico se efecta cada mes o
menos, y su tiempo de planeacin tiene vigencia de un ao. Se utiliza para programas de
abastecimiento, produccin, asignacin de mano de obra a las plantillas de trabajadores,
y planificacin de los departamentos de fabricacin.

1.2 Tipos de datos
Cualitativos: Esta es usable cuando los datos son escasos, estas tcnicas usan el
criterio de la persona para transformar informacin cualitativa en estimado cuantitativos,
es por eso que Las tcnicas cualitativas se usan cuando no se tiene disponibilidad de
informacin histrica, por ejemplo cuando se introduce un producto nuevo al mercado.
Usan el criterio de la persona y ciertas relaciones para transformar informacin
cualitativa en estimados cuantitativos. Algunos de los mtodos ms comunes
de pronstico cualitativo son los siguientes:

pg. 5

Investigacin de Mercados: Se usa para evaluar y probar hiptesis acerca de mercados
reales. Suelen ser cuestionarios estructurados que se envan a los clientes potenciales
del mercado solicitando en ellos opinin acerca de productos o productos potenciales e
intentan muchas veces averiguar la probabilidad de que los consumidores demanden
ciertos productos o servicios.

Desarrollar cuestionario con preguntas que proporcionen informacin necesaria para el
desarrollo del pronstico, por ejemplo edad o ingresos o con qu frecuencia se
consumira el producto. Si se aplica a distribuidor seran necesarios el tamao de la tienda
y la proyeccin del nmero de artculos que comprara.
Llevar a cabo la encuesta, ya sea por correo, fax, telfono, postal para recortar en una
revista, etc.
Tabular y analizar los resultados e interpretarlos cuidadosamente

Mtodo Delphi o consenso de panel: Se usa para pronsticos a largo plazo, pronsticos
de ventas de productos nuevos y pronsticos tecnolgicos. Llamado as en honor al
Orculo de Delphos, quien predijo eventos futuros. En sta mtodo utiliza un comit de
expertos. Se utilizan paneles con stos expertos en el mercado especfico y de diferentes
campos, los cuales intentan transferir al anlisis su conocimiento individual respecto de
los factores que afectan la demanda, interactuando entre s para tratar de llegar a un
consenso en cuanto al pronstico de la demanda. ste mtodo permite que cada experto
realice sus pronsticos individuales annimamente, especificando las razones que lo
llevaron a dicha proyeccin, despus el conjunto de stos se distribuye entre todos los
expertos, lo cual permite que cada uno modifique sus proyecciones en base a la
informacin de los dems. La idea es repetir sta serie de pasos hasta alcanzar un
consenso.

Analoga por ciclo de vida: Se utiliza a la hora de lanzar un producto nuevo y se basa
en el hecho de que casi todos los productos y servicios tienen un ciclo de vida bien
definido, ste mtodo tiene una aplicacin muy especial. Generalmente las ventas
presentan un crecimiento durante la etapa temprana que sigue a la introduccin del
producto en el mercado. En cierto punto, el producto o servicio madura, lo que implica un
bajo o nulo crecimiento adicional, hasta que, en un momento dado, la demanda va
bajando hasta el punto donde ya no es ofertado.

Valoracin o juicio informado: Es uno de los mtodos de pronsticos de mayor uso,
sin embargo, tambin es de los menos confiables. Stephen Chapman nos proporciona
un ejemplo sobre un ejecutivo de ventas y su equipo de vendedores, en ste, el ejecutivo
pg. 6

solicita a cada vendedor que desarrolle una proyeccin de ventas para su rea, tomando
como marco temporal cierto periodo futuro. Luego, el ejecutivo combina las proyecciones
individuales en un pronstico de ventas global para la compaa. Las razones por las que
ste mtodo suele ser poco fiables son variadas, entre ellas destacan las siguientes:

Los vendedores pueden utilizar dicho pronstico como oportunidad para establecer
metas optimistas.
Miedo por parte de los vendedores de que sus pronsticos se utilicen como una cuota de
ventas, lo que los puede llevar a establecer una cifra menor de la que ellos creen poder
vender.
Los acontecimientos recientes, por ejemplo una buena o mala semana de ventas,
bombardeo meditico acerca de una inminente debacle en la demanda de servicios o
productos por la crisis econmica, etc. Pueden influenciar de tal manera que sus
proyecciones sern muy pesimistas o muy optimistas.

Cuantitativos:
Para las cuestiones numricas tenemos de igual manera variedad de posibles
pronsticos, esto dependiendo de la necesidad de pronosticar alguna variable, tales
como:

Pronsticos
1.1Pronostico de promedio simple:

Este mtodo consiste en atenuar los datos al obtener la media aritmtica de cierto nmero
de datos histricos para obtener con este el pronstico para el siguiente periodo. El
nmero de datos a tomar en cuenta para calcular el promedio es una decisin de la
persona que realiza el pronstico.





pg. 7

Promedio de ventas en unidades en el periodo t.
Sumatoria de datos.
Ventas reales en unidades de los perodos anteriores a t.
Nmero de datos.

Ejemplo de aplicacin de un pronstico de promedio simple.
Una campaa desea realizar un pronstico para el mes de abril, teniendo en cuenta la
siguiente informacin:
Solucin


As que la respuesta del pronstico para el mes de abril es de 2865 unidades.

1.2Promedio mvil simple

El mtodo de media mvil simple es un procedimiento de clculo sencillo que pertenece
a la categora de pronsticos de series de tiempo, es decir, que utiliza informacin
histrica para poder generar un pronstico, se requiere que la informacin est ordenada
cronolgicamente, todos los periodos deben ser de la misma duracin (meses, das, etc.),
Su aplicacin principal es cuando la demanda real no presenta mayores variaciones de
corto plazo e idealmente no se presenta estacionalidades. En este contexto muchos
productos alimenticios presentan estas caractersticas y por tanto su aplicacin puede
resultar adecuada.

MES VENTAS
REALES
Enero 2560 unds
Febrero 3205 unds
Marzo 2830 unds
Abril ?
pg. 8

Donde Ft es el pronstico para el perodo t y At la demanda real para el perodo t. La
constante n determina el nmero de perodos a promediar. En la tabla a continuacin
se muestra el procedimiento de pronstico de demanda con media mvil simple con n=3.
Por ejemplo, el pronstico de Abril se obtiene promediando los valores reales de Enero,
Febrero y Marzo: F(Abril)=(200+230+260)/3=230. El pronstico de Mayo se obtiene
promediando los valores reales de Febrero, Marzo y Abril:
F(Mayo)=(230+260+180)/3=223. Notar que los pronsticos no consideran decimales


at ft ft
Demanda Pronstico (3 meses) Pronstico (6 meses)
Enero 200
Febrero 230
Marzo 260
Abril 180 230
Mayo 270 223
Junio 240 237
Julio 250 230 230
Agosto 300 253 238
Septiembre 320 263 250
Octubre 350 290 260
Noviembre 240 323 288
Diciembre 210 303 283
Periodo

Aunque existen diversos indicadores de precisin de un pronstico, en este caso el
resultado es ms que evidente, pues podemos observar como el pronstico con un
perodo mvil de 3 meses logra aproximarse en una mayor medida a las ventas reales
del ao con relacin a las previsiones obtenidas mediante el pronstico con un perodo
mvil de 6 meses.

1.3Promedio mvil ponderado.

En el mtodo anterior de los promedios mviles simples cada observacin del clculo del
promedio mvil recibe la misma ponderacin o peso.
pg. 9

En la tcnica de promedios mviles ponderados, implica la seleccin de pesos distintos
para cada valor de los datos para despus calcular en calidad de pronstico un promedio
ponderado. En donde la observacin ms reciente es la que recibe mayor ponderacin y
el peso disminuye para los valores ms antiguos. Por ejemplo, utilizando la serie de
tiempo de la informacin del cuadro anterior, se procede a ilustrar el clculo de un
promedio mvil ponderado de 3 trminos, en donde la observacin ms reciente recibe
un peso de 3 tantos el que se asigna a la observacin ms antigua, y la siguiente
observacin ms antigua recibe un peso.


Ejemplo:

Con la formula anterior se generar la operacin en comento, pero para este ejemplo
utilizaremos tres ponderaciones para cierta base de datos los cuales sern los siguientes:
Ponderaciones: X=2, Y=3, Z=4
Formula: sustitucin:
() +() +()
(++)

(2)152+(3)106+(4) 90
(2+3+4)

pg. 10

Periodo Demanda Pronstico
Ene 90
Feb. 106
Mar. 152
Abr. 244 123
May. 302 183
Jun. 274 249
Jul. 162 277
Ago. 194 230
Sep. 312 201
Oct. 359 239
Nov. 215 307
Dic. 126 285
Promedio Mvil Simple

Una vez obtenido el primer valor pronosticado se realiza la misma tcnica que la mvil
simple que es ir tomando los valores sucesivamente inmediatos que en este caso seran
para calcular el pronstico de inmediato que es mayo tomando abril, marzo y febrero y
hacer la misma operacin antes realizada.
Nota: la ponderacin en este caso fue a valores enteros, pero tambin se pueden realizar
por medio de porcentajes, esto ya es a criterio del pronosticador y de los resultados que
se desea obtener.

1.4Suavizacin exponencial

El suavizamiento exponencial simple, al igual que las medias mviles, utiliza slo valores
pasados de la serie de tiempo para pronosticar los valores de la misma serie y es
apropiada cuando no existe tendencia o estacionalidad en los datos. Con el
suavizamiento exponencial, el valor del pronstico es un promedio ponderado de los
valores previos disponibles, la ponderacin disminuye conforme se retrocede en
el tiempo. El pronstico de la media mvil proporciona la misma ponderacin a los valores
incluidos en cada promedio; el suavizamiento exponencial da mayor peso a las
observaciones ms recientes y menor a las observaciones ms remotas.
La suavizacin exponencial es una tcnica de pronstico de series de tiempo (promedios
mviles) que pondera los datos histricos exponencialmente para que los datos ms
recientes tengan ms peso en el promedio mvil. Con la suavizacin exponencial simple,
el pronstico Ft se construye con la prediccin del ltimo periodo Ft-1 ms una porcin
de la diferencia entre el valor de la demanda real del periodo anterior At-1 y el pronstico
del periodo anterior Ft-1.


pg. 11

La constante de suavizacin es un nmero entre 0 y 1 que entra multiplicando en cada
caso pronstico pero cuya influencia declina exponencialmente al volverse antiguos los
datos.
Una baja da ms ponderacin a los datos histricos. Una de 1 refleja una ajuste total
a la demanda reciente de los pronsticos y los pronsticos sern las demandas reales de
los periodos anteriores
La seleccin de depende de las caractersticas de la demanda. Los valores altos de
son ms sensibles a las fluctuaciones en la demanda. Los valores bajos de son ms
apropiados para demandas relativamente estables (sin tendencia o ciclicidad), pero
con una gran cantidad de variacin aleatoria.

La suavizacin exponencial simple es un promedio suavizado centrado en el periodo
presente. No se puede extrapolar para efectos de tendencia, por la que ningn valor de
compensar completamente la tendencia en los datos.
El valor de la constante de suavizamiento debe ser entre 0 y 1. No puede ser igual a 0
o 1; si esto ocurriera la idea de suavizamiento exponencial sera negada, Si se escoge
un valor cercano a 1, los valores recientes de la serie de tiempo son fuertemente
ponderados en comparacin a aquellos de un pasado distante. Por otro lado, si el valor
de es cercano a 0, entonces los valores distantes de la serie tienen un peso comparable
al dado a los valores recientes. Sin importar el valor de la constante de suavizacin
escogida, la suma delas ponderaciones tender a 1. El hecho de que la suma de las
ponderaciones tienda a 1 rpida o lentamente depende de la constante elegida. Si por
ejemplo, escogemos una constante de 0.9, la suma de las ponderaciones se aproximar
a1 mucho ms rpido que cuando se escoge 0.01.Como gua para escoger una
adecuada se consideran los siguientes criterios:
Se seleccionan valores cercanos a 0 si la serie tiene una gran variacin de carcter
aleatorio.
Si se desea que el pronstico dependa fuertemente de los cambios recientes en los
valores reales se escoge un valor cercano a 1.







pg. 12




= 20 +0.1(20 20)
Veamos que para obtener en este caso el pronstico por medio de la suavizacin
exponencial tenemos que tener el primer pronstico como dato histrico para que lo
ubiquemos en la formula (en este caso se tomar el 20 como el primer dato histrico
pronosticado)

Este mtodo contiene un mecanismo de autocorreccin que ajusta los pronsticos
en direccin opuesta a los errores pasados. Es un caso particular de promedios mviles
ponderados de los valores actuales y anteriores en el cual las ponderaciones disminuyen
exponencialmente. Se emplea tanto para suavizar como para realizar pronsticos. Se
emplea la siguiente frmula




Una exponencial minorada con
Alfa 0.1(tasa de respuesta al error)
N Mes del ao Ventas A Pronstico F
1 Ene. 20 20
2 Feb. 21
3 Mar. 15
4 Abr. 14
5 May. 13
6 Jun. 16
7 Jul. 17
8 Ago. 18
9 Sep. 20
10 Oct. 20
11 Nov. 21
12 Dic. 23
13 Ene. ?
pg. 13




= 20 +0.1(20 20)
= 20 +0.1
= 20.1





















En est grfica se muestra la lnea de tendencia es creciente y no muestra una gran
variacin excepto por los meses ubicados en medio he ah cuando aplica las decisiones
para mantener o aumentar la demanda de ventas.
Una exponencial minorada con Alfa 0.1
N Mes del ao Ventas A
Pronstico
a=0.1
1 Ene. 20 20
2 Feb. 21 20
3 Mar. 15 20.1
4 Abr. 14 19.59
5 May. 13 19.031
6 Jun. 16 18.4279
7 Jul. 17 18.18511
8 Ago. 18 18.066599
9 Sep. 20 18.0599391
10 Oct. 20 18.2539452
11 Nov. 21 18.4285507
12 Dic. 23 18.6856956
13 Ene. ? 19.117126
Se redonde el resultado y con
esta misma frmula se obtiene
el siguiente resultado
0
5
10
15
20
25
0 2 4 6 8 10 12 14
Suavizacin Exponencial
pg. 14


1.5 Errores de pronsticos:

El error se refiere a la diferencia entre el valor de pronostico y lo que en realidad ocurri.
Mientras el valor del pronstico este dentro de los lmites de confianza, no se trata
realmente de un error, pero es comn referirse a la diferencia como si lo fuera. La
demanda de un producto se genera por la interaccin de varios factores, demasiado
complejos para describirlos con precisin en un modelo. Por lo tanto, todos los
pronsticos contienen un error.

Los errores pueden provenir de varias fuentes, una muy comn, de la que no se percatan
muchos pronosticadores, es la proyeccin de tendencias pasadas hacia el futuro. Ya que
al utilizar esta lnea de tendencia como dispositivo de pronstico, proyectndola hacia el
futuro, es probable que el intervalo de confianza no defina correctamente el error porque
se basa en datos del pasado.
Un error puede ser sistemtico o aleatorio. Los sistemticos son los que se cometen
consistentemente. Algunas de las causas son: excluir variables correctas, utilizar
relaciones equivocadas entre variables; emplear lneas de tendencia incorrecta y no
darse cuenta de que existe alguna tendencia secular.

Por otra parte, los errores aleatorios son aquellos que no se pueden explicar con el
modelo de pronstico que se usa.

Por lo tanto, el error del pronstico es la diferencia entre el valor real y el pronosticado
del perodo correspondiente.


Donde Et es el error del pronstico del perodo t, Y es el valor real para ese perodo
y Ft el valor que se haba pronosticado. Medidas de error:

t t t
t t
t
Y Y e
residual o pronstico del Error
Y para pronstico del valor Y
t periodo el en tiempo de serie una de valor Y

pg. 15

Desviacin absoluta media
=
(

Error medio cuadrado
Porcentaje de error medio
absoluto
=

(

Porcentaje medio de error

Periodo YT Pronstico Yt et abs(et) et^2 abs(et)/YT et/YT
1 58 -
2 54 58 -4.0 4 16.0 7.4% -7.41%
3 60 54 6.0 6 36.0 10.0% 10.00%
4 55 60 -5.0 5 25.0 9.1% -9.09%
5 62 55 7.0 7 49.0 11.3% 11.29%
6 62 62 0.0 0 0.0 0.0% 0.00%
7 65 62 3.0 3 9.0 4.6% 4.62%
8 63 65 -2.0 2 4.0 3.2% -3.17%
9 70 63 7.0 7 49.0 10.0% 10.00%
SUMATORIA= 12.0 34.0 188.0 56% 16%
Nmero datos= 8 DAM=
EMC=
PEMA=
PME=
Errores
sumatori a de abs(et) entre n de datos(8)
sumatori a de et^2 entre el n de datos(8)
sumatori a de abs(et)/YT entre el nde datos(8)
sumatori a de abs(et)/YT entre el n de datos (8)
4.25
23.5
6.95%
2.0%

Tal y como lo muestra el ejemplo se puede obtener diferentes tipos de errores los cuales
ayudan a tomar una buena decisin, siempre y cuando se tenga pronosticado alguna
variable por varios mtodos as se podr seleccionar la mejor opcin y el que te tenga
menor rango de error.
1.6 Modelos de series de tiempo
Las series de tiempo llamadas tambin series cronolgicas o series histricas son un
conjunto de datos numricos que se obtienen en perodos regulares y especficos a travs
del tiempo, los tiempos pueden ser en aos, meses, semanas, das u otra unidad
adecuada al problema que se est trabajando.
Ejemplo: ventas trimestrales de los ltimos 5 aos, desempleo en los ltimos aos, precio
de un producto en el tiempo, etc
pg. 16

Objetivo: analizar patrones del pasado que puedan extrapolarse al futuro
El principal objetivo de las series de tiempo es hacer proyecciones o pronsticos sobre
una actividad futura, suponiendo estables las condiciones y variaciones registradas hasta
la fecha, lo cual permite planear y tomar decisiones a corto o largo plazo. Despus, con
base en esa situacin ideal, que supone que los factores que influyeron en la serie en el
pasado lo continuarn haciendo en el futuro, se analizan las tendencias pasadas y
el comportamiento de las actividades bajo la influencia de ellas; por ejemplo, en la
proyeccin de ventas de un producto o de un servicio de una empresa se calculan los
posibles precios, la reaccin del consumidor, la influencia de la competencia, etc.
PATRONES O COMPONENTES DE UNA SERIE DE TIEMPO
TENDENCIA: componente de muy largo plazo
CICLICIDAD: componente de largo plazo
ESTACIONALIDAD: componente de corto plazo
FACTOR ALEATORIO: componente de muy corto plazo
1.- Tendencia secular: La tendencia secular o simplemente tendencia, son movimientos
o variaciones continuas de la variable de modo uniforme y suave, por encima o por
debajo, que se observan en el largo plazo durante un perodo de longitud prolongada.
Representan el comportamiento predominante o direccin general de la serie de tiempo
como ascendente o descendente. La grfica de la tendencia suele ser una curva suave
y aun una lnea recta que muestra la tendencia de las variaciones. Ejemplos de tendencia
secular son las ventas, exportaciones, produccin y el empleo.





x y
2000 2
2001 2.5
2002 2.6
2003 3.1
2004 3.2
2005 3.3
2006 3.6
2007 4.3
2008 4.4
2009 4.8
2
2.5
2.6
3.1
3.2
3.3
3.6
4.3
4.4
4.8
0
1
2
3
4
5
6
2000 2002 2004 2006 2008 2010
Tendencia Recta de
tendencia
Datos reales
pg. 17

La siguiente grfica muestra la tendencia del perodo 2000-2009. Aunque los datos
muestran ciertas variaciones estn por encima y por debajo de la recta de tendencia, la
tendencia secular es ascendente.
2.- Estacionales: Representa un movimiento peridico que se producen en forma similar
cada ao por la misma poca, en correlacin con los meses o con las estaciones del ao
y aun con determinadas fechas. Si los sucesos no se repiten anualmente, los datos deben
recolectarse trimestral, mensual o incluso semanalmente.
Ejemplos de movimientos estacionales son la variacin de precios de ciertos productos,
incremento de ventas de juguetes y disminucin de ventas de tiles Navidad, incremento
de ventas de flores por el da del amor y la amistad, etc.

x y
enero 2
febrero 4
marzo 2.6
abril 3.1
mayo 5
junio 3.3
julio 3.6
agosto 4.3
septiembre 3
octubre 4.8
noviembre 5
diciembre 7

3.-Cclicas:
Son variaciones hacia arriba y hacia abajo de la tendencia que se presentan cada cierto
nmero de intervalos, en forma peridica de manera ondular a modo de oscilaciones ms
o menos regulares durante un perodo relativamente prolongado, que por lo general
abarca tres o ms aos de duracin. La produccin, empleo, promedio industrial, etc. son
ejemplos de este tipo de movimientos.
2
4
2.6
3.1
5
3.3
3.6
4.3
3
4.8
5
7
0
1
2
3
4
5
6
7
8
0 2 4 6 8 10 12 14
Estacional
Varianza
estacional
Varianza
estacional
pg. 18

A continuacin se muestra un ejemplo de grfica que representa este tipo de
movimientos cclicos:
x y
1960 1.5
1965 2.5
1970 2
1975 3.1
1980 3
1985 4.4
1990 3.4
1995 4.3
2000 4
2005 4.5

Factor aleatorio: Son aquellas variaciones producidas por sucesos de ocurrencia
imprevisible o accidental que producen movimientos sin un patrn discernible; as por
ejemplo, las exportaciones de una empresa pueden ser afectadas por sucesos inusuales
no previsibles tales como huelgas, guerras, terremotos, inundaciones, etc. Estas
variaciones irregulares son de corta duracin y de magnitud muy variable
x y
enero 2
febrero 2.2
marzo 2.5
abril 2.9
mayo 1.7
junio 1.8
julio 1.9
agosto 1.8
septiembre 2
octubre 2.5
noviembre 3
diciembre 4


1.5
2.5
2
3.1
3
4.4
3.4
4.3
4
4.5
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
1950 1960 1970 1980 1990 2000 2010
Cclico
Varianza
estacional
2
2.2
2.5
2.9
1.7
1.8
1.9
1.8
2
2.5
3
4
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
0 2 4 6 8 10 12 14
Aleotorio
Varianza
aleatoria
pg. 19


PATRONES O COMPONENTES DE UNA SERIE DE TIEMPO
TENDENCIA: componente de muy largo plazo
CICLICIDAD: componente de largo plazo
ESTACIONALIDAD: componente de corto plazo
FACTOR ALEATORIO: componente de muy corto plazo

EL MODELO DE REGRESIN

Describe la relacin entre la variable a pronosticar (variable dependiente, con otros
factores (variables independientes) que influyen en el comportamiento de esta.
Una vez identificadas las variables independientes que influyen (estn
correlacionadas) sobre la variable dependiente, el modelo describe esta relacin
y la cuantifica.


ventas: variable dependiente, explicada, endgena
publicidad, precio, perodo: variables independientes, explicativas, exgenas.
u= error del modelo
el modelo asume que publicidad, precio y perodo son variables correlacionadas
con las ventas









VENTAS =
0
+
1
* PUBLICIDAD+
2
* PRECIO+
3
*
PERODO+ U
pg. 20

Conclusin
El proceso de elaboracin de pronsticos es clave para la planeacin y operacin de la
empresa. La toma de decisiones y las utilidades de la empresa pueden ser mejores si las
empresas cuentan con buenos pronsticos, adems de optimizar las decisiones
fundamentas optimiza las fuentes de mano de obra de venta y dems reas
indispensables para el principal logro de la organizacin que es generar utilidades de
manera eficaz y eficiente.
Tras la investigacin not que en varias ocasiones debido al clculo de los errores se
tiene que pronosticar con diferentes tcnicas de pronstico para as poder hacer la
comparacin y elegir la mejor opcin con el mejor margen de error, en concreto es de
vital importancia para las grandes empresas tener presentes los pronsticos para tomar
decisiones y mantenerse actuales a los cambios presentes en el mercado.

Glosario de trminos
1. Vaguedades: Falta de claridad o de exactitud

2. Conjetura: Formar opiniones o ideas a partir de indicios y suposiciones.

3. Consenso: Consentimiento o acuerdo, especialmente el de todas las personas que componen
una corporacin, dos o ms partidos polticos, un grupo social, etc.,


4. Extrapolar: Aplicar un criterio conocido a otros casos similares para extraer conclusiones o
hiptesis
5. Tendencia secular: Es un Movimiento general, regular y persistente de una variable a travs
de un largo perodo de tiempo, que descarta los altibajos de las fluctuaciones cclicas y la
periodicidad de las variaciones estacionales. En este sentido se entiende que representa la
caracterstica general amplia que la serie seala durante ese perodo
Allende Rivera, Carmen. Anlisis estadstico: aplicacin en las profesiones de la
Salud.Illinois:Scott,Foresman and Co.;1989.Anlisis estadstico; aplicacin en las profesiones de
la salud.






pg. 21

Bibliografa
Planeacin y control de la produccin, Stephen N. Chapman, p. 18,19,108
Canavos, G.(1992): PROBABILIDAD Y ESTADSTICA, Editorial McGraw-Hill. Pag. 182; 195

http://www.gestiondeoperaciones.net/proyeccion-de-demanda/pronostico-de-demanda-con-media-
movil-simple/
http://www.monografias.com/trabajos71/promedio-movil/promedio-movil.shtml
http://es.scribd.com/doc/94505720/Guia-Practica-Promedio-Movil
http://www.slideshare.net/patoko/tcnicas-de-pronstico
http://paginasprodigy.com/sylsr/ingenierias/pronosticos/promedio%20m%C3%B3vil%20simple.html
http://www.andragogy.org/_Cursos/Curso00169/Temario/pdf%20leccion%201/tema_1_pyme.pdf
http://www.slideshare.net/bonbombon/5a-unidad-pronsticos-e-inventarios
http://www.aulafacil.com/pronosticos-investigacion/curso/Lecc-2.htm
http://es.wikipedia.org/wiki/Pron%C3%B3stico_(estad%C3%ADstica)
http://www.slideshare.net/Maestronline/pronostico-para-la-toma-de-decisiones-7943576