Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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