Que es Pronosticar?

Tipos de pronsticos
Importancia estratgica del pronstico
Enfoques de pronsticos
Pronsticos de series de tiempo
Mtodos asociativos de pronstico.

Qu es Pronosticar?

Arte y ciencia de predecir eventos futuros

Implica el uso de datos histricos y proyecciones
mediante algn modelo matemtico
Puede ser un modelo matemtico ajustado al buen
juicio de una persona (intuicin)
No existe un mtodo superior
Se puede esperar lmites de los pronsticos
No son perfectos.

Horizontes de tiempo del pronstico

Los pronsticos se clasifican por el horizonte de tiempo que

cubren
1. Pronstico a corto plazo
2. Pronstico a mediano plazo
3. Pronstico a largo plazo.

Horizontes de tiempo del pronstico

1.

Pronstico a corto plazo:

Hasta un ao
Por lo general es menor de tres meses
Se utiliza para planear compras, niveles de produccin y niveles
de mano de obra requerido
2. Pronstico a mediano plazo:
De1 a tres aos (o a partir de los 3 meses)
Se utiliza para planeacin de ventas, presupuesto, produccin,
flujos de efectivo o planes operativos
3. Pronstico a largo plazo:
De 3 aos en adelante
Se utiliza para planeacin de fabricacin de productos nuevos,
ubicacin o expansin de instalaciones o investigacin.

Diferencias en pronsticos por Horizontes de tiempo

1. Pronstico a corto plazo:
Tienden a ser ms precisos que los de largo plazo
En la medida en que el horizonte de tiempo se alarga es mas
probable la disminucin en la exactitud del pronstico
Utilizan mtodos matemticos diferentes a los de largo plazo
(promedios mviles, suavizamiento exponencial, extrapolacin
de tendencias)
Se utiliza para planear compras, niveles de produccin y niveles
de mano de obra requerido
2. Pronstico a mediano y largo plazo:
Manejan aspectos mas generales de las compaas
Apoyan decisiones administrativas relacionadas con planeacin,
productos, plantas y procesos

Importante: Tener en cuenta el ciclo de vida del

producto.

Influencia del ciclo de vida

Productos situados
en
las
dos
primeras
etapas
necesitan
pronsticos
mas
largos.
Los situados en las
otras dos etapas
necesitan
pronsticos
ms
cortos

Tipos de pronsticos
Las organizaciones utilizan tres tipos de pronsticos en la
planeacin de sus operaciones
Econmicos:
Abordan el ciclo del negocio al predecir tasas de inflacin,
suministros de dinero y otros indicadores de planeacin
Tecnolgicos:
Reflejan avances en tecnologa que puedan derivar en
nacimiento de nuevos productos
De la demanda:
Conocidos como pronsticos de ventas y que ayudan a
orientar la produccin, capacidad, planeacin financiera,
marketing.

Importancia Estratgica del Pronstico

El pronstico es la nica estimacin de la demanda hasta
que se conoce la real, por lo tanto guan las decisiones de
muchas reas
Ejemplo del Impacto del pronstico en:
Recursos Humanos: Contratacin, capacitacin, despido de
personal dependen de la demanda anticipada. Se puede ver
afectada la calidad de la produccin
Capacidad:
Si es inadecuada se puede perder clientes por entregas
poco confiables o tener prdida en la participacin del
mercado. La capacidad en exceso eleva los costos
Adm. de la cadena de suministro:
Se consigue mantener buenas relaciones con el proveedor y
ventajas en precios de compras.

7 Pasos en el sistema de pronstico

1. Determinar el uso del pronstico: Cul es la finalidad, para
qu se va a usar
2. Seleccionar los aspectos que se deben pronosticar: Ej.
asistencia diaria a un parque de diversiones
3. Determinar el horizonte de tiempo del pronstico: De
acuerdo al uso que se va a dar
4. Seleccionar modelo de pronstico
5. Recopilar datos para elaborar el pronstico: fuentes
internas y externas a las compaas, encuestas, cifras de
planeacin, etc
6. Realizar el pronstico
7. Validar e implementar resultados.

Pasos en el sistema de pronstico - Ejemplo Disney

1. Determinar el uso del pronstico: dirigir el personal, horas
de entrada, disponibilidad de rides, suministros de comida
2. Seleccionar los aspectos que se deben pronosticar: La
asistencia diaria determina mano de obra, mantenimiento y
programacin
3. Determinar el horizonte de tiempo del pronstico: CP, MP o
LP, Disney desarrolla pronsticos diarios, semanales,
mensuales, anuales, quinquenales
4. Seleccionar modelo de pronstico: Disney utiliza modelos
cuantitativos y no cuantitativos
5. Recopilar datos para elaborar el pronstico: Utilizan
analistas, empleados de campo para recopilar informacin
mediante encuestas y utilizan firmas especializadas para
pronsticos te tipo econmico.

Pasos en el sistema de pronstico - Ejemplo Disney

6. Realizar el pronstico
7. Validar e implementar resultados: Se analizan diariamente
para revisar la validez del modelo, supuestos y datos. Se
utilizan para la programacin del personal
Todas las empresas enfrentan la siguiente realidad:
- Los pronsticos casi nunca son perfectos (factores externos
no predecibles o controlables pueden afectar el pronstico)
- La mayora de mtodos suponen una estabilidad
(Las empresas los automatizan mediante software y slo
revisan aquellos que presentan mayores errores)
- Pronsticos para productos individuales son menos precisos
que para productos agregados.

Enfoques de pronsticos
1. Anlisis cuantitativos: Utilizan modelos matemticos que se
apoyan en datos histricos o variables para pronosticar la
demanda
2. Anlisis Cualitativos (subjetivos): Incorporan decisiones de
juicio como intuicin, emocin, experiencia personal, y los
valores de quien toma las decisiones para llegar a un
pronstico
Resulta ms efectivo en la mayora de los casos combinar
ambos enfoques

Enfoques de pronsticos
Anlisis Cualitativos
Incorporan
factores
como
intuicin,
emociones,
experiencias personales y sistema de valores de quienes
toman las decisiones para llegar al pronstico.
Dentro de las tcnicas se consideran:
Tcnicas acumulativas
Jurado de opinin (ejecutiva) o grupos de consenso
Analoga Histrica
Mtodo Delphi o Delfos
Composicin de fuerza de ventas
Encuesta en el mercado de consumo (Investigacin de mercados)

Enfoques de pronsticos - Cualitativos

Tcnicas acumulativas
Crea el pronstico sumando en sucesin desde la parte de
abajo. Los pronsticos que se crean en el ltimo nivel (los
de mayor contacto con el cliente) se suman y se llevan al
siguiente nivel mas alto y as sucesivamente hasta la parte
mas alta.
Jurados de opinin o grupos de Consenso
Se toman opiniones de grupos de expertos o
administradores de alto nivel llegando a estimacin grupal
de la demanda. Pueden usar combinacin con modelos
estadsticos.
Son reuniones abiertas con intercambio libre de ideas pero
que puede presentar limitaciones al emplear empleados de
bajos niveles que no aportan por sentirse intimidados.

Enfoques de pronsticos - Cualitativos

Analoga Histrica
Utilizar un producto existente o genrico como modelo es
su base. Estas analogas se clasifican en productos
complementarios y sustitutos
Mtodo Delphi o Delfos
Hay tres tipos de participantes (los que toman las
decisiones, el personal y los entrevistados). Los que toman
las decisiones son por lo general un grupo de expertos, el
personal es quien prepara la documentacin y anlisis de
las encuestas y los entrevistados que se encuentran en
diferentes sitios y cuyos juicios son evaluados. Minimiza el
impacto de la subestimacin al ocultar la identidad de los
individuos que participan en el estudio.

Enfoques de pronsticos - Cualitativos

Composicin de fuerza de ventas
Cada vendedor estima las ventas bajo su responsabilidad y
se combinan con otros niveles para llegar a un pronstico
global.
Encuesta en el mercado de consumo
Este mtodo solicita informacin a los posibles clientes
acerca de sus compras futuras. Este mtodo incluso ayuda
a obtener mayor informacin que pueda permitir mejoras en
diseo y planeacin de productos pero es arriesgado por la
posibilidad de obtener datos exagerados

Pronsticos de series de tiempo

Mtodos cuantitativos
1.
2.
3.
4.
5.

Enfoque intuitivo
Promedios mviles
Suavizamiento exponencial
Proyeccin de tendencias
Regresin Lineal

Modelo de series de
tiempo

Modelo asociativo

Pronsticos de series de tiempo

- Modelo de series de tiempo:
Estos modelos predicen bajo el supuesto de que el
futuro es una funcin del pasado: Se hace una
observacin de lo ocurrido en el pasado y mediante
el uso de una serie de datos histricos se hace un
pronstico dejando a un lado otras variables
aunque sean importantes.
- Modelo asociativo: Estos modelos incorporan
variables o factores que puedan influir en la
cantidad a pronosticar

Pronsticos de series de tiempo

Analizar una serie de tiempos implica desglosar los
datos histricos en sus componentes y proyectarlos al
futuro.
Componentes de una serie de tiempo:
1- Tendencia (Movimiento gradual hacia arriba o hacia
debajo de los datos en el tiempo)
2- Estacionalidad (Patrn de datos que se repite despus
de un perodo)
3- Ciclos (Patrones detectados en los datos que ocurren
cada cierta cantidad de aos)
4- Variaciones aleatorias (casualidad o situaciones
inusuales en los datos, no se pueden predecir)

Grafica de la demanda

Pronsticos de series de tiempo Enfoque intuitivo

Tcnica de pronsticos que supone que la
demanda del siguiente perodo ser igual a la del
perodo mas reciente

Ejemplo:
La tienda Paraguas al da ha vendido las siguiente
cantidades en los ltimos 3 meses (cifras en miles)
Marzo 39, Abril 45, Mayo 40
Cul ser el pronstico de Junio
..
40.

Pronsticos de series de tiempo Promedios mviles

Mtodo que utiliza un promedio de los n perodos
mas recientes de datos para pronosticar el
siguiente perodo.
Son muy tiles si podemos suponer que la
demanda es estable en un perodo de tiempo y
tiende a suavizar las irregularidades del corto
plazo.

Prom. mvil =

de la demanda de los n perodos

previos
n

Ejercicio Promedios mviles

Una tienda quiere hacer un pronstico con el
promedio mvil de tres meses. Las ventas se
encuentran en la tabla siguiente:
Periodo
Enero
Febrero
Marzo

Demanda
10
12
13

Ejercicio Promedios mviles

Data

Period
January
February
March
April
May
June
July
August
September
October
November
December

Next period

Demand

Forecast
10
12
13
16
19
23
26
30
28
18
16
14

11,67
13,67
16,00
19,33
22,67
26,33
28,00
25,33
20,67

16

Si las ventas en Diciembre son 18, cul es el pronstico para Enero?

17.33

Pronsticos de series de tiempo Promedio mvil ponderado

Mtodo que se utiliza cuando se presenta una
tendencia o un patrn localizable. Permite que las
tcnicas respondan ms rpido a los cambios al
dar mayor peso a perodos ms recientes. La
eleccin de las ponderaciones es arbitraria por lo
que requiere mucha experiencia su aplicacin. Si el
perodo mas reciente se pondera demasiado alto,
el pronstico puede reflejar un cambio grande.
Prom. Mvil
ponderado =

(Ponderacin para el perodo n)

x(demanda en el perodo n)
Ponderaciones

Ejercicio Promedio mvil ponderado

La misma tienda utiliza ahora la tcnica del
promedio mvil ponderado dando mas peso a
valores recientes as:

Ultimo mes 3
Hace dos meses 2
Hace tres meses 1

Ejercicio Promedio mvil ponderado

Data

Period
Demand Weights
January
10
1
February
12
2
March
13
3
April
16
May
19
June
23
July
26
August
30
September
28
October
18
November
16
December
14

Next
period

Forecast

12,17
14,33
17,00
20,50
23,83
27,50
28,33
23,33
18,67

15,333333
3

Si las ponderaciones asignadas fueran 4, 2 y 1 en lugar de 3, 2, 1, cul

sera el pronstico para Enero?..............
15.14

Pronsticos de series de tiempo Promedio mvil

Los promedios mviles simples y ponderados
suavizan las fluctuaciones repentinas en el patrn
de la demanda con la finalidad de obtener
estimaciones estables pero presentan 3 problemas:
1. Aumentar el tamao de n suaviza mejor las
fluctuaciones pero resta sensibilidad ante cambios
reales en datos
2. No reflejan bien las tendencias (retrasan los
valores reales al quedarse en niveles pasados)
3. Requieren de amplios registros de datos

Pronsticos de series de tiempo Promedio mvil

Pronsticos de series de tiempo Suavizamiento exponencial

Es una tcnica de pronstico de promedios mviles
ponderados.
Los datos se ponderan mediante una funcin
exponencial.
Implica mantener muy pocos registros histricos
Nuevo Pronstico = Pronstico del perodo anterior + (demanda mes
anterior pronstico del mes anterior) o tambin
Ft = Ft-1 + (At-1 Ft-1)
es la constante de suavizamiento elegida por quien pronostica, con
valor entre 0 y 1

Pronsticos de series de tiempo Suavizamiento exponencial

Normalmente se usa entre 0.05 y 0.5, y entre mas alta
sea, mas importancia o peso se le est dando a datos
recientes; si es mas baja se le da mas peso a datos
anteriores.
Qu pasa con el pronstico cuando es igual a 1?
El modelo se convierte en
Enfoque intuitivo

Pronsticos de series de tiempo Suavizamiento exponencial

Ejercicio: pg 114
En enero, un vendedor de autos predijo que la demanda para
febrero sera de 142 Ford Mustang. La demanda en febrero fue de
153 automviles. Usando la constante de suavizamiento que eligi
la administracin de alpha = 0,20, el vendedor quiere pronosticar
la demanda para marzo usando el modelo de suavizamiento
exponencial.

Pronsticos de series de tiempo Suavizamiento exponencial

La seleccin de la constante puede hacer un pronstico
preciso o impreciso. Se eligen valores altos cuando el
promedio tiene grandes posibilidades de cambiar,
mientras que se usan valores bajos cuando el promedio
es bastante estable.

Ejercicio:
Durante los ltimos 8 trimestres, en el puerto de Baltimore se han descargado de los barcos
grandes cantidades
de grano. El administrador de operaciones del puerto quiere probar el uso de suavizamiento
exponencial para ver qu tan bien funciona la tcnica para predecir el tonelaje descargado.
Supone que
el pronstico de grano descargado durante el primer trimestre fue de 175 toneladas. Se
examinan dos
valores de : = .10 y = .50.

Medicin del error de pronstico:

Se determina al comparar los datos del pronstico
contra los reales

Las tres medidas ms populares:

MAD (Mean absolute deviation Desviacin absoluta media)
MSE (Mean squared error error cuadrtico medio)
MAPE (Mean absolute percent error error porcentual absoluto medio)

MAD (Mean absolute deviation Desviacin absoluta media)

Su valor se calcula sumando los valores absolutos de los errores
individuales del pronstico y dividiendo el resultado entre el nmero
de perodos con datos (n)

MSE (Mean squared error error cuadrtico medio)

Es el promedio de los cuadrados de las diferencias encontradas entre
los valores pronosticados y los observados

MAPE (Mean absolute percent error error porcentual absoluto medio)

Dependiendo de las unidades utilizadas, el resultado de MAD y MSE
puede ser muy grande y por ello tambin se puede utilizar el MAPE
que se calcula como el promedio de las diferencias absolutas
encontradas entre los valores pronosticados y los reales y se expresa
entonces como un porcentaje de los valores reales

Suavizamiento exponencial con ajuste de tendencia

Este mtodo se utiliza porque el suavizamiento
exponencial falla en respuesta a las tendencias
Mes
1
2
3
4
5

= 0.4
Demanda Pronstico
100
100
200
100
300
140
400
204
500
282

= 100 + (0.4)x(100 - 100)

= 100 + (0.4)x(200 - 100)
= 140 + (0.4)x(300 - 140)
= 204 + (0.4)x(400 -204)

En los meses 2 a 5 se evidencia retraso en el

pronstico

Pronstico incluyendo la tendencia

FITt = Pronstico suavizado exponencialmente (F t) + tendencia
suavizada exponencialmente (Tt)
Se requiere el uso de dos constantes
Para el promedio
Para la tendencia

Ft= x(At-1) + (1- )(Ft-1 + Tt-1)

Tt= (Ft Ft-1) + (1- ) (Tt-1)
Pasos:
1- Calcular el pronstico suavizado exponencialmente
2- Calcular tendencia suavizada
3- Calcular el pronstico incluyendo la tendencia

Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2

FIT
13

Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92

Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8

FIT
13

Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92

Ejercicio

= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8

FIT
13

Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92

Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8
1,92

FIT
13

Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92

Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8
1,92

FIT
13

Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92

Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8
1,92

FIT
13
14,72

Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92

Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8
1,92
15,18
2,1

FIT
13
14,72
17,28

Paso 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
= (0,2)*(17)+(1-0,2)*(12,8+1,92)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2)
= 12,8 + 1,92
=(0,4)*(15,18-12,8)+(1-0,4)*(1,92) = 15,18 + 2,1

Ejercicio

= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?

Pronstico (Ft) Tendencia Tt)

11
2
12,8
1,92
15,18
2,1
?
?
?

FIT
13
14,72
17,28

Paso 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
= (0,2)*(17)+(1-0,2)*(12,8+1,92)

Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2)
= 12,8 + 1,92
=(0,4)*(15,18-12,8)+(1-0,4)*(1,92) = 15,18 + 2,1

Ejercicio Resuelto

= 0.2 = 0.4
Mes
Demanda Pronstico (Ft) Tendencia (Tt)
1
12
11
2
2
17
12,8
1,92
3
20
15,18
2,1
4
19
17,8240
2,3176
5
24
19,9133
2,2263
6
21
22,5116
2,3751
7
31
24,1094
2,0642
8
28
27,1389
2,4503
9
36
29,2713
2,3232
10
?
32,4756
2,6756

FIT
13
14,72
17,28
20,1416
22,1396
24,8867
26,1736
29,5891
31,5945
35,1512

Paso 1 Ft

Paso 2 Tt

Paso 3 FIT

Suavizamiento exponencial con ajuste a tendencia

El valor de la constante B se parece a la A porque una B alta
responde rpidamente a los cambios de tendencia recientes y si
es baja le da menos peso a las tendencias recientes
El suavizamiento exponencial tambin se conoce como de
primer orden y el que incluye ajuste de tendencia se conoce
como de segundo orden o doble .

Proyeccin de tendencia
Mtodo de pronstico de series de tiempo
que ajusta una recta de tendencia a una
serie de datos histricos y despus proyecta
la recta al futuro para obtener pronsticos
Mtodo de mnimos cuadrados: Permite
encontrar la recta que mejor se ajuste a la
serie de datos

Una recta de mnimos cuadrados se describe en trminos de su

interseccin con el eje Y y su pendiente (el ngulo de la recta).
Calculando la interseccin con Y y la pendiente, podemos expresar la
ecuacin de la recta as:

Pendiente b:

Interseccin con el eje y:

Proyecciones de Tendencia
Este mtodo ajusta una recta de tendencia a una
serie de datos histricos y luego proyecta una
recta hacia el futuro para obtener pronsticos de
mediano y largo plazo

Ejercicio: En el hotel Toronto Towers plaza tienen los datos del registro de
habitaciones de los ltimos 9 aos. Para proyectar la ocupacin futura, la
administracin desea determinar la tendencia matemtica de registro de
huspedes. Esta estimacin ayudar a determinar si es necesaria una
ampliacin del hotel. Dada la siguiente serie de tiempo, desarrolle una
ecuacin de regresin que relaciones los registros con el tiempo (ecuacin
de tendencia). Despus pronostique los registros para el ao 2009. El
registro de habitaciones est en miles de unidades.
1999: 17
2000: 16
2001: 16
2002: 21
2003: 20
2004: 20
2005: 23
2006: 25
2007: 24

Perodo

Ocupacin Y Period (x)

1999

17

2000

16

2001

16

2002

21

2003

20

2004

20

2005

23

2006

25

2007

24

Perodo

Ocupacin Y Period (x)

1999

17

2000

16

2001

16

2002

21

2003

20

2004

20

2005

23

2006

25

2007

24

182

45

Perodo

Ocupacin Y Period (x)

X^2

XY

1999

17

17

2000

16

32

2001

16

48

2002

21

16

84

2003

20

25

100

2004

20

36

120

2005

23

49

161

2006

25

64

200

2007

24

81

216

182

45

285

978

Y
20,22
Y Prom

X^2
5

X Prom

B = 1.135

XY

Interseccin con el eje y:

Ejercicio:

En la siguiente tabla se muestra la demanda elctrica de una compaa en

el perodo entre 2001 y 2007 en megawatts. La empresa quiere pronosticar
la demanda de 2008 y 2010 ajustando una recta de tendencia

Ao

Demanda energia

2001

74

2002

79

2003

80

2004

90

2005

105

2006

142

2007

122

Solucin:
Ao

Perodo

Demanda energia

X^2

XY

2001

74

74

2002

79

158

2003

80

240

2004

90

16

360

2005

105

25

525

2006

142

36

852

2007

122

49

854

28

692

140

3063

Y
4,00
Y Prom

X
98,85714286
X Prom

X^2

XY

Solucin:
Ao

Perodo

Demanda energia

X^2

XY

2001

74

74

2002

79

158

2003

80

240

2004

90

16

360

2005

105

25

525

2006

142

36

852

2007

122

49

854

28

692

140

3063

Y
4,00
Y Prom

X
98,85714286
X Prom

X^2

XY

 Mtodos asociativos de pronstico

Anlisis de Regresin y correlacin
Los modelos de pronstico asociativo casi siempre
consideran varias variables relacionadas con la cantidad
que se desea predecir. Una vez determinadas las
variables, se construye un modelo estadstico para
pronosticar el elemento del inters.
Se puede usar el mismo modelo matemtico (mnimos
cuadrados) que se utiliz para la proyeccin de tendencias
donde las variables a pronosticar seguirn siendo , pero la
variable independiente x ya no necesita ser el tiempo.
Usamos entonces las mismas frmulas que con la
proyeccin de tendencias

Ejercicio: Una compaa constructora renueva casas antiguas en USA. Con

el tiempo, la compaa ha encontrado que su volumen de ingresos por
renovacin depende de la nmina del rea donde trabajan. La
administracin quiere establecer una relacin matemtica para ayudarse a
predecir las ventas. A continuacin encuentra una tabla en la que se
muestra los ingresos de la compaa y la cantidad de dinero percibido por
los trabajadores residentes en el rea durante los ltimos 6 aos.
Ventas de la empresa
(Millones de US$)

Nmina local
(miles Millones de US$)

2,00

3,00

2,50

2,00

2,00

3,50

1- Elabore una grfica de dispersin donde el eje X es la nmina del

rea y el Y corresponde a las ventas de la compaa
2- Utilice las frmulas manejadas en la proyeccin de tendencias
(mnimos cuadrados) en la clase anterior para determinar la ecuacin
de regresin
3- Determine el valor de las ventas si la nmina local es de 6 mil millones
de US$ el prximo ao.
4- Determine el valor de las ventas si la nmina local es de 8 mil millones
de US$ el prximo ao.

1- Elabore una grfica de dispersin donde el eje X es la nmina del

rea y el Y corresponde a las ventas de la compaa

2- Utilice las frmulas manejadas en la proyeccin de tendencias

(mnimos cuadrados) en la clase anterior para determinar la ecuacin
de regresin
Ventas y

Nomina x

2,5

3,5

2- Utilice las frmulas manejadas en la proyeccin de tendencias

(mnimos cuadrados) en la clase anterior para determinar la ecuacin
de regresin

Ventas y

Nomina x

2,5

3,5

15

18

2- Utilice las frmulas manejadas en la proyeccin de tendencias

(mnimos cuadrados) en la clase anterior para determinar la ecuacin
de regresin
N=6
Ventas y

Nomina x

x^2

xy

2,5

16

10

3,5

49

24,5

15

18

80

51,5

x^2

xy

2- Utilice las frmulas manejadas en la proyeccin de tendencias

(mnimos cuadrados) en la clase anterior para determinar la ecuacin
de regresin
N=6
Ventas y
2
3
2,5
2
2
3,5
15

Nomina x
1
3
4
2
1
7
18

x^2
1
9
16
4
1
49
80

xy
2
9
10
4
2
24,5
51,5

x^2

xy

2- Utilice las frmulas manejadas en la proyeccin de tendencias

(mnimos cuadrados) en la clase anterior para determinar la ecuacin
de regresin
N=6
Ventas y
2
3
2,5
2
2
3,5
15

Nomina x
1
3
4
2
1
7
18

x^2
1
9
16
4
1
49
80

xy
2
9
10
4
2
24,5
51,5

x^2

xy

3- Determine el valor de las ventas si la nmina local es de 6 mil millones

de US$ el prximo ao.

4- Determine el valor de las ventas si la nmina local es de 8 mil

millones de US$ el prximo ao.

A continuacin se presentan los datos del nmero de accidentes

ocurridos en la carretera estatal 101 de la Florida durante los ltimos
4 meses.
Mes

No. Accidentes

Enero

30

Febrero

40

Marzo

60

Abril

90

Pronostique el nmero de accidentes que ocurrirn en Mayo usando

regresin de mnimos cuadrados para obtener una ecuacin de
tendencia.

Mes

No. Accidentes

Enero

30

Febrero

40

Marzo

60

Abril

90

Mayo

Mes (X)
1
2
3
4
10

No. Accidentes (Y)

30
40
60
90
220

Mes (X)
1
2
3
4
10

No. Accidentes (Y)

30
40
60
90
220

x^2
1
4
9
16
30

xy
30
80
180
360
650

x^2

xy

https://www.youtube.com/w
atch?v=Y237ed1a_bM