Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronósticos para La Toma de Decisiones Con Series
Pronósticos para La Toma de Decisiones Con Series
Pronósticos para La Toma de Decisiones Con Series
TOMA DE DECISIONES
Ing. Miguel ngel Sols Jimnez
Ing. Ana Laura Pia Martnez
80
Prosperidad Recesin
70
Recuperacin
60
50
40
30
Depresin
20
10
0
1983 1988 1993 1998
Variacin Estacional
Estos son patrones de cambio en una
serio de tiempo en un ao. Tales patrones
tienden a repetirse ao con ao en la
misma poca, por ejemplo, la venta de
artculos de playa, artculos para invierno,
entre otros. No obstante estos patrones
pueden aplicarse a situaciones de menor
tiempo, por ejemplo, la afluencia
vehicular en las horas pico.
Variacin irregular o Componente
irregular.
Diciembre 40 Junio 34
Enero 38 Julio 37
Febrero 39 Agosto 35
Marzo 41 Septiembre 37
Abril 36 Octubre 40
Mayo 41 Noviembre 41
Que es lo que hace que un
pronstico sea bueno?
Consistencia: Grado en que el pronstico
corresponde al mejor juicio que un pronosticador
pueda hacer de una situacin con base en su
conocimiento.
Desviacin estndar ()
CFE
e=
n
Cuadrado Medio del Error, la
Desviacin Estndar y Desviacin
Media Absoluta
MSE =
et
= (e e )
t
2
n n 1
MAD =
e t
n
Error Porcentual Medio Absoluto
Este tipo de medida relaciona el error de
pronstico con el nivel de la demanda, y es
til para colocar el rendimiento del pronstico
en su correcta perspectiva.
et *100
X
MAPE= t
n
Ejemplo No. 2
Los datos de la tabla siguiente muestra las ventas reales
de sillas tapizadas que realiz un fabricante de muebles,
as como los pronsticos realizados utilizando un mtodo
cualitativo. Determinar:
a) grfica de dispersin
b) CFE, error de pronstico promedio, MSE, , MAD y MAPE e interprete
los resultados
Mes (t) Xt Ft
Enero 200 225
Febrero 240 220
Marzo 300 285
Abril 270 290
Mayo 230 250
JUNIO 260 240
JULIO 210 250
AGOSTO 275 240
Ejemplo No. 2 (Continuacin)
CFE=-15, indica que el mtodo de pronstico sobre
estimo el valor de las ventas.
CFE
Seal de rastreo =
MAD
Seal de rastreo.
En cada periodo la CFE y la MAD se actualizan
para reflejar verdaderamente el valor actual y
comparar estos valores con ciertos lmites
establecidos de antemano que indican si el
mtodo de pronstico esta pronosticando
adecuadamente.
Si los errores estn de pronstico estn
distribuidos normalmente, con media de 0,
entonces existe una relacin simple entre s y la
MAD:
= MAD 1.25 MAD MAD = 0.7978 0.8
2
Ejemplo No. 3
Considerando las relaciones mostradas en la
diapositiva anterior entre la MAD y , utilcelas
para crear intervalos de confianza de distintos
valores y con estos determinar los porcentajes
del rea dentro de los lmites de control.
Porcentaje del
Expansin del rea dentro de
lmite de control Numero los lmites de
(MAD) equivalente de control
Enfoque de promedios para el
pronstico
Promedio mvil. Este mtodo tomas las
mejores caractersticas de los dos
mtodos anteriores obtenindose un
mtodo de mejores caractersticas. Este
utiliza como pronstico para el siguiente
periodo, el promedio de los n valores de
datos ms recientes de la serie de tiempo.
Donde:
se llama constante de suavizacin. As el
pronstico es una suma ponderada de la
ltima observacin xt y el pronstico
anterior Ft para el periodo que acaba de
terminar.
Enfoque de suavizacin para el
pronstico
El valor de va de 0 a 1y se selecciona
haciendo las siguientes consideraciones:
a) Si la serie de tiempo contiene alta
variabilidad aleatoria, se preferir un valor de
pequea, esto se debe a que no se desea sobre
reaccionar y ajustar los pronsticos con
demasiada rapidez.
b) Si la serie de tiempo contiene poca
variabilidad aleatoria, valores menores de
permiten ajusten con rapidez dando un mejor
pronstico
Ejemplo No. 4
La siguiente tabla muestra los datos del nmero de galones
de gasolina vendidos por un distribuidor las ltimas doce
semanas. Suponga un patrn como el mostrado en la
siguiente figura (nivel constante) y determine el pronstico
esperado de ventas para el mes 13. utilizando cada una de
las tcnicas de pronsticos.
Datos de la serie de tiempo de las ventas de
gasolina
Semana Ventas(miles de galones)
1 17.00
2 21.00
3 19.00
4 23.00
5 18.00
6 16.00
Continua
Ejemplo No. 4 (Continuacin )
Datos de la serie de tiempo de las ventas de
gasolina
Semana Ventas(miles de galones)
6 16.00
7 20.00
8 18.00
9 22.00
10 20.00
11 15.00
12 22.00
Nota 1. Para el caso de promedios mviles utilice una n =3, n =4,
n =5
Nota 2. Para el caso de promedios mviles ponderados utilice una n
=3 y ponderaciones de 1/6, 2/6 y 3/6 para los ltimos tres valores.
Asigne el mayor valor de k para la ltima observacin
Nota 3. Para el caso de suavizacin exponencial utilice un =0.2,
=0.70
Ejemplo No. 5
A continuacin se da el precio de venta de una accin de
Pepsico, Inc., al cierre del ao.
Grafique los datos.
Utilice un modelos de suavizacin exponencial con =0.2 y
=0.7.
Calcule los puntos correspondientes a los aos 1993 Y 1998.
Estime las ventas netas para el ao 2003. Parece ser una
estimacin razonable segn los datos del pasado?
En promedio, cunto han aumentado (o disminuido)
anualmente el precio de las acciones, durante el periodo?
AO PRECIO AO PRECIO AO PRECIO
1990 12.9135 1994 18.3160 1998 40.6111
1991 16.8250 1995 27.7538 1999 35.0230
1992 20.6125 1996 29.0581 2000 49.5625
1993 20.3024 1997 36.0155
Inclusin de la Tendencia en el
Pronstico
Como ya se haba mencionado, la
tendencia, es un incremento o
decremento consistente a lo largo del
tiempo. Existen varios mtodos para
modelar la tendencia:
Tendencia modelada por una funcin lineal.
Ft = b0 + b1t
(t )( Xt)
(tXt ) n b0 = x b1t
b1 =
t n
2 ( t ) 2
Mtodo de suavizacin exponencial
ajustada a la tendencia.
En este enfoque, las estimaciones para el
promedio y la tendencia son suavizadas, para lo
cual se requieren solamente dos constantes de
suavizacin. Se calcula el promedio y la
tendencia para cada periodo.
At = X t + (1 )( At 1 + Tt 1 )
Tt = ( At At 1 ) + (1 )Tt 1
Ft +1 = At + Tt
Mtodo de suavizacin exponencial
ajustada a la tendencia.
En donde
At=Promedio exponencialmente suavizado de la serie
de tiempo en el periodo t.
AO MONTO AO MONTO
1990 88.1 1996 132.6
1991 94.7 1997 141.9
1992 102.1 1998 150.9
1993 109.8 1999 157.9
1994 118.1 2000 162.6
1995 125.6
Modelo Multiplicativo (Tendencia,
Estacionalidad e irregularidad)
Ft +1 = Tt St It
Modelo Multiplicativo