Está en la página 1de 10

PORTADA

NDICE
1 PRONSTICOS ....................................................................................................................................... 1
1.1 ANTECEDENTES ............................................................................................................................. 1
1.2 DEFINICIN E IMPORTANCIA DE PRONSTICOS ........................................................................... 1
1.3 Usos de los pronsticos. ................................................................................................................ 2
1.4 TIPOS DE PRONSTICOS ................................................................................................................ 3
1.4.1 Media aritmtica ................................................................................................................... 4
1.4.2 Promedio mvil simple .......................................................................................................... 4
1.4.3 Promedio mvil ponderado exponencialmente o suavizacin exponencial ......................... 5
1.5 Medicin del error de pronstico ................................................................................................. 5
1.5.1 Desviacin absoluta media. ................................................................................................... 5
1.5.2 Error cuadrtico medio ......................................................................................................... 6
1.6 Pronsticos para procesos con tendencia..................................................................................... 6
1.6.1 Mtodo de mnimos cuadrados ............................................................................................ 6
1.6.2 Descomposicin de una serie temporal ................................................................................ 6
1.7 Error estndar de la estimacin .................................................................................................... 7
2 Bibliografa............................................................................................................................................. 8

i
INTRODUCCIN

MARCO TERICO

1 PRONSTICOS

QU ES PRONOSTICAR?
Pronosticar es el arte y la ciencia de predecir los eventos futuros. Puede implicar el empleo de
datos histricos y su proyeccin hacia el futuro mediante algn tipo de modelo matemtico. Puede
ser una prediccin subjetiva o intuitiva; o puede ser una combinacin de stas es decir, un
modelo matemtico ajustado mediante el buen juicio del administrador. (Heizer & Render, 2009)

1.1 ANTECEDENTES

Desde aos atrs el ser humano siempre ha intentado anticiparse a conocer aquellas situaciones
que intervengan directamente con su entorno y que puedan afectar benficamente o no, su forma
de existir. (Macias Calvario , 2007) Debido a esta preocupacin el ser humano se ha dado a la
tarea de conocer el futuro por medio de diversas formas.

En el pasado, los pronsticos se realizaban bajo ambientes que presentaban pocos cambios entre
perodos, con productos con largos ciclos de vida y eran elaborados basados en la experiencia
de los ms veteranos de una organizacin o por un genio matemtico que en hojas de clculo
desarrollaba modelos que slo l comprenda. En general, el pronstico era una actividad
realizada una vez al ao, de manera apresurada y basados en principios como sbele 5% al ao
anterior.

Actualmente el entorno es muy diferente, el futuro se parece menos al pasado, la calidad y


cantidad de informacin disponible es mucho mayor y el costo y la disponibilidad de softwares
para la elaboracin de pronsticos los hace accesibles para prcticamente cualquier persona u
organizacin. (Campos Corts, 20014)

1.2 DEFINICIN E IMPORTANCIA DE PRONSTICOS


El pronstico es un proceso de estimacin de un acontecimiento futuro, proyectando hacia el
futuro datos del pasado. Los datos del pasado se combinan sistemticamente en forma
predeterminada para hacer una estimacin del futuro.

1
El tratar de presentar como una regla el comportamiento de datos pasados, es lo que se conoce
como pronstico objetivo o matemtico, que resultan ser ms exactos y valiosos que los intuitivos,
ya que el desarrollo se basa en las caractersticas de la demanda, dicha curva se obtiene de la

produccin pasada con respecto al tiempo (Figura 1)

Figura 1 Descomposicin de la curva de la demanda

Los pronsticos son necesarios en toda empresa para estimar el comportamiento futuro de alguna
variable ya sea a corto, mediano o largo plazo, es el punto de partida para la planeacin.

Suponga que la decisin es cuntos televisores producir el siguiente ao. Esta decisin es
importante porque afecta directamente el empleo, los niveles de materia prima, la mercadotecnia
(publicidad), la distribucin y el almacenamiento. La demanda de un producto es en s misma un
pronstico; en esta etapa, puede que las variaciones particulares del producto no sean
importantes. Debido a que muchas plantas operan con planes mensuales o de cuatro semanas,
debe pronosticarse la demanda mensual. Si se hace alguna planeacin por trimestres, los
pronsticos mensuales se pueden combinar. (Heizer & Render, 2009)

1.3 Usos de los pronsticos.

El uso de los pronsticos es muy variado dependiendo del contexto sobre el cual se est
trabajando.

Finanzas.
Produccin.
Mercadotecnia.
Mantenimiento.
Poltica.

2
1.4 TIPOS DE PRONSTICOS

El pronstico se puede clasificar en cuatro tipos bsicos: cualitativo, anlisis de series de tiempo,
relaciones causales y simulacin. Las tcnicas cualitativas son subjetivas y se basan en
estimados y opiniones. (Chase & Jacobs, 2009)

I. Cualitativo Subjetivas de juicio. Basadas en estimados y opiniones.


Investigacin de mercados Se establece para recopilar datos de varias formas (encuestas,
entrevistas, etc.) con el fin de comprobar hiptesis acerca del
mercado.
Grupos de consenso Intercambio libre en las juntas, los participantes deben ser
ejecutivos, vendedores o clientes.
Mtodo de Delfos (Delphi) Un grupo de expertos responde un cuestionario. Un moderador
recopila los resultados y formula un cuestionario nuevo que se
presenta al grupo. Por lo tanto, existe un proceso de aprendizaje
para el grupo mientras recibe informacin nueva y no existe
ninguna influencia por la presin del grupo o individuos.
II. Anlisis de Con base en la idea de que el historial de los eventos a travs del
series de tiempo se puede utilizar para proyectar el futuro.
tiempo
Promedio mvil simple Se calcula el promedio de un periodo que contiene varios datos
dividiendo la suma de los valores de los puntos entre el nmero
de stos. Por lo tanto cada uno tiene la misma influencia.
Promedio mvil ponderado Puede ser que algunos puntos especficos se ponderen ms que
otros, segn la experiencia.
Suavizacin exponencial Los puntos de datos recientes se ponderan ms y la ponderacin
sufre una reduccin exponencial conforme los datos se vuelven
ms antiguos.
Anlisis de regresin Ajusta una recta a los datos pasados casi siempre en relacin
con el valor de los datos. La tcnica de ajuste ms comn es la
mnimos cuadrados
III. Causal Trata de entender el sistema subyacente y que rodea al elemento
que se va a pronosticar. Por ejemplo, las ventas se pueden ver
afectadas por la publicidad, la calidad y los competidores.
Anlisis de regresin Similar al mtodo de los mnimos cuadrados en las series de
tiempo, pero puede contener diversas variables. La base es que
el pronstico se desarrolla por la ocurrencia de otros eventos.

3
IV. Modelos de Modelos dinmicos, casi siempre por computadora, que permiten
simulacin al encargado de las proyecciones hacer suposiciones acerca de
las variables internas y el ambiente externo en el modelo.
Tabla 1 Tcnicas de pronstico y modelos comunes (Chase & Jacobs, 2009)

1.4.1 Media aritmtica

El mtodo de media aritmtica, 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 perodo.

Ventajas: Simple, sencillo, rpido, se requiere poca informacin, barato y prctico.

Desventajas: Nivel de servicio del 50%, poco sensible a los cambios, no es eficiente para el valor
real.

Formula
=1
=

Donde

Pronstico Xt=a

n= nmero de datos

Xi = Ventas

1.4.2 Promedio mvil simple

Este mtodo resulta mas til cuando la demanda no tiene tendencias pronunciadas ni
fluctuaciones estacinales.

Ventajas: Es flexible adopta rpidamente a los cambios en el valor del patrn, sencillo como la
media aritmtica. (Figueroa Fernndez, 2017)

Formula

( 1) + ( )
=

1<N<t

Xt =M (t-1)

4
Xi =M (t-1)

1.4.3 Promedio mvil ponderado exponencialmente o suavizacin exponencial

En muchas aplicaciones (quizs en la mayor parte), las ocurrencias ms recientes son ms


indicativas del futuro que aquellas en el pasado ms distante. Si esta premisa es vlida (que la
importancia de los datos disminuye conforme el pasado se vuelve ms distante), es probable que
el mtodo ms lgico y fcil sea la suavizacin exponencial.

Ventajas: Alta precisin, el modelo es fcil de formular, requiere de pocos clculos, no requiere
grandes cantidades de informacin, solo se necesitan 3 datos; 1.- El ltimo pronstico, 2.-
Demanda real en el periodo y 3.- constante de suavizacin que va de 0 a 1 (). Esta constante
de suavizacin determina el nivel de uniformidad y la velocidad de reaccin a las diferencias entre
los pronsticos y las ocurrencias reales. (Chase & Jacobs, 2009)

Formula

Ft = F (t-1) + (A-F (t-1))

Donde

Ft = El pronstico suavizado exponencialmente para el periodo t.

F t-1 = El pronstico suavizado exponencialmente para el periodo anterior

= La tasa de respuesta deseada, o constante de suavizacin.

1.5 Medicin del error de pronstico

La exactitud general de cualquier modelo de pronstico puede determinarse al comparar los


valores pronosticados con los valores reales u observados.

1.5.1 Desviacin absoluta media.


La primera medicin del error global de pronstico para un modelo es la desviacin absoluta
media (MAD). Su valor se calcula sumando los valores absolutos de los errores individuales del
pronstico y dividiendo el resultado entre el nmero de periodos con datos (n): (Heizer & Render,
2009)

Formula
[]
MAD =

5
1.5.2 Error cuadrtico medio
El error cuadrtico medio (MSE) es una segunda forma de medir el error global de pronstico. El
MSE es el promedio de los cuadrados de las diferencias encontradas entre los valores
pronosticados y los observados. Su frmula es:

[ ]2
MSE=

Despus se aplica la siguiente frmula

1.6 Pronsticos para procesos con tendencia.

Los modelos de regresin son muy tiles para pronsticos cuando existe una fuerte relacin y un
lapso entre la variable dependiente y la(s) variable(s) independiente(s). (Sipper & Bulfin, 1998)

1.6.1 Mtodo de mnimos cuadrados

Formula

Y = a + bx

Donde

Y = Variable dependiente calculada por la ecuacin

Y = Datos de la variable dependiente.

a= Interseccin de Y.

b= pendiente de la lnea.

x= periodo.

1.6.2 Descomposicin de una serie temporal

Puede definirse una serie temporal como datos ordenados en forma cronolgica que pueden
contener uno o ms componentes de la demanda: tendencia, estacional, cclico, auto correlacin
o aleatorio. La descomposicin de una serie temporal significa identificar y separar los datos de
la serie temporal en estos componentes

1. Descomponer las series de tiempo en sus componentes

6
a) Encontrar el componente estacional. b) Descontar las variaciones de temporada de la
demanda. c) Encontrar el componente de la tendencia.

2. Pronosticar valores futuros de cada componente

a) Pronosticar el componente de la tendencia en el futuro. b) Multiplicar el componente de la


tendencia por el componente estacional.

El objetivo es desarrollar una ecuacin para la recta de la tendencia Y, que despus se modifica
con el factor estacional. El procedimiento es parecido a mnimos cuadrados. (Chase & Jacobs,
2009)

Y = a + bx

1.7 Error estndar de la estimacin

Para medir la exactitud de las estimaciones de regresin, debemos calcular el error estndar de
la estimacin, Sy, x. Este clculo se llama desviacin estndar de la regresin, y mide el error
desde la variable dependiente, y, hasta la recta de regresin, en lugar de hasta la media.

Formula

( )2
, =
2

Donde

Y= Valor de y cada dato puntual

Yc= Valor calculado de la variable dependiente, a partir de la ecuacin de regresin

n= Nmero de datos puntuales.

O bien;

2
, =
2

7
2 Bibliografa
Campos Corts, J. (11 de Abril de 20014). E. Logstica. Obtenido de E. Logstica:
http://www.logisticamx.enfasis.com

Chase, R., & Jacobs, R. (2009). Administracin de operaciones produccin y cadena de suministros.
Mxico: Mac Graw Hill.

Figueroa Fernndez, V. (Agosto de 2017). Pronsticos. Celaya, Guanajuato.

Heizer, J., & Render, B. (2009). Principios de asdministracin de operaciones. Mxico: PEARSON.

Macias Calvario , G. G. (19 de Junio de 2007). IPN.edu. Obtenido de http://www.ipn.edu.com

Sipper, D., & Bulfin, R. (1998). Planeacin y control de la produccin. Mxico: Mc GRAW - HILL.