Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Formulas PDF
Formulas PDF
PRODUCCIN
Pronsticos I
1. NDICE
1. NDICE
2. INTRODUCCIN
3. OBJETIVO
GENERAL
4. OBJETIVOS
ESPECFICOS
5. DESARROLLO
TEMTICO
5.1 Recomendaciones
acadmicas
2. INTRODUCCIN
Se
propone
en
este
documento
presentar
a
los
estudiantes
los
conceptos
bsicos
necesarios
para
desarrollar
pronsticos
para
series
estacionarias
y
con
tendencia,
as
como
las
medidas
de
desempeo
que,
por
excelencia,
permiten
verificar
qu
tan
bien
se
ajustan
tales
mtodos
a
una
serie
de
datos
histricos,
en
particular.
Tambin
se
presentar
una
serie
de
ejercicios
relacionados
con
el
tema
en
cuestin,
para
reforzar
los
conocimientos
adquiridos.
Esto
en
virtud
del
objetivo
general
del
mdulo,
consistente
en
generar
en
los
estudiantes
las
capacidades
necesarias
para
desarrollar
los
mtodos
de
pronsticos
simples.
3. OBJETIVO
GENERAL
Al
finalizar
el
mdulo
los
estudiantes
reconocern
las
medidas
de
desempeo
que
permiten
evaluar
un
mtodo
de
pronstico
en
particular,
as
como
los
mismos
mtodos
en
general.
2
[ POLITCNICO GANCOLOMBIANO]
4. OBJETIVOS
ESPECFICOS
5. DESARROLLO
TEMTICO
5.2.1
Introduccin
a
los
pronsticos
Los
pronsticos
permiten
estimar
el
valor
futuro
para
un
conjunto
de
variables
de
inters.
Para
realizar
esta
estimacin,
los
pronsticos
pueden
estar
basados
en:
Variables.
Horizonte
de
planeacin
(nmero
de
periodos
para
los
cuales
se
pronostic).
El
periodo
(unidad
de
tiempo
base
sobre
la
que
se
define
el
horizonte).
Frecuencia
de
revisin.
[ GERENCIA DE PRODUCCIN] 3
Para un correcto desarrollo de los pronsticos, deben tenerse en cuenta las siguientes etapas:
Datos
histricos
Modificacin
Modelo matemtico
Demanda
Real
Pronsticos
Evaluacin
humana
estadsticos
Por
otra
parte,
dentro
de
las
caractersticas
ms
relevantes
de
los
pronsticos,
podemos
encontrar
las
siguientes:
Normalmente
estn
equivocados,
son
slo
una
especulacin,
por
ello
debe
ser
fcil
reaccionar
ante
errores.
4
[ POLITCNICO GANCOLOMBIANO]
Un
buen
pronstico
tambin
da
una
medida
de
error.
Saber
que
son
equivocados
nos
permite
calcular
cierta
medida
de
error.
Los
pronsticos
agregados
son
ms
exactos.
La
variacin
del
promedio
de
una
coleccin
de
variables
aleatorias
independientes,
idnticamente
distribuidas,
es
menor
que
la
variacin
de
cada
una
de
las
variables.
La
variacin
de
la
muestra
media
es
menor
que
la
variacin
de
la
poblacin.
Entre
ms
lejano
sea
el
horizonte
de
pronstico,
menos
exacta
ser
la
prediccin.
Deben
tener
en
cuenta
toda
la
informacin
que
tengan
a
disposicin
(ejemplo:
si
s
que
existir
una
promocin,
as
los
datos
no
me
lo
digan,
debo
estar
en
la
capacidad
de
incluir
esta
informacin).
[ GERENCIA DE PRODUCCIN] 5
Ejemplo.
Sea
Y
un
fenmeno
a
pronosticar,
y
X1,
X2,
X3,
variables
relacionadas
con
Y.
El
pronstico
para
Y
ser
cierto,
funcin
de
dichas
variables
Y=f(x1,
x2,
x3).
El
mtodo
causal,
por
excelencia,
suele
ser
la
regresin
lineal.
5.2.2 Evaluacin
de
los
mtodos
de
pronstico
Antes
de
a
penetrar
los
diferentes
mtodos
de
pronstico,
aprenderemos
a
evaluar
cundo
un
mtodo
es
adecuado
y
se
ajusta
realmente
al
comportamiento
de
la
demanda.
Partiremos
entonces,
del
supuesto
de
que
ya
sabemos
calcular
los
pronsticos
y
que
queremos
evaluar
qu
tan
bien
o
qu
tan
mal
estn
reflejando
el
comportamiento
de
los
datos
histricos
sobre
los
cuales
fueron
calculados.
A
partir
de
lo
anterior.
se
definirn
entonces
las
siguientes
medidas
de
desempeo:
5.2.2.1 Errores
El
error
se
define
como
la
diferencia
entre
el
pronstico
para
el
periodo
T,
y
el
valor
real
de
la
serie
realizado
para
el
periodo
T.
! =
! =
! =
! = ! !
Existen varias medidas comunes para estimar el error de pronstico, stas son:
6
[ POLITCNICO GANCOLOMBIANO]
!
!!! |! |
=
Nos
da
la
idea
en
trminos
de
magnitud.
Suele
ser
la
medida
preferida
para
medir
el
error
de
pronstico.
5.2.2.2 Desviacin
Estndar
del
Error
La
desviacin
estndar
es
la
medida
de
dispersin
por
excelencia.
A
partir
de
ella,
si
se
considera
que
los
errores
estn
normalmente
distribuidos,
una
aproximacin
de
la
desviacin
estndar
del
error
es:
! ~1,25
Finalmente,
una
vez
se
tengan
estos
indicadores,
debe
tenerse
en
cuenta
que
no
significan
nada
en
s
mismos;
por
lo
tanto
se
debe
verificar
que
se
distribuyan
ms
o
menos
igual
alrededor
de
cero,
esto
es,
deben
ser
insesgados;
es
decir
que
al
graficar
los
errores,
estos
deben
verse
aleatorios
(no
deben
tener
un
patrn
discernible).
[ GERENCIA DE PRODUCCIN] 7
5.2.3 Mtodos
para
pronosticar
series
estacionarias
Siempre
que
la
demanda
de
los
datos
histricos
con
los
que
se
quiere
realizar
la
estimacin
del
pronstico,
presente
un
comportamiento
estacionario,
se
deben
emplear
los
siguientes
mtodos:
5.2.3.1 Mtodos
basados
en
promedios
(PM)
Promedio
aritmtico
de
las
N
observaciones
ms
recientes.
!!!!!
1
! = ! !!! = !
!!!
1
! = !!! + !!!
!
Con
esta
ltima
ecuacin
se
evita
recalcular
el
promedio
de
las
ltimas
N
observaciones,
cada
vez
que
surge
una
nueva
observacin
de
demanda.
8
[ POLITCNICO GANCOLOMBIANO]
5.2.3.2 Suavizacin
exponencial
simple
(SES)
Es
el
mtodo
ms
popular
para
las
series
de
tiempo
estacionarias
! = !!! + 1 !!!
:
es
la
constante
de
suavizamiento
que
determina
la
ponderacin
relativa
puesta
en
la
observacin
de
demanda
actual.
1-:
peso
asignado
a
las
observaciones
pasadas
de
la
demanda.
Algunos
aspectos
importantes
que
se
deben
tener
en
cuenta
cuando
se
aplica
cualquiera
de
los
dos
mtodos
antes
mencionados,
son
los
siguientes:
[ GERENCIA DE PRODUCCIN] 9
Siempre
que
la
Demanda
de
los
datos
histricos
con
los
que
se
quiere
realizar
la
estimacin
del
pronstico
presente
un
comportamiento
con
TENDENCIA,
se
deben
emplear
los
siguientes
mtodos:
5.2.4.1 Regresin
lineal
simple
Existe
una
relacin
entre
la
variable
X
(independiente)
y
la
variable
Y
(dependiente)
que
puede
representarse
mediante
una
lnea
recta.
= +
Los
valores
de
B
y
M
se
eligen
de
manera
que
se
minimice
la
suma
de
las
distancias
cuadrticas,
entre
la
lnea
de
regresin
y
los
puntos
de
datos.
! ! ! !
=
!! ( ! )!
=
Una
buena
forma
de
determinar
si
la
regresin
es
adecuada,
es
a
travs
del
coeficiente
de
correlacin,
el
cual
mide
el
grado
de
dependencia
entre
los
dos
conjuntos
de
datos
dados.
5.2.4.2 Suavizacin
exponencial
doble
Requiere
de
la
especificacin
de
dos
constantes
de
suavizamiento:
:
que
suaviza
el
valor
de
la
serie
(promedio-estacionario)
:
que
suaviza
la
tendencia
(pendiente
de
los
datos)
Las
constantes
de
suavizamiento
pueden
ser
las
mismas;
sin
embargo,
en
la
mayora
de
las
aplicaciones
se
da
mayor
estabilidad
al
estimado
de
la
pendiente
que
al
de
la
constante,
es
decir
Por
otra
parte,
deben
utilizarse
dos
parmetros
para
la
estimacin
del
pronstico,
estos
son:
So=
corte
de
la
recta
de
regresin
(b)
Go=
pendiente
de
la
recta
de
regresin
(m)
10
[ POLITCNICO GANCOLOMBIANO]
Para
actualizar
estos
valores,
empleamos
las
siguientes
ecuaciones:
! = ! + 1 !!! + !!!
! = ! !!! + 1 !!!
!!! = ! + !
NOTA:
Para
revisar
ejemplos
de
solucin
de
cada
uno
de
los
mtodos,
referirse
a
las
video
diapositivas
de
la
semana.
[ GERENCIA DE PRODUCCIN] 11