PROMEDIOS MOVILES.

Promedio del último valor

Se utiza para pronósticos de períodos inmediatos

Valor absoluto V-
Período ventas (unidades) Pronóstico Error V-P P
Enero 250000
Febrero 240000
Marzo 345000
Abril 420000
Mayo 520000
Junio 465000
Julio 345000
Agosto 500000
Septiembre 575000
Octubre 650000
Noviembre 455000
Diciembre 650000
0 0

MAD = ∑ |(V-P)| = 0
n

MSE = ∑ (V-P)² = 0
n

Hay otra técnica en la cual el procdimiento se hace 2 veces.

Período ventas (unidades) Pronóstico n=1 Pronóstico n = 2 Error V-P

Enero 250000
Febrero 240000
Marzo 345000
Abril 420000
Mayo 520000
Junio 465000
Julio 345000
Agosto 500000
Septiembre 575000
Octubre 650000
Noviembre 455000
Diciembre 650000
0

MAD = ∑ |(V-P)| = 0
n

MSE = ∑ (V-P)² = 0
n
Promedio movil simple n = 2

Valor absoluto V-
Período ventas (unidades) Pronóstico n=2 Error V-P P
Enero 250000
Febrero 240000
Marzo 345000
Abril 420000
Mayo 520000
Junio 465000
Julio 345000
Agosto 500000
Septiembre 575000
Octubre 650000
Noviembre 455000
Diciembre 650000
0

MAD = ∑ |(V-P)| = 0
n

MSE = ∑ (V-P)² = 0
n

Promedio movil doble n = 2

Período ventas (unidades) Pronóstico n=2 Pronóstico n = 2 Error V-P

Enero 250000
Febrero 240000
Marzo 345000
Abril 420000
Mayo 520000
Junio 465000
Julio 345000
Agosto 500000
Septiembre 575000
Octubre 650000
Noviembre 455000
Diciembre 650000
0

MAD = ∑ |(V-P)| = 0
n

MSE = ∑ (V-P)² = 0
n

Promedios moviles ponderados. n=3 P=

Período Peso (W) ventas (unidades) P Error V-P
Enero 1, 2, 3 250000
Febrero 1, 2, 3 240000
Marzo 1, 2, 3 345000
Abril 1, 2, 3 420000
Mayo 1, 2, 3 520000
Junio 1, 2, 3 465000
Julio 1, 2, 3 345000
Agosto 1, 2, 3 500000
Septiembre 1, 2, 3 575000
Octubre 1, 2, 3 650000
Noviembre 1, 2, 3 455000
Diciembre 1, 2, 3 650000

MAD = ∑ |(V-P)| = 0
n

MSE = ∑ (V-P)² = 0
n

Promedio del último Promedio movil Promedio movil doble

valor 2 veces simple n = 2 n=2
MAD =

MSE =
 (V - P)2

Valor absoluto V-
P (V - P)2

0 0
 (V - P)2

Valor absoluto V-
P (V - P)2

0 0

Suma (V1W1 + V2W2+…+ VnWn)/ suma W

Valor absoluto V-
P (V - P)2

0 0

Promedios moviles
ponderados.
Suavizamiento esxponencial

Pt = Pt - 1 + α ( Vt - 1 - Pt - 1 )
Pt = Nuevo pronóstico del período t
Pt - 1 = Pronóstico del período anterior t - 1
α = Constante de suavizamiento exponencial (valores entre 0 y 1)
Vt - 1 = Demanda real del período anterior t - 1.

Para el problema, consideramos que se realizó un pronóstico para el mes de Enero de 270000 unidades

Valor
ventas Error absoluto
Período α (unidades) P V-P V-P (V - P)2
Enero 0.5 250000
Febrero 0.5 240000
Marzo 0.5 345000
Abril 0.5 420000
Mayo 0.5 520000
Junio 0.5 465000
Julio 0.5 345000
Agosto 0.5 500000
Septiembre 0.5 575000
Octubre 0.5 650000
Noviembre 0.5 455000
Diciembre 0.5 650000
0 0
Ejemplo:
Una empresa fabrica generadores elèctricos, con los datos siguientes:

GENERADORES
AÑO VENDIDOS
1996 74
1997 79
1998 80
1999 90
2000 105
2001 142
2002 122

AÑO X Y XY X^2
1996 1 74
1997 2 79
1998 3 80
1999 4 90
2000 5 105
2001 6 142
2002 7 122

∑
Prom. 0 0

a1 = #DIV/0!

a0 = #DIV/0!

Ecuaciòn de la recta y = a0 +
y = +

1996 1 = 0
1997 2 = 0
1998 3 = 0
1999 4 = 0
2000 5 = 0
2001 6 = 0
2002 7 = 0
2003 8 = 0
2004 9 = 0
2005 10 = 0
 2013 18 = 0
Si se desea saber en que año se tendrían 200 unidades.

x #DIV/0! = ¿ =

GENERADORES
AÑO VENDIDOS PRONOSTICO
1996 74
1997 79
1998 80
1999 90
2000 105
2001 142
2002 122
2003
2004
2005
a1x
x
Una empresa que fabrica máquinas contestadoras, tiene en los años anteriores
los datos siguientes:

Demanda Demanda Índice

Demanda promedio mensual estacional
Mes año 2007 año 2008 de 2 años
Enero 80 100
Febrero 85 75
Marzo 80 90
Abril 110 90
Mayo 115 131
Junio 120 110
Julio 100 110
Agosto 110 90
Septiembre 85 95
Octubre 75 85
Noviembre 85 75
Diciembre 80 80
suma de promedios = 0

demanda promedio = 0

Indice estacional = Valor promedio de 2 años

Promedio mensual

Si se tiene pronosticada una demanda anual de 1550 unidades, para el 2009, las demandas mensuales
serían:

demanda promedio para el 2009 =

Demanda Índice
mensual estacional Pronóstico
Mes
Enero 129
Febrero 129
Marzo 129
Abril 129
Mayo 129
Junio 129
Julio 129
Agosto 129
Septiembre 129
Octubre 129
Noviembre 129
Diciembre 129
0
Variaciones estacionales con tendencia.

Año 1 Año 2 Año 3 180

Trimestre (2007) (2008) (2009) Promedio
160 Ventas trimestrale
V
1 108 116 123 115.67 e 140
2 125 134 142 133.67 n 120
t
3 150 159 168 159.00 a 100
4 141 152 165 152.67 s
80
( 60
Promedio 131 140.25 149.5 140.25 M
D 40
D
CMA = promedio movil centrado ) 20
CMA = 0.5X1 + X2 + X3 + X4 + 0.5X5
0
4 1 2 Trimestre 3
Proporción estacional = Ventas o datos por trimestre
CMA

Ventas Proporción
Año Trimestre (MDD) CMA erstacional
1 1 108
2 125
3 150
4 141
2 1 116
2 134
3 159
4 152
3 1 123
2 142
3 168
4 165

Para generalizar los indices estacionales para cualquier año, obtenemos los promedios.

Indice valor 1 valor 2 promedio

1
2
3
4

0 Debe sumar el númro de períodos (4)

si no es así, multiplicar en erste caso
por 4 cada índice, y dividir cada uno
entre la suma de los mismos.

Para hacer pronósticos que tomen en cuenta la tendencia y los componentes estacionales,
se utiliza el método de descomposición que consiste en lo siguiente:
1 Mediante el CMA, se calculan los indices estacionales.
 2 Se desestacionalizan los datos dividiendo cada número entre su indice etacional.
3 Se determina la ecuación de la linea de tendencia utilizando los datos desestacionalizados.
4 Se pronostican périodos futuros utilizando la linea de tendencia.
5 Se multiplica el pronóstico de la línea de tendencia por el índice estacional que le corresponda.

Ventas Ventas
(millones de Índices desestacion
Año Trimestre $) estacionales alizadas
1 1 108
2 125
3 150
4 141
2 1 116
2 134
3 159
4 152
3 1 123
2 142
3 168
4 165

Utilizando los datos desestacionalizados, obtener la recta de regresión.

Ventas
período desestacional
Año Trimestre (X) izadas (Y) XY X2
1 1 1
2 2
3 3
4 4
2 1 5
2 6
3 7
4 8
3 1 9
2 10
3 11
4 12

∑
n
Prom.

a1 = n∑xy - ∑x∑y = #DIV/0!

n∑x2- (∑x)2

a0 = Y - a2X = #DIV/0!

Ecuación de laz recta de regresión.

 y = a0 + a1x
y = + x

Supongamos, que se requieren los pronósticos para el cuarto año.

en este caso el 2010
valores valores
período estimados estacionaliz
Año (X) (Y) indices ados
4 13 0 0
14 0 0
15 0 0
16 0 0
Ventas trimestrales 2009
2008
2007
Column B
Column C
Column D

2 Trimestre 3 4
e corresponda.
Control de Pronósticos

Para medir que tan bien predice un pronóstico los valores reales, se utiliza la señal
de rastreo.

señal de rastreo = RSFE

MAD

= ∑(error de pronóstico)
MAD

donde:
MAD = ∑ error de pronóstico
n

Ejemplo.
Se tienen los datos de 6 trimestres de cierta empresa.

Demanda
pronosticad Demanda
Trimestre a real
1 100 90
2 100 95
3 100 115
4 110 100
5 110 125
6 110 140

Demanda Demanda Valor Valor

pronosticad real Error absoluto absoluto
Trimestre a (P) (V) V-P RSFE V-P acumulado MAD
1 0 0 0 0 0
2 0 0 0 0 0
3 0 0 0 0 0
4 0 0 0 0 0
5 0 0 0 0 0
6 0 0 0 0 0

cálculo para el trimestre 5

RSFE = ∑(error de pronóstico) =

MAD = ∑ error de pronóstico = #DIV/0!

n
Señal de
rastreo = RSFE = = #DIV/0!
 MAD

Parámetros de evaluación.

% DE
ERRORES
QUE CAEN
DENTRO
DESVIACIÓN DEL
INTERVALO ESTÁNDAR INTERVALO
± 2 MAD 1.6 89
± 3 MAD 2.4 98
± 4 MAD 3.2 99
Señal de
rastreo
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!
#DIV/0!