Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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
MAD = ∑ |(V-P)| = 0
n
MSE = ∑ (V-P)² = 0
n
MAD = ∑ |(V-P)| = 0
n
MSE = ∑ (V-P)² = 0
n
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
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 promedio = 0
Si se tiene pronosticada una demanda anual de 1550 unidades, para el 2009, las demandas mensuales
serían:
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.
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.
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
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.
a0 = Y - a2X = #DIV/0!
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.
= ∑(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
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!