Está en la página 1de 35

19/05/2018

Unidad 2
PRONÓSTICO DE LA DEMANDA

Ing. Enrique M. Avendaño Delgado


enrique.avendano@upn.pe

ESTRATEGIAS EN LA INTRODUCCIÓN DE NUEVOS PRODUCTOS

Impulso de mercado Impulso tecnológico


Interfuncional
• Se debe fabricar lo que • Se debe vender lo que se
se puede vender • La innovación de puede fabricar
• Se identifican productos es • Las nuevas tecnologías
necesidades en el resultado de un presentan oportunidades
mercado para cubrir esfuerzo de fabricación de nuevos
• Marketing es clave: coordinado de productos para los que
• estudios de mercado todos los habrá que crear mercado
• CRM departamentos de • I+D es clave
(retroalimentación) la empresa

CRM (Custumer Relatonship Management)

1
19/05/2018

EL DESARROLLO DE NUEVOS PRODUCTOS

1 Generación de la idea
2 Selección del producto
3 Diseño preliminar
4 Construcción del prototipo
5 Pruebas
6 Diseño definitivo del producto

GENERACIÓN DE LA IDEA

• Definición de producto:
• por la necesidad que cubre y
• por el modo de cubrirla (la tecnología utilizada)
• De ahí que la fuente de generación de nuevos productos sea doble:

Interna: Externa:
sugerencias
dentro de la empresa de clientes
I+D esencialmente

2
19/05/2018

SELECCIÓN DE IDEAS

Las ideas generadas en la primera fase pasan por un triple filtro:

¿Se puede fabricar? ¿Se puede vender?

Filtro Filtro de mercado


Técnico

¿Es rentable fabricarlo y venderlo?


Filtro Financiero

MÉTODO DE SELECCIÓN

1.- Escoger características relevantes


2.- Establecer importancia de cada una de ellas y asignarlas peso
específico consecuentemente
3.- Valorar estas características respecto a cada producto potencial en
una escala concreta
4.- Obtener las calificaciones medias ponderadas para cada producto
• A continuación es recomendable someter los productos a algún
criterio financiero de jerarquización, por ej. VAN

3
19/05/2018

DISEÑO PRELIMINAR

Costo Especificación completa


del producto a lo largo de
los 3 ejes

Calidad

CONSTRUCCIÓN DEL PROTOTIPO Y PRUEBAS

• El prototipo debe parecerse lo más posible al producto final

• Las pruebas son en dos frentes:


• Mercado: aceptación por potenciales clientes
• Funcionamiento: comprobar cada una de sus especificaciones
técnicas

4
19/05/2018

DISEÑO DEFINITIVO DEL PRODUCTO

• Se incorporan los cambios considerados oportunos en las fases


anteriores
• Se desarrolla la tecnología de proceso o fabricación
• Se desarrollan controles de calidad
• Se diseñan procedimientos de pruebas de rendimiento
• etc.

EL CICLO DE VIDA DEL PRODUCTO

Volumen
de Ventas

Crecimiento Declive

Introducción
Madurez

Tiempo

5
19/05/2018

FASES DEL CICLO DE VIDA DE UN PRODUCTO

• La vida de un producto se puede entender como una sucesión de


varias fases en las que el producto tiene un comportamiento
distinto.

El Ciclo de Vida de un producto se puede dividir en las siguientes


etapas:
• Introducción: el producto se lanza al mercado y recibe una
determinada acogida inicial.
• Desarrollo: el producto empieza a ser conocido y aceptado y
crecen las ventas.
• Madurez: el producto está asentado en el mercado y las ventas
empiezan a estancarse.
• Declive: el producto deja de ser interesante para el mercado y las
ventas empiezan a disminuir.

LAS ETAPAS DEL CICLO DE VIDA

Costes y precios altos Estancamiento de la demanda


Alto riesgo técnico/mercado Saturación del mercado
Producto en pocas versiones/ Competencia alta
pocos accesorios
Distribución problemática Competencia Madurez
Proceso (costes)
Producto (precios, comunicación, estrategia)
Tasa de crecimiento de las ventas

Crecimiento
Distribución

Declive
Alto crecimiento de la demanda
Variantes y accesorios de producto Reducción de la demanda
Perfeccionamiento del proceso Exceso de capacidad
Abaratamiento de costes Agresiva competencia en precios

6
19/05/2018

LAS ETAPAS DEL CICLO DE VIDA

Diferenciación del producto basada


Obtener toda la información posible en servicio, calidad
Responder con rapidez a los cambios Centrarse en segmento con mayores
Consolidar la innovación posibilidades
Internacionalización
Madurez
ESTRATEGIAS
RECOMENDADAS
Crecimiento Declive
Política adecuada de precios Liderazgo mediante fusiones, etc.
Perfeccionamiento del proceso Segmento c/mejores condiciones
Perfeccionamiento del producto Cosecha: maximizar efectivo
Potenciar imagen empresa Retirada rápida: abandonar

DISTINTOS MODELOS DEL CICLO DE VIDA

Madurez
Clásico Ciclo-reciclo estable

Ventas crecientes Mercado Penetración Relanzamientos


ventas decrecientes residual rápida sucesivos

7
19/05/2018

Unidad 2
PRONÓSTICO DE LA DEMANDA

Ing. Enrique M. Avendaño Delgado


enrique.avendano@upn.pe

Todos queremos saber que pasara en el futuro

8
19/05/2018

PRONÓSTICOS:

Y Sales will be
$200 Million!
x

x
HOY FUTURO

“ Pronosticar es el arte y ciencia de


predecir los eventos futuros…
puede incluir el uso de un  Muchas de las decisiones
modelo matemático ajustado empresariales dependen de manera
por el buen juicio del crucial de una correcta estimación
administrador ” del futuro.

CASO REAL

• IBM había vendido todas las existencias su popular portátil


Think Pad sólo 3 semanas después de lanzarlas al
mercado, y no pudo satisfacer los pedidos de fin de año.
¿Por qué?
• Un pronóstico muy conservador lo que le hizo perder 100
millones de dólares.

Costos y Presupuestos

9
19/05/2018

TIPOS DE PRONÓSTICO
(HORIZONTE PRONOSTICADO)

MP

MCP

HOY FUTURO
CP
LP

MLP

19

TIPOS DE HORIZONTES TEMPORALES DE LA PREVISIÓN

• Previsión a corto plazo:


• Cobertura generalmente inferior a los tres meses.
• Programación de la producción, asignación de tareas.
• Previsión a medio plazo:
• Entre tres meses y tres años. Generalmente un año.
• Planificación de las ventas, de la producción y del
presupuesto.
• Previsiones a largo plazo:
• Periodos superiores a tres años.
• Planificación de nuevos productos, localización de las
instalaciones.

10
19/05/2018

TIPOS DE PRONÓSTICO
(Herramientas Utilizadas)

Y DATOS
x

EXPERTO
x

CUANTITATIVOS CUALITATIVOS

21

TÉCNICAS DE LA PREVISIÓN

Métodos cualitativos Métodos cuantitativos


 Se emplean cuando la  Se emplean cuando la
situación no es clara y situación es “estable”
hay pocos datos: y existen datos
 Productos nuevos. “históricos”:
 Nueva tecnología.  Productos existentes.
 Requieren intuición y  Tecnología actual.

experiencia:  Requieren técnicas


 Por ejemplo, la previsión matemáticas:
de las ventas en base al  Por ejemplo, la
conocimiento del previsión de las ventas
mercado. de un producto en
particular.

11
19/05/2018

PRONÓSTICOS: MÉTODOS CUALITATIVOS

• Jurado de opinión ejecutiva


 Requiere un pequeño grupo de directivos:
 El grupo establece una estimación conjunta de la demanda.
 Combina la experiencia directiva con modelos estadísticos.
 Es bastante rápido.
 Desventaja del “pensamiento en grupo”.
• Proposición de personal comercial
 Cada vendedor estima las ventas que hará.
 Se combinan con las previsiones a niveles de distritos y con las nacionales.
 El representante de ventas conoce las necesidades de los consumidores.
 Tiende a ser bastante optimista.
• Método Delphi
• Proceso de grupo iterativo. Oculta la identidad de los individuos que participan.
• Los ejecutivos responden anónimamente a una serie de preguntas.
• Cada respuesta se retroalimenta en cada sesión.
• Hasta seis sesiones hasta alcanzar el consenso.
• Reduce el “pensamiento en grupo”.
• Estudio de mercado del consumidor
 Preguntar a los consumidores sobre sus futuros planes de compra.

PRONÓSTICOS: MÉTODOS CUANTITATIVOS

• Enfoque simple
• Medias móviles Modelos de series
de tiempos
• Alisado exponencial
• Proyección de tendencia
• Regresión lineal

• Regresión lineal Modelos


asociativos o
causales

12
19/05/2018

PATRONES DE DEMANDA

PRONÓSTICO DE VENTAS Y GESTIÓN DE LA PRODUCCIÓN

MERCADO

CANTIDAD A VENDER

CANTIDAD A PRODUCIR

CANTIDAD DE RECURSOS

CANTIDAD DE DINERO

COSTO DEL PRODUCTO

PRECIO DE VENTA

26

13
19/05/2018

Tendencia

• Es el movimiento gradual de ascenso o descenso de los


datos a lo largo del tiempo.
• Los cambios en la población, ingresos, etc. influyen en la
tendencia.
• Se analiza en el largo plazo

SERIE DE TIEMPO
(CICLO)

40 50 60 70 80 90 00 01 02 T

14
19/05/2018

SERIE DE TIEMPO
ESTACIONALIDAD

2000
1999
v

2001

E F M A ………….. O N D T

Estacionalidad

• Incremento de la demanda de un producto en


cierto periodo del año, que se repite todos los
años.

• Se puede ver afectada por factores climatológicos,


las costumbres, etc.

15
19/05/2018

FACTORES AMBIENTALES EN LOS PRONÓSTICOS

F. ECONÓMICOS
F. DE ORGANIZACIÓN Y
COMPETITIVOS

PRONÓSTICOS

F. TECNOLÓGICOS
conlleva F. DEMOGRÁFICOS

PRONÓSTICOS MAS REALES

“EN EL ANÁLISIS FINAL, EL PRONÓSTICO ES MAS UN ARTE QUE UNA


CIENCIA; ACTUALMENTE NADA PUEDE REEMPLAZAR A LA
EXPERIENCIA Y AL BUEN JUICIO”

J. SCOTT ARMSTRONG
WHARTON SCHOOL
UNIVERSITY OF PENSYLVANIA

16
19/05/2018

Unidad 1
Pronósticos de Ventas

Ing. Enrique M. Avendaño Delgado


ead@upnorte.edu.pe

Promedios Móviles:
Esta técnica se basa en el promedio de n períodos anteriores de demanda para
determinar la demanda futura del siguiente período. Se aplica con éxito en
patrones de serie horizontal.
La utilización de esta técnica supone que la serie de tiempo es estable, esto es,
que los datos que la componen se generan sin variaciones importantes entre un
dato y otro, esto es, que el comportamiento de los datos aunque muestren un
crecimiento o un decrecimiento lo hagan con una tendencia constante.

Promedio movil 
 n valores mas recientes
n

donde :
n: número de períodos en el promedio móvil, ejm 3, 4, o 5 períodos.

17
19/05/2018

MAD y Señal de Rastreo:


La Señal de Rastreo (conocida también como Tracking Signal o TS) es una medida de
desempeño que permite medir la desviación del pronóstico respecto a variaciones en la
demanda. Análogamente se puede interpretar como el número de MAD (Desviación Media
Absoluta o Mean Absolute Deviation) que el pronóstico está sobre o bajo la demanda real.

Los límites aceptables para la Señal de Rastreo dependen del


tamaño de la demanda pronosticada (los artículos de volumen
alto o ingreso alto se deben vigilar con frecuencia) y la cantidad
de tiempo del personal disponible (los límites aceptables más
estrechos hacen que mayor cantidad de pronósticos estén fuera
de los límites y por lo tanto requieren de más tiempo para
investigarlos). No obstante usualmente se considera como límites
aceptables una Señal de Rastreo que varía en el rango de [-4,4]
MAD.

Cuando TS es positivo la demanda real excede


el pronóstico, por el contrario cuando TS es
negativo la demanda real es menor que el
pronóstico.

http://www.gestiondeoperaciones.net/proyeccion-de-demanda/interpretacion-de-la-senal-de-rastreo-de-un-pronostico-de-demanda/

Ejemplo:
En la siguiente tabla se muestran 12 Venta de Laptops IBM
datos trimestrales, se expresa la Trimestre Ventas
cantidad de miles de unidades de
Laptop de IBM, vendidos en un (miles de unidades)
determinado país los últimas 12 1 17
trimestres. 2 21
Se necesita calcular las ventas para 3 19
los dos próximos trimestres, aplicar
4 23
los promedios móviles. Los cálculos
debe aplicarse un promedio móvil 5 18
para tres trimestres y cuatro 6 16
trimestres
7 20
8 18
9 22
10 20
11 15
12 22

18
19/05/2018

Solución:
Venta de Laptops IBM
n= 3
Trim Demanda Pronóstico Error de Error de Desviación MAD Señal de
Real pronóstico pronóstico Absoluta Rastreo
Acumulado

1 17
2 21
3 19
4 23 19
5 18 21
6 16 20
7 20 19
8 18 18
9 22 18
10 20 20 Venta de Laptop IBM
25
11 15 20
12 22 19 Miles de Unidades
20
13 19
15
14
10
17  21  19
Promedio movil (1-3)   19
3 5

21  19  23 0
Promedio movil (2-4)   21 1 2 3 4 5 6 7 8 9 10 11 12 13
3

Solución:
Venta de Laptops IBM
n= 3
Trim Demanda Pronóstico Error de Error de Desviación MAD Señal de
Real pronóstico pronóstico Absoluta Rastreo
Acumulado

1 17
2 21
3 19
4 23 19
5 18 21
6 16 20
7 20 19
8 18 18
9 22 18
10 20 20
11 15 20
12 22 19
13 19 19
14 18.67

19
19/05/2018

Solución:
n= 3
Venta de Laptops IBM
Trim Demanda Pronóstico Error de Error de Desviación MAD Señal de
Real pronóstico pronóstico Absoluta Rastreo
Acumulado

1 17
2 21
3 19
4 23 19 4 4 4 4.00 1.00
5 18 21 -3 1 3 3.50 0.29
6 16 20 -4 -3 4 3.67 -0.82
7 20 19 1 -2 1 3.00 -0.67
8 18 18 0 -2 0 2.40 -0.83
9 22 18 4 2 4 2.67 0.75
10 20 20 0 2 0 2.29 0.88
11 15 20 -5 -3 5 2.63 -1.14
12 22 19 3 0 3 2.67 0.00
13 19 19
14 18.67

Solución:
Venta de Laptops IBM

Señal de Rastreo
1,50

1,00

0,50

0,00
1 2 3 4 5 6 7 8 9
-0,50

-1,00

-1,50

http://www.gestiondeoperaciones.net/proyeccion-de-demanda/interpretacion-de-la-senal-de-rastreo-de-un-
pronostico-de-demanda/

20
19/05/2018

Ejercicio 2
Mes Demanda
La Demanda de los últimos 12 meses de Panales
Pampers en la ciudad de Lima, se muestra en la (cientos de
siguiente tabla, detallada mensualmente. Con esta cajas)
información calcule un pronóstico, según lo Enero 205
detallado: Febrero 251
Marzo 304
a. Hallar el Pronóstico, utilizando
el promedio móvil, para los Abril 284
meses de enero, febrero y Mayo 352
marzo del siguiente año. n =
Junio 300
3 y 4.
Julio 241
b. Realice los gráficos:
Demanda Real Vs Pronostico Agosto 284
y el Gráfico de la Señal de Septiembre 312
Rastreo Octubre 289
Noviembre 385
Diciembre 256

Suavizado Exponencial

Este método toma el pronóstico del período anterior y le incorpora un


ajuste para obtener el pronóstico del siguiente período. Este ajuste es
proporcional al error anterior y se calcula multiplicando el error de
pronóstico del período anterior por una constante entre 0 y 1
denominada constante de suavización ( α ). Es una técnica para
pronosticar basada en los errores de los pronósticos

Ft 1   Yt  1    Ft
Donde:
Ft+1 : Pronóstico de la serie de tiempo para el periodo t+1
Yt : valor real de la serie de tiempo en el periodo t
Ft : pronóstico de la serie de tiempo para el periodo t
α : constante de suavizado (0 ≤ α ≥ 1)
F2 = Y1

21
19/05/2018

Ejemplo:
En la siguiente tabla se muestran 12 Venta de Laptops IBM
datos trimestrales, se expresa la Trimestre Ventas
cantidad de miles de unidades de
Laptop de IBM, vendidos en un (miles de unidades)
determinado país los últimas 12 1 17
trimestres. 2 21
Se necesita calcular las ventas para los 3 19
dos próximos trimestres, aplicar el
4 23
método del suavizado exponencial,
considere un α = 0.8. 5 18
6 16
7 20
8 18
9 22
10 20
11 15
12 22

Solución: Venta de Laptops IBM

Alfa: 0.800

Trim Demanda Pronóstico Error de Error de Desviación MAD Señal de


Real pronóstico pronóstico Absoluta Rastreo
Acumulado

1 17
2 21 17 4 4 4 4.00 1.00
3 19 20.200 -1.2 2.8 1.2 2.60 1.08
4 23 19.240 3.76 6.56 3.76 2.99 2.20
5 18 22.248 -4.248 2.312 4.248 3.30 0.70
6 16 18.850 -2.85 -0.538 2.85 3.21 -0.17
7 20 16.570 3.43 2.892 3.43 3.25 0.89
8 18 19.314 -1.314 1.578 1.314 2.97 0.53
9 22 18.263 3.737 5.315 3.737 3.07 1.73
10 20 21.253 -1.253 4.062 1.253 2.87 1.42
11 15 20.251 -5.251 -1.189 5.251 3.10 -0.38
12 22 16.050 5.95 4.761 5.95 3.36 1.42
13 20.810 20.810
14 20.810 20.810

22
19/05/2018

Solución: Venta de Laptops IBM

Venta de Laptop IBM


25

20
Título del eje

15
Real
10 Pronostico

0
1 2 3 4 5 6 7 8 9 10 11 12 13

Señal de Rastreo
2,50

2,00

1,50

1,00

0,50

0,00
1 2 3 4 5 6 7 8 9
-0,50

-1,00

Ejercicio 2
Mes Demanda
La Demanda de los últimos 12 meses de Panales
Pampers en la ciudad de Lima, se muestra en la (cientos de
siguiente tabla, detallada mensualmente. Con esta cajas)
información calcule un pronóstico, según lo Enero 205
detallado: Febrero 251
Marzo 304
a. Hallar el Pronóstico, utilizando
el método del suavizado Abril 284
exponencial, para los meses Mayo 352
de enero, febrero y marzo del
Junio 300
siguiente año. Α = 0.9 y α =
0.85, Julio 241

b. Realice los gráficos: Agosto 284


Demanda Real Vs Pronostico Septiembre 312
y el Gráfico de la Señal de Octubre 289
Rastreo
Noviembre 385
Diciembre 256

23
19/05/2018

Unidad 2
PRONÓSTICO DE LA DEMANDA

Ing. Enrique M. Avendaño Delgado


enrique.avendano@upn.pe

Análisis de Regresión: Tendencia Lineal


Se utiliza esta técnica para pronosticar una tendencia lineal a largo plazo.
Este tipo de serie de tiempo para el cual se aplica el método de proyección de
tendencias presenta un aumento o disminución consistentes a través del tiempo;
y no es estable como para aplicar los métodos anteriores.

n tiYi   t  Y 
Tt  b0  b1t b1 
n ti   ti 
2
i
2
i

Y  b  t
Donde:
Tt : Valor de la tendencia de la serie de
tiempo en el período t
bo  1

bo : Ordenada de origen de la línea de


n n
Donde:
tendencia.
Yt : Valor de la serie de tiempo en el
b1 : pendiente de la línea de tendencia periodo t
t : tiempo n : Número de períodos
Y : Valor promedio de la serie de tiempo,
Y = Σ Yt/n
t : Valor promedio de t=Σ t/n

24
19/05/2018

Ejercicio 1:
Con la siguiente información histórica sobre las ventas de Bicicletas, en los últimos 10
años. Determinar la ecuación lineal correspondiente a esta serie de ventas. Y hallar el
pronostico para el años 11, 12, 13, 14

Venta de Bicicletas
Solución:
Año (t) Venta Millones
(Yt)
Venta de Bicicletas
1 21.6 35

2 22.9 30

Millones de unidades
25
3 25.5
20
4 21.9
15
5 23.9 10

6 27.5 5

0
7 31.5 1 2 3 4 5 6 7 8 9 10

8 29.7
9 28.6
10 31.4

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Calculo de la Correlación:
El coeficiente de correlación
Seleccione el menú fórmulas y click en insertar función lineal mide el grado de
intensidad de esta posible
relación entre las variables.

Si "r" > 0, la correlación lineal


es positiva (si sube el valor
de una variable sube el de la
En la matriz 1 elija la columna "x" y en la matriz 2 la otra). La correlación es tanto
más fuerte cuanto más se
columna "y" click en aceptar
aproxime a 1.

Si "r" = 0, no existe
correlación lineal entre las
variables. Aunque podría
existir otro tipo de
correlación (parabólica,
exponencial, etc.)

25
19/05/2018

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Parámetros de la Regresión:
Agregue las herramientas de análisis de excel

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Parámetros de la Regresión:
En rango y de entrada elija la columna de datos "y" y en rango x de entrada elija la
columna de datos "x" en rango de salida elija la celda donde desea el resultado y
haga click en aceptar.

26
19/05/2018

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Parámetros de la Regresión:

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Parámetros de la Regresión:
El coeficiente de determinación R2 mide la
proporción de variabilidad total de la
variable dependiente (Y) respecto a su
media que es explicada por el modelo de
regresión. Es usual expresar esta medida
en tanto por ciento, multiplicándola por
cien.

Coeficiente que mide el grado de


dependencia entre variables, tomando el
valor 0 en caso de correlación nula o el
valor 1 en caso de correlación total.
Equivale al cuadrado del coeficiente de
correlación.

27
19/05/2018

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Parámetros de la Regresión: El coeficiente de determinación corregido en


un modelo de regresión lineal mide el
porcentaje de variación de la variable
dependiente, pero teniendo en cuenta el
número de variables incluidas en el modelo.

Sabemos que a medida que vamos


incluyendo variables en el modelo, el
coeficiente de determinación aumenta
aunque las variables que incluyamos no sean
significativas.

El coeficiente de determinación corregido


viene a resolver este problema del
coeficiente de determinación.

REGRESIÓN Y CORRELACIÓN UTILIZANDO MICROSOFT EXCEL

Parámetros de la Regresión:

Parámetros para la construcción de la


ecuación lineal

Tt  b0  b1t

Tt = 20.4 + 1.1t

28
19/05/2018

Años (X) Ventas (Y)


1 21.6
2 22.9
3 25.5
4
5
21.9
23.9
Tt = 20.4 + 1.1t
6 27.5
7 31.5
8 29.7
9 28.6
10 31.4
11 32.5
12 33.6
13 34.7
14 35.8

REGRESIÓN LINEAL SIMPLE:


Son modelos de pronósticos que son similares a la regresión lineal
simple (línea recta).

Datos de galones de leche


Ejemplo: Semana Nivel semanal Precio de
La lechería del Sr. del de ventas, Y venta ($)
Sánchez, quiere estimar (gal) X
la venta de galones de 1 10 1.30
leche en función al precio 2 6 2.00
ofertado, tiene registros
3 5 1.70
de las últimas 10
semanas, como se 4 12 1.50
muestran en el cuadro 5 10 1.60
adjunto. 6 15 1.20
7 5 1.60
8 12 1.40
9 17 1.00
10 20 1.10

29
19/05/2018

SOLUCIÓN: DIAGRAMA DE DISPERSIÓN

Precio Vs Gal Leche


25
En este diagrama, de
20 dispersión, parece que
15 existe una relación lineal
Galones

negativa entre Y, el número


10
de galones de leche
5
vendidos, y X, el precio por
0 galón. Aparentemente,
0 0,5 1 1,5 2 2,5
Precio
cuando el precio sube, el
volumen de ventas baja.

El coeficiente de correlación de la
El error estándar de la estimación,
muestra de -0.86 indica una mide la cantidad por la cual los
relación bastante negativa entre valores verdaderos Y defieren de los
valores estimados Ŷ. Para muestras
Y y X, -mientras el precio del relativamente grandes, se esperaría
galón de leche aumenta, el que alredor de 67% de las
número de galones vendidos diferencias Y – Ŷ estuvieran a una
distancia inferior a 1sx-y del 0 y
disminuye. aproximadamente el 95% de estas
diferencias estarían a 2sx-y del 0.

Parámetros para la
construcción de la
ecuación lineal

Tt = 32.14 – 14.54t

30
19/05/2018

PROBLEMA 2
Semana Número de Espacio en pies
libros de los
Andrew Vazsonyi es el gerente de la vendidos anaqueles
cadena de supermercados Y X
Spendwise le gustaría poder
pronosticar las ventas de libros 1 275 6.8
(ejemplares por semana) basándose 2 142 3.3
en la cantidad de espacio de 3 168 4.1
exhibición (en pies) de los anaqueles.
Andrew reúne los datos para una 4 197 4.2
muestra de 11 semanas, como se 5 215 4.8
muestra en la siguiente tabla:
1. Grafique el diagrama de dispersión
6 188 3.9
2. ¿Qué clase de relación existe entre 7 241 4.9
estas dos variables? 8 295 7.7
3. Determine la recta de mínimos
cuadrados 9 125 3.1
4. Pronostique la venta para un espacio 10 266 5.9
de 8.0 pies en anaqueles
11 200 5.0

Unidad 1
Pronósticos de Ventas

Ing. Enrique M. Avendaño Delgado


ead@upnorte.edu.pe

31
19/05/2018

Venta de Helados
Ejercicio: Año Trimestre Ventas
• La tabla adjunta muestra la venta de (miles)
Helados en los últimos 4 años, 2010 1 4.8
detallados por trimestres, se necesita
2 4.1
hacer un pronóstico de para el año
2014. utilizando un modelo matemático 3 6.0
de tendencia estacional. 4 6.5
2011 1 5.8
2 5.2
Venta de Helados 3 6.8
9 4 7.4
8
7
2012 1 6.0
Miles de litros

6 2 5.6
5
4 3 7.5
3
4 7.8
2
1 2013 1 6.3
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 2 5.9
3 8.0
4 8.4

6/5.475
Ventas de Helados
PM PM V Irreg Ventas (Y)
Año Trim T Unid 4 trim Centrado estac Desestac
2010 1 1 4.8 5.15
2 2 4.1 5.350 4.893
3 3 6 5.600 5.475 1.096 5.489
4 4 6.5 5.875 5.738 1.133 5.687
2011 1 5 5.8 6.075 5.975 0.971 6.223
2 6 5.2 6.300 6.188 0.84 6.205
3 7 6.8 6.350 6.325 1.075 6.221
4 8 7.4 6.450 6.400 1.156 6.474
2012 1 9 6 6.625 6.538 0.918 6.438
2 10 5.6 6.725 6.675 0.839 6.683
3 11 7.5 6.800 6.763 1.109 6.862
4 12 7.8 6.875 6.838 1.141 6.824
2013 1 13 6.3 7.000 6.938 0.908 6.76
2 14 5.9 7.150 7.075 0.834 7.041
3 15 8 7.319
4 16 8.4 7.349
2014 1 21
2 22 Indices
Estacional
3 23 Trim es 8.4/1.143
4 24 Trim 1 0.932
Trim 2 0.838
Trim 3 1.093
Trim 4 1.143

32
19/05/2018

Venta de Helados
9

6
Miles de Litros

5
V. Reales
4 Pronóstico

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Tt = 5.10 + 0.15t

33
19/05/2018

Tt = 5.10 + 0.15t (5.10 + 0.15*17)*1.143

Ejercicio 2:

El hotel de veraneo desea establecer el patrón estacional de demanda


de cuartos por parte de sus clientes. La administración desea mejorar el
servicio al cliente y está considerando varios planes de contratación de
personal durante los periodos pico. La siguiente tabla presenta la
ocupación por trimestres, es decir, el número promedio de huéspedes
durante cada trimestre de los últimos cinco años. Cual será el
pronóstico para el año 1996.

Número de Huéspedes por trimestre


Año I II III IV
Serie de
tiempo para 1991 1861 2203 2415 1908
la 1992 1921 2343 2514 1986
ocupación 1993 1834 2154 2098 1799
del hotel
1994 1837 2025 2304 1965
1995 2073 2414 2339 1967

34
19/05/2018

Ejercicio 3:
Unid
Año Trim miles
2004 1 250
La tabla muestra las ventas en miles de litros 2 200
de gaseosa, para una reconocida empresa, 3 150
entre los años 2004 al 2007, detallados por 4 220
trimestre. 2005 1 260

a) realizar una gráfica de las ventas históricas 2 215


3 180
b) Encontrar la ecuación para calcular los 4 223
pronósticos. 2006 1 285

c) Se pide hacer un pronóstico para el próximo 2 220

año, 3 180
4 240
2007 1 290
2 225
3 200
4 280

35