Pronósticos

M.Sc. Fiorella Vanessa Li Vega

fli@usat.edu.pe
Investigación de Operaciones II

www.usat.edu.pe
www.usat.edu.pe
 Contenido

 Introducción
 Conceptos básicos
 Modelo de pronóstico
 Métodos de pronostico
Cuantitativos
Causal
Series de tiempo
Cualitativos

2 www.usat.edu.pe
 Pronosticar

Conocer por algunos indicios lo futuro.

Indicio: fenómeno que permite conocer o inferir la existencia de otro no
percibido.

Pronóstico

Señal por donde se conjetura o adivina algo futuro.

Modelo

Esquema teórico, generalmente en forma matemática, de un sistema o de una

realidad compleja que se elabora para facilitar su comprensión y el estudio de su
comportamiento.

3 www.usat.edu.pe
 Modelo de Pronóstico

Esquema que pretende pronosticar los valores futuros de una variable (llamada
variable independiente) con ayuda de la información anterior, a fin de estimar la
relación entre la variable dependiente y una o más variables independientes.

Wayne L. Winston, 2005, 1275.

Investigación de Operaciones.
Aplicaciones y algoritmos

4 www.usat.edu.pe
 Variable Dependiente

Pronóstico de ventas futuras por un

mes de Acondiciones de aire.

Relación

Precio Publicidad Mes del año

Variable Independiente

5 www.usat.edu.pe
 Razones para pronosticar

Entorno altamente incierto.

La intuición no necesariamente da los mejores resultado.

Mejorar la planeación.

Competitividad y cambio.

6 www.usat.edu.pe
 Visión General

• Se cuenta con información del

pasado de la variable a cuantificar,
• Se puede cuantificar,
• Es razonable pensar que el patrón
seguido en el pasado continuará en
el futuro • Criterio de expertos

• Supone que la variable a

pronosticar tiene una
relación de causa y efecto
con otra u otras variables: • Restringidos a valores
Regresión pasados de la variable.
• Objetivo: Descubrir en los
datos históricos un patrón
para después extrapolar
• Promedios móviles ese patrón al futuro.
• Promedios movibles ponderados
• Suavizamiento exponencial

Fuente: Anderson, Sweeneyy Williams

7 www.usat.edu.pe
 Métodos de Pronósticos Cuantitativos Componentes

Componente Componente
de Tendencia Cíclico

Componente Componente
Estacional Irregular

8 www.usat.edu.pe
 Componente Tendencia: Desplazamiento o movimiento
gradual hacia valores relativamente altos o
de Tendencia bajos a través de un lapso largo.

9 www.usat.edu.pe
 Componente En una serie de tiempo pueden
presentarse tendencias que se describen
de Tendencia mejor mediante algún otro patrón.

10 www.usat.edu.pe
 Las series de tiempo suelen mostrar secuencias
Componente de puntos que caen de manera alternante arriba y

Cíclico debajo de la línea de tendencia, y las duren más

de un año.

11 www.usat.edu.pe
 Componente
Estacional

• Las series de tiempo de tiempo

que representan la variabilidad
en los datos debido a la
influencia estacional.
• Variaciones que se presentan y
se repiten año tras año. Se
pueden medir las variaciones
mensuales, bimestrales y
trimestrales.

12 www.usat.edu.pe
 Componente
Irregular

• Es un factor ocasionado por

factores a corto plazo, imprevistos y
no recurrentes que afectan a la
serie de tiempo.
• Es un componente impredecible. No
es posible predecir su efecto sobre
la serie de tiempo.
• Sus efectos generalmente producen
variaciones que solo duran un corto
intervalo de tiempo.

13 www.usat.edu.pe
 Métodos de Pronostico Cuantitativos

Métodos de Suavizamiento
 Estos métodos tienen por objeto suavizar las fluctuaciones aleatorias
ocasionadas por el componente irregular de la seria de tiempo, razón por la que
se les conoce como métodos de suavizamiento.
 Son adecuados para series de tiempo estables, es decir, para aquellas series
que no muestran afectos importante de tendencia, cíclicos o estacionales,
porque se adaptan muy bien a los cambios en el nivel de la serie de tiempo. Sin
embargo, sin alguna modificación, no funcionan muy bien cuando hay
variaciones importante de tendencia, cíclicas o estacionales.
 Los métodos de suavizamiento son fáciles de utilizar, y por lo general, se obtiene
una buena exactitud en pronósticos a corto plazo, como, por ejemplo,
pronósticos para el periodo siguiente.

14 www.usat.edu.pe
 Métodos de Pronostico Cuantitativos

Métodos de Suavizamiento

• Media (Promedio) Móvil

1 Simple

• Suavización Exponencial
2

15 www.usat.edu.pe
 Media (Promedio) Móvil Simple

• Utiliza información histórica para pronosticar el periodo siguiente.

• Su aplicación principal es cuando la demanda real no presenta mayores
variaciones de corto plaza e idealmente no se presenta estacionalidades.

16 www.usat.edu.pe
 Media (Promedio) Móvil Simple

• La función matemática que permite obtener un pronóstico utilizando media

móvil simple es:

(𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑚à𝑠 𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒𝑠)

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀ò𝑣𝑖𝑙 =
𝑛

La técnica del promedio móvil supone que las n observaciones más

recientes tienen igual importancia.

17 www.usat.edu.pe
 Media (Promedio) Móvil Simple
Ejemplo:
Una compañía presenta el reporte de ventas del año 2018.

Mes Ventas Reales Se debe calcular un pronóstico mediante la

Enero 80 técnica Promedio Móvil utilizando:
Febrero 90
Marzo 85  Un periodo de 3 meses (a partir de
Abril 70 marzo de 2018)
Mayo 80  Un periodo de 6 meses (a partir de
Junio 105 marzo de 2018)
Julio 100
Agosto 105
Septiembre 100 Objetivo:
Octubre 105 Identificar con cuál de los dos periodos del
pronóstico se obtiene precisión al compararse
con las ventas reales del reporte.

18 www.usat.edu.pe
 Al ser un pronóstico con un periodo móvil de 3 meses, este deberá efectuarse a
partir del mes de abril, es decir que para su cálculo tendrá en cuenta tres
periodos, es decir: Enero, febrero y marzo.

80 + 90 + 95
𝑃𝑀𝑡 = 𝑃𝑀3(𝑀𝑎𝑟𝑧𝑜) = = 85
3

Luego para efectuar la previsión del mes de Mayo, deberán tenerse en cuenta
los últimos tres periodos que anteceden al mes de Mayo, es decir Febrero,
Marzo y Abril.

90 + 85 + 70
𝑃𝑀𝑡 = 𝑃𝑀4(𝐴𝑏𝑟𝑖𝑙) = = 85
3

19 www.usat.edu.pe
 De esta manera se efectúan las previsiones restantes obteniendo el
siguiente resultado:

Mes Ventas Reales Pronòstico meses

Enero 80
Febrero 90
Marzo 85 85
Abril 70 82
Mayo 80 78
Junio 105 85
Julio 100 95
Agosto 105 103
Septiembre 100 102
Octubre 105 103

20 www.usat.edu.pe
 El pronóstico restante al ser un pronóstico con un periodo móvil de 6
meses, este deberá efectuarse a a partir del mes de Julio, es decir que
para su cálculo tendrá en cuenta seis periodos, es decir, Enero, Febrero,
Marzo, Abril, Mayo y Junio.
80 + 90 + 95 + 70 + 80 + 105
𝑃𝑀𝑡 = 𝑃𝑀6(𝐽𝑢𝑛𝑖𝑜) = = 85
6

De esta manera se efectúan las previsiones restante obteniendo el siguiente

resultado:

Mes Ventas Reales

Pronòstico 3 meses Pronòstico 6 meses
Enero 80
Febrero 90
Marzo 85 85
Abril 70 82
Mayo 80 78
Junio 105 85 85
Julio 100 95 88
Agosto 105 103 91
Septiembre 100 102 93
Octubre 105 103 99
21 www.usat.edu.pe
 Hallar la exactitud del pronóstico.
Pronòstico 3 Pronòstico 6 (Error
Mes Ventas Reales
meses meses Error Pronòstico Pronòstico)2
Enero 80
Febrero 90
Marzo 85 85 0 0
Abril 70 82 -12 136
Mayo 80 78 2 3
Junio 105 85 85 20 400
Julio 100 95 88 5 25
Agosto 105 103 91 2 3
Septiembre 100 102 93 -2 3
Octubre 105 103 99 2 3

Cuadrado medio debido al error (CME). Suele usarse como medida de la

exactitud del método de pronóstico.
𝑆𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑟𝑟𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑜𝑠 𝑎𝑙 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜
𝐶𝑀𝐸 =
𝑁ù𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑜𝑠

0 + 136 + 4 + 400 + 25 + 3 + 3 + 3
𝐶𝑀𝐸 =
8
𝐶𝑀𝐸 = 72
22 www.usat.edu.pe
23 www.usat.edu.pe
24 www.usat.edu.pe
 Pronòstico 6
Mes Ventas Reales
Pronòstico 3 meses meses
Enero 80 #N/A #N/A
Febrero 90 #N/A #N/A
Marzo 85 85 #N/A
Abril 70 82 #N/A
Mayo 80 78 #N/A
Junio 105 85 85
Julio 100 95 88
Agosto 105 103 91
Septiembre 100 102 93
Octubre 105 103 99

Tarea: Calcular el Cuadrado medio debido al error(CME) por cada

pronóstico y comparar resultados.
25 www.usat.edu.pe
 Ejemplo:
La demanda ( en cantidad de unidades) de un artículo en inventario durante
los últimos meses se resume en la siguiente tabla. Use la técnica del
promedio móvil para pronosticar la demanda del mes próximo (t=25)

26 www.usat.edu.pe
 Ejemplo:

Calcular la media Móvil

27 www.usat.edu.pe
 Suavización Exponencial

 Es un método de promedio móvil ponderado muy refinado que permite

calcular el promedio de una serie de tiempo, asignando a las demandas
recientes mayor que a las demandas anteriores.
 Requiere solamente tres tipos de datos:
o El pronóstico del último periodo
o La demanda de ese periodo
o Un parámetro suavizador, alfa, cuyo valor oscila entre 0 y 1.
 Para elaborar un pronóstico con suavización exponencial, será suficiente
que calcular un promedio ponderado de la demanda más reciente y el
pronóstico calculado para el último periodo.

28 www.usat.edu.pe
 La fórmula es:

Fuente: Anderson, Sweeneyy Williams

29 www.usat.edu.pe
 Ejemplo:
Calcule el pronóstico de suavización exponencial para la semana 4,
considerando los datos de la siguiente tabla que representan la llegada de
pacientes a una clínica en las últimas tres semanas. Tenga en cuenta que
𝛼 = 0.10

30 www.usat.edu.pe
 Solución:

Pronóstico inicial: Suponga que tomamos los datos de demanda de las dos
últimas semanas y los promediamos para obtener (400+380)/2=390 como
pronóstico inicial. A fin de calcular el pronóstico para la semana 4, utilizando una
suavización con =0.10, calculamos el promedio al final de la semana 3 en la
siguiente forma:

F4=0.10(411)+0.90(390)=392.1

Por tanto, el pronóstico para la semana 4 sería de 392 pacientes. Si la demanda

real para la semana 4 resultara ser de 415, entonces el nuevo pronóstico para la
semana 5 sería.

F5=0.10(415) + 0.90(392.1)=394.4

O sea, 394 pacientes. Observe que hemos utilizado F4 , y no el pronóstico en

valor entero para la semana 4, en el cálculo de F5. En general, redondeamos
solamente el resultado final, a fin de mantener la mayor precisión posible en los
cálculos.

31 www.usat.edu.pe
32 www.usat.edu.pe
33 www.usat.edu.pe
34 www.usat.edu.pe
 Regresión Lineal Simple

Es un método matemático que modelo la relación entre variable

dependiente Y, las variables independientes Xi y un término aleatorio 𝜀

35 www.usat.edu.pe
 Regresión Lineal Simple

Una variable debe

Tienen que existir
depender de la
2 variables
otra

Que la relación La variable X la

entre las variables puedo manipular,
sea lineal la otra no

36 www.usat.edu.pe
37 www.usat.edu.pe
38 www.usat.edu.pe
39 www.usat.edu.pe
40 www.usat.edu.pe
41 www.usat.edu.pe
42 www.usat.edu.pe
43 www.usat.edu.pe
44 www.usat.edu.pe
45 www.usat.edu.pe
46 www.usat.edu.pe
 M.Sc. Fiorella Vanessa Li Vega
fli@usat.edu.pe

http://www.facebook.com/usat.peru

https://twitter.com/usatenlinea

https://www.youtube.com/user/tvusat

https://plus.google.com/+usateduperu

www.usat.edu.pe