Estimación de demanda: Pronósticos

Problema 1.-Una empresa de artículos de oficina quiere implementar una nueva

estrategia para aumentar las ventas de su único local comercial. Nos ha solicitado estimar
la demanda del próximo año y para ello nos ha dispuesto los datos trimestrales de años
anteriores. Use la intuición y el buen juicio para la estimación y prepare el pronóstico
correspondiente.
Año Trimestre Ventas (en miles)
1 I 4,8
II 4,1
III 6,0
IV 6,5
2 I 5,8
II 5,2
III 6,8
IV 7,4
3 I 6,0
II 5,6
III 7,5
IV 7,8
4 I 6,3
II 5,9
III 8,0
IV 8,4

Antes de determinar cualquier cálculo, verificamos la gráfica de los datos entregados:

9,0
8,0
7,0
Ventas en miles

6,0
5,0
4,0
3,0
2,0
1,0
0,0
I II III IV I II III IV I II III IV I II III IV
Trimestre por año

Se puede apreciar una cierta tendencia que va en aumento conforme pasan los años,
además de observar valores máximos anuales para el trimestre número cuatro, lo cual
indicaría cierta estacionalidad de los datos. Probamos con el método estacional de
demanda, el cual considera un factor de estacionalidad y la componente de tendencia
para su cálculo.

CÁLCULOS MÉTODO ESTACIONAL

Año Trimestre Ventas (en miles) Factor estacional
I 4,8 0,89
II 4,1 0,76
1
III 6,0 1,11
IV 6,5 1,20
dda anual 21,4
dda promedio 5,4
I 5,8 0,92
II 5,2 0,83
2
III 6,8 1,08
IV 7,4 1,17
dda anual 25,2
dda promedio 6,3
I 6,0 0,90
II 5,6 0,84
3
III 7,5 1,12
IV 7,8 1,16
dda anual 26,9
dda promedio 6,7
I 6,3 0,88
II 5,9 0,82
4
III 8,0 1,11
IV 8,4 1,17
dda anual 28,6
dda promedio 7,2

RESUMEN FACTORES ESTACIONALES

Trimestre F. E1 F. E2 F. E3 F. E4 F.E. PROMEDIO
I 0,89 0,92 0,90 0,88 0,90
II 0,76 0,83 0,84 0,82 0,81
III 1,11 1,08 1,12 1,11 1,11
IV 1,20 1,17 1,16 1,17 1,18

Comentarios
De la tabla de resumen de factores estacionales, específicamente F.E. PROMEDIO, se
puede apreciar que el trimestre de mejores ventas es el cuarto, con ventas que
promedian 18% por encima del medio trimestral. Contrario ocurre con el trimestre dos,
ya que observando su índice estacional de 0.81 lo determina como el más lento, puesto
que, las ventas promediaron un 19% por debajo de las medias trimestrales.
El propósito de determinar índices estacionales es precisamente eliminar los efectos
estacionales de una serie de tiempo. Este proceso se llama desestacionalización de la
demanda y para obtener el valor asociado a su cálculo considera la siguiente fórmula:
Demanda desestacionalizada TtIt = Demanda real (Yt)
Factor estacional (Ft)

DESESTACIONALIZACIÓN DEMANDA
Ventas
Año Trimestre Ventas (en miles) Yt Factor Estacional Ft Desestacionalizadas TtIt
I 4,80 0,89 5,39
II 4,10 0,76 5,39
1
III 6,00 1,11 5,41
IV 6,50 1,20 5,42
I 5,80 0,92 6,30
II 5,20 0,83 6,27
2
III 6,80 1,08 6,30
IV 7,40 1,17 6,32
I 6,00 0,90 6,67
II 5,60 0,84 6,67
3
III 7,50 1,12 6,70
IV 7,80 1,16 6,72
I 6,30 0,88 7,16
II 5,90 0,82 7,20
4
III 8,00 1,11 7,21
IV 8,40 1,17 7,18

Al observar el nuevo gráfico, se puede identificar no solo un crecimiento de las ventas a

lo largo de los años, sino también, que la serie de tiempo parece tener una tendencia
lineal ascendente. Para identificar esta tendencia, utilizamos el método de proyección de
la tendencia o regresión lineal, en este caso utilizando los valores de las ventas
desestacionalizadas.

8,00
7,00
6,00
Ventas en miles

5,00
4,00
3,00 y = 0,1359x + 5,2393

2,00
1,00
0,00
I II III IV I II III IV I II III IV I II III IV
Trimestres por año
Utilizando Tt= 5,2393 + 0,1359 t, dónde Tt representa el valor de las ventas en un periodo
de tiempo y t el periodo de tiempo (año, trimestre, semestre, semana, etc.). La pendiente
0,1359 indica que durante los 16 trimestres anteriores la empresa ha experimentado un
crecimiento desestacionalizado medio en las ventas de aproximadamente de 136
artículos de oficina por trimestre. Si a nuestro juicio eso parece razonablemente bueno
para el futuro, podríamos aceptar la proyección de tendencia para los cuatro próximos
semestres del año 5.

T17 = 5,2393 + 0,1359 (17) = 7,55

T18 = 5,2393 + 0,1359 (18) = 7,74
T19 = 5,2393 + 0,1359 (19) = 7,82
T20 = 5,2393 + 0,1359 (20) = 7,95
En la siguiente tabla se muestra el pronóstico trimestral, el cual considera el pronóstico
realizado por la regresión lineal y el factor estacionalidad. Para el año 5, se pronostica al
menos una demanda de 31.130 artículos de oficina, un dato confiable y ajustado a la
tendencia creciente ya observada en los gráficos anteriores.
Pronóstico de Factor de
Año Trimestre Pronóstico trimestral
tendencia estacionalidad
I 7,55 0,9 6,795
II 7,74 0,81 6,2694
5
III 7,82 1,11 8,6802
IV 7,95 1,18 9,381
dda total 31,06 31,13
Problema 2.- En la siguiente tabla, se muestran las ventas de cabañas de una localidad al
norte del país. Calcule el pronóstico de la demanda para el mes de enero por medio del
método: promedio móvil de tres meses.
MES VENTAS REALES DE CABAÑAS
ENERO 10
FEBRERO 12
MARZO 13
ABRIL 16
MAYO 19
JUNIO 23
JULIO 26
AGOSTO 30
SEPTIEMBRE 28
OCTUBRE 18
NOVIEMBRE 16
DICIEMBRE 14

Si observamos el gráfico correspondiente a los datos de las ventas reales de cabañas, se

puede apreciar que, en el mes de agosto, existe el punto máximo de ventas. Sin embargo,
no podemos decidir la utilización de un método de ciclicidad, tendencia o estacionalidad,
debido a falta de datos a largo plazo, es decir, dos años seguidos, por ejemplo. Es por ello
que, en estos casos, se recomienda la utilización de métodos sencillos de pronósticos
como los promedios móviles, dónde la variante solo queda determinada por la cantidad
de meses que se considerará para el cálculo. La decisión se debe tomar según el método
que presente el menor error, utilizando el indicador MAD por ejemplo (no es el único).

Ventas reales de cabañas

35
30
25
20
15
10
5
0

A continuación, se muestra el cálculo realizado para promedios móviles de tres meses y

cuatro meses, dónde para el mes de enero se pronostican 16 y 19 ventas de cabañas
respectivamente:
 Media móvil tres Media móvil cuatro
Mes Ventas reales de cabañas
meses meses
Enero 10
Febrero 12
Marzo 13
Abril 16 11,67
Mayo 19 13,67 12,75
Junio 23 16,00 15
Julio 26 19,33 17,75
Agosto 30 22,67 21
Septiembre 28 26,33 24,5
Octubre 18 28,00 26,75
Noviembre 16 25,33 25,5
Diciembre 14 20,67 23
Enero 16 19

El cálculo de decisión MAD queda determinado de la siguiente manera:

Mes |Et| tres meses |Et| cuatro meses

Enero
Febrero
Marzo
Abril 4,33
Mayo 5,33 6,25
Junio 7 8
Julio 6,67 8,25
Agosto 7,33 9
Septiembre 1,67 3,5
Octubre 10 8,75
Noviembre 9,33 9,5
Diciembre 6,67 9
MAD 6,48 7,78

Si nos damos cuenta, el método de promedio móvil de tres meses es mucho mejor (MAD
más pequeño e inferior al de cuatro meses). Sin embargo, la existencia de otros métodos
de pronóstico posibilita la obtención de indicadores de menor valor. RECORDAR QUE
TENEMOS PROMEDIO MÓVIL PONDERADO Y SUAVIZAMIENTO EXPONENCIAL TAMBIÉN.
La decisión ahora retorna en, ¿usted está conforme con los resultados, y acepta un error
de 6,48 para el pronóstico realizado? Comparar el MAD con otros ejercicios realizados.
Problema 3.- Al presidente de una pequeña fábrica le preocupa el aumento continuo que
ha habido en los costos de fabricación en los últimos años. Las cifras siguientes
constituyen una serie de tiempo del costo por unidad de los principales productos de esta
empresa en los últimos ocho años.
Año Costo/Unidad
($)
1 20 a) Presente una gráfica de esta serie de tiempo
2 24,5 ¿Parece tener una tendencia lineal?
3 28,2 b) Obtenga la ecuación del componente de tendencial
4 27,5 lineal ¿Cuál es el incremento anual promedio en el costo
5 26,6 que ha habido en la empresa?
6 30
7 31
8 36

Realizando el gráfico, se puede observar una tendencia creciente del costo de fabricación
a medida que pasan los años, por tanto, se puede determinar una regresión lineal.

40
35
30
Costo/unidad($)

25
20 y = 1,7738x + 19,993

15
10
5
0
0 2 4 6 8 10
Año

Al trazar la línea de tendencia, está posee un R²=85% aproximadamente, lo cual es

relativamente bueno para aprobar la significancia del modelo, quedando definido por la
siguiente ecuación :

Tt = 19,993 + 1,7738 t
Dónde la pendiente 1,7738, nos indica que la empresa ha experimentado en estos ocho
años un aumento en el costo de fabricación de unos 1,8 $ aproximadamente por cada
unidad de producto anualmente. Acá la decisión recae en ¿evaluamos la situación o
seguimos sosteniendo los mismos costos?
Problema 4.- FRED, una base de datos internacional, contiene datos históricos para la
venta de consolas de videojuegos. A continuación, se muestran los datos trimestrales
para la venta de consolas (en miles) que ha efectuado un fabricante en los últimos cuatro
años. Analice y a su juicio decida el modelo de pronóstico más óptimo para la obtención
de la demanda del año 5.
Año Trimestre Ventas (en miles)
I 3,8
II 3,1
1
III 5,0
IV 5,5
I 4,8
II 4,2
2
III 5,8
IV 6,4
I 5,0
II 4,6
3
III 6,5
IV 6,8
I 5,3
II 4,9
4
III 7,0
IV 7,4

Antes de determinar cualquier cálculo, verificamos la gráfica de los datos entregados:

Ventas (en miles)

8,0
7,0
6,0
Ventas de consolas

5,0
4,0
3,0
2,0
1,0
0,0
I II III IV I II III IV I II III IV I II III IV
Trimestres por año

Se puede apreciar una cierta tendencia que va en aumento conforme pasan los años,
además de observar valores máximos anuales para el trimestre número cuatro, lo cual
indicaría cierta estacionalidad de los datos. Probamos con el método estacional
multiplicativo de demanda, el cual considera un componente de tendencia,
estacionalidad y además uno de irregularidad en su cálculo.
Para identificar el componente estacional de cada trimestre, se comienza por calcular un
promedio móvil para separar los componentes estacional e irregular, del componente de
tendencia. Como se está trabajando por trimestres, el cálculo del promedio móvil se
usará cada cuatro años.
Promedio Promedio
Año Trimestre Ventas (en miles)
Móvil Móvil centrado
I 3,8

II 3,1
1 4,35
III 5,0 4,475
4,6
IV 5,5 4,7375
4,875
I 4,8 4,975
5,075
II 4,2 5,1875
2 5,3
III 5,8 5,325
5,35
IV 6,4 5,4
5,45
I 5,0 5,5375
5,625
II 4,6 5,675
3 5,725
III 6,5 5,7625
5,8
IV 6,8 5,8375
5,875
I 5,3 5,9375
6
II 4,9 6,075
4 6,15
III 7,0

IV 7,4

Antes de continuar, observe el primer promedio móvil obtenido: 4.35, este valor
representa un promedio trimestral del volumen de ventas a lo largo de todas las
estaciones en un año. Como en cada promedio móvil intervienen cuatro trimestres, no
hay un trimestre central, por tanto, es necesario re acomodarlos como se muestra en la
tabla anterior, esto ocurre cuando la cantidad de datos es par. RECUERDE QUE AL
APLICAR EL MÉTODO DE PROMEDIO MÓVIL EN ESTA OPORTUNIDAD, NO ESTAMOS
SACANDO EL PRONÓSTICO SI NO EL COMPONENTE IRREGULAR DE LA SERIE DE TIEMPO
PARA SUAVIZAR. Lo anterior conlleva a que los valores de los promedios móviles no
correspondan precisamente a los trimestres originales, sin embargo, esa dificultad se
resuelve con el uso de los puntos medios entre los valores sucesivos de los promedios
móviles, obteniendo los promedios móviles centrados. Cuando las observaciones de
demanda son impares, no es necesario utilizar esta metodología.
¿Qué se obtiene con los promedios móviles centrados? Al observar la gráfica siguiente,
se puede notar como el promedio móvil centrado suaviza la serie de tiempo, tanto para
las fluctuaciones estacionales como irregulares.

8,00
7,00
6,00
5,00
Ventas

4,00
3,00
2,00
1,00
0,00
I II III IV I II III IV I II III IV I II III IV
Trimestres por año

Ventas(en miles) Promedio movil centrado

Al dividir cada observación de la serie de tiempo entre su correspondiente promedio móvil

centrado se obtiene el componente irregular sobre la serie de tiempo:

Ventas (en Promedio móvil Componente

Año Trimestre
miles) centrado irregular
I 3,80
II 3,10
1
III 5,00 4,475 1,12
IV 5,50 4,7375 1,16
I 4,80 4,975 0,96
II 4,20 5,1875 0,81
2
III 5,80 5,325 1,09
IV 6,40 5,4 1,19
I 5,00 5,5375 0,90
II 4,60 5,675 0,81
3
III 6,50 5,7625 1,13
IV 6,80 5,8375 1,16
I 5,30 5,9375 0,89
II 4,90 6,075 0,81
4
III 7,00
IV 7,40
Ahora para encontrar el índice estacional asociado a cada trimestre, basta con asociar
cada uno de los trimestres iguales y con los valores identificados, obtener un promedio:

Año Trimestre Componente irregular

I
II
1
III 1,12
IV 1,16
Trimestre Indice estacional
I 0,96
I 0,92
II 0,81
2 II 0,81
III 1,09
III 1,11
IV 1,19
IV 1,17
I 0,90
II 0,81
3
III 1,13
IV 1,16
I 0,89
II 0,81
4
III
IV

Ahora de igual manera que en el ejercicio número 1, hay que proceder a desestacionalizar
las ventas:
Índice
Año Trimestre Ventas (en miles) estacional Ventas desestacionalizadas
I 3,80 0,92 4,13
II 3,10 0,81 3,83
1
III 5,00 1,11 4,50
IV 5,50 1,17 4,70
I 4,80 0,92 5,22
II 4,20 0,81 5,19
2
III 5,80 1,11 5,23
IV 6,40 1,17 5,47
I 5,00 0,92 5,43
II 4,60 0,81 5,68
3
III 6,50 1,11 5,86
IV 6,80 1,17 5,81
I 5,30 0,92 5,76
II 4,90 0,81 6,05
4
III 7,00 1,11 6,31
IV 7,40 1,17 6,32

Al observar el nuevo gráfico, se puede identificar no solo un crecimiento de las ventas a

lo largo de los años, sino también, que la serie de tiempo parece tener una tendencia
lineal ascendente. Para identificar esta tendencia, utilizamos el método de proyección de
la tendencia o regresión lineal, en este caso utilizando los valores de las ventas
desestacionalizadas.

Ventas desestacionalizadas
7,00

6,00

5,00

4,00
y = 0,1478x + 4,0873
3,00

2,00

1,00

0,00
I II III IV I II III IV I II III IV I II III IV

Utilizando Tt= 4,0873 + 0,1478 t, dónde Tt representa el valor de las ventas en un periodo
de tiempo y t el periodo de tiempo (año, trimestre, semestre, semana, etc.). La pendiente
0,1478 indica que durante los 16 trimestres anteriores la empresa ha experimentado un
crecimiento desestacionalizado medio en las ventas de aproximadamente de 148
consolas de videojuegos por trimestre. Si a nuestro juicio eso parece razonablemente
bueno para el futuro, podríamos aceptar la proyección de tendencia para los cuatro
próximos semestres del año 5.
T17= 4,0873 + 0,1478 (17) = 6,599
T18= 4,0873 + 0,1478 (18) = 6,748
T19= 4,0873 + 0,1478 (19) = 6,895
T20= 4,0873 + 0,1478 (20) = 7,043
En la siguiente tabla se muestra el pronóstico trimestral, el cual considera el pronóstico
realizado por la regresión lineal y el factor estacionalidad. Para el año 5, se pronostica al
menos una demanda de 27.430 consolas de videojuegos, un dato confiable y ajustado a
la tendencia creciente ya observada en los gráficos anteriores

Factor de Pronóstico
Año Trimestre Pronóstico de tendencia
estacionalidad trimestral
I 6,599 0,92 6,07108
II 6,748 0,81 5,46588
5
III 6,895 1,11 7,65345
IV 7,043 1,17 8,24031
dda total 27,43072