Promedio móvil simple SMA (Simple moving average):

Periodo Demanda Prónostico

Ene 118 Inicialmente debemos determinar sobre cuantos periodos
Feb 134 3 trimestres por lo que se va a iniciar un periodo antes de
Mar 180 de abril y el promedio correspondiente a este mes corresp
Abr 272 144 Promedio abr = D ene + D feb + D mar
Periódos
May 332 195
Jun 289 261
Jul 177 298
Ago 209 266 Promedio abr = 144 Promedio simple de unidades dem
Unidades
Sep 327 225 Con función = 144 periodos seleccionados.
Oct 374 238 Así, promedio de mayo se calcularia así:
Nov 230 303
Promedio may = D feb + D mar + D abr
Dic 141 310 Periódos

Observen qie hay un desplazamiento, de periodo a period

recuadro amarillo)

Promedio may = 195

Con función = 195
erage):

terminar sobre cuantos periodos vamos a hallar el promedio, en este caso, tomaremos
e va a iniciar un periodo antes de ese número, en este ejemplo, el periodo 4 es el mes
rrespondiente a este mes corresponderia a los meses anteriores anteriores
ne + D feb + D mar

romedio simple de unidades demandadas en los

eriodos seleccionados.
calcularia así:

b + D mar + D abr

plazamiento, de periodo a periodo, por eso el nombre de móvil (de recuadro gris a
 Promedio móvil ponderado Promedio movil ponderado
Periodo Demanda Prónostico
Ene 118 Este promedio debe ir acompañado de valores numéricos, los cuales van a ser útile
Feb 134 con ello realizar el promedio, aqui seleccionaremos tres factores (2, 3, 4), cabe alcar
Mar 180 seleccionados deben estar entre 1 y 10; A estos factores se denotan como X, Y y Z
Abr 272 151 siguiente fórmula asi:
May 332 211
Promedio abr = z D mar + y D feb + x D ene
Jun 289 278 (x + y + z)
Jul 177 300
Ago 209 249 Vamos a pronósticar a partir del mes de abril y para esto multiplicamos el factor ma
Sep 327 216 demanda mas actual al periodo que se quiere pronosticar y así sucesivamente; Ento
Oct 374 254 abril, Z que es el mayor factor que es 4 va a multiplicar la demanda de marzo porqu
Nov 230 322 valor ponderado que le sigue que es 3 multplica la demanda de febrero, por último e
Dic 141 300 demanda de enero, todo esto edividio entre la suma de los tres factores ponderados

Promedio abr = 151 Unidades

os, los cuales van a ser útiles para ponderar la demanda y
actores (2, 3, 4), cabe alcarar que los factores
se denotan como X, Y y Z que se expresan en la

multiplicamos el factor mayor ponderado por la

r y así sucesivamente; Entonces, para el pronóstico de
a demanda de marzo porque es la más reciente y luego el
nda de febrero, por último el valor X que multiplicara la
os tres factores ponderados
 https://www.youtube.com/watch?v=6pygDH2OQoc
Ventas en
Periodo miles de Determinar el volúmen de ventas para enero del siguiente año con distintos métodos
unidades
Ene 30 A SMA: 28.1666667 El valor esperado en ventas para enero del siguiente año
Feb 31 será de 28,166.67
Mar 25
Abr 24 B SMA de 3 per: 31.3333333 La tendencia de la demanda en el mes de enero para el
May 23 producto abarcando tres periodos será de
Jun 26 usando una media movil simple de 3 periodos
Jul 27
Ago 28 C SMA de 2 per: 32 La tendencia de la demanda en el mes de enero para el
Sep 30 producto abarcando dos periodos será de
Oct 30 usando una media movil simple de 2 periodos
Nov 31
Dic 33 Estos problemas se pueden plantear en el WIN QSB donde podemos obtener estos pronóstico
esta es una herramienta interactiva que ayuda a la toma de decisiones y que a su vez, contien
muy útiles para resolver distintos tipos de problemas en el campo de la investigación op

La ruta…
Office
Todos los programas
WinQSB (Debe estar previamente instalado)
Forecasting and linear regression (regresión lineal y pronósticos)
clic en cuadricula (costado superior inzquierdo)
Problem type Time series forecasting
Problem Title: Ejemplo
Time Unit: Meses
Number of time units (periods) 12
ok
Nos despliega una tabla
Se ingresan los datos de la tabla excel (ventas en miles de pesos)
Solve and analyze and perform forecasting
Y aquí es lo interesante, me arroja que método de pronóstico quiero utilizar:

Por ejemplo escogemos SA y en number of periods to forecasting le colocamos que

queremos pronosticar un mes adelante Ok
 Y aparece que en el periódo 13 tenemos un pronóstico de 18,16667 igual al resultado del liter

Para el literal B:

ok y arroja 21,33 igual que el resultado del literal B

Para el C solo basta con cambiar el numero de periodos de 3 a 2 y arroja como
resultado, 22 igual que dicho literal.

D Determine el pronóstico de ventas para enero del siguiente año usando el método de media móvil pon
periodos, dandole al valor más actual una ponderación del 50%, (al dato más actual normalmente se l
importancia) al imendiatamente anterior un valor del 40% y al más antiguo un peso del 10%. (tipicame
natiguo se le da la menor importancia o el menor precio.
Ventas en
Periodo miles de
unidades
Ene 30 31.9 Se pronostican 31,900
Feb 31 del próximo año
Mar 25
Abr 24 En Win QSB:
May 23 Solve and analyze - perform forecasting
Jun 26 Weighted moving average (WMA)
Jul 27 Number of periods for forecasting 1
Ago 28 Number of periods in average 3
Sep 30 Enter moving average weights
Oct 30
Nov 31
Dic 33

Y se empieza desde el más antiguo asi:

1 0.1
2 0.4
3 0.5
Importante, la suma de los pesos porcentuales tiene que dar 1
Ok - Ok y obtenemos un pronóstico con la media móvil ponderada
de 21,9 igual a la que nos arrojo la fórmula matemática.
te año con distintos métodos

nero del siguiente año

unidades

mes de enero para el

31,333.33 unidades

mes de enero para el

32,000.00 unidades

demos obtener estos pronósticos y otros mas,

isiones y que a su vez, contiene instrumentos
el campo de la investigación operativa.

(Periodos a pronosticar)
uiero utilizar:

g le colocamos que
667 igual al resultado del literal A

y arroja como

do el método de media móvil ponderada de tres

dato más actual normalmente se le da la mayor
ntiguo un peso del 10%. (tipicamente al más

unidades a vender para enero

 Modelo de suavización exponencial:

Recordemos que este método de estimación utiliza el último dato calculado como pronóstico y se ajusta a una tasa o fracción del erro
anterior.
La ecuación de este modélo es la siguiente:

Ft = Ft -1 + α (At -1 - Ft -1)
Donde:
Ft Que viene de forecasting (pronóstico), entonces pronóstico para el periodo t y este va a ser igual al:
Ft -1 Pronóstico para el periodo de t-1 (anterior a t) +
α Fracción o tasa de respuesta al error, que multiplica a la diferencia entre:
At -1 Valor real del periodo t - 1 menos el valor que se pronosticó, ambos del periodo inmediatamente anterior.
EJEMPLO:
Para el mismo caso, pero utilizando el método de promedio movil exponencial, suponiendo que contamos con un pronóstic
periodo inicial de 32 unidades, es decir, esperamos vender en enero 32.000 unidades y una constante de error al pronóstic
α = 9%. Determinar las ventas esperadas para enero del siguiente año.

Ventas en Pronóstico con

t Periodo miles de suavización Alfa = 0.09
unidades exponencial

1 Ene 30 32
2 Feb 31 31.82
3 Mar 25 31.7462
4 Abr 24 31.139042
5 May 23 30.49652822
6 Jun 26 29.82184068
7 Jul 27 29.47787502
8 Ago 28 29.25486627
9 Sep 30 29.1419283
10 Oct 30 29.21915476
11 Nov 31 29.28943083
12 Dic 33 29.44338205
13 Ene sgte. Año No disponible 29.76347767

Este ejemplo en Win QSB se haria de la siguiente manera:

Solve and analyze - perform forecasting

Single exponential smoothing (SES) (Suavisamiento exponencial simple)
Number of periods to forecasting 1
Smoothing constant alpha 0.1
Initial value F (0) if known (vr. Inicial si se conoce) 22
ok - arroja un resultado de 19,68 igual al resultado hallado con fórmula
 y se ajusta a una tasa o fracción del error en el periodo

ser igual al:

atamente anterior.

endo que contamos con un pronóstico para el

y una constante de error al pronóstico anterior de
 Es otra alternativa para realizar pronósticos; su sintáxis:

Función pronóstico:

PRONÓSTICO (X; CONOCIDO_Y; conocido_X)

Donde:

X es el periodo en el cual se desea pronosticar (ejemplo, un año en el cual se va a pronosticar).

El valor conocido Y es el rango conocido de valores de la variable Y, por ejemplo los valores historicos de las ventas de un prod
El valor conocido X es el rango conocido de valores de la variable X, por ejemplo los años para los que se conocen las ventas o
variable Y.

Vamos a ver un ejemplo: Dadas las ventas de 2008 a 2013, pronosticar las ventas del 2014.

Ejemplo 1
Año Unids. Vendidas (miles)
2010 42
2011 47
2012 44
2013 48
2014 49

Ejemplo 2

Año Unds. Vendidas (miles)

2008 25.0
2009 26.8
2010 27.8
2011 26.1
2012 28.6
2013 29.9
2014 30.1866666666667

Ejemplo 3

Hallar la tendencia de ventas de acuerdo a la siguiente información:

Mes Ventas
1 10,000
2 12,000
3 13,000
4 16,000
5 19,000

Para calcular la linea de tendencia mediante regresión lineal lo primero que haremos en este ejemplo es
graficar esta información historica:
 Para calcular la linea de tendencia mediante regresión lineal lo primero que haremos en este ejemplo es
graficar esta información historica:

Ventas
20,000
18,000
f(x) = 2200 x + 7400
16,000
14,000
Ventas
12,000
Linear (Ventas)
10,000
8,000
6,000
4,000
2,000
-
1 2 3 4 5

Ejemplo 4

Hallar la tendencia de ventas de acuerdo a la siguiente información:

Día Ventas en millones Fecha Aum. % vtas. Los datos de maximas ventas, dias y prome
1 14 10/1/2015 0.00% visualizar mejor los números antes de hacer
2 12 10/2/2015 -14.29% graficamos ventas. luego, sobre línea, botón
3 38 10/3/2015 216.67%
4 27 10/4/2015 -28.95% Ventas en
5 30 10/5/2015 11.11%
60
6 32 10/6/2015 6.67%
7 48 10/7/2015 50.00% 50 f(x) = 4.08484848484849 x + 12.333333
R² = 0.728510763862161
8 53 10/8/2015 10.42%
40
9 51 10/9/2015 -3.77%
10 43 10/10/2015 -15.69% 30
348
20

Maximas Vtas diarias Días Promedio 10

53 10 34.8
0
1 2 3 4 5 6 7 8

Datos
4.0848
12.333
X 15 DÍAS

Y 4.0848 15 12.333
Y 61.272 12.333
Y 73.605
).
storicos de las ventas de un producto.
a los que se conocen las ventas o una variable que sirva para pronosticar a la

emplo es
 emplo es

Como vemos, en esta gráfica se observa el volumen de ventas en cada

uno de estos seis meses.

Para obtener la línea de tendencia damos clic derecho sobre la línea y ahí
damos clic en la opción agregar línea de tendencia, opción lineal y clic en
Ventas presentar ecuación en el gráfico, cerrar. Excel marca automáticamente la
Linear (Ventas) linea de tendencia por regresión lineal y nos arroja la ecuación de esa linea
recta donde el número que se multiplica por X es la tendencia y la
constante sumada es la demanda base o las ventas que podemos tomar
como base.

e maximas ventas, dias y promedio son indicadores que nos permiten

mejor los números antes de hacer la tendencia. Después del promedio
ventas. luego, sobre línea, botón derecho - agregar linea de tendencia

Ventas en millones

4.08484848484849 x + 12.3333333333333
.728510763862161
Ventas en millones
Linear (Ventas en millones)

3 4 5 6 7 8 9 10