PATRONES ESTACIONALES

1. Calcule la demanda promedio por estación entre el número de estaciones por año
2. Para cada año, divida la demanda real correspondiente a una estación entre la demanda
promedio por estación, el resultado será el índice estacional
3. Calcular el índice estacional promedio para cada estación, usando los resultados de 2.
Sume los índices para cada una de las estaciones dada y divídalos entre el número de años
que abarquen datos.
4. Calcular el pronóstico de cada estación para el año siguiente comience con el cálculo de la
demanda promedio por cada estación del año siguiente.

EJEMPLO 1
El gerente de una empresa se dedica a fabricar alfombras y requiere hacer un pronóstico
trimestral del número esperado de ventas para el año siguiente. A continuación, se
presentan los datos de la demanda trimestral registrada en los últimos cuatro años

TRIMESTRE AÑO 2015 2016 2017 2018

1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215

El gerente desea pronosticar la demanda de los clientes en cada trimestre del año 2019,
basándose en una estimación de la demanda total del año 2019 de 2600 clientes

ESTACIONALIDAD
1400

1200

1000

800

600

400

200

0
T1 T2 T3 T4 T1 T2 T3 T4 T1 T2 T3 T4 T1 T2 T3 T4 T1 T2 T3 T4

PRONOSTICOS CAUSAL

Donde existe dos o mas variables , lo que una busca una correlación de los datos como tal.

REGRESION LINEAL, REGRESION MULTIPLE , MINIMOS CUADRADOS.

 Regresión lineal : maneja dos variables una de tipo dependiente Y y otra independiente X
Busco observar la relación de esas dos variables , pueden ser de tres tipos

1.Relación fuerte y directa : por ejemplo el comportamiento de la temperatura frente al

comportamiento de los refrescos.
2. No existe relación entre las variables: por ejemplo clima con respecto las personas que
van a la biblioteca
3. Relación es fuerte pero indirecta: cantidad de parciales o exámenes vs el consumo del
alcohol.

COEFICIENTE DE CORRELACION el rango es entre -1 y 1Relación fuerte y directa 0,7 a 1

Relación regular y directa 0,3 a 0,7
No existe relación entre variables -0.3 a 0,3
Relación reglar e indirecta de -0,3 a -0,7
Relación fuerte e indirecta -0,7 a -

La regresión lineal es un método causal b=n ¿ ¿

donde se debe determinar una variable
σXY
dependiente e independiente, a r=
continuación se muestran las formulas de la σXσY
regresión lineal: n

Y =a+bX
∑ XiYi
σXY = i=1 − X́ Ý
a = Es la intersección de la recta con respecto n
al eje Y
b = es la pendiente de la recta n

r = Es el coeficiente de relación, si es cercano

a 1 se determina que la relación de las
variables es directa y fuerte , si es más
cercano a 0 es débil y si es más cercano a -1
σX =
√ ∑ Xi 2
i=1
n
−¿

es fuerte inversa
n
Y= es la variable dependiente
X= Es la variable independiente
n

∑Y
n

∑X
σY =
√ ∑ Yi 2
i=1
n
−¿

i=1
a= −b i =1
n n
 EJEMPLO

El palacio del pollo ofrece comidas que incluye cinco piezas de pollo para llevar a casa a
precios especiales. El número de comidas vendidas y el precio de las cajitas aparecen a
continuación. Determine la ecuación de regresión y coeficiente de correlación. ¿Cuantas
comidas piensa el palacio del Pollo vender si se vende a $3 cada cajita?

precio Cajitas vendidas

2,7 760
3.5 510
2 980
4,2 250
3,1 320
4,05 480

ERRORES DE PRONOSTICO

CFE =suma acumulada de los errores de pronostico

Et = Dt-Ft

n
CFE = ∑ Et
t =1

Si el CFE tiene un valor muy grande es posible que se hay omitido un elemento de
tendencia o estacionalidad.

Error cuadrático (MSE) , la MAD (Desviación estándar de la media9 : Estos indicadores de

errores miden el grado de dispersión de los datos

∑ Et 2
MSE= t =1
n
n

∑|Et |
MAD= t =1
n
 PEMA = Error porcentual absoluto

Uno de los más importantes indicadores de error es el error porcentual medio absoluto (PEMA) el
cual mide la relación que existe entre la demanda y pronóstico generando un porcentaje, un
pronóstico menor al 10% se puede considerar aceptable.

|Et|
Dt
PEMA= ∗100 %
n
Señal de rastreo

Mide como el pronóstico puede predecir la variabilidad de la demanda

error acumulado
Señal de rastreo =
MAD

Si la señal de rastreo da en el intervalo de -4 MAD A 4 MAD significa que el pronóstico es

válido y que tiene la capacidad de predecir el pronóstico con valores reales.