Técnicas Cuantitativas

› Utilizan la secuencia histórica de tiempo de la actividad de un articulo en

particular como fuente de datos para pronosticar su actividad futura.
› A esa historia se le denomina serie de tiempo.
› Los patrones típicos de la serie de datos son los siguientes:
› Una serie de tiempo consta de los siguientes componentes:
– Cíclicos.
– De tendencia.
– Estacionales.
– Al azar.

Las series del tiempo que se utilizan para pronósticos a corto plazo solo tienen
como componentes la tendencia, el carácter estacional y los componentes al
azar.
›
›
Análisis de las series de tiempo
› Algunas de las técnicas mas comunes para pronosticar las series
de tiempo sin buscar factores estacionales o de tendencia son:

– Promedio móvil.
– Promedio móvil ponderado.
– Suavización exponencial.
– Medición del error en el pronóstico.
– La señal de rastreo.
Promedio móvil
›
› Debido a que cada promedio se mueve hacia adelante un periodo
en cada ocasión, el procedimiento de quitar el valor mas antiguo
y agregar el mas reciente se llama promedio móvil.
› Se dice que la tendencia es satisfactoria cuando no hay tendencia
ni hacia arriba ni hacia abajo.
› Si existe alguna tendencia o efecto estacional, el promedio móvil
no funcionará muy bien.
Promedios móviles ponderados
Suavización exponencial
› Método mas utilizado para pronosticar la demanda de un articulo, consiste
en algunas de las diversas técnicas de suavización exponencial.
› Puede verse como una técnica para pronosticar basada en los errores de los
pronósticos. Si la proyección F, para el periodo n es Fn y la demanda actual
para el periodo n es Dn, entonces podemos pronosticar que para el siguiente
periodo será Fn más alguna fracción, α, del error actual (Dn- Fn).

Una de las ventajas de este método es que los datos que se requieren son
solo del ultimo pronostico, la ultima demanda actual y el valor de α.
Ejemplo
› Considerando:

› Para el periodo n-1

› Para el periodo n-2

›
› A continuación aplicaremos una suavización exponencial simple
a una muestra pequeña a fin de demostrar la técnica.
› Dejemos que los valores sean: α=0.3, Fn=100 y Dn=90. Entonces
tenemos:
› Ahora supongamos que la demanda para el periodo n+1 es 95. El
pronóstico para el periodo n+2 es:

› Los pronósticos se expresan en unidades enteras.

Medición del error
Errores de pronósticos

• Los pronósticos son intentos de predecir acontecimientos futuros, un

pronóstico bien realizado siempre va acompañado de su Error.

• Entiéndase el error de pronóstico de la DEMANDA del periodo t como la

diferencia entre el valor real de la DEMANDA con el valor pronosticado.

Et=Dt-Ft
Errores de pronósticos
• Existen diferentes métodos para determinar el error:
• Suma acumulada de errores de pronóstico (CFE)
• Es la suma acumulada de los errores de pronóstico.
• Nos permite evaluar el sesgo del pronóstico.
•

• Desviación Media Absoluta (MAD):

• Es el valor absoluto de la diferencia entre la demanda real y el pronóstico, dividido sobre
el número de periodos.
Errores de pronósticos
• Error Cuadrático Medio (MSE):
• Consiste en el promedio “n” de elevar el error al cuadrado los errores, se
recomienda su uso cuando los errores son pequeños.

› Error porcentual medio absoluto (MAPE)

• Nos entrega la desviación en términos porcentuales y no en unidades como las
anteriores medidas.
• Es el promedio del error absoluto o diferencia entre la demanda real y el
pronóstico, expresado como un porcentaje de los valores reales.
Ejemplo
En este ejemplo de errores de
pronóstico, tomamos la
empresa IngE que vende televisores
y su demanda a través del año fue la
siguiente:
Igualmente a través del año la empresa
pronosticó la demanda con el método de
promedio móvil simple. Estos fueron los
resultados:
Ejemplo
• Para calcular cada una de las medidas de error mostradas hasta ahora:
• En una columna para cada periodo calculamos el error de pronóstico hallando la resta entre la demanda real y el pronóstico.
• En otra columna restamos en valor absoluto la demanda real con el pronóstico para cada periodo. Lo que en otras palabras
vendría siendo el valor absoluto del error de pronóstico. Esto lo hacemos para calcular el MAD.
• En otra columna elevamos al cuadrado el error de pronóstico de cada periodo. Esto lo hacemos para calcular el MSE.
• En otra columna, dividimos la demanda real / mad.
• Hacemos la suma de los resultados que obtuvimos para cada periodo en cada columna.
Ejemplo
• Los cálculos se realizan a partir del periodo 4, debido a que nuestro promedio móvil simple tiene n=3,
por ende en los tres primeros periodos no tenemos pronóstico de demanda.

• Teniendo en cuenta que el número de periodos que pronosticamos es de 12:

• La suma acumulada de errores de pronóstico (CFE) es 27. Ya la teníamos calculada al hacer la
sumatoria en la columna de error de pronóstico.
• La desviación absoluta media (MAD) la calculamos dividiendo 97 entre 12.
• El error cuadrático medio (MSE) lo calculamos dividiendo 1081 entre 12.
• Dividimos 182% entre 12 para calcular el error porcentual absoluto medio (MAPE)

• Esto es lo que obtenemos: