PATRICIA ELIZABETH FRANCO

BURBANO
MARKETING
GRUPO N° 2

METODOS PARA PRONOSTICAR LA DEMANDA

Se clasifican en:

1. Cualitativos
2. Cuantitativos

Cualitativos:

 Panel consensus
 Método Delphi
 Entrevistas a clientes
 Analogía histórica
 Investigación de Mercado

Cuantitativos:

 Regresión Lineal
 Promedio Simple
 Promedio Móvil
 Suavizado exponencial
 Suavizado exponencial con tendencia
Considere el siguiente conjunto de datos correspondiente a la demanda de un
determinado producto:

Tiempo 1 2 3 4 5 6 7 8 9 10 11 12
Demand
10 14 19 26 31 35 39 44 51 55 61 54
a

La previsión que se hizo para el mes 1 fue 8.8 (aunque la demanda real fue 10). Con
estos datos realizar:

1. Una tabla evaluando diferentes métodos de pronóstico:

a. Promedio simple
b. Promedio móvil (3 periodos)
c. Suavizado exponencial ( = 0,4)
d. Suavizado exponencial con ajuste (=0,4 y =0,3)
e. Regresión lineal

PROMEDIO SIMPLE

PD t=
∑ demanda de todo los periodos anteriores
n úmero de periodos de demandas

( 10+14 +19+26+31+35+ 39+44 +51+ 55+61+54 ) 439

PD 13= =
12 12

PD 13=36.58 productos

PROMEDIO MOVIL (3 PERIODOS)

PD t=
∑ demanda de los ultimos n periodos
n ultimos periodos
 ( 54 +61+55 ) 170
PD 13= = =56.67 productos
3 3

SUAVIZADO EXPONENCIAL (α=0.4)

Recordemos que el pronóstico del periodo 1 fue de 8.8 (según datos especificado en el
ejercicio).

PD t=PD t −1+∝(Rt −1−PD t−1)

T Cantidad Pronóstico T
Pronóstico para el periodo 13 es 53.4 productos

SUAVIZADO EXPONENCIAL CON AJUSTE DE TENDENCIA (α=0.4 y β=0.3)

PDT t=PD t + T t

En donde:
PD t=PD t −1+∝(Rt −1−PD t−1)

T t=β ( PD ¿ ¿ t−PD t−1)+(1−β )T t−1 ¿

T Cantidad Pronóstico T
Pronóstico para el periodo 13 es 56.9 productos

REGRESION LINEAL

Y =a+bx

b=
∑ ( XY )−n XY
∑ X 2−n X 2

Pronóstico para el periodo 13 es:

T Cantidad Pronóstico T
Y =a+bx

Y =6.42+ 4.64 ( 13 )

Y =66.74 productos

Tabla de Resumen de pronósticos según método

Método Pronóstico
Promedio Simple 36.58 = 37

Promedio Móvil 56.67 = 57

Suavizado Exponencial 53.40 = 53

Suavizado c/tendencia 56.90 = 57

Regresión Lineal 66.74 = 67