INTRODUCCIÓN

Largo plazo

• Para la planeación estratégica de negocios

Mediano Plazo

• Proyectar nuevas demandas para la planeación de producción

Corto Plazo

• Para la planeación de artículos. Esta asociada con Master Production

Scheduling
 IMPORTANCIA Administración de la
demanda
• MEDIANTE LA ADMINISTRACIÓN DE LA DEMANDA SE
RECOPILAN Y COORDINAN LAS DEMANDAS Administración de la
POTENCIALES QUE SE PLANTEAN A LA CAPACIDAD DE Necesidades
producción e
Clientes
PRODUCCIÓN. inventarios API

• UNA PLANEACIÓN CORRECTA DE TODAS LAS

DEMANDAS SIGNIFICA QUE LA CAPACIDAD PUEDE Clientes
PLANEARSE Y CONTROLARSE MEJOR.
ENLACES CLAVES DE LA ADMINISTRACIÓN DE LA
DEMANDA Limite de
la API
Mercado (clientes y
Planeación de Planeación de Administración
otras fuentes de
recursos la producción de la demanda
demanda)

Programación
maestra de la
producción
FUENTES DE DEMANDA
Clientes locales y foráneos
Almacenes de distribución
IDENTIFICACION DE FUENTES Partes para mantenimiento y
DE DEMANDA requerimientos
Inventario para distribución
Plantas de la misma
corporación

Planeación efectiva de material

y capacidad de recursos
ACTIVIDADES PRINCIPALES

• PRONÓSTICO
• PROCESAMIENTO DE ORDENES
• COMPROMISO DE ENTREGAS
• INTERACCIÓN ENTRE PLANEACIÓN Y CONTROL DE
PRODUCCIÓN Y EL MERCADO
 PRONÓSTICOS
DEFINICIÓN: estimación de la demanda
futura de productos y servicios así
como de los recursos necesarios para
producirlos

Forma parte integral de la planeación

empresarial

Las estimaciones de demanda para

productos y servicios se conocen como
pronósticos de ventas y de éstos parten
los demás pronósticos de la empresa
QUE ES EL PRON0STICO?
• ARTE Y CIENCIA DE PREDECIR ACONTECIMIENTOS
FUTUROS
• BASE DE TODAS LAS DECISIONES EMPRESARIALES
• PRODUCCIÓN
• INVENTARIO
• PERSONAL INSTALACIONES
INFLUENCIA DEL CICLO DE VIDA DE UN
PRODUCTO
• LAS ETAPAS DE INTRODUCCIÓN Y CRECIMIENTO
NECESITAN PRONÓSTICOS MAS LARGOS QUE LAS DE
MADUREZ Y DECLIVE
• LOS PRONÓSTICOS SON ÚTILES PARA PROYECTAR
• NIVELES DE PERSONAL
• NIVELES DE INVENTARIO
• NIVELES DE CAPACIDAD DE PRODUCCIÓN
IMPORTANCIA ESTRATÉGICA DEL
PRONÓSTICO
• RECURSOS HUMANOS : CONTRATAR, FORMAR Y DESPEDIR A LOS
TRABAJADORES DEPENDE DE LA DEMANDA ESPERADA

• CAPACIDAD: CUANDO LA CAPACIDAD ES INSUFICIENTE, PUEDE

TRADUCIRSE EN UNA ENTREGA NO FIABLE, PERDIDA DE CLIENTES

• GESTIÓN DE LA CADENA DE SUMINISTRO: LAS RELACIONES CON LOS

PROVEEDORES Y VENTAJAS CONSIGUIENTES DE PRECIO PARA M.P. Y
MATERIALES DEPENDE DE LA PRECISIÓN EN EL PRONÓSTICO
IMPORTANCIA DE LOS PRONÓSTICOS EN LA ADMINISTRACIÓN DE
LA PRODUCCIÓN

Planeación de
Planeación de la Programación de la
nuevas
producción fuerza de trabajo
instalaciones
NECESIDAD DE LOS PRONOSTICOS
• ENTORNO ALTAMENTE INCIERTO
• LA INTUICIÓN NO SIEMPRE PERMITE OBTENER LOS MEJORES RESULTADOS
• MEJORAR LA PLANEACIÓN. LOS PLANES SE BASAN EN EL POSIBLE COMPORTAMIENTO FUTURO DE ALGUNA
O LAGUNAS VARIABLES. UN BUEN PLAN DEBE BASARSE EN UNA PROYECCION APROPIADA DE LAS
VARIABLES
• COMPETITIVIDAD Y CAMBIO. ENTORNO EMPRESARIAL ES CADA VEZ MAS COMPETITIVO Y CAMBIANTE.
ESTO OBLIGA A EFECTUAR ANALISIS PROFUNDOS DEL ENTORNO Y DE LA FORMA QUE LO PROYECTAMOS A
FUTURO PARA PODER VER SUS CONSECUENCIAS Y TOMAR MEJORES DECISIONES
 ETAPAS EN EL SISTEMA DE PRONOSTICAR
• DETERMINAR LA UTILIZACIÓN DEL PRONÓSTICO
• SELECCIONAR LOS ARTÍCULOS EN LOS QUE SE VA A REALIZAR EL
PRONÓSTICO
• DETERMINAR EL HORIZONTE TEMPORAL DEL PRONÓSTICO
• SELECCIONAR EL (LOS) MODELO (S) DE PRONOSTICAR
• RECOPILAR DATOS
• REALIZAR EL PRONÓSTICO
• VALIDAR E IMPLEMENTAR LOS RESULTADOS
TIPOS DE PRONÓSTICOS
Pronósticos • Dirigidos al ciclo empresarial, por ejemplo: tasa
económicos de inflación, masa monetaria, etc.

Pronósticos • Predicen el progreso tecnológico

• Nacimiento de nuevos productos, que necesitan
tecnológicos nuevas plantas y equipos

Pronósticos • Predicen las ventas y determinan la producción

de las empresas y su capacidad
de demanda • Sirven como inputs a la planificación financiera, de
marketing, de personal, etc.
TIPOS DE PRONÓSTICOS EN BASE AL PERIODO DE TIEMPO
TIPOS DE HORIZONTE TEMPORAL DEL
PRONOSTICO
• PRONOSTICO A CORTO PLAZO
• COBERTURA DE HASTA UN AÑO. GENERALMENTE INFERIOR A LOS TRES MESES
• PROGRAMACIÓN DE TRABAJO, ASIGNACIÓN DE TAREAS
• PRONÓSTICO A MEDIO PLAZO
• ENTRE UNO Y TRES AÑOS
• PLANIFICACIÓN DE LAS VENTAS, DE LA PRODUCCIÓN Y DEL PRESUPUESTO
• PRONÓSTICO A LARGO PLAZO
• PERIODOS SUPERIORES A TRES AÑOS
• PLANIFICACIÓN DE NUEVOS PRODUCTOS, LOCALIZACIÓN DE INSTALACIONES
PRONÓSTICOS A CORTO PLAZO FRENTE A PRONÓSTICOS A
LARGO PLAZO
Pronósticos a • Tratan de asuntos extensos
• Apoyan las decisiones de gestión concernientes
mediano y largo a la planificación táctica y estratégica

plazo
• Emplean técnicas estadísticas para su análisis,
Pronósticos a promedios móviles, alisado exponencial, etc,.
• Tienden a ser más exactos que las realizadas a
corto plazo largo plazo
REALIDADES SOBRE EL PRONÓSTICO

• RARAS VECES LOS PRONÓSTICOS SON PERFECTOS

• LA MAYORÍA DE LAS TÉCNICAS DE PRONÓSTICO ASUMEN QUE EXISTE CIERTA
ESTABILIDAD SOSTENIDA AL SISTEMA
• TANTO LOS PRONÓSTICOS DE FAMILIAS DE PRODUCTOS COMO LOS
PRONÓSTICOS EN CONJUNTO SON MAS PRECISOS QUE LOS PRONÓSTICOS
DE PRODUCTOS INDIVIDUALES
 ENFOQUES DE LOS PRONÓSTICOS
METODOS CUALITATIVOS
• SE EMPLEAN CUANDO LA SITUACIÓN NO ES
CLARA Y Y HAY POCOS DATOS:
• PRODUCTOS NUEVOS
• NUEVA TECNOLOGÍA
• REQUIEREN INTUICIÓN Y EXPERIENCIA:
• EL PRONÓSTICO DE VENTAS A TRAVÉS DE
INTERNET
METODOS CUANTITATIVOS
• SE EMPLEAN CUANDO LA SITUACIÓN ES ESTABLE
Y EXISTEN DATOS HISTÓRICOS:
• PRODUCTOS EXISTENTES
• TECNOLOGÍA ACTUAL
• REQUIEREN TÉCNICAS ESTADÍSTICAS
• EL PRONÓSTICO DE VENTAS DE COMPUTADORES
VISIÓN GLOBAL DE LOS TÉCNICAS CUALITATIVAS
• GRUPOS DE OPINIÓN EJECUTIVA
SE AGRUPAN LAS OPINIONES DE UN GRUPO DE EXPERTOS DE ALTO NIVEL O
DIRECTIVOS, A MENUDO EN COMBINACIÓN CON MODELOS ESTADÍSTICOS
• PROPOSICIÓN DE PERSONAL COMERCIAL
LAS ESTIMACIONES DE LAS VENTAS ESPERADAS POR LOS VENDEDORES SE
REVISAN PARA SABER SI SE PUEDE LLEVAR A CABO UN PRONÓSTICO GLOBAL
• MÉTODO DELPHI
PROCESO DE GRUPO QUE PERMITE A LOS EXPERTOS REALIZAR PRONÓSTICOS
• ESTUDIO DE MERCADO DEL CONSUMIDOR
REQUIERE INFORMACIÓN D ELLOS CLIENTES
 VISIÓN GLOBAL DE LOS TÉCNICAS
CUANTITATIVAS
• ENFOQUE SIMPLE
• MEDIAS MOVILES Modelos de series
temporales
• ALISADO EXPONENCIAL

• REGRESIÓN LINEAL Modelos de

asociativos o causales
MÉTODOS DE PRONÓSTICOS CUANTITATIVOS
PRONOSTICO
CUANTITATIVO

MODELOS DE
MODELOS
SERIES
CAUSALES
TEMPORALES

PROMEDIO ALISADO PROYECCIÓN REGRESIÓN

MOVIL EXPONENCIAL DE TENDENCIA LINEAL

METODO HOLT-
SIMPLE PONDERADO SIMPLE DOBLE
WINTERS
ENFOQUES DE LAS TÉCNICAS CUANTITATIVAS ESTADÍSTICAS

• LOS DATOS SE PUEDEN DESCOMPONER EN COMPONENTES:

• TENDENCIA
• ESTACIONALIDAD
• CICLICIDAD
• IRREGULARIDAD(ALEATORIA)
• MODELOS ECONOMÉTRICOS DE SERIES DE TIEMPO Y BOX-
JENKINS
SERIES DE TEMPORALES
• ES UNA SECUENCIA DE DATOS UNIFORMEMENTE ESPACIADA:
• SE OBTIENE OBSERVANDO LAS VARIABLES EN PERÍODOS DE TIEMPO REGULARES
• UNA SERIE DE TIEMPO CONSTA DE DATOS QUE SE REÚNEN, REGISTRAN U OBSERVAN SOBRE
INCREMENTOS SUCESIVOS DE TIEMPO. DATOS SEMANALES , MENSUALES, ANUALES O CUALQUIER OTRA
FRECUENCIA
• SE TRATA DE UN PRONÓSTICO BASADO EN DATOS PASADOS
• SUPONE QUE LOS FACTORES QUE HAN INFLUIDO EN EL PASADO LO SIGAN HACIENDO EN EL FUTURO
COMP. VENTAS
• EJEMPLO: 93,2 92,1

VENTAS
89,7
78,7
AÑO: 1996 1997 1998 1999 2000 63,5
2015 2016 2017 2018 2019
VENTAS: 78,7 63,5 89,7 93,2 92,1 VENTAS
DESCOMPOSICIÓN CLÁSICA DE SERIES TEMPORALES
COMPONENTE DESCRIPCIÓN
TENDENCIA Componente de largo plazo que representa el aumento o
disminución en la serie sobre un periodo amplio. Ejm.
Aumento del 10% anual de ventas de un producto durante
los 5 años
CÍCLICO Fluctuación en forma de onda alrededor de la tendencia
ESTACIONAL Es un patrón de cambio que se repite a sí mismo año tras
año. Ejm. Ventas de un producto para invierno
VARIACIONES Mide la variabilidad de las series de tiempo después de
ALEATORIAS retirar los otros componentes
TENDENCIA
Tendencia
• ES EL MOVIMIENTO GRADUAL DE ASCENSO O DESCENSO
DE LO DATOS A LO LARGO DEL TIEMPO
• LOS CAMBIOS EN LA POBLACIÓN, INGRESOS, ETC.,
INFLUYEN EN LA TENDENCIA
• VARIOS AÑOS DE DURACIÓN
ESTACIONALIDAD
• MUESTRA DE DATOS DE ASCENSO Y DESCENSO QUE SE estacional

REPITE
• SE PUEDE VER AFECTADA POR LA CLIMATOLOGÍA, LAS
COSTUMBRES, ETC.
• SE PRODUCE DENTRO DE UN PERÍODO ANUAL
CICLICIDAD
• MOVIMIENTOS DE ASCENSO Y DESCENSO QUE SE REPITE
• SE PUEDEN VER AFECTADOS POR INTERACCIONES DE FACTORES QUE
INFLUYEN EN LA ECONOMÍA.
• SUELEN DURAR 2 A 10 AÑOS
cíclico
VARIACIONES ALEATORIAS
• SON SALTOS EN LOS DATOS CAUSADOS POR EL AZAR Y
SITUACIONES INUSUALES
• SON DEBIDAS A VARIACIONES ALEATORIAS O A
SITUACIONES IMPREVISTAS
• HUELGAS
• TORNADO

• SON DE CORTA DURACIÓN Y NO SE REPITEN

PATRONES DE SERIES DE TIEMPO TENDENCIA LINEAL
PATRON ALEATORIO
CRECIENTE

DEMANDA
DEMANDA

TIEMPO TIEMPO

TENDENCIA CURVILINEA PATRON CON TENDENCIA Y ESTACIONALIDAD

DEMANDA

DEMANDA
TIEMPO TIEMPO
MODELOS DE SERIES TEMPORALES

• PREDICEN BAJO LA PREMISA DE QUE EL FUTURO ES UNA FUNCIÓN DEL

PASADO
• OBSERVAN LO QUE HA OCURRIDO A LO LARGO DE UN PERÍODO DE TIEMPO Y
UTILIZAN UNA SERIE DE DATOS PASADOS PARA REALIZAR UN PRONÓSTICO
ENFOQUE SIMPLE
• SUPONE QUE LA DEMANDA EN EL PRÓXIMO
PERÍODO SERÁ IGUAL A LA DEMANDA DEL
PERÍODO MAS RECIENTE
POR EJEMPLO: SI EN MAYO HUBO 48 VENTAS, EN JUNIO
HABRÁ 48 VENTAS
PROMEDIOS MÓVILES
• SON UNA SERIE DE OPERACIONES ARITMÉTICAS
• SE UTILIZAN SI NO HAY TENDENCIA O SI ÉSTA ES ESCASA
• SE SUELEN UTILIZAR PARA EL ALISADO:
• PROPORCIONA UNA IMPRESIÓN GENERAL DE LOS DATOS A LO LARGO DEL TIEMPO
σ 𝐷𝐸𝑀𝐴𝑁𝐷𝐴 𝐷𝐸 𝑛 𝑃𝐸𝑅Í𝑂𝐷𝑂𝑆 𝑃𝑅𝐸𝑉𝐼𝑂𝑆
𝑀𝑀𝑛 =
𝑛
EJEMPLO
• UN DIRECTOR DE UNA TIENDA DE MUSEO DESEA PREDECIR LAS VENTAS (EN MILES) DEL MES DE
JUNIO DEL AÑO 2019 MEDIANTE UN PROMEDIO MÓVIL CON 3 PERÍODOS. CUENTA CON LOS
SIGUIENTES DATOS
MES VENTAS MEDIA MOVIL n =3
VENTAS REPLICAS
1 4 9

2 6 8

3 5 7

4 3 (4+6+5)/3=5 6

5
5 7 (6+5+3)/3= 4,6
4
6 (5+3+7)/3=5
3

2
1 2 3 4 5 6
 Ventas reales de
MES MM-3
cobertores

EJERCICIO Enero
Febrero
10
12
Marzo 13
Abril 16
Mayo 19
Junio 23
Julio 26
Agosto 30
Septiembre 28
Octubre 18
Noviembre 16
Diciembre 14
 MÉTODO DE MEDIA MOVIL PONDERADA
• SE UTILIZA CUANDO SE PRESENTA UNA TENDENCIA:
• SE PUEDE UTILIZAR PARA ENFATIZAR MÁS LOS VALORES RECIENTES
• LAS PONDERACIONES SE BASAN EN LA INTUICIÓN
• DECIDIR REQUIERE EXPERIENCIA

• ECUACIÓN:

σ 𝑷𝒐𝒏𝒅𝒆𝒓𝒂𝒄𝒊ó𝒏 𝒑𝒂𝒓𝒂 𝒆𝒍 𝒑𝒆𝒓í𝒐𝒅𝒐 𝒏 ∗ (𝑫𝒆𝒎𝒂𝒏𝒅𝒂 𝒆𝒏 𝒆𝒍 𝒑𝒆𝒓í𝒐𝒅𝒐 𝒏)

𝑴𝑴𝑷 =
σ 𝒑𝒐𝒏𝒅𝒆𝒓𝒂𝒄𝒊𝒐𝒏𝒆𝒔
EJEMPLO
MES VENTAS MMP n =3
1 4
2 6 VENTAS REPLICAS
9
3 5 8
8
7
4 3 (4*3+6*2+5*1)/6 = 5,17 7 6,5

5 7 (6*3+5*2+3*1)/6 = 4,17 6
5
5
6 (5*3+3*2+7*1)/6 = 5,33 4
4
3
3
2
1 2 3 4 5 6
INCONVENIENTES DE LOS PROMEDIOS
MOVILES

• AL AUMENTAR N VECES, LOSPRONÓSTICOS SON

MENOS SENSIBLES A LOS CAMBIOS
• NO ES POSIBLE PREDECIR BIEN LA TENDENCIA
• SE NECESITAN MUCHOS DATOS HISTÓRICOS
SUAVIZADO EXPONENCIAL
• ES UNA TÉCNICA DE PRONÓSTICO DE PROMEDIO MÓVIL PONDERADO
• LAS PONDERACIONES DISMINUYEN EXPONENCIALMENTE
• SE PONDERAN MAS LOS DATOS RECIENTES

• SE NECESITA UNA CONSTANTE DE SUAVIZADO (𝜶):

• TOMA VALORES ENTRE 0 Y 1
• SE ESCOGE DE FORMA SUBJETIVA

• NECESITA DE UNA CANTIDAD REDUCIDA DE DATOS HISTÓRICOS

MÉTODOS DE SUAVIZACION PARA PRONÓSTICOS
• SIMPLE
• DOBLE
• HOLT-WINTERS (NO ESTACIONAL)
• HOLT-WINTERS (ADITIVO)
• HOLT-WINTERS (MULTIPLICATIVO)

𝑬𝑪𝑼𝑨𝑪𝑰Ó𝑵: 𝑭𝒕 = 𝑭𝒕−𝟏 + 𝜶 ∗ 𝑫𝒕−𝟏 − 𝑭𝒕−𝟏 ; 0<𝛼<1

Donde:

𝑭𝒕 ∶ 𝐕𝐚𝐥𝐨𝐫 𝐩𝐫𝐨𝐧𝐨𝐬𝐭𝐢𝐜𝐚𝐝𝐨
𝜶: constante de suavizado
𝑫𝒕−𝟏 : 𝑫𝒆𝒎𝒂𝒏𝒅𝒂 𝒓𝒆𝒂𝒍 𝒅𝒆𝒍 𝒑𝒆𝒓í𝒐𝒅𝒐 𝒑𝒓𝒆𝒗𝒊𝒐
𝑭𝒕−𝟏 : 𝑽𝒂𝒍𝒐𝒓 𝒅𝒆𝒍 𝒑𝒓𝒐𝒏ó𝒔𝒕𝒊𝒄𝒐 𝒅𝒆𝒍 𝒑𝒆𝒓𝒊𝒐𝒅𝒐 𝒑𝒓𝒆𝒗𝒊𝒐
EJEMPLO
• SE DESEA PREDECIR EL NÚMERO DE PERSONAS QUE ASISTIRÁN A UNA CONVENCIÓN EN EL AÑO
2019 MEDIANTE SUAVIZACIÓN EXPONENCIAL (𝜶 = 𝟎, 𝟏) EL PRONÓSTICO PARA EL AÑO 2014 FUE DE
175 PERSONAS
AÑO Datos reales (𝑫𝒕 ) Pronóstico (𝑭𝒕 )
2014 180 175
2015 168
2016 159
2017 175
2018 190
2019
2020
 SELECCIÓN DE UNA TÉCNICA DE PRONÓSTICO
DATOS CON TENDENCIA

Productividad creciente e incorporación de nueva tecnología que

producen cambios
El incremento de la población eleva la demanda por producto
Aumenta la aceptación en el mercado de un producto
El poder de compra es afectado por la inflación
 SELECCIÓN DE UNA TÉCNICA DE PRONÓSTICO
DATOS CON ESTACIONALIDAD

El clima influye en la variable de interés

El año calendario influye en la variable

 SELECCIÓN DE UNA TÉCNICA DE PRONÓSTICO
SERIES CÍCLICAS

El ciclo del negocio influye sobre la variable

Cambio en el gusto popular
Cambios en la población
Cambios en el ciclo de vida del producto
SELECCIÓN DE UNA TÉCNICA DE PRONÓSTICO
DATOS ESTACIONARIOS

Las fuerzas que generan la serie se han estabilizado y el medio

permanece relativamente sin cambios
La serie se puede transformar en una serie estable
La serie es un conjunto de errores de pronósticos, de una técnica de
pronóstico que se considera adecuada
 PREDICCIÓN DE TENDENCIA Y
ESTACIONALIDAD CON SERIES TEMPORALES
• AJUSTE DE LA TENDENCIA Y ESTACIONALIDAD
• EXISTEN TRES RAZONES PARA ESTUDIAR LA TENDENCIA (T) DE UNA SERIE
CRONOLÓGICA
• DESCRIBIR EL PATRÓN HISTÓRICO DE LOS DATOS
• PROYECTAR PATRONES O TENDENCIAS PASADAS HACIA EL FUTURO
• ELIMINAR LA COMPONENTE DE TENDENCIA DE LA SERIE CRONOLÓGICA

• MÉTODO DE MEDIAS MÓVILES :

• CONSISTE EN CALCULAR MEDIAS SUCESIVAS A LO LARGO DE LAS SERIES
• CONSISTE EN APROXIMAR EL VALOR DE LA TENDENCIA DE LA VARIABLE DE INTERÉS
EN EL INSTANTE T MEDIANTE EL PROMEDIO DE OBSERVACIONES CERCANAS
COMPONENTES DE LA DEMANDA
Demanda Observada = Componente sistemático (T y E)+ componente aleatorio (I)

𝑌𝑡 ≈ 𝑇𝑡 ~𝐸𝑡 ~𝐼𝑡
𝑇𝑡 : 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎, 𝑡𝑎𝑠𝑎 𝑑𝑒 𝑐𝑟𝑒𝑐𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑜 𝑑𝑒𝑐𝑙𝑖𝑛𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒:
𝐸𝑡 : 𝐸𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑, 𝑓𝑙𝑢𝑐𝑡𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠 𝑝𝑟𝑒𝑑𝑒𝑐𝑖𝑏𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎
𝐼𝑡 : 𝑎𝑙𝑒𝑎𝑟𝑜𝑟𝑖𝑜 𝑟𝑢𝑖𝑑𝑜 , 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑖𝑛ℎ𝑒𝑟𝑒𝑛𝑡𝑒 𝑒𝑛 𝑡𝑜𝑑𝑜 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠

Modelo Aditivo 𝑌𝑡 = 𝑇𝑡 + 𝐸𝑡 + 𝐼𝑡

Modelo Multiplicativo 𝑌𝑡 = 𝑇𝑡 ∗ 𝐸𝑡 ∗ 𝐼𝑡
SELECCIÓN DEL MODELO
𝑑𝑡 = 𝑌𝑡+1 − 𝑌𝑡 𝐶𝑉𝑑 < 𝐶𝑉𝑐 ;𝑎𝑑𝑖𝑡𝑖𝑣𝑜

𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛
𝑌𝑡+1 𝐶𝑉 = 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟
𝑚𝑒𝑑𝑖𝑎
𝑐𝑡 = 𝐶𝑉𝑐 < 𝐶𝑉𝑑 ; 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑐𝑎𝑡𝑖𝑣𝑜
𝑌𝑡
SERIES TEMPORALES. ESTUDIO DE TENDENCIA

• MEDIAS MÓVILES
Dada la serie Y1, Y2, Yt, el método de medias móviles de orden p (MM-p) consiste en aproximar el valor
de la tendencia de la variable de interés en el instante t (Tt) mediante el promedio de observaciones
cercanas
Promedio móvil de orden 3:

𝑌𝑡−1 + 𝑌𝑡 + 𝑌𝑡+1
𝑇𝑡 = 𝑀𝑀3 =
3
Características:
- Cuando aumenta el orden de suavizado la tendencia se comporta mas suavemente (se lima picos)
- Las MM no permiten estudiar la evolución futura de la serie
MÉTODOS ANALÍTICOS PARA MODELIZAR LA TENDENCIA

Métodos Habituales:

𝐿𝑖𝑛𝑒𝑎𝑙: 𝑇𝑡 = 𝑎 + 𝑏𝑥𝑡

𝑃𝑎𝑟𝑎𝑏ó𝑙𝑖𝑐𝑜: 𝑇𝑡 = 𝑎 + 𝑏𝑥𝑡 + 𝑐𝑥𝑡 2

𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙: 𝑇𝑡 = 𝑎𝑥𝑒 𝑏𝑥𝑡

Donde a, b, c son cantidades desconocidas que se deben obtener para analizar la tendencia:

R2: Coeficiente de determinación. – medida entre 0 y 1; cuando los valores se aproximan a

0, la tendencia se reproduce adecuadamente
ELIMINACIÓN DE LA TENDENCIA
El ajuste de tendencia permite obtener una serie de datos exentos de efecto de tendencia,
denominada serie sin tendencia

𝑌𝑡 ≈ 𝑇𝑡 ~𝐸𝑡 ~𝐼𝑡

Modelo Aditivo 𝑌𝑡 = 𝑇𝑡 + 𝐸𝑡 + 𝐼𝑡 𝑌𝑡 − 𝑇𝑡 = 𝐸𝑡 + 𝐼𝑡 𝑌𝑡∗ = 𝑌𝑡 − 𝑇𝑡

Modelo Multiplicativo
𝑌𝑡
∗
𝑌𝑡
𝑌𝑡 = 𝑇𝑡 ∗ 𝐸𝑡 ∗ 𝐼𝑡 𝑇𝑡
= 𝐸𝑡 ∗ 𝐼𝑡 𝑌𝑡 =
𝑇𝑡
AJUSTE Y PREDICCIÓN
Valores futuros

Modelo Aditivo 𝑝𝑟𝑒

𝑌𝑡 = 𝑇𝑡 + 𝐸𝑡
𝑝𝑟𝑒
Modelo Multiplicativo 𝑌𝑡 = 𝑇𝑡 ∗ 𝐸𝑡
EJEMPLO
AÑO TRIMESTRE
Q1
DEMANDA
852
Tendencia
2010
Q2 930 1600
Q3 1004
Q4 1028 1500
Q1 877
Q2 959 1400
2011
Q3 1045
1300

demanda
Q4 1075
Q1 947 1200
Q2 975
2012
Q3 1081 1100
Q4 1111
Q1 981 1000
Q2 1054
2013
Q3 1116
900
Q4 1147 800
Q1 1030
Q2 1084
Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3 Q1 Q3
2014
Q3 1138 trimestre
Q4 1211
Q1 1082
Q2 1101
2015
Q3 1173
Q4 1246
Q1 1093
Q2 1204
2016
Q3 1237
Q4 1330
Q1 1144
Q2 1254
2017
Q3 1298
Q4 1389
Q1 1250
Q2 1279
2018
Q3 1376
Q4 1427
Q1 1280
Q2 1404
2019
Q3 1430
Q4 1502
Q1 1317
Q2 1424
2020
Q3 1417
Q4 1490
MEDIDAS DE PRECISIÓN DE PRONÓSTICO
• ERROR DE PRONÓSTICO 𝑒𝑡 = 𝑌𝑡 − 𝑌෠𝑡
2
• ERROR CUADRÁTICO MEDIO (MEAN SQUARE ERROR). MSE: σ𝑛 ෠ 𝑡)
𝑡=1(𝑌𝑡 −𝑌
𝑛

• DESVIACIÓN ABSOLUTA MEDIA (MEAN ABSOLUT DEVIATION). MAD: σ𝑛 ෠ 𝑡)

𝑡=1 𝑌𝑡 −𝑌
𝑛
෡𝑡
𝑌 𝑡 −𝑌
σ𝑛
• DESVIACIÓN ABSOLUTA PORCENTUAL MEDIA (MEAN ABSOLUT PERCENTAGE ERROR) MAPE.: 𝑡=1

𝑛
𝑌𝑡
 SEÑAL DE RAESTREO RS
• TAMBIÉN DENOMINADA SEÑAL DE CONTROL, ES UNA MEDIDA PARA EVALUAR QUE TAN BIEN PREDICEN
LOS PRONÓSTICOS A LOS VALORES REALES.
• CONFORME LOS PRONÓSTICOS SE ACTUALIZAN SEMANAL, MENSUAL O TRIMESTRAL, LOS NUEVOS DATOS
DISPONIBLES DE LA DEMANDA SE COMPARAN CON LOS VALORES PRONOSTICADOS

σ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝒊 − 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑎 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝒊

𝑆𝑅 =
𝑀𝐴𝐷
MÉTODOS BASADOS EN LA TENDENCIA
• CUANDO EXISTE TENDENCIA EN UN CONJUNTO DE DATOS LOS PRONÓSTICOS DE SUAVIZACIÓN
EXPONENCIAL Y PROMEDIOS MÓVILES SE RETRASAN

MÉTODOS:
• ANÁLISIS DE REGRESIÓN
• MÉTODO DE HOLT
ANÁLISIS DE REGRESIÓN LINEAL
𝑬𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒒𝒖𝒆 𝒑𝒓𝒐𝒑𝒐𝒓𝒄𝒊𝒐𝒏𝒂 𝒆𝒍 𝒎𝒆𝒋𝒐𝒓 𝒂𝒋𝒖𝒔𝒕𝒆 𝒅𝒆 𝒍𝒐𝒔 𝒅𝒂𝒕𝒐𝒔 𝒂 𝒖𝒏𝒂 𝒍𝒊𝒏𝒆𝒂 𝒓𝒆𝒄𝒕𝒂.
𝑷𝒓𝒐𝒑ó𝒔𝒊𝒕𝒐: 𝒎𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒍𝒂 𝒅𝒊𝒔𝒕𝒂𝒏𝒄𝒊𝒂 𝒆𝒏𝒕𝒓𝒆 𝒍𝒐𝒔 𝒅𝒂𝒕𝒐𝒔 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒄𝒕𝒂 ෢
𝒀 𝒚 𝒍𝒐𝒔 𝒐𝒃𝒔𝒆𝒓𝒗𝒂𝒅𝒐𝒔.

• SE USAN PARA PREVER LA LÍNEA DE TENDENCIA LINEAL

• SUPONE UNA RELACIÓN ENTRE LA VARIABLE DE RESPUESTA (𝑌) Y EL PERÍODO DE TIEMPO (𝑥) QUE ES UNA
FUNCIÓN LINEAL

𝑌 = 𝑎 + 𝑏𝑥
• SE CALCULA MEDIANTE EL MÉTODO DE MÍNIMOS CUADRADOS:
MINIMIZA LA SUMA DE LOS ERRORES CUADRÁTICOS
 MÉTODOS DE MÍNIMOS CUADRADOS
෡𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑌 𝑌෠ = 𝑎 + 𝑏𝑥

σ𝑛𝑖=1 𝑥𝑖 𝑦𝑖 − 𝑛𝑥ҧ 𝑦ത Desviación

Desviación

𝑏= 𝑛
σ𝑖=1 𝑥𝑖2 − 𝑛 𝑥ҧ 2 Desviación
Desviación

Desviación Desviación Valor observado

𝑎 = 𝑦ത − 𝑏𝑥ҧ 𝑌𝑖 = 𝑎 + 𝑏𝑥𝑖
 INDICADORES DE REGRESIÓN
• COEFICIENTE DE DERMINACIÓN: MIDE LA PROPORCION DE VARIACION TOTAL EXPLICADA POR LA LINEA DE
REGRESION

σ 𝑌−𝑌𝐹 2
2
𝑅 =1− σ 𝑌−𝑌ത 2
; para datos suficientes
r =1

• COEFICIENTE DE CORRELACIÓN: MIDE EL AJUSTE DE REGRESIÓN DE LOS DATOS A LA

ECUACIÓN. VARÍA ENTRE +1 Y -1

r=-1
𝑟= 𝑅2
EJERCICIO A DESARROLLAR:
• LOS DATOS TRIMESTRALES PARA LAS FALLAS DE CIERTOS MOTORES DE AERONAVES EN
UNA BASE MILITAR DURANTE LOS PASADOS DOS AÑOS SON:
TRIMESTRE T1 T2 T3 T4

Año 1 200 250 175 186

Año 2 225 285 305 190

• CUALES SON LOS PRONÓSTICOS DE FALLAS EN LOS MOTORES EN LOS PERÍODOS T1 Y T2

DEL AÑO 3?
MÉTODO DE HOLT
• TIPO DE SUAVIZACIÓN EXPONENCIAL DOBLE DISEÑADO PARA DAR SEGUIMIENTO
A SERIES DE TIEMPO CON TENDENCIA LINEAL
• REQUIERE DOS CONSTANTES DE SUAVIZACIÓN 𝛼, 𝛽
Ecuación de suavizamiento para el
𝐴𝑡 = 𝛼𝐷𝑡 + (1 − 𝛼) 𝐴𝑡−1 + 𝑇𝑡−1 valor de la serie, la intercepción

Ecuación de suavizamiento para el

𝑇𝑡 = 𝛽 𝐴𝑡 − 𝐴𝑡−1 + 1 − 𝛽 𝑇𝑡−1 valor de la tendencia, la pendiente
𝐹𝑡+𝑃 = 𝐴𝑡 + 𝑝𝑇𝑡 Pronostico en el período t
 AÑO TRIMESTRE Demanda Dt
Q2 8000
EJERCICIO: 1 Q3 13000
Q4 23000
Q1 34000
Q2 10000
2
Q3 18000
• UN SUPERMERCADO HA
Q4 23000
EXPERIMENTADO UNA DEMANDA
Q1 38000
SEMANAL DE PAQUETES DE GALLETAS
Q2 12000
DURANTE EL TIEMPO QUE SE MUESTRA 3
Q3 13000
EN LA TABLA SIGUIENTE. PRONOSTIQUE
LA DEMANDA PARA LOS SIGUIENTES 4
Q4 32000
PERÍODOS TRIMESTRALES Q1 41000
Q2
4
Q3
Q4
 EJERCICIO:
Apliquemos el método de Holt al problema sobre desarrollar datos de pronóstico para las fallas de motores de
aeronaves. Suponga que tanto 𝛼 𝑐𝑜𝑚𝑜 𝛽 son iguales a 0,1. Para iniciar el método necesitamos estimados tanto
de la intercepción como de la pendiente en el tiempo cero.
MÉTODOS PARA SERIES ESTACIONALES
• PERMITE EVALUAR PRONÓSTICOS EN UNA SERIE ESTACIONAL DEFINIDA COMO CONJUNTO DE DATOS QUE
TIENE UN PATRÓN QUE SE REPITE CA DA N PERÍODOS PARA ALGÚN VALOR DE N

N
METODOS CON VARIACIÓN ESTACIONAL Y SIN
TENDENCIA
❑METODOS SIMPLE. REQUIERE EL ANÁLISIS DE FACTORES ESTACIONALES QUE SE OBTIENEN DE LA SIGUIENTE
FORMA:
▪ CALCULAR LA MEDIA DE TODOS LOS DATOS
▪ DIVIDIR CADA OBSERVACIÓN POR LA MEDIA DE LA MUESTRA, SE OBTIENE LOS FACTORES ESTACIONALES PARA CADA
PERÍODO
▪ PROMEDIAR LOS FACTORES PARA LOS PERÍODOS SEMEJANTES DENTRO DE CADA ESTACIÓN
▪ LOS FACTORES ESTACIONALES SIEMPRE SUMARA EXACTAMENTE N

❑PROMEDIO MOVIL: REQUIERE DE CÁLCULOS DE LOS PROMEDIOS MÓVILES DE N PERÍODOS, DONDE N ES LA

DURACIÓN DE LA ESTACIÓN
EJERCICIO:
• EL DEPARTAMENTO DE TRANSPORTE DE UNA CIUDAD NECESITA DETERMINAR LOS FACTORES DE USO, POR DÍA
DE LA SEMANA, PARA UN POPULAR PUENTE QUE CONECTA DIFERENTES PARQUES DE LA CIUDAD. EN EL ESTUDIO
ACTUAL SE CONTEMPLARON LOS DÍAS HÁBILES. SUPONGAMOS QUE EL NÚMERO DE COCHES QUE UTILIZARON EL
PUENTE CADA DÍA HÁBIL DURANTE LAS PASADAS CUATRO SEMANAS FUE (EN MILES DE AUTOS)
SEMANA 1 SEMANA 2 SEMANA 3 SEMANA 4

16,2 17,3 14,6 16,1

LUNES
12,2 11,5 13,1 11,8
MARTES
14,2 15 13 12,9
MIÉRCOLES
17,3 17,6 16,9 16,6
JUEVES
22,5 23,5 21,9 24,3
VIERNES

Encuentre los factores estacionales correspondientes al uso diario del puente

Determine el pronóstico para la semana 5
MÉTODO DE WINTER
• ES UN MÉTODO DE PRONÓSTICO TAMBIÉN DENOMINADO METODO DE SUAVIZACIÓN EXPONENCIAL TRIPLE
• SE APLICA CUANDO EN LOS DATOS EXISTEN:
• PATRÓN DE TENDENCIA
• PETRON DE ESTACIONALIDAD
• VARIABILIDAD ALEATORIA DE LOS DATOS DE LA DEMANDA
ESTIMACIÓN DEL NIVEL Y LA TENDENCIA
EL OBJETIVO ES ESTIMAR EL NIVEL Y LA TENDENCIA EN EL PERIODO 0, PRIMERO SE DEBE
DESESTACIONALIZAR LOS DATOS DE LA DEMANDA

𝑡−1+𝑝Τ2
𝐷𝑡−𝑝Τ2 + 𝐷𝑡+𝑝Τ2 + σ𝑖=𝑡+1−𝑝Τ2 2𝐷𝑖
ഥ𝑡 =
𝐷 ; 𝑝𝑎𝑟𝑎 𝑝: 𝑝𝑎𝑟
2𝑝

Τ
σ𝑡+(𝑝−1) 2
𝑖=𝑡−(𝑝−1)Τ2 𝐷𝑖
ഥ𝑡 =
𝐷 ; 𝑝𝑎𝑟𝑎 𝑝: 𝑖𝑚𝑝𝑎𝑟
𝑝
 COMPONENTES
𝑆𝑡 PROMEDIO EXPONENCIAL DE LA SERIE DE TIEMPOS

𝑇𝑡 UTILIZADA PARA LA ESTIMACIÓN DE LA TENDENCIA 𝛼 CNTE DE ATENUACIÓN EXPONENCIAL SIMPLE

𝐸𝑡 UTILIZADA PARA LA ESTIMACIÓN DE ESTACIONALIDAD 𝛽 CNTE DE ATENUACIÓN EXPONENCIAL DE TENDENCIA

𝐹𝑡−1 UTILIZADA PARA EL PRONÓSTICO DE PERÍODOS FUTUROS 𝛾 CNTE DE CORRECCIÓN ESTACIONAL

FORMULAS
𝐷𝑡
𝐴𝑡 = 𝛼 ∗ + (1 − 𝛼)(𝐴𝑡−1 + 𝑇𝑡−1 ) SERIE DESESTACIONALIZADA
𝑠𝑡−𝐿

𝑇𝑡 = 𝛽 𝐴𝑡 − 𝐴𝑡−1 + (1 − 𝛽)𝑇𝑡−1 TENDENCIA

𝑌𝑡
𝑆𝑡 = 𝛾 + 1 − 𝛾 ∗ 𝑠𝑡−𝐿 FACTORES ESTACIONALES
𝐴𝑡

𝐹𝑡+1 = 𝐴𝑡 + 𝑝𝑇𝑡 𝑆𝑡+1 PRONÓSTICO