GESTIÓN DE LAS

OPERACIONES
Unidad 4
PRONÓSTICOS
Sesión 16: Promedios móviles y
suavización

(1879-1955)

Datos/Observaciones
Agenda de la Sesión 16

1. Afianzando la Sesión 15

2. Basado en promedios móviles

3. De suavización exponencial

4. Lo que aprendimos
Datos/Observaciones
Objetivos de la sesión 16

▪ Comprende los conceptos clave y la importancia

de las aplicaciones de las predicciones en el marco
de los modelos de Forecast.

▪ Ser capaces de pronosticar variables utilizando

diversas metodologías.

▪ Determinar qué metodologías son más apropiadas

en determinados casos.

Datos/Observaciones
 1. Afianzando la sesión 15
Definición

• Conjunto de actividades a través de las cuales, a partir de datos históricos relevados del entorno
(series cronológicas, experiencia cualitativa), se obtienen escenarios y proyecciones de los valores
futuros de las variables bajo análisis
• El software más utilizado para analizar series de tiempo es el Minitab también se puede analizar con
R.

Datos/Observaciones
 1. Afianzando la sesión 15
Introducción
“basura entra, basura sale”. El modelo de pronóstico más elaborado fallará si se aplica a datos poco
confiables. 4 criterios para determinas la calidad de datos:

2 tipos de
1. Los datos deben ser fidedignos pron’osticos
y precisos.
1. Son los datos
recopilados en un
2. Los datos deberían ser periodo único
relevantes. (transversal)

3. Los datos tienen que ser

consistentes
2. Son las
observaciones de
4. Los datos deberían ser datos realizadas a
oportunos. través del tiempo.
Datos/Observaciones
(serie de tiempo)
1. Afianzando la sesión 15
Estudio de patrones de datos en series de tiempo
Uno de los pasos más importantes en la selección de un método para pronosticar adecuado con
datos de una serie de tiempo es considerar los diferentes tipos de patrones de datos. Existen
cuatro tipos generales: horizontal, tendencias, estacionales y cíclicos.

1. Cuando los datos recopilados en el transcurso del tiempo fluctúan alrededor de un

nivel o una media constantes, hay un patrón horizontal.

2. Cuando los datos crecen o descienden en varios periodos, existe un patrón de

tendencia. La tendencia es el componente de largo plazo que representa el
crecimiento o el descenso en la serie de tiempo.

3. Se dice que este tipo de series es estacionario en su media. El componente

estacional es un patrón de cambio que se repite año tras año.

4. Cuando las observaciones indican aumentos y caídas que no tienen un periodo fijo,
existe un patrón cíclico. El componente cíclico es la oscilación alrededor de la
tendencia.
Datos/Observaciones
1. Afianzando la sesión 15
Error de pronóstico

Leer capitulo 3 del libro Pronósticos en los negocios, en especial las formulas de la pág. 87 y 88
Datos/Observaciones
1. Afianzando la sesión 15
Error de pronóstico

Datos/Observaciones
Agenda de la Sesión 16

1. Afianzando la Sesión 15

2. Basado en promedios móviles

3. De suavización exponencial

4. Lo que aprendimos
Datos/Observaciones
2. Basado en promedios móviles
Asociación entre dos variables
Dos variables medidas en la misma unidad de observación están asociadas si algunos de los
valores de una de las variables tienden a ocurrir más frecuentemente con algunos valores de la
segunda variable que con otros.

Ejemplos:
• Asociación o Relación Positiva : a mayor número de horas trabajadas mayor nivel de ingresos.
• Asociación o Relación Negativa : a mayor educación de la madre menor fecundidad.

Tipología:
• Un sólo conjunto de variables sin ninguna especificación a priori de dependencia . Entonces
nos enfocamos a las relaciones al interior ( within ). Estos métodos son conocidos como
métodos de interdependencia
(Ej.: Series de Tiempo)

• Dos conjuntos de variables dónde especificamos de antemano el efecto de algunas variables

sobre el comportamiento de otras . Aquí el enfoque es en la relación entre ( between )
variables. Estos métodos son conocidos como métodos de dependencia
(Ej.: Regresión)
Datos/Observaciones
2. Basado en promedios móviles
Métodos de pronosticar

Datos/Observaciones
2. Basado en promedios móviles
Métodos de pronosticar

Datos/Observaciones
2. Basado en promedios móviles
¿Qué hace la suavización?
Después de que usted selecciona una técnica para la elaboración del pronóstico, la ajusta a los datos
conocidos y obtiene los valores del pronóstico. Una vez que estos valores pronosticados están
disponibles, los compara con las observaciones conocidas y calcula el error de pronóstico (et).
Una buena estrategia para evaluar los métodos de pronósticos implica los siguientes pasos:
1. La selección de un método de pronósticos se realiza con base en el análisis y la
intuición del pronosticador acerca de la naturaleza de los datos.

2. El conjunto de datos se divide en dos secciones: una sección de inicio o de ajuste y

una sección de prueba o de pronóstico

3. La técnica seleccionada de pronóstico se usa para desarrollar valores de ajuste

con la primera parte de los datos.

4. La técnica se usa para pronosticar la segunda sección, los pronósticos obtenidos

se comparan con los datos y se evalúa el error de pronóstico. Finalmente se toma la
decisión.
Datos/Observaciones
2. Basado en promedios móviles
Promedios simples

Promediar (calcular la media de) la parte de inicialización de los datos y

pronosticar el siguiente periodo.

Cuando una nueva observación está disponible, el pronóstico del siguiente

periodo es el promedio o la media calculada empleando la ecuación
anterior incluyendo esta nueva observación.

El método de promedios simples es una técnica adecuada cuando los factores que producen la serie
que se va a pronosticar se han estabilizado y el ambiente en el cual se encuentra la serie generalmente
permanece sin cambios. Ejemplos de este tipo de series son: las ventas efectuadas como resultado de
un nivel de esfuerzo constante de los vendedores; las ventas de un producto en la etapa de madurez
de su ciclo de vida; entre otros.

Datos/Observaciones
2. Basado en promedios móviles
Promedios simples: Ejemplo

Datos/Observaciones
2. Basado en promedios móviles
Promedios simples: Ejemplo

Datos/Observaciones
2. Basado en promedios móviles
Promedios móviles

El método de promedios simples utiliza la media de todos los

datos para hacer el pronóstico. ¿Qué sucede si en el analista
está más interesado en las observaciones recientes?
Se puede especificar un número constante de puntos de datos al inicio
y se puede calcular una media con las observaciones más recientes.

El modelo de promedio móvil no maneja muy bien la tendencia o la estacionalidad, si bien es cierto
que lo hace mejor que el método de promedio simple.
El analista debe usar su criterio en la determinación de los días, semanas, meses o trimestres en los
cuales basar el promedio móvil. Cuanto menor es el número, mayor es el peso que se asigna a los
periodos más recientes. Y a la inversa, cuanto mayor es el número, menor es el peso que se asigna a
los periodos más recientes.

Datos/Observaciones
2. Basado en promedios móviles
Promedios móviles: Ejemplo

Datos/Observaciones
2. Basado en promedios móviles
Promedios móviles dobles

La construcción de un promedio móvil doble se resume en las

ecuaciones.
La diferencia entre los dos conjuntos de promedios móviles se
suma al promedio móvil de tres semanas para pronosticar los
valores reales.
Se emplea la ecuación para desarrollar un pronóstico sumando al
promedio móvil simple la diferencia entre el promedio móvil
simple y el segundo promedio móvil

Datos/Observaciones
2. Basado en promedios móviles
Promedios móviles dobles: Ejemplo

Datos/Observaciones
2. Basado en promedios móviles
Promedios móviles dobles: ejemplo

Datos/Observaciones
2. Basado en promedios móviles
Promedios móviles dobles: ejemplo

Datos/Observaciones
Agenda de la Sesión 16

1. Afianzando la Sesión 15

2. Basado en promedios móviles

3. De suavización exponencial

4. Lo que aprendimos
Datos/Observaciones
3. De suavización exponencial
¿Qué hace la suavización?

Datos/Observaciones
3. De suavización exponencial
Introducción
Mientras que el método de promedios móviles toma en cuenta sólo las observaciones más
recientes, la suavización exponencial simple ofrece un promedio móvil con peso
exponencial para todos los valores previos observados.

Datos/Observaciones
3. De suavización exponencial
Introducción

Datos/Observaciones
3. De suavización exponencial
Suavización exponencial: ejemplo

Datos/Observaciones
3. De suavización exponencial
Suavización exponencial: ejemplo

Datos/Observaciones
Agenda de la Sesión 16

1. Afianzando la Sesión 15

2. Basado en promedios móviles

3. De suavización exponencial

4. Lo que aprendimos
Datos/Observaciones
6. Lo que aprendimos
Conclusiones

• Discriminar el uso de métodos de pronósticos para

la toma de decisiones.
• Los ejemplos, nos otorgan referencias para aplicar
los pronósticos según sea el caso.
• La importancia de la selección de los datos, tiene
gran relevancia ene resultado de la proyección o
pronósticos.

• Interiorizar las formulas de la pág. 136 y 137 del libro

de pronósticos en los negocios de John Hanke
Datos/Observaciones
Docente: MBA Diego Santander Choquecota
C22303@utp.edu.pe
Cel. 959200412