PRONÓSTICOS PARA LOS NEGOCIOS

1.1. Introducción a los pronósticos en los negocios

PRONÓSTICOS PARA LOS NEGOCIOS

Ing. Víctor Hugo Pachacama
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 CLASE Nro. 1

1.1 Introducción a los pronósticos

CONTENIDO

Título Introducción

Duración 40 minutos

Información general Necesidad, y tipos de pronóstico

Objetivo Conocer la importancia y tipos de pronósticos y su

aplicación para la toma de decisiones correctas

1
 CLASE Nro. 1

1.1 INTRODUCCIÓN A LOS PRONÓSTICOS EN LOS NEGOCIOS

La materia proporciona métodos para predecir la incertidumbre de los negocios y

ayuda a los administradores y gerentes a realizar mejores planes y tomar
decisiones acertadas.

Para esto es necesario, realizar un estudio de datos históricos para obtener una
función Y=f(X) que permita la extrapolación y luego realizar los pronósticos

1.1.1. ¿Es necesario el pronóstico en los negocios?

Es importante para establecer políticas, y la planificación en todas las áreas

funcionales de todas las organizaciones. Los pronósticos son necesarios para
avanzar en el ambiente cambiante e interactivo de los negocios.

1.1.2. Tipos de Pronósticos

Los procedimientos para realizar pronósticos son.

En función del horizonte de tiempo:

a) Largo Plazo se encarga la alta dirección utilizados para realizar inversiones,
cambios de instalaciones, temas de investigación y desarrollo.
b) Corto plazo se encarga la gerencia media y personal de primera línea, sirve
para diseñar estrategias y necesidades inmediatas.
En términos de posición.

a) Micro pronóstico ejemplo una empresa requiere el pronóstico de MO para los

siguientes meses
b) Macro pronóstico ejemplo el estado requiere el número total de gente empleada
en todo el país.

De acuerdo a los procedimientos

a) Cualitativos utiliza el juicio del pronosticador no utiliza datos

b) Cuantitativos basados en métodos matemáticos con datos más complejos.
De acuerdo a la naturaleza del producto.

a) Puntual será un número individual

b) Por intervalo, intervalo de números donde está el valor futuro deseado
c) Por densidad, distribución de probabilidad total del valor futuro.

2
 CLASE Nro. 1

Para realizar un pronóstico inteligente se debe utilizar el buen juicio, el sentido

común y mas los procedimientos mecánicos.

Los pronósticos se realizan en función de las variables de interés para la

organización, un país, una región

1.1.3 Selección de un método de pronóstico

La selección está de acuerdo con el nivel de detalle que se requiere, de

su utilidad, y además que sus resultados faciliten el proceso de toma de
decisiones. Los métodos utilizados deben proporcionar un pronóstico
que sea preciso, oportuno y comprensible que ayuden a tomar mejores
decisiones

1.1.4 Fuentes y tipos de datos

En la elaboración de pronósticos, utilizamos datos históricos para predecir el
futuro incierto y proveniente de una población o una muestra
1.1.5 Influencia de ciclo de vida de producto

Las etapas de introducción y crecimiento

necesitan previsiones más largas que las de madurez y declive.

3
 CLASE Nro. 1

Las previsiones son útiles para proyectar

 los diferentes niveles de personal
 los diferentes niveles de inventarios
 los diferentes niveles de capacidad de producción
mientras el producto pasa de la primera a la última etapa.

1.1.6 Etapas del pronóstico

Todos los métodos de pronósticos extienden las experiencias del

pasado hacia el futuro.
Si las técnicas de pronósticos funcionan con datos generados por
eventos históricos, las etapas para pronosticar son los siguientes.

1.- Formulación del problema y recopilación de datos

2. Manipulación y limpieza de datos
3. Construcción y evaluación del modelo
4. Implementación del modelo
5. Evaluación del pronóstico

1.1.7 Administración del proceso de elaboración de un

pronóstico
Las técnicas cuantitativas de elaboración de pronósticos deben
considerarse como herramientas para tomar mejores
decisiones
Preguntas:
- ¿Por qué es necesario el pronóstico?
- ¿Quién usará el pronóstico?
- ¿Qué nivel de detalle, y el nivel de horizonte debe tener?
- ¿Qué datos están disponibles?
- ¿Cuánto costará?
- ¿Qué tan exacto?
- ¿Estará a su debido tiempo?

4
 CLASE Nro. 1

- ¿El pronosticador conoce cuál va a ser la utilidad del

pronóstico?
- ¿Hay un proceso de retroalimentación?

1.2 ESTADÍSTICA APLICADA A LOS PRONÓSTICOS

La mayoría de las técnicas de la elaboración de pronósticos se basan en conceptos
estadísticos fundamentales.

1.2.1 Descripción de datos con resúmenes

numéricos

La mayoría de los procedimientos estadísticos hacen deducciones de datos

provenientes de la población y la muestra.

Es importante el uso de una muestra representativa y lo suficientemente grande

para que los resultados de un proceso estadístico tengan un grado de riesgo bajo.

Estadísticos descriptivos.

Detallan un conjunto de mediciones con valores claves resumidos, siendo

estos sensibles a mediciones muy grandes o muy pequeñas denominados
valores atípicos.

Media.

∑𝑋
𝑥̅ =
𝑛
A más de la media, es importante determinar el rango (Intervalo) a través del
cual se dispersan los valores alrededor de las medias.

Desviación Estándar

Es una unidad para medir la distancia desde la media.

2
∑𝑥 2 −(∑𝑥)
∑(𝑥−𝑥̅ )2
𝑠=√ 𝑆 = √ 𝑛−1𝑛
𝑛−1

Varianza

5
 CLASE Nro. 1

Igual que la desviación estándar se basan en las desviaciones con respecto a

la media

S2
Grados de libertad

Se refieren a los números de datos que son independientes uno de otro y que
tienen datos de información únicos.

Ejemplo 7+5=12, hay 2 grados de libertad porque 2 de los valores tienen la

libertad de variar, no así el tercero

Mediana

Es la diferencia entre los valores mayores y menores

Cuartiles Diagrama de caja

El diagrama de caja es una representación gráfica basada en cuartiles, que ayuda

a ilustrar un conjunto de datos, para elaborar se necesitan 5 valores estadísticos:
el valor mínimo; Q1(primer cuartil); la mediana; Q3 (tercer cuartil); y el valor máximo

1.2.2 PRESENTACIÓN DE INFORMACIÓN NUMÉRICA

Para la elaboración de pronósticos se utilizan 2 tipos de datos:
a) Datos transversales son observaciones desde el marco referencial
temporal. Ejemplos: ingreso neto como porcentaje del capital invertido,
salarios ejecutivos año 2020, precios de venta de casas en cierta ciudad
en un día determinado.
b) Series de tiempo son secuencia de observaciones en el tiempo,
ejemplos: número de turistas anuales que ingresaron al país durante la
década pasada, ventas mensuales durante los últimos 10 años, precio
diario de acción de IBM para 2019, producción anual de petróleo desde
2015-2019

Cuando se explota una variable, primeros se debe visualizar los datos

mediante tablas y gráficos. Entre estos tenemos:

6
 CLASE Nro. 1

a) Diagrama de puntos muestran los detalles de datos y permite a un

pronosticador comparar 2 o más conjunto de datos.
b) Diagrama de caja. Sirve para indicar las características de distribución de
datos.
c) Histograma. Condensa los datos, agrupando valores similares en clases, se
puede colocar la variable de interés en el eje X y la frecuencia relativa o
porcentual en el eje Y.
d) Diagrama de series de tiempos. S utilizan para representar datos
cronológicos
Un paso importante para seleccionar una técnica de pronóstico consiste en
identificar los patrones de datos que existen dentro de una serie de tiempo

Se identifican 4 tipos de patrones de datos para series de tiempos:

a) Horizontal
b) De tendencia
c) Cíclico
d) Estacional

1.2.3 DISTRIBUCIÓN DE PROBABILIDAD

Variable. – Característica asociada a los elementos de una muestra o población
Variable Aleatoria. - Representan sucesos fortuitos
Las variables se clasifican en 2 tipos:
➢ Variables cuantitativas expresadas por medio de números y pueden ser:
- Variables Aleatoria Discreta. – Se miden por valores puntuales específicos,
ejemplo: N° de habitaciones de una casa, N° de unidades defectuosas de un
lote de producción, N° de materias.
- Variable Aleatoria Continua. – Toman cualquier valor de la variable aleatoria
dentro de cierto rango, ejemplo peso y estatura de una persona, longitud de
una varilla, tiempo entre llegada de automóviles a una caseta de peaje.
➢ Variables cualitativas o atributos. – no se pueden expresar
numéricamente, sino por el nombre.
- Ordinales. – Aquellas que sujieren ordenación ejemplo: Nivel de estudio,
posición de los ganadores de un concurso
- Nominales. – aquellas que admiten una ordenación alfabética, pero no
establecen orden, ejemplo: género, estado civil, color de cabello.

7
 CLASE Nro. 1

DISTRIBUCIÓN DE PROBABILIDAD.
La distribución de probabilidad una variable aleatoria, enlista todos sus valores
posibles junto a la probabilidad de que ocurra cada uno
➢ VALOR ESPERADO
Es el valor medio que adquiere la variable en muchos intentos realizados
El valor esperado para una distribución de probabilidad discreta se calcula:
E(x)=𝜮[X*P(X)]
X= valor posible
P(X)= probabilidad

Distribución Binomial
Es una distribución de probabilidad discreta, que describe la probabilidad de X éxitos
en n ensayos independientes de un experimento binomial.
𝑛!
P(X)=𝑋!(𝑛−𝑋)! 𝑃 𝑋 (1 − 𝑃)𝑛−𝑋
Donde:
n= número de ensayos
X= número de éxitos
P= probabilidad de éxitos
Distribución Normal
Tiene forma de campana y esta completamente determinada por su media y
distribución estándar.
𝑋−µ
Z= 𝜎𝑥
Donde:
Z=N° de varianzas de cualquier valor de X
X= Valor de interés
𝜎𝑥= Desviación estándar

Distribuciones Muestrales
Es un arreglo de todos los valores posibles de un estadístico muestral, que puede
extraerse de una población, para un tamaño de muestra dado.
Propiedades.
Propiedad
La distribución de muestreo tiene una µx = µ
media igual al de la población

8
 CLASE Nro. 1

La distribución de muestreo tiene una σx = σ/√𝑛

desviación estándar (error estándar)

𝑋𝑀−µ
Z= 𝜎𝑥

Esta ecuación permite convertir cualquier variable aleatoria normal en una variable
aleatoria normal estándar.
Donde;
XM= media de la muestra
µ= media de la población
σx= Error estándar
σ = Desviación estándar

𝑋𝑀−µ
Z= σ/√𝑛

Distribución de t student
Para tamaño de muestras pequeñas, si la población de la cual se selecciona la
muestra es normal y la σX se estima con la S aparece la distribución t de student
con n-1 grados de libertad.
X−µ
𝑡= S/√𝑛

t= distribución t de student
Se utiliza para el análisis de la hipótesis nula y la hipótesis alterna
1.3.- PATRONES DE DATOS
Una de las tareas que más difícil y más consumo de tiempo en los pronòsticos es la
recopilación de datos.
Para determinar qué datos serán útiles se aplican 4 criterios:
1.- Los datos deben ser fidedignos y precisos
2.- Los datos deben ser relevantes
3.- Los datos deben ser consistentes.
4.- Los datos deben ser oportunos
Datos de corte transversal. - son observaciones recopiladas en un solo punto de
tiempo

9
 CLASE Nro. 1

Datos de tiempo. - son datos recopilados durante incremento sucesivos de tiempo.

1.3.1 Patrones de datos de series de tiempo

Para pronosticar con datos de una serie de tiempos se debe considerar los
diferentes patrones de tiempos:

1.- Horizontal en el transcurso del tiempo los datos fluctúan alrededor de una media
constante, por lo tanto se denominan series estacionarias en su media, ejemplo
ventas de un producto alimenticio que no se incrementa ni disminuye durante un
largo de periodo.

2.- Tendencia Es componente de largo plazo que representa el crecimiento o el

descenso en la serie de tiempo, durante un período extenso.
3.- Cíclico es la oscilación alrededor de la tendencia
4.- Estacional patrón de cambio que se repite año tras año.

10
 CLASE Nro. 1

1.3.2 Autocorrelación.

11
 CLASE Nro. 1

Es la correlación que existe entre una variable retrasada uno o más períodos
consigo misma.

Este coeficiente sirve para contestar algunas preguntas

1.- ¿los datos son aleatorios?
2.- ¿Los datos muestran una tendencia?
3.- ¿Los datos son estacionarios?
4.- ¿Los datos son estacionales?

1.3.3.- Selección de técnica de pronósticos

Antes de seleccionar la técnica se debe responder las siguientes preguntas:
✓ ¿Por qué es necesario un pronóstico?
✓ ¿Quién usará el pronóstico?
✓ ¿Cuáles son las características de los datos disponibles?
✓ ¿Qué periodo se va a pronosticar?
✓ ¿Qué precisión se desea?
✓ ¿Cuánto costará el pronóstico?

Para elegir la técnica se debe seguir los siguientes pasos:

✓ Definir la naturaleza del problema que se va a pronosticar

✓ Explicar la naturaleza de los datos en investigación
✓ Describir las capacidades y limitaciones de las técnicas de los pronósticos
✓ Desarrollar el criterio predeterminado, con el cual se debe tomar la decisión

12
 CLASE Nro. 1

También es importante saber los patrones de datos históricos: Tendencia, cíclico,

estacional; además el horizonte de tiempo.
Técnicas de pronósticos para datos estacionarios
Una serie estacionaria es aquella cuyo valor medio no cambia en el paso del tiempo;
sus técnicas utilizadas son: M. informales, Modelos autorregresivos de promedio móvil
(Arima), Modelos Box-Jenkins.
Técnicas de pronósticos para datos con una tendencia
Tendencia es un crecimiento o decrecimiento persistentes de larga duración; técnicas:
promedios móviles, suavización exponencial lineal de Holt, regresión simple, curvas
de crecimiento, modelos exponenciales, promedio móvil (ARIMA), (Método Box-
Jenkins)
Técnicas de pronósticos para datos estacionales
Patrón de datos que se repite año tras año, se debe estimar los índices estacionales;
Técnicas: Descomposición clásica, CensosX-12, Suavización exponencial de Winter,
Regresión Múltiple, y ARIMA ( Métodos de Box-Jenkins).
Técnicas de pronósticos para series cíclicas
Son fluctuaciones de onda alrededor de la tendencia; Técnica: Descomposición
clásica, modelos Econométricos, Regresión múltiple, modelos ARIMA (Métodos Box-
Jenkins).
Finalmente cada técnica debe evaluarse en términos de confiabilidad y aplicabilidad,
su eficiencia de costos, y exactitud comparada con técnicas similares, así con
aceptación de la empresa.

1.3.4 Medición de error de pronóstico

La medición del error generado por una técnica de pronóstico es la diferencia entre su
valor real y su valor pronosticado.
Residuo es la diferencia entre el valor real observado y su valor de pronóstico.
𝑒𝑡 = 𝑌𝑡 − Ӯ𝑡
Et=error del pronóstico en el periodo t
Yt = valor real en el periodo t

13
 CLASE Nro. 1

Ӯ𝑡 = valor medio del pronóstico en el periodo t

1.-Desviación absoluta media (MAD)
Es un método para evaluar una técnica de pronóstico, usa la suma de los errores
absolutos, proporciona un tamaño promedio de los errores.
1
𝑀𝐴𝐷 = 𝛴|𝑌𝑡 − Ӯ𝑡|
𝑛
2.-Error cuadrático medio (MSE)
Es otro método para evaluar una técnica de pronóstico

1
𝑀𝑆𝐸 = 𝛴|𝑌𝑡 − Ӯ𝑡|̽^2
𝑛
3.-RMSE
Es la raíz cuadrada del MSE, tanto el MSE y RMSE, sirven para evaluar errores
grandes

1
RMSE=√𝑛 𝛴|𝑌𝑡 − Ӯ𝑡|̽^2

4.-Error porcentual absoluto medio(MAPE)

A veces es más útil calcular los errores del pronóstico en términos de porcentaje en
vez de cantidades. El MAPE se calcula obteniendo el error absoluto de cada periodo,
dividiendo este entre el valor observado en ese periodo y promediando estos errores
porcentuales absolutos, el resultado final se multiplica por 100 y se expresa en
porcentaje.

Si Ӯ𝑡 = 0 el MAPE no puede calcularse

14
 CLASE Nro. 1

5.-Error porcentual medio (MPE)

A veces es necesario determinar si el método para pronosticar esta sesgado. Se usa
el error porcentual medio. Si el enfoque del pronóstico no tiene sesgo, el MPE
producirá un resultado que este cercano a cero. Si el resultado es un % negativo alto
grande, el método de la elaboración del pronóstico está subestimado
consistentemente.
1 (𝑌𝑡−Ӯ𝑡)
𝑀𝑃𝐸 = 𝑛 ∑𝑛𝑡−1 𝑌𝑡

La decisión para usar una técnica de pronóstico se basa en determinar si un modelo

producirá errores pequeños consistentemente.
Las 5 medidas de precisión indicadas son usadas para:
✓ Comparar la exactitud de 2 o más técnicas diferentes
✓ Medir la utilidad o confiabilidad de 1 técnica en particular
✓ Ayudar en la búsqueda de una técnica óptima

15