Tema Nro.

3:
Planeación y
Previsión financiera
3.1Planeación
3.2 Razones de la Planeación

Podemos darle al menos cuatro razones.

1. La planeación proporciona dirección a los gerentes y también al resto de los

empleados. Cuando los empleados saben lo que su empresa.., o equipo de
trabajo intenta lograr y lo que ellos deben hacer para contribuir en el logro de
los objetivos, pueden coordinar sus actividades, cooperar entre sí y hacer lo
necesario. para cumplir con los objetivos con eficacia.

2. La planeación reduce la incertidumbre, ya que obliga a los gerentes a ver

a futuro a anticipar el cambio, a considerar el efecto del cambio y a
desarrollar respuestas adecuadas. Aunque la planeación no eliminará la
incertidumbre, los gerentes planean para que puedan responder con eficacia.
 3. La planeación minimiza el desperdicio y la redundancia. Cuando se

coordinan las actividades laborales en torno a planes, las ineficiencias se

vuelven obvias y pueden corregirse o eliminarse.

4. La planeación establece los objetivos o los estándares utilizados para

controlar.
3.3 Planeación y el desempeño

Primero, en general, la planeación formal está asociada

con resultados financieros positivos; utilidades más altas,
rendimiento de activos más elevado.
Segundo, parece que hacer un buen trabajo de
planeación e implementar esos planes tienen una función
más importante en el alto desempeño que cuánta
planeación se haya hecho.
3.4 Objetivos y planes

Los objetivos (metas) son los resultados o propósitos deseados. Éstos guían las
decisiones de la administración y forman los criterios contra los cuales se miden los
resultados. Es por esto que con frecuencia se les conoce como las bases de la planeación.
La mayoría de los objetivos de las compañías pueden clasificarse
como estratégicos o financieros.
a. Los objetivos financieros se relacionan con el desempeño
financiero dela organización
b. Los objetivos estratégicos están relacionados con todas las
demás áreas de desempeño de la organización.

“Por ejemplo, McDonalds establece que sus objetivos financieros son de 3 a

5 por ciento en promedio anual de ventas y de crecimiento en utilidades, 6 a
7 por ciento en promedio anual de crecimiento en ingresos de operación, y
un retorno de la inversión entre 17 y 19 por ciento.6 Un ejemplo de un
objetivo estratégico sería la solicitud del presidente de Nissan por el super
automóvil de la compañía GT-R: iguala o supera el rendimiento del Qaskai”
3.4 Tipos de planes
Los planes estratégicos son planes que se aplican a toda la organización y establecen
sus objetivos generales. A los planes que abarcan un área operativa particulares de la
organización se les llama planes operacionales.

Los planes de largo plazo como aquellos con un periodo mayor a tres años. Los planes
de corto plazo son aquellos que abarcan un año o menos.

Los planes específicos son planes claramente definidos y no dan lugar a interpretaciones.
Tienen objetivos definidos claramente, Los planes direccionales son planes flexibles que
exponen pautas generales. Proporcionan un enfoque, pero no limitan a los gerentes con
objetivos específicos o líneas de acción .
Un plan único es un plan para una vez, el cual se diseña específicamente
para satisfacer las necesidades de una situación única. Por ejemplo, cuando
Wal-Mart decidió expandir el número de tiendas en China, los ejecutivos de
nivel alto formularon un plan único como guía. En contraste, los planes
permanentes son planes que se utilizan varias veces y que proporcionan una
guía para las actividades que se realizan repetidamente. Los planes
permanentes incluyen políticas, reglas y procedimientos
3.5 Características de objetivos bien escritos.
3.6 Pasos para establecer objetivos.

1. Revisar la misión de la organización , o el propósito. Una misión es una

declaración amplia que proporciona una idea general de lo que los miembros
de una organización piensan que es importante. Los gerentes deben revisar
la misión antes de escribir objetivos, ya que los objetivos deben reflejar esa
misión.

2. Evaluar los recursos disponibles. Usted no desea establecer objetivos que sean
imposibles de lograr; dados los recursos disponibles. Aunque los objetivos
deben ser desafiantes, deben ser realistas. Después de todo, si los recursos
con que cuenta para trabajar no permitirán que logre un objetivo, sin
importar cuánto lo intente, usted no debe establecer ese objetivo.

.
 3. Determinar los objetivos individualmente o con los informes de otros. Lo objetivos
reflejan resultados deseados y deben ser congruentes con la misión de la
organización y con los objetivos de o tras áreas organizacionales. Estos objetivos
deben ser mensurables y específicos, y no deben incluir un periodo para lograrlos.

4. Escribir los objetivos y comunicarlos a todos los que deban saberlos. Describir y
comunicar los objetivos obliga a la gente a pensar en conjunto. Los objetivos escritos
también se vuelve en evidencia visible de la importancia de trabajar por algo.
5. Revisar los resultados y si los objetivos se están cumpliendo. Si los objetivos no se están
cumpliendo , cámbiela s según sea necesario .

“Una vez que los objetivos se han establecido, escrito y

comunicado, un gerente está listo para desarrollar los planes
para lograr los objetivos”
Críticas a la PLANEACIÓN
3.7 Proyección demanda
Un proyección de demanda denominado también pronóstico de producción en el ámbito de
fabricación, pronostico de ventas en el ámbito de comercialización y pronostico financiero en el
ámbito de finanzas.
Consiste en predecir eventos futuros asociados al producto o servicio que ofrecemos. En este caso
pensamos a futuro para estimar cuánto vamos a vender, lo que nos permitirá desarrollar proyecciones
de ventas.

proceso de estimación en situaciones de

incertidumbre.
3.7.1 Pasos a seguir para efectuar un pronóstico de demanda

1. Determinar el uso del pronóstico: ¿Cuál es el objetivo por el cual vas a pronosticar?
2. Seleccionar los aspectos que se deben pronosticar: ¿Cuál es la unidad de medida que vas a usar para
pronosticar?. Vendes un producto: Número de ventas. Tienes una discoteca: Número de ingresos.
Administras un hospital: Pacientes ingresados.
3. Determinar el horizonte de tiempo del pronóstico: Ten en cuenta que a mayor horizonte de tiempo, mas
impreciso será el pronostico. Hay empresas que manejan pronósticos diarios, semanales, quincenales,
mensuales y anuales. Esto va en función de tu empresa y su producto.
4. Seleccionar los modelos de pronóstico: Podemos emplear métodos de juicio, cuantitativos o cualitativos.
5. Recopilar los datos para hacer el pronóstico: ¿Realizas encuestas? ¿Llevas registros de las ventas?
¿Haces uso de un software para contar los ingresos?. El objetivo es que tengas una forma de obtener los
datos que serán relevantes para hacer tu pronóstico.
6. Realizar el pronóstico: Dependiendo del modelo de pronóstico, la manera de proceder será diferente.
7. Validar e implementar el resultado: Existen medidas de error para determinar la validez de un pronóstico.
También es importante que hagas comparaciones constantes entre la demanda real y lo pronosticado para
determinar qué tan bien (o qué tan mal) lo estás haciendo.
 3.7.2 Pronósticos Cuantitativos
• Los pronósticos cuantitativos se clasifican en dos métodos: Series de tiempo y los Causales

• Los siguientes métodos cuantitativos se basan en la demanda pasada para predecir la futura por
medio de los datos históricos de un periodo anterior.

a. Series de tiempos:
• Promedio simple: Se aplica promedio sobre los datos históricos de ventas. Útil cuando la demanda no presenta estacionalidad o
tendencia.
• Promedio ponderado: Similar al promedio simple pero con la diferencia que en éste método calcula el pronóstico asignando nivel de
importancia o peso ponderado a unos elementos de tiempo por sobre otros.
• Suavización exponencial: Requiere el pronóstico anterior, la demanda real del periodo de pronóstico y una constante de
suavizamiento. Útil cuando se cuenta con pocos datos históricos.
• Suavización exponencial doble: Es una modificación del suavizamiento exponencial simple. Agrega una constante de
suavización delta (δ), cuya función es reducir el error que ocurre entre la demanda real y el pronóstico.
• Estacional multiplicativo: Considera que la demanda tiene patrones de repetición de acuerdo a periodos de tiempo y la pronostica por
medio del producto de los factores estacionales con una estimación de la demanda promedio.
b. Causales:
• Regresión lineal permite analizar el impacto de los factores causales con relación a la demanda de tu producto o servicio para obtener
un estimado.
Serie de tiempos
“Una serie de tiempo es una secuencia de datos u observaciones, medidos en
determinados momentos y ordenados cronológicamente. Visualmente, es una
curva que evoluciona en el tiempo”.

Los datos se pueden comportar de diferentes maneras a través del tiempo:

puede que se presente una tendencia, estacionalidad o simplemente no
presenten una forma definida.

Su aplicación
Representar los datos del negocio como series de tiempo suele ayudar a las
empresas a visualizar la actividad del negocio. A su vez, usualmente las series
de tiempo se utilizan para predecir el comportamiento futuro de la variable
medida.
Tendencia
“La tendencia es una corriente o preferencia hacia determinados fines. Por
ejemplo: “Lionel Messi es un gran jugador, aunque tiene tendencia a encarar por
el lado izquierdo, lo que ayuda a predecir sus movimientos”.

Tendencia también se utiliza como sinónimo de moda, en el sentido de tratarse

de una especie de mecanismo social que regula las selecciones de las personas.

Las tendencias suelen mostrarse al mundo agresivamente, con un mensaje que

tilda de anticuados o aburridos a quienes no desean seguirlas.
 La tendencia puede ser definida como la dirección en la cual se mueven los
activos que se estudian, ésta es importante ya que se convierte en el equilibrio
entre la oferta y la demanda. Estos activos no se mantienen en línea recta, es decir,
se mueven en zigzag y de esta manera son dibujados o representados. Por ésta
razón los zigzag se mueven en diferentes direcciones y surgen tres tipos de
tendencia que son:
Tendencia alcista
Esta tendencia, gráficamente, se reconoce cuando en sus movimientos de
zigzag, los niveles máximos y mínimos se superan unos a otros de una manera
sucesiva.
Tendencia bajista
En las gráficas la tendencia bajista se reconocen cuando los movimientos
zigzag de de los niveles máximos y mínimos, van en descenso.

Tendencia horizontal
Gráficamente éste tipo de tendencia se produce cuando todos los niveles
máximos se encuentran alineados y lo mismo ocurre con los niveles mínimos.
3.7.3 Medición del error del pronostico

Concepto
El error de medición es la diferencia entre un valor que se mide y un valor verdadero
Desde la perspectiva empresarial : error de pronóstico como la comparación entre el valor pronosticado y el valor real.
Error de pronóstico=Demanda real – valor pronosticado

Propósito
Su cálculo nos permite tomar decisiones frente a qué método de pronóstico es el mejor
Permitiendo detectar cuando en nuestra previsión de la demanda no está marchando bien,
de manera e conseguimos cambiar el rumbo de nuestras decisiones a fin tomar las mejores
elecciones.

Causas del error de pronóstico

1. Sesgados, también llamado sistemático es ocasionado por un error constante, por ejemplo una mala
interpretación de la demanda, usar variables incorrectas o con relaciones equivocadas. Este tipo de error
se verá minimizado de acuerdo a la experticia del administrador de operaciones.

2. Aleatorios.es aquel que no tiene explicación, es decir, es el error originado por factores imprevisibles y por ende
no se conoce qué es lo que lo causa.
Cálculos a efectuarse
Suma acumulada de errores de pronóstico (CFE)

Es la medida más básica de todas y es la que da origen a las demás. Es la suma acumulada de los
errores de pronóstico, permitiendo evaluar el sesgo del pronóstico. Por ejemplo, si a través de
los periodos el valor real de la demanda siempre resulta superior al valor de pronóstico,
"la CFE será más grande, indicando la existencia de un error sistemático en el cálculo de la
demanda".

Desviación media absoluta (MAD)

Mide la dispersión del error de pronóstico o dicho de otra forma, la medición del tamaño del
error en unidades. Es el valor absoluto de la diferencia entre la demanda real y el
pronóstico, dividido sobre el número de periodos.

Error cuadrático medio (MSE)

Al igual que la DAM, el MSE es una medida de dispersión del error de pronóstico, sin embargo
esta medida maximiza el error al elevar al cuadrado , castigando aquellos periodos donde la
diferencia fue más alta a comparación de otros. En consecuencia, se recomienda el uso del MSE
para periodos con desviaciones pequeñas.

Error porcentual medio absoluto (MAPE)

El 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.
Caso: Una determinada empresa tiene la siguiente información sobre la demanda de sus productos

Periodo Demanda

a
1 56
2 50
3 47
4 51
5 58
6 62
7 55
8 48
9 39
10 44
11 49
12 55
13 61
14 70
15 58

Requerimientos:
a. Determinar el pronostico en base al método de promedio simple, tomando tres periodo para su
calculo.
b. Determinar el error del pronostico, su valor absoluto, el cuadrado del error de pronostico, el error
porcentual y la sumatoria de los valores calculados.
 Los cálculos Resta entre El valor El cuadrado Dividimos la
a partir la demanda absoluto del del error de demanda
periodo 4, real y el error de pronóstico real / mad
n=3 pronóstico. pronóstico

Error de Desviacion Error Error

Periodo Demanda Pronostico pronostico absoluta cuadratico cuadratico
(CFE) media (MAD) medio (MSE) medio (MAPE)
a b c=a-b d=[c] c2 d/a
1 56
2 50
3 47
4 51 51 0 0 0 0.00%
5 58 49 9 9 81 15.52%
6 62 52 10 10 100 16.13%
7 55 57 -2 2 4 3.64%
8 48 58 -10 10 100 20.83%
9 39 55 -16 16 256 41.03%
10 44 47 -3 3 9 6.82%
11 49 44 5 5 25 10.20%
12 55 44 11 11 121 20.00%
13 61 49 12 12 144 19.67%
14 70 55 15 15 225 21.43%
15 58 62 -4 4 16 6.90%
Suma de errores 27 97 1081 182.16%
Teniendo en cuenta que el número de periodos que pronosticamos es de 12:

CFE = Suma acumulada de errores de pronóstico

MAD = Desviación absoluta media: divide MAD/números de periodos calculados, ejemplo 97/12
MSE = Error cuadrático medio divide MSE/número de periodos calculados, ejemplo 1081/12
MAPE = Error porcentual absoluto divide MAPE/numero de periodos calculados ejemplo 182,16%/12

CFE 27MAD 8.08MSE 90.08MAPE 15.18%

3.7.3 Promedio simple

• Generalmente usado cuando en la demanda no detectamos estacionalidad o tendencia, el

promedio simple se define como un método de pronóstico de fácil realización, útil
cuando se supone que la demanda permanecerá estable a través del tiempo, sin
tendencia o estacionalidad.
• Denominamos media móvil o promedio simple cuando definimos el número de periodos
para su cálculo. Un ejemplo de promedio es cuando vamos a calcular la demanda de
diciembre con una móvil de 5 meses: julio, agosto, septiembre, octubre y noviembre, así
pues … el cálculo de pronósticos del mes de enero ahora será a partir de los meses de
agosto, septiembre, octubre, noviembre y diciembre.
• Referente al periodo, si el mismo es más largo en el promedio simple nos da un resultado
más uniforme pero con tendencia retrasada. Con un periodo más corto, tenemos más
oscilación, pero estamos cercanos a la tendencia.

Ejemplo:
Calcular el pronóstico de demanda con el método de media o promedio móvil simple, considerando un
periodo de 3 meses.

Periodo Demanda Pronóstico

Enero 1300
Promedio simple (n =3)
Febrero 1450 2000
Marzo 1390 1800
Abril 1530 1,380 1600
Mayo 1620 1,457 1400
Junio 1700 1,513
1200
Julio 1000 1,617
1000
Agosto 1200 1,440
Septiembre 1510 1,300 800
Octubre 1340 1,237 600
Noviembre 1390 1,350 400
Diciembre 1510 1,413 200
Enero 1640 1,413
0
Febrero 1590 1,513
Marzo 1710 1,580
Abril 1820 1,647
Mayo 1620 1,707
Demanda Pronóstico
Junio 1900 1,717
Calcular las medidas de error de pronóstico

Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
a b c=a-b d=[c] c2 d/a
Enero 1300
Febrero 1450
Marzo 1390
Abril 1530 1380 150 150 22500 9.80%
Mayo 1620 1457 163 163 26569 10.06%
Junio 1700 1513 187 187 34969 11.00%
Julio 1000 1617 -617 617 380689 61.70%
Agosto 1200 1440 -240 240 57600 20.00%
Septiembre 1510 1300 210 210 44100 13.91%
Octubre 1340 1237 103 103 10609 7.69%
Noviembre 1390 1350 40 40 1600 2.88%
Diciembre 1510 1413 97 97 9409 6.42%
Enero 1640 1413 227 227 51529 13.84%
Febrero 1590 1513 77 77 5929 4.84%
Marzo 1710 1580 130 130 16900 7.60%
Abril 1820 1647 173 173 29929 9.51%
Mayo 1620 1707 -87 87 7569 5.37%
Junio 1900 1717 183 183 33489 9.63%
Suma de errores 796 2684 733390 194.26%

CFE 796 MAD 178.93 MSE 48892.67 MAPE 12.95%

3.7.4 Promedio móvil ponderado

• El método de promedio móvil ponderado nos permite calcular

pronósticos asignando más peso para los elementos que
consideremos.
• El cálculo de pronósticos es más importante la demanda reciente,
pues ante ausencia de datos, es el indicador más confiable que
tenemos para el próximo periodo.
• Los bienes o servicios son estacionales , un ejemplo de promedio
móvil ponderado es una empresa que vende antigripales y que sabe
que en invierno la demanda aumenta, y por ende es un periodo en el
que se debe asignar un mayor peso ponderado en el pronóstico.
 Demanda mas lejana 20%
Para el cálculo del pronóstico se establece los siguientes parámetros: Demanda intermedia 30%
Demanda reciente 50%

Demanda mas lejana 20%

Demanda intermedia 30%
Demanda reciente 50%
Periodo Demanda Pronóstico
1 1300
PRONOSTICO DEMANDA PONDERADO
2 1450 2000
3 1390 1800
4 1530 1,390 Cálculos
1600
5 1620 1,472
6 1700 1,547 1400
Periodo 4 (1300*20%)+(1450*30%)+(1390*50%) = 1390
7 1000 1,642 1200
8 1200 1,334 Periodo 5 (1450*20%)+(1390*30%)+(1530*50%) = 1472
1000
9 1510 1,240
10 1340 1,315 800
11 1390 1,363
600
12 1510 1,399
13 1640 1,440 400
14 1590 1,551 200
15 1710 1,589
0
16 1820 1,660 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
17 1620 1,741
18 1900 1,698 Periodo Demanda Pronóstico
Calcular las medidas de error de pronóstico

Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
2
a b c=a-b d=[c] c d/a
1 1300
2 1450
3 1390
4 1530 1390 140 140 19600 9.15%
5 1620 1472 148 148 21904 9.14%
6 1700 1547 153 153 23409 9.00%
7 1000 1642 -642 642 412164 64.20%
8 1200 1334 -134 134 17956 11.17%
9 1510 1240 270 270 72900 17.88%
10 1340 1315 25 25 625 1.87%
11 1390 1363 27 27 729 1.94%
12 1510 1399 111 111 12321 7.35%
13 1640 1440 200 200 40000 12.20%
14 1590 1551 39 39 1521 2.45%
15 1710 1589 121 121 14641 7.08%
16 1820 1660 160 160 25600 8.79%
17 1620 1741 -121 121 14641 7.47%
18 1900 1698 202 202 40804 10.63%
Suma de errores 699 2493 718815 180.31%

CFE 699 MAD 166.20 MSE 47921.00 MAPE 12.02%

3.7.5 Suavización exponencial simple

• Se desarrolla con series de tiempo, haciendo uso de los datos del pasado para
predecir el comportamiento de la demanda en el futuro. Sin embargo, a diferencia
de otros métodos, el suavizado o alisamiento exponencial funciona con muy pocos
registros de periodos anteriores, destacando los hechos más recientes sobre los
más antiguos.
• A diferencia de los métodos de promedio móvil simple y ponderado, este método
no necesita de gran volumen de datos históricos de la demanda.
• Su formulación es sencilla solo requiere el pronóstico anterior, la demanda real del
periodo de pronóstico y su constante de suavización.
• Ventajas :
No requiere de gran volumen de datos históricos. Al ser un modelo
exponencial, es más preciso. Es flexible al conseguir darle más importancia
a la demanda más reciente o a la antigua.

• Desventajas :
El valor de alfa (α) logra responder los cambios en el promedio, estos
cambios sistemáticos de este harán más grande el error de pronóstico.
Para el cálculo del pronóstico se establece que la constante de suavizacion y el pronostico del mes
anterior son: Pronóstico
a
anterior
2,869 0.35

a 0.35
Periodo Demanda Pronóstico
1 3200 2,869 Pronosticos simple, a = 0.35
2 3108 2,985 4000
3 2930 3,028 3500
4 2801 2,994 3000
5 2316 2,926 2500
6 2444 2,713 2000
1500
7 2719 2,619
1000
8 3133 2,654
500
9 3459 2,821
0
10 2819 3,045 1 2 3 4 5 6 7 8 9 10 11 12
11 2773 2,966
Periodo Demanda Pronóstico
12 2321 2,898

Pronostico Demanda Pronostico

Ft = anterior
+ a anterior
-
anterior

F2 2,869 + 0.35 X 3200 - 2,869 = 2985

F3 2,985 + 0.35 X 3108 - 2,985 = 3028

Calculo del error del pronostico

Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
2
a b c=a-b d=[c] c d/a
1 3200 2869 331 331 109561 10.34%
2 3108 2985 123 123 15166 3.96%
3 2930 3028 -98 98 9595 3.34%
4 2801 2994 -193 193 37121 6.88%
5 2316 2926 -610 610 372387 26.35%
6 2444 2713 -269 269 72174 10.99%
7 2719 2619 100 100 10075 3.69%
8 3133 2654 479 479 229675 15.30%
9 3459 2821 638 638 406417 18.43%
10 2819 3045 -226 226 50904 8.00%
11 2773 2966 -193 193 37115 6.95%
12 2321 2898 -577 577 333188 24.87%

Suma de errores -494 3836 1683378 139.11%

CFE -494 MAD 319.69 MSE 140281.54 MAPE 11.59%

La constante de suavización en el alisado exponencial
El método de suavización exponencial simple trabaja a través de una constante de suavización
alfa (α)
Tiene un valor comprendido entre 0 y 1
Aunque en la aplicación real su valor suele variar entre 0,05 y 0,50.

La constante funciona como un factor de ponderación parecido al pronóstico móvil ponderado y su

variación se hace de acuerdo a nuestra necesidad:
Alfa α más elevado: Se asigna más peso a datos recientes
Alfa α más bajo: Se asigna a datos anteriores

En este sentido, si α=1, nuestro pronóstico de demanda del próximo periodo será exactamente
igual al del periodo actual.

En consecuencia, el alfa que elijamos estará relacionado con el índice de respuesta deseado y la
naturaleza del producto.
Por ejemplo, teniendo un producto o servicio con demanda estable a través del año,
nuestra constante de suavización tenderá a ser pequeña (0,10 por ejemplo), porque no requerimos
un elevado índice de respuesta frente a los cambios entre la demanda real y la demanda pronosticada,
mientras si comienza a tener un crecimiento en su demanda, lo que va a requerir un alfa más
elevado (0,30 por ejemplo) para dar mayor importancia a la demanda reciente.
3.7.6 Suavización exponencial

• Con este método se agrega una constante de suavización delta (δ), cuya
función es reducir el error que ocurre entre la demanda real y el pronóstico.

• El método de suavización exponencial con ajuste a la tendencia requiere de dos

constantes de suavización: alfa (α) y delta (δ). Su valor puede estar entre 0 y 1,
pero a nivel práctico varía entre 0,05 y 0,50.

• Los criterios para definir los valores de las constantes son similares al método
de suavización simple.

“Para alfa dependerá de la importancia que otorgamos a datos recientes

(alfa α más elevada) o a datos más antiguos (alfa α más bajo)”

“Para delta funciona similar: δ elevado responde con más velocidad a los
cambios en la tendencia, mientras que un δ inferior tiende a suavizar la
tendencia actual, dando menos peso a los datos recientes”
Formula:

Donde

Ft= Nuevo pronóstico

Ft-1= Pronóstico del periodo anterior
α = constante de suavización
At-1= demanda real del periodo anterior
Ejemplo : Una determinada empresa tiene la siguiente informacion historica de su demanda de su producto

Periodo
1
Demanda
1,132.00
La constante de suavizacion a 0.10
2 1,600.00
3 1,690.00
4 1,640.00 La constante de suavizacion d 0.30
5 1,765.00
6 1,879.00
7 1,990.00
8 2,100.00
9 2,210.00
10 2,356.00
11 2,201.00
12 2,027.00
 a 0.10
d 0.30
Pronostico
Pronostico Tendencia con
Periodo Demanda suavizado suavizada tendencia
1 1,132.00 1,500.00 150.00 1,650.00
2 1,600.00 1,598.20 134.46 1,732.66
3 1,690.00 1,719.39 130.48 1,849.87
4 1,640.00 1,833.89 125.68 1,959.57
5 1,765.00 1,927.61 116.10 2,043.71
6 1,879.00 2,015.84 107.74 2,123.58
7 1,990.00 2,099.12 100.40 2,199.52
8 2,100.00 2,178.56 94.11 2,272.68
9 2,210.00 2,255.41 88.93 2,344.34
10 2,356.00 2,330.91 84.90 2,415.81
11 2,201.00 2,409.83 83.11 2,492.94
12 2,027.00 2,463.74 74.35 2,538.09

Cálculos
Periodo 3
Periodo 2
A1 es el valor de Ventas F1 es el pronostico
Reales( Demanda) del suavizado y T1 tendencia F3 = a A2 + (1 + a) ( F2 + T2 )
Periodo 1 suavizad del Periodo 1

F3 = 0.10 (1,600) + (1-0.10) ( 1,598.0 + 134.46) = 1,719.39

Procedimiento
F2 = a A1 + (1 + a) ( F1 + T1 )
Paso 2 : Calcular la tendencia
= 0.10 (1,132) + (1-0.10) ( 1,500 + 150) = 1,598.20
T3 d (F3 - F2 ) + ( 1 - d) T3
Paso 2 : Calcular la tendencia

T2 d (F2 - F1 ) + ( 1 - d) T1 T3 = 0.30(1,719.39 - 1,598.20)+(1-0.30)(134.6)= 130.48

= 0.30(1598.20 - 1,500)+(1-0.30)(150)= 134.46

T3 130.48
T2 134.46

Paso 3 : Calcular pronostico con ajuste

Paso 3 : Calcular pronostico con ajuste
FIT3 F3 + T3
FIT2 F 2 + T2

1,732.66 1,849.87
Calculo del error del pronostico

Error
Error de Desviacion Error
cuadratico
Periodo Demanda Pronostico pronostico absoluta cuadratico
medio
(CFE) media (MAD) medio (MSE)
(MAPE)
2
a b c =a- b d=[c ] c d/a
1 1,132.00 1,650.00 -518 518 268324 45.76%
2 1,600.00 1,732.66 -133 133 17599 8.29%
3 1,690.00 1,849.87 -160 160 25560 9.46%
4 1,640.00 1,959.57 -320 320 102125 19.49%
5 1,765.00 2,043.71 -279 279 77680 15.79%
6 1,879.00 2,123.58 -245 245 59817 13.02%
7 1,990.00 2,199.52 -210 210 43897 10.53%
8 2,100.00 2,272.68 -173 173 29817 8.22%
9 2,210.00 2,344.34 -134 134 18048 6.08%
10 2,356.00 2,415.81 -60 60 3577 2.54%
11 2,201.00 2,492.94 -292 292 85227 13.26%
12 2,027.00 2,538.09 -511 511 261216 25.21%

Suma de errores -3033 3033 992887 177.65%

CFE -3033 MAD 252.73 MSE 82740.56 MAPE 14.80%

3.7.7 Regresión lineal para pronosticar la demanda

• Relación de variables: CAUSAS(variables independientes) y EFECTOS (variables

dependientes)
• Lineal significa que los datos del periodo anterior y la proyección para el periodo futuro que
vas a obtener caen sobre una recta.

• Si tenemos una sola variable independiente, es una regresión lineal simple, contrario a si
son dos o más variables independientes, será una regresión lineal múltiple.

• Considera coeficiente de correlación

Esta es la ecuación de la recta Secante Pendiente

Y = a + b X
Variable Variable
dependiente independiente

• La b es la inclinación de la recta.

• La a es la secante o la altura en la que la recta corta

al eje y.

• La X es nuestra variable independiente.

• La Y es nuestra variable dependiente, nuestro

pronóstico calculado para un periodo.
Formulas
Ecuación Línea recta Y = a + bX
Ecuación Línea recta ajustada Ŷ = a + bX
 Este coeficiente, te permitirá entender qué tanta correlación existe entre la
demanda y el tiempo.

• Correlación perfecta: Cuando el resultado de coeficiente es igual a 1 o -1.

En este caso existe una relación directamente proporcional entre la
demanda y el tiempo.
• Correlación fuerte: Cuando el resultado es mayor a 0.5 y menor que 1
(correlación positiva) o menor a -0.5 y mayor que -1(correlación negativa).
• Correlación débil: Valores que están entre -0.5 y 0.5.
Datos

Gestion 2021
X Y 35,000
Gráfico Dispersión
1 15,000
30,000
2 18,000
3 18,500 25,000
4 20,000
20,000
5 20,000
6 21,000 15,000
7 25,000
10,000
8 25,000
9 27,000 5,000
10 28,000 -
11 30,000 0 2 4 6 8 10 12 14
12 30,000

Ecuación de la linea recta

Y = a + bX
 Gestion 2021
Cálculo de las constantes "a" y "b" X Y XY 2 2
X Y
1 15,000 15,000 1 225,000,000
Pendiente de la recta de regresión de mejor ajuste
2 18,000 36,000 4 324,000,000
3 18,500 55,500 9 342,250,000
4 20,000 80,000 16 400,000,000
5 20,000 100,000 25 400,000,000
6 21,000 126,000 36 441,000,000
7 25,000 175,000 49 625,000,000
8 25,000 200,000 64 625,000,000
9 27,000 243,000 81 729,000,000
Ordena Y de la recta de regresión de mejor ajuste 10 28,000 280,000 100 784,000,000
11 30,000 330,000 121 900,000,000
Totales 12 30,000 360,000 144 900,000,000
Promedio 78 277,500 2,000,500 650 6,695,250,000
n 6.5 23,125
12

2,000,500 - 12 6.5 23,125

b=
650 - 12 42.25

196,750
b=
143

b= 1,375.87

a= 23,125 - 1,375.87 6.5

a= 14,181.82
 Ecuación de la linea recta con mejor ajuste

Ŷ = a + bX

Y= 14,181.82 + 1,375.87 X

Determinacion del pronostico

Ventas Reales Pronostico

tiempo
2020 2021
Pronostico 2021
1 15,000 15,557.69 35000
2 18,000 16,933.57 30000
3 18,500 18,309.44 25000
4 20,000 19,685.31 20000
5 20,000 21,061.19 15000
6 21,000 22,437.06
10000
7 25,000 23,812.94
5000
8 25,000 25,188.81
0
9 27,000 26,564.69
1 2 3 4 5 6 7 8 9 10 11 12
10 28,000 27,940.56
11 30,000 29,316.43 tiempo Ventas Reales Pronostico
2020 2021
12 30,000 30,692.31
Determinar error estandar de la estimacion : Metodo Abreviado

X Y XY X2 Y2
1 15,000 15,000 1 225,000,000
2 18,000 36,000 4 324,000,000
3 18,500 55,500 9 342,250,000
4 20,000 80,000 16 400,000,000
5 20,000 100,000 25 400,000,000
6 21,000 126,000 36 441,000,000
7 25,000 175,000 49 625,000,000
8 25,000 200,000 64 625,000,000
9 27,000 243,000 81 729,000,000
10 28,000 280,000 100 784,000,000
11 30,000 330,000 121 900,000,000
12 30,000 360,000 144 900,000,000
Totales 78 277,500 2,000,500 650 6,695,250,000
Promedio 6.5 23,125
n 12
 6,695,250,000 - 14,182 277,500 - 1,376 2,000,500
Se =
12 - 2

7,359,265.73
Se =
10

Se = 735,926.57

Raiz2 Se = 857.86
Determinar :Coeficiente correlacion

2 2
X Y XY X Y X- X Y- Y (X - X)^2 (Y - Y)^2 (x-x ) (y-y)
1 15,000 15,000 1 225,000,000 -5.5 - 8,125 30.25 66015625 44,687.50
2 18,000 36,000 4 324,000,000 -4.5 - 5,125 20.25 26265625 23,062.50
3 18,500 55,500 9 342,250,000 -3.5 - 4,625 12.25 21390625 16,187.50
4 20,000 80,000 16 400,000,000 -2.5 - 3,125 6.25 9765625 7,812.50
5 20,000 100,000 25 400,000,000 -1.5 - 3,125 2.25 9765625 4,687.50
6 21,000 126,000 36 441,000,000 -0.5 - 2,125 0.25 4515625 1,062.50
7 25,000 175,000 49 625,000,000 0.5 1,875 0.25 3515625 937.50
8 25,000 200,000 64 625,000,000 1.5 1,875 2.25 3515625 2,812.50
9 27,000 243,000 81 729,000,000 2.5 3,875 6.25 15015625 9,687.50
10 28,000 280,000 100 784,000,000 3.5 4,875 12.25 23765625 17,062.50
11 30,000 330,000 121 900,000,000 4.5 6,875 20.25 47265625 30,937.50
12 30,000 360,000 144 900,000,000 5.5 6,875 30.25 47265625 37,812.50
Totales 78 277,500 2,000,500 650 6,695,250,000 - - 143 278,062,500 196,750
Promedio 6.5 23,125
n 12 Raiz cuadrada 11.96 16675.21

196,750
r=
199,406

r= 0.99