PRONÓSTICOS (2)

PRONÓSTICOS CUANTITATIVOS
PRONÓSTICOS

https://www.youtube.com/watch?v=Ab7TLSRQip4
LOGRO DE LA SESIÓN

LOGRO DE LA SESION

Al finalizar la sesión el alumno identifica los tipos de

pronósticos cuantitativos y el proceso
OBJETIVOpara
DE LAelSESIÓN
cálculo,
que se aplicarán en el desarrollo de los ejercicios
planteados.
PRONÓSTICOS
VARIABLE INDEPENDIENTE
VARIABLE DEPENDIENTE
EJEMPLO: IDENTIFICAR LAS VARIABLES (D) (I)
PRONÓSTICOS CUANTITATIVOS
RELACIONES FUNCIONALES ENTRE VARIABLES
REGRESIÓN LINEAL
REGRESIÓN LINEAL
REGRESIÓN LINEAL
MÉTODO DE MÍNIMOS CUADRADOS
EJEMPLO
EJEMPLO
EJEMPLO
Ejemplo 2

Calcular el pronóstico de ventas para el año 11 por regresión lineal

Ejemplo 2
REGRESIÓN CUADRÁTICA

El modelo de regresión cuadrática es una

alternativa cuando el modelo lineal no logra un
coeficiente de determinación apropiado, o
cuando el fenómeno en estudio tiene un
comportamiento que puede considerarse como
parabólico. La forma más simple de tratar de
establecer la tendencia es a través de un
diagrama de dispersión o nube de puntos, tal
como la siguiente:

Este modelo también es conocido como parabólico, y es el caso más simple

de modelos de regresión polinomiales, siendo su grado igual a 2.
REGRESIÓN CUADRÁTICA

Ecuación característica
La función que define el modelo es la siguiente:

Yi=A+Bxi+Cxi2+E

En la cual:
Yi : Variable dependiente, iésima observación
A, B, C: Parámetros de la ecuación, que generalmente son desconocidos
E: Error asociado al modelo
Xi : Valor de la í-esima observación de la variable independiente

Al sustituir los parámetros por estimadores, el modelo adopta la siguiente forma:

yi=a+bxi+cxi2
REGRESIÓN CUADRÁTICA

Tabla de datos
Para el ajuste de un conjunto de datos al modelo cuadrático de
regresión, se construye la siguiente tabla de datos:
REGRESIÓN CUADRÁTICA
EJEMPLO REGRESIÓN CUADRÁTICA

Se realiza una prueba de frenado de un automóvil nuevo, midiendo

la distancia de parada de acuerdo a la rapidez del vehículo al
momento de aplicar los frenos, obteniéndose los siguientes
resultados:

En base a los datos anteriores:

a) Construya un diagrama de dispersión
b) Efectúe la estimación del modelo cuadrático
c) Si el vehículo viaja a 100 km/h, en qué distancia se detiene?
EJEMPLO REGRESIÓN CUADRÁTICA
VALIDACIÓN DE PRONÓSTICOS
TIPOS DE ERRORES
TIPOS DE ERRORES
EJEMPLO DE CÁLCULO DE ERRORES
EJEMPLO DE CÁLCULO DE ERRORES
EJEMPLO DE CÁLCULO DE ERRORES

Los cálculos se realizan a partir del periodo 4, debido a que nuestro promedio móvil
simple tiene n=3, por ende en los tres primeros periodos no tenemos pronóstico de
demanda.
Hecho esto, ya estamos a un paso de obtener nuestras medidas de error.
Teniendo en cuenta que el número de periodos que pronosticamos es de 12:
La suma acumulada de errores de pronóstico es 27. Ya la teníamos calculada al
hacer la sumatoria en la columna de error de pronóstico.
La desviación absoluta media (MAD) la calculamos dividiendo 97 entre 12.
El error cuadrático medio (MSE) lo calculamos dividiendo 1081 entre 12.
Dividimos 182% entre 12 para calcular el error porcentual absoluto medio (MAPE)
Esto es lo que obtenemos:
EJEMPLO DE CÁLCULO DE ERRORES

¿Cómo sería esto en nuestro ejemplo? Para nuestro siguiente

ejemplo vamos a considerar únicamente métodos de pronóstico
cuantitativos: promedio móvil simple, promedio ponderado
y suavización exponencial simple . La demanda la calculamos a
partir del periodo 4 hasta el período 15.
El promedio móvil simple es de 3. En el promedio ponderado
usaremos pesos de 40%, 30% y 30% para el periodo más reciente,
intermedio y más lejano respectivamente. La constante de
suavización alfa en el alisado exponencial será de 0,4.
EJEMPLO DE CÁLCULO DE ERRORES
EJEMPLO DE CÁLCULO DE ERRORES

¿Qué queda entonces? La suavización exponencial simple presenta los mejores

resultados en 3 de las 4 medidas. Por supuesto los suavizamientos son métodos
susceptibles de ser mejorados. La definición de las constantes de suavización
por ensayo y error seguro nos habría entregado mejores métricas.
Hecho esto y considerando la naturaleza de los datos a tener tendencias
crecientes y decrecientes que duran varios períodos, yo me quedaría con el
método de suavización exponencial simple.
CONCLUSIONES

CONCLUSIONES
INGRESAR AL PADLET:

https://padlet.com/martinsaavedra919/Bookmarks
REFERENCIAS

• BOWERMAN, BRUCE L. [ET AL.], 2007. PRONÓSTICOS, SERIES DE TIEMPO Y REGRESIÓN.

• HEIZER, J. Y RENDER, B., 2009. ADMINISTRACIÓN DE OPERACIONES.
• RENDER, BARRY [ET AL.], 2006. MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS.
• Libro "ADMINISTRACION DE OPERACIONES, KRAJEWSKI, LEE (2008)"