Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• CON EL DESARROLLO DE LOS MÉTODOS BASADOS EN DATOS, LOS ENFOQUES DEL ROL DEL
BUEN JUICIO Y LA CRÍTICA PARA REALIZAR PRONÓSTICOS HAN CRECIDO SIGNIFICATIVAMENTE
DURANTE LOS ÚLTIMOS 25 AÑOS. SIN DATOS HISTÓRICOS, EL JUICIO HUMANO SERÍA EL ÚNICO
MODO DE HACER PREDICCIONES ACERCA DEL FUTURO.
• EN LOS CASOS DONDE LOS DATOS ESTÁN DISPONIBLES, EL BUEN JUICIO DEBERÍA UTILIZARSE
PARA REVISAR, Y QUIZÁ MODIFICAR, EL PRONÓSTICO ELABORADO MEDIANTE
PROCEDIMIENTOS CUANTITATIVOS.
• TODOS LOS DÍAS, LOS ADMINISTRADORES TOMAN DECISIONES SIN SABER LO QUE
OCURRIRÁ EN EL FUTURO. ORDENAN INVENTARIOS SIN SABER CUÁNTO SE VENDERÁ,
COMPRAN EQUIPOS NUEVOS A PESAR DE LA INCERTIDUMBRE DE LA DEMANDA DE
LOS PRODUCTOS Y REALIZAN INVERSIONES SIN SABER LAS GANANCIAS QUE TENDRÁN.
3. LOS PRONÓSTICOS A CORTO PLAZO SON MÁS PRECISOS QUE LOS DE LARGO PLAZO.
A MEDIDA QUE EL HORIZONTE DE TIEMPO SE ALARGA, ES MÁS PROBABLE QUE LA
EXACTITUD DEL PRONÓSTICO DISMINUYA.
1. INTRODUCCIÓN.
2. CRECIMIENTO.
3. MADUREZ.
4. DECLINACIÓN.
• LOS PRONÓSTICOS QUE REFLEJAN LOS CICLOS DE VIDA SON ÚTILES PARA
PROYECTAR LOS DISTINTOS NIVELES DE PERSONAL, NIVELES DE INVENTARIO Y
CAPACIDAD DE LA PLANTA MIENTRAS EL PRODUCTO PASA DE LA PRIMERA A LA
ÚLTIMA ETAPA.
1. RECURSOS HUMANOS
2. CAPACIDAD
3. ADMINISTRACIÓN DE LA CADENA DE SUMINISTRO.
• ESTE GRUPO PROPORCIONA ENTRADAS A LOS QUE TOMAN LAS DECISIONES ANTES
DE HACER EL PRONÓSTICO.
TÉCNICA DE PRONÓSTICO QUE USA UNA SERIE DE DATOS PUNTUALES DEL PASADO
PARA REALIZAR UN PRONÓSTICO
PATRICK HENRY
1. HORIZONTAL
2. TENDENCIAS
3. ESTACIONALES
4. CÍCLICOS
𝐧
𝟏 𝐝𝟏 + 𝐝𝟐 + … … . +𝐝𝐧
𝐏𝐌 = 𝐝𝐢 =
𝐧 𝐧
𝐢=𝟏
• ESTO PERMITE QUE LOS PRONÓSTICOS RESPONDAN MÁS RÁPIDO A LOS CAMBIOS,
PUESTO QUE PUEDE DARSE MAYOR PESO A LOS PERIODOS MÁS RECIENTES.
(18 + 16 + 14)
𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝐸𝑛𝑒𝑟𝑜 = = 16
3
• USANDO EXCEL, HAGA LA GRÁFICA DE LOS DATOS DEL PROBLEMA Y UN ANÁLISIS COMO EL
SIGUIENTE:
¿POR QUÉ USARÍA ESTE MÉTODO PARA PRONOSTICAR LAS VENTAS FUTURAS?, ¿LO CREE
CONFIABLE?
HAGA UN PRONÓSTICO PARA TRES PERIODOS (A PARTIR DEL PERIODO CUATRO) Y OTRO
PARA CUATRO PERIODOS (A PARTIR DEL PERIODO CINCO) Y COMPARE LOS RESULTADOS.
GRAFIQUE LOS RESULTADOS Y COMPÁRELOS.
SOLUCIÓN: Los resultados de este pronóstico de promedio ponderado son los siguientes:
RAZONAMIENTO: En esta situación del pronóstico, se observa que cuanto más se pondera
el último mes, la proyección que se obtiene es mucho más precisa.
EJERCICIO DE APRENDIZAJE: Si las ponderaciones asignadas fueran 0.50, 0.33 y 0.17 (en
lugar de 3, 2 y 1), ¿cuál es el pronóstico para enero con el promedio móvil ponderado?,
¿por qué?
• LOS DOS TIPOS DE PROMEDIOS MÓVILES (TANTO LOS SIMPLES COMO LOS
PONDERADOS), SON EFECTIVOS PARA SUAVIZAR LAS FLUCTUACIONES REPENTINAS EN
EL PATRÓN DE LA DEMANDA CON EL FIN DE OBTENER ESTIMACIONES ESTABLES.
𝐍𝐮𝐞𝐯𝐨 𝐏𝐫 = 𝐏𝐫𝐨𝐧 𝐀𝐧𝐭 + 𝛂 𝐃𝐚𝐭𝐨 𝐑𝐞𝐚𝐥 𝐝𝐞𝐥 𝐩𝐞𝐫𝐢𝐨𝐝𝐨 𝐚𝐧𝐭 − 𝐏𝐫𝐨𝐧 𝐝𝐞𝐥 𝐩𝐞𝐫𝐢𝐨𝐝𝐨 𝐚𝐧𝐭
Donde:
𝐹𝑡 = nuevo pronóstico
𝐹𝑡−1 = pronóstico del periodo anterior
α = constante de suavizamiento; (0 ≤ α ≤ 1)
𝐴𝑡−1 = demanda real en el periodo anterior
𝐅𝐭 =∝ 𝐀𝐭−𝟏 + 𝟏 −∝ 𝐅𝐭−𝟏
Donde:
𝐹𝑡 = nuevo pronóstico
α = constante de suavizamiento; (0 ≤ α ≤ 1)
• PUEDE CAMBIARSE PARA DAR MÁS PESO A DATOS RECIENTES (∝ ALTA) O MÁS
PESO A DATOS ANTERIORES (∝ BAJA)
𝟏 𝟏
𝐌𝐀𝐃 = 𝐃𝐑 − 𝐏𝐫𝐨𝐧 = 𝐀𝐭 − 𝐅𝐭 ; 𝐭 = 𝟏, 𝟐, 𝟑, … … … , 𝐧
𝐧 𝐧
• POR LO TANTO, EL USO DEL MSE COMO MEDICIÓN DEL ERROR DE PRONÓSTICO
USUALMENTE INDICA QUE SE PREFIERE TENER VARIAS DESVIACIONES PEQUEÑAS
EN LUGAR DE UNA SOLA DESVIACIÓN GRANDE.
SOLUCIÓN:
• UN PROBLEMA QUE SE DA, TANTO CON LA 𝑀𝐴𝐷 COMO CON EL 𝑀𝑆𝐸 ES QUE SUS
VALORES DEPENDEN DE LA MAGNITUD DEL ELEMENTO QUE SE PRONOSTICA. POR
EJEMPLO, SI EL ELEMENTO QUE SE PRONOSTICA SE MIDE EN MILLARES, LOS VALORES
DE LA 𝑀𝐴𝐷 Y DEL 𝑀𝑆𝐸 PUEDEN SER MUY GRANDES.
SOLUCIÓN:
RESPUESTA: 𝑀𝐴𝑃𝐸 = 6.75. DE IGUAL FORMA QUE CON LA 𝑀𝐴𝐷 Y EL 𝑀𝑆𝐸, ∝ = 0.10, ES
PREFERIBLE PARA ESTA SERIE DE DATOS.
EL 𝑀𝐴𝑃𝐸 ES QUIZÁ LA MEDIDA MÁS FÁCIL DE INTERPRETAR, DEBIDO A QUE PODEMOS AFIRMAR
QUE UN RESULTADO DE UN 𝑀𝐴𝑃𝐸 DEL 6% ES UN ENUNCIADO CLARO QUE NO DEPENDE DE
ASPECTOS COMO LA MAGNITUD DE LOS DATOS DE ENTRADA.
𝑃𝑟𝑜𝑛. 𝑐𝑜𝑛 𝑡𝑒𝑛𝑑. 𝐹𝐼𝑇𝑡 = 𝑃𝑟𝑜𝑛. 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 EXP. 𝐹𝑡 + 𝑇𝑒𝑛𝑑. 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑎 EXP. (𝑇𝑡 )
𝐹𝑡 =∝ 𝐷𝑒𝑚 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 Ú𝑙𝑡 𝑝𝑒𝑟 + 1 −∝ (𝑃𝑟𝑜𝑛 𝑑𝑒𝑙 Ú𝑙𝑡 𝑝𝑒𝑟 + 𝑇𝑒𝑛𝑑 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 Ú𝑙𝑡 𝑝𝑒𝑟)
𝑇𝑡 = 𝛽 𝑃𝑟𝑜𝑛 𝑑𝑒 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟 − 𝑃𝑟𝑜𝑛 𝑑𝑒𝑙 Ú𝑙𝑡 𝑝𝑒𝑟. + 1 − 𝛽 (𝑇𝑒𝑛𝑑 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 Ú𝑙𝑡 𝑝𝑒𝑟)
O BIEN,
𝑇𝑡 = 𝛽 𝐹𝑡 − 𝐹𝑡−1 + (1 − 𝛽)(𝑇𝑡−1 )
DONDE:
𝐹𝑡 = 𝑃𝑟𝑜𝑛Ó 𝑠𝑡𝑖𝑐𝑜 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑖𝑛𝑐𝑙𝑢Í 𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡
𝑇𝑡 = 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑎 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡
𝐷𝑡 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡
∝ = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑐𝑖Ó 𝑛 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜, (0 ≤ ∝ ≤ 1)
𝛽 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑐𝑖Ó 𝑛 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎, (0 ≤ 𝛽 ≤ 1)
𝐹𝐼𝑇𝑡 = 𝐹𝑡 + 𝑇𝑡
Mes, (t) Demanda Real, (𝐷𝑡 ) Mes, (t) Demanda Real, (𝐷𝑡 )
1 12 6 21
2 17 7 31
3 20 8 28
4 19 9 36
5 24 10 ---
SOLUCIÓN:
P - 1: PRONOSTICAR EL PROMEDIO PARA EL MES 2:
𝐹2 = ∝ (𝐷1 ) + (1 −∝)(𝐹1 + 𝑇1 )
𝐹2 = 0.2 12 + 0.8 11 + 2 = 12.8 𝑢𝑛𝑖𝑑.
ESTOS MISMOS CÁLCULOS SE HACEN PARA TODOS LOS MESES, TAL COMO SE MUESTRA EN LA TABLA ADJUNTA.
• RESPUESTA: PRONÓSTICO DEL MES 10 = 24.65. TODOS LOS PUNTOS ESTÁN POR
DEBAJO Y ATRASADOS CON RESPECTO AL PRONÓSTICO CON AJUSTE DE LA TENDENCIA.
• UNA 𝛽 BAJA DA MENOS PESO A LAS TENDENCIAS MÁS RECIENTES Y TIENDE A SUAVIZAR LA
TENDENCIA ACTUAL. LOS VALORES DE 𝛽 PUEDEN ENCONTRARSE POR PRUEBA Y ERROR O
UTILIZANDO ALGÚN SOFTWARE COMERCIAL PARA CALCULAR PRONÓSTICOS, CON LA MAD
COMO MEDIDA DE COMPARACIÓN.
𝑦ො = 𝑎 + 𝑏𝑥
• DONDE:
𝑦ො ES EL VALOR CALCULADO DE LA VARIABLE QUE DEBE PREDECIRSE (VARIABLE
DEPENDIENTE).
σ 𝑥𝑦−𝑛𝑥ҧ 𝑦ത
𝑏= σ 𝑥 2 −𝑛𝑥ҧ 2
Y 𝑎 = 𝑦ത − 𝑏𝑥ҧ
• DONDE:
𝑏, PENDIENTE DE LA RECTA DE REGRESIÓN.
𝑥, VALORES CONOCIDOS DE LA VARIABLE INDEPENDIENTE.
𝑦, VALORES CONOCIDOS DE LA VARIABLE DEPENDIENTE.
𝑥,ҧ PROMEDIO DE LOS VALORES DE X.
ത PROMEDIO DE LOS VALORES DE Y.
𝑦,
𝑛, NÚMERO DE PUNTOS DE DATOS U OBSERVACIONES.
MÉTODO: Se usarán las ecuaciones para calcular los valores del modelo de
proyección de la tendencia.
SOLUCIÓN:
Año, x Demanda, y 𝒙𝟐 𝒙𝒚
1 74 1 74
2 79 4 158
3 80 9 240
4 90 16 360
5 105 25 525
6 142 36 852
7 122 49 854
• ENTONCES,
σ𝑥 28
𝑥ҧ = = = 4.0
𝑛 7
σ𝑦 692
𝑦ത = = = 98.86
𝑛 7
NOTAS IMPORTANTES:
• EMPLEAR MÍNIMOS CUADRADOS IMPLICA QUE SE DEBEN CUMPLIR TRES REQUISITOS
FUNDAMENTALES:
𝑦ො = 𝑎 + 𝑏𝑥
DONDE:
𝑦ො ES EL VALOR DE LA VARIABLE DEPENDIENTE (POR EJ, LAS VENTAS).
𝑎 ES LA INTERSECCIÓN CON EL EJE Y.
𝑏 ES LA PENDIENTE DE LA RECTA DE REGRESIÓN.
𝑥 ES LA VARIABLE INDEPENDIENTE.
Ventas de la empresa Nómina Local (miles de Ventas de la empresa Nómina Local (miles de
(millones de $), y millones de $), x (millones de $), y millones de $), x
2.0 1 2.0 2
3.0 3 2.0 1
2.5 4 3.5 7
Diagrama de Dispersión
4
3.5
3
2.5
2
1.5
1
0.5
0
0 1 2 3 4 5 6 7 8
A PARTIR DE LOS PUNTOS DE DATOS, PARECE EXISTIR UNA RELACIÓN POSITIVA ENTRE LA VARIABLE
INDEPENDIENTE (NÓMINA) Y LA VARIABLE DEPENDIENTE (VENTAS) YA QUE A MEDIDA QUE SE
INCREMENTA LA NÓMINA, LAS VENTAS DE LA EMPRESA TIENDEN A SER MÁS ALTAS.
SOLUCIÓN: PODEMOS ENCONTRAR UNA ECUACIÓN MATEMÁTICA SI USAMOS EL MÉTODO DE
REGRESIÓN POR MÍNIMOS CUADRADOS.
Ventas, y Nómina, x 𝑥2 𝑥𝑦
2.0 1.0 1.0 2.0
3.0 3.0 9.0 9.0
2.5 4.0 16.0 10.0
2.0 2.0 4.0 4.0
2.0 1.0 1.0 2.0
3.5 7.0 49.0 24.5
𝑦 = 15 𝑥 = 18 𝑥 2 = 80 𝑥𝑦 = 51.5
σ𝑥 18
𝑥ҧ = = = 3.0
𝑛 6
σ𝑦 15
𝑦ത = = = 2.50
𝑛 6
𝑦ො = 1.75 + 0.25𝑥
σ(𝑦 − 𝑦𝑐 )2
𝑆𝑦,𝑥 =
𝑛−2
• DONDE:
𝑦 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑦 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜 𝑝𝑢𝑛𝑡𝑢𝑎𝑙
𝑦𝑐 = 𝑣𝑎𝑙𝑜𝑟 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒, 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑒𝑐𝑢𝑎𝑐𝑖Ó 𝑛 𝑑𝑒 𝑟𝑒𝑔𝑟𝑒𝑠𝑖Ó 𝑛
𝑛 = 𝑛Ú 𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠
• LA ECUACIÓN ANTERIOR SE PUEDE REPRESENTAR COMO
σ 𝑦 2 − 𝑎 σ 𝑦 − 𝑏 σ 𝑥𝑦
𝑆𝑦,𝑥 =
𝑛−2
• ESTA REPRESENTACIÓN DE 𝑆𝑦,𝑥 ES UNA VERSIÓN MÁS SENCILLA DE UTILIZAR QUE LA ECUACIÓN
ANTERIOR Y PROPORCIONA LOS MISMOS RESULTADOS. AMBAS SON ÚTILES PARA ESTABLECER
INTERVALOS DE PREDICCIÓN ALREDEDOR DE LA ESTIMACIÓN PUNTUAL.
𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑟=
𝑛 σ 𝑥2 − σ 𝑥 2 𝑛 σ 𝑦2 − σ 𝑦 2
𝑦 𝑥 𝑥2 𝑥𝑦 𝑦2
2.0 1.0 1.0 2.0 4.0
3.0 3.0 9.0 9.0 9.0
2.5 4.0 16.0 10.0 6.25
2.0 2.0 4.0 4.0 4.0
2.0 1.0 1.0 2.0 4.0
3.5 7.0 49.0 24.5 12.25
(6)(51.50) − (18.0)(15.0)
𝑟= = 0.901
6 80.0 − (324) 6 39.50 − (225)
• UNA VEZ QUE SE OBTENIDO EL PRONÓSTICO, NUNCA SE OLVIDA. A NADIE LE GUSTA QUE SE LE
RECUERDE QUE SU PRONÓSTICO FUE IMPRECISO, PERO SE DEBE SABER PORQUE LA DEMANDA REAL
O LA VARIABLE EXAMINADA DIFIERE DE MANERA SIGNIFICATIVA DE LO ESTIMADO.
• UNA FORMA DE SUPERVISAR LOS PRONÓSTICOS PARA ASEGURAR QUE SEAN BUENOS ES EMPLEAR
UNA SEÑAL DE CONTROL. ÉSTA ES UNA MEDIDA DE QUE TAN BIEN PREDICEN LOS PRONÓSTICOS LOS
VALORES REALES. AL ACTUALIZAR LOS PRONÓSTICOS, LOS NUEVOS DATOS DISPONIBLES DE LA
DEMANDA SE COMPARAN CON LOS VALORES PRONOSTICADOS. LA SEÑAL DE CONTROL SE CALCULA
COMO EL ERROR ACUMULADO DIVIDIDO POR LA DESVIACIÓN ABSOLUTA MEDIA (MAD):
𝐸𝑟𝑟𝑜𝑟 𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑜
𝑆𝑒Ñ 𝑎𝑙 𝑑𝑒 𝐶𝑜𝑛𝑡𝑟𝑜𝑙 =
𝑀𝐴𝐷
• UNA BUENA SEÑAL DE CONTROL (CON ERROR ACUMULADO BAJO) TIENE CASI TANTO
ERROR POSITIVO COMO ERROR NEGATIVO. EN DECIR, UNA PEQUEÑA DESVIACIÓN ESTÁ
BIEN, PERO LOS ERRORES NEGATIVOS Y POSITIVOS DEBEN EQUILIBRARSE ENTRE SÍ PARA
QUE LA SEÑAL DE CONTROL SE CENTRE MUY CERCA DE CERO.
• PERO, ¿CÓMO SE DECIDEN CUÁLES DEBEN SER LOS LÍMITES DE CONTROL SUPERIOR E
INFERIOR? PARA ESTA PREGUNTA NO HAY UNA SOLA RESPUESTA, PERO SE DEBE
INTENTAR ENCONTRAR VALORES RAZONABLES (LÍMITES QUE NO SEAN TAN BAJOS
COMO PARA ENVIAR LA SEÑAL CON EL MÍNIMO ERROR DE PRONÓSTICO NI TAN ALTOS
QUE DEJEN PASAR PRONÓSTICOS MALOS DE MANERA REGULAR).