ESCUELA SUPERIOR POLITÉCNICA DE

CHIMBORAZO
FACULTAD DE ADMINISTRACIÓN DE EMPRESAS
CARRERA DE FINANZAS
SIMULACIÓN DE INVERSIONES

CONSULTA SOBRE LOS

MÉTODOS DE
PRONÓSTICOS
8VO “2”

Realizado por
Erika Colcha Guashpa

Fecha

2/7/2023
Promedios Móviles.

Consiste en calcular un valor promedio en base a los datos históricos que se dispongan y utilizar este
valor como pronóstico para un periodo en el futuro. Para reducir la incertidumbre de los datos
recopilados, es necesario tomar en cuenta la media de las últimas observaciones y emplearla como una
estimación para el próximo período.

El número de observaciones que se habrán de utilizar en este promedio se especifica de antemano y

permanece constante.

EJEMPLO: IngE es una compañía productora de alimentos para perro y requiere calcular el pronóstico de
demanda con el método de media móvil ponderada. Para la empresa, la demanda pasada reciente es la
más importante y le asignan un peso de 50%. La demanda intermedia tiene un peso de 30% y la más
lejana de 20%.

En este ejemplo de promedio ponderado, para calcular el pronóstico de demanda del periodo 4,

multiplicamos el periodo 3 (el más reciente) por 50%, el periodo 2 (el intermedio 2) por 30% y el periodo
1 (el más lejano) por 20%. El resultado de cada producto lo sumamos y obtuvimos 139.

Para pronosticar el siguiente periodo, multiplicamos la demanda real (la que obtuvimos, no la
pronosticada) del periodo 4 por 50%, la del periodo 3 por 30% y la demanda del 2 por 20%.

Ilustración 1-EJEMPLO DEL PROMEDIO MÓVIL

Fuente:Jimenez,M(2019)
Ejemplo 2. Una empresa comercial desea conocer el pronóstico de la demanda para el mes de septiembre,
esto debido a que se desea contar con la mercancía necesaria, tomando como base dos periodos anteriores
de ventas, se pide que el pronóstico se lleve a cabo a través de la técnica de Promedio Móvil Simple
Ilustración 2.-Ejemplo del promedio móvil
Fuente:Universidad Autónoma de Baja Callifornia

Suavizamiento Exponencial.

Se puede considerar como una evolución del método de Promedios Móviles, que considera el promedio
de una serie de tiempo con factor de autocorrección que busca ajustar los pronósticos en dirección
contraria a las desviaciones del pasado que se ve modificada por un coeficiente de suavización. Para la
realización de este pronóstico se deben considerar el pronóstico anterior, el dato histórico anterior y el
coeficiente de suavización denominado alfa y que debe ser menor 1 y mayor a 0.

Ejercicios Resueltos de Suavizamiento Exponencial Simple

Ejercicio N°1: Una empresa de consumo masivo lleva registro de la demanda mensual de uno de sus
productos emblemáticos para un período de un año. Dicha información se presenta en la columna
etiquetada Demanda en la imagen a continuación. Se requiere utilizar el método de suavizamiento
exponencial simple considerando tres valores para el parámetro de suavizamiento alfa:  0,1; 0,5 y 0,9.
Obtener el pronóstico del período 13 (mes de Enero del año siguiente) y evaluar el ajuste del método para
cada uno de los valores de alfa propuestos.
Ilustración 3.-Ejemplo del método de suavización exponencial simple.
Fuente:Proyeción de demanda(2017)

Recordar que el suavizado exponencial simple requiere de un primer pronóstico para su aplicación. En

este caso hemos decidido generar un pronóstico a contar del segundo período (mes de Febrero) y asumir
que dicho valor corresponde a la demanda real del mes anterior (mes de Enero o período 1). Este criterio
por cierto es arbitrario y se podría seleccionar otro punto de partida, por ejemplo, un promedio para la
demanda real de los 12 meses.

Adicionalmente en las columnas E, F y G de la imagen anterior se observa los pronósticos para alfa 0,1,
0,5 y 0,9, respectivamente. En particular se puede corroborar la fórmula utilizada para obtener el
pronóstico del mes de Febrero utilizando α=0,1 (celda E5), donde los resultados han sido aproximados al
entero más cercano.

Ejemplo2: Se tienen la siguiente información de la demanda de un artículo para cada periodo.Si tomamos
los datos del enunciado, nos queda decidir la constante de suavización, para esto vamos a trabajar con 2
valores para analizar los resultados, estos valores son 0.2 y 0.8.

Para iniciar se requiere que exista un valor anterior de la demanda y del pronóstico (A t-1-Ft-1), como se
puede observar en los datos no existe un valor previo del pronóstico, por ejemplo si vamos a obtener F 4
por SES entonces debemos tener F 3 por otro método ya sea PMS o PMP. Para nuestro ejercicio vamos a
hallar F3 por PMS.

𝐹3= 24 + 26/2 = 25
Sin embargo, este dato no corresponde al método por eso lo dejaremos en rojo en la tabla. Para hallar el
siguiente dato, 𝐹4 y 𝛼 = 0.2, haríamos el siguiente cálculo:

𝐹4 = 𝐹3 + 𝛼(𝐴3 − 𝐹3)

𝐹4 = 25 + 0.2(22 − 25) = 24.4

Los resultados son los siguientes:

Tabla 1.Ejercicio de suavización simple

PERIODO DEMANDA SES SES

ALFA=0.2 ALFA=0.8

1 24

2 26

3 22 25 25

4 25 24.4 22.6

5 19 24.5 24.5

6 31 23.4 20.1

7 26 24.9 28.8

8 18 25.1 26.6

9 29 23.7 19.7

10 24 24.8 27.1

11 30 24.6 24.6

12 23 25.7 28.9

13 25.2 24.2

Fuente : Instituto Tecnólogico y de Estudios Superiores de Monterrey(2006)

Ilustración 4.-Ejemplo de pronosticación de suavización simple

Fuente : Instituto Tecnólogico y de Estudios Superiores de Monterrey(2006) La gráfica

de la demanda y los SES para los dos valores de alfa queda de la siguiente manera

En esta se observa que la curva de alfa 0.2 tiene menos fluctuaciones que la de 0.8 que presenta picos más
pronunciados pero desplazados hacia un lado de la demanda por lo que no sería recomendable usar un
error alto de pronóstico.
Regresión Lineal.

La regresión lineal simple es un método estadístico que se utiliza para establecer una relación
entre una variable independiente X y una variable dependiente Y. En otras palabras, en la
regresión lineal simple se trabajan únicamente con dos variables (una variable explicativa X y
una variable de respuesta Y) y se busca aproximar la relación existente entre ambas.

Por ende, la regresión lineal simple se emplea para descubrir una ecuación que establezca una
relación lineal entre dos variables. Es importante destacar que esta relación debe ser lineal, de lo
contrario, se requiere utilizar otro tipo de modelo de regresión. (Lizarzaburu, 2012)

Como se ha descrito, existen diversos métodos para calcular los pronósticos que dependiendo de
lo que se desea predecir con las variables, se utiliza un método determinado.

 Después de realizar un examen de estadística, se ha preguntado a cinco estudiantes

cuántas horas de estudio dedicaron al examen, los datos se muestran en la tabla de
abajo. Realiza un modelo de regresión lineal simple de los datos estadísticos
recopilados para relacionar linealmente las horas de estudio con la nota obtenida.

Para hacer un modelo de regresión lineal simple tenemos que determinar los coeficientes b 0 y
b1 de la ecuación y, para ello, tenemos que utilizar las fórmulas vistas en el apartado de arriba.

No obstante, para poder aplicar las fórmulas de la regresión lineal simple primero tenemos que
calcular la media de la variable independiente y la media de la variable dependiente:
Ahora que ya sabemos las medias de las variables, calculamos el coeficiente b 1 del modelo
usando su fórmula correspondiente:

Por último, calculamos el coeficiente b0 del modelo empleando su fórmula correspondiente:

En definitiva, la ecuación del modelo de regresión lineal simple del problema es la siguiente:

A continuación, puedes ver la representación gráfica de la muestra de datos junto con la recta
del modelo de regresión lineal simple:
Para terminar, una vez hemos calculado la ecuación del modelo de regresión lineal simple, solo
nos queda interpretar el resultado obtenido.

Ejercicio2.-El número de horas dedicadas al estudio de una asignatura y la calificación obtenida

en el examen correspondiente, de diez personas es

Ilustración 5.Ejercicio de regresión lineal

Fuente: Instituto Tecnólogico de Toluca
a) Determine la ecuación de regresión lineal simple.

b) ¿Calificación estimada para una persona que hubiese estudiado 25 horas?

La calificación estimada para una persona por 25 horas de estudio es de 8

Bibliografía
 Farrera, A. (27 de 8 de 2013). Manual de pronósticos para la toma de decisiones. En A.
Farrera. México: Editorial Digital del Tecnológico de Monterrey. Obtenido de
https://www.google.com.ec/books/edition/Manual_de_pron
%C3%B3sticos_para_la_toma_de_d/GbTlDAAAQBAJ?hl=es&gbpv=0

 Lawrence J. Gitman, C. J. (2021). Academia.edu. Pearson Education. Obtenido de

Academia.edu:
http://biblio3.url.edu.gt/publiclg/biblio_sin_paredes/maestria/Adm_ope/15.pdf

 Lizarzaburu, E. (2012). CASOS DE ESTUDIO APLICADO A FINANZAS. instituto de

regulación & finanzas.

 Montemayor, E. (2013). Métodos de pronósticos para negocios. En E. Montemayor.

Monterrey: EDITORIAL DIGITAL TECNOLÓGICO DE MONTERREY. Recuperado el 2 de 7
de 2023

 Neptali, R. (11 de 2008). MODELO DE PLANEACIÓN DE LA DEMANDA DE CONSUMO EN

LA INDUSTRIA DE BEBIDAD GASEOSAS PARA LA CIUDAD DE QUITO. Quito, Ecuador.
Recuperado el 2 de 7 de 2023, de
https://bibdigital.epn.edu.ec/bitstream/15000/8447/3/CD-2172.pdf

 Zuleta, S. M. (2014). Elaboración de un proceso de consenso e. Departamento de

Economía de la Salud Planificación Sanitaria Subsecretaría Pública, 1-80.

 Casanova C. (2007). Análisis conceptual del requerimiento de actualización, ajuste y

aumento del aporte estatal, en el contexto de la financiación capitada de la atención
de salud municipal chilena, Santiago: Asociación Chilena de Municipalidades.
 Castro R. (s.f.p.). Fortalezas y debilidades de la atención primaria de salud para
enfrentar los desafíos de la gestión. Libertad y Desarrollo. Presentación. [disponible en:
https://www.google. cl/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCUQFjAA&url=http%3A%2F
%2Fwww.libertadydesarrollo.cl%2Flyd%2Fcontrols%2Fneochannels
%2Fneo_ch3799%2Fdeploy%2Fppt%2520seminario%2520aps%2520u%2520de
%2520chile.pdf&ei=zTn9UsGRE8utsAT6q4DwCg&usg=AFQjCNFI7KUNz0oQu4gqcEf1Gh
_OoRYzJg&sig2=2XLf22a7RbecXQPh9ETafw&bvm=bv.61190604,d.cWc] [acceso 7 de
febrero de 2013].
 Vargas V, Poblete S. (2006). Incrementar la equidad en Atención primaria: Revisión de
la fórmula per cápita. RevistaChilena de Medicina Familiar, 7(2):76-83. Vargas V,
Wasem J. (2006). Risk adjustment and primary health care in Chile. Croatian Medical
Journal, 47(3): 459-468
 López Gómez, E. (2018). El método Delphi en la investigación actual en educación: una
revisión teórica y metodológica.  Educación XX1, 21(1), 17-40, doi:
10.5944/educXX1.1553