Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CHIMBORAZO
FACULTAD DE ADMINISTRACIÓN DE EMPRESAS
CARRERA DE FINANZAS
SIMULACIÓN DE INVERSIONES
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.
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%.
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%.
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.
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)
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)
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
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.
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:
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.
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