Bienvenidos

Instructor: Cesar Israel Horna Izarra

www.senati.edu.pe
CHARLA DE LOS 5
MINUTOS

www.senati.edu.pe
www.senati.edu.pe
PRONOSTICOS METODOS
CUANTITATIVOS
www.senati.edu.pe
 OBJETIVOS
QUE EL ESTUDIANTE SEA CAPAZ DE :

•Identificar e interpretar los diferentes métodos

cuantitativos y su uso .

www.senati.edu.pe
 CONCEPTO
Los métodos cuantitativos de pronósticos son
una herramienta importante para las empresas
de todos los tamaños. Al usar datos históricos y
análisis estadísticos, los métodos cuantitativos
pueden ayudar a las empresas a predecir la
demanda de productos y servicios, planificar la
producción y las existencias, y tomar mejores
decisiones comerciales.
www.senati.edu.pe
Diferencia entre pronóstico y predicción

Pronóstico: utiliza técnicas como la serie de tiempos

y modelos estructurados

Predicción: se basa en juicios cualitativos

www.senati.edu.pe
 MÉTODOS CUANTITATIVOS
1. Análisis de series de tiempo: método estadístico que
depende en alto grado de datos históricos de la
demanda, con los que se proyectan la demanda futura y
reconoce las tendencias y patrones estaciónales.

2. Métodos causales: utilizan datos históricos de variables

independientes como campañas de promoción,
condiciones económicas y actividades de los
competidores.
1.- ANALISIS DE SERIE DE TIEMPO

www.senati.edu.pe
 ANALISIS DE SERIE DE TIEMPO

Busca prever el futuro, con base en datos del pasado

Son de naturaleza reactiva.

Usan información histórica que solo se refiere a la variable

dependiente (ventas)(KRAJEWSKI ).

Se aplica a los patrones de demanda tipo horizontal y tendencia.

www.senati.edu.pe
Promedio Simple
El promedio simple es un método de pronóstico
cuantitativo que calcula el promedio de un número
determinado de períodos de tiempo, y luego usa este
promedio como el pronóstico para el siguiente período de
tiempo. Es un método simple y fácil de entender, y es
adecuado para una variedad de situaciones.

www.senati.edu.pe
Desventaja: al tener en cuenta todos los datos históricos, llega un
momento donde las demandas reales que se agregan no modifican
el pronóstico futuro.

www.senati.edu.pe
www.senati.edu.pe
Promedio Movil Simple
Combina los datos de la demanda de la mayor parte de los
periodos recientes, siendo su promedio el pronóstico para el
periodo siguiente.

Se caracteriza porque todas las demandas tienen el mismo peso o importancia, se puede
emplear un promedio movible de 2 a 20 periodos, pero al tomar la decisión hay que
continuar usando el mismo número de periodos

Cuando los datos de la demanda son poco variables se recomienda tomar bastantes
periodos y viceversa.
Formula:

Ft : A t-1+ A t-2 ……..+A t-n

n
Donde:

ft = pronóstico para el periodo futuro

A t -1 = demanda real del periodo más reciente
A t -2 = demanda de hace 2 periodos
A t - n = demanda de hace n periodos
n = Número de periodos
 La demanda de un producto
no crece ni disminuye
velozmente y no incluye
características de
Se usa estacionalidad

cuando Cuando la demanda presenta

un patrón horizontal y
aleatorio

www.senati.edu.pe
• Desventaja (requisitos):
• Todos los elementos individuales deben estar en
forma de datos, porque un nuevo pronóstico del
periodo requiere que sumemos datos nuevos y que
eliminemos datos más antiguos.
• Requiere una cantidad importante de datos
históricos.

www.senati.edu.pe
www.senati.edu.pe
 PROMEDIO MOVIL PONDERADO

El promedio móvil ponderado, es un tipo de promedio móvil que

asigna diferentes pesos a diferentes puntos de datos en una serie
de tiempo. Los pesos se utilizan para reflejar la importancia relativa
de cada punto de datos.

Se recomienda éste método, cuando los patrones de demanda son

aleatorios y se prefiere eliminar la influencia de los datos históricos
irregulares, enfocados en períodos de demanda reciente.

www.senati.edu.pe
www.senati.edu.pe
 COMO ELEGIR LOS PESOS

• La experiencia, prueba y error (Excel)

1.
• Por lo general el pasado más reciente es el indicador más
importante de lo que podemos esperar para el futuro, y por
2. tanto este debe tener mayor peso.

• Cuando los datos son variables se debe determinar los pesos

en consecuencia; es decir, se le asignara mayor peso a las
3. mayores demandas y menor peso a las menores demandas.

www.senati.edu.pe
 EJEMPLO

Como referencia tomemos el ejemplo anterior se procede a calcular el

promedio móvil ponderado del período 4.

Considerando que la proyección para el mes 4 será:50% de lo

demandado en el mes anterior (reciente), 40% de lo demandado en
elmes antes del anterior (intermedio), y 10% de lo demandado en el
mes antes del anterior (Más lejano): Se solicita calcular el pronóstico.

www.senati.edu.pe
www.senati.edu.pe
Ventaja: puede
modificar los efectos
de los datos pasados
(pesos o importancia)

Desventaja: su uso es más

complicado y caro que el
método exponencial
aminorado. Se necesitan
bastantes datos. Los costos
de obtener y actualizar datos
pueden ser altos.
www.senati.edu.pe
 SUAVIZACIÓN EXPONENCIAL

Método de índices mínimos cuadrados.

Este es un método estadístico utilizado para localizar una
línea que refleja la relación entre dos variables, de tal
manera que la suma de los cuadrados de las distancias
verticales de los puntos a la línea sea inferior o esta suma
de cuadrados desde cualquier otra línea recta. Se emplea a
veces para desglosar el comportamiento fijo-variable del
costo

www.senati.edu.pe
El método de índices de mínimos cuadrados es
una técnica de pronóstico que utiliza una función
de regresión lineal para pronosticar el valor de
una variable dependiente, y el valor de una
variable independiente. El método de índices de
mínimos cuadrados es una técnica poderosa
que puede ser utilizada para pronosticar una
amplia gama de variables, incluyendo ventas,
precios, producción y muchos más.
www.senati.edu.pe
 VENTAJAS

• Los modelos exponenciales son más acertados

(que los anteriores modelos)
• Es relativamente fácil (simplicidad)
• Se requiere pocos cálculos
• Necesita una cantidad mínima de datos
históricos

www.senati.edu.pe
El método de índices de mínimos cuadrados utiliza la regresión
lineal para encontrar los valores de a y b que mejor ajustan los
datos. La regresión lineal es una técnica estadística que utiliza
una función de regresión para encontrar los valores de a y b que
minimizan la suma de los cuadrados de los residuos.

Una vez que se han encontrado los valores de a y b, se pueden

utilizar para pronosticar el valor de la variable dependiente para
cualquier valor de la variable independiente.

www.senati.edu.pe
Aquí hay algunos consejos para utilizar el método de índices
de mínimos cuadrados para obtener pronósticos precisos:

•Utilice una gran cantidad de datos. Cuantos más datos

tenga, más preciso será el pronóstico.
•Asegúrese de que los datos sean representativos de la
población que está pronosticando.
•Utilice una función de regresión adecuada para los datos.
•Revise los pronósticos para asegurarse de que son
realistas.
www.senati.edu.pe
El método de índices de mínimos cuadrados se basa en
la idea de que la relación entre dos variables puede
describirse por una función lineal. La función lineal es
una función de la forma:

Y = a + bX

www.senati.edu.pe
 Y = a + bX

Donde:

Y: es el valor de la variable dependiente.

X: es el valor de la variable independiente.
a: es el intercepto de la línea.
b: es la pendiente de la línea.
N: el numero de periodos.
∑: es la sumatoria.
www.senati.edu.pe
 EJEMPLO
Cantidad de ventas en 5 años
año cantidad de ventas
1 220
2 245
3 250
4 278
5 273.5

Si se desea estimar las ventas con la misma tendencia, se puede

utilizar el método de minimos cuadrados.
Aplicando el método de minimos cuadrados, se ajusta a la recta:

Y = a + bX

www.senati.edu.pe
 Y = a + bX

Se tiene que hallar a y b con las siguientes formulas:

www.senati.edu.pe
Previamente se tiene que
determinar en la siguiente
tabla:
año cantidad de ventas 2 2
X Y (X)(Y)
x y
1 220 1 48400 220
2 245 4 60025 490
3 250 9 62500 750
4 258 16 66564 1032
5 273.5 25 74802.25 1367.5
15 1246.5 55 312291.25 3859.5

www.senati.edu.pe
Se procede a reemplazar en las
formulas

www.senati.edu.pe
www.senati.edu.pe
Se reemplaza “a” y “b” en la
ecuacion

www.senati.edu.pe
C = 0.048 indica que las ventas
crecerán un 4.8% por periodo

www.senati.edu.pe
 Ventas estimadas en los 5 periodos
Periodo 6 Periodo 7 Periodo 8

www.senati.edu.pe
 Ventas estimadas en los 5 periodos

Periodo 9 Periodo 10

www.senati.edu.pe
 cantidad
año
de ventas
6 285.3
7 297.3
8 309.3
9 321.3
10 333.3

www.senati.edu.pe
 MODELOS CAUSALES

El objetivo del análisis de regresión como método causal es

pronosticar la demanda a partir de una o más causas
(variables independientes), las cuales pueden ser por
ejemplo el tiempo, precios del producto o servicio, precios de
la competencia, economía del país, acciones del gobierno o
fomentos publicitarios

www.senati.edu.pe
Puedes calcular series de tiempo y relaciones causales.
En el primer caso, ubicas la demanda histórica de tu bien o servicio para que cambie
en función del tiempo. El segundo caso es cuando la variable que pronosticas cambia
en función de otra(variable causal).

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

Si hablamos de una sola variable independiente, es una regresión lineal simple,

contrario a si son dos o más variables independientes, donde hablaríamos de
regresión lineal múltiple

www.senati.edu.pe
Ejemplo de regresión y correlación utilizando Microsoft Excel: A continuación, se
presentan las ventas trimestrales en miles de dólares de diez restaurantes
localizados cerca de una Universidad y la población estudiantil en miles que acude a
dichos restaurantes

restaurante Y=VENTAS TRIMESTRALES X=POBLACION ESTUDIANTIL

0
1 58 2
2 105 6
3 88 8
4 118 8
5 117 12
6 137 16
7 157 20
8 169 20
9 149 22
10 202 26
www.senati.edu.pe
Calcule el coeficiente de correlación, elabore la ecuación de la regresión y
pronostique las ventas trimestrales para una población estudiantil de 10

restaurante Y=VENTAS TRIMESTRALES

1 58
2 105
3 88
4 118 1. Encontrar el coeficiente de correlación
5 117
6 137
7 157
8 169
9 149
10 202

www.senati.edu.pe
 1 - SELECCIONAR

2 - SELECCIONAR

www.senati.edu.pe
EN LA MATRIZ 1 SE PONE LOS VALORES X, EN LA MATRIZ
2 SE PONE LOS VALORES Y

www.senati.edu.pe
SE HALLO EL VALOR DE CORRELACION EL CUAL ES 0.950122955

www.senati.edu.pe
Encontrar los valores de la ecuación de regresión, sitúe el cursor donde desea
que aparezcan los valores, luego ir a datos, análisis de datos y seleccionar
herramientas de análisis de datos.

www.senati.edu.pe
En rango y de entrada elija la columna de datos "y" y en rango x de entrada elijala
columna de datos "x" en rango de salida elija la celda donde desea el resultado y
haga click en aceptar.

www.senati.edu.pe
Datos de la regresion www.senati.edu.pe
Se calcula el valor estimado con la suma de los datos de la regresión y se multiplica
con la poblacion estudiantil.
Valor estimado = 60+5*X

restaurante Y=VENTAS TRIMESTRALES X=POBLACION ESTUDIANTIL valor estimado

0 60
1 58 2 70
2 105 6 90
3 88 8 100
4 118 8 100
5 117 12 120
6 137 16 140
7 157 20 160
8 169 20 160
9 149 22 170
10 202 26 190
10 110

www.senati.edu.pe
 ventas trimestrales
250

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10 11 12

valor estimado Y=VENTAS TRIMESTRALES

www.senati.edu.pe
Ejercicios

www.senati.edu.pe
www.senati.edu.pe