Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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 :
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
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.
www.senati.edu.pe
ANALISIS DE SERIE DE TIEMPO
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:
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
www.senati.edu.pe
www.senati.edu.pe
COMO ELEGIR LOS PESOS
www.senati.edu.pe
EJEMPLO
www.senati.edu.pe
www.senati.edu.pe
Ventaja: puede
modificar los efectos
de los datos pasados
(pesos o importancia)
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
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.
www.senati.edu.pe
Aquí hay algunos consejos para utilizar el método de índices
de mínimos cuadrados para obtener pronósticos precisos:
Y = a + bX
www.senati.edu.pe
Y = a + bX
Donde:
Y = a + bX
www.senati.edu.pe
Y = a + bX
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
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.
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
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
www.senati.edu.pe
ventas trimestrales
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
www.senati.edu.pe
Ejercicios
www.senati.edu.pe
www.senati.edu.pe