www.senati.edu.

pe
CURSO: SEMINARIO DE COMPLEMENTACION PRACTICA I
TEMA HT-01: ADMINISTRACION DE OPERACIONES
SESIÓN 18: MODELOS CUANTITATIVOS – SERIES DEL TIEMPO
Instructor: Máximo Umpire Sierra www.senati.edu.pe
 Objetivos
❑ Objetivo General
❖ Al terminar el curso, el estudiante estará en condiciones de aplicar
técnicas que le permitan planificar las compras y la producción en un
horizonte de tiempo de corto y mediano plazo; así como, programar las
cargas de trabajo en el taller.
❑ Objetivo Específico
❖ Con la información brindada por el instructor, el alumno aprenderá y
aplicará las técnicas cuantitativas utilizadas para pronosticar la demanda
en forma eficiente de acuerdo a las necesidades de las empresas de
producción y de servicios

www.senati.edu.pe
Temario
❑ MODELOS CUANTITATIVOS
❖ Modelos de serie de tiempo: método simplista, promedio móvil,
❖ PM ponderado
❖ Suavización exponencial, método de índices Mínimos cuadrados
❖ Modelos causales: análisis de regresión y correlación, cálculo de “r”,
ejercicios

www.senati.edu.pe
 Análisis de series de tiempo
METODO 1: PROMEDIO MÓVIL PONDERADO
Permite adjudicar una importancia o peso cualquiera a cada elemento o periodo, siempre y
cuando todos los valores sumen 1 o 100%.
Formula:

ft : W1 At – 1 + W2 At – 2 + W3 At – 3 ……..+ Wn At – n

Donde:
ft = pronóstico para el periodo futuro
W1 = peso que se le dará a la venta real en el periodo t -1 W2 = peso que se le
dará a la venta real en el periodo t -2 W3 = peso que se le dará a la venta real en
el periodo t -3 W n = peso que se le dará a la venta real en el periodo t –n n =
Número total de periodos del pronostico
Σ Wi = 1

Mtra. Verónica Bolaños

 Cómo elegir los pesos?

• La experiencia, prueba y error.

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.

Mtra. Verónica Bolaños

2. ALISAMIENTO EXPONENCIAL :

El alisamiento exponencial ( atenuación exponencial) está diseñada para compensar la

principal debilidad del promedio móvil, la de no responder lo suficiente a los resultados
más recientes.
En esta modificación del promedio móvil, las observaciones más recientes o los
resultados de las ventas no sólo no se incluyen, sino que en realidad se les da más
peso en la serie de tiempo.

46
Mtra. Verónica Bolaños
 ALISAMIENTO EXPONENCIAL ó PROM. MÓVIL PONDERADO:
El peso aplicado a la cifra de ventas más reciente, se designa como “a" (alfa) y se
denomina la constante de atenuación. Se le dará un valor entre 0.0 y 1.0

Nuevo promedio = 𝖺 (Últimas ventas) + (1-𝖺) (Promedio de ventas de años anteriores).

47
Mtra. Verónica Bolaños
 ¿Cómo se determina el valor de “𝖺 " ?
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Mientras más peso se le dé a la última observación, más importante será en el nuevo

promedio y, por lo tanto, menos importantes serán los datos anteriores.

Si las ventas cambian lentamente, los valores bajos para 𝖺 funcionan muy bien, sin
embargo, cuando las ventas experimentan cambios rápidos y fluctuaciones hay que
adjudicar valores altos para "𝖺 “

Para determinar el valor de "a" en forma más específica, se pueden probar diferentes
valores en los registros de las ventas pasadas y averiguar qué valor de 𝖺 habría
conducido al más pequeño error en la predicción.

49
Mtra. Verónica Bolaños
 4. ANALISIS DE REGRESION LINEAL

• La regresión se define como la relación funcional de dos o más variables correlacionadas

(demanda vs tiempo). La regresión lineal se refiere a un tipo especial de regresión donde
las relaciones entre las variables forman una línea recta.

• La REGRESIÓN LINEAL modela, en la forma de una ecuación matemática, la relación

entre dos variables “X” (independiente y “ “Y(dependiente).

Bienes raíces. La venta en Predecir fenómenos Normalmente en finanzas y

función de las tasas de interés económicos como el PIB economía para pronosticar valores
de variables macroeconómicas.
Fórmula que
trabajaremos
Mtra. Verónica Bolaños
Mtra. Verónica Bolaños
¿Como se escribe la función de la recta?
Y = mX + b

Donde m y b son parámetros de la recta.

m es la pendiente de la recta.

b es la ordenada al origen.

Mtra. Verónica Bolaños

 Pendiente de la recta
Es la inclinación de la recta respecto del eje horizontal x

m>0

m<0
 Altura (cm) Peso (kg)
135 26
Un ejemplo: 145 33
141 32
143 30
Supongamos que se 133 31
140 33
mide la altura de 17 niños
152 36
de 11 años de edad y se
149 32
registra el peso.
164 47
137 29
En la tabla de la derecha 149 35
se presentan los datos. 164 43
141 29
143 32
133 23
140 37
152 45
 Estudiemos esta relación

50

45 En el gráfico los puntos (x;y) están

40 dispersos en el plano definido por
35
las dos variables: Altura y Peso.
Peso

30

25 Ambas variables son numéricas.

20

15

10
120 130 140 150 160 170 180
Altura

Mtra. Verónica Bolaños

 ¿Cómo ajustar la recta a nuestros datos?

De las infinitas rectas que pueden

pasar por la nube de puntos.
¿Cuál estimará mejor los 50

parámetros de la recta? 45

40

35

Peso
30

25

20

15

10
120 130 140 150 160 170 180
Altura
Método de Mínimos cuadrados

Es la recta cuya distancia

entre el valor observado
y la RECTA DE REGRESIÓN
ESTIMADA sea
mínima.

Mtra. Verónica Bolaños

 Pasos para graficar los datos
¿Cómo graficar y ajustar la recta utilizando una hoja Excel?

Mtra. Verónica Bolaños

Escri1
biºr lPasdoatos (x;y) en columnas, y
os
seleccionarlos.

Mtra. Verónica Bolaños

2º Paso
Ir al Menú – Insertar – Gráfico
y seleccionar, XY (Dispersión).

Mtra. Verónica Bolaños

 Posicionarse en un punto
3º Paso y tocar el botón de la
derecha del Mouse y
seleccionar:
Agregar línea de tendencia…

No olvidar escribir el título,

nombre de variables y elegir una
escala correcta para los ejes.
 En Opciones, tildar:
P4reºsePnatsrola ecuación en el gráfico Presentar el
valor R2 en el gráfico
 5º Paso - La recta obtenida

50
45
40
35
Peso

30
25
20 y = 0,5289x - 42,833
15 R2 = 0,716

10
120 130 140 150 160 170 180
Altura

Mtra. Verónica Bolaños

¿Cómo interpretamos la recta?

Ŷ = 0,5289 X - 42,833

La pendiente positiva 0,5289 nos indica que a medida

que aumenta la altura aumenta el peso.

La relación entre ambas variables es directa.

Mtra. Verónica Bolaños

 ¿Cómo interpretamos el coeficiente de determinación?

R2 = 0,716

Indica que el modelo explica a los datos en aproximadamente un 71,6%.

Mtra. Verónica Bolaños

 MÍNIMOS CUADRADOS:

❑ Este método, nos permite crear un pronóstico de las ventas, basados en el

historial de las ventas pasadas, y tomando en cuenta las tendencias.

❑ También nos permite encontrar la ecuación de una recta a partir de datos

experimentales (variables).

❑ Podemos decir entonces, que el método de mínimos cuadrados, nos

permite encontrar la “mejor” recta que mejor ajusta a todos los puntos de
una gráfica.

75
Mtra. Verónica Bolaños
 En el ejemplo, en 192 autos producidos, se midieron cuántos fueron
entregados, y cuánto tiempo tardaron en su entrega.

Y= a 48.81 (en promedio un auto nuevo tardaría 49 días en entregarse, según el

historial de entregas)
La pendiente sería 2.0687 (números y como números x)
La intersección sería 21.925 (eje número y como número x)

R2 tiene el 95% de relación (esto es que hay un 95% de probabilidad de que se logre el
pronóstico de entrega, o un error el 5% en el pronóstico)
x y
OPCIONES DIAS DE ENTREGA
3 25
4 32
DIAS DE ENTREGA 4 26
7 38
y = 2.0687x + 21.925 7 34
80
8 41
R² = 0.9575 9 39
70 11 46
12 44
60 DIAS DE 12 51
14 53
50 ENTREGA
16 58

40 Lineal (DIAS DE 17 61
20 64
ENTREGA) 23 66
30 25 70
192
20
76
0 10 20 30
 TRABAJO GRUPAL 4: MODELOS CUANTITATIVOS - 2
Usando Excel, calcule los siguiente pronósticos para las fechas indicadas. Tiempo (20 min)
Producción (miles
Mes kg)
VENTAS (MILES Producción (miles Semana
Mes Ventas (TM) Mes soles) Mes kg) Mes Producción TM 1 150
Enero 200 2017 3200 1990 210 Mar-21 220 Semana
230 Abr-21 280 2 180
Febrero 2018 3280 1991 215
May-21 250 Semana
Marzo 320 2019 3220 1992 212 Jun-21 300 3 185
Abril 235 2020 3680 1993 230 Jul-21 320 Semana
Mayo 300 228 Ago-21 300 4 195
2021 4600 1994
semana
Set-21 350
Junio 250 2022 1995 232 5 170
Oct-21 370
Julio 260 1996 235 Nov-21 330 Semana
Dic-21 380 6 165
Agosto 240 1997 233
Ene-22 320 Semana
Septiem
1998 7 187
bre Feb-22 400
Semana
Mar-22
8 185

www.senati.edu.pe
 MODELOS DE SERIES DEL TIEMPO

• Incluye elaborar gráficas de los datos de demanda sobre una escala de

tiempo y estudiar las gráficas para descubrir los modelos y las figuras
o los patrones consistentes. Luego, estos patrones se proyectan hacia el
futuro.

• DEFINICION: Una serie de tiempo es una secuencia de observaciones

cronológicamente clasificadas que se toman a intervalos regulares para
una variable en particular.

www.senati.edu.pe
ORIENTACION GERENCIAL

• DEFINICION: La Administración de la
demanda implica reconocer fuentes de
demanda para los bienes y servicios de
una Empresa, predecir la demanda y
determinar la manera cómo la empresa
satisfará esa demanda.
 ¿QUÉ ES PRONOSTICAR?

• Es el arte y la ciencia de predecir los

eventos futuros . Puede involucrar el
¿Cuanto
manejo de datos históricos para venderé?
proyectarlos al futuro, mediante algún tipo
de modelo matemático.
• Puede ser una predicción subjetiva o
intuitiva o bien una combinación de
ambas, es decir un modelo matemático
ajustado por el buen juicio de un
administrador de operaciones.
DEMANDA DE PRODUCTO PARA 4 AÑOS CON TENDENCIA Y ESTACIONALIDAD

Demanda de producto o servicio

Picos Estacionales Componente Tendencia

Línea de actual
demanda

Demanda promedio
para 4 años
Variación
aleatoria
Año Año Año Año
1 2 3 4
37
DEMANDA ACTUAL, PROMEDIO MOVIL, PROMEDIO MOVIL PONDERADO

Promedio móvil

38
 PRONÓSTICO DE LA REALIDAD

• Los pronósticos son raramente perfectos.

• La mayoría de los métodos de pronóstico por
supuesto que hay cierta estabilidad subyacente en
el sistema.
• Los pronósticos tanto de la familia de productos y
productos agregados son más exactos que los
pronósticos de cada producto.

39
1. PROMEDIOS SIMPLES:
Son series de
promedios cuyos
valores altos y bajos
están acolchonados y
se hacen menos
extremos.
El número de puntos de
datos elegido debe ser
suficiente para eliminar
los efectos de las
variaciones de
temporada .

38
Mtra. Verónica Bolaños
2. PROMEDIO MOVIL SIMPLE

• Se utiliza para calcular la demanda promedio de los últimos n

períodos y como predicción para el siguiente período.
• Promedio móvil simple:
Ft= (At + A t-1 + A t-2 +....+A t-n +1 )
n
Donde :
Ft = predicción para el período t+1
At = demanda real para el período
n = número de períodos por promediar
 EJEMPLO DE PROMEDIO MOVIL SIMPLE
Usted es gerente de una tienda que vende equipos diversos (grupos
electrógenos pequeños) y necesita saber la proyección de las ventas para el
año 2014 utilizando el método de promedio móvil, agrupando los datos de 3
en 3.

2009 48
2010 60
2011 53
2012 38
2013 72

42
SOLUCION POR PROMEDIO MOVIL SIMPLE

Respuesta Móvil Total Móvil

Tiempo
Yi (n = 3) Prom.( n =3)
2009 48 NA NA
2010 60 NA NA
2011 53 NA NA
2012 38 48+60+53 = 161
2013 72
2014 NA
43
SOLUCION POR PROMEDIO MOVIL SIMPLE

Respuesta Móvil Total Móvil

Tiempo
Yi (n = 3) Prom.( n =3)
2009 48 NA NA
2010 60 NA NA
2011 53 NA NA
2012 38 48+60+53 = 161 161/3 = 54
2013 72 60+53+38 = 151
2014 NA
44
SOLUCION POR PROMEDIO MOVIL SIMPLE

Respuesta Móvil Total Móvil

Tiempo
Yi (n = 3) Prom.( n =3)
2009 48 NA NA
2010 60 NA NA
2011 53 NA NA
2012 38 48+60+53 = 161 161/3 = 54
2013 72 60+53+38 = 151 151/3 = 50
2014 NA 53+38+72 = 163 163/3 = 54
45
GRAFICO DEL PROMEDIO MOVIL SIMPLE

46
3. PROMEDIO MOVIL PONDERADO

• Se utiliza cuando existe una tendencia o patrón, los

pesos pueden ser utilizados para poner mayor énfasis
en datos recientes.
• Promedio móvil ponderado:
Ft= (Peso para el periodo n)(Demanda periodo n)
Σ Pesos asignados
Donde :
Ft = predicción para el período n
n = número de períodos por promediar
 SOLUCION POR PROMEDIO MOVIL
PONDERADO
(P1= 0.6, P2= 0.4, P3=0.2)
Respuesta Móvil Total Móvil
Tiempo
Yi (n = 3) Prom.( n =3)
2009 48 NA NA
2010 60 NA NA
2011 53 NA NA
2012 38 53x0.6+60x0.4+48x0.2 = 65.4/1.2=55
2013 72
2014 NA
48
 SOLUCION POR PROMEDIO MOVIL
PONDERADO

Respuesta Móvil Total Móvil

Tiempo
Yi (n = 3) Prom.( n =3)
2009 48 NA NA
2010 60 NA NA
2011 53 NA NA
2012 38 53x0.6+60x0.4+48x0.2 = 65.4/1.2=55
2013 72 38x0.6+53x0.4+60x0.2 = 56.0/1.2=47
2014 NA
49
 SOLUCION POR PROMEDIO MOVIL
PONDERADO

Respuesta Móvil Total Móvil

Tiempo
Yi (n = 3) Prom.( n =3)
2009 48 NA NA
2010 60 NA NA
2011 53 NA NA
2012 38 53x0.6+60x0.4+48x0.2 = 65.4/1.2= 55
2013 72 38x0.6+53x0.4+60x0.2 = 56.0/1.2= 47
2014 NA 72x0.6+38x0.4+53x0.2 = 69.0/1.2= 58
50
DEMANDA ACTUAL, PROMEDIO MOVIL,
PROMEDIO MOVIL PONDERADO

Promedio Móvil Ponderado

51
 DESVENTAJAS DEL PROMEDIO MOVIL

• Al incrementar n, es decir, el número de

datos agrupados, los pronósticos hacen a
este promedio, sensitivo a los cambios.
• No pronostica tendencias.
• Requiere muchos datos históricos

52
 EJERCICIO: MODELOS CUANTITATIVOS
Alicorp SAC, 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 ocho periodos anteriores de ventas, se pide que el pronóstico se lleve a cabo a
través de la técnica de Promedio Móviles.
A) Empleando el método de Promedio Simple (Fijo o intuitivo):

Error de Desv (V-P)2

Mes Ventas ($ miles) Pronóstico (V-P)
Enero 190
Febrero 200 190 10 100
Marzo 210 200 10 100
Abril 200 210 -10 100
Mayo 220 200 20 400
Junio 210 220 -10 100
Julio 230 210 20 400
Agosto 220 230 -10 100
Septiembre 220 1300

www.senati.edu.pe
 EJERCICIO: MODELOS CUANTITATIVOS - 1
Alicorp SAC, 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 ocho periodos anteriores de ventas, se pide que el pronóstico se lleve a cabo a
través de la técnica de Promedio Móviles.
B) Método de Promedio Móvil Simple; primer criterio, llamado también Promedio Simple:

Error de desv.
Mes Ventas ($ miles) Pronóstico (V-P)2
(V-P)
Enero 190
Febrero 200 190 10 100
Marzo 210 (190+200)/2 =195 15 225
Abril 200 (190+200+210)/3 =200 0 0
Mayo 220 (190+200+210+200)/4 =200 20 400
Junio 210 (190+200+210+200+220)/5 =204 6 36
Julio 230 (190+200+210+200+220+210)/6 =205 25 625
Agosto 220 (190+200+210+200+220+210+230)/7 =208.57 11.4 129.96

Septiembre (190+200+210+200+220+210+230+220)/8=210
1515.96
www.senati.edu.pe
 EJERCICIO: MODELOS CUANTITATIVOS - 1
Alicorp SAC, 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 ocho periodos anteriores de ventas, se pide que el pronóstico se lleve a cabo a
través de la técnica de Promedio Móviles.
C) Método de Promedio Móvil Simple; segundo criterio:
Para n=2 (orden 2)
Mes (n) Ventas ($ miles) Pronóstico. (V-P)2
Error de desv (V-P)
Enero 190
Febrero 200
Marzo 210 (190+200)/2 =195 15 225
Abril 200 (200+210)/2 =205 -5 25
Mayo 220 (210+200)/2 =205 15 225
Junio 210 (200+220)/2 =210 0 0
Julio 230 (220+210)/2 =215 15 225
Agosto 220 (210+230)/2 =220 0 0
Septiembre (230+220)/2 =225
700

www.senati.edu.pe
 EJERCICIO: MODELOS CUANTITATIVOS
Alicorp SAC, 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 ocho periodos anteriores de ventas, se pide que el pronóstico se lleve a cabo a
través de la técnica de Promedio Móviles.
D) Método de Promedio Móvil Simple; segundo criterio:
Para n=3 (orden 3)
Ventas ($ Error de desv
Mes (n) Pronóstico. (V-P)2
miles) (V-P)
Enero 190
Febrero 200
Marzo 210
Abril 200 (190+200+210)/3 =200 0 0
Mayo 220 (200+210+200)/3 =203.33 16.67 277.78
Junio 210 (210+200+220)/3 = 210 0 0
Julio 230 (200+220+210)/3 =210 20 400
Agosto 220 (220+210+230)/3 =220 0 0
Septiem
bre (210+230+220)/3 =220
677.78

www.senati.edu.pe
 EJERCICIO: MODELOS CUANTITATIVOS
Alicorp SAC, 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 ocho periodos anteriores de ventas, se pide que el pronóstico se lleve a cabo a
través de la técnica de Promedio Móviles.
E) Método de Promedio Móvil Simple; segundo criterio:
Para n=4 (orden 4)

Mes (n) Ventas ($ miles) Pronóstico. Error de desv (V- (V-P)2

P)
Enero 190
Febrero 200
Marzo 210
Abril 200
Mayo 220 (190+200+210+200)/4 =200 20 400
Junio 210 (200+210+200+220)/4 =207.5 2.5 6.25
Julio 230 (210+200+220+210)/4 =210 20 400
Agosto 220 (200+220+210+230)/4 =225 5 25
Septiembre (220+210+230+220)/4 =220
831.25
www.senati.edu.pe
 EJERCICIO: MODELOS CUANTITATIVOS - 1
Resultados:

A) (Error cuadrático medio) Error MSE = 1300/7=185.714

B) Para n=1, Error MSE = 1,515.96/7= 216.557

C) Para n=2, Error MSE = 700 / 6= 116.66

D) Para n=3, Error MSE = 677.78 / 5 = 135.56

E) Para n=4, Error MSE = 831.25 / 4 = 207.81

Por lo tanto, el pronóstico de ventas para el mes de

septiembre será de $225 mil unidades monetarias, se
consideró éste como el mejor debido a que tiene el
menor error cuadrático medio de todos los pronósticos
calculados, (estimado en $116.67 miles de unidades
monetarias).

www.senati.edu.pe
 TRABAJO GRUPAL: MODELOS CUANTITATIVOS
Plaza Vea SAC, desea conocer el pronóstico de la demanda café para el mes de septiembre, esto debido a que se desea
contar con la mercancía necesaria, tomando como base ocho periodos anteriores de ventas, se pide que el pronóstico se lleve
a cabo a través de la técnica de Promedio Móviles.

Ventas ($ Ventas ($ Ventas ($ Ventas ($ Ventas ($ Ventas ($

Mes miles) Mes miles) Mes miles) Mes miles) Mes miles) Mes miles)
Enero 200 Enero 1200 Enero 610 Enero 390 Enero 820 Enero 290
Febrero 210 Febrero 1210 Febrero 620 Febrero 420 Febrero 810 Febrero 320
Marzo 220 Marzo 1230 Marzo 620 Marzo 410 Marzo 820 Marzo 310
Abril 230 Abril 1230 Abril 630 Abril 430 Abril 810 Abril 300
Mayo 225 Mayo 1225 Mayo 625 Mayo 425 Mayo 825 Mayo 320
Junio 220 Junio 1215 Junio 640 Junio 420 Junio 820 Junio 320
Julio 230 Julio 1220 Julio 630 Julio 425 Julio 840 Julio 305
Agosto 210 Agosto 1220 Agosto 620 Agosto 410 Agosto 810 Agosto 320
Septiembre Septiembre Septiembre Septiembre
Septiembre Septiembre

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