Modulo 2

Tema 3

Métodos de
pronósticos y ejercicios
 Calculo de errores:

La tabla siguiente, presenta los datos del número diario de

clientes que llegan a una refaccionaria. Considerando los datos
reales Yt y el pronosticado , ¿calcule los errores del
pronóstico?

Yˆt
Litros Pronóstico
275 0
291 275
307 291
281 307
295 281
268 295
252 268
279 252
264 279
288 264
302 288
287 302
287
 Método de Promedios Simples

El método de promedios simples es una técnica adecuada

cuando los factores que producen la serie que se van a
pronosticar se han estabilizado y el ambiente en que esta la serie
permanece sin cambios.

t
1
Yˆt +1 =  Yi
t t =1

Un promedio simple usa la media de todas las observaciones

históricas relevantes como el pronóstico para el siguiente
periodo
 Cálculo de Promedios Simples

Una empresa ha visto que el consumo de gasolina, ha tenido una

variación en las últimas semanas en su unidad de reparto. En la
tabla siguiente se presenta el consumo de litros por semana.
Usando el método de promedios simples y ¿Calculé cual seria el
consumo esperado para la semana 12 y 13?.
 Método de Promedios Móviles

El método de promedios móviles utiliza la media de todos los

datos para hacer el pronóstico.

ˆY = Yt + Yt −1 + ...Yt −k +1
t +1
k
Donde:

Yˆt +1 = Valor pronosticado para el siguiente periodo

Y1 = Valor real en el periodo t

k = Número de términos en el promedio móvil

Un promedio móvil de orden k es el valor de la media de k

observaciones consecutivas.
 Cálculo de Promedio Móviles:

Usando el método de promedios móviles y los datos del caso

anterior ¿Calculé cual seria el consumo esperado para la semana
12 y 13?. Utilice una k=5. Calcule el MAD, MSE y MAPE, para este
método.
Cálculo de errores de Promedio Móviles: Excel
Cálculo de Promedio Móviles: Minitab
 Método de Suavización Exponencial

A diferencia del método de promedios móviles, el de

suavización exponencial simple ofrece un promedio móvil
con peso exponencial para todos los valores previos
observados

 
Y t +1 = Yt + (1 −  )Y t
Donde:

Yˆt +1 = Nuevo valor suavizado o pronosticado para el siguiente periodo

 = Constante de suavización

Yt = Nueva observación o el valor real de la serie en el periodo t


= Último valor suavizado o el pronosticado del periodo t
Yt
 Método de Suavización Exponencial

El método de suavización exponencial puede dar una

ponderación mayor a las observaciones más recientes.

Las ponderaciones se asigna mediante la constante , 0

<  < 1.

El modelo se expresa como:

pronóstico =  (último valor) + (1 - )(último pronóstico)

 Cálculo de Suavización Exponencial

Con los datos de la empresa, que desea conocer el consumo

de gasolina, realice el pronóstico a la semana 13,
considerando un alfa de 0.2. También calculé el MAD, MSE y
MAPE. ¿Que diferencia hay respecto a de promedios
móviles?
Cálculo de errores de Suavización Exp.: Excel
Cálculo de errores de Suavización Exp.: Minitab
Cálculo de errores de Suavización Exp.: Minitab
 Regresión Lineal Simple

• Las tendencias son movimientos a largo plazo en una serie de

datos largo del tiempo.

• La tendencia puede ser descrita por una recta o por una curva.

• Las tendencias se dan por varias causas: cambios en la

población, cambios en la productividad, cambios tecnológicos,
etc.

• En este tipo de análisis la variable independiente es el tiempo

• La línea que mejor se ajusta a una colección de datos, es la línea

que minimiza la suma de cuadrados de la distancia entre los
puntos y la línea, medidos verticalmente.
 Regresión Lineal Simple

Se desea encontrar una función:

Yˆ = b0 + b1 X

Donde:

Yˆ = Valor de tendencia (pronóstico)

b0 = Intersección con la línea de tendencia
b1 = Pendiente de la línea de tendencia
 Regresión Lineal Simple

Donde las siguientes ecuaciones, se utilizan para calcular b0 y b1.

n xy −  x  y
b1 =
n x − ( x )
2 2

b0 =
 y
−b
 x
1
n n
 Cálculo de Regresión Lineal

Con los datos de la empresa, que desea conocer el consumo

de gasolina, realice el pronóstico a la semana 13. También
calculé el MAD, MSE y MAPE. ¿Que diferencia hay respecto a
de promedios móviles y a la suavización exponencial?
Cálculo de errores de Regresión Lineal: Excel
Cálculo de errores de Regresión Lineal: Minitab
Cálculo de errores de Regresión Lineal: Minitab
Cálculo de errores de Regresión Lineal: Minitab
 COMPARACIÓN

Promedio Suavización Regresión

Móvil Exponencial Lineal
Simple Simple
MAPE 6.71 4.93 4.55

MAD 18.42 13.89 12.70

MSD 471.99 288.93 234.03