TÉCNICAS DE PRONÓSTICO

Introducción
 Por qué es necesario pronosticar
• En esta última sección nos ocuparemos de los métodos utilizados para
predecir la naturaleza incierta de las tendencias de diferentes variables.
• Estos métodos son un esfuerzo por ayudar a los gerentes a tomar mejores
decisiones y planes.
• ¿Cómo puede un gerente de operaciones establecer cronogramas de producción de
manera realista sin alguna estimación de las ventas futuras?
• ¿Cómo puede una empresa determinar la dotación de personal centros sin adivinar la
futura demanda de servicio?
• ¿Cómo puede hacer un banco planes realistas sin alguna previsión de futuros
depósitos y saldos de préstamos?
• Todo el mundo requiere pronósticos. La necesidad de pronósticos abarca
todas las líneas funcionales, así como todos los tipos de organizaciones. Las
previsiones son absolutamente necesarias para avanzar en el actual entorno
empresarial en constante cambio y altamente interactivo.
 Tipos de pronósticos

• De corto plazo - de largo plazo

• Micro – macro
• Cuantitativos – cualitativos
• Puntual – de intervalo – de densidad
 Tipos de pronósticos
• De corto plazo - de largo plazo
• Los pronósticos a largo plazo son necesarios para
establecer el rumbo general de una organización a largo
plazo; por lo tanto, se convierten en el foco particular de
la alta dirección.
• Los pronósticos a corto plazo son necesarios para diseñar
estrategias inmediatas y son utilizados por la gerencia
intermedia y de primera línea para satisfacer las
necesidades del futuro inmediato.
• Micro – macro
• Micro: el gerente de planta podría estar interesado en
pronosticar el número de trabajadores necesarios para
los próximos meses (un micro pronóstico).
• Macro: el gobierno pronostica el número total de
personas empleadas en el todo el país.
 Tipos de pronósticos
• Cuantitativos – cualitativos
• En un extremo, una técnica puramente cualitativa no
requiere manipulación de datos. Sólo se utiliza el
"juicio" del pronosticador. Por supuesto, el "juicio" del
pronosticador puede ser en realidad el resultado de
la manipulación de datos históricos
• En el otro extremo, técnicas puramente cuantitativas
no necesita de juicios; son procedimientos mecánicos
que producen resultados cuantitativos-numéricos.
• Puntual – de intervalo – de densidad
• Puntual: un número único, la mejor estimación
• De intervalo: un rango de números dentro de los
cuales se espera que caiga el valor futuro
• De densidad: una distribución de probabilidad
completa para el valor futuro.
 Pronósticos en
Series de tiempo
 Componentes de una serie de tiempo

• Tendencia
• Ciclo
• Estacionalidad
• Estacionariedad
 Tendencia
VENTAS
• Cuando los datos crecen o descienden
sostenidamente en varios periodos.
• Para ilustrar el crecimiento se dibuja
una recta de tendencia lineal.
• Las fuerzas básicas que afectan y
ayudan a explicar la tendencia de
una serie son el crecimiento de la
población, la inflación de los precios,
el avance tecnológico, las preferencias
del consumidor y los incrementos en la
productividad.
 Ciclo
• Cuando las observaciones indican
aumentos y caídas que no tienen un
periodo fijo.
• Es la fluctuación con forma de onda
alrededor de la tendencia
• Las fluctuaciones cíclicas a menudo
están influidas por cambios en las
expansiones y contracciones
económicas, mejor conocidas como el
ciclo de negocios
 Estacionalidad
• Cuando las observaciones se Pasajeros en aerolínea LATAM
ven influidas por factores
temporales.
• Se refiere a un patrón de
cambio que se repite año tras
año.
• La variación estacional puede
representar condiciones
climáticas, horarios de escuela,
días feriados, entre otros.
 Estacionariedad
• Cuando los datos recopilados fluctúan alrededor de un nivel o una media
constantes.
• Hay un patrón horizontal.
Técnicas de
pronósticos
1.
Pronóstico a partir de la
regresión lineal
Cuando la serie de tiempo presenta
tendencia

14
 Regresión lineal para el pronóstico
• Debe existir un comportamiento lineal y un buen ajuste.
• Se puede realizar un pronóstico en función del tiempo o en
función de una variable independiente o explicativa (x).
En función del tiempo. En función de otro factor X
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 = 𝑓 𝑡𝑖𝑒𝑚𝑝𝑜 𝑉𝑒𝑛𝑡𝑎𝑠 = 𝑓 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜

𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 = 𝑎 + 𝑏 (𝑡𝑖𝑒𝑚𝑝𝑜) 𝑉𝑒𝑛𝑡𝑎𝑠 = 𝑎 + 𝑏 (𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜)

𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 = 𝑎 + 𝑏 (𝑝𝑒𝑟𝑖𝑜𝑑𝑜 1, 2, … 𝑛)

Debe haber un incremento El factor X debe ser un predictor

significativo con el tiempo. significativo de la variable Y a
pronosticar. 15
2.
Pronóstico a partir de
promedios
Cuando la serie de tiempo es
estacionaria

16
 Pronósticos a base de promedios
• Método útil para obtener información inmediata sobre sus
ventas o compras, información útil para el mantenimiento de
inventarios, pedidos a proveedores.
• Técnica sencilla, rápida y poco costosa.
• Se recomienda usarlo cuando la serie de tiempo tiene mínima
variabilidad y su gráfico es aproximadamente una paralela
al eje de las abscisas.
• Existen:
• Promedios simples
• Promedios móviles

17
 Promedios simples
• Cuando los datos de tiempo no presentan valores extremos y se mantienen
relativamente constantes en el tiempo.
• Aplicable en observaciones de temporalidades cortas –días, semanas,
meses
• Cuando se requiere un estimado de un valor en el corto plazo

18
 Promedios móviles
◎ Es un promedio sucesivo de una serie de tiempo que se caracteriza por
eliminar el dato más antiguo e incorporar el más reciente.
◎ No maneja muy bien los componentes tendenciales o estacionales.
◎ El tamaño de muestra debe ser grande, por lo menos 30 datos, debido a la
cantidad de datos que se pierden

19
3.
Pronóstico con suavización
exponencial
Cuando la serie de tiempo es
estacionaria

20
 Suavización exponencial simple
• Se basa en la premisa de que el nivel de la serie de tiempo fluctúa cerca
de un nivel constante o cambia lentamente a través del tiempo
• Es apropiado para las series que se mueven aleatoriamente sobre y bajo
una media estable (serie de tiempo estacionaria).
• Requiere de un factor de suavización . La precisión en el pronóstico
depende mucho del valor de , esta decisión es crucial para minimizar el
error.

 Con valores bajos  Con valores altos Media

Media estable susceptible a cambios

21
 Temas avanzados
• Pronóstico para la
estacionalidad.
• Pronóticos para ciclos.
• Pronóstico de suavización
ajustada para
estacionalidad y
tendencia.

22