Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Promedio Móvil
Ponderado =
Promedio Móvil Simple =
Mes Ventas Reales de Cobertizos Promedio Móvil de 3 meses
Enero 10
Sumatoria de datos
Número de datos
Ejemplo:
Una compañía presenta en el siguiente tabulado el reporte de ventas correspondiente al año 2009.
Enero 80
Febrero 90
Marzo 85
Abril 70 85
Mayo 80 82
Junio 105 78
Julio 100 85
Agosto 105 95
Septiembre 100 103
Octubre 105 102
Noviembre 100 103
Diciembre 150 102
Solución:
El pronóstico restante al ser un pronóstico con un período móvil de 6 meses, este deberá efectuarse a
partir del mes de Julio, es decir que para su cálculo tendrá en cuenta seis períodos, es decir, Enero,
Febrero, Marzo, Abril, Mayo y Junio. MES VENTAS REALES PRONÓSTICO PRONÓSTICO
(2009) (3 MESES) (6 MESES)
Enero 80
Febrero 90
Marzo 85
Abril 70 85
Mayo 80 82
Junio 105 78
Julio 100 85 85
Agosto 105 95 88
Septiembre 100 103 91
Octubre 105 102 93
Noviembre 100 103 99
Diciembre 150 102 103
Promedio Móvil Ponderado:
Sumatoria de datos
Factor de ponderación
Número de datos
Ejemplo:
Un almacén ha determinado que el mejor pronóstico se encuentra determinado con 4 datos y
utilizando los siguientes factores de ponderación (40%, 30%, 20% y 10%). Determinar el pronóstico
para el período 5.
Solución:
PERÍODO VENTAS (Unidades) PONDERACIÓN
Podemos así determinar que el pronóstico de ventas para el período 5 es equivalente a 97500 unidades.
Suavizamiento Exponencial
Matemáticamente se puede escribir así:
nuevo Pronóstico
pronóstico anterior
1 180 175
Error de
Períodos Demanda Pronóstico
pronóstico
1 180 175 5.00
2 168 176 -8.00
3 159 175 -16.00
4 175 173 2.00
5 190 173 17.00
6 205 175 30.00
7 180 178 2.00
8 182 178 4.00
Suma de errores 36.00
Medidas para calcular el Error Global
del Pronóstico
Desviación Absoluta Media (MAD): Su valor se calcula sumando los
valores absolutos de los errores individuales del pronóstico y
dividiendo entre el número de períodos de datos (n).
Ejemplo:
MAD = 84 = 10,50
8
Error Cuadrático Medio (MSE): Es una segunda forma de medir el
error global del pronóstico. El MSE es el promedio de los cuadrados
de las diferencias entre los valores pronosticados y observados. Su
fórmula es:
Ejemplo:
n
Ejemplo:
Specific Motors produce motores electrónicos para válvulas automáticas para la industria de la construcción.
Durante más de un año, la planta de producción de Specific ha operado a casi plena capacidad. Jim White, el
gerente de planta, estima que el crecimiento en las ventas continuará y desea desarrollar un pronóstico a
largo plazo que se usará para planear las necesidades de las instalaciones para los siguientes tres años. Se
han totalizado las cifras de ventas correspondientes a los últimos diez años:
Ejemplo: ANÁLISIS DE REGRESIÓN LINEAL SIMPLE: UNA SERIE DE TIEMPO
Specific Motors produce motores electrónicos para válvulas automáticas para la industria de la construcción.
Durante más de un año, la planta de producción de Specific ha operado a casi plena capacidad. Jim White, el
gerente de planta, estima que el crecimiento en las ventas continuará y desea desarrollar un pronóstico a
largo plazo que se usará para planear las necesidades de las instalaciones para los siguientes tres años. Se
han totalizado las cifras de ventas correspondientes a los últimos diez años:
APLICACIÓN DE LA ECUACIÓN DE REGRESIÓN PARA PRONOSTICAR LAS VENTAS DE AÑOS FUTUROS:
Si deseamos pronosticar las ventas en miles de unidades para los tres años siguientes,
podríamos reemplazar 11, 12, 13, que son los tres valores siguientes de X, en la ecuación de
regresión de X:
Y11 = 913.333 + 215.758(11) = 3,286.7, o 3,290 miles de unidades
Y12 = 913.333 + 215.758(12) = 3,502.4, o 3,500 miles de unidades
Y13 = 913.333 + 215.758(13) = 3,718.2, o 3,720 miles de unidades
Jack Weis, gerente general de Precisión Engineering Corporation, supone que los servicios de ingeniería que su empresa
proporciona a las empresas en construcción de carreteras están directamente relacionados con la cantidad de contratos
de construcción de éstas emitidos en su área geográfica. Weis se pregunta si su suposición es real, y de ser así, ¿podría
esta información ayudarle a planear mejor sus operaciones? Jack le pidió a Bill Branden, uno de sus ingenieros, que
hiciera un análisis de regresión lineal simple sobre datos históricos. Bill planea hacer lo siguiente: a) Desarrollar una
ecuación de regresión para predecir el nivel de la demanda de los servicios de Precisión, b) Utilizar la ecuación de
regresión para predecir el nivel de la demanda durante los siguientes cuatro trimestres, c) Determinar con qué grado de
exactitud se relaciona la demanda con la cantidad de contratos de construcción realizados.
4. Bill ahora desarrolla los totales necesarios para efectuar el análisis de regresión. Las fórmulas y
definiciones de variables se encuentran en la tabla 3.5 (es útil utilizar una hoja de cálculo).