Pr onós tic os

Saltar a la primera
página
 1.1 . Ne cesidad de pro nosticar
■ Entorno altamente incierto
■ La intuición no necesariamente da los
mejores resultados
■ Mejorar la planeación
■ Competitividad y cambio

Saltar a la primera
página
 1.2. Tipos de pronósticos
Por su plazo: • De corto plazo
• De largo plazo

Según el entorno a • Micro

pronosticar • Macro
Según el • Cualitativo
procedimiento • Cuantitativo
empleado
Saltar a la primera
página
1.3. Pasos de la elaboración
de pronósticos
■ 1. Recopilación de datos
■ 2. Reducción o condensación de

datos
■ 3. Construcción del modelo

■ 4. Extrapolación del modelo

Saltar a la primera
página
2. Exploración de patrones de
datos
■ Se requieren suficientes datos
históricos
■ Se apoyan en la suposición de que
el pasado puede extenderse hacia el
futuro

Saltar a la primera
página
 Las técnicas cuantitativas
pueden ser:
Estadísticas Se enfocan en patrones y en
cambios en los patrones y
sus perturbaciones

Determinísticas Son de tipo causal,

establecen relación entre
la variable a pronosticar y
otras variables
Saltar a la primera
página
 Co n r ela ció n a la s té cnica s
cu antita tiva s e sta dís tica s s e
presen tan d os e nf oques:
■ Los datos se pueden descomponer
en componentes de tendencia,
cíclicos, estacionales y aleatorios.
■ Modelos econométricos de series de
tiempo y Box-Jenkins.

Saltar a la primera
página
3. Co mponente s de se rie s de
tie mpo:
■ Una serie de tiempo consta de datos
que se reúnen, registran u observan
sobre incrementos sucesivos de
tiempo.
■ Se requiere un enfoque sistemático
para analizarlas.

Saltar a la primera
página
Desc omposición clásic a de s eries de
tiemp o :
Componente Descripción
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminución
en la serie sobre un periodo amplio.
Cíclico Es la fluctuación en forma de onda
alrededor de la tendencia.
Estacional Es un patrón de cambio que se repite a
sí mismo año tras año.
Aleatorio Mide la variabilidad de las series de tiempo
después de retirar los otros componentes.

Saltar a la primera
página
 4. Se le cci ón de una té cnic a de
pronóstic o: Da tos estaci onarios
■ Las fuerzas que generan la serie se han estabi-lizado
y el medio permanece relativamente sin cambios.
■ Se puede lograr la estabilidad haciendo correcciones
sencillas a factores como crecimiento de la población
o la inflación.
■ La serie se puede transformar en una serie estable.
■ La serie es un conjunto de errores de pronóstico, de
una técnica de pronóstico que se considera
adecuada.
Saltar a la primera
página
 4. S ele cc ió n d e u na t éc nic a de
pro nóstic o: Da to s co n
te ndencia
■ Productividad creciente y nueva tecnología producen
cambios.
■ El incremento de la población elevan la demanda por
productos.
■ El poder de compra se afecta por la inflación.
■
Aumenta la aceptación en el mercado de un producto.

Saltar a la primera
página
4. Se le cció n d e u na té cnica d e
pro nóstic o: Da to s co n
esta cio nalid ad
■ El clima influye en la variable de
interés.
■ El año calendario influye en la
variable.
Saltar a la primera
página
 4. Se le cció n d e u na té cn ic a
de p ro nóstic o: S erie s cí clic as
■ El ciclo del negocio influye sobre la
variable.
■ Cambios en el gusto popular.
■ Cambios en la población.
■ Cambios en el ciclo de vida del
producto.
Saltar a la primera
página
 5. Med ic ió n d el e rr or e n e l
pro nóstic o
■ Se compara la precisión de dos o más
técnicas de pronóstico.
■ Se mide la confiabilidad de una
técnica de pronóstico.
■ Se busca la técnica óptima.

Saltar a la primera
página
5. M edició n d el e rro r e n e l
pronóstic o
Periodo, t Yt Pronóstico, Yt
1 58 -
2 54 58
3 60 54
4 55 60
5 62 55
6 62 62
7 65 62
8 63 65
9 70 63Saltar a la primera
página
5. Fó rmu la s d e m edició n d el
error e n e l p ronóstico
Yt = valor de una serie de tiempo en el periodo t
Yˆ = valor del pronóstico para Y
t t

Error del pronóstico o residual :

e = Y − Yˆ
t t t

Saltar a la primera
página
5. Fórmu las de me dición del e rror
en e l pronóstico
Desviación absoluta media :
n

∑ Y − Yˆ t t
DAM = t =1
n
Error medio cuadrado :

∑(Y − Yˆ )
n 2
t t
EMC = t =1
n Saltar a la primera
página
5. Fó rmula s de me dición del err or en el
pro nóst ico
Porcentaje de error medio absoluto :
n Yt − Yˆt
∑
t =1 Yt
PEMA =
n
Porcentaje medio de error :
n
(Y − Yˆ )
∑
t =1
t
Yt
PME =
n Saltar a la primera
página
 6. Mo delos de s eries de t iemp o
6.1 . Mo delos no fo rma les:
■ Estas técnicas suponen que los
periodos recientes son los mejores
para pronosticar el futuro.
■ El método más sencillo es el método
del último valor:
Pronóstico = último valor

Saltar a la primera
página
6.1 . Mé todo d el ú ltim o va lo r
t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6 64 51 13
Saltar a la primera
página
 6.2 . M eto dos d e p romedio

■ Promedios simples:
■ Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el
periodo siguiente.

Saltar a la primera
página
Prom edios si mples :
t Yt Yt+1
1 42
2 52 42
3 54 47.00
4 65 49.33
5 51 53.25
6 64 52.80
Saltar a la primera
página
 Pro medio s mó vile s:
■ Este método no considera la media de
todos los datos, sino solo los más
recientes.
■ Se puede calcular un promedio móvil
de n periodos.
■ El promedio móvil es la media
aritmética de los n periodos más
recientes. Saltar a la primera
página
 Pro medio s mó vile s:
promedio móvil
t Yt n=3 n=4
1 42
2 52
3 54
4 65 49.33
5 51 57.00 53.25
6 64 56.67 55.5
Saltar a la primera
página
 6.3 . Me todos d e su aviza mie nto
exponencia l
■ El método de suavizamiento exponencial
puede dar una ponderación mayor a las
observaciones más recientes.
■ Las ponderaciones se asigna mediante la
constante α, 0 < α < 1.
■ El modelo se expresa como:
pronóstico = α (último valor) + (1 - α)(último pronóstico)

Saltar a la primera
página
6. 3. Metod os de sua viz amient o
expon enc ial
t Yt α=0.1 α=0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
6 64 46.67 54.38
Saltar a la primera
página
 6.4. De scomp osición de se ries de
tiemp o
■ Las tendencias son movimientos a largo plazo en
una serie de datos a lo 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.
Saltar a la primera
página
 6.4 .1 . T endencia lin eal
■ El método más empleado para describir una
tendencia lineal es el de mínimos
cuadrados, para encontrar una línea de
mejor ajuste para un conjunto de puntos.
Y´ = a + bX
■ Y´ = valor pronosticado en un periodo X
■ a = valor de la tendencia cuando X = 0
■ b = pendiente de la recta de tendencia
■ X = periodo (codificado)
Saltar a la primera
página
6.4 .1 . Te ndencia l in eal:
eje mplo
Año Periodo X Demanda (Y)
1994 1 35
1995 2 42
1996 3 48
1997 4 51
1998 5 54
1999 6 60
2000 7 71
2001 8 75Saltar a la primera
página
6.4 .1 . Te ndencia lin eal: e je mplo
80

75
70

65
60

55

50
45

40
35

30
1994 1995 1996 1997 1998 1999 2000 2001
Saltar a la primera
página
6.4 .1 . Te ndencia l in eal:
eje mplo
X Y XY X²
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas Saltar a la primera
página
6.4 .1 . Te ndencia l in eal:
fó rmulas
n∑ xy − ∑ x ∑ y
b=
n∑ x − ( ∑ x )
2 2

a=
∑ y
−b
∑ x
n n
Saltar a la primera
página
 6.4.1 . Te ndencia lin eal
t Yt Y´t et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
9 Saltar a la primera
página
 6.4 .1 . Te ndencia l in eal
■ Se puede calcular el coeficiente de determinación,
a fin de evaluar qué tan correcta es la estimación
de la recta de regresión.
■ El coeficiente de determinación r² se calcula como:

[ n∑ xy − ∑ x ∑ y ]
2

=
[n ∑ x − ( ∑ x ) ] [ n ∑ y − ( ∑ y ) ]
2
r 2 2 2 2

Saltar a la primera
página
 6.4 .1 . T endencia lin eal
■ También es posible calcular intervalos de
confianza para la estimación. Para ello es
necesario calcular el error estándar de la
estimación.

Se =
∑y 2
− a ∑ y − b∑ xy
n−2

Saltar a la primera
página
 6.4 .1 . T endencia lin eal

Nivel de Z Fórmula
confianza
68% 1 y’ ± Se
95% 2 y’ ± 2Se
99% 3 y’ ± 3Se
Saltar a la primera
página
 7. Aplic ación de vari os mét odo s
a dat os de sestacion al iz ado s
■ Los datos muestran alguna tendencia creciente a
lo largo del tiempo, además de una marcada
estacionalidad. Se procederá a desestacionalizar
los datos, lo que permite observar hasta donde las
variaciones se deben a efectos estacionales o
bien, a otros factores.
■ El proceso de ajuste estacional se realizará a

través del cálculo de factores estacionales:

Factor estacional = Prom. periodo / prom. global

Saltar a la primera
página
Año Trim. Yt
1 1 13618
2 12930
3 13138
4 16532
2 1 14514
2 14128
3 15568
4 17448
3 1 13984
2 13644
3 15898
Saltar a la primera
4 19300página
 7. A plica ció n d e v ario s
méto dos a d ato s
desesta cio naliza dos
20000

19000

18000

17000

16000

15000

14000

13000

12000

11000

10000
1 2 3 4 1 2 3 4 1 2 3 4
Trim estres Saltar a la primera
página
 7. Ap lic ació n d e v arios
mét odos a d ato s
desesta cio naliza dos
Año Factor
T 1 2 3 Suma Prom Estac.
1 13618 14514 13984 42116 10529 0.9323
2 12930 14128 13644 40702 10175 0.9010
3 13138 15568 15898 44604 11151 0.9873
4 16532 17448 19300 53280 13320 1.1794
Total 45175.50
Prom. 11293.88
Saltar a la primera
página
Año Trim. Yt Yt ajust.
1 1 13618.00 14607.27
2 12930.00 14351.12
3 13138.00 13306.33
4 16532.00 14017.29
2 1 14514.00 15568.36
2 14128.00 15680.79
3 15568.00 15767.47
4 17448.00 14793.96
3 1 13984.00 14999.86
2 13644.00 15143.59
3 15898.00 16101.70
Saltar a la primera
4 19300.00 16364.25
página
 7. Ap lic ació n d e v arios
mét odos a d ato s
desesta cio naliza dos
■ Se aplican varios métodos de pronóstico
para finalmente seleccionar el mejor
pronóstico.
■ A. Método de pronóstico del último valor
■ B. Promedios móviles
■ C. Suavizamiento exponencial
■ D. Suavizamiento exponencial con
tendencia
Saltar a la primera
página
 Otr os m éto dos:
■ Modelos de tendencia con ajuste estacional
■ Modelo de promedios móviles integrados
autorregresivos (ARIMA o Box-Jenkins)
■ Pronósticos causales (modelos
econométricos)
■ Métodos de pronósticos subjetivos

Saltar a la primera
página