Medicin del error de pronstico

EQUIPO # 6

Error de pronstico
El error de pronstico nos dice qu tan buen desempeo tiene el modelo (promedio mvil, promedio mvil ponderado, Suavizamiento exponencial) al compararlo consigo mismo usando datos histricos.

Error de pronstico = Demanda real Valor pronosticado

Medidas para calcular el error de pronstico

MAD (Mean absolute deviation; Desviacin Absoluta
Media)

MSE (Mean squared error; Error cuadrtico medio). MAPE (mean absolute percent error; error porcentual
absoluto medio)

MAD Desviacin Absoluta Media

se calcula sumando los valores absolutos de los errores individuales del pronstico y dividiendo el resultado entre el nmero de periodos con datos (n): Suavizamiento exponencial

Medida obtenida (Ej. 180 Ton.) (5)

Constante de
Ponderacin (0 1)

promedio de de mediciones (Ej. 175 Ton.)

MAD=

| Real Pronosticado |

de .05 a .50. ms peso a datos recientes (cuando es alta) o ms peso a datos anteriores (si es baja).

EJEMPLO 1
Durante los ltimos 8 trimestres, en el puerto de Baltimore se han descargado de los barcos grandes cantidades de grano. El administrador de operaciones del puerto quiere probar el uso de suavizamiento exponencial para ver qu tan bien funciona la tcnica para predecir el tonelaje descargado. Supone que el pronstico de grano descargado durante el primer trimestre examinan dos valores de :

fue de 175 toneladas. Se

= .10 y = .50.
Mtodo: Compare los datos reales con los pronosticados (usando cada uno de los dos valores de ) y despus encuentre la desviacin absoluta y las MAD.

EJEMPLO 1
Probar el uso de suavizamiento exponencial para ver qu tan bien funciona la tcnica para predecir el tonelaje descargado. Se conocen datos reales de

8 trimestres
fue de 175

El pronstico de grano descargado durante el primer trimestre toneladas. Se examinan dos valores de :

= .10 y = .50.
suavizamiento exponencial
Nuevo pronstico = Pronstico del PA

(Demanda real PA
Pronstico del PA)

PA = Periodo anterior

EJEMPLO

suavizamiento exponencial
Nuevo pronstico = Pronstico del PA
PA = Periodo anterior

(Demanda real PA
Pronstico del PA)

EJEMPLO
Calcular los errores de pronstico en trminos de desviaciones absolutas y MAD

MAD=

| Real Pronosticado |

82.45 / 8 = 10.31 98.62/8 = 12.33

MSE Error cuadrtico medio

Es el promedio de los cuadrados de las diferencias encontradas entre los valores pronosticados y los observados. Su frmula es:
Suma de Desviaciones estndar al cuadrado

MSE=

( Error

de pronstico)^2

Determina el MSE para el puerto de Baltimore presentado en el ejemplo 1 Calcular el MSE para = 0.10 y = 0.50
Tonelaj e real descarg ado

EJEMPLO 2

Pronstico para = 0.10 175 175.5 174.75 173.18 (5)^2

(Error)^2 25 56.25 248.06 3.33

Pronstico para = 0.50 175 177.5 172.5 165.88

Trim

(Error)^2 5^2 = 9.5^2 = 25 90.25

1 2 3 4

180 168 159 175

(-7.5)^2 (15.75)^2 (1.82)^2

13.75^2 = 189.1 9.12^2 = 83.17

5
6 7 8

190
205 180 182

173.36
175.02 178.02 178.22

(16.64)^2
(29.98)^2 (1.98)^2 (3.78)^2

276.89
898.70 3.92 14.31

170.44
180.22 192.61 186.30

19.56^2 = 382.60
24.78^2 = 614.05 12.61^2 = 159.01 4.30^2 = 18.49

Suma de errores al cuadrado

1,526.46

1,561.67

Determina el MSE para el puerto de Baltimore presentado en el ejemplo 1 Calcular el MSE para = 0.10 y = 0.50
Tonelaj e real descarg ado

EJEMPLO 2

Pronstico para = 0.10

(Error)^2

Pronstico para = 0.50

Trim

(Error)^2

Suma de errores al cuadrado

1,526.46

1,561.67

MSE= ( Error de pronstico)^2 n MSE ( =0.10) = 1,526.46 8

MSE ( =0.50) = 1,561.46 8

= =

190.8 195.21

Un MSE ms bajo es mejor porque es un valor que queremos minimizar

MSE Error cuadrtico medio

Un problema tanto con la MAD como con el MSE es que sus valores dependen de la magnitud del elemento que se pronostica. Si el elemento pronosticado se mide en millares, los valores de la MAD y del MSE pueden ser muy grandes. Para evitar este problema, podemos usar el error porcentual absoluto medio (MAPE)

MAPE Error porcentual absoluto medio

ste se calcula como el promedio de las diferencias absolutas encontradas entre los valores pronosticados y los reales, y se expresa como un porcentaje de los valores reales. Es decir, si hemos pronosticado n periodos y los valores reales corresponden a esa misma cantidad de periodos, el MAPE se calcula como:

Desviacin

MAPE Error porcentual absoluto medio

= 0.10

MAPE Error porcentual absoluto medio

= 0.50

100* (5/180) = 2.78% 100* (9.50/168) = 5.65% 100* (13.75/159) = 8.65% 100* (9.12/175) = 5.21% 100* (19.56/190) = 10.29% 100* (24.78/205) = 12.09% 100* (12.61/192.61) = 6.55% 100* (4.30/186.30) = 2.31% SUMA DE ERRORES = 53.53%

53.53% = 8

6.69%

MAPE Error porcentual absoluto medio

= 0.50
53.53% = 6.69% 8

= 0.10

El MAPE expresa el error como un porcentaje de los errores reales, sin que est distorsionado por un solo valor muy grande. El MAPE es quiz la medida ms fcil de interpretar. Por ejemplo, un resultado cuyo MAPE es del 6% indica claramente que no depende de aspectos como la magnitud de los datos de entrada.

Suavizamiento exponencial con ajuste de tendencia

SUAVIZAMIENTO EXPONENCIAL CON AJUSTE DE TENDENCIA

MES (t) DEMANDA REAL (At) MES (t) DEMANDA REAL (t)

1
2 3 4 5

12
17 20 19 24

6
7 8 9 10

21
31 28 36 ?

= .2, = .4, F1= 11 unidades, T1= 2 unidades

Paso 1: Pronostique para el mes 2 F2= A1 (1-) (F1+T1) F2= (0.2) (12)+ (1-0.2) (11+2) = 2.4+ (0.8)(13)= 2.4 + 10.4= 12.8 Unidades
Paso 2: Calcule la tendencia en el periodo 2: T2= (F2-f1) + (1-) T1 = 0.4 (12.8-11) + (11 0.4) (2)= (0.4) (1.8) + (0.6) (2) = 0.72 + 1.2 = 1.92

Paso 3: Calcule el pronstico incluyendo la tendencia (FITt): FIT2 = F2 + T2 = 12.8 + 1.92 = 14.72

Tambin realizaremos los mismos clculos para el 3 mes.

Paso 1: F3 = A2 + (1-) (F2+ T2) = (0.2) (17) + (1-0.2) (12.8 + 1.92) = 3.4 + (0.8) (14.72) = 3.4 + 11.78 = 15.18

Paso 2: T3= (F3 F2) + (1 ) (T2) = (0.4) (15.18 12.8) + (1- 0.4) (1.92) = (0.4) (2.38) + (0.6) (1.92) = 0.952 + 1.152 = 2.10
Paso 3: FIT3 = F3 + T3= 15.18+ 2.10 = 17.28

En la tabla 4.1 se completa el pronstico para el periodo de 10 meses.

Proyecciones de tendencia