MODELOS DE

PRONSTICOS
Mdulo II
Contenido
Introduccin
Enfoque cualitativo y
cuantitativo
Mtodos de pronsticos
Modelos cualitativos de
pronsticos
Error del pronstico


Pronsticos
Escala de Naturaleza Estructura Control
tiempo del riesgo
Estratgica Largo plazo Alto Mal definida Heurstico
Tctica Mediano plazo Moderado Variable Cualitativo
Operacional Corto plazo Bajo Bien definida Cuantitativo
Los pronsticos proporcionan informacin para mejorar la toma de
decisiones, por lo tanto el primer paso es identificar la decisin.
Necesidad del pronstico
Estimar parmetros
Seleccionar mtodo
Elegir Modelo
Enfoque de series de
tiempo
Validacin del modelo
Enfoque causal
Elegir modelo
Seleccionar mtodo
Estimar parmetros
Enfoque cualitativo
Elegir mtodo
Validacin
Anlisis de datos
Datos
causales
Cuantitativos
Recoleccin
de datos?
Validacin del modelo
NO
NO
NO
NO
SI
SI
SI
SI
Diseo de un
sistema de
pronstico
Inteligencia Diseo Seleccin
Implementac
in
Seguimiento
y Control
Mtodos de pronsticos
Mtodos de
pronsticos
Cualitativos
Investigacin
de Mercado
Opinin de
expertos y
Mtodo Delphi
Cuantitativos
Pronsticos
Causales
Regresin lineal simple
Series de
tiempo
Proceso constante
Proceso con tendencia
Proceso Estacional
Modelos cuantitativos
Serie de tiempo:
Serie temporal es aquel pronstico que solo usa valores pasados del
fenmeno que se predice

Modelos causales:
Son aquellos que usan datos de otras fuentes que la serie que se
predice


0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
PROCESO CONSTANTE
Demanda
0
50
100
150
200
250
1 2 3 4 5 6 7 8 9 10111213141516
PROCESO CON TENDENCIA
DEMANDA
0
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11 12
PROCESO ESTACIONAL
DEMANDA
PATRONES DE LA DEMANDA
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
PROCESO CONSTANTE
Demanda
LA DEMANDA EN EL PERIODO t SE REPRESENTA POR
=
=
+ =
1
1 1
c
c
a
a d
Constante fundamental del proceso
Ruido aleatorio
Periodo
Demand
a (miles) Periodo
Demand
a (miles)
1 56 26 55
2 46 27 50
3 53 28 42
4 50 29 50
5 50 30 57
6 52 31 51
7 46 32 54
8 53 33 54
9 55 34 51
10 46 35 52
11 53 36 48
12 45 37 50
13 50 38 49
14 49 39 52
15 48 40 48
16 43 41 47
17 47 42 48
18 55 43 44
19 52 44 43
20 52 45 50
21 44 46 57
22 47 47 46
23 57 48 44
24 45 49 52
25 48 50 58
Mtodo simple
Uso del ltimo dato como pronstico para el siguiente periodo o uso del
Promedio simple de los datos
_
_
1
1
_
1
1
T k T
T
T
T
t
t T
T k T
T T
D F
D F
d
T
D
d F
d F
=
=
=
=
=
+
+
=
+
+

T= periodo actual
t= periodo arbitrario
dt= demanda histrica en el periodo t
FT+k=El pronstico hecho en el periodo T para k periodos futuros
Utilizando el ltimo dato
Utilizando el promedio simple
De todos los datos
Periodo
Demanda
(miles) Periodo
Demanda
(miles)
1 56 26 55
2 46 27 50
3 53 28 42
4 50 29 50
5 50 30 57
6 52 31 51
7 46 32 54
8 53 33 54
9 55 34 51
10 46 35 52
11 53 36 48
12 45 37 50
13 50 38 49
14 49 39 52
15 48 40 48
16 43 41 47
17 47 42 48
18 55 43 44
19 52 44 43
20 52 45 50
21 44 46 57
22 47 47 46
23 57 48 44
24 45 49 52
25 48 50 58
EJEMPLO MTODO SIMPLE
PRONOSTICO
PERIODO DEMANDA Ft+1 Dt+1
50 58
51 58 49.68
52 58 49.68
El pronstico utilizando el ltimo dato o el promedio
Es el mismo mientras no se tengan nuevas
observaciones
_
_
1
1
_
1
T k T
T
T
T
t
t T
D F
D F
d
T
D
=
=
=
+
+
=

T k T
T T
d F
d F
=
=
+
+1
ltimo dato
Promedio simple
Promedios mviles
Promedia los datos ms recientes para reducir el efecto de las
Fluctuaciones aleatorias
( )
( )
N
d d
M M
d d d d
N
M
M F
d
N
d d d
N
M
N T T
T T
T T N T N T T
T k T
T
N T t
t T N T N T T
1 1
1
1 3 2 1
1
2 1
...
1
1
...
1
+ +
+
+ + + +
+
+ =
+ +

+ =
+ + + + =
=
= + + + =

Periodo
Demanda
(miles) Periodo
Demanda
(miles)
1 56 26 55
2 46 27 50
3 53 28 42
4 50 29 50
5 50 30 57
6 52 31 51
7 46 32 54
8 53 33 54
9 55 34 51
10 46 35 52
11 53 36 48
12 45 37 50
13 50 38 49
14 49 39 52
15 48 40 48
16 43 41 47
17 47 42 48
18 55 43 44
19 52 44 43
20 52 45 50
21 44 46 57
22 47 47 46
23 57 48 44
24 45 49 52
25 48 50 58
Ejemplo de promedios mviles
PERIODO DEMANDA PM(5)
46 57
47 46
48 44
49 52
50 58
51 45 51.4
52 49
( )
T k T
T
N T t
t T N T N T T
M F
d
N
d d d
N
M
=
= + + + =
+
+ =
+ +
1
2 1
1
...
1
Periodo
Demanda
(miles) Periodo
Demanda
(miles)
1 56 26 55
2 46 27 50
3 53 28 42
4 50 29 50
5 50 30 57
6 52 31 51
7 46 32 54
8 53 33 54
9 55 34 51
10 46 35 52
11 53 36 48
12 45 37 50
13 50 38 49
14 49 39 52
15 48 40 48
16 43 41 47
17 47 42 48
18 55 43 44
19 52 44 43
20 52 45 50
21 44 46 57
22 47 47 46
23 57 48 44
24 45 49 52
25 48 50 58
( )
N
d d
M M
d d d d
N
M
N T T
T T
T T N T N T T
1 1
1
1 3 2 1
...
1
+ +
+
+ + + +

+ =
+ + + + =
Ejemplo de promedios mviles
Periodo (t)
Demanda
en periodo t Mt
Demanda
t+1
Demanda t-
N+1 Mt+1
41 47 49.2 48 50 48.8
42 48 48.8 44 49 47.8
43 44 47.8 43 52 46
44 43 46 50 48 46.4
45 50 46.4 57 47 48.4
46 57 48.4 46 48 48
47 46 48 44 44 48
48 44 48 52 43 49.8
49 52 49.8 58 50 51.4
50 58 51.4 57
Utilizando 5 periodos
Suavizamiento exponencial simple
Se calcula el pronstico a partir de un pronstico anterior y
un nuevo dato.
Este pronstico es un promedio ponderado de los datos actuales
Y la estimacin anterior de la media del proceso.
T K T
T T T
T T
T T
T T
S F
S d S
M
N
d
N N
M d
M M
=
+ =
+ =

+ =
+

1
1
1
1
) 1 (
)
1
1 (
1 ) (
o o
Ejemplo de suavizacin exponencial simple
usando valor de alfa de 0.2
Periodo t
Demanda
en t St-1 St
45 50
46 57
47 46
48 44
49 52 49.8 S(49)= Prom (d45+d46+d47+d48+d49)
50 58 49.8 51.44 S(50)= 0.2(58)+ (1-0.2)49.8
51 48 51.44 50.752 S(51)= 0.2(48)+ (1-0.2)51.44
T K T
T T T
S F
S d S
=
+ =
+
1
) 1 ( o o
Periodo
Demand
a (miles) Periodo
Demand
a (miles)
1 56 26 55
2 46 27 50
3 53 28 42
4 50 29 50
5 50 30 57
6 52 31 51
7 46 32 54
8 53 33 54
9 55 34 51
10 46 35 52
11 53 36 48
12 45 37 50
13 50 38 49
14 49 39 52
15 48 40 48
16 43 41 47
17 47 42 48
18 55 43 44
19 52 44 43
20 52 45 50
21 44 46 57
22 47 47 46
23 57 48 44
24 45 49 52
25 48 50 58
0
50
100
150
200
250
1 2 3 4 5 6 7 8 9 10111213141516
PROCESO CON TENDENCIA
DEMANDA
Modelo para un proceso con tendencia lineal


t t
bt a d c + + =
b = pendiente de la tendencia
Para hacer un pronstico cuando existe tendencia es necesario
Estimar la constante (a) y la pendiente (b). Algunos mtodos son
Regresin y variaciones a los mtodos de suavizamiento exponencial y
promedios mviles.
Suavizamiento exponencial doble (mtodo de Holt)
Estimacin de la pendiente
T-1 T
S
T-1
S
T
Pendiente B
S S B
T
T T T
=
=

) (
1
T T K T
T T T T
T T T T
KB S F
B S S B
B S d S
+ =
+ =
+ + =
+


1 1
1 1
) 1 ( ) (
) )( 1 (
| |
o o
periodo demanda
1 116
2 133
3 139
4 157
5 154
6 159
7 162
8 172
9 163
10 163
11 164
12 191
13 201
14 219
15 207
16 205
17 210
18 207
19 225
20 223
21 257
22 232
23 240
24 241
Ejemplo de mtodo suavizacin exponencial doble
0
50
100
150
200
250
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PROCESO CON TENDENCIA
DEMANDA
a) Desarrolle un pronstico para las ventas de los meses
25 y 30
b) Si la demanda del periodo 25 es de 259 actualice los
parmetros y proporcione los pronsticos para los meses
26 y 30
SOLUCIN
Para obtener St-1 y Bt-1 se procede de la siguiente manera:
1. se dividen los datos en 2 grupos iguales y se calcula el promedio de cada uno. El promedio se centra en el punto medio 12.5
1 116 13 201
2 133 14 219
3 139 15 207
4 157 16 205
5 154 17 210
6 159 18 207
7 162 19 225
8 172 20 223
9 163 21 257
10 163 22 232
11 164 promedio Incremento promedio 23 240 promedio
12 191 156.0833 66.16667 24 241 222.25
2. Se calcula el incremento promedio para el periodo 12 = (222.25-156.08) = 66.16667
3. Para convertir la diferencia en una estimacin de la pendiente se divide entre el numero de perodos que separa a los dos promedios
PENDIENTE= 66.16667/12= 5.513889
4. para establecer una estimacin de la ordenada se usa el promedio global y la estimacin de la pendiente por periodo multiplicada por
el numero de periodos a partir del punto medio del periodo actual.
promedio global 189.1667
S24= 189.1667+5.513(24-12.5)
S24= 252.525
Calculo de la pendiente (B) y la ordenada (S)
B= 5.51 S24= 252.52
T T K T
T T T T
T T T T
KB S F
B S S B
B S d S
+ =
+ =
+ + =
+


1 1
1 1
) 1 ( ) (
) )( 1 (
| |
o o
5. Pronstico para valor futuro
F25= S24+KB24
F25= 258.035
F30= 252.52+ 6*5.51 = 285.58
Cuando se conoce la demanda real para el mes 25 se actualizan las estimaciones. Si la demanda real para 25 es de 259 y ==0.1
S25= d25 + (1-)(S24+B24)
S25= 0.1*259+ (1-0.1)(252.52+5.51)
S25= 258.127
B25= (S25-S24)+ (1-)B24
B25= 0.1*(258.12-252.52)+ (1-0.1)5.51
B25=0.56+4.959
B25=5.51
F26= S25+KB25
F26=258.12+5.51
F26= 263.63
F30= 258.12 +
5*5.51
F30= 285.67
Usando el mtodo Holt (suavizamiento exponencial doble) para
Pronosticar la demanda mensual de un zapato deportivo con
=0.1 y =0.2. Las ltimas estimaciones de la ordenada y la
Pendiente son: 1067.2 y 21.6 respectivamente. La demanda de
Este mes es de 1100

a) Proporcione su pronstico para el mes prximo
b) Proporcione el pronstico para dentro de tres meses


0
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11 12
PROCESO ESTACIONAL
DEMANDA
=
=
=
=
+ + =
t
t
t t t t
c
b
a
c b a d
c
c ) (
Porcin constante
Pendiente de la componente de tendencia
Factor estacional para el periodo t
Aleatoriedad no controlable
Calculo de Bt y St iniciales
1. Para calcular Bt se requieren por lo menos dos aos completos
de datos.
Se calcula la demanda promedio para cada uno de los dos
ltimos aos y resta el promedio del ms antiguo del ms
Reciente. Este resultado es el crecimiento en los dos aos
El resultado del crecimiento en los dos aos se divide entre
L ( nmero de estaciones por ao)

2. Dada una estimacin de la tendencia se puede calcular una
Estimacin de la constante
Se calcula el promedio de todos los datos que se centra en
(T-1)/2. Se puede estimar la porcin contante del modelo
En el tiempo T, multiplicando la tendencia por periodo (Bt)
Por (T-1)/2 (el numero de periodos que hay entre el centro
Y T)
Para pronosticar, se obtienen las estimaciones iniciales de las
Componentes del modelo y se actualizan usando suavizamiento
Exponencial.
=
=
=
=
=
=
t
t
t
t
C
B
S
T
L
d Demanda en el periodo t
Nmero de estaciones en el ao ( u otro marco de tiempo)
Nmero de periodos de datos disponibles; T=mL donde m= el nmero de
Aos completos disponibles
Estimacin para el trmino constante a calculado en el tiempo t
Estimacin del trmino de tendencia b calculado en el tiempo t
Estimacin de la componente estacional para el periodo t
Calculo del factor estacional Ct
Una estimacin natural del factor estacional, debera ser la demanda
En el periodo dividida entre el trmino constante. Sin embargo,
Debe corregirse por la parte de tendencia de la constante.

Para obtener una estimacin del factor estacional. Se calculan los
Los factores estacionales usando la frmula :
t t
T
L T t
t
t t
t
t
C R C
C
L
R
t T B S
d
C
*
) (

1
=
=

=

+ =
Se promedian los factores
Estacionales para la misma
Estacin de cada ao para
Eliminar el ruido.

Para normalizarlos primero se
determina
R= cociente de la duracin de la
estacin
Entre la suma de los factores
estacionales

La razn obtenida R, se multiplica
Por los factores estacionales que se
Tienen para obtener nuevos
Ejemplo de datos estacionales con tendencia
Ao 1 Ao 2 Ao 3
Trimestre 1 60 69 84
Trimestre 2 234 266 310
Trimestre 3 163 188 212
Trimestre 4 50 59 64
Promedio Anual 126.75 145.50 167.50
Promedio Global 146.58
0
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11 12
DEMANDA
Calculo de Bt y St
1. Calculo de Bt, se obtiene el promedio del ao 3 y del ao 2
5 . 5
4
5 . 145 5 . 167
5 . 145
4
59 188 266 69
5 . 167
4
64 212 310 84
__
2
__
3
__
2
__
3
=

=
=
+ + +
=
=
+ + +
=
L
d d
B
d
d
T
2. St en el periodo 12 sera:
83 . 176 5 . 5
2
11
58 . 146
2
1
12
__
=
|
.
|

\
|
+ =
|
.
|

\
|

+ =
S
B
T
D S
T
Factores estacionales iniciales
t dem (T-t) ST BT ST-BT(T-t) Ct
1 60 11 176.83 5.5 116.33 0.52
2 230 10 176.83 5.5 121.83 1.89
3 163 9 176.83 5.5 127.33 1.28
4 50 8 176.83 5.5 132.83 0.38
5 69 7 176.83 5.5 138.33 0.50
6 266 6 176.83 5.5 143.83 1.85
7 188 5 176.83 5.5 149.33 1.26
8 59 4 176.83 5.5 154.83 0.38
9 84 3 176.83 5.5 160.33 0.52
10 310 2 176.83 5.5 165.83 1.87
11 212 1 176.83 5.5 171.33 1.24
12 64 0 176.83 5.5 176.83 0.36
) ( t T B S
d
C
t t
t
t

=
Se calculan los factores estacionales para los datos
t dem (T-t) ST BT ST-BT(T-t) Ct
Factor
normal i za
do
1 60 11 176.83 5.5 116.33 0.52 0.50405
2 234 10 176.83 5.5 121.83 1.92 1.877048
3 163 9 176.83 5.5 127.33 1.28 1.251038
4 50 8 176.83 5.5 132.83 0.38 4.093042 0.977268 0.367864
5 69 7 176.83 5.5 138.33 0.50 0.500279
6 266 6 176.83 5.5 143.83 1.85 1.854862
7 188 5 176.83 5.5 149.33 1.26 1.262671
8 59 4 176.83 5.5 154.83 0.38 3.988233 1.002951 0.382187
9 84 3 176.83 5.5 160.33 0.52 0.524889
10 310 2 176.83 5.5 165.83 1.87 1.872844
11 212 1 176.83 5.5 171.33 1.24 1.239668
12 64 0 176.83 5.5 176.83 0.36 3.992611 1.001851 0.362599
Normal i zaci n
0.50405 0.500279 0.524889 0.51
1.877048 1.854862 1.872844 1.87
1.251038 1.262671 1.239668 1.25
0.367864 0.382187 0.362599 0.37
Normalizacin de los factores estacionales
t t
T
L T t
t
C R C
C
L
R
*

1
=
=

+ =
Se promedian los factores estacionales para la misma estacin
Trimestre Ao1 Ao 2 Ao3 Promedio Normalizacin
1 0.52 0.50 0.52 0.51 0.51
2 1.92 1.85 1.87 1.88 1.87
3 1.28 1.26 1.24 1.26 1.25
4 0.38 0.38 0.36 0.37 0.37
4.02 4.00
Se pueden actualizar las estimaciones con suavizacin exponencial
Conforme se dispone de nuevos datos.
Las variables para el termino constante, la tendencia y los factores
Estacionales se denotan por , , respectivamente.
L T
T
T
T
T T T T
T T
L T
t
T
C
S
d
C
B S S B
B S
C
d
S

+
|
|
.
|

\
|
=
+ =
+ +
|
|
.
|

\
|
=
) 1 (
) 1 ( ) (
) )( 1 (
1 1
1 1

| |
o o
L k T T T K T
C kB S F
+ +
+ = ) (
Pronstico para dentro de k periodos (k L) est dado por
gL k T T T K T
C kB S F
+ +
+ = ) (
Pronstico para dentro de k periodos (k> L) est dado por
g es el entero ms pequeo mayor o igual que k/L
Ejemplo de actualizacin de valores
Si d13 = 97 y =0.15, =0.1 y =0.2. Actualice los parmetros y
Pronostique los periodos 14 y 17
S12=176.83, B12=5.5, C9= 0.51, C10=1.87, C11= 1.25, C12=0.37
50 . 183 ) 5 . 5 83 . 176 )( 85 . 0 (
51 . 0
97
15 . 0
) )( 1 (
13
1 1
= + +
|
.
|

\
|
=
+ +
|
|
.
|

\
|
=

S
B S
C
d
S
T T
L T
t
T
o o
61 . 5 5 . 5 ) 9 . 0 ( ) 83 . 176 50 . 183 ( 1 . 0
) 1 ( ) (
13
1 1
= + =
+ =

B
B S S B
T T T T
| |
513 . 0 51 . 0 * ) 8 . 0 (
5 . 183
97
2 . 0
) 1 (
13
= + |
.
|

\
|
=
+
|
|
.
|

\
|
=

C
C
S
d
C
L T
T
T
T

Pronstico para el periodo 14
77 . 351 87 . 1 * ) 61 . 5 * 1 5 . 183 (
1 13
= + =
+
F
L k T T T K T
C kB S F
+ +
+ = ) (
Pronstico para el periodo 17
11 . 107 513 . 0 * ) 5 . 5 * 4 5 . 183 (
) (
4 13
= + =
+ =
+
+ +
F
C kB S F
gL k T T T K T
Ejercicio. Demanda estacional
Obs. Ao Estacin Demanda
1 1992 Primavera 23
2 Verano 51
3 Otoo 12
4 1993 Invierno 7
5 Primavera 30
6 Verano 67
7 Otoo 18
8 1994 Invierno 14
9 Primavera 37
10 Verano 81
11 Otoo 21
12 1995 Invierno 12
Una compaa fabrica accesorios para natacin y deportes acuticos
Para nios. En1992 introdujeron sus gogles EZ
a) Grafique los datos
b) Estime St, Bt, y los factores estacionales
c) Pronostique las ventas para la primavera y el verano de 1995