Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronsticos
Pronsticos
6.1-6.3
6.1-6.3
1
PRONSTICO
Prediccin de lo que ocurrir sobre la
base de:
1. Identificacin de tendencias a futuro
sobre la base de informacin real del
tiempo pasado.
2. Revisin de datos con el objetivo de
identificar patrones interesantes.
Series de Tiempo
Los datos de ventas histricos
forman una serie de tiempo.
Una serie de tiempo es un
conjunto
de
observaciones
respecto a una variable medidas
en puntos sucesivos en el tiempo a
lo largo de de perodos sucesivos
de tiempo
Programa General
Mtodos de
Pronstico
Cuantitativos
Causal
Suavizacin
Cualitativos
Series de
Tiempo
Proyeccin de
tendencias
Proyeccin de tendencias
ajustadas por influencias
estacionales
6.1
6.1 Componentes
Componentes de
de una
una
serie
serie de
de tiempo
tiempo
Tendencia
Cclico
Estacional
Irregular
Tendencia
Desplazamiento gradual de la serie
de tiempo. Influyen factores a largo
plazo como modificaciones de la
poblacin,
poblacin sus caractersticas
demogrficas,
demogrficas la tecnologa y la
preferncia del consumidor.
consumidor
1987
1992
1997
Volumen
Volumen
Volumen
Patrones Posibles
Tiempo
Tendencia
no lineal
Tiempo
Tiempo
Tendencia lineal
declinante
Sin tendencia
Componentes de tendencia y
ccliclas
Volumen
Componente cclico:
cclico Cualquier secuencia
recurrente de puntos encima y abajo de la
lnea de tendencia que dure ms de un ao.
Lnea de Tendencia
Tiempo
6.2
6.2 Uso
Uso de
de mtodos
mtodos de
de
suavizacin
suavizacin en
en el
el pronstico
pronstico
12
Tres mtodos
El objetivo es suavizar las
fluctuaciones aleatorias causadas
por el componente irregular de la
serie de tiempo, existen tres:
Promedios Mviles
Promedios Mviles Ponderados
Suavizacin Exponencial
Promedios Mviles
Utiliza como pronstico para el siguiente
periodo, el promedio de los ne valores
ms recientes de la serie de tiempo
nn valores
valores de
de datos
datos ms
ms recientes
recientes
Promedio
Promedio Movil
Movil
nn
de Error
del Error
al
19
21
20
19
18
18
20
20
19
Totales
4
-3
-4
1
0
4
0
-5
3
0
16
9
16
1
0
16
0
25
9
92
MSN= 10.22
Grfico
25
20
15
Pronstico de
Promedio Mvil
10
5
11
Promedios mviles
ponderados
Implica seleccionar diferentes ponderaciones
para cada valor de datos y a continuacin
obtener como pronstico el promedio
ponderado de los n valores de datos ms
recientes. En la mayor parte de los casos la
observacin ms reciente recibir la mayor
ponderacin, reducindose la ponderacin
para los datos ms antiguos. La suma de las
ponderaciones debe ser igual a 1.
Suavizacin exponencial
Se trata de un caso especial del
mtodo
de
promedios
mviles
ponderados, en el cual slo se
selecciona un valor de ponderacin, es
decir, el peso o ponderacin de la
operacin ms reciente, los pesos o
ponderaciones para los dems valores
se calculan de manera automtica,
hacindose ms y ms pequeos
conforme las las observaciones se van
alejando hacia el pasado.
Pronstico de la serie de
tiempo para el periodo de t+1
Yt
Ft
Pronstico de la serie de
tiempo para el periodo de t
Constante de Suavizacin
0 1
Caractersticas
El
pronstico
de
suavizacin
exponencial para cualquier periodo
tambin es un promedio ponderado de
todos los valores reales previos de la
serie de tiempo.
El pronstico para el periodo t+1 slo
depende de un alfa dado y de los
valores reales y pronosticados de la
serie dedel
tiempo
paraElel
periodo
t, pesos
es
Exactitud
Pronstico:
mejor
juego de
Ytde
y tal
Ft manera que minimice el MSN.
sedecir
escoge
MSN
F
Ftt11
F
Ftt
Y
Ytt
F
Ftt
Alfa
de galones) (Yt)
17
21
19
23
18
16
20
18
22
20
15
22
0.2
del Error
Exponncial (Ft)
Pronstico (Yt-Ft) cuadrado
17.00
17.00
4.00
16.00
17.80
1.20
1.44
18.04
4.96
24.60
19.03
-1.03
1.07
18.83
-2.83
7.98
18.26
1.74
3.03
18.61
-0.61
0.37
18.49
3.51
12.34
19.19
0.81
0.66
19.35
-4.35
18.94
18.48
3.52
12.38
Totales
10.92
98.80
MSN= 8.98
al
15
10
Pronstico de Suav
Exponncial (Ft)
5
0
1 2 3 4 5 6 7 8 9 10 11 12
Alfa
de galones) (Yt)
17
21
19
23
18
16
20
18
22
20
15
22
0.3
del Error
Exponncial (Ft)
Pronstico (Yt-Ft) cuadrado
17.00
17.00
4.00
16.00
18.20
0.80
0.64
18.44
4.56
20.79
19.81
-1.81
3.27
19.27
-3.27
10.66
18.29
1.71
2.94
18.80
-0.80
0.64
18.56
3.44
11.83
19.59
0.41
0.17
19.71
-4.71
22.23
18.30
3.70
13.69
Totales
8.03
102.86
MSN= 9.35
al
6.3
6.3 Uso
Uso en
en pronsticos
pronsticos de
de
la
la proyeccin
proyeccin de
de tendencias
tendencias
25
Tendencia Lineal
Se trata de encontrar una funcin:
T
Ttt
b
b00
b
b11tt
Tt
b0
b1
Pendiente de la Lnea de
Tendencia
Frmula para b1 y b0
b
b11
tY
tY
tt Y
Y
n
tt
n
tt
tt
tt
2
2
n
n
2
2
b
b00
Y
Y
b
b11tt
valor promedio de t
Proyeccin de Tendencias
Ejemplo Ventas de Bicicletas
Proyeccin de Tendencias
Ao (t)
1
2
3
4
5
6
7
8
9
10
55.00
Ve nta s (Yt)
(t*Yt)
(t2)
en mile s
21.6
22.9
25.5
21.9
23.9
27.5
31.5
29.7
28.6
31.4
264.50
21.60
45.80
76.50
87.60
119.50
165.00
220.50
237.60
257.40
314.00
1545.50
1
4
9
16
25
36
49
64
81
100
385.00
b1= 1.1
b0= 20.4
Totales
Proyeccin de Tendencias
35
30
25
Ventas (Yt) en
miles
20
15
Tendencia
10
5
0
1 2
3 4 5
6 7 8
9 10
Proyeccin de Tendencias
La pendiente 1.1 indica que en los
ltimos 10 aos la empresa ha tenido
un cremiento promedio de 1100
bicicletas anualmente.
Podemos pronosticar las ventas despus
de 11, 12, 13, aos, etc