Está en la página 1de 27

MODELOS MATEMTICOS PARA

LA TOMA DE DECISIONES

Mayra Belen Pineda Gamboa

QU ES UN MODELO?
Es la representacin de la realidad, el cual
debe acercarse a las condiciones reales a
travs de un formulismo matemtico.

APLICACIN
Conocer objetivos como:
Maximizar (produccin, utilidad, ganancia)
Minimizar (costo, tiempo, distancia)
Optimizar (rendimiento, beneficios)

PRONSTICOS

Son la base de los planes a largo plazo de la empresa pues consiste en


la estimacin y anlisis de la demanda futura para un producto.

Finanzas
Recursos
Humanos

Contabilidad

PRONSTICOS

Marketing

Operaciones

Produccin

Demanda

Dependiente
Se deriva de la demanda de otros
productos.

Independiente
Cantidad de productos que la empresa
podra vender por si sola.

Demanda

Activa
Aumentar y disminuir de acuerdo a
medidas que la empresa adopte.

Pasiva
La empresa permanece esttica.

Componentes de la demanda
Promedio
Tendencia
Estacionalidad

Tipos de pronsticos
Cualitativos

Subjetivos
Juicios
Opiniones

Anlisis de series
de tiempos
Usa datos
histricos
Las tendencias
Estaciones
Ciclos

Relaciones
causales
Regresin lineal
Suponen que la
demanda esta
relacionada con
factores del
entorno

Modelo de
simulaciones
Pruebas de una
serie de
supuestos

Herramientas
Minitab
E-views
SPSS
Forecast Pro
Excel

Anlisis de series de tiempo


Qu necesito para elegir el modelo
mas conveniente?

Cantidad de datos histricos


Tendencia
Estacionalidad
Plazo

Mtodo de promedios mviles


Promedio mvil simple
Este
mtodo ayuda a reducir o eliminar las

fluctuaciones aleatorias del pronostico. (muestra


duracin y tendencia)

Donde:
F= Pronstico para el periodo futuro
n= Nmero de periodos que se promediarn
= Hechos ocurridos en el periodo pasado

EJEMPLO
semana

demanda real
1

3 semanas

9 semanas

800

1400

1000

1500

1067

1500

1300

1300

1333
1433

3000

1800

1700

1533

1300

1600

10

1700

1600

1367

11

1700

1567

1467
1500

2500

12

1500

1567

13

2300

1633

1556

14

2300

1833

1644

15

2000

2033

1733

16

1700

2200

1811

17

1800

2000

1800

18

2200

1833

1811

19

1900

1900

1911

20

2400

1967

1933

21

2400

2167

2011

22

2600

2233

2111
2144

23

2000

2467

24

2500

2333

2111

25

2600

2367

2167

26

2200

2367

2267

27

2200

2433

2311

28

2500

2333

2311

29

2400

2300

2378

30

2100

2367

2378

2000
1500
1000
500
0

demanda real
3 semanas
9 semanas

Promedio Mvil Ponderado

Permite
ponderar una importancia cualquiera
a cada elemento, siempre y cuando la suma
de estos sea 1.

Donde:
w1= peso que se dar a la venta real en el periodo
n= nmero total de periodos.

Cmo elegir las ponderaciones?


Por lo general el dato mas reciente es el
indicador mas importante, por lo tanto este
debe tener un mayor peso, se debe ser cuidadoso
cuando los datos son estacionales, pues se debe
tomar en cuenta.
Ejemplo: las ventas de traje de bao de julio deben
tener mayor peso que las ventas en diciembre.

EJEMPLO
VENTAS
MES

100

90

105

95

+ 0.10(100)

Promedio Mvil Exponencial aminorado


En muchas ocasiones los datos mas recientes
indican mejor el futuro que los datos de periodos
mas distantes. Entonces la tabla de del valor de los
pesos ser.
Ponderacin =0.05
TABLA VALOR DE
Ponderacin ms reciente
Datos de un periodo
pasado
Datos de dos periodos
pasados
Datos de tres periodos
pasados

)0
)

0.0500

0.0475
)

0.0451
0.0429

FRMULA

)
= El pronstico exponencialmente aminorado para el periodo t
=El pronstico exponencialmente aminorado para el periodo
anterior
=Demanda real en el periodo anterior
= constante de atenuacin

Efectos de la tendencia
Para este modelo adems de la constante de
atenuacin alfa (), la ecuacin tambin usa la
constante delta ( ) de atenuacin. La cual
disminuye el error que ocurre entre la realidad y el
pronstico
-T1

= La tendencia aminorada exponencialmente para el periodo t


=
=
= la demanda real para el periodo pasado

Elegir el valor correcto de alfa


Dos o mas valores predeterminados de alfa
Error es grande el valor ser 0.8
Error pequeo el valor ser 0.2
Valores computados de alfa
Error real atenuado exponencialmente dividido
entre el error absoluto atenuado
exponencialmente

ERRORES DEL PRONSTICO


Error= la diferencia entre el valor pronosticado y
el ocurrido, tambin se llaman residuales.
Clasificacin de lo errores
Sesgados= cuando un error es cometido
constantemente, por ejemplo no incluir las
variables correctas.
Aleatorios= los que el modelo no puede explicar

CMO SE MIDE EL ERROR?


Error estndar
Varianza
Desviacin media absoluta DMA

ANLISIS DE REGRESIN LINEAL

Relacin
funcional de dos o ms variables
correlacionadas, debemos observar los datos para
ver si se presentan en forma lineal.
Mtodo de los mnimos cuadrados
Y
Donde:
Y= variable dependiente calculada mediante la ecuacin
y= el punto real de los datos, de la variable dependiente (usado a continuacin)
a= interaccin con Y
b= pendiente de la lnea
x= espacio de tiempo

Frmulas

Interseccin con Y
b
Pendiente de la lnea
b=
Error estndar

EJEMPLO
x

y
1
2
3
4
5
6
7
8
9
10
11
12
78

600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900
33350

POR SU ATENCIN
GRACIAS!