Pronos Tico

Dr. Orlando T. Gabriel H.
DEFINICIÓN DE PRONÓSTICO
El pronóstico de la demanda consiste en

hacer una estimación de nuestras futuras
ventas (ya sea en unidades físicas o
monetarias) de uno o varios productos
(generalmente todos), para un periodo de
tiempo determinado (generalmente un mes)
El pronóstico de la demanda es estimar las

ventas de un producto durante determinado
periodo futuro
.
Dr. Orlando T. Gabriel H. 26/12/2017

MODELOS CUALITATIVOS Y CUANTITATIVOS
DE LOS PRONÓSTICOS.
demandas futuras
asociativas para proyectar las
datos históricos y relaciones causales o
Los pronósticos cuantitativos emplean
experiencia, la intuición y otros factores
Los enfoques cualitativos emplean el juicio, la
MODELOS MODELOS
CUALITATIVOS CUANTITATIVOS
intangibles difíciles de cuantificar
1.Consenso del
comité ejecutivo 1. Regresión Lineal
2. Promedios Móviles
2. Método de Delfos
3. Promedio Móvil Ponderado
3. Encuesta a la
4. Modelo de Suavización Exponencial.
Fuerza de Ventas
5. Suavización Exponencial con Tendencia
4. Encuesta a los
clientes 6. Modelo de Variaciones Estacionales
5. Investigación de 7. Pronósticos con componentes de

Mercados tendencia y Estacionales.

a) CONSENSO DE COMITÉ EJECUTIVO
 Permite OBTENER opiniones, la experiencia y conocimientos de
los técnicos, de los Ejecutivos de los diversos departamentos,
para determinar un sólo pronostico..
 A partir de una lluvia de ideas se establecen discusiones hasta
llegar a un acuerdo que refleje el sentir de la mayoría.
 Utilizan Información proveniente de todos los ámbitos de la
Organización.
 Es económico, y se utiliza para mediano y largo plazo.
b) METODO DE DELFOS.
 Este método se utiliza para lograr un consenso dentro de un
comité
 En este método los ejecutivos responden anónimamente a
una serie de preguntas en sesiones sucesivas.
 Cada respuesta se retroalimenta en cada sesión a todos los
participantes, y entonces el proceso se repite pudieran
requerirse hasta SEIS SESIONES antes de alcanzar
consenso sobre el pronóstico.
 Este método puede dar como resultado pronósticos en los
que la mayoría de los participantes están finalmente de
acuerdo, a pesar de su desacuerdo inicial.
Grupo de Expertos-Cuestionario-Respuestas-Retroalimentación -Convergencia

c. ENCUESTA A LA FUERZA DE VENTAS.
 Las estimaciones de ventas futuras regionales se obtienen
individualmente a partir de cada uno de los miembros de la fuerza
de ventas.
 Estas estimaciones se combinaran a fin de elaborar una
estimación de las ventas en todas las regiones.
 Para asegurar estimaciones realistas, los gerentes deben
entonces transformar esta estimación en un pronóstico de ventas.
 Se trata un método de pronóstico popular en aquellas empresas
que tienen un buen sistema de comunicación y vendedores que
atienden directamente a los clientes.
d. ENCUESTA A LOS CLIENTES.
 Las estimaciones de la ventas futuras se obtienen
directamente de los clientes, a quienes se encuesta
individualmente para determinar los volúmenes de productos
que la empresa pretende adquirir en cada periodo en el futuro
y se prepara un pronóstico de ventas combinando las
respuestas individuales de los clientes.
 Este método puede ser el preferido en las empresas con
relativamente pocos clientes, como los proveedores de la
industria automotriz y os contratistas para las fuerzas
armadas.
e. INVESTIGACIÓN DE MERCADO.
 Suelen ser cuestionarios estructurados que
se envían a los clientes potenciales del
mercado solicitando en ellos opinión
acerca de productos o productos..
 Desarrollar cuestionario con preguntas que

proporcionen información necesario para
el desarrollo del pronóstico, por ejemplo
edad o ingresos o con que frecuencia se
consumiría el producto. Si se aplica a
distribuidor serían necesarios el tamaño de
la tienda y la proyección del número de
artículos que compraría.
 Llevar a cabo la encuesta, ya sea por

correo, fax, teléfono, postal para recortar
en una revista, etc.
 Para productos nuevos.
El análisis de regresión Lineal es un modelo de pronostico que establece una relación entre
una variable dependiente y una independiente, se utiliza en pronostico a mediano y largo
plazo.
x = valores de la variable independiente y= valores de y que aparecen en la línea de
y = valores de la variable dependiente tendencia y = a + bx
n = Numero de observaciones x = valores de x que ocurren sobre la línea de
a = Intersección con el jefe vertical tendencia
b = Pendiente de la línea de regresión r = coeficiente de correlación
= valor medio de la variable = coeficiente de determinación
dependiente
yˆ  a  b( x )
a  y  bX 
EJEMPLO DE ANÁLISIS DE
REGRESION LINEAL SIMPLE.
 La empresa XYZ produce motores electrónicos para válvulas automáticas
para la industria de la construcción. Durante mas de una año, la planta de
producción ha operado en toda su capacidad .JIMY H, el gerente de la
planta , estima que el crecimiento en la ventas continuara y desea
desarrollar un pronostico a largo plazo que se usara para planear las
necesidades de la instalaciones para desarrollar un pronostico a largo
plazo que se usara para planear las necesidades de la instalaciones para
los siguientes tres años . Se han totalizado las cifras de ventas
correspondientes a los últimos diez años: Determinar el pronostico de
ventas para el periodo 11, 12 y 13
AÑO VENTAS ANUALES AÑO VENTAS ANUALES

(miles de unidades) (miles de fuentes)
1 1000 6 2000
2 1300 7 2200
3 1800 8 2600
4 2000 9 2900
5 2000 10 3200

Solución:
Año Ventas Anuales (miles de Periodo (x) 2 xy

unidades) (y) x
1 1000 1 1 1000
2 1300 2 4 2600
3 1800 3 9 5400
4 2000 4 16 8000
5 2000 5 25 10000
6 2000 6 36 12000
7 2200 7 49 15400
8 2600 8 64 20800
9 2900 9 81 26100
10 3200 10 100 32000
21000 55 385 133300
 TOTALES

Solución:
1. Resolvamos ahora despejando los valores de a y de b:
n xy   x y 10(133300)  (55)(21000)
b 
n x 2   x 
2
825
1333000  1155000 1780000

b   215.758
825 825
a  y  b( x)  2100  215.758(5.5)  913.333
2. Ahora que conocemos los valores de a y de b, podemos utilizar la

ecuación de regresión para pronosticar las ventas de años futuros:
Y  a  bX  913.333  215.758X
3. Si deseamos pronosticar las ventas en miles de unidades para los tres
años siguientes, podríamos remplazar 11, 12 y 13, que son los tres
valores siguientes de x, en la ecuación de regresión de x:
Y11  913.333  215.758(11)  3286.7 ò 3287 miles de unidades
Y13  913.333  215.758(13)  3718.2 ò 3719 miles de

unidades
Y12  913.333  215.758(12)  3502.4 ò 3503 miles de unidades

 Modelo de pronostico del tipo de series de tiempo a corto plazo que
pronostica las ventas par el siguiente periodo.
 En este modelo, el promedio aritmético de las ventas reales para un
determinado número de los periodos pasados más recientes es el
pronóstico para el siguiente periodo.
 Se usa cuando la demanda de un producto no crece ni baja con rapidez, y
si no tiene características estacionales, un promedio móvil puede ser útil
para eliminar las fluctuaciones aleatorias del pronóstico.
A𝑡−1 + A𝑡−2 + A𝑡−3 + ⋯ + A𝑡−𝑛

𝐹𝑡 =
𝑛
Ft = Pronóstico para el siguiente periodo

n = Número de Periodos para promediar
At-1 = Demanda Real en el Periodo pasado

EJEMPLO PRONÓSTICO DE
PROMEDIO MÓVIL
SHIRLEY JOHNSON, gerente de inventarios desea desarrollar un sistema de

pronostico a corto plazo para estimar el volumen de inventario que influye de su
almacén todas las semanas ella cree que la demanda de inventario por lo
general ha sido estable, con alguna ligeras fluctuaciones aleatorias de una
semana a la siguiente. Un analista de las oficinas centrales de la empresa
sugirió que utilizara un promedio móvil de 3,5 o 7 semanas. Antes de tomar una
decisión, SHIRLEY decidió comparar la precisión de cada una de ellas en
relación con el periodo de diez semanas mas reciente.

Solución:
1. Calcule los pronósticos de promedios móviles de 3, 5 y 7
semanas:
Semana Demanda real de Pronósticos
inventario (miles de Cantidad de periodos Cantidad de Cantidad de
dólares) promediados = 3 periodos periodos
semanas promediados promediados = 7
= 5 semanas semanas
1 100
2 125
3 90
4 110
5 105
6 130
7 85
8 102 106.7 104.0 106.4
9 110 105.7 106.4 106.7
10 90 99.0 106.4 104.6
11 105 100.7 103.4 104.6
12 95 101.7 98.4 103.9
13 115 96.7 100.4 102.4
14 120 105.0 103.0 100.3
15 80 110.0 105.0 105.3
16 95 105.0 103.0 102.1
17 100 98.3 101.0 100.0
Note que se han redondeado los pronósticos a un digito significativo por encima del correspondiente a los datos originales.
Cálculos de muestra: pronósticos para la semana 10
85  102  110
F10   99.0  Con tres semanas
3
105  130  85  102  110
F10   106.4  Con 5 semanas
5
90  110  105  130  85  102  110

F10   104.6  Con 7 semanas
7
NOTA: para el pronóstico para la semana 10, recuerde que los únicos
datos históricos de demanda de inventario reales semanales que usted
tiene para trabajar son las semanas 1 al 9. Por lo tanto, no es posible que
se incluyan los datos reales de la semana 10 para el cálculo de los
pronósticos de esa semana.

2. A continuación , calcule la desviación media absoluta (MAD) de estos
pronósticos:
Semana Demanda Pronósticos

real de Cantidad de periodos Cantidad de periodos Cantidad de periodos
inventari promediados = 3 promediados = 5 semanas promediados = 7
o (miles semanas semanas
de
Pronósticos Desviación Pronósticos Desviación Pronósticos Desviación
dólares)
absoluta absoluta absoluta
8 102 106.7 4.7 104.0 2.0 106.4 4.4
9 110 105.7 4.3 106.4 3.6 106.7 3.3
10 90 99.0 9.0 106.4 16.4 104.6 14.6
11 105 100.7 4.3 103.4 1.6 104.6 0.4
12 95 101.7 6.7 98.4 3.4 103.9 8.9
13 115 96.7 18.3 100.4 14.6 102.4 12.6
14 120 105.0 15.0 103.0 17.0 100.3 19.7
15 80 110.0 30.0 105.0 125.0 105.3 25.3
16 95 105.0 10.0 103.0 8.0 102.1 7.1
17 100 98.3 1.7 101.0 1.0 100.0 0.0
Desviación absoluta total 104.0 92.6 96.3
Desviación absoluta media 10.4 9.26 9.63

3.- La precisión del pronóstico con una cantidad de periodos
promediados = 5 es la mejor, ya que su MAD tiende a ser inferior al
correspondiente para tres o siete semanas.
4.- Ahora utilice una cantidad de periodos promediados de cinco

semanas para pronosticar la demanda de efectivo de la siguiente
semana, la DECIMOCTAVA:
115  120  80  80  95  100

Pronóstico:   102 mil dólares
5

METODO DEL PROMEDIO MÓVIL
PONDERADO
 Modelo parecido al modelo de promedio móvil.
 Cada una de las demandas históricas que intervienen en el promedio
tienen su propia ponderación
 El resultado de la suma de las ponderaciones es 1.
 La demanda mas reciente tiene la mayor ponderación, la segunda mas
reciente menos que la primera , la tercera mas reciente menos que la
segunda y así sucesivamente sele va dando la ponderación a todas las
demandas históricas que intervienen para hallar el nuevo pronostico.
𝐹𝑡 = 𝑤1 A𝑡−1 + 𝑤2 A𝑡−2 + ⋯ + 𝑤𝑛 A𝑡−𝑛
w1= Ponderación dada a la ocurrencia real para el periodo t-1

w2= Ponderación dada a la ocurrencia real para el periodo t-2
wn= Ponderación dada a la ocurrencia real para el periodo t-3
n= Número total de Periodos en el Pronostico

EJEMPLO
Tal vez una tienda departamental se dé cuenta de que en un periodo de 4
meses, el mejor pronóstico se deriva utilizando 40% de las ventas reales
durante el mes más reciente, 30% de dos meses antes, 20% de tres
meses antes y 10% de hace cuatro meses. Si las ventas reales fueron:
MES 1 MES 2 MES 3 MES 4 MES 5
100 90 105 95 ?
El pronóstico para el mes 5 sería

MES 1 MES 2 MES 3 MES 4 MES 5
100 90 105 95 ?
0.1 0.2 0.3 0.4
F5 = 0.4(95) + 0.3(105) + 0.2(90) +

0.1(100)
F5 = 38 + 31.5 +18 + 10
F5 = 97.5
EJEMPLO:
Los datos mas recientes son mas importantes para un pronostico , se
pueden aplicar pesos o coeficientes mas elevados de ponderación a
estos datos , como se indica a continuación :
Semana Datos reales Peso

coeficiente de
ponderación
7 85 20%
8 102 30%
9 110 50%
Pr onostico10  0.2(85)  0.3(102)  0.5(110)  102.6 o 102 mil 600 dólares
Esta simple modificación al método de los promedios móviles permite a los

pronosticadores especificar la importancia relativa de cada uno de los
periodos pasados de datos.

El método de suavización exponencial es un método de
pronóstico fácil de utilizar, requiere solamente tres tipos de
datos para pronosticar el futuro:
• El pronóstico del último periodo.

• La demanda real que ocurrió durante el periodo de
pronostico
• Una constante de uniformidad alfa (α), cuyo valor
fluctúa entre 0 y 1.0, además esta constante de
suavización determina el nivel de uniformidad y la
velocidad de reacción a las diferencias entre los
pronósticos y las ocurrencias reales.

Fórmulas para calcular el pronóstico:
La ecuación para un solo pronóstico de

uniformidad exponencial es simplemente:
Ft  Ft 1    At 1  Ft 1 

Se está organizando una reunión en Francia. Se espera pronosticar la
atención del año 2008 usando el suavizado exponencial.
(a = .10). En 2003 el pronóstico fue 175.
2003 180
2004 168
2005 159
2006 175
2007 190

Concepto:
Una tendencia consiste en un incremento o decremento
sistemático de los promedios de la serie a través del
tiempo. Cuando existe una tendencia, los enfoques de la
suavización exponencial deben modificarse; si no se
modifican, los pronósticos siempre estarán por arriba o por
debajo de la demanda real.
Enero:23, Feb25, Marzo31, Abril 36……Un producto

nuevo que esta ganando aceptación,
Enero:23, Feb15, Marzo12, Abril 8……
Para corregir la tendencia, se necesitan dos

constantes de suavización. Además de la constante
de suavización (), la ecuación de la tendencia
utiliza una constante de suavización (β). La β
reduce el impacto del error que ocurre entre la
realidad y el pronóstico. Si no se incluye ni alfa ni
el beta, la tendencia reacciona en forma exagerada
ante los errores.
Ejemplo:
Andrés Ramos, debe pronosticar las ventas de su empresa en
expansión de autotransportes, de forma que pueda planear las
necesidades de efectivo, personal y combustible. Ella cree que
las ventas durante el periodo de los 6 meses anteriores son
representativas de las ventas de futuro. Desarrolle un pronóstico
de suavización exponencial con tendencia para las ventas del
mes 7, si α=0.2 y β=0.3, y las ventas históricas, en miles de
dólares son las siguientes:
Meses Ventas (miles

(ᵼ) de dólares)
(Aᵼ)
1 130
2 136
3 134
4 140
5 146
6 150

SOLUCION: FORMULAS:
1ro. Estimamos el pronóstico con FT1= St-1+ Tt-1
Tendencia de iniciación para el St = FTt + α(At – FTt )
mes 1. Pronostico ingenuo. Tt = Tt-1 + β(FTt – FTt-1 – Tt-1)
FT1= A1 =130
DEFINICIÓN DE VARIABLES:
2do.Estimamos un componente
inicial de tendencia: una forma de St = Pronóstico Suavizado del periodo t.
estimar el componente de tendencia Tt = Estimación de Tendencia del periodo t.
es restar las ventas reales del At = Dato real del periodo t.
periodo 1 de las ventas reales del t = El siguiente periodo
ultimo periodo , luego el resultado lo t-1 = El periodo anterior.
dividimos entre 5, (n-1) FTt = Pronóstico con tendencia del periodo t.
α = Constante de suavización para los promedios, de 0 a 1.
A6  A1 150  130 β = Constante de suavización para la tendencia, de 0 a 1.
T1   4
5 5
3ro. A continuación, utilizamos el pronóstico

ingenuo (130) para el pronostico con tendencia
para el periodo 1, y la tendencia 4, para la
estimación de tendencia del periodo 1. Luego
continuamos en la siguiente diapositiva con el
proceso para determinar el pronostico con
tendencia para el periodo 7

Mes Ventas (miles de $)
(t) (At) FTt + α(At - FTt) = St
1 130.00 130.00 + 0.2(130 - 130.00) = 130.00
2 136.00 134.00 + 0.2(136 - 134.00) = 134.40
3 134.00 138.40 + 0.2(134 - 138.40) = 137.52
4 140.00 141.64 + 0.2(140 - 141.64) = 141.31
5 146.00 145.17 + 0.2(146 - 145.17) = 145.34
6 150.00 149.10 + 0.2(150 - 149.10) = 149.28

(t) (At) Tt-1 + β(FTt - FTt-1 - Tt-1) = Tt
1 130.00 conocido = 4.00
2 136.00 4.00 + 0.3(134 - 130.00 - 4.00) = 4.00
3 134.00 4.00 + 0.3(138.40 - 134.00 - 4.00) = 4.12
4 140.00 4.12 + 0.3(141.64 - 138.40 - 4.12) = 3.86
5 146.00 3.86 + 0.3(145.17 - 141.64 - 3.86) = 3.76
6 150.00 3.76 + 0.3(149.10 - 145.17 - 3.76) = 3.81

(t) (At) St-1 + Tt-1 = FTt
1 130.00 conocido = 130.00
2 136.00 130.00 + 4.00 = 134.00
3 134.00 134.40 + 4.00 = 138.40
4 140.00 137.52 + 4.12 = 141.64
5 146.00 141.31 + 3.86 = 145.17
6 150.00 145.34 + 3.76 = 149.10
7 149.28 Dr.
+Orlando3.81
T. Gabriel H. =26/12/2017
153.09
Concepto:
Generalmente, la
variación estacional se
Es una fluctuación periódica determina en forma de
de la serie temporal, de números índices que
periodo fijo no superior al ponen de manifiesto el
año, debida a la influencia de porcentaje (sobre la
fenómenos sociológicos y media anual o el total
económicos íntimamente anual) de aumento o
correlacionados con las disminución de las
variaciones de las variables ventas, debido al hecho
causales que evolucionan a lo de estar en una
largo del año. determinada época o
sub periodo interanual.

• Trimestre
• Mes
• bimestre
El periodo interanual • Estación climática
puede coincidir con • Semana
• Quincena, etc.
Índice estacional: Indica cómo se compara
una estación especifica; por ejemplo:
trimestre; con una estación promedio.
Cuando no existe tendencia, el índice puede
determinarse mediante la división del valor
promedio de una estación especifica entre el
promedio de datos. Según este enfoque un
índice de 1 significa que la estación es
promedio.

Las ventas mensuales de los dos últimos años de
una marca de contestadora MOVISTAR se muestran
en la tabla. Se calcula la demanda promedio de cada
mes y esos valores se dividen entre el promedio
general (94) para encontrar el índice estacional
mensual. Luego se utilizan los índices estacionales
para ajustar los pronósticos futuros.

MES DEMANDA DEMANDA DEMANDA INDICE
PROMEDIO DE
AÑO 1 AÑO 2 MENSUAL ESTACIONAL
DOS AÑOS
PROMEDIO
ENERO 80 100 90 94 0.957
90/94=0.957
FEBRERO 85 75 80 94 0.851
MARZO 80 90 85 94 0.904
ABRIL 110 90 100 94 1.064
MAYO 115 131 123 94 1.309
JUNIO 120 110 115 94 1.223
JULIO 100 110 105 94 1.117
AGOSTO 110 90 100 94 1.064
SETIEMBRE 85 95 90 94 0.957
OCTUBRE 75 85 80 94 0.851
NOVIEMBRE 85 75 80 94 0.851
DICIEMBRE 80 80 80 94 0.851
DEMANDA TOTAL PROMEDIO = 1128
Demanda promedio mensual = 1128 = 94 Índice estacional = demanda promedio de dos años
12 meses demanda promedio. mensual

Por ejemplo suponga que se espera que la demanda anual de maquinas
contestadoras durante el tercer año sea de 1200 unidades, los cuales
equivalen a 100 por mes. No se puede pronosticar que en cada mes la
demanda sea de 100 unidades, pero puede ajustarse con base en los
índices estacionales de la siguiente forma:
Enero: (1200/12) * 0.957 = 96

Febrero: (1200/12) * 0.851 = 85
Marzo: (1200/12) * 0.904 = 90 Julio: (1200/12) * 1.117 = 112
Abril: (1200/12) * 1.064 = 106 Agosto: (1200/12) * 1.064 = 106
Mayo: (1200/12) * 1.309 = 131 Setiembre: (1200/12) * 0.957 = 96
Junio: (1200/12) * 1.223 = 122 Octubre: (1200/12) * 0.851 = 85
Noviembre: (1200/12) * 0.851 = 85
Diciembre: (1200/12) * 0.851 = 85

El método estacional multiplicativo recibe su nombre de la
forma en que se calculan y utilizan los factores estacionales. El
hecho de multiplicar el factor estacional por una estimación de
la demanda promedio durante el periodo implica que el
patrón estacional depende del nivel de la demanda.
Paso1: Calcular el Promedio Móvil Centrado CMA, en

cada una de las observaciones
Paso2: Promediar la proporción estacional, para
obtener el índice estacional.
𝑽𝑬𝑵𝑻𝑨𝑺 𝑬𝑵 𝑻𝑹𝑰𝑴𝑬𝑺𝑻𝑹𝑬 𝟑
𝑷𝑹𝑶𝑷𝑶𝑹𝑪𝑰𝑶𝑵 𝑬𝑺𝑻𝑨𝑪𝑰𝑶𝑵𝑨𝑳 = MKM
𝑪𝑴𝑨

Paso3: calcular en los índices estacionales
Nota: si los índices estacionales no suman el
número de estaciones, multiplicar cada (número
de estaciones)/ (suma de los índices).
Paso4: Eliminar la estacionalidad de los datos

al dividir cada número entre su índice
estacional.
𝑽𝒆𝒏𝒕𝒂𝒔
𝑽𝑬𝑵𝑻𝑨𝑺 𝑫𝑬𝑺𝑬𝑺𝑻𝑨𝑪𝑰𝑶𝑵𝑨𝑳𝑰𝒁𝑨𝑫𝑨𝑺 =
𝒊𝒏𝒅𝒊𝒄𝒆 𝒆𝒔𝒕𝒂𝒄𝒊𝒐𝒏𝒂𝒍

Paso5: Determinar el pronóstico para el siguiente
periodo a través del método de regresión lineal. Y por
medio de ello se traza una línea de tendencias con
base en los datos desestacionalizados. Finalmente
realizar el ajuste correspondiente.
a  y  bX 

Ejemplo Nº 1:
Las ventas trimestrales en millones de $ que obtiene la
empresa JP , en los últimos tres años se presenta a
continuación.
TRIMEST Año 1 Año 2 Año 3
RE
1 108 116 123
2 125 134 142
3 150 159 168

4 141 152 165
Se pide:
Desestacionalizar las ventas y brindar un pronostico de ventas
para el cuarto año ajustado con los índices estacionales..

2do Determinamos la Proporción
1ro. Determinamos el CAM Estacionales. (Ventas/CMA)
Añ Trime Ventas CMA Proporción
o stre (Mill. $) Estacional
1 1 108
2 125
3 150 1.136 150 / 132  1.136
4 141 1.051
2 1 116 0.851
2 134 0.965
3 159 1.127
4 152 1.063
3 1 123 0.848
2 142 0.960
3 168
4 165

3) Calcular en los índices estacionales:
Debido a que hay dos proporciones estacionales en cada trimestre, se promedian

para determinar el índice estacional, las cuales se presentan de la siguiente
manera:
(𝟎. 𝟖𝟓𝟏 + 𝟎. 𝟖𝟒𝟖)
𝐼𝑁𝐷𝐼𝐶𝐸 𝐷𝐸𝐿 𝑇𝑅𝐼𝑀𝐸𝑆𝑇𝑅𝐸 1𝑡 = = 𝟎. 𝟖𝟓𝟎
𝟐
(𝟎. 𝟗𝟔𝟓 + 𝟎. 𝟗𝟔𝟎)
𝐼𝑁𝐷𝐼𝐶𝐸 𝐷𝐸𝐿 𝑇𝑅𝐼𝑀𝐸𝑆𝑇𝑅𝐸 2𝑡 = = 𝟎. 𝟗𝟔𝟑
𝟐
(𝟏. 𝟏𝟑𝟔 + 𝟏. 𝟏𝟐𝟕)
𝐼𝑁𝐷𝐼𝐶𝐸 𝐷𝐸𝐿 𝑇𝑅𝐼𝑀𝐸𝑆𝑇𝑅𝐸 3𝑡 = = 𝟏. 𝟏𝟑𝟐
𝟐
σ(𝟏. 𝟎𝟓𝟏 + 𝟏. 𝟎𝟔𝟑)
𝐼𝑁𝐷𝐼𝐶𝐸 𝐷𝐸𝐿 𝑇𝑅𝐼𝑀𝐸𝑆𝑇𝑅𝐸 4𝑡 = = 𝟏. 𝟎𝟓𝟕
𝟐
4) Desestacionalizar las ventas (Ventas/Índices)
108
𝑉𝐸𝑁𝑇𝐴𝑆 𝐷𝐸𝑆𝐸𝑆𝑇𝐴𝐶𝐼𝑂𝑁𝐴𝐿𝐼𝑍𝐴𝐷𝐴𝑆 1𝑡 = = 127.059
0.85
125
0.96
150
1.13
141
1.06
5) Hallar pos pronostico mediante la línea de
Regresión lineal.
N° Trimestres Ventas Índice Ventas Desestacio
(X) (Mill. $) estacional nalizadas (Y) XY X2
108/0.849
1 108 0.849 127.208 127.208 1 =127.208
2 125 0.963 129.803 259.606 4
3 150 1.132 132.509 397.527 9
4 141 1.057 133.396 533.584 16
5 116 0.849 136.631 683.155 25
6 134 0.963 139.148 834.888 36
7 159 1.132 140.459 983.213 49
8 152 1.057 143.803 1150.424 64
9 123 0.849 144.876 1303.884 81
10 142 0.963 147.456 1474.560 100
11 168 1.132 148.410 1632.510 121
12 165 1.057 156.102 1873.224 144
78 1683 1679.801 11253.783 650
 x  78  6.500 Pronóstico ajustado con

X 
n 12
los índices estacionales Y 
 y  1679.801  139.983
n 12

Y  a  b(x)

Y 13  125.696  2.3434(13)  155.240 * 0.849  131.8096
 n xy   x y
Y 14  125.696  2.3434(14)  157.583 * 0.963  151.6871 b
a  y  bx n x 2   x 
2

Y 15  125.696  2.3434(15)  159.927 * 1.132  180.9591
 (12)(11253.783)  (78)(1679.801)
Y 16  125.696  2.3434(16)  162.270 * 1.057  171.5354 a  139.983  2.198(6.5)  125.696 b   2.3434
(12)(650)  6084


Pronos Tico

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pronos Tico

Cargado por

Copyright:

Formatos disponibles

Dr. Orlando T. Gabriel H.

El pronóstico de la demanda consiste en

El pronóstico de la demanda es estimar las

Dr. Orlando T. Gabriel H. 26/12/2017

5. Investigación de 7. Pronósticos con componentes de

Dr. Orlando T. Gabriel H. 26/12/2017

Grupo de Expertos-Cuestionario-Respuestas-Retroalimentación -Convergencia

 Desarrollar cuestionario con preguntas que

 Llevar a cabo la encuesta, ya sea por

AÑO VENTAS ANUALES AÑO VENTAS ANUALES

Dr. Orlando T. Gabriel H. 26/12/2017

Año Ventas Anuales (miles de Periodo (x) 2 xy

Dr. Orlando T. Gabriel H. 26/12/2017

1333000  1155000 1780000

a  y  b( x)  2100  215.758(5.5)  913.333

2. Ahora que conocemos los valores de a y de b, podemos utilizar la

Y11  913.333  215.758(11)  3286.7 ò 3287 miles de unidades

Y13  913.333  215.758(13)  3718.2 ò 3719 miles de

Dr. Orlando T. Gabriel H. 26/12/2017

A𝑡−1 + A𝑡−2 + A𝑡−3 + ⋯ + A𝑡−𝑛

Ft = Pronóstico para el siguiente periodo

Dr. Orlando T. Gabriel H. 26/12/2017

SHIRLEY JOHNSON, gerente de inventarios desea desarrollar un sistema de

Dr. Orlando T. Gabriel H. 26/12/2017

90  110  105  130  85  102  110

Dr. Orlando T. Gabriel H. 26/12/2017

Semana Demanda Pronósticos

Dr. Orlando T. Gabriel H. 26/12/2017

4.- Ahora utilice una cantidad de periodos promediados de cinco

115  120  80  80  95  100

Dr. Orlando T. Gabriel H. 26/12/2017

𝐹𝑡 = 𝑤1 A𝑡−1 + 𝑤2 A𝑡−2 + ⋯ + 𝑤𝑛 A𝑡−𝑛

w1= Ponderación dada a la ocurrencia real para el periodo t-1

Dr. Orlando T. Gabriel H. 26/12/2017

El pronóstico para el mes 5 sería

0.1 0.2 0.3 0.4

F5 = 0.4(95) + 0.3(105) + 0.2(90) +

Semana Datos reales Peso

Pr onostico10  0.2(85)  0.3(102)  0.5(110)  102.6 o 102 mil 600 dólares

Esta simple modificación al método de los promedios móviles permite a los

Dr. Orlando T. Gabriel H. 26/12/2017

• El pronóstico del último periodo.

Dr. Orlando T. Gabriel H. 26/12/2017

La ecuación para un solo pronóstico de

Dr. Orlando T. Gabriel H. 26/12/2017

Dr. Orlando T. Gabriel H. 26/12/2017

Enero:23, Feb25, Marzo31, Abril 36……Un producto

Para corregir la tendencia, se necesitan dos

Meses Ventas (miles

Dr. Orlando T. Gabriel H. 26/12/2017

3ro. A continuación, utilizamos el pronóstico

Dr. Orlando T. Gabriel H. 26/12/2017

Mes Ventas (miles de $)

Mes Ventas (miles de $)

Dr. Orlando T. Gabriel H. 26/12/2017

Dr. Orlando T. Gabriel H. 26/12/2017

Dr. Orlando T. Gabriel H. 26/12/2017

ABRIL 110 90 100 94 1.064

MAYO 115 131 123 94 1.309

JUNIO 120 110 115 94 1.223

JULIO 100 110 105 94 1.117

AGOSTO 110 90 100 94 1.064

DEMANDA TOTAL PROMEDIO = 1128

Dr. Orlando T. Gabriel H. 26/12/2017