Está en la página 1de 15

PRONÓSTICO IV

Métodos causales:
Los métodos causales de pronósticos se caracterizan por tomar en
cuenta múltiples factores que incluyen o se relacionan con la variable
que se quiere pronosticar. Así tienden a ser más ricos en cuanto a su
poder descriptivo que los métodos de series de tiempo. Estos operan
partiendo sólo de los valores pasados de la variable que se pronostica.
Los factores que se consideran en el análisis causal pueden se internos
o externos a la organización por ejemplo considérese el pronóstico de
demanda para los productos de una compañía algunos factores
externos que se relacionan con la demanda sean los precios de venta
del competidor; los factores internos podrían incluir los gastos de
comercialización. Cualquier factor que esté ligado de manera lógica a
la variable que se está pronosticando es un candidato posible para ser
incluido en el análisis causal.
El objetivo es identificar una
relación funcional entre una o
más variables independientes
(predictoras) y la variable
dependiente (pronóstico)

Desviación estándar de la regresión Sxy es una medida de


dispersión de los datos alrededor de la línea de regresión.
A.- Análisis de Regresión:
El objetivo es identificar una relación funcional entre una o más variables
independientes (predictoras) y la variable dependiente (pronóstico). El
análisis de regresión no sólo indica cuales variables independientes son
buenos predictores, sino que también establecen un modelo matemático
específico que puede emplearse para propósitos de los pronósticos.
Las variables independientes que se usan en un análisis de regresión
difieren según lo que se está pronosticando. En general, las variables
independientes tienen una relación causal con la variable que se
pronostica, o están relacionadas con ésta en alguna lógica.

Y = a + b*X
El coeficiente de correlación lineal simple R es un número entre -1 y 1, que
indica qué tan bien describe la ecuación lineal entre las dos variables.
Por ejemplo: una empresa requiere comercializar un dispositivo automático para
abrir puertas de garaje, la compañía ha estado poniendo anuncios en los
periódicos de 10 áreas de mercado diferente. Está interesada en relacionar el
número de personas que escribirán pidiendo la información gratis con el número
de dispositivos que se vendan. La tabla muestra los datos de 10 áreas de
mercado.
Número de Número de Número de Número de
folletos pedidos dispositivos folletos pedidos dispositivos
automáticos automáticos
vendidos vendidos
200 18 212 19
86 10 150 15
57 3 114 12
340 32 88 11
120 14 136 12

Un punto de partida es graficar los datos con objeto de establecer la naturaleza


de la relación entre el número de unidades vendidas y el número de folletos de
información pedidos, en terminología de análisis de regresión lineal una gráfica
de este tipo se llama diagrama disperso. La gráfica muestra una relación lineal
que sugiere que es apropiado aplicar el análisis de regresión lineal simple
El análisis de regresión emplea el criterio de mínimos cuadrados al igual que en el
análisis de tendencia, este criterio sirve para desarrollar una ecuación específica
que relaciones las variables independiente y dependiente, la característica que
distingue al análisis de tendencia del de regresión lineal es, en esencia conceptual,
ya que cada uno desarrolla un modelo usando las mismas ecuaciones de mínimos
cuadrados. La distinción está en que al emplear análisis de regresión se supone
que las observaciones para la variable independiente son independientes; con los
datos de serie de tiempo es obvio que éste no es el caso. Esta falta de
independencia impide la interpretación estadística usual del análisis de regresión,
en consecuencia no es correcto considerar el análisis de tendencia como un
sinónimo de análisis de regresión aún cuando empleen las mismas ecuaciones.
Desarrollo del modelo de regresión para pronosticar ventas de
dispositivos automáticos
Número de Número de
folletos dispositivos xy X2 Y2
requeridos automáticos vendidos
“x” “y”
200 18 3600 40000 324
86 10 860 7396 100
57 3 171 3249 9
340 32 10880 115600 1024
120 14 1680 14400 196
212 19 4028 44944 361
150 15 2250 22500 225
114 12 1368 12996 144
88 11 968 7744 121
136 12 1632 18496 144
x  1503  y  146  xy  27437
 x2  287325  y2  2648

N  yx   x y 10 27437 1503146


b   0.089
N  x   x
2 2
10 287325  1503
  
2

   

y  b x 146  0.0891503 
a  1.22
N 10
La desviación estándar de la regresión es una medida de dispersión de
los datos alrededor de la línea de regresión.

2   26481.22146  0.089 27437


S xy     
y a y b xy     1.87
N 2 10  2

r = 0,975355402
B.- Modelos Econométricos:

Los modelos econométricos se utilizaron por primera vez para pronosticar


el comportamiento de la economía en Estados Unidos; con modelos de
este tipo es posible pronosticar el efecto de las distintas políticas y
condiciones económicas. Estos modelos contienen hasta miles de
ecuaciones que describen el sistema económico, emplean variables como
gastos federales y programas de trabajo para pronosticar variables tales
como la tasa desempleo. En la actualidad, desempeñan un papel
importante al dar forma a las políticas económicas nacionales.
Muchas empresas de negocios grandes operan con modelos
econométricos; sin embargo el foco de atención más importante está en
la compañía más que en la economía nacional. Aún así, podrían ser
necesarios algunos datos nacionales, pero en muchos casos éstos pueden
obtenerse de compañías privadas que operan modelos econométricos
nacionales y venden sus pronósticos.
Un ejemplo de modelo econométrico típico sería el siguiente:

Ventas  a  bP  cPUB  dPIB  eID  fPC  


Esta ecuación indica una relación lineal entre la cantidad vendida de un
producto dado (Ventas) y el precio (P), los gastos de publicidad (PUB),
el producto interno bruto (PIB), los gastos de investigación y desarrollo
(ID), el precio del primer competidor de la firma (PC) y un término de
error aleatorio (µ).

Es característico, en el nivel organizacional, que los modelos


econométricos formen parte de un modelo más grande de planeación
corporativa.
Desde el punto de vista de construcción de modelos, los econométricos
son bastantes complejos; en general emplean en su desarrollo el análisis
de regresión, pero ocurren complicaciones debidas a la suposición que las
variables independientes son realmente independientes. Puede darse
como ejemplo cuando estas variables incluyen el precio de venta, las
ventas, los gastos de publicidad, los costos de producción y los costos de
venta puede que estas variables sean interdependientes, cuando esta
interdependencia es fuerte no se recomienda el análisis de regresión, sino
un sistema de ecuaciones simultáneas que maneje de manera directa esta
interdependencia, como por ejemplo:

Ventas  f ( PIB, precio, publicidad)


Costos  f ( producción, niveles de inventario)
Gastosdeventa  f ( publicidad, otros gastos de ventas)
Pr ecio  f (cos tos, gastos de ventas)

Debido a estas complicaciones y otras complejidades, son las grandes


organizaciones las que emplean modelos econométricos, ya que cuentan
con los recursos de personal y financieros que pueden dedicarse a
desarrollar modelos de pronósticos sofisticados.
Métodos Cualitativos:

1.-El método Delphi:


Un método de pronóstico cualitativo muy popular es el método Delphi,
éste fue desarrollado por Olaf Helmer y otros en la RAND Corporation a
mediados de la década de 1960. Utiliza un grupo de expertos, que se
mantienen aislados con el objeto de minimizar el efecto de presión social
y otros aspectos del comportamiento de pequeños grupos. Los expertos
pueden ser empleados de la organización o especialistas externos. Igual
que en todos los métodos de pronósticos cualitativos, se hace hincapié en
qué cambios se deben esperar y en qué tiempo. Una compañía típica
podría realizarse las siguientes preguntas:

¿Cuánto escasearán los recursos claves?


¿Qué nuevas técnicas de producción estarán disponibles?
¿Qué nuevos productos se necesitarán?
No existe una estructura rígida para aplicar el método Delphi, pero es
usual que se siga la siguiente frecuencia:

 Se pone uno en contacto con los expertos conocedores y se les pide


que participen en panel

 Se manda un cuestionario a los miembros del panel y se les pide que


den su opinión en los temas de interés

 Se analizan las respuestas y se identifican las áreas en que están de


acuerdo y en las que difieren

 Se manda el análisis resumido de todas las respuestas a los


miembros del panel, se les pide que llenan de nuevo el cuestionario y
den sus razones respecto de las opiniones en que difieren

 Se repite el proceso hasta que se estabilizan las respuestas.


El método Delphi no requiere que se llegue a un consenso, más bien el
objetivo es obtener un número de opiniones que se haya reducido por la
aplicación del método. Esta información sirve después para formular
planes a largo plazo.

El método Delphi tiene limitaciones, se ha criticado por su poca


seguridad, demasiada sensibilidad de los resultados a la ambigüedad de
las preguntas, dificultad para establecer el grado de experiencia de los
miembros del panel, la imposibilidad en que se tome en cuenta lo
inesperado y los grandes retrasos entre las repeticiones del proceso. A
pesar de estas limitaciones, su uso actual que le dan las organizaciones
sugiere que con frecuencia su potencial excede a sus limitaciones.