Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronos Tico
Pronos Tico
2
PORQUÉ?
• La empresa se mueve en un contexto
altamente incierto
• Política, tecnología y medio ambiente
repercuten sobre variables relevantes para la
empresa: costos de producción, inventarios,
volumen de ventas
• La empresa debe tomar decisiones sobre
Factores Controlables tomando en cuenta
Factores Incontrolables.
3
FACTORES CONTROLABLES
AQUELLOS SOBRE LOS CUALES LA EMPRESA DECIDE SU ESTRUCTURA,
NIVELES, POLÍTICA Y MODO DE OPERAR:
NIVELES DE PRODUCCIÓN
NIVELES DE INVENTARIO
CAPACIDAD
4
FACTORES INCONTROLABLES
AQUELLOS SOBRE LOS CUALES LA EMPRESA NO PUEDE DECIDIR NI
MODIFICAR: DEPENDEN DE FACTORES EXTERNOS A LA EMPRESA
DEMANDA DEL PRODUCTO
COMPETENCIA
ECONOMÍA
COMPORTAMIENTO DEL CONSUMIDOR
5
QUÉ PRONOSTICAR?
LA EMPRESA REQUIERE PREDECIR FACTORES
INCONTROLABLES:MERCADO, ENTORNO, ECONOMÍA, QUE SON
INCIERTOS, PARA DECIDIR (PLANEAR) SOBRE FACTORES
CONTROLABLES: NIVELES DE INVENTARIO, DE PRODUCCIÓN,
CAPACIDAD.
6
OBJETIVO
REDUCIR LA INCERTIDUMBRE DEL FUTURO, MEDIANTE LA ANTICIPACIÓN
DE EVENTOS CUYA PROBABILIDAD DE OCURRENCIA SEA RELATIVAMENTE
ALTA, RESPECTO A OTROS EVENTOS POSIBLES.
7
CLASIFICACIÓN DE PRONÓSTICOS
HORIZONTE DE PLANEACIÓN
8
CLASIFICACIÓN DE PRONÓSTICOS
POR ÁREAS DE LA EMPRESA
9
CLASIFICACIÓN DE TÉCNICAS DE PRONÓSTICOS
POR TIPO DE DATOS
10
TÉCNICAS CUALITATIVAS
LA MISMA TÉCNICA USADA POR DOS EXPERTOS DISTINTOS PUEDE
PRODUCIR RESULTADOS DIFERENTES
INVESTIGACIÓN DE MERCADOS
ANALOGÍAS HISTÓRICAS
MÉTODO DELPHI
CONSENSO GENERAL
IMPACTO CRUZADO
ANÁLISIS DE ESCENARIOS
11
INVESTIGACIÓN DE MERCADOS
OBTENER INFORMACIÓN ACERCA DEL COMPORTAMIENTO REAL DEL
MERCADO, MEDIANTE ENCUESTAS DIRIGIDAS AL PÚBLICO CONSUMIDOR
O A PARTIR DE LA EXPERIENCIA DE VENDEDORES, PARA CONCLUIR
SOBRE EL COMPORTAMIENTO FUTURO
12
ANALOGÍAS HISTÓRICAS
SE FUNDAMENTA EN UN ANÁLISIS COMPARATIVO DE CASOS SIMILARES AL
QUE SE ESTUDIA. TRATA DE RECONOCER PATRONES DE SIMILITUD PARA
SACAR CONCLUSIONES Y OBTENER UN PRONÓSTICO: productos
similares, producto en otros mercados, etc.
13
MÉTODO DELPHI
PRETENDE LLEGAR A UN CONSENSO A TRAVÉS DE LA OPINIÓN DE
EXPERTOS, EVITANDO LA CONFRONTACIÓN DE LOS MISMOS, YA QUE NO
EXISTE UNA INTERACCIÓN DIRECTA ENTRE LOS PARTICIPANTES. ESTOS
EXPRESAN LIBREMENTE SUS OPINIONES.
14
MÉTODO DELPHI
Los expertos responden un cuestionario
Se obtiene la media y desviación de cada pregunta
Se pide justificar respuesta a aquellos que se encuentran fuera del
rango de dos o mas desviaciones, sobre la media de cada pregunta.
Se pasa esta opinión a todos los participantes y se vuelve a aplicar el
cuestionario
15
MÉTODO DELPHI
16
CONSENSO GENERAL
17
IMPACTO CRUZADO
DESARROLLAR UNA MATRIZ PARA ESTUDIAR LOS EFECTOS DE DIVERSOS
FACTORES SOBRE LA PROBABILIDAD DE OCURRENCIA DE UN EVENTO,
ASÍ COMO EL IMPACTO QUE ESTA PUEDA TENER EN OTRA SERIE DE
EVENTOS
18
IMPACTO CRUZADO
Determinar los eventos a incluirse en el estudio
Estimar la probabilidad inicial de cada evento y la probabilidad
condicional de cada par de eventos
Seleccionar eventos en forma aleatoria y calcular su repercusión
sobre los demás eventos como resultado de la ocurrencia o no del
evento elegido.
19
ANÁLISIS DE ESCENARIOS
Describir diferentes escenarios futuros posibles (mas probable,
probable, poco probable) considerando factores que los determinen
(cambios en la población, inflación, variación de la demanda) para
reconocer las implicaciones a largo plazo de los cambios posibles
20
TÉCNICAS CUANTITATIVAS
21
TÉCNICAS CUANTITATIVAS
EXTRAPOLATIVAS: ajustes de curvas y métodos de suavizamiento. Los
patrones observados en el pasado se proyectan al futuro
ANÁLISIS DE SERIES DE TIEMPO: métodos de descomposición y modelos
ARIMA (autorregresivos, integrados y promedios móviles)
MODELOS CAUSALES: modelos econométricos (regresión)
22
ETAPAS DE UN PRONÓSTICO
DEFINIR EL PROPÓSITO
RECOLECTAR DATOS: fuentes primarias o secundarias
PREPARAR LOS DATOS:ordenar y clasificar
SELECCIONAR LA TÉCNICA ADECUADA: cualitativa o cuantitativa
EJECUTAR EL PRONÓSTICO: estimar errores
DAR SEGUIMIENTO: confrontar con información actual
23
ETAPAS DE UN PRONÓSTICO
SELECCIÓN DE LA TÉCNICA ADECUADA:
LA MEJOR TÉCNICA ES AQUELLA QUE
Facilite la toma de decisiones en el momento
adecuado
Que sea entendida por el que toma las decisiones
Pase un análisis costo-beneficio
Cumpla con las restricciones del sistema: tiempo
disponible, datos, disponibilidad de cómputo.
Cumpla con los criterios de: precisión, estabilidad,
objetividad
24
TIPOS DE DATOS
OBSERVADOS EN UN MOMENTO PRECISO DEL TIEMPO: un día, una hora,
una semana, etc.. Ejemplo: observar una característica en una
muestra de productos para controlar calidad, ingreso de la población,
grado de escolaridad de empleados, etc...
Objetivo: extrapolar a toda la población las características de la muestra
25
TIPO DE DATOS
SERIES DE TIEMPO: una sucesión cronológica de observaciones de una
variable a intervalos iguales de tiempo.
Ejemplo: ventas trimestrales de los últimos 5 años, desempleo en los
últimos años, precio de un producto en el tiempo, etc..
Objetivo: analizar patrones del pasado que puedan extrapolarse al futuro
26
PATRONES O COMPONENTES DE UNA
SERIE DE TIEMPO
TENDENCIA: componente de muy largo plazo
CICLICIDAD: componente de largo plazo
ESTACIONALIDAD:componente de corto plazo
FACTOR ALEATORIO: componente de muy corto plazo
27
TENDENCIA
COMPONENTE DE MUY LARGO PLAZO QUE REPRE-
SENTA EL CRECIMIENTO O DECRECIMIENTO DE
LOS DATOS EN UN PERÍODO EXTENDIDO
28
TENDENCIA: ventas de SEARS (1955-
1985)
50000
40000
30000
20000
10000
0
55 60 65 70 75 80 85
SEARS
29
ESTACIONALIDAD
30
ESTACIONALIDAD
180
160
140
120
100
80
60
81 82 83 84 85 86 87 88 89 90
MURPHY
31
CICLICIDAD
FLUCTUACIÓN ALREDEDOR DE LA TENDENCIA
QUE SE REPITE PERO A INTERVALOS DISTINTOS Y
CON AMPLITUDES DISTINTAS
FUERZAS QUE AFECTAN Y EXPLICAN CICLICIDAD:
32
CICLICIDAD
400
350
300
250
200
150
100
60 65 70 75 80 85 90
VENTAS TENDENCIA
33
FACTOR ALEATORIO
34
SERIE ALEATORIA:generada por números
aleatorios
1000
800
600
400
200
0
5 10 15 20 25 30
ALEA
35
SERIE ESTACIONARIA
SERIE CUYO VALOR PROMEDIO NO CAMBIA
A TRAVÉS DEL TIEMPO
36
SERIE ESTACIONARIA
1000
800
600
400
200
85 86 87 88 89 90 91 92
VENTAS TENDENCIA
37
SERIE CON VARIOS PATRONES
500
400
300
200
100
60 65 70 75 80 85 90
VENTAS
CICLO
TENDENCIA
38
PATRONES Y CORRELOGRAMAS
39
AUTOCORRELACIÓN
CORRELACIÓN DE LA SERIE CON ELLA MISMA REZAGADA UNO O VARIOS
PERÍODOS
S (Yt-Y) (Yt-k - Y)
rk=
S (Yt -Y)
50000
40000
30000
20000
10000
0
55 60 65 70 75 80 85
SEARS
Dif t = Yt - Yt-1
42
ESTACIONALIDAD
180
160
140
120
100
80
60
81 82 83 84 85 86 87 88 89 90
MURPHY
43
ESTACIONALIDAD
40
20
-20
-40
-60
81 82 83 84 85 86 87 88 89 90
D(MURPHY)
44
SERIE ALEATORIA
1000
800
600
400
200
0
5 10 15 20 25 30
ALEA
45
SERIE ESTACIONARIA
50000
40000
30000
20000
10000
-10000
55 60 65 70 75 80 85
SEARS DSEARS
46
TÉCNICAS EXTRAPOLATIVAS
NOTACIÓN:
Yt : observación en el período t
Ft: pronóstico para el período t
et= Yt - Ft : residuo en el período t
Los residuos permiten observar que tan bueno es el modelo para pronosticar
períodos pasados
47
MEDIDAS DE ERROR
SIRVEN PARA EVALUAR LA UTILIDAD DE UNA TÉCNICA DE PRONÓSTICOS,
CALCULANDO UNA MEDIDA GLOBAL DE LOS RESIDUOS.
RESIDUOS: LA DIFERENCIA ENTRE EL VALOR REAL DE LA VARIABLE Y EL
VALOR ESTIMADO POR EL MODELO
48
MEDIDAS DE ERROR
LAS MEDIDAS DE ERROR SE CALCULAN SOBRE UNA RANGO DE DATOS DE
PRUEBA COMÚN ( a todos los modelos) CONSTITUIDO POR K
OBSERVACIONES HISTÓRICAS Y REALIZANDO LOS PRONÓSTICOS
CORRESPONDIENTES CON LA TÉCNICA SELECCIONADA
49
MEDIDAS DE ERROR
S ei identifica sesgo
•ERROR MEDIO (ME) : ME =
k
S ei | distancia promedio
•ERROR MEDIO ABSOLUTO: MAD = k
• MODELO 1: F t+1= Yt
• MODELO 2: F t+1= Yt +(Yt - Yt-1)
• MODELO 3: Ft+1=Yt-3 52
MODELOS NAIVE: F t+1= Yt
ACME ACME1
500.0000 NA 1000
350.0000 500.0000
250.0000 350.0000
800
400.0000 250.0000
450.0000 400.0000
350.0000 450.0000 600
200.0000 350.0000
300.0000 200.0000
400
350.0000 300.0000
200.0000 350.0000
150.0000 200.0000 200
400.0000 150.0000
550.0000 400.0000
350.0000 550.0000 0
85 86 87 88 89 90 91 92 93
250.0000 350.0000
550.0000 250.0000 ACM E ACM E1
550.0000 550.0000
400.0000 550.0000
350.0000 400.0000 53
600.0000 350.0000 Serie con tendencia y estacionalidad
750.0000 600.0000
MODELOS NAIVE: F t+1= Yt
1000
500
-500
-1000
85 86 87 88 89 90 91 92
RES1
500
-500
-1000
85 86 87 88 89 90 91 92
RES2
56
MODELOS NAIVE: Ft+1=Yt-3
ACME ACME3
500.0000 NA
1000
350.0000 NA
250.0000 NA
400.0000 NA 800
450.0000 500.0000
350.0000 350.0000
200.0000 250.0000 600
300.0000 400.0000
350.0000 450.0000
200.0000 350.0000 400
150.0000 200.0000
400.0000 300.0000
550.0000 350.0000 200
350.0000 200.0000
250.0000 150.0000
550.0000 400.0000 0
550.0000 550.0000 85 86 87 88 89 90 91 92 93
400.0000 350.0000
350.0000 250.0000 ACME ACME3
600.0000 550.0000 57
MODELOS NAIVE: Ft+1=Yt-3
1000
500
-500
-1000
85 86 87 88 89 90 91 92
RES3
58
ERRORES
OBS RES1 RES2 RES3 OBS RES1 RES2 RES3
1985.1 NA NA NA 1989.1 0.000000 -300.0000 0.000000
1985.2 -150.0000 NA NA 1989.2 -150.0000 -150.0000 50.00000
1985.3 -100.0000 50.00000 NA 1989.3 -50.00000 100.0000 100.0000
1985.4 150.0000 250.0000 NA 1989.4 250.0000 300.0000 50.00000
1986.1 50.00000 -100.0000 -50.00000 1990.1 150.0000 -100.0000 200.0000
1986.2 -100.0000 -150.0000 0.000000 1990.2 -250.0000 -400.0000 100.0000
1986.3 -150.0000 -50.00000 -50.00000 1990.3 -100.0000 150.0000 50.00000
1986.4 100.0000 250.0000 -100.0000 1990.4 250.0000 350.0000 50.00000
1987.1 50.00000 -50.00000 -100.0000 1991.1 200.0000 -50.00000 100.0000
1987.2 -150.0000 -200.0000 -150.0000 1991.2 -250.0000 -450.0000 100.0000
1987.3 -50.00000 100.0000 -50.00000 1991.3 -150.0000 100.0000 50.00000
1987.4 250.0000 300.0000 100.0000 1991.4 250.0000 400.0000 50.00000
1988.1 150.0000 -100.0000 200.0000 1992.1 -150.0000 -400.0000 -300.0000
1988.2 -200.0000 -350.0000 150.0000 1992.2 -150.0000 0.000000 -200.0000
1988.3 -100.0000 100.0000 100.0000 1992.3 100.0000 250.0000 50.00000
1988.4 300.0000 400.0000 150.0000
59
MEDIDAS DE ERROR
ME MSE MAD MAPE
MODELO1 3.7037 29074.07 151.85 0.3548
MODELO2 -1.8518 61759.26 209.25 0.4809
MODELO3 24.074 14166.67 98.148 0.2427
S Yt
Ft+1 =
n
61
MODELOS DE PROMEDIOS MÓVILES
(simples de orden 3)
Yt + Yt-1 + Yt-2
Ft+1 =
3
800
600
400
200
0
85 86 87 88 89 90 91 92 93
ACM E M A(2)
63
PROMEDIO MÓVIL DE ORDEN 3
1000
800
600
400
200
85 86 87 88 89 90 91 92 93
ACM E M A(3)
64
PROMEDIO MÓVIL DE ORDEN 4
1000
800
600
400
200
0
85 86 87 88 89 90 91 92 93
ACM E M A(4)
65
PROMEDIO MÓVIL DOBLE LINEAL (Brown)
Ft+p = At +p* Bt
1200
1000
800
600
400
200
0
85 86 87 88 89 90 91 92
ACM E PRON
66
PROMEDIO MÓVIL DOBLE LINEAL (Brown)
67
SUAVIZAMIENTO EXPONENCIAL(simple)
Ft+1 = Yt + ( 1- ) Ft 0
800
600
400
200
0
85 86 87 88 89 90 91 92 93
ACM E FOR
69
SUAVIZAMIENTO EXPONENCIAL
SIMPLE ( 0.2620)
70
SUAVIZAMIENTO
EXPONENCIAL DOBLE ( 0.2620)
Ft+p=at+pbt
Donde=
at= 2At - A’t
bt= /- (At - A’t)
At=Yt+(-)At-1
A’t=At+(-)A’t
71
SUAVIZAMIENTO
EXPONENCIAL DOBLE ( 0.2620)
72
SUAVIZAMIENTO EXPONENCIAL
DOBLE ( 0.2620)
73
SUAVIZAMIENTO DE HOLT
= 0.31, = 0
1000
800
600
400
200
0
85 86 87 88 89 90 91 92 93
ACM E HOLT
74
SUAVIZAMIENTO DE HOLT
75
SUAVIZAMIENTO DE WINTERS
= 1 , = 0, = 0
1200
1000
800
600
400
200
0
85 86 87 88 89 90 91 92 93
76
ACM E WINTERS
SUAVIZAMIENTO DE WINTERS
77
MEDIDAS DE ERROR
MSE
FOR 21062.94
HOLT 21785.66
WINTERS 7209.052
78
EL MODELO DE REGRESIÓN
• DESCRIBE LA RELACIÓN ENTRE LA VARIABLE
A PRONOSTICAR (VARIABLE DEPENDIENTE, CON
OTROS FACTORES (VARIABLES INDEPENDIENTES)
QUE INFLUYEN EN EL COMPORTAMIENTO DE ESTA.
79
REGRESIÓN LINEAL
VENTAS = 0 + 1 * PUBLICIDAD+ 2* PRECIO+3* PERÍODO+ U
TABLA 1
PERÍODO: trimestral
PRECIO: en pesos
PUBLICIDAD: dinero asignado a este rubro
VENTAS: pesos vendidos
82
REGRESIÓN LINEAL
• A PARTIR DE LA MUESTRA SE OBTIENEN LOS
COEFICIENTES (b0, b1, b2 y b3) DEL MODELO
MUESTRAL:
VENTAS = b0 + b1 * PUBLICIDAD+ b2* PRECIO+b3* PERÍODO +e
FRP: E(Y/X)
85
Xi
NOTACIÓN MATRICIAL
SI SE TIENEN n OBSERVACIONES MUESTRALES
(para cada variable) Y k VARIABLES:
E(Y/X)= X
• ESTIMANDO EL VECTOR DE MANERA DE MINIMIZAR
LOS ERRORES Ui, QUE REPRESENTAN LA DISTANCIA
ENTRE CADA OBSERVACIÓN Y LA FRP
87
NOTACIÓN MATRICIAL
LA FUNCIÓN DE REGRESIÓN MUESTRAL (FRM):
Y= X b + e
Y=Xb
90
EJEMPLO
91
EJEMPLO
3000000
2000000
3000000
VENTAS
1000000
2000000
VENTAS
0
100 200 300 400 500
1000000
PUBLICIDAD
0
16 18 20 22 24 26
PRECIO
92
EL PRONÓSTICO
SI EL MODELO ES ESTADÍSTICAMENTE ADECUADO,
EL PRONÓSTICO DE LAS VENTAS SE REALIZA:
•MULTICOLINEALIDAD: (Xi,Xj) =0
BAJO ESTOS SUPUESTOS, LOS ESTIMADORES SON:
• INSESGADOS: E(b)=
•LINEALES: b ES FUNCIÓN LINEAL DE Y
•DE VARIANZA MÍNIMA: var(b)
94
SUPUESTOS DEL MODELO DE REGRESIÓN
95
R2: COEFICIENTE DE DETERMINACIÓN
2
R : ES EL PORCENTAJE DE VARIACIÓN DE LA
VARIABLE DEPENDIENTE, EXPLICADA POR LAS
VARIABLES DEPENDIENTES
96
ESTADÍSTICO DURBIN-WATSON
S ei ei-1
d = 2(1- )
ei 2
5.- Montgomery, D., Johnson, l.& Gardiner, J. (1990). Forecasting & Time Series
Analysis.
2d ed., McGraw-Hill International Editions.
9.- Pindyck, Robert & Rubinfeld, D. (1981). Econometric Models and Economic
Forecasting, McGraw-Hill, Inc, Singapore.