METODOS CUANTITATIVOS

DE PRONÓSTICOS
 Métodos Cuantitativos de Pronóstico


Son los modelos matemáticos que se basan en
datos históricos. Estos modelos suponen que los
datos históricos son relevantes para el futuro. Casi
siempre puede obtenerse información pertinente
al respecto.
 1). PROMEDIO MÓVIL SIMPLE


Modelo de pronóstico de tipo de series de
tiempo a corto plazo que pronostica las ventas
para 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 para estimar el promedio de una serie
de tiempo de demanda y para suprimir los
efectos de las fluctuaciones al azar. Este
método resulta mas útil cuando la demanda
no tiene tendencias pronunciadas ni
fluctuaciones estaciónales
El método de promedio móviles usa un número de
valores de datos históricos reales para generar un
pronóstico.
El método más simple para el pronóstico por serie
de tiempo es el método del promedio móvil. En este
método se supone que la serie de tiempo tiene un
componente de nivel y un componente aleatorio.
 FORMULA
Cuando se utiliza el promedio móvil se selecciona un
numero dado de periodos «N» para los cálculos.
Después se calcula la demanda promedio At para los
periodos N del pasado al momento t de la manera
siguiente:
At = Dt + Dt -1 + … Dt – (n + 1) / N
Implica simplemente calcular la demanda promedio para los
n periodos mas recientes con el fin de utilizarla como
pronostico del periodo siguiente. Para el pronostico siguiente
una vez conocida la demanda, la demanda mas antigua
incluida en el promedio anterior se sustituye por la demanda
mas reciente y luego se vuelve a calcular el promedio.

Es decir :
Ft+1 = Pronóstico para el siguiente periodo
Donde:
At = Ft+1
Dt = demanda real en el periodo t
n = numero total de periodos incluidos en el promedio
 Ejercicio

La dueña de una tienda de computadoras alquila impresoras a algunos de sus

mejores clientes. Ahora le interesa elaborar un pronóstico de sus operaciones de
alquileres para poder comprar la cantidad correcta de suministros para sus
impresoras. A continuación se presentan los datos correspondientes a las últimas
semanas.
a) Prepare un pronóstico para las semanas Semanas Alquileres
6 a 10, usando un promedio móvil de 5 1 23
semanas. 2 24
¿Cuál será el pronóstico para la semana 11? 3 32
4 26
5 31
6 28
7 32
8 35
9 26
10 24
 
a) Prepare un pronóstico para las semanas 6 a 10, usando un promedio móvil
de 5 semanas.
b). ¿Cuál será el pronóstico para la semana 11?

At = Dt + Dt -1 + … Dt – (n + 1) / N

Promedio
Semanas Alquileres Pronóstico Error
(At)
(Dt) (Ft+1)
A5= 23+24+32+26+31 / 5 = 27.2 1 23 - - - 
A6= 24+32+26+31+28 / 5 = 28.2
2 24 - -  -
A7= 32+26+31+28+32 / 5 = 29.8
A8= 26+31+28+32+35 / 5 = 30.4
3 32 - -  -

A9= 31+28+32+35+26 / 5 = 30.4 4 26 - -  -

A10= 28+32+35+26+24 / 5 = 29 5 31 27.2 - - 

6 28 28.2 27.2 0.8

R= El pronóstico para la semana 7 32 29.8 28.2 3.8

11 es de 29 alquileres. 8 35 30.4 29.8 5.2

9 26 30.4 30.4 4.4

At=Ft+1 10 24 29 30.4 6.4

11  - 29 Pe=4.12
 NOTA

 Como regla general, entre más largo sea el periodo, mas
lenta será la respuesta ante los cambios de la demanda.

 Los periodos más largos tienen por lo tanto, la ventaja de

dar estabilidad a los pronósticos. Sin embargo también
tienen la desventaja de responder con mayor lentitud a los
cambios verdaderos en el nivel de la demanda.
PROMEDIO MOVIL PONDERADO.

 Es una variación del promedio móvil en la que no todos los datos tienen
el mismo peso.
 Esto permite que los datos que tienen mayor importancia tengan mayor
peso.
 Los pesos deben sumar 1
 La distribución de los pesos determina la velocidad de respuesta del
pronóstico

 Una manera de hacer que el promedio móvil responda con mayor

rapidez a los cambios de la demanda es colocar un peso relativo
superior sobre la demanda reciente, en vez de hacerlo sobre la
demanda mas antigua : esto se le domina promedio móvil
ponderado .
PROMEDIO MÓVIL PONDERADO
Este método consiste esencialmente en
calcular un valor promedio en base a los datos
históricos de que se disponga, y utilizar este
valor como pronóstico para un promedio en el
futuro.
 FORMULA

   números reales:
Para
At =

Si la ponderación esta en %:

At = W1 Dt + W Dt -1 + … Wn Dt – (n + 1) / N
2
 Se calcula:

Promedio de ventas en unidades en el
período t
Sumatoria de datos

Factor de ponderación

Ventas o demandas reales en unidades de los

períodos anteriores a t

Número de datos
 PROMEDIO MÓVIL PONDERADO


Modelo parecido al promedio móvil, excepto
que el pronóstico para el siguiente periodo es el
promedio ponderado de las ventas pasadas, en
lugar del promedio aritmético
¿Cuándo utilizar un pronóstico de promedio móvil ponderado?


 El pronóstico de promedio móvil ponderado es óptimo para
patrones de demanda aleatorios o nivelados donde se pretende
eliminar el impacto de los elementos irregulares históricos
mediante un enfoque en períodos de demanda reciente, dicho
enfoque es superior al del promedio móvil simple.
 ejercicio
 El número de intervenciones quirúrgicas de corazón que se realizan en el


Hospital General de Heartville ha aumentado sin cesar en los últimos
años. La administración del hospital está buscando el mejor método para
pronosticar la demanda de esas operaciones en el año 6. A continuación
se presentan los datos de los últimos 5 años.
Promedio móvil ponderado por 3 años
  Año Demand Pronósti Error usando ponderaciones de (3/6), (2/6) y
a co (1/6) y asignando una mayor ponderación
w= 0.16 1 45 -   a los datos más recientes.
w=0.33 2 50 -  
A3= 0.16 (45) + 0.33 (50) + 0.5 (52) = 50.20
w=0.5 3 52 -   0.16+0.33+0.5
  4 56 50.20 5.8 A4= 0.16 (50) + 0.33 (52) + 0.5 (56) = 53.69
0.16+0.33+0.5
  5 58 53.69 4.31
 
  6   56.36 A5= 0.16 (52) + 0.33 (56) + 0.5 (58) = 56.36
ê=5.055 0.16+0.33+0.5
 Ejercicio
Las ventas realizadas en los últimos doce meses por la Dalworth Company
aparecen a continuación:

Utilice un promedio móvil ponderado de tres meses para pronosticar las ventas
en los mesesX etranscurridos entre Abril y Diciembre Use ponderación de 3/6,
2/6 y 1/6, asignando una ponderación mayor a los datos más recientes.
Mes Ventas At Ft+1 Error
  ($ millones)
Enero 20 - - -
Febrero 24 - - -
Marzo 27 22.99 - -
Abril 31 26.82 22.99 8.01
Mayo 37 29.48 26.82 10.18
Junio 47 37.3 29.48 17.52
Julio 53 43.98 37.3 15.7
Agosto 62 52.97 43.98 18.02
Septiembre 54 54.86 52.97 1.03
Octubre 36 52.06 54.86 18.86
Noviembre 32 43.68 52.06 20.06
Diciembre 29 33.01 43.68 4.01
      33.01 =12.598
 OPERACIONES


A3= (0.5) (20) + (0.17) (24) + (0.33) (27)/1 = 22.99
A4= (0.5) (24) + (0.17) (27) + (0.33) (31)/1= 29.82
A5= (0.5) (27) + (0.17) (31) + (0.33) (37)/1= 29.48
A6= (0.5) (31) + (0.17) (37) + (0.33) (47)/1= 37.3
A7= (0.5) (37) + (0.17) (47) + (0.33) (53)/1= 43.98
A8= (0.5) (47) + (0.17) (53) + (0.33) (62)/1= 52.97
A9= (0.5) (53) + (0.17) (62) + (0.33) (54)/1= 54.86
A10= (0.5) (62) + (0.17) (54) + (0.33) (36)/1= 52.06
A11= (0.5) (54) + (0.17) (36) + (0.33) (32)/1= 43.68
A12= (0.5) (36) + (0.17) (32) + (0.33) (29)/1= 33.01
 SUAVIZACIÓN EXPONENCIAL
El método de suavización exponencial es un
método del promedio móvil ponderado muy
refinado que permite calcular el promedio de
una serie de tiempo, asignando a las
demandas recientes mayor ponderación que a
las demandas anteriores.
 Suavización exponencial

 Este método contiene un mecanismo de autocorrección que ajusta los

pronósticos en dirección opuesta a los errores pasados. Es un caso
particular de promedios móviles ponderados de los valores actuales y
anteriores en el cual las ponderaciones disminuyen exponencialmente. Se
emplea tanto para suavizar como para realizar pronósticos.

 Este método se basa en la idea muy simple de que es posible calcular un

promedio nuevo a partir de un promedio anterior y también de la demanda
recientemente observada la suavización exponencial es una técnica de
pronósticos móviles, para que los datos mas recientes tengan mas peso en
el promedio móvil
La ecuación correspondiente a este pronóstico es: 

Ft + 1= α (demanda para este periodo) + (1 – α) (pronostico calculado para el último

periodo)

At = α Dt + (1 – α) Ft
 
Donde:
Alfa= es la ponderación (α) tasa de respuesta al
error o constante atenuación.
Dt= Demanda para el periodo t (Actual).
Ft = pronóstico para el período t (Actual).
La demanda mensual de unidades manufacturadas por la Acme Rocket Company ha
sido como se muestra a continuación:

Aplique el método de SUAVIZACION EXPONENCIAL para pronosticar el número de

unidades correspondientes al periodo Junio- Enero. El pronóstico inicial para Mayo
fue de 105 unidades; α =0.2

MES UNIDADES

MAYO 100

JUNIO 80

JULIO 11O

AGOSTO 115

SEPTIEMBRE 105

OCTUBRE 110

NOVIEMBRE 125

DICIEMBRE 120
MES UNIDADES Cálculos Pronóstico
At = α Dt + (1-α) Ft Ft+1
Mayo 100 0.2(100) + 0.8(105) = 104 105
 
Junio 80 0.2(80) + 0.8(104.0) = 99.2 104
 
Julio 11O 0.2(110) + 0.8 (99.2)= 101.4 99.2
 
Agosto 115 0.2 (115)+0.8(101.4) =104.1 101.4
 
Septiembre 105 0.2(105)+0.8 (104.1) =104.3 104.1
 
Octubre 110 0.2 (110) +0.8(104.3) =105.4 104.3
 
Noviembre 125 0.2 (125)+0.8 (105.4) =109.3 105.4
 
Diciembre 120 0.2 (120)+0.8 (109.3)= 111.4 109.3
 
Enero ? 111.4
 E). SUAVIZACIÓN
EXPONENCIAL CON

TENDENCIA
Es modelo de suavización exponencial pero
modificado para tomar en consideración datos con
un patrón de tendencia. Estos patrones pueden estar
presentes en datos a mediano plazo. También se
conocen como suavización exponencial doble, ya
que se suavizan tanto la estimación de promedio
como la estimación de la tendencia utilizando dos
constantes de suavización.
5.- Suavización exponencial con tenencia. El modelo
de suavización exponencial arriba descrito, pero
modificado para tomar en consideración datos con un
patrón de tendencia. Estos patrones pueden estar
presentes en datos a mediano plazo. También se
conoce como suavización exponencial doble, ya que
se suavizan tanto la estimación del promedio como la
estimación de la tendencia utilizando dos constantes
de suavización.
 Método de regresión y
correlación

 En el caso de los métodos de regresión debe especificarse
un modelo antes de obtener los datos y realizar el análisis.
 El caso mas simple es el modelo lineal con una sola
variable
 Esta es otra técnica de tipo cuantitativo que permite el
cálculo de los pronósticos para períodos futuros, para lo
cual requiere de registros históricos que sean consistentes,
reales y precisos. Esta técnica como su nombre lo indica se
trata de sacar el total de las desviaciones elevadas al
cuadrado a un valor mínimo
 REGRESIÓN LINEAL


Modelo que utiliza el método de los mínimos
cuadrados para identificar la relación entre la variable
dependiente y una o más variables independientes,
presentes en un conjunto de observaciones históricas.
MÉTODO DE REGRESIÓN Y CORRELACIÓN

En el caso de los métodos de regresión debe

especificarse un modelo antes de obtener los
datos y realizar el análisis.
El caso más simple es el modelo lineal con
una sola variable:
Ý=a + bx
 objetivo

 Su objetivo es determinar los
coeficientes a y b, que son conocidos
como coeficientes de regresión, donde
x es la variable independiente, Y
es la variable dependiente (pronóstico 
de la demanda).
 fórmula

En el caso de los métodos de regresión debe especificarse un
modelo antes de obtener los datos y realizar el análisis.
El caso más simple es el modelo lineal con una sola variable.
Ý=a + bx
Donde:
Y= Demanda estimada (Pronóstico)
x= Variable independiente
a= Intersección con el eje “y”
b= Pendiente
n= Es el número de datos (pares de datos)
 formula

En el análisis de regresión el objetivo es minimizar la
ecuación de error, seleccionando valores de a y b, se
puede encontrar el valor mínimo utilizando las
siguientes operaciones:
a=∑yi – b ∑xi
n n

 b= n∑xi yi – [(∑xi) (∑yi)

n∑xi2 – (∑xi)2
 
 EJEMPLO
EJERCICIO DE METODO DE REGRESION Y CORRELACION
 

Se llevo a cabo un estudio acerca de la calidad de azúcar refinada mediante
un cierto proceso a varias temperaturas diferentes.

X Y xy
temperatura Azúcar
transformad
a
1.0 8.1 8.1 1 65.61
1.1 7.8 8.58 1.21 60.84
1.2 8.5 10.2 1.44 72.25
1.3 9.8 12.74 1.69 96.04
1.4 9.5 13.3 1.96 90.25
1.5 8.9 13.35 2.25 79.21
1.6 8.6 13.76 2.56 73.96
1.7 10.2 17.34 2.89 104.04
1.8 9.3 16.74 3.24 86.49
1.9 9.2 17.48 3.61 84.64
2.0 10.5 21 4 110.25
16.5 100.4 152.59 25.85 923.58
 a) Determine la línea de regresión lineal
b) Calcule los valores de la pendiente b y la intersección a


c) Calcule la cantidad promedio de azúcar refinada que
se produce cuando la temperatura es 1.75
d) Calcular el error del pronostico

a)
13.5

12

10.5

7.5

4.5

1.5

0
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
 b)   b =
 
 a = 
 
 y= a + bx
c) y=6.4137+1.8090 (1.75)
y=9.5794
 
r=
d) Error= 1 – 0.7070 Error = 0.293 o sea 29.3 %
 FUENTES DE INFORMACIÓN
1.- SCHROEDER, Roger G.
“Administración de Operaciones (Teoría de decisiones en la función de operaciones)” Tercera edición
Editorial Pearson Educación.
págs. 62,63 y 81.

2.- http://prezi.com/vdgyklsk75jw/metodos-de-pronosticos/
“Métodos de Pronósticos”
Fecha de consulta: 03/junio/2014.

3.- KRAJEWSKI, Lee y RITZMAN, Larry P.

“ADMINISTRACION DE OPERACIONES, ESTRATEGIA Y ANÁLISIS” 5ª edición
Editorial Pearson Educación de México, S.A. de C.V. 2000.
Pág. 509-513

4.- CHAVES VEGA, Eric

“Administración de Materiales”
Editorial EUNED.
Págs. 49 y 50.

5.- WALPOLE,Myers.
“Probabilidad y estadística” Cuarta Edición
Pág. 382, 383