Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Los datos deben trazarse primero para ver si parecen lineales o si al menos partes de
los datos son lineales.
Si una variable cambia debido al cambio en otra variable, esta es una relación causal.
MODELO DE REGRESION
LINEAL SIMPLE
Week Sales
1 150
2 157
3 162
4 166
5 177
PROBLEMAS DE
REGRESION LINEAL SIMPLE
Respuesta: necesitamos calcular a y b:
a = y - bx
xy - n(y)(x)
b= 2 2
x - n(x )
PROBLEMAS DE
REGRESION LINEAL SIMPLE
Respuesta: crear una hoja de cálculo
Week Week*Week Sales Week*Sales
1 1 150 150
2 4 157 314
3 9 162 486
4 16 166 664
5 25 177 885
3 55 162.4 2499
Average Sum Average Sum
b=
xy - n( y)(x) 2499 - 5(162.4)(3) 63
= = 6.3
x -2
n(x ) 2
55 5( 9 ) 10
155
150
145
Ventas
140
135 Pronóstico
1 2 3 4 5
Periodo
MODELO DE REGRESION
LINEAL SIMPLE
Ejemplo:
Las ventas de una empresa para una línea de productos durante los 12 trimestres de
los últimos tres años fueron las siguientes:
Quarter Sales Quarter Sales
1 600 7 2600
2 1550 8 2900
3 1500 9 3800
4 1500 10 4500
5 2400 11 4000
6 3100 12 4900
La empresa quiere pronosticar cada trimestre del cuarto año, es decir, los trimestres
13, 14, 15 y 16.
MODELO DE REGRESION
LINEAL SIMPLE
Y= 480 + 381.81x
MODELO DE REGRESION
LINEAL SIMPLE
Y= 441.67 + 359.62x
X Y
13 5,117
14 5,476
15 5,836
16 6,196
MODELO DE REGRESION
LINEAL SIMPLE
Solución: dada la fórmula, pronosticamos los meses 15 a 24
Month Forecast
15 25,918
16 27,465 Y= 2,725 + (1,546.17)X
17 29,011
18 30,557
19 32,103
20 33,649
21 35,196
22 36,742
23 38,288
24 39,834
ERRORES DE
PRONOSTICO
Al usar la palabra error, nos referimos a la diferencia entre el valor de pronóstico
y lo que realmente ocurrió. En estadística, estos errores se denominan residuales.
Siempre que el valor de pronóstico esté dentro de los límites de confianza (medición
del error), esto no es realmente un error. Pero el uso común se refiere a la diferencia
como un error.
FUENTES DE
ERRORES
Los errores pueden provenir de una variedad de fuentes y pueden clasificarse como
sesgados o aleatorios.
Las fuentes de sesgo incluyen no incluir las variables correctas; usar las relaciones
incorrectas entre variables; emplear la técnica de pronóstico incorrecta; ingresar la
información incorrecta; falta de formación, etc.
Los errores aleatorios se pueden definir como aquellos que no pueden explicarse por
el modelo de pronóstico que se utiliza.
ERRORES DE
PRONOSTICO
A
t=1
t - Ft
MAD =
n
• El MAD ideal es cero. Eso significaría que no hay error de pronóstico.
40
n
Tenga en cuenta que por sí mismo,
A
t=1
t - Ft
40 el MAD solo nos permite conocer el
MAD = = = 10 error medio en un conjunto de
n 4 pronósticos.
PRONOSTICO DE
RELACIONES CAUSALES
Técnica de estimación basada en el supuesto de que la variable a pronosticar (variable
dependiente) tiene una relación de causa y efecto con una o más de otras variables
(independientes).
Ejemplo: podemos esperar que un período prolongado de días de lluvia aumente las
ventas de paraguas e impermeables. La lluvia provoca la venta de accesorios para la
lluvia.
Por lo tanto, los dos componentes del sistema de pronóstico de enfoque son:
(1) Varias reglas de previsión simples y
(2) Simulación por computadora de estas reglas sobre datos pasados.
Estas reglas de pronóstico no son estrictas ni rápidas. Si una nueva regla parece
funcionar bien, se agrega. Si alguno no ha funcionado bien, se elimina.
Para usar el sistema, debe estar disponible un historial de datos, por ejemplo, de 18 a
24 meses de datos. Luego, el proceso de simulación usa cada una de las reglas de
pronóstico para predecir algunos datos pasados recientes. La regla que mejor predicó
el pasado es la que se usa para predecir el futuro.
MODELOS DE
SIMULACION
Las hojas de cálculo como Microsoft Excel se pueden utilizar para crear un
programa de pronóstico en una PC.
La forma en que la empresa utilizará este pronóstico podría ser el mayor desafío.
• IBM SPSS
• Minitab
• Estadística
• Forecast Pro
• XLSTAT
• MathematicA
• JMP
• MaxStat
• Stata
• MATLAB
ELECCION DE UN
METODO DE PRONOSTICO
La elección de cuál de estos métodos utilizar se basa en las condiciones del
mercado.
Los promedios móviles ponderan cada período de la misma manera, el suavizado
exponencial pondera más el pasado reciente y el promedio móvil ponderado permite
que el pronosticador determine los pesos.
¿Cual es mejor? Una prueba sería usar cada método en datos de muestra y medir los
errores usando la DMA.
Al comparar empresas manufactureras y de servicios, las empresas manufactureras
tienden a ser más minuciosas y proporcionan más iteraciones al hacer circular y
ajustar el pronóstico.
Las empresas de servicios también tienden a (1) ver la media móvil ponderada como
una técnica importante y (2) utilizar el pronóstico subjetivo mucho más que los
fabricantes.
Además, las empresas de servicios están menos satisfechas con el pronóstico.
CONCLUSIONES
Desarrollar un sistema de pronóstico no es fácil. Sin embargo, debe hacerse,
porque la previsión es fundamental para cualquier esfuerzo de planificación.
A corto plazo, se necesita un pronóstico para predecir los requisitos de materiales,
productos, servicios u otros recursos para responder a los cambios en la demanda. Los
pronósticos permiten ajustar los horarios y variar la mano de obra y los materiales.
A largo plazo, la previsión es necesaria como base para cambios estratégicos, como el
desarrollo de nuevos mercados, el desarrollo de nuevos productos o servicios y la
expansión o creación de nuevas instalaciones.
Para pronósticos a largo plazo que conducen a compromisos financieros pesados, se
debe tener mucho cuidado al derivar el pronóstico. Deben utilizarse varios enfoques.
Los métodos causales como el análisis de regresión o el análisis de regresión múltiple
son beneficiosos. Es necesario considerar los factores económicos, las tendencias de
los productos, los factores de crecimiento y la competencia, así como una gran
cantidad de otras posibles variables, y ajustar el pronóstico para reflejar la influencia
de cada uno.
CONCLUSIONES
Los pronósticos a corto e intermedio plazo (como los requeridos para el control de
inventario, así como para la programación de personal y materiales) pueden
satisfacerse con modelos más simples, como el suavizado exponencial.
Por lo tanto, la rutina de pronóstico debe ser simple y ejecutarse rápidamente en una
computadora.
El suavizado exponencial, cuando la dirección lo supervisa para controlar el valor de
alfa, es una técnica eficaz.
El pronóstico de enfoque parece ofrecer un enfoque razonable para el pronóstico a
corto plazo, por ejemplo, mensual o trimestral, pero ciertamente menos de un año. Si
hay algo que ofrece el pronóstico de enfoque, es un monitoreo cercano y una
respuesta rápida.
En resumen, la previsión es difícil.
La filosofía ideal es crear el mejor pronóstico que razonablemente pueda y luego
protegerse manteniendo la flexibilidad en el sistema para tener en cuenta el inevitable
error de pronóstico.
LLAMADA A LA ACCIÓN
Sigue practicando las técnicas de cálculo de
pronóstico.
REFERENCIAS