Técnicas

de
Pronóstico
 Datos

 Cuando se cuenta con datos históricos (información

secundaria) validos y confiables.
 Cuando no se cuenta con datos históricos

Fuente de información primaria (encuestas).

Datos del sector.

Serie cronológica incompleta.
 Técnicas de pronóstico de
variables con datos históricos

 Método de regresión lineal en series de tiempo

(estacional).
 Método de promedio móvil en series de tiempo
(tendencia).
 Método de regresión lineal con dos variables.
 Pronóstico de
Variables
Método de regresión lineal
en series de tiempo
(estacional)
 Pronóstico en series de
tiempo
 Pronosticar es hacer predicciones sobre el futuro, la
ciencia administrativa proporciona diversos enfoques
cuantitativos para pronósticos que implican construir
un modelo matemático apropiado que use datos
pasados y usar el modelo para pronosticar
demandas desconocidas futuras. Como estos
modelos se basan en datos anteriores, sólo son
aplicables para predecir la demanda de artículos
para los que se dispone de una cantidad sustancial
de información anterior y no para productos nuevos.
 Modelos de Series de Tiempo
Una serie de tiempo es un conjunto de datos, registrados
secuencialmente durante el tiempo.

 Modelos de nivel: Cuando la demanda por periodo es

relativamente constante sobre el tiempo alrededor de un
valor “A” fijo pero desconocido.
 Modelo de Tendencia: cuando la demanda por período
muestra un patrón por lo general creciente o decreciente
durante el tiempo.
 Modelo estacional: cuando la demanda por período tiene
un patrón estacional definido que se repita de manera
constante.
 Modelo estacional de tendencia: cuando la demanda
muestra tanto una tendencia lineal como un efecto
estacional.
 Ejemplo: Serie de tiempo
(estacional)
Pronóstico de la demanda
MES VENTAS EN UNIDADES Número de datos = 9 meses impar
ENE 600
FEB 620
Demand. Proyect. = a + b (tiempo)
MAR 632
ABR 638
MAY 607 a =  Demanda
JUN 590 n
JUL 630
AGO 604 b =  (demanda x tiempo)
SET 630
TOTAL 5551  (tiempo)²
Nota:  tiempo = 0
 Solución:
MES VENTAS TIEMPO VENTAS x TIEMPO (TIEMPO)²
ENE 600 -4 -2400 16
FEB 620 -3 -1860 9
MAR 632 -2 -1264 4
ABR 638 -1 -638 1
MAY 607 0 0 0
JUN 590 1 590 1
JUL 630 2 1260 4
AGO 604 3 1812 9
SET 630 4 2520 16
TOTAL 5551 0 20 60

a =  Demanda = 5551 = 616.7 b =  (demanda x tiempo) = 20 0.3

n 9  tiempo ² 60
demanda = a + b tiempo demanda = 616.7 + 0.3 tiempo
 Pronosticar para el mes
de octubre,noviembre y
diciembre

Demanda octubre 616,777 + 0,333 (5) 618,444 = 618

Demanda noviembre 616,777 + 0,333 (6) 618,777 = 619
Demanda diciembre 616,777 + 0,333 (7) 619,111 = 619
 Apuntes
 Dependiendo de la variable se deberá redondear a enteros o a un
máximo 3 decimales. Si es una variable discreta se redondea a
enteros, si es una variable continua se redondea a 3 decimales.
 Además se recomienda no redondear pasos previos, es decir, el valor
de “a” o “b” es recomendable asumir todos los decimales para de esa
forma tener más precisión.
 Este tipo de proyecciones son recomendables si el producto en análisis
es un producto estaciona, es decir, de temporada, en donde el tiempo
es la variable independiente y las ventas están en función al tiempo.
 Toda proyección es de tendencias y para medir la tendencia es
necesario datos pasados a mayor cantidad de datos mejor.
 Pronóstico de
Demanda
Con dos variables relacionadas
 Primer paso

Se debe expresar en términos de función la proyección

de la demanda, para ello hay que definir la causa y el
efecto:
Demanda de productos : F (precio de los productos
lácteos, contenido de grasa, promoción del producto)
Lácteos
Se lee así: la demanda de productos lácteos se
encuentra en función o depende de: el precio de los
productos lácteos, el contenido de grasa y la promoción
del producto, ceteris paribus.
 Segundo paso

Se debe identificar las variables más relevantes, en

este caso dichas variables son la demanda y el precio
del producto. La demanda es efecto, el precio es causa,
la demanda es dependiente, el precio es independiente
o dato.
 Tercer paso

Año Consumo Precio por 2 2

(demanda) Litro S/. (Demanda) (Precio) (Demanda x Precio)
Miles Litros (Prom. Año)
1992 23.4 2.5 547.56 6.25 58.50
1993 28.2 3.4 795.24 11.56 95.88
1994 30.6 3.6 936.36 12.96 110.16
1995 27.5 3.6 756.25 12.96 99.00
1996 24.0 4.0 576.00 16.00 96.00
1997 21.2 4.2 449.44 17.64 89.04
1998 20.0 4.4 400.00 19.36 88.00
1999 19.6 4.4 384.16 19.36 86.24
Total 194.5 30.1 4845.01 116.09 722.82
 Tercer paso

n( Demanada * Pr ecio)  ( Demanda)( Pr ecio)

b
n( Pr ecio2 )  ( precio) 2

8(722.82)  (194.5)(30.1)
b  3.16556583
8(116 .09)  (30.1) 2

b = -3.166
 Tercer paso

a
 Demanda b( Pr ecio)

n n
194.5  3.16556583(30.1)
a   36.2229414
8 8

a = 36.223

E
 Demanda 2
 a ( Demanda )  b( Demanda * Pecio )
n2
 Tercer paso

E
 Demanda 2
 a ( Demanda )  b( Demanda * Pecio )
n2

4845.01  36.2229414(194.5)  (3.16556583)(722.82)

E  3.82496588
82

E = 3.825
 Cuarto paso
La función estará expresada de la siguiente
manera:

demanda proyectada = a + b (precio) ± error

demanda proyectada = 36.223 - 3.166 (precio) ± 3.825
demanda proyectada 2000 = 36.223 - 3.166 (4.6) +3.825
demanda proyectada 2000 por exceso = 25.484
demanda proyectada 2000 = 36.223 - 3.166 (4.6) - 3.825
demanda proyectada 2000 por defecto = 17.834
demanda proyectada 2001 = 36.223 - 3.166 (5.0)+3.825
demanda proyectada 2001 por exceso = 24.218
demanda proyectada 2001 = 36.223 - 3.166 (5.0) - 3.825
demanda proyectada 2001 por defecto = 16.568
 Cuarto paso

 Nota: el valor de b = -3.166 significa que hay una

relación entre el precio del producto y la demanda es
decir por cada 10 de incremento en el precio hay una
disminución de 31.66 en la demanda.

 El valor a = 36.223 significa que si se regalará el

producto la empresa podría tener como demanda
36.223 miles de litro de productos lácteos.
 Cuarto paso

Gráfico
 Pronóstico
Técnica del Promedio
Móvil
 Promedio Móvil
 El método del Promedio móvil no sólo es útil para alisar una
serie de tiempo, sino que es el método básico utilizado para
medir la fluctuación estacional. Esto se realiza al “mover” los
valores de la media aritmética a través de la serie de tiempo.
 Para aplicar el método del promedio móvil a una serie de
tiempo, los datos deben seguir una tendencia lineal aproximada
y tener un patrón de fluctuaciones rítmico definido (que se
repite, por ejemplo cada tres años).
 La información en el ejemplo siguiente tiene tres componentes:
tendencia, ciclo e irregularidad, simbolizadas T, C e I,
respectivamente.
 Promedio Móvil

 No hay variación estacional porque los datos se registran

anualmente. En realidad lo que se hace en el método del

promedio móvil es promediar C e I. El residuo es la tendencia.

 Si la duración de los ciclos es constante y si las amplitudes de

los ciclos son iguales, las variaciones cíclicas e irregulares

pueden eliminarse por completo usando el método del

promedio móvil, el resultado es una recta.

 Ejemplo de Promedio Móvil
• Se dispone de la siguiente información de correspondiente a
ventas (en miles de soles) de lana. Para los años 1985 - 1999:

Año Ventas
1988 7690
1989 8120
1990 9550
1991 9180
1992 10210
1993 10600
1994 9980
1995 9830
1996 8600
1997 7690
1998 10680
1999 9850
 Ejemplo de Promedio Móvil
El ciclo mejor ajustado es cuando la serie cíclica es 6
años
K=5 K=6
Año Ventas (Dt) t Ft (Dt - Ft) (Dt - Ft)^2 Ft (Dt - Ft) (Dt - Ft)^2
1988 7690 0
1989 8120 1
1990 9550 2
1991 9180 3
1992 10210 4
1993 10600 5 8950,00 1650,00 2722500
1994 9980 6 9532,00 448,00 200704 9225,00 755,00 570025,0
1995 9830 7 9904,00 -74,00 5476 9606,67 223,33 49877,8
1996 8600 8 9960,00 -1360,00 1849600 9891,67 -1291,67 1668402,8
1997 7690 9 9844,00 -2154,00 4639716 9733,33 -2043,33 4175211,1
1998 10680 10 9340,00 1340,00 1795600 9485,00 1195,00 1428025,0
1999 9850 11 9356,00 494,00 244036 9563,33 286,67 82177,8
11457632 7973719,4
 K=5
Ventas

. .
12000

... .. .
10000

.. .
8950 . .
9356

8000

6000 Años
0 1985 1988 1993 1998 2000
 K=6
Ventas

. .
12000

.. ..
10000

.
9225 .. . . . 9563

8000 .
6000 Años
0 1985 1988 1993 1998 2000
 Técnicas de
Pronóstico cuando no
existen datos
históricos
• Técnicas de Indices Estacionales
• Técnicas de Sistema de Ecuaciones
 Técnica de Indices
Estacionales
 La presente técnica se puede utilizar cuando se tiene
datos de un sector económico que pertenezca el
producto bienes o servicios que nosotros estamos
analizando, es decir a partir de datos del sector
agregado se puede inferir la tendencia de nuestro
producto en particular, para ello se debe construir
números índices y luego aplicarlos a la data primaria
que se cuente (encuesta).
 Ejemplo de índice estacional
Se cuenta con la siguiente información de ventas para el sector
agropecuario en miles de soles de un año (mes a mes) y según una encuesta realizada
se tiene que la proyección de ventas para esa empresa es de 1200 para todo el año:
Mes Ventas del Sector Indice Ventas de la empresa
Ene 3500 1,020 102,041
Feb 3680 1,073 107,289
Mar 3200 0,933 93,294
Abr 3120 0,910 90,962
May 2680 0,781 78,134
Jun 2500 0,729 72,886
Jul 2230 0,650 65,015
Ago 3000 0,875 87,464
Set 3200 0,933 93,294
Oct 3890 1,134 113,411
Nov 4560 1,329 132,945
Dic 5600 1,633 163,265
n = 12 41160 1 1200,000
Prom = 3430 Prom = 1200/12 = 100
Pronóstico
con pocos
datos
Técnica del sistema de
ecuaciones
 Sistema de Ecuaciones
Condición: Dos datos para proyectar

Primer Paso: Ordenar la información e identificar la variable más

relevante para que las demás permanezcan constantes (ceteris
Paribus) vease el ejemplo:
Ventas Inversión en Publicidad
1200 200
1800 400
Segundo paso: Formar la función de causa y efecto.
Variable dependiente : Ventas
Variable Independiente : Inversión en publicidad.

Ventas en función a la publicidad.

Tercer paso: La ecuación lineal será:

VT = a + b (inversión en publicidad)
reemplazando la información:
1200 = a + b ( 200 )
1800 = a + b ( 400 )
VT = 600 + 3 (Inversión en Publicidad)
Si la inversión en publicidad es = 600

VT = 600 + 3 ( 600 )

Entonces,

VT = 2400
 Otras técnicas de
Pronóstico

 Tendencias Geométricas: población, precios, etc.

 Promedio Móviles : Volumen

 Pronóstico Geométrico
t
Población Futura = Población Presente ( 1 + g )

PP = 23´340,960 PF = ?

1993 2003
g= 1.9% año

10
Población 2003 = 23´340,960 (1 + 0.019)

Población 2003 =
 Pronóstico Cualitativo
 En proyectos sociales se utiliza el método DELPHI que consiste
en programar entrevistas a personas entendidas en el tema,
instituciones que hayan realizado estudios sobre el tema,
proyectos similares q ue hayan sido ejecutados exitosamente y
que esté disponible la información.
 Se recomienda complementar las proyecciones de tipo
cualitativa con proyecciones cuantitativas.
 Las proyecciones de tipo cualitativa normalmente responden a la
siguientes preguntas:
¿Qué objetivo pretendemos alcanzar?
¿Qué metas se van a lograr?
¿Qué Indicadores Verificables Objetivamente (IVO) se van a
utilizar?