Forecasting Spanish

8/18/2019 Forecasting Spanish

1/91

PronósticosRicardo Serrano Castillo

2015


2/91

Defnición

“La formulación de pronósticos (o proyección) es una técnica para utilizar

experiencias pasadas con la nalidadde predecir expectativas del futuro”

2Ing. Ricardo Serrano C.


3/91

Ing. Ricardo Serrano C. 3

Características de los pronósticos1 Casi siempre son incorrectos

• Esencial saber que tan equivocado esperaosque sea

• Cóo darle cabida al error potencial en elpronóstico.

• El taa!o del error in"u#e en la capacidad dealacenaiento #$o inventario teporal.

2 Son más precisos para grupos o amilias deartículos

• %&s '&cil para una l(nea de productos que para unproducto individual.• Errores de pro#ección en productos individualestienden a cancelarse entre s( a edida que se lesagrupa.

• P.e.) es &s '&cil diagnosticar la deanda de


4/91

Características de los pronósticos3 Son más precisos cuando se hacen para

períodos cortos• Son enos las perturbaciones potencialesrespecto del 'uturo pró*io que puedan ipactarla deanda.

• +a deanda en per(odos 'uturos &s apliosresultan enos con,ables.

4 Deben incluir un error de estimación

• -n buen pronóstico contiene tanto una estiaciónb&sica coo una estiación de su error.

5 o son sustituto de la demanda calculada

• Si se tienen la deanda real para un per(odo no/acer c&lculos con base en el pronóstico para eseiso arco teporal.

• -sar la in'oración real cuando est& disponible.Ing. Ricardo Serrano C.


5/91

Pronóstico a corto plao asta 1 a!o generalente enor a 3 eses Planear copras prograar el trabao niveles

de ano de obra asignar el trabao # decidir

los niveles de producción. Pronóstico a ediano plao Entre 3 eses # 3 a!os. Planear ventas la producción el presupuesto #

el "uo de e'ectivos.

Poronóstico a largo plao 3 o &s a!os Planear la 'abricación de nuevos productos

gastos de capital utiliación o e*pansión de lasinstalaciones # para investigación # desarrollo.

oriontes de tiepo del Pronóstico


6/91

Ciclo de 4ida del Producto

%eor per(odopara eorar laparticipación deercado

+a ingenier(a deinvestigación #desarrollo escr(tica

•Pr&ctico para elcabio del precioo de la iagende la calidad

•ortaleciientodel nic/o

• Poco tiepo paracabiar laiagen el precioo la calidad.

• +os costoscopetitivos sevuelven cr(ticos.

• 6e'ensa de lapisición en elercado

• El control decostos escr(tico

Introducción Crecimiento Madurez Declinación

E s t r a t e g i a # a s p e c t o s d e l a

c o p a ! ( a

igure 2.5

6ispositivos deb7squeda en Internet

4entas

8bo*390

Restaurantescon servicioen autoóvil

C6:R;%s

6iscos"e*ibles 31$2<

=4s +C6 >plasa

=4s ?nalógicos

iPods


7/91

•El dise!o # eldesarrollo delproducto soncr(ticos.

•Cabios'recuentes aldise!o delproducto # delproceso.

•Corridas deproducción.

•Costos deproducción

•%odelosliitados

•?tención a lacalidad

Introducción Crecimiento Madurez Declinación

E s t r a t @ g

i a s # a s p e c t o s d e l a

? d i n i s t r

a c i ó n d e ; p e

r a c i o n e s

•El pronóstico escr(tico.

•Con,abilidaddel producto #del proceso.

•%eoras #alternativas delproductocopetitivo.

•?uento de lacapacidad.

•Cabio /aciael en'oque delproducto.

•%eoras de ladistribución.

•Estandariación.

•%enos cabiosr&pidos alproducto A &scabiosenores.

•Capacidadóptia.

•Crecienteestabilidad delproceso.

•Corridas deproducciónlargas.

•%eoras alproducto #reducción decostos.

•Pocadi'erenciación delproducto.

•%iniiaciónde costos.

•Sobrecapacidad en laindustria.

•Purga de lal(nea paraeliinarart(culos conargen derendiientoalo.

•Reducciónde la

capacidad.igure 2.5

Ciclo de 4ida del Producto


8/91

Categor(as de Pronóstico

!ronósticos Cualitati"os se emplean cuando no ha#inormación histórica$

Se basan en un %uicio personal o en inormacióncualitati"a e&terna$

's sub%eti"o( se desarrolla a partir de la

e&periencia de las personas in"olucradas #sesgado seg)n la posición optimista o pesimistade la persona$

!ermite obtener algunos resultados con bastanterapide*$

'n algunos casos es importante por+ue puedeconstituir el )nico m,todo disponible$

Se utili*an para productos indi"iduales o amiliasde productos # rara "e* para mercados completos$

Ing. Ricardo Serrano C. B


9/91

!ronósticos cualitati"os

• 'ncuestas de mercado

• !ronósticos Delphi o consensode panel

• -nalogía por ciclo de "ida .puntode partida cuando no se cuentacon una historia de la demanda/

• 0aloración o %uicio inormado.diagnóstico de "arios"endedores/$

Ing. Ricardo Serrano C.


10/91

'D C-S-• Se basa en la relación entre "ariables$

• Supone +ue la "ariable causal.indicador líder/ puede ser medida demanera precisa$

• Con indicadores líderes apropiados seobtienen pronósticos con buenos

resultados$• 6ara "e* se emplea para un producto(

sino para la industria completa$

• Su aplicación implica tiempo # costo$Ing. Ricardo Serrano C. 10

!ronósticos cuantitati"os


11/91

• odelo de entrada 7 salida8 seanali*an el 9u%o de bienes # ser"icios atra",s de la economía completa$

• odelos econom,tricos8 análisis

estadístico de "arios sectores de laeconomía$

• odelos de simulación8 medianteprogramas se hacen simulaciones paraproductos indi"iduales$

• 6egresión8 m,todo estadístico dondese relacionan dos o más "ariables$


'no+ues de !ronóstico Causal


12/91

S'6:'S D' :'!• Se basa en +ue la demanda pasada sigue

cierto patrón # +ue se pueden hacerpro#ecciones para la demanda utura$

• a "ariable independiente es el tiempo$• 's el más utili*ado para hacer los planes

de producción$

• ratan de capturar los patronessub#acentes de la demanda pasada(como el patrón aleatorio( de tendencia(estacional$


!ronósticos cuantitati"os


13/91

=endenc

ia

Estacional

Ciclos

?leatoria

Coponentes de Series de =iepo


14/91

Coponentes de la 6eanda

D e m a n d a d e l p r o d u c t o o s e r v i c i o

D D D D1 2 3

-;os

Demanda

promediodurante 4

años

Picos estacionales

Componentesde la tendencia

Demandareal

Variaciónaleatoria

igure .1

S i d ti


15/91


Series de tiempo


16/91

+os datos son persistentes /aciaarriba o /acia abao en el tiepo.

Cabios debido a la población

distribución de edadestecnolog(as cultura etc.

=ipicaente con duración dealgunos a!os.

Coponentes de la tendencia


17/91


18/91

Repetición de oviientos /aciaarriba # /acia abao.

?'ectados por el ciclo econóico

pol(tico # los 'actores econóicos %ultiples a!os de duración. ? enudo las relaciones causales

o asociativas

Coponente C(clico

0 5 10 15 20


19/91

luctuaciones err&ticas nosiste&ticas o GresidualesH

6ebido a los aconteciientos alaar o variación iprevista Corta duración # no

repetitiva.

Coponente aleatorio

+ % % 4


20/91

• 's el promedio de los )ltimosperíodos de la demanda real$

< = !ronóstico

t= !eríodo de tiempo actual

-t= Demanda real en el período t$n= n)mero de períodos +ue se

utili*a$


!romedios ó"iles Simples


21/91

Enero 1>ebrero 12%aro 13?bril 19%a#o 1

unio 23 ulio 29

4entas Reales Proedio óvil%es de cobertios de 3 eses

J12 K 13 K 19L$3 M13 2$3

J13 K 19 K 1L$3 M19

J19 K 1 K 23L$3 M

1 1$3

Eeplo de Proedio %óvil

J10 K 12 K 13L$3 M11 2$3


22/91

Nr&,co de Proedio %ovil

D D D D D D D D D D D D

E % ? % ? S ; 6

4 e n t a

s d e c o b e r t i 1 o s30 A

2B A29 A2 A22 A20 A1B A19 A

1 A12 A10 A

4entasReales

Pronóstico deProedio

%óvil


23/91

'l peso asignado a cada punto de demanda pasado +ue seutilice para el cálculo puede "ariar$

donde8

,todo utili*ado para sua"i*ar las 9uctuaciones aleatoriasde la demanda$

ue"o pronóstico= !ronóstico del periodo anterior ?.Demanda real del mes anterior 7 !ronóstico del periodo

anterior/ Ing. Ricardo Serrano C. 23

!romedios ó"iles !onderados

Sua"i*ado '&ponencial Simple


24/91

Determinación de la constante de Sua"i*amiento

• El valor de O est& coprendido entre0 # 1.

• Para que los datos sean consistentes/a# que /acer una apro*iaciónentre el valor de O el n7ero deobservaciones utiliados para

obtener los proedios óviles. o

•



25/91

Enero 10ebrero 12%aro 13

?bril 19%a#o 1 unio 23 ulio 29

ventas reales Proedio óvil ponderado%es de cobertios de 3 eses

QJ3 * 19L K J2 * 13L K J12L$9 M11$3

QJ3 * 1L K J2 * 19L K J13L$9 M1F

QJ3 * 23L K J2 * 1L K J19L$9 M1

Proedio %óvil Ponderado

101213

QJ3 * 13L K J2 * 12L K J10L$9 M121$9

Ponderación ?plicada Periodo3 -ltio es2 ace dos eses

1 ace tres eses9 Sua de las Ponderaciones


26/91

Proedio %óvil # Proedio %óvilPonderado

30 A

25 A

20 A

15 A

10 A

5 A

S a l e s d e a n

d

D D D D D D D D D D D D

% ? % ? S ; 6

4entasReales

Proedio%óvil

Proedioóvil

Ponderado

igure .2


27/91

6eanda Prevista M 12 ord %ustangs6eanda Real M 153

Constante de suaviaiento M 0.20

Eeplo de Suaviaiento E*ponencial


28/91



uevo Pronóstico M 12 K 0.2J153

A 12L



29/91



uevo Pronóstico M 12 K .

2J153 A 12LM 12 K 2.2

M 1.2 1

autos



30/91

E'ecto de las constantes de

SuaviaientoPonderación asignada a

Per(odo 2T Per(odo 3er Per(odo to per(odo5to Per(odo

%&s &s %&s %&s%&s

Constante de reciente Reciente Reciente RecienteReciente

SuaviaientoJαL αJ1 : αL αJ1 : αL2 αJ1 : αL3 αJ1 : αL

α M .1 0.1 0.0 0.0B1 0.0F30.099

α M .5 0.5 0.25 0.125 0.093

0.031


31/91

Ipacto de 6i'erentes α225 A

200 A

1F5 A

150 A

D D D D D D D D D

1 2 3 5 9 F B

=riestre

6 e a n d

a

α M .1

6eandareal

α M .5


32/91

225 A

200 A

1F5 A

150 A

D D D D D D D D D

1 2 3 5 9 F B

=riestre

6 e a n d

α M .1

?ctualdeand

α M .5Elija valores alto de α

cuando el promediosubyacente es probableque cambie.

Elija valores bajo de α

cuando el promediosubyacente es estable.

Ipacto de 6i'erentes α


33/91

!eríodo Demanda !ronóstico de !romedio

mó"il1 24

2 2@

3 22

4 25 24$>

5 1A 24$3

@ 31 22$>

B 2@ 25$>

1 25$3A 2A 25$>

1> 24 24$3

11 3> 23$B

12 23 2B$B

13 25$BIng. Ricardo Serrano C. 33

Caso de -plicación8 !romedio mó"il de tresperíodos

J2K29K22L$3


34/91

!eríodo Demanda !ronóstico de !romediomó"il

1 13

2 15

3 1

4 22 15$3

5 2B 1$3

@ 31 22$3

B 3@ 2@$B

41 31$3

A 45 3@$>

1> 52 4>$B

11 5B 4@$>

12 51$3Ing. Ricardo Serrano C. 3

Caso de -plicación8 !romedio mó"il parainormación con una tendencia

J13K15K1BL$3

C d - li ió ! di ó il d d


35/91

!eríodo Demanda !ronóstico de !romedio

mó"il !onderado1 24

2 2@

3 22

4 25 23$@5 1A 24$3

@ 31 21$4

B 2@ 2@$2

1 2@$1

A 2A 23

1> 24 25$1

11 3> 24$3

12 23 2


Casos de -plicación8 !romedio mó"il ponderado1=>$2( 2=>$3 # 3=>$5

J22*0.5K29*0.3K2*0.2L


36/91

!eríodo Demanda !ronóstico .E = >$2/

1 24

2 2@

3 22

4 25 24$4

5 1A 24$5

@ 31 23$4

B 2@ 24$A

1 25$1

A 2A 23$B

1> 24 24$

11 3> 24$@

12 23 25$B


Caso de -plicación8 Sua"i*ación e&ponencial

JJ2K29L$2LK0.2J22:JJ2K29L$2LL


37/91

!eríodo Demanda !ronóstico .E = >$5/1 24

2 2@

3 22

4 25 23$55 1A 24$3

@ 31 21$@

B 2@ 2@$3

1 2@$2

A 2A 22$1

1> 24 25$5

11 3> 24$

12 23 2B$4

13 25$2Ing. Ricardo Serrano C. 3F



38/91

!eríodo Demanda !ronóstico .E = >$/1 24

2 2@

3 22

4 25 22$@5 1A 24$5

@ 31 2>$1

B 2@ 2$

1 2@$@

A 2A 1A$B

1> 24 2B$1

11 3> 24$@

12 23 2$A

13 24$2Ing. Ricardo Serrano C. 3B



39/91

%edidas &s counes de error

6esviación ?bsoluta %ediaJ%?6L

%?6 MU DReal : PronósticoD

n

Error Cuadr&tico edio J%SEL

%SE MU Jerrores de PronósticoL2

n

Error porcentual absoluto edio J%?PEL

%?PE MU100DReali : PronósticoiD$Reali

n

n

i M 1


40/91

Coparación del error de pronóstico

6esviación 6esviación =onelae Pronóstico ?bsoluta Pronóstico ?bsoluta

real con para con para =riestre6escargado α M .10 α M .10 α M .50 α M .50

1 1B0 1F5 5.00 1F5 5.00

2 19B 1F5.5 F.50 1FF.50 .503 15 1F.F5 15.F5 1F2.F5 13.F5 1F5 1F3.1B 1.B2 195.BB .125 10 1F3.39 19.9 1F0. 1.599 205 1F5.02 2.B 1B0.22 2.FB

F 1B0 1FB.02 1.B 12.91 12.91B 1B2 1FB.22 3.FB 1B9.30 .30B2.5 B.92


41/91




1 1B0 1F5 5.00 1F5 5.00


F 1B0 1FB.02 1.B 12.91 12.91B 1B2 1FB.22 3.FB 1B9.30 .30B2.5 B.92


%?6 MU DdesviacionesDn

M B2.5$B M 10.31

Para α M .10

M B.92$B M 12.33Para α M .50


42/91




1 1B0 1F5 5.00 1F5 5.00


F 1B0 1FB.02 1.B 12.91 12.91B 1B2 1FB.22 3.FB 1B9.30 .30B2.5 B.92

%?6 10.31 12.33

M 1529.5$B M 10.B2

Para α M .10

M 1591.1$B M 15.2Para α M .50

%SE MU JError de pronósticoL2

n


43/91




1 1B0 1F5 5.00 1F5 5.00


F 1B0 1FB.02 1.B 12.91 12.91B 1B2 1FB.22 3.FB 1B9.30 .30B2.5 B.92

%?6 10.31 12.33%SE 10.B2 15.2

M .F5$B M 5.5V

Para α M .10

M 5.05$B M 9.F9VPara α M .50

%?PE M U100Ddesviación

iD$real

i

n

n

i M 1


44/91

1 1B0 1F5 5.00 1F5 5.00


F 1B0 1FB.02 1.B 12.91 12.91B 1B2 1FB.22 3.FB 1B9.30 .30B2.5 B.92

%?6 10.31 12.33%SE 10.B2 15.2

%?PE 5.5V 9.F9V





45/91

Suaviaiento e*ponencial con auste detendencia

Cuando una tendencia est& presenteel suaviaiento e*ponencial debe ser

odi,cadoPronósticoinclu#endo JI=tL Mtendencia

Pronóstico =endenciasuaviado JtL K suaviada J=tLE*ponencialente e*ponencialente


46/91

t M αJ?t : 1L K J1 : αLJt : 1 K =t : 1L

=t

M βJt

: t : 1

L K J1 : βL=t : 1

Paso 1) Calcule t el pronóstico suaviado

e*ponencialente para el per(odo t

Paso 2) Calcule la tendencia =tPaso 3) Calcule el pronóstico inclu#endo la

tendencia

I=t M t K =t

Suaviaiento e*ponencial conauste de tendencia


47/91

Pronóstico6eanda Pronóstico =endencia Inclu#endo

%es JtL RealJ?tL Suaviado t Suaviada =t =endencia I=t1 12 11 2 13.002 1F3 20 15 29 21

F 31B 2B 3910

=able .1

Eeplo de Suaviaiento

e*ponencial con auste de tendencia


48/91


%es JtL Real J?tL Suaviado t Suaviada =t =endencia I=t1 12 11 2 13.002 1F3 20 15 29 21

F 31B 2B 3910

=able .1

2 M α?1 K J1 : αLJ1 K =1L2 M J.2LJ12L K J1 : .2LJ11 K 2L

M 2. K 10. M 12.B units

Paso 1) Pronóstico suaviado para el es




49/91


%es JtL Real J?tL Suaviado t Suaviada =t =endencia I=t1 12 11 2 13.002 1F 12.B03 20 15 29 21

F 31B 2B 39

10

=able .1

=2 M βJ2 : 1L K J1 : βL=1 =2 M J.LJ12.B : 11L K J1 : .LJ2L

M .F2 K 1.2 M 1.2 units

Paso 2) =endencia suaviada para el es




50/91


51/91


%es JtL real J?tL Suaviado t Suaviada =t =endencia I=t1 12 11 2 13.002 1F 12.B0 1.2 1.F23 20 15 29 21

F 31B 2B 3910

=able .1

15.1B 2.10 1F.2B1F.B2 2.32 20.11.1 2.23 22.122.51 2.3B 2.B

2.11 2.0F 29.1B2F.1 2.5 2.52.2B 2.32 31.9032.B 2.9B 35.19




52/91

igure .3

D D D D D D D D D

1 2 3 5 9 F B

=ie Jont/L

P r o d u c t d e a n d

35 A

30 A

25 A

20 A

15 A

10 A

5 A

0 A

6eanda Real J?tL

Pronóstico inclu#endo tendencia JI=tL

con α M 0.2 # β M 0.




53/91

Time period

V a l u e

s o f D e p e n d e

n t V a r i a b l e

igure .

Deviation1

(error)

Deviation5

Deviation7

Deviation2

Deviation

Deviation!

Deviation"

?ctual observationJ# valueL

=rend line # M a K b*W

%@todo de %(nios Cuadrados


54/91

#er$odo de Tiempo

V a l o r e s

d e l a v a r i a b l e

D e p e n d i e n t e

igure .

Deviation1

Deviation5

Deviation7

Deviation2

Deviation

Deviation!

Deviation"

;bservación realJvalor de #L

=rend line # M a K b*W

El @todo de los (nioscuadrados iniia la sua

de los cuadrados de los erroresJdesviacionesL



55/91


cuaciones para calcular las variables de regresión

b MΣ*# A n * #

Σ*2 : n*2

# M a K b*W

a M # : b*


56/91


57/91

Eeplo de %(nios Cuadrados

b M M M 10.5Σ*# : n*#

Σ*2 : n*23093 : JFLJLJB.B9L

10 : JFLJ2L

a M # : b* M B.B9 : 10.5JL M 59.F0

Per(odo de6eanda de energ(a?!o =iepo J*L El@ctrica *2 *#

1 1 F 1 F2000 2 F 15B2001 3 B0 202002 0 19 3902003 5 105 25 525200 9 12 39 B522005 F 122 B5

Σ* M 2B Σ# M 92 Σ*2 M 10 Σ*# M 3093

* M # M B.B9

+a l(nea de tendencia es)

# M 59.F0 K 10.5*W


58/91

D D D D D D D D D2001 2002 2003 200 2005 2009 200F 200B 200

190 A150 A10 A130 A

120 A110 A100 A

0 AB0 A

F0 A90 A50 A

?!o

6 e a n d a d e e n e r g ( a

+(nea de tendencia# M 59.F0 K 10.5*W

Eeplo de %(nios Cuadrados


59/91

4ariaciones estacionales en los datos

1. Encontrar la deanda /istóricaproedio de cada estación.

2. Calcular la deanda proedio de todoslos eses.

3. Calcular un (ndice estacional para cadaestación.

. Estiar la deanda total para elsiguiente a!o.

5. 6ividir esta estiación de la deandatotal entre el n7ero de estacionesdes u@s ulti licarla or el (ndice

Pasos en el proceso)

E l d I di E t i l


60/91

Eeplo de Indice Estacional

Ene B0 B5 105 0 eb F0 B5 B5 B0 %ar B0 3 B2 B5 ?br 0 5 115 100

%a# 113 125 131 123 un 110 115 120 115 ul 100 102 113 105 ?go BB 102 110 100 Sept B5 0 5 0

;ct FF FB B5 B0 ov F5 F2 B3 B0 6ic B2 FB B0 B0

6eanda Proedio Proedio Xndice%es 2005 2009 200F 2005:200F %ensual Estacional

Proedio total de la deanda anual M112B

6eanda proedio ensual M

E l d I di E t i l


61/91

Ene B0 B5 105 0 eb F0 B5 B5 B0 %ar B0 3 B2 B5

?pr 0 5 115 100 %a# 113 125 131 123

un 110 115 120 115 ul 100 102 113 105 ?ug BB 102 110 100

Sept B5 0 5 0 ;ct FF FB B5 B0 ov F5 F2 B3 B0 6ic B2 FB B0 B0

6eanda Proedio Proedio Xndice%es 2005 2009 200F 2005:200F %ensual Estacional

0.5F

Yndice Estacional M

6eanda proedio ensual 2005:200F

6eanda Proedio ensual

M 0$ M 0.5F


E l d I di E t i l


62/91

Ene B0 B5 105 0 0.5Feb F0 B5 B5 B0 0.B51%ar B0 3 B2 B5 0.0

?br 0 5 115 100 1.09%a# 113 125 131 123 1.30

un 110 115 120 115 1.223 ul 100 102 113 105 1.11F?go BB 102 110 100 1.09

Sept B5 0 5 0 0.5F;ct FF FB B5 B0 0.B51ov F5 F2 B3 B0 0.B516ic B2 FB B0 B0 0.B51

6eanda Proedio Proediio Xndice%es 2005 2009 200F 2005:200F %ensual Estacional


E l d I di E t i l


63/91

Ene B0 B5 105 0 0.5Feb F0 B5 B5 B0 0.B51%ar B0 3 B2 B5 0.0

?br 0 5 115 100 1.09%a# 113 125 131 123 1.30

un 110 115 120 115 1.223 ul 100 102 113 105 1.11F?go BB 102 110 100 1.09

Sept B5 0 5 0 0.5F;ct FF FB B5 B0 0.B51ov F5 F2 B3 B0 0.B516ic B2 FB B0 B0 0.B51

6eand ?verage ?verage Seasonal%ont/ 2005 2009 200F 2005:200F %ont/l# Inde*

6eanda anual esperada M 1200 unid

Ene * .5F M 91200

12

eb * .B51 M B5120012

Pronóstico para 200B


E l d I di E t i l


64/91

10 A

130 A

120 A

110 A

100 A

0 A

B0 AF0 A

D D D D D D D D D D D D % ? % ? S ; 6

=ie

6 e a n d

200B orecast200F 6eand

2009 6eand

2005 6eand



65/91

Caso de -plicación8 !ronóstico de 6egresión 7


66/91


rim$ Dem$ !ronóst$regresíón

ultiplicador

estacional

!ronósticoa%ustado

1 25@ 2B$1 >$@ 24@$1

2 312 3>5$A 1$>2 311$3

3 42@ 324$B 1$3> 422$A

4 2B 343$5 >$2 22$2

5 2A 3@2$3 >$@ 31>$5@ 3B 31$1 1>2 3B$

B 51B 3AA$A 1$3> 52>$

34A 41$B >$2 343$A

A 43B$5 >$@ 3B@$3

Caso de -plicación8 !ronóstico de 6egresión estacional a%ustado

'l multiplicador estacional se obtiene del

promedio de los indicadores de proporción delos trimestres correspondientes( .1?5/F2 #así sucesi"amente .

,todo para Series 'stacionales


67/91

• Se parte del /ec/o de que /a# una serie de

ultiplicadores ct donde 1

+os actores estacionales se deterinan as()• Calcular la edia de la uestra de todos los datos.

• 6ividir cada observación entre la edia de lauestra obteniendo 'actores estacionales para cadaper(odo de datos observados.

• Proediar los 'actores para periodos seeantesdentro de cada estación es decir proediar todos los'actores que corresponden al prier per(odo de unaestación # as( sucesivaente.

• +os proedios obtenidos son los N 'actoresestacionales cu#a sua debe ser igual a

•

Ing. Ricardo Serrano C. 9F

,todo para Series 'stacionales

Caso de -plicación8 !ronóstico por ,todo para


68/91

Semana 1 Semana 2 Semana 3 Semana 4

+unes 19.2 1F.3 1.9 19.1%artes 12.2 11.5 13.1 11.B

%i@rcoles 1.2 15.0 13.0 12.

ueves 1F.3 1F.9 19. 19.9

4iernes 22.5 23.5 21. 2.3

Ing. Ricardo Serrano C. 9B

Series 'stacionales

bser"ación F 0alorpromedio

0.B9 1.053 0.BB 0.B00.F3 0.F00 0.FB 0.F1B

0.B95 0.13 0.F1 0.FB5

1.503 1.0F2 1.02 1.011

1.3F0 1.31 1.333 1.F

Proedio de ;bservaciones M M 1@$425

!romedio


69/91


Caso de -plicación8 !ronóstico de 6egresiónestacional a%ustado 7 Cálculo del error

rim$ Dem$ !ronósticoa%ustado

'rror I 'rror

1 25@ 24@$1 A$A 4

2 312 311$3 >$B >

3 42@ 422$A 3$1 1

4 2B 22$2 J4$2 J1

5 2A 31>$5 J12$5 J4

@ 3B 3B$ J>$ >B 51B 52>$ $J3$ J1

34A 343$A 5$1 1

E d P ó ti


70/91

Errores de Pronóstico

'rror !romedio de!ronóstico .


71/91

Errores de Pronóstico

Des"iación edia-bsoluta .-D 7 ean-bsolute De"iation/

• Representa el proediode las desviacionesabsolutas de los erroresde pronóstico.

• Indica el error depronóstico proedio

Jsiepre positivoL

rim

Demanda .-/

!ronóstico .


72/91

Caso de -plicación• a demanda de un producto durante los 1>

trimestres anteriores son8 13>( 115( 12>(125( 115( 11>( 135( 115( 125 # 12>$

• !ronosti+ue la demanda del trimestre 11(utili*ando los siguientes m,todos

% !romedio mó"il de 3 trimestre$ % !romedio mó"il ponderado de 3 trimestres con

pesos de >$2( >$3 # >$5$

% Sua"i*ación e&ponencial con E=>$3$

% 6egresión lineal$• Calcule el -D # el sesgo para cada m,todo(

+u, signifca

• Ku, m,todo es preerible$

Ing. Ricardo Serrano C. F2


73/91

%@todos ?sociativos de Pronóstico

Es usado cuando los cabios en una o&s variables independientes puedenser utiliadas para predecir los cabios

en la variable dependiente.+a t@cnica &s co7n es elanálisis de regresión lineal.

Esta t@cnica se aplica siilar a coose /io en el eeplo de las series detiepo.

ó


74/91

Eeplo de Pronóstico ?sociativo

4entas planilla +ocalillones de [L #J\illones de [L *

2.0 13.0 32.5

2.0 22.0 13.5 F

.0 A3.0 A

2.0 A

1.0 A

D D D D D D D0 1 2 3 5 9 F

4 e n t a s

Planilla del ]rea

C(a Constructora odel renueva casas. Su voluen en[ por sus trabaos depende de la planilla del &rea. +aadinistración desea establecer una relaciónate&tica para a#udarse a predecir las ventas.


75/91

4entas # Planilla * *2 *#2.0 1 1 2.03.0 3 .02.5 19 10.02.0 2 .02.0 1 1 2.03.5 F 2.5

U# M 15.0 U* M 1B U*2 M B0 U*# M 51.5

* M U*$9 M 1B$9 M 3

# M U#$9 M 15$9 M 2.5

b M M M 0 .25U*# : n*#U*2 : n*2

51.5 : J9LJ3LJ2.5LB0 : J9LJ32L

a M # : b* M 2.5 : J.25LJ3L M 1.F5



76/91

.0 A

3.0 A

2.0 A

1.0 A

D D D D D D D0 1 2 3 5 9 F

4 e n t a s

Planilla del ^real

# M 1.F5 K 0.25*W 4entas M 1.F5 K .25JplanillaL

Si la planilla parael pró*io a!oes estiada en[9 billonesentonces)

entas M 1.F5 K .25J9Lentas M [3250000

3.25



77/91

Error est&ndar de la estiación

-n pronóstico es ustaente un puntoestiado de un valor 'uturo.

Este punto esrealente laedia de unadistribución deprobabilidad

igure .

.0 A

3.0 A

2.0 A

1.0 A

D D D D D D D0 1 2 3 5 9 F

4 e n t a s

Planilla del ?rea

3.25


78/91

Error Est&ndar de la Estiación

6onde) # M valor de # en cada datopuntual

#c M 4alor calculado de la

variable dependiente a partirde la ecuación de regresión

n M nuero de datospuntuales

S#* MUJ# : #cL2

n : 2


79/91

Esta ecuación es bastante '&cil deusar

Se usa del error est&ndar para establecer

intervalos de predicción alrededor de laestiación puntual

S#* M

U#2 : aU# : bU*#

n : 2


E E t& d d l E ti ió


80/91

.0 A

3.0 A

2.0 A

1.0 A

D D D D D D D0 1 2 3 5 9 F

4 e n t a s

Planilla del _rea

3.25

* M MU#2 : aU# : bU*#

n : 23.5 : 1.F5J15L : .25J51.5L

9 : 2

S#* M 0.309

El error est&ndar

de la estiaciónes [309000 enventas



81/91

C , i t d C l ió


82/91

Coe,ciente de Correlación

r MnΣ*# : Σ*Σ#

QnΣ*2 : JΣ*L2QnΣ#2 : JΣ#L2

El valor del coe,ciente de correlaciónr se deterina ediante lasiguiente e*presión)

Eeplos de Coe,ciente de Correlación


83/91

Eeplos de Coe,ciente de Correlación

#

*JaL Correlaciónpositivaper'ecta)r M K1

#

*JbL Correlaciónpositiva)0 r 1

#

*JcL o /a#correlación)r M 0

#

*JdL Correlaciónnegativa per'ecta)


84/91

Coe,ciente o' 6eterinación r2ide el porcentae de cabio en elpronóstico debido al cabio en el

valor de *Rango de valores entre 0 # 1&cil de interpretar

Para el eeplo)r M .01

r2 M .B1

Coe,ciente de Correlación


85/91

?n&lisis de Regresión %7ltiple

Si &s de una variable independiente va aser usada en el odelo la regresión linealpuede ser e*tendida a regresión ultiple

para acoodar algunas variablesindependientes# M a K b1*1 K b2*2

W

Su uso es as copleo #generalente los c&lculos son

/ec/os con coputadoras.


86/91

# M 1.B0 K .30*1 : 5.0*2W

En el caso de la copa!(a odelinclu#endo la tasa de inter@s el odelo dauna nueva ecuación de pronóstico)

-n coe,ciente de correlación eorado der M 0.9 signi,ca que este nuevo odelo/ace un eor trabao de pronosticar loscabios de ventas en la construcción alincluir las tasas de inter@s.

4entas M 1.B0 K .30J9L : 5.0J.12L M 3.004entas M [3000000

?n&lisis de Regresión %ultiple


87/91

Es una edida de qu@ tan bien predicen lospronósticos los valores reales.

Se calcula coo la relación de la sua continuade errores del pronóstico JRunning su o''orecast errors : RSEL entre la desviaciónabsoluta edia Jean absolute deviation :

%?6L \uena se!al de control tiene valores baos. Si /a# una tendencia consistente de los

pronósticos a ser a#ores o enores que

los valores reales JRSE altaL /a# un error

%onitoreo # Control de Pronósticos

Se!al de Control


88/91


89/91

Se!al de Control

Se!al de controlK

0 %?6s

A

+(ite superior de control

+(ite in'erior de control

=iepo

+a se!al e*cedió el l(ite

Intervaloaceptado


90/91

Eeplo de se!al de controlError

Error absoluto6eanda 6eanda ?bsoluto acuulado

=ri real Pronost. Error RSE de Pronostdel pronost%?6

1 0 100 :10 :10 10 10 10.0

2 5 100 :5 :15 5 15 F.53 115 100 K15 0 15 30 10.0 100 110 :10 :10 10 0 10.05 125 110 K15 K5 15 55 11.0

9 10 110 K30 K35 30 B5 1.2


91/91

Eeplo de se!al de controlError

Error absoluto6eanda 6eanda ?bsoluto acuulado

=ri real Pornost. Error RSE del Pronostdel pronost%?6

1 0 100 :10 :10 10 10 10.0

2 5 100 :5 :15 5 15 F.53 115 100 K15 0 15 30 10.0 100 110 :10 :10 10 0 10.05 125 110 K15 K5 15 55 11.0

9 10 110 K30 K35 30 B5 1.2

Se!al de ControlJRSE$%?6L

:10$10 M :1:15$F.5 M :2

0$10 M 0:10$10 M :1

K5$11 M K0.5

K35$1.2 M K2.5

+a variación de la se!al de control oscila entre2 0 # K2 5 est& dentro de los l(ites

Documents

Forecasting Spanish