MANUAL DE PRONOSTICOS

ADMINISTRACION DE LA PRODUCCION

PRESENTADO POR
LUIS EDIRADO RODRIGUEZ HURTADO
20131001038

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

FACILTAD DE MEDIO AMBIENTE Y RECURSOS NATURALES
ADMINISTRACION DEPORTIVA
BOGOT
2016
CONTENIDO
1. Promedio Simple
2. Promedio Mvil
3. Promedio Ponderado
4. Suavizacin Exponencial
5. Errores de pronostico
6. Regresin Lineal (Tiempo)
7. Regresin Lineal (Causal)
8. Regresin con ajuste estacional
Promedio simple
El mtodo de pronstico simple, consiste en atenuar los datos al obtener la
media aritmtica de cierto nmero de datos histricos para obtener con este el
pronstico para el siguiente perodo. El nmero de datos a tener en cuenta para
calcular el promedio es una decisin del equipo de planeacin que realiza el
pronstico.
Cundo utilizar un pronstico de promedio simple?
Un pronstico de promedio simple es el ms sencillo de los mtodos de
pronstico estndar. Este mtodo es ptimo para patrones de demanda
aleatorios o nivelados sin elementos estacionales o de tendencia.
Promedio mvil
El mtodo de pronstico mvil simple se utiliza cuando se quiere dar ms
importancia a conjuntos de datos ms recientes para obtener la previsin. Cada
punto de una media mvil de una serie temporal es la media aritmtica de un
nmero de puntos consecutivos de la serie, donde el nmero de puntos es
elegido de tal manera que los efectos estacionales y / o irregulares sean
eliminados.
Cundo utilizar un pronstico de promedio mvil?
El pronstico de promedio mvil es ptimo para patrones de demanda
aleatoria o nivelada donde se pretende eliminar el impacto de los elementos
irregulares histricos mediante un enfoque en perodos de demanda reciente.

Produccion de Pinpones ao 2015

Venta MMS MMS
Mes s (K=2) (K=4)
 Enero 2564 N/A N/A
Febrero 1258 N/A N/A
Marzo 2365 1911 N/A
Abril 2169 1811,5 N/A
Mayo 1489 2267
Junio 1254 1829
Julio 1479 1371,5
Agosto 1269 1366,5
Septiembre 1450 1374
Octubre 1230 1359,5
Noviembre 1458 1340
Diciembre 8521 1344

Promedio mvil ponderado

Este mtodo de pronstico es una variacin del promedio mvil. Mientras,
en el promedio mvil simple se le asigna igual importancia a cada uno de los
datos que componen dicho promedio, en el promedio mvil
ponderado podemos asignar cualquier importancia (peso) a cualquier dato del
promedio (siempre que la sumatoria de las ponderaciones sean equivalentes al
100%). Es una prctica regular aplicar el factor de ponderacin (porcentaje)
mayor al dato ms reciente.
Cundo utilizar un pronstico de promedio mvil ponderado?
El pronstico de promedio mvil ponderado es ptimo para patrones de
demanda aleatorios o nivelados donde se pretende eliminar el impacto de los
elementos irregulares histricos mediante un enfoque en perodos de demanda
reciente, dicho enfoque es superior al del promedio mvil simple.
 Produccin de Pimpones ao 2015
Mes Ventas PRONOSTICO
Enero 2564 PMP (K=2)
Febrero 1258
Marzo 2365 1649,8
Abril 2169 2032,9
Mayo 1489 2227,8
Junio 1254 1693
Julio 1479 1324,5
Agosto 1269 1411,5
Septiembre 1450 1332
Octubre 1230 1395,7
Noviembre 1458 1296
Diciembre 8521 1389,6
Suavizacin exponencial
El mtodo de suavizacin o suavizamiento exponencial simple puede
considerarse como una evolucin del mtodo de promedio mvil ponderado,
en ste caso se calcula el promedio de una serie de tiempo con un mecanismo
de autocorreccin que busca ajustar los pronsticos en direccin opuesta a las
desviaciones del pasado mediante una correccin que se ve afectada por un
coeficiente de suavizacin.
As entonces, este modelo de pronstico precisa tan slo de tres tipos de datos:
el pronstico del ltimo perodo, la demanda del ltimo perodo y el
coeficiente de suavizacin.
Cundo utilizar un pronstico de suavizacin exponencial simple?
El pronstico de suavizacin exponencial simple es ptimo para patrones de
demanda aleatorios o nivelados donde se pretende eliminar el impacto de los
elementos irregulares histricos mediante un enfoque en perodos de demanda
reciente, este posee una ventaja sobre el modelo de promedio mvil ponderado
ya que no requiere de una gran cantidad de perodos y de ponderaciones para
lograr ptimos resultados.
Ejemplo
PERIODO DEMANDA 2/(12+1)
Enero 150
Febrero 200
Marzo 178
Abril 321 Para hallar la constante de suavizacin
Mayo 289 ubique una casilla donde desee obtener
Junio 300 el resultado, en este caso ser la casilla
Julio 301 inserte la funcin: 2/(12+1).
Agosto 192
Septiembre 198
Octubre 209
Noviembre 211
Diciembre 222
 En este caso para hallar el
primer pronstico
correspondiente al mes de
Enero se utilizara el promedio
de la demanda, ya que se
cuenta con los datos del
periodo anterior. Ubique la
casilla correspondiente (C3) e
inserte la funcin:
=PROMEDIO (B3:B14), de
enter y obtendr el resultado.

Ahora seleccione la casilla

correspondiente al pronstico del
periodo de Febrero. Inserte la
funcin: =C3+($C$1*(B3-C3)),
cuyos valores corresponden al
pronstico del periodo anterior +
(constante de suavizacin
*(demanda real del periodo anterior

Es importante fijar la celda de la constante de suavizacin, para que esta no se

modifique posteriormente. Para ello rodee la letra de la casilla con el signo $,
as: $C$1.
 Una vez obtenido el pronstico de
Febrero, pique la celda y arrstrela
para obtener los pronsticos de los
meses restantes.

Errores de pronostico
Tcnicas para evaluar los modelos de pronstico, y sus estimaciones
EP (Error de pronstico) = DT-PT

Agregue una columna para

hallar el EP para cada una de
las estimaciones, luego
introduzca la siguiente
funcin: =B3-C3; que
correspondientes a la
demanda real - pronostico.
Posteriormente arrastre la
casilla hasta el ltimo
registro.

EP: Error de
Error absoluto de pronstico = IDt - PtI
Ahora agregue otra columna para hallar el EAP, ubquese en la casilla
correspondiente al primer pronostico e inserte la funcin: =ABS(B3-C3); la
cual devuelve el valor absoluto del EP.

Arrastra la
celda inicial
para copiar la
formula en
todas las
casillas

Error cuadrado de pronstico (Dt - Pt)2

 Ahora agregue otra columna
para hallar el ECP, ubquese
en la casilla correspondiente
al primer pronostico e inserte
la funcin: =(B3-C3)^2.

0,15
PERIOD DEMAN SUAVI.
O DA EXP EP EAP ECP
Enero 150 231 -81 81 6548
Febrero 200 218 -18 18 341 Arrastra la
Marzo 178 216 -38 38 1416 celda inicial
1235 para copiar la
Abril 321 210 111 111 7
Mayo 289 227 62 62 3851 formula en
Junio 300 236 64 64 4034 todas las
Julio 301 246 55 55 2997 casillas
Agosto 192 255 -63 63 3929
Septiem
bre 198 245 -47 47 2213
Octubre 209 238 -29 29 829
Noviemb
re 211 233 -22 22 500
Diciemb
re 222 230 -8 8 63
REGRESIN LINEAL
El modelo de pronstico de regresin lineal permite hallar el valor
esperado de una variable aleatoria a cuando b toma un valor especfico. La
aplicacin de este mtodo implica un supuesto de linealidad cuando la
demanda presenta un comportamiento creciente o decreciente, por tal razn, se
hace indispensable que previo a la seleccin de este mtodo exista un anlisis
de regresin que determine la intensidad de las relaciones entre las variables
que componen el modelo.
Cundo utilizar un pronstico de regresin lineal?

El pronstico de regresin lineal simple es un modelo ptimo para patrones

de demanda con tendencia (creciente o decreciente), es decir, patrones que
presenten una relacin de linealidad entre la demanda y el tiempo.

Existen medidas de la intensidad de la relacin que presentan las variables que

son fundamentales para determinar en qu momento es conveniente utilizar
regresin lineal.
Anlisis de regresin

El objetivo de un anlisis de regresin es determinar la relacin que

existe entre una variable dependiente y una o ms variables
independientes. Para poder realizar esta relacin, se debe postular
una relacin funcional entre las variables. Cuando se trata de una
variable independiente, la forma funcional que ms se utiliza en la
prctica es la relacin lineal. El anlisis de regresin entonces
determina la intensidad entre las variables a travs de coeficientes de
correlacin y determinacin.

Coeficiente de correlacin [r]

El coeficiente de correlacin, comnmente identificado como r o R , es

una medida de asociacin entre las variables aleatorias X y Y, cuyo
valor vara entre -1 y +1.

Ejemplo
ALTURA
DATOS (X) PESO (Y) XY X*X Paso 1
1 171 70 11970 29241
2 201 80,4 16160,4 40401 Debemos crear una tabla con
3 162 60 9720 26244 datos ordenados (x, y) y
4 173 69,2 11971,6 29929 adicionalmente crear dos
5 189 75,6 14288,4 35721
columnas con las siguientes
6 160 64 10240 25600
7 203 81,2 16483,6 41209
ecuaciones
1: X*Y
2: X^2
 8 164 67 10988 26896
9 162 64,8 10497,6 26244
10 160 64 10240 25600
Total 1745 696,2 122559,6 307085

Paso 2

Luego para hallar b debemos escribir

en la casilla correspondiente la
siguiente formula :
=(((A11*D12)-(B12*C12))/
((A11*E12)-(B12*B12)))
 Luego para hallar a
debemos escribir en la
casilla correspondiente la
siguiente formula:
=(C13)-B15*(B13)
Nota: hay que tener presente
dos casillas nuevas que son

Paso3
Regresin con ajuste estacional
Como se haba mencionado antes, una serie de datos la podemos separar en
sus componentes bsicos, para poder hacer el pronstico. Entonces, si la
serie tiene un componente de tendencia (en la vida real, la mayora de series
tienen componente de tendencia), entonces por medio de una simple ecuacin
de primer grado que interrelacione estos dos datos, ya tendramos esta
tendencia. Pero normalmente este tipo de series, tambin tienen un
componente estacional, es decir, hay picos y depresiones de demanda en
intervalos regulares de tiempo: en diciembre las ventas suben, por el espritu
navideo, en mayo cuando se da el regalo a las madres, y as, entonces aqu
nos proponemos a formular una alternativa de pronstico para este tipo de
casos:
Tomamos el primer mes de cada semestre y sacamos un promedio
Luego se divide el promedio por semestre por el promedio general de la
columna de la variable Y