Documente Academic
Documente Profesional
Documente Cultură
Arte y ciencia de
predecir
acontecimientos Vender 200
futuros. millones de
pesos!
5
La influencia del ciclo de vida del
producto
mercado Fax
Disquetes
Restaurantes para de 3 1/2
CD-ROM comer en el coche
Ventas
Impresoras a Internet Furgoneta
s
color
HDTV
7
Tipos de pronsticos
Pronsticos econmicos:
Dirigidos al ciclo empresarial, por ejemplo, las
tasas de inflacin, la masa monetaria, etc.
Pronsticos tecnolgicos:
Predicen el progreso tecnolgico.
Predicen el nacimiento de nuevas ventas.
Pronsticos de demanda:
Predicen las ventas ya existentes.
8
Siete etapas en el sistema de pronstico
Lnea de
demanda
actual
Demanda
media en
Variacin cuatro aos
aleatoria
35
Media mvil ponderada
Demanda de ventas
30 Ventas reales
25
20
15
10 Media mvil
5
0
Ene.Feb. Mar. Abr. May. Jun. Jul. Ago.Sep. Oct. Nov. Dic.
Mes
11
Realidades sobre el pronstico
16
Mtodo Delphi
Proceso de grupo
iterativo. Los que toman
3 tipos de participantes: decisiones
Personal de (Ventas?)
Los que toman
plantilla (Habr 50 ventas)
decisiones.
(Qu ventas
El personal de habr?
plantilla. cuestionarios)
Los que responden.
Reduce el Los que responden
pensamiento en (Habr 45, 50, 55 ventas)
grupo.
17
Estudio de mercado
v Preguntar a los
consumidores sobre Cuntas horas utilizar
Internet la prxima semana?
sus futuros planes de
compra.
v Lo que dicen los
consumidores y lo
que luego hacen
suele diferir.
v A veces es difcil 1995 Corel
preguntas del
estudio.
18
Visin global de los mtodos cuantitativos
Enfoque simple
Modelos de series
Medias mviles temporales
Alisado exponencial
Proyeccin de tendencia
Modelos
Regresin lineal asociativos
19
Mtodos de pronstico cuantitativos
(no simples)
Pronstico
cuantitativo
20
Qu son las series temporales?
Tendencia Ciclos
Estacionalidad Variaciones
aleatorias
22
Tendencia
Respuesta
Verano
Respuesta
1984-1994 T/Maker Co.
Mes, trimestre
24
Ciclos
Ciclo
Respuesta
Mes, trimestre, ao
25
Variaciones aleatorias
Huelga.
Maremoto.
26
Modelos de series temporales
Modelo multiplicativo:
Yi = Ti x Si x Ci x Ri (si los datos son
mensuales o trimestrales).
T: tendencia; S: estacionalidad; C: ciclos; R: variaciones aleatorias
Modelo aditivo:
Yi = Ti + Si + Ci + Ri (si los datos son
mensuales o trimestrales).
27
Enfoque simple
28
Medias mviles
MM =
demanda de n periodos previos
n
Atn + Atn+1 +!+ At1
MM =
29 n
Ejemplo de media mvil
31
Solucin de la media mvil
32
Solucin de la media mvil
33
Grfico de la media mvil
7
Ventas reales
5
Ventas
Pronstico
4
0
1995 1996 1997 1998 1999 2000
34
Para la demanda de los doce periodos presentados en la siguiente
tabla determinar el pronstico de promedio mvil de tres periodos
Prons8co
de
promedio
Periodo
Demanda
mvil
de
tres
periodos
1
24
2
26
Promedio mvil de tres periodos
3
22
35
4
25
24,0
30
Unidades
5
19
24,3
25
20 Demanda
6
31
22,0
15
7
26
25,0
10
8
18
25,3
Promedio
5
9
29
25,0
mvil de tres
0
periodos
10
24
24,3
1 2 3 4 5 6 7 8 9 10 11 12 13
11
30
23,7
Periodo
12
23
27,7
13
25,7
Prons8co
de
promedio
Periodo
Demanda
mvil
de
tres
periodos
1
13
Promedio mvil de una tendencia
2
15
60
3
18
50
4
22
15,3
Unidades
40
5
27
18,3
6
31
22,3
30
Demanda
7
36
26,7
20
Pronstico
8
41
31,3
10
9
45
36,0
0
1 2 3 4 5 6 7 8 9 10 11 12
10
52
40,7
11
57
46,0
Periodo
12
51,3
Cada uno de los pesos (W) es menor a uno, pero su suma total debe ser
37 equivalente a 1.
Demanda actual, media mvil y media
mvil ponderada
35
Media mvil ponderada
30
Ventas reales
Demanda de ventas
25
20
15
10
5 Media mvil
c
o.
l.
r.
v.
b.
n.
y.
t.
r.
e.
p.
Di
Ju
Ma
Oc
Ab
No
Ma
Ag
En
Fe
Ju
Se Mes
38
Ejemplo: Tomando los mismos puntos de datos que en el primer
ejemplo (los puntos de datos de promedios mviles de tres periodos),
aplicando un promedio mvil ponderado, con pesos de 0,5, 0,3 y 0,2
(con el peso 0,5 aplicado a la informacin de la demanda ms reciente)
Unidades
20 Demanda
7
26
26,2
15
8
18
26,1
10 Promedio
ponderado de
9
29
23,0
5 tres periodos
10
24
25,1
0
1 2 3 4 5 6 7 8 9 10 11 12 13
11
30
24,3
Periodos
12
23
28,0
13
25,3
30
25
Unidades
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodos
40
Inconvenientes de los mtodos de media
mvil
Al aumentar n veces, las
previsiones son menos
sensibles a los cambios.
41
Alisado exponencial
43
Ejemplo de alisado exponencial
1995 180
1996 168
1997 159
1998 175
1999 190
44
Solucin del alisado exponencial
45
Solucin del alisado exponencial
46
Solucin del alisado exponencial
Ft = Ft-1 + (At-1 - Ft-1)
Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 -
1997 159
1998 175
1999 190
2000 ND
47
Solucin del alisado exponencial
Ft = Ft-1 + (At-1 - Ft-1)
Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00)
1997 159
1998 175
1999 190
2000 ND
48
Solucin del alisado exponencial
49
Solucin del alisado exponencial
50
Solucin del alisado exponencial
51
Solucin del alisado exponencial
52
Solucin del alisado exponencial
53
Grfico del alisado exponencial
170
165
160
155
150
145
140
1995 1996 1997 1998 1999 2000
Ao
Real Prontico
54
Ejemplo de alisado exponencial
Para la siguiente demanda del producto XX, determine la demanda para
el periodo 13, considerando el alisado exponencial con = 0,2, 0,5 y 0,8
Suavizado
exponencial
Periodo
Demanda
=
0,2
1
24
Suavisado exponencial
2
26
25
35
30
Unidades
3
22
25
4
25
24,4
20
5
19
24,5
15
10
6
31
23,4
5
7
26
24,9
0
8
18
25,1
1 2 3 4 5 6 7 8 9 10 11 12 13
9
29
23,7
Periodo
10
24
24,8
11
30
24,6
Demanda Suavizado exponencial = 0,2
12
23
25,7
13
25,2
55
Ejemplo de alisado exponencial
Suavizado
Periodo
Demanda
exponencial
=
0,5
1
24
Suavisado exponencial
2
26
25
35
3
22
30
Unidades
4
25
23,5
25
5
19
24,3
20
6
31
21,6
15
7
26
26,3
10
8
18
26,2
5
9
29
22,1
0
1 2 3 4 5 6 7 8 9 10 11 12 13
10
24
25,5
11
30
24,8
Periodo
12
23
27,4
Demanda Suavizado exponencial = 0,5
13
25,2
56
Ejemplo de alisado exponencial
Suavizado
Periodo
Demanda
exponencial
=
0,8
1
24
Suavisado exponencial
2
26
25
35
3
22
30
Unidades
4
25
22,6
25
5
19
24,5
20
6
31
20,1
15
7
26
28,8
10
8
18
26,6
5
9
29
19,7
0
10
24
27,1
1 2 3 4 5 6 7 8 9 10 11 12 13
11
30
24,6
Periodo
12
23
28,9
Demanda Suavizado exponencial = 0,8
13
24,2
57
Ejemplo de alisado exponencial
Suavizado exponencial
35
30
25
Unidades
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodo
58
Efectos del pronstico de la constante de
alisado
Ponderaciones
= 0,10 10%
= 0,90
59
Efectos del pronstico de la constante de
alisado
Ponderaciones
= 0,10 10% 9%
= 0,90
60
Efectos del pronstico de la constante de
alisado
Ponderaciones
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
= 0,90
61
Efectos del pronstico de la constante de
alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
= 0,90 90%
62
Efectos del pronstico de la constante de
alisado
Ponderaciones
= 0,90 90% 9%
63
Efectos del pronstico de la constante de
alisado
Ponderaciones
(1 - )2
= 0,10 10% 9% 8,1%
64
Si se selecciona
Entonces:
errores de pronstico
DAM =
n
65
Alisado exponencial con ajuste de tendencia
PITt = Ft + Tt
66
Alisado exponencial con ajuste de tendencia
67
Alisado exponencial con ajuste de tendencia
68
Ejemplo de alisado exponencial con
ajuste de tendencia
Demanda
real
Mes
(t)
At
Ene
12
Feb
17
Mar
20
Abr
19
May
24
Jun
21
Jul
31
Ago
28
Sep
36
Oct
Ene
12
11
2
Feb
17
12,80
1,92
14,72
Mar
20
15,18
2,10
17,28
Abr
19
17,82
2,32
20,14
May
24
19,91
2,23
22,14
Jun
21
22,51
2,38
24,89
Jul
31
24,11
2,07
26,18
Ago
28
27,14
2,45
29,59
Sep
36
29,28
2,32
31,60
Oct
32,48
2,68
35,16
30
25
20
15
10
5
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct
Tiempo (mes)
70
Comparacin de pronsticos
Pronstico con Tendencia
40
35
Demanda del producto
30
25
20
15
10
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct
Tiempo (mes)
71
Proyecciones de Tendencias
Observacin Desviacin
real (valor y)
Desviacin Desviacin
(valores y)
Desviacin
Desviacin Punto en
la lnea
Desviacin de
Desviacin tendencia
(error)
y = a + bx
Periodo de tiempo
73
Anlisis de regresin lineal
Ecuacin: yi = a + bxi
n
x i y i nx y
Pendiente: b = i =1n
x i2 nx 2
i =1
2 2
Xi Yi Xi Yi X iY i
2 2
X1 Y1 X1 Y1 X 1Y 1
2 2
X2 Y2 X2 Y2 X 2Y 2
: : : : :
2 2
Xn Yn Xn Yn X nY n
2 2
X i Yi Xi Y i X iY i
76
Modelo del anlisis de regresin lineal
Y!i = a + bX i
b>0
a
b<0
a
Modelo de pronstico del anlisis de
regresin lineal
La demanda de energa elctrica a lo largo del periodo
2008 2014 se muestra en la siguiente tabla, en
megavatios. Realizar un pronstico de la demanda del ao
2015, ajustando los datos a una tendencia de lnea recta.
Ao Demanda de energa
elctrica
2008 74
2009 79
2010 80
2011 90
2012 105
2013 142
2014 122
2015
78
Con serie de datos a lo largo del tiempo, se transforma los valores de x
(tiempo), designando a 2008 como ao 1, a 2009 como ao 2, y as
sucesivamente
Periodo)de) Demanda)de)
Ao tiempo)(x) energa)elctrica)(y) x2 xy
2008 1 74 1 74
2009 2 79 4 158
2010 3 80 9 240
2011 4 90 16 360
2012 5 105 25 525
2013 6 142 36 852
2014 7 122 49 854
x)=) 28 y)=) 692 x )=)140
2
xy)=) 3.063
x 28 y 692
x= = =4 y = = = 98,86
n 7 n 7
xy nxy 3.063 (7)(4)(98,86) 295
b= 2 2
= 2
= = 10, 54
x nx 140 (7)(4 ) 28
y = 56, 70 +10,54x
La demanda proyectada para 2015, considerando este ao como x=8 es:
140
Demanda de energa
120
100
80
60
40
20
0
2008 2009 2010 2011 2012 2013 2014 2015 2016
Ao
Demanda Energa Tendencia de Energa
Modelo estacional multiplicativo
84
Modelo de regresin lineal
^
Yi = a + b X i
Variable dependiente Variable
independiente
85
Modelo de regresin lineal
Y Yi = a + b X i + Error
Error
Lnea de
tendencia
Y^i = a + b X i
X
Valor
observado
Interpretacin de los coeficientes
Pendiente (b):
El clculo de Y vara en b cada unidad extra
en X.
Si b = 2, entonces las ventas (Y) aumentarn en
2 por cada unidad extra en publicidad (X).
87
Variacin de los errores aleatorios
88
Error estndar de la desviacin
n
(yi yi )2
S y,x = i =1
n2
n 2 n n
yi a yi b x i yi
= i =1 i =1 i =1
n2
89
Suposiciones de los mnimos cuadrados
n n n
n x i yi x i yi
r= i =1 i =1 i =1
n 2 n 2 n 2 n 2
n x i x i n y i y i
i =1 i =1 i =1 i =1
91
Valores del coeficiente de correlacin
Correlacin Correlacin
negativa Sin positiva
perfecta correlacin perfecta
Aumento de la Aumento de la
correlacin negativa correlacin positiva
Coeficiente de correlacin y modelo de
regresin
Y r=1 Y r = -1
^= a +b X
Yi i
^= a +b X
Yi i
X X
Y r = 0,89 Y r=0
^= a +b X
Y ^=a +b X
Y
i i i i
X X
93
Gua para elegir el modelo de pronstico
94
Diagrama de dispersin
Tendencia no
totalmente Conducta deseada
justificada
Error Error
0 0
96
Ecuaciones del error de pronstico
97
Ejemplo de seleccin del modelo de pronstico
Pronstico del
Pronstico alisado
Ventas del modelo exponencial
Ao reales lineal (0,9)
1995 1 0,6 1,0
1996 1 1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
1999 4 3,4 3,8
98
Evaluacin del modelo lineal
^
Ao Yi Yi Error Error2 |Error|
1992 1 0,6 0,4 0,16 0,4
1993 1 1,3 -0,3 0,09 0,3
1994 2 2,0 0,0 0,00 0,0
1995 2 2,7 -0,7 0,49 0,7
1996 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Error2 / n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
99
Evaluacin del modelo de alisado exponencial
^
Ao Yi Yi Error Error2 |Error|
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Error2 / n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
100
Evaluacin del modelo de alisado exponencial
Modelo lineal:
101
Seal de rastreo
SAEP
Seal de rastreo =
DAM
n
(y i - y i )
= i =1
DAM
= errores de pronstico
DAM
103
Clculo de la seal de rastreo
1 100 90
2 100 95
3 100 115
4 100 100
5 100 125
6 100 140
104
Clculo de la seal de rastreo
1 100 90 -10
2 100 95
3 100 115 Error = Real - pronstico
= 90 - 100 = -10
4 100 100
5 100 125
6 100 140
105
Clculo de la seal de rastreo
106
Clculo de la seal de rastreo
107
Clculo de la seal de rastreo
108
Clculo de la seal de rastreo
109
Clculo de la seal de rastreo
110
Clculo de la seal de rastreo
111
Clculo de la seal de rastreo
112
Clculo de la seal de rastreo
113
Clculo de la seal de rastreo
114
Clculo de la seal de rastreo
115
Clculo de la seal de rastreo
116
Representacin de una seal de rastreo
0
Intervalo aceptable
-
Lmite de control
inferior
Tiempo
117
Seales de rastreo
160 3
140 pronstico
2
Seal de rastreo
120
Demanda real
100 1
80 0
Demanda real
60 -1
Seal de rastreo
40
20 -2
0 -3
0 2 4 6 8
Tiempo
118
Pronstico en el sector servicios
119
Pronstico de ventas por hora en un restaurante
de comida rpida
20
segn hora del da %
Porcentaje de venta
15
10
0
+11-12 +1-2 +3-4 +5-6 +7-8 +9-10
11-12 12-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11
(Hora de almuerzo) (Hora de la cena)
Hora del da
120
Problema de aplicacin
121
Problema de aplicacin
Periodo
Demanda
x2
y2
xy
1
127
1
16129
127
2
113
4
12769
226
3
121
9
14641
363
4
123
16
15129
492
5
117
25
13689
585
6
109
36
11881
654
7
131
49
17161
917
8
115
64
13225
920
9
127
81
16129
1143
10
118
100
13924
1180
Suma=
55
1201
385
144677
6607
5,5
b=
0,018181818
120,1
a=
120
122
Problema de aplicacin
123
Problema de aplicacin
Periodo
Demanda
PM
3
Meses
Error
ABS
PMP
3
Meses
Error
ABS
Suav.
Exp.
Error
ABS
Regresin
Error
ABS
1
127
115
120,0
2
113
118,6
120,0
3
121
116,9
120,1
4
123
120,3
2,7
2,7
119,8
3,2
3,2
118,1
4,9
4,9
120,1
2,9
2,9
5
117
119,0
-2,0
2,0
120,4
-3,4
3,4
119,6
-2,6
2,6
120,1
-3,1
3,1
6
109
120,3
-11,3
11,3
119,6
-10,6
10,6
118,8
-9,8
9,8
120,1
-11,1
11,1
7
131
116,3
14,7
14,7
114,2
16,8
16,8
115,9
15,1
15,1
120,1
10,9
10,9
8
115
119,0
-4,0
4,0
121,6
-6,6
6,6
120,4
-5,4
5,4
120,1
-5,1
5,1
9
127
118,3
8,7
8,7
118,6
8,4
8,4
118,8
8,2
8,2
120,2
6,8
6,8
10
118
124,3
-6,3
6,3
124,2
-6,2
6,2
121,3
-3,3
3,3
120,2
-2,2
2,2
11
120,0
120,1
120,3
120,2
Suma=
2,3
49,7
1,6
55,2
7,1
49,3
-0,9
42,2
Suma/n=
0,3
7,1
0,2
7,9
1,0
7,0
-0,1
6,0
Mtodo MAD
Promedio mvil de 3 meses 7,1
Promedio mvil ponderado de 3 meses 7,9
Suavizacin exponencial 7,0
Regresin lineal 6,0
124