Objetivos de la sesin:

-Observa, identifica, soluciona e interpreta los resultados y compara las

caractersticas de los diferentes mtodos de pronsticos.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 1

 Arte y ciencia de predecir eventos futuros.
Los buenos pronsticos son de
importancia crucial para todos los ??
aspectos del negocio: El pronstico es la
nica estimacin de la demanda hasta que
se conoce la demanda real. Por lo tanto,
los pronsticos de la demanda guan las
decisiones en muchas reas.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 2

 Pronstico a corto plazo
Pronstico a mediano plazo
Pronstico a largo plazo.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 3

 Otro factor que debe considerarse cuando se desarrollan pronsticos
de ventas, en especial los largos, es el ciclo de vida del producto. Los
productos, e incluso los servicios, no se venden a un nivel constante a
lo largo de su vida. Los productos ms exitosos pasan por cuatro
etapas: (1) introduccin; (2) crecimiento; (3) madurez, y (4)
declinacin.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 4

 Introduccin Crecimiento Madurez Declinacin

CICLO DE VIDA DE LA EMPRESA

Lic. Adm. Martin Romeo Yurivilca Oscanoa 5

 Los pronsticos econmicos
Los pronsticos tecnolgicos
Los pronsticos de la demanda son proyecciones de la demanda de
productos o servicios de una compaa. Estos pronsticos, tambin
llamados pronsticos de ventas, orientan la produccin, la capacidad
y los sistemas de programacin de la empresa, y sirven como
entradas en la planeacin financiera, de marketing y de personal.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 6

 Determinar el uso del pronstico
Seleccionar los aspectos que se deben pronosticar
Determinar el horizonte de tiempo del pronstico
Seleccionar los modelos de pronstico
Recopilar los datos necesarios para elaborar el pronstico
Realizar el pronstico
Validar e implementar los resultados

Lic. Adm. Martin Romeo Yurivilca Oscanoa 7

1. Los pronsticos casi nunca son perfectos. Esto significa que factores
externos no predecibles o controlables suelen afectar el pronstico. Las
compaas deben admitir esta realidad.
2. La mayora de las tcnicas de pronstico suponen la existencia de cierta
estabilidad subyacente en el sistema. En consecuencia, algunas empresas
automatizan sus predicciones a travs de software para pronsticos
computarizados y despus slo vigilan de cerca aquellos productos cuya
demanda es errtica.
3. Tanto los pronsticos de familias de productos como los de productos
agregados son ms precisos que los pronsticos para productos individuales.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 8

 Pronsticos cuantitativos
Pronsticos que emplean uno o ms modelos matemticos basados en
datos histricos y/o en variables causales para pronosticar la demanda.
Pronsticos cualitativos
Pronsticos que incorporan factores como la intuicin, las emociones,
las experiencias personales y el sistema de valores de quien toma las
decisiones.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 9

 MODELOS DE
PRONOSTICOS

MTODOS SERIES DE TIEMPO MODELOS

CUALITATIVOS CAUSALES

PROYECCIN ENFOQUE ANLISIS DE

FUNDAMENTAL INTUITIVO REGRESIN

INVESTIGACIN DE PROMEDIOS REGRESIN

MERCADO MOVILES MLTIPLE

CONCENSO DE SUAVIZAMIENTO
GRUPO EXPONENCIAL

ANALOGA
PROYECCIN DE
HISTRICA
TENDENCIAS
MTODO DELPHI

Lic. Adm. Martin Romeo Yurivilca Oscanoa 10

 CUALITATIVA.- Subjetiva, de juicio.
Basada en clculos y opiniones

PROYECCION FUNDAMENTAL
Se deriva una proyeccin compilando la informacin de aquellos que se
encuentran al final de la jerarqua, quienes tratan con lo que est
siendo proyectado. Por ejemplo, una proyeccin de las ventas generales
puede derivarse combinando las informaciones de cada vendedor,
quin est ms cerca de su propio territorio.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 11

 INVESTIGACIN DE MERCADO
Se recopilan datos de varias maneras (encuestas, entrevistas, etc.) para
probar hiptesis sobre el mercado. Esto se utiliza tpicamente para
proyectar ventas de largo alcance y de nuevos productos.

CONCENSO DE GRUPO
Intercambio abierto y libre durante las reuniones. La idea es que los
debates en grupo producen mejores proyecciones que las que se
obtienen a nivel individual. Los participantes pueden ser ejecutivos,
vendedores y clientes.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 12

 ANALOGA HISTRICA
Lo que se est proyectando se vincula con un artculo similar. Es importante
en la planeacin de nuevos productos en donde se puede derivar una
proyeccin mediante el uso de la historia de un producto similar.

MTODO DELPHI
Un grupo de expertos responde a un cuestionario. Un moderador compila los
resultados y formula un nuevo cuestionario que es sometido al grupo. De
esta manera se realiza un proceso de aprendizaje para el grupo en la medida
en que ste recibe nueva informacin y no existe influencia por presiones del
grupo o por individuos dominantes

Lic. Adm. Martin Romeo Yurivilca Oscanoa 13

1. Enfoque intuitivo
2. Promedios mviles Modelos de series de tiempo
3. Suavizamiento exponencial
4. Proyeccin de tendencias
Modelo asociativo
5. Regresin lineal

Lic. Adm. Martin Romeo Yurivilca Oscanoa 14

 Modelos de series de tiempo Los modelos de series de tiempo
predicen bajo el supuesto de que el futuro es una funcin del pasado.
Modelos asociativos Los modelos asociativos, como la regresin
lineal, incorporan las variables o los factores que pueden influir en la
cantidad por pronosticar.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 15

Tendencia Ciclo

Estacionalidad Variaciones
aleatorias

Lic. Adm. Martin Romeo Yurivilca Oscanoa 16

1. La tendencia es el movimiento gradual, hacia arriba o hacia abajo, de
los datos en el tiempo. Los cambios en el ingreso, la poblacin, la
distribucin de edades o los puntos de vista culturales pueden ser
causantes del movimiento en una tendencia.
2. La estacionalidad es un patrn de datos que se repite despus de un
periodo de das, semanas, meses o trimestres.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 17

3. Los ciclos son patrones, detectados en los datos, que ocurren cada
cierta cantidad de aos. Usualmente estn sujetos al ciclo comercial y
son de gran importancia para el anlisis y la planeacin del negocio a
corto plazo. La prediccin de los ciclos de negocio es difcil porque
stos pueden verse afectados por los acontecimientos polticos o la
turbulencia internacional.
4. Las variaciones aleatorias son seales generadas en los datos por
casualidad o por situaciones inusuales. No siguen ningn patrn
discernible y, por lo tanto, no se pueden predecir.
Lic. Adm. Martin Romeo Yurivilca Oscanoa 18
 Componentes
de la
Demanda del product o servicio tendencia

Picos
estacionales

Linea de la
demanda real

Demanda
promedio durante
4 aos
Variacin aleatoria
| | | |
1 2 3 4
Tiempo (aos)
Lic. Adm. Martin Romeo Yurivilca Oscanoa 19
 La forma ms simple de pronosticar es suponer que la demanda del
siguiente periodo ser igual a la demanda del periodo ms reciente.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 20

 El pronstico de promedios mviles usa un nmero de valores de
datos histricos reales para generar un pronstico.
Los promedios mviles son tiles si podemos suponer que la
demanda del mercado permanecer relativamente estable en el
tiempo.
Un promedio mvil de 4 meses se encuentra simplemente al sumar la
demanda medida durante los ltimos 4 meses y dividindola entre
cuatro

=

Lic. Adm. Martin Romeo Yurivilca Oscanoa 21
Mes Ventas reales Promedio mvil de 3 meses
Enero 10
Febrero 12
Marzo 13
Abril 16 (10 + 12 + 13)/3 = 11 2/3
Mayo 19 (12 + 13 + 16)/3 = 13 2/3
Junio 23 (13 + 16 + 19)/3 = 16
Julio 26 (16 + 19 + 23)/3 = 19 1/3
Agosto 30 (19 + 23 + 26)/3 = 22 2/3
Setiembre 28 (23 + 26 + 30)/3 = 26 1/3
Octubre 18 (29 + 30 + 28)/3 = 28
Noviembre 16 (30 + 28 + 18)/3 = 25 1/3
Diciembre 14 (28 + 18 + 16)/3 = 20 2/3

Lic. Adm. Martin Romeo Yurivilca Oscanoa 22

 Esta prctica permite que las tcnicas de pronstico respondan ms
rpido a los cambios, puesto que puede darse mayor peso a los
periodos ms recientes.
Las ponderaciones son basadas en la experiencia y la intuicin
Promedio
Ponderacin para el periodo n Demanda en el periodo n
mvil
ponderado Ponderaciones

Lic. Adm. Martin Romeo Yurivilca Oscanoa 23

Mes Ventas reales Promedio mvil ponderado de 3 meses
Enero 10
Febrero 12
Marzo 13
Abril 16 [(3 x 13) + (2 x 12) + (10)]/6 = 12 1/6
Mayo 19
Junio Ponderacin
23 aplicada Periodo

Julio 26 3 ltimo mes

Agosto 30 2 Hace dos meses

Setiembre 28 1 Hace tres meses

Octubre 18 6 Suma de ponderaciones

Noviembre Prognostic 16
para este mes =

Diciembre 3 x Ventas
14 del ultimo mes + 2 x Ventas de hace dos meses + 1 x Ventas de
hace tres meses
Suma de las ponderaciones

Lic. Adm. Martin Romeo Yurivilca Oscanoa 24

Los puntos de datos recientes se ponderan ms con una ponderacin
que disminuye de manera exponencial en la medida en que los datos
se hacen antiguos.
Ft = Ft 1 + a(At 1 - Ft 1)
Donde Ft = Nuevo pronstico Si no se cuenta con un valor se
Ft 1 = Pronstico del period anterior utiliza la frmula siguiente; donde n
es el nmero de datos
= Constante de suavizamiento o ponderacin
(0 a 1) 2
=
+1
At 1 = demanda real en el periodo anterior

Lic. Adm. Martin Romeo Yurivilca Oscanoa 25

 Demanda predecida= 142
Demanda actual= 153
Constante de suavizamientoa = 0.20

Nuevo pronstico= 142 + 0.2(153 142)

= 142 + 2.2
= 144.2 144

Lic. Adm. Martin Romeo Yurivilca Oscanoa 26

 Error de pronstico = Demanda real Valor pronosticado
= At Ft
Desviacin absoluta media MAD Real - Pronstico
n

Erro cuadrtico medio Errores de pronstico 2

MSE
n
n

Error porcentual absoluto medio 100 Real i Pronsticoi / Reali

MAPE i 1
n

Lic. Adm. Martin Romeo Yurivilca Oscanoa 27

Mes Demanda real Pronostico para el mes (Ft)

1 100 Ft = 100 (dada)

2 200 Ft = F1 + a(A1 F1) = 100 + 0.4(100 100) = 100

3 300 Ft = F2 + a(A2 F2) = 100 + 0.4(200 100) = 140

4 400 Ft = F3 + a(A3 F3) = 140 + 0.4(300 140) = 204

5 500 Ft = F4 + a(A4 F4) = 204 + 0.4(400 204) = 282

Lic. Adm. Martin Romeo Yurivilca Oscanoa 28

 Pronstico Pronstico Tendencia
incluyendo la (FITt) = suavizado (Ft) + suavizada (Tt)
tendencia exponencialmente exponencialmente

Ft = (At - 1) + (1 - )(Ft - 1 + Tt - 1)
Tt = (Ft - Ft - 1) + (1 - )Tt - 1
where Ft = pronstico suavizado exponencialmente
Tt = tendencia suavizada exponencialmente
At = demanda real
= constante de suavizamianto para el promedio 0 1)
= constante de suavizamiento para la tendencia (0 1)
Lic. Adm. Martin Romeo Yurivilca Oscanoa 29
Paso 1: Calcule Ft
Paso 2: Calcule Tt
Paso 3: Calcule el pronstico FITt = Ft + Tt

Lic. Adm. Martin Romeo Yurivilca Oscanoa 30

MES (t) DEMANDA REAL(At) MES (t) DEMANDA REAL(At)

1 12 6 21

2 17 7 31

3 20 8 28

4 19 9 36

5 24 10 ?

a = 0.2 = 0.4
Pronstico para el mes 1=11
Tendencia suavizada=2
Lic. Adm. Martin Romeo Yurivilca Oscanoa 31
Pronstico con a = 0.2 y b = 0.4
TENDENCIA PRONSTICO
PRONSTICO SUAVIZADA, INCLUYENDO LA
MES DEMANDA REAL SUAVIZADO, FT TT TENDENCIA, FITT
1 12 11 2 13.00
2 17 12.80
3 20
4 19
Paso 1: Pronstico para el mes 2
5 24
6 21 F2 = aA1 + (1 a)(F1 + T1)
7 31
8 28 F2 = (0.2)(12) + (1 0.2)(11 + 2)
9 36 = 2.4 + (0.8)(13) = 2.4 + 10.4
10
= 12.8 unidades
Lic. Adm. Martin Romeo Yurivilca Oscanoa 32
Pronstico con a = 0.2 y b = 0.4
TENDENCIA PRONSTICO
PRONSTICO SUAVIZADA,TT INCLUYENDO LA
MES DEMANDA REAL SUAVIZADO,FT TENDENCIA, FITT
1 12 11 2 13.00
2 17 12.80 1.92
3 20
4 19
5 24 Paso 2: Tendencia para el mes 2
6 21
7 31 T2 = b(F2 - F1) + (1 - )T1
8 28
T2 = (0.4)(12.8 - 11) + (1 - 0.4)(2)
9 36
10 = 0.72 + 1.2 = 1.92 units

Lic. Adm. Martin Romeo Yurivilca Oscanoa 33

Pronstico con a = 0.2 y b = 0.4
PRONSTICO
PRONSTICO TENDENCIA INCLUYENDO LA
MES DEMANDA REAL SUAVIZADO,FT SUAVIZADA,TT TENDENCIA, FITT
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20
4 19
5 24 Paso 3: Calcular FIT para el mes 2
6 21
7 31 FIT2 = F2 + T2
8 28
FIT2 = 12.8 + 1.92
9 36
10 = 14.72 unidades

Lic. Adm. Martin Romeo Yurivilca Oscanoa 34

Pronstico con a = 0.2 y b = 0.4
PRONSTICO
PRONSTICO TENDENCIA INCLUYENDO LA
MES DEMANDA REAL SUAVIZADO,FT SUAVIZADA,TT TENDENCIA, FITT
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20 15.18 2.10 17.28
4 19 17.82 2.32 20.14
5 24 19.91 2.23 22.14
6 21 22.51 2.38 24.89
7 31 24.11 2.07 26.18
8 28 27.14 2.45 29.59
9 36 29.28 2.32 31.60
10 32.48 2.68 35.16

Lic. Adm. Martin Romeo Yurivilca Oscanoa 35

 40
35 Demanda real (At)
Demanda del producto
30
25
20
15
10 Pronstico incluyendo la tendencia (FITt)
5 con a = 0.2 y b = 0.4

0
| | | | | | | | |
1 2 3 4 5 6 7 8 9
Tiempo (meses)
Lic. Adm. Martin Romeo Yurivilca Oscanoa 36
 Mtodo de pronstico de series de tiempo que ajusta una
recta de tendencia a una serie de datos histricos y
despus proyecta la recta al futuro para obtener
pronsticos.
Mtodo de mnimos cuadrados(lnea de tendencia lineal).
^y = a + bx

Donde y^ = valor calculado de la variable que debe predecirse

(variable dependiente)
a = interseccin con el eje y
b = pendiente de la recta de regresin
x = variable independiente (que en este caso es el tiempo)

Lic. Adm. Martin Romeo Yurivilca Oscanoa 37

 Mtodo de mnimos cuadrados

Valores de la variable dependiente(valores de y)

Observacin real Desviacin7
(valor de y)

Desviacion5 Desviacion6

Desviacion3

Desviatcion4

Desviacion1
(error) Desviacion2
Linea de tendencia, ^y = a + bx

| | | | | | |
1 2 3 4 5 6 7
Periodo

Lic. Adm. Martin Romeo Yurivilca Oscanoa 38

 Ecuaciones que se utilizan para encontrar los valores de a y b para
cualquier recta de regresin y = a + bx

b=
xy - nxy
x - nx 2 2

a = y - bx
Lic. Adm. Martin Romeo Yurivilca Oscanoa 39
 DEMANDA DE ENERGIA
AO (x) ELECTRICA(y) x2 xy
1 74 1 74
2 79 4 158
3 80 9 240
4 90 16 360
5 105 25 525
6 142 36 852
7 122 49 854
x = 28 y = 692 x2 = 140 xy = 3,063

x=
x 28
= =4 y=
y 692
= = 98.86
n 7 n 7

Lic. Adm. Martin Romeo Yurivilca Oscanoa 40

 xy - nxy 3,063 - (7) ( 4) (98.86) = 295 = 10.54
b = DEMANDA =
DE ENERGIA

x - nx 74 140 - (7) ( 4 )x 1 28 xy 74
AO (x) ELECTRICA(y)
2 2 2
2
1
2 79 4 158
3 a = y - bx = 98.86 ()
80 -10.54 4 = 56.70 9 240
4 90 16 360
5 105 y 56.70 10.25
54 x 525
6 142 36 852
7 122 49 854
x = 28 y = 692 x2 = 140 xy = 3,063

x=
=
en el ao 8 = y56.70
x 28
Demanda
=4 y= =
692+ 10.54(8)
= 98.86
n 7 = 141.02,
n or 141
7 megawatts

Lic. Adm. Martin Romeo Yurivilca Oscanoa 41

 Linea de tendencia,
160 y^ = 56.70 + 10.54x

Demanda de energa (megawatts)

150
140
130
120
110
100
90
80
70
60
50
| | | | | | | | |
1 2 3 4 5 6 7 8 9
Ao

Lic. Adm. Martin Romeo Yurivilca Oscanoa 42

 Movimientos regulares ascendentes o descendentes localizados en las series de tiempo
asociadas con eventos recurrentes.
MODELO ESTACIONAL MULTIPLICATIVO
Pasos:
Encontrar la demanda histrica promedio de cada estacin (o mes en este caso) sumando la
demanda medida en ese mes de cada ao y dividindola entre el nmero de aos con datos
disponibles.
Calcular la demanda promedio de todos los meses dividiendo el promedio total de la demanda
anual entre el nmero de estaciones.
Calcular un ndice estacional para cada estacin dividiendo la demanda histrica real de ese mes
(del paso 1) entre la demanda promedio de todos los meses (del paso 2).
Estimar la demanda total anual para el siguiente ao.
Dividir esta estimacin de la demanda total anual entre el nmero de estaciones, despus
multiplicarla por el ndice estacional para ese mes. Esto proporciona el pronstico estacional.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 43

 DEMANDA
DEMANDA
DEMANDA PROMEDIO NDICE
MES AO 1 AO 2 AO 3 PROMEDIO MENSUAL ESTACIONAL
Enero 80 85 105
Febrero 70 85 85
Marzo 80 93 82
Abril 90 95 115
Mayo 113 125 131
Junio 110 115 120
Julio 100 102 113
Agosto 88 102 110
Setiem. 85 90 95
Noviem. 77 78 85
Diciem. 75 82 83
82 78 80
Promedio total de demanda anual= 1,128

Lic. Adm. Martin Romeo Yurivilca Oscanoa 44

 DEMANDA
DEMANDA
DEMANDA PROMEDIO NDICE
MES AO 1 AO 2 AO 3 PROMEDIO MENSUAL ESTACIONAL
Enero 80 85 105 90 94
Febrero 70 85 85 80 94
Marzo 80 93 82 85 94
Abril 90 95 115 100 94
Mayo 113 125
DEMANDA 131 123 94
1,128 115
Junio 110 PROMEDIO
115 =120 = 94 94
Julio 100 MENSUAL
102 12 months105
113 94
Agosto 88 102 110 100 94
Setiem. 85 90 95 90 94
Noviem. 77 78 85 80 94
Diciem. 75 82 83 80 94
82 78 80 80 94
Promedio total de demanda anual= 1,128

Lic. Adm. Martin Romeo Yurivilca Oscanoa 45

 DEMANDA
DEMANDA
DEMANDA PROMEDIO NDICE
MES AO 1 AO 2 AO 3 PROMEDIO MENSUAL ESTACIONAL
Enero 80 85 105 90 94 0.957( = 90/94)
Febrero 70 85 85 80 94
Marzo 80 93 82 85 94
Abril 90 95 115 100 94
NDICE
Mayo 113 Demanda
125 promedio
131 mensual123
para los 3 aos
94
=
ESTACIONAL
Junio 110 Demanda
115 120 promedio 115
mensual 94
Julio 100 102 113 105 94
Agosto 88 102 110 100 94
Setiem. 85 90 95 90 94
Noviem. 77 78 85 80 94
Diciem. 75 82 83 80 94
82 78 80 80 94
Promedio total de demanda anual= 1,128

Lic. Adm. Martin Romeo Yurivilca Oscanoa 46

 DEMANDA
DEMANDA
DEMANDA PROMEDIO NDICE
MES AO 1 AO 2 AO 3 PROMEDIO MENSUAL ESTACIONAL
Enero 80 85 105 90 94 0.957( = 90/94)
Febrero 70 85 85 80 94 0.851( = 80/94)
Marzo 80 93 82 85 94 0.904( = 85/94)
Abril 90 95 115 100 94 1.064( = 100/94)
Mayo 113 125 131 123 94 1.309( = 123/94)
Junio 110 115 120 115 94 1.223( = 115/94)
Julio 100 102 113 105 94 1.117( = 105/94)
Agosto 88 102 110 100 94 1.064( = 100/94)
Setiem. 85 90 95 90 94 0.957( = 90/94)
Noviem. 77 78 85 80 94 0.851( = 80/94)
Diciem. 75 82 83 80 94 0.851( = 80/94)
82 78 80 80 94 0.851( = 80/94)
Promedio total de demanda anual= 1,128

Lic. Adm. Martin Romeo Yurivilca Oscanoa 47

Si esperamos que la demanda de computadoras para el ao 4 sea de 1,200 unidades,
usaramos estos ndices estacionales para pronosticar la demanda mensual como
sigue:

MES DEMANDA MES DEMANDA

Enero 1,200 Julio 1,200

x .957 = 96 x 1.117 = 112
12 12
Febrero 1,200 Agosto 1,200
x .851 = 85 x 1.064 = 106
12 12
Marzo 1,200 Setiembre 1,200
x .904 = 90 x .957 = 96
12 12
Abril 1,200 Octubre 1,200
x 1.064 = 106 x .851 = 85
12 12
Mayo 1,200 Noviembr 1,200
x 1.309 = 131 x .851 = 85
12 12
Junio 1,200 Diciembre 1,200
x 1.223 = 122 x .851 = 85
12 12

Lic. Adm. Martin Romeo Yurivilca Oscanoa 48

 Ao 4 Pronstico
140 Ao 3 Demanda
130 Ao 2 Demanda
Ao 1 Demanda
Demanda 120
110
100
90
80
70
| | | | | | | | | | | |
J F M A M J J A S O N D
Mes

Lic. Adm. Martin Romeo Yurivilca Oscanoa 49

 Anlisis de regresin lineal: Modelo matemtico de lnea recta usado
para describir las relaciones funcionales que hay entre las variables
dependiente e independiente.
^
y = a + bx
Donde y^ = Valores de la variable dependiente
a = interseccin con el eje y
b = pendiente de la recta de regresin
x = variable independiente

Lic. Adm. Martin Romeo Yurivilca Oscanoa 50

S y,x =
y 2
- a y - b xy
n-2

Lic. Adm. Martin Romeo Yurivilca Oscanoa 51

 Coeficiente de correlacin: Medida de la fuerza de la relacin que hay
entre dos variables.

n xy - x y
r=

n x - ( )
x n y - ( )
y
2 2
2 2

Lic. Adm. Martin Romeo Yurivilca Oscanoa 52

y y

x x
(a) Perfect negative (e) Perfect positive
correlation y y correlation

y
x x
(b) Negative correlation (d) Positive correlation

x
(c) No correlation

Alto Moderado Bajo Bajo Moderado Alto

| | | | | | | | |

1.0 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1.0
Valores del coeficiente de correlacin

Lic. Adm. Martin Romeo Yurivilca Oscanoa 53

 Coeficiente de determinacin: Medida de la cantidad de variacin
presente en la variable dependiente, con respecto de su media, que
se explica mediante la ecuacin de regresin.

0 r2 1

Lic. Adm. Martin Romeo Yurivilca Oscanoa 54

 Mtodo de pronstico asociativo con ms de una variable
independiente.

y = a + b1x1 + b2 x2

Lic. Adm. Martin Romeo Yurivilca Oscanoa 55

 Seal de control: Medida de qu tan bien predicen el pronstico los
valores reales.
Seal de Error acumulado
control =
MAD

(Demanda real del periodo i Demanda pronsticada del periodo i )

Real Pronstico
n
Lic. Adm. Martin Romeo Yurivilca Oscanoa 56
 La seal excedi el lmite
Seal de control
Limite superior de control
+

0 MADs Intervalo
aceptable

Limite inferior de control

Tiempo

Lic. Adm. Martin Romeo Yurivilca Oscanoa 57

 ERROR ERROR SEAL DE
DEMANDA DEMAN ABSOLUTO ABSOLUTO CONTROL(RSFE/
TRIM REAL PRON ERROR RSFE PRONOST ACUMUL MAD MAD)
1 90 100 10 10 10 10 10.0 10/10 = 1

2 95 100 5 15 5 15 7.5 15/7.5 = 2

3 115 100 +15 0 15 30 10. 0/10 = 0

4 100 110 10 10 10 40 10. 10/10 = 1

5 125 110 +15 +5 15 55 11.0 +5/11 = +0.5

6 140 110 +30 +35 30 85 14.2 +35/14.2 = +2.5

Al final del timestre 6, MAD Errores de pronstico 85 14.2

n 6

RSFE 35
Seal de control 2.5 MADs
MAD 14.2
RSFE:Suma continua de errores del pronstico
MAD: Desviacin absoluta media
Lic. Adm. Martin Romeo Yurivilca Oscanoa 58
 Los pronsticos en el sector servicios presentan retos inusuales. Una
tcnica importante en este sector es el seguimiento de la demanda
manteniendo buenos registros a corto plazo.

Lic. Adm. Martin Romeo Yurivilca Oscanoa 59

 Restaurantes de comida rpida

Porcentaje de las ventas por hora del da

20%

15%

10%

5%

11-12 1-2 3-4 5-6 7-8 9-10

12-1 2-3 4-5 6-7 8-9 10-11
(Almuerzo) (Cena)
Hora del da

Lic. Adm. Martin Romeo Yurivilca Oscanoa 60