Pronósticos

ANÁLISIS DE SERIES DE TIEMPO

Los modelos de pronósticos de series de tiempo tratan de predecir
el futuro con base en la información pasada. Por ejemplo, las cifras
de ventas recopiladas durante las últimas seis semanas se pueden
usar para pronosticar las ventas durante la séptima semana. Las
cifras de ventas trimestrales recopiladas durante los últimos años
se pueden utilizar para pronosticar los trimestres futuros. Aun
cuando ambos ejemplos contienen ventas, es probable que se
utilicen distintos modelos de series de tiempo para pronosticar.
 Los términos como corto, mediano y largo son relativos
al contexto en el que se emplean.

Sin embargo, en el pronóstico de negocios, corto plazo casi siempre se

refiere a menos de tres meses; mediano plazo a un periodo de tres meses
a 2 años; y largo plazo a un término mayor de 2 años.

Los modelos a corto plazo compensan la variación aleatoria y se ajustan

a los cambios a corto plazo (como las respuestas del consumidor a un
producto nuevo).
Los pronósticos a mediano plazo son útiles para efectos estacionales.
Los modelos a largo plazo detectan las tendencias generales y son muy
útiles para identificar los cambios más importantes.
El modelo de pronóstico que una empresa debe utilizar depende
de:
1.- El horizonte de tiempo que se va a pronosticar.
2. La disponibilidad de los datos.
3. La precisión requerida.
4. El tamaño del presupuesto de pronóstico.
5. La disponibilidad de personal calificado.
 PROMEDIO MOVIL SIMPLE
Cuando la demanda de un producto no crece ni baja con
rapidez, y si no tiene características estacionales.
La fórmula de un promedio móvil simple es:
Error del pronóstico:
La diferencia se obtiene al restar el pronóstico de la
demanda real en cualquier periodo determinado.
𝑬ᵼ = 𝑫ᵼ - Fᵼ

Donde:
Eᵼ =Error de pronóstico en el periodo t
Dᵼ=Demanda real en el periodo t
Fᵼ=Pronóstico para el periodo t
 Las cifras correspondientes a las llegadas de pacientes en las
últimas tres semanas son las siguientes:
Semana Llegadas de pacientes
1 400
2 380
3 411
a) Calcule un pronóstico de promedio móvil de tres semanas
para estimar la llegada de pacientes a la clínica médica durante
la semana 4.
b) Si el número real de llegadas de pacientes durante la semana
4 es de 415, ¿cuál será el error de pronóstico para la semana 4?
c) ¿Cuál será el pronóstico para la semana 5?
Solución:
a) El pronóstico de promedio móvil al final de la semana 3 es:
F4=411+380+400= 397.0
3
b) El error de pronóstico para la semana 4 es:
E4=D4-F4=415-397=18

c) Para elaborar el pronóstico correspondiente a la semana 5, es necesario conocer las

llegadas reales, durante las semanas 2 a 4; es decir, los datos de las tres semanas más
recientes.
F5=415+411+380=402.0
3
Promedio móvil simple;
periodos de tres y nueve
semanas

A. Pronóstico de la
demanda
Promedio móvil simple; periodos de tres y nueve semanas

A. Pronóstico de la demanda
Promedio Móvil Ponderado
Mientras que el promedio móvil simple da igual
importancia a cada uno de los componentes de la base de
datos del promedio móvil, un promedio móvil
ponderado permite asignar cualquier importancia a
cada elemento, siempre y cuando la suma de todas
las ponderaciones sea igual a uno.
 Elección de ponderaciones
La experiencia y las pruebas son las formas más sencillas de elegir las
ponderaciones. Por regla general, el pasado más reciente es el
indicador más importante de lo que se espera en el futuro
y, por lo tanto, debe tener una ponderación más alta. Los
ingresos o la capacidad de la planta del mes pasado, por ejemplo, serían
un mejor estimado para el mes próximo que los ingresos o la capacidad
de la planta de hace varios meses. No obstante, si los datos son
estacionales, por ejemplo, las ponderaciones se deben
establecer en forma correspondiente. Las ventas de trajes de
baño en julio del año pasado deben tener una ponderación
más alta que las ventas de trajes de baño en diciembre.
La fórmula del promedio móvil ponderado es:
Por ejemplo, tal vez una tienda departamental se dé
cuenta de que en un periodo de cuatro meses, el mejor
pronóstico se deriva utilizando 40% de las ventas reales
durante el mes más reciente, 30% de dos meses antes,
20% de tres meses antes y 10% de hace cuatro meses. Si
las ventas reales fueron
EJEMPLO.
Solución: