La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

1 Modelos Cuantitativos Pronósticos 6.1-6.3. PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre.

Presentaciones similares


Presentación del tema: "1 Modelos Cuantitativos Pronósticos 6.1-6.3. PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre."— Transcripción de la presentación:

1 1 Modelos Cuantitativos Pronósticos 6.1-6.3

2 PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre la base de información real del tiempo pasado. 2. Revisión de datos con el objetivo de identificar patrones interesantes.

3 Series de Tiempo Los datos de ventas históricos forman una serie de tiempo. serie de tiempo Una serie de tiempo es un conjunto de observaciones respecto a una variable medidas en puntos sucesivos en el tiempo a lo largo de de períodos sucesivos de tiempo

4 Programa General Métodos de Pronóstico Pronóstico CuantitativosCualitativos Causal Series de Tiempo Suavización Proyección de tendencias Proyección de tendencias ajustadas por influencias estacionales

5 5 6.1 Componentes de una serie de tiempo

6 Componentes de una serie de tiempo Tendencia Cíclico Cíclico Estacional Estacional Irregular Irregular El patrón o comportamiento está formado por cuatro componentes

7 Tendencia modificaciones de la poblacióncaracterísticas demográficastecnología preferncia del consumidor Desplazamiento gradual de la serie de tiempo. Influyen factores a largo plazo como modificaciones de la población, sus características demográficas, la tecnología y la preferncia del consumidor.

8 Tendencia lineal de ventas

9 Patrones Posibles Tiempo Volumen Tendencia no lineal Tiempo Tendencia lineal declinante Tiempo Sin tendencia Volumen Volumen

10 Componentes de tendencia y cícliclas Volumen Línea de Tendencia Tiempo Componente cíclico Componente cíclico : Cualquier secuencia recurrente de puntos encima y abajo de la línea de tendencia que dure más de un año.

11 Componente Estacional e Irregular Componente estacional: Componente estacional: Movimiento de una serie de tiempo que ocurre en el período de un año. Componente irregular: Componente irregular: Factor residual o “todo lo que sobra” de una serie, toma en consideración las desviaciones de los valores reales de la serie de tiempo en comparación con los esperados. Está causado por factores a corto plazo no previstos.

12 12 6.2 Uso de métodos de suavización en el pronóstico

13 Tres métodos El objetivo es suavizar las fluctuaciones aleatorias causadas por el componente irregular de la serie de tiempo, existen tres: Promedios Móviles Promedios Móviles Ponderados Promedios Móviles Ponderados Suavización Exponencial Suavización Exponencial

14 Promedios Móviles Utiliza como pronóstico para el siguiente periodo, el promedio de los ne valores más recientes de la serie de tiempo Exactitud del Pronóstico: MSN Exactitud del Pronóstico: Se mide a partir del promedio de los errores al cuadrado (error cuadrático medio MSN)

15 Ejemplo Promedios Móviles

16 Gráfico

17 Promedios móviles ponderados Implica seleccionar diferentes ponderaciones para cada valor de datos y a continuación obtener como pronóstico el promedio ponderado de los n valores de datos más recientes. En la mayor parte de los casos la observación más reciente recibirá la mayor ponderación, reduciéndose la ponderación para los datos más antiguos. La suma de las ponderaciones debe ser igual a 1. Exactitud del Pronóstico: MSN Exactitud del Pronóstico: El mejor juego de pesos se escoge de tal manera que minimice el MSN.

18 Suavización exponencial Se trata de un caso especial del método de promedios móviles ponderados, en el cual sólo se selecciona un valor de ponderación, es decir, el peso o ponderación de la operación más reciente, los pesos o ponderaciones para los demás valores se calculan de manera automática, haciéndose más y más pequeños conforme las las observaciones se van alejando hacia el pasado.

19 Modelo básico de Suavización Exponencial Pronóstico de la serie de tiempo para el periodo de t+1 Valor real de la serie de tiempo en el periodo t Pronóstico de la serie de tiempo para el periodo de t Constante de Suavización

20 Características El pronóstico de suavización exponencial para cualquier periodo también es un promedio ponderado de todos los valores reales previos de la serie de tiempo. El pronóstico para el periodo t+1 sólo depende de un alfa dado y de los valores reales y pronosticados de la serie de tiempo para el periodo t, es decir Y t y F t Exactitud del Pronóstico: MSN Exactitud del Pronóstico: El mejor juego de pesos se escoge de tal manera que minimice el MSN.

21 Exactitud del pronóstico Depende de los valores de alfa como se aprecia en Pronóstico del periodo t Error de Pronóstico del periodo t Si la serie de tiempo contiene una variabilidad aletoria sustancial, se preferirá una valor pequeño como constante de suavización de lo contrario grande para ajustar con rapidez los pronósticos permitiendo que el pronóstico reaccione con mayor rapidez a las condiciones cambiantes.

22 Ejemplo alfa = 0.2

23

24 Ejemplo alfa = 0.3

25 25 6.3 Uso en pronósticos de la proyección de tendencias

26 Tendencia Lineal Se trata de encontrar una función: Valor de tendencia de las ventas de bicicletas en el periodo t Intersección con la línea de tendencia Pendiente de la Línea de Tendencia

27 Fórmula para b1 y b0 valor real de la serie de tiempo en el periodo t número de periodos valor promedio de la serie de tiempo valor promedio de t

28 Proyección de Tendencias

29

30 La pendiente 1.1 indica que en los últimos 10 años la empresa ha tenido un cremiento promedio de 1100 bicicletas anualmente. Podemos pronosticar las ventas después de 11, 12, 13, años, etc Proyección de Tendencias


Descargar ppt "1 Modelos Cuantitativos Pronósticos 6.1-6.3. PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre."

Presentaciones similares


Anuncios Google