La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

Saltar a la primera página Pronósticos Por Lic. Gabriel Leandro, MBA

Presentaciones similares


Presentación del tema: "Saltar a la primera página Pronósticos Por Lic. Gabriel Leandro, MBA"— Transcripción de la presentación:

1 Saltar a la primera página Pronósticos Por Lic. Gabriel Leandro, MBA

2 Saltar a la primera página n Entorno altamente incierto n La intuición no necesariamente da los mejores resultados n Mejorar la planeación n Competitividad y cambio 1.1. Necesidad de pronosticar

3 Saltar a la primera página Tipos de pronósticos Por su plazo: De corto plazo De largo plazo Según el entorno a pronosticar Micro Macro Según el procedimiento empleado Cualitativo Cuantitativo

4 Saltar a la primera página n 1. Recopilación de datos n 2. Reducción o condensación de datos n 3. Construcción del modelo n 4. Extrapolación del modelo 1.3. Pasos de la elaboración de pronósticos

5 Saltar a la primera página 2. Exploración de patrones de datos n Se requieren suficientes datos históricos n Se apoyan en la suposición de que el pasado puede extenderse hacia el futuro

6 Saltar a la primera página Las técnicas cuantitativas pueden ser: EstadísticasSe enfocan en patrones y en cambios en los patrones y sus perturbaciones DeterminísticasSon de tipo causal, establecen relación entre la variable a pronosticar y otras variables

7 Saltar a la primera página Con relación a las técnicas cuantitativas estadísticas se presentan dos enfoques: n Los datos se pueden descomponer en componentes de tendencia, cíclicos, estacionales y aleatorios. n Modelos econométricos de series de tiempo y Box-Jenkins.

8 Saltar a la primera página 3. Componentes de series de tiempo: n Una serie de tiempo consta de datos que se reúnen, registran u observan sobre incrementos sucesivos de tiempo. n Se requiere un enfoque sistemático para analizarlas.

9 Saltar a la primera página Descomposición clásica de series de tiempo: ComponenteDescripción TendenciaEs el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio. CíclicoEs la fluctuación en forma de onda alrededor de la tendencia. EstacionalEs un patrón de cambio que se repite a sí mismo año tras año. AleatorioMide la variabilidad de las series de tiempo después de retirar los otros componentes.

10 Saltar a la primera página 4. Selección de una técnica de pronóstico: Datos estacionarios n Las fuerzas que generan la serie se han estabi- lizado y el medio permanece relativamente sin cambios. n Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la población o la inflación. n La serie se puede transformar en una serie estable. n La serie es un conjunto de errores de pronóstico, de una técnica de pronóstico que se considera adecuada.

11 Saltar a la primera página 4. Selección de una técnica de pronóstico: Datos con tendencia n Productividad creciente y nueva tecnología producen cambios. n El incremento de la población elevan la demanda por productos. n El poder de compra se afecta por la inflación. n Aumenta la aceptación en el mercado de un producto.

12 Saltar a la primera página 4. Selección de una técnica de pronóstico: Datos con estacionalidad n El clima influye en la variable de interés. n El año calendario influye en la variable.

13 Saltar a la primera página 4. Selección de una técnica de pronóstico: Series cíclicas n El ciclo del negocio influye sobre la variable. n Cambios en el gusto popular. n Cambios en la población. n Cambios en el ciclo de vida del producto.

14 Saltar a la primera página 5. Medición del error en el pronóstico n Se compara la precisión de dos o más técnicas de pronóstico. n Se mide la confiabilidad de una técnica de pronóstico. n Se busca la técnica óptima.

15 Saltar a la primera página 5. Medición del error en el pronóstico Periodo, tYtPronóstico, Yt

16 Saltar a la primera página 5. Fórmulas de medición del error en el pronóstico

17 Saltar a la primera página 5. Fórmulas de medición del error en el pronóstico

18 Saltar a la primera página 5. Fórmulas de medición del error en el pronóstico

19 Saltar a la primera página 6. Modelos de series de tiempo 6.1. Modelos no formales: n Estas técnicas suponen que los periodos recientes son los mejores para pronosticar el futuro. n El método más sencillo es el método del último valor: Pronóstico = último valor

20 Saltar a la primera página Método del último valor tYtYt Y t+1 etet

21 Saltar a la primera página Metodos de promedio n Promedios simples: n Se obtiene la media de todos los valores pertinentes, la cual se emplea para pronosticar el periodo siguiente.

22 Saltar a la primera página Promedios simples: tYtYt

23 Saltar a la primera página Promedios móviles: n Este método no considera la media de todos los datos, sino solo los más recientes. n Se puede calcular un promedio móvil de n periodos. n El promedio móvil es la media aritmética de los n periodos más recientes.

24 Saltar a la primera página Promedios móviles: promedio móvil tYtn=3n=

25 Saltar a la primera página Metodos de suavizamiento exponencial n El método de suavizamiento exponencial puede dar una ponderación mayor a las observaciones más recientes. n Las ponderaciones se asigna mediante la constante, 0 < < 1. n El modelo se expresa como: pronóstico = (último valor) + (1 - )(último pronóstico)

26 Saltar a la primera página Metodos de suavizamiento exponencial tYtYt =0.1 =

27 Saltar a la primera página Descomposición de series de tiempo n Las tendencias son movimientos a largo plazo en una serie de datos a lo largo del tiempo. n La tendencia puede ser descrita por una recta o por una curva. n Las tendencias se dan por varias causas: cambios en la población, cambios en la productividad, cambios tecnológicos, etc. n En este tipo de análisis la variable independiente es el tiempo.

28 Saltar a la primera página Tendencia lineal n El método más empleado para describir una tendencia lineal es el de mínimos cuadrados, para encontrar una línea de mejor ajuste para un conjunto de puntos. Y´ = a + bX n Y´ = valor pronosticado en un periodo X n a = valor de la tendencia cuando X = 0 n b = pendiente de la recta de tendencia n X = periodo (codificado)

29 Saltar a la primera página Tendencia lineal: ejemplo AñoPeriodo XDemanda (Y)

30 Saltar a la primera página Tendencia lineal: ejemplo

31 Saltar a la primera página Tendencia lineal: ejemplo XYXYX² Sumas

32 Saltar a la primera página Tendencia lineal: fórmulas

33 Saltar a la primera página Tendencia lineal tYtYt Y´ t etet

34 Saltar a la primera página Tendencia lineal n Se puede calcular el coeficiente de determinación, a fin de evaluar qué tan correcta es la estimación de la recta de regresión. n El coeficiente de determinación r² se calcula como:

35 Saltar a la primera página Tendencia lineal n También es posible calcular intervalos de confianza para la estimación. Para ello es necesario calcular el error estándar de la estimación.

36 Saltar a la primera página Tendencia lineal Nivel de confianza ZFórmula 68%1y ± S e 95%2y ± 2S e 99%3y ± 3S e

37 Saltar a la primera página 7. Aplicación de varios métodos a datos desestacionalizados n Los datos muestran alguna tendencia creciente a lo largo del tiempo, además de una marcada estacionalidad. Se procederá a desestacionalizar los datos, lo que permite observar hasta donde las variaciones se deben a efectos estacionales o bien, a otros factores. n El proceso de ajuste estacional se realizará a través del cálculo de factores estacionales: Factor estacional = Prom. periodo / prom. global

38 Saltar a la primera página AñoTrim.Yt

39 Saltar a la primera página 7. Aplicación de varios métodos a datos desestacionalizados

40 Saltar a la primera página 7. Aplicación de varios métodos a datos desestacionalizados T Año SumaProm Factor Estac Total Prom

41 Saltar a la primera página AñoTrim.YtYt ajust

42 Saltar a la primera página 7. Aplicación de varios métodos a datos desestacionalizados n Se aplican varios métodos de pronóstico para finalmente seleccionar el mejor pronóstico. n A. Método de pronóstico del último valor n B. Promedios móviles n C. Suavizamiento exponencial n D. Suavizamiento exponencial con tendencia

43 Saltar a la primera página Otros métodos: n Modelos de tendencia con ajuste estacional n Modelo de promedios móviles integrados autorregresivos (ARIMA o Box-Jenkins) n Pronósticos causales (modelos econométricos) n Métodos de pronósticos subjetivos

44 Saltar a la primera página Si desea más información visite Le invitamos a leer nuestros artículos y matricular nuestros cursos


Descargar ppt "Saltar a la primera página Pronósticos Por Lic. Gabriel Leandro, MBA"

Presentaciones similares


Anuncios Google