Pronósticos

¿Qué es pronosticar? Arte, ciencia, de predicción de eventos futuros. Involucra manejo de datos históricos (modelo matemático). Predicción subjetiva o intuitiva, o una combinación de ambas, modelo matemático ajustado al buen juicio de administrador.

Necesidad de pronosticar Entorno altamente incierto La intuición no necesariamente da los mejores resultados Mejorar la planificación Competitividad y cambio

HORIZONTES DE TIEMPO EN PRONOSTICOS 1.- Pronósticos a corto plazo. 2.- Pronósticos a mediano plazo. 3.- Pronósticos a largo plazo.

HORIZONTES DE TIEMPO EN PRONOSTICOS Características distintivas de pronósticos a mediano y largo plazo. Asuntos mas extensos. Métodos mas cuantitativos. Son menos exactos que los pronósticos a corto plazo.

Tipos de pronósticos Por su aplicación: Pronósticos económicos. Pronósticos tecnológicos. Pronósticos de demanda. Según el entorno a pronosticar Micro Macro Según el enfoque empleado Cualitativo Cuantitativo

Técnicas de métodos cualitativos. 1.- Jurado de opinión ejecutiva. 2.- Compuesto de fuerza de ventas. 3.- Método Delphi. 4.- Encuesta a consumidores de mercado.

Visión general de métodos cuantitativos. 1.- Simplista, 2.- Promedios móviles. 3.- Suavización exponencial. 4.- Proyección de tendencia. 5.- Modelo causal de regresión lineal.

Pasos para un sistema de pronósticos Determinar el uso del pronostico. Seleccionar las partidas que se van a pronosticar. Deteminar el horizonte de tiempo del pronostico. Seleccionar un(os) modelo(s) de pronosticos.

Pasos para un sistema de pronósticos Juntar los datos necesarios para hacer el pronostico. Validar el modelo de pronóstico. Hacer el pronóstico. Instrumentar los resultados.

Descomposición clásica de series de tiempo: Componente Descripción Tendencia (T) Movimiento gradual, ascendente o descendente de los datos a través del tiempo. Estacional (S) Patrón de datos que se repite a si mismo después de un periodo de días, semanas, meses o trimestres.. Ciclos (C) Patrones que ocurren en los datos varios años. Variaciones al azar (R) Señales en datos por oportunidades y situaciones inusuales.

Formas generales de modelos de series de tiempo. Modelo multiplicativo: Demanda = T*S*C*R Modelo Aditivo. Demanda = T+S+C+R En mundo real, las variaciones al azar se promedian en el tiempo. Concentración en componente estacional. Tendencia y factores cíclicos.

Modelos de series de tiempo Modelos no formales: Modelo Simplista La demanda del periodo siguiente es igual a la demanda en el periodo mas reciente.

Pronóstico = último valor Modelo Simplista Estas técnicas suponen que los periodos recientes son los mejores para pronosticar el futuro. El método más sencillo es el método del último valor: Pronóstico = último valor

Método del último valor Yt Yt+1 et 1 42 2 52 10 3 54 4 65 11 5 51 -14 6 64 13

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

Promedios móviles: Promedios móviles= Σdemanda en n periodos previo n

Promedios móviles: promedio móvil t Yt n=3 n=4 1 42 2 52 3 54 4 65 49.33 5 51 57.00 53.25 6 64 56.67 55.5

Promedios móviles ponderados: Cuando existe una tendencia o patron el peso puede ser utilizado para darle mas enfasis a los valores recientes. Técnica mas sensible a los cambios recientes. Elección de los pesos es arbitraria.

Promedios móviles ponderados: Promedios móviles= Σ(peso periodo n)(demanda en periodo n ΣPesos

Mes Ventas promedio móvil poderado Enero 10 Febrero 12 Marzo 13 Abril 16 [(3x13)+(2x12)+(1x10)]/6=12.16 Mayo 19 Junio 23 Julio 26 Agosto 30 Septiembre 28 Octubre 18 Noviembre Diciembre 14

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

Metodo de suavización exponencial En enero, un agente de viajes que se especializa en cruceros pronostico una demanda en febrero para 142 cruceros de una semana. La demanda real de febrero fue de 153 cruceros. Utilizando una constante de suavización de ∞=0.20, podemos pronosticar la demanda de marzo usando el modelo de suavización exponencial. Pronostico para marzo= 142+0.20(153-142) = 144.20

Metodo de suavización exponencial Yt =0.1 =0.5 1 42 2 52 3 54 43.00 47.00 4 65 44.10 50.50 5 51 46.19 57.75 6 64 46.67 54.38

Proyección con tendencia 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 Y´ = valor pronosticado en un periodo X a = valor de la tendencia cuando X = 0 b = pendiente de la recta de tendencia X = periodo (codificado)

Año Periodo Demanda X2 XY 1987 1 74 1988 2 79 4 158 1989 3 80 9 240 1990 90 16 360 1991 5 105 25 525 1992 6 142 36 852 1993 7 122 49 854 ΣX=28 ΣY=692 ΣX2 =140 ΣXY =3063

Calculo de la pendiente b= Σxy-nxy Σx2-nx 2 b= pendiente de línea de regresión x= valores de la variable independiente y= valores de la variable dependiente x= promedio de los valores de x y= promedio de los valores de y N= numero de eventos

Cálculos x= 28=4 y=692=98.86 7 7 b= Σxy-nxy = 3063-(7)(4)(98.86)= 295=10.54 Σx2-nx 2 140-(7)(4) 2 28 a= y-bx = 98.86-(10.54)(4) = 56.70 Y´ = a + bX 1994= 56.70+10.54(8) =152

6.4.1. Tendencia lineal t Yt Y´t et 1 35 2 42 3 48 4 51 5 54 6 60 7 71 75 9

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

6.4.1. Tendencia lineal: ejemplo X Y XY X² 1 35 2 42 3 48 4 51 5 54 6 60 7 71 8 75 Sumas

Tendencia lineal: ejemplo