diapositivas pronostico ao heizer

8/15/2019 Diapositivas Pronostico AO HEIZER

1/88

Mét dét détodos

i i

Métodos

i iuantitativosuantitativos

de Negociose Negocios

Capítuloapítulo – Pronósticosronósticos

y Simulación Simulación

PowerPoint presentation to accompanyPowerPoint presentation to accompanyHeizer Heizer/Render/RenderPrinci les of O erations Mana ement 7ePrinci les of O erations Mana ement 7e

© 2008 Prentice Hall, Inc. 4 – 1

Operations Management, 9eOperations Management, 9e


2/88

¿Qué son Pronósticos?¿Qué son Pronósticos?

Influencia del Ciclo de Vida delInfluencia del Ciclo de Vida del

ro uc oro uc o Ti os de PronósticosTi os de Pronósticos



3/88

– –a mportanc a strat g ca e osa mportanc a strat g ca e os

PronósticosPronósticos Recursos HumanosRecursos Humanos

Administración de la Cadena de Administración de la Cadena deum n s roum n s ro

Siete Pasos en el Sistema deSiete Pasos en el Sistema dePronósticosPronósticos



4/88


5/88

– –

Descomposición de Series de TiempoDescomposición de Series de TiempoMétodos NaiveMétodos Naive

Promedios MóvilesPromedios Móviles

Suavizamiento ExponencialSuavizamiento Exponencial

Ajuste de Tendencia Ajuste de Tendencia

Variaciones Estacionales en DatosVariaciones Estacionales en Datos


Variaciones C clicas en DatosVariaciones C clicas en Datos


6/88

– –Métodos Asociativos deMétodos Asociativos de

Pronósticos: Re resión AnálisisPronósticos: Re resión Análisisde Correlaciónde Correlación

PronósticosPronósticos

Coeficientes de Correlación paraCoeficientes de Correlación paraRegresiones LinealesRegresiones Lineales

Análisis de Re resión Múlti le Análisis de Re resión Múlti le



7/88

– –Monitoreando y ControlandoMonitoreando y Controlando

PronósticosPronósticos Suavizamiento AdaptivoSuavizamiento Adaptivo

ron s cos ocusron s cos ocusPronósticos en el Sector ServiciosPronósticos en el Sector Servicios



8/88

uan o se comp e e es e cap u o es aruan o se comp e e es e cap u o es ar

capacitado para :capacitado para : Entender los tres horizontes de tiempoEntender los tres horizontes de tiempo

y que mo e os ap car en ca a casoy que mo e os ap car en ca a caso Explicar cuando se usa cualquiera deExplicar cuando se usa cualquiera de

los modelos cualitativoslos modelos cualitativos

móviles,móviles, suavizamientosuavizamiento exponencial, yexponencial, ytendenciatendencia



9/88

uan o se comp e e es e cap u o es aruan o se comp e e es e cap u o es ar

capacitado para :capacitado para : Calcular medidas de la exactitud delCalcular medidas de la exactitud del

pron st copron st co Desarrollar índices estacionalesDesarrollar índices estacionales

Conducir a una análisis de regresión yConducir a una análisis de regresión y

Usar una señal de rastreoUsar una señal de rastreo



10/88

Procesos deProcesos de

redecir un eventoredecir un eventofuturofuturo ??

todas las decisionestodas las decisionesde ne ociosde ne ocios ProducciónProducción

PersonalPersonal


ac a esac a es


11/88

Pronósticos: Horizonte dePronósticos: Horizonte de

TiempoTiemporon s cos e or o azoron s cos e or o azo

Hasta 1 año, generalmente menos que 3 mesesHasta 1 año, generalmente menos que 3 meses Compras, Programas de Trabajo, Niveles deCompras, Programas de Trabajo, Niveles de

fuerza laboral, Asignación de trabajo, Nivelesfuerza laboral, Asignación de trabajo, Nivelesde roducciónde roducción

Pronósticos de Mediano PlazoPronósticos de Mediano Plazo

Planes de ventas y Producción, PresupuestoPlanes de ventas y Producción, Presupuesto

Más de 3Más de 3++ añosaños


anes e nuevos pro uc os, ac a eanes e nuevos pro uc os, ac a elocalización, investigación y desarrol lolocalización, investigación y desarrol lo


12/88

Mediano/Largo plazoMediano/Largo plazo los pronósticos selos pronósticos se

ocupan más de comprender losocupan más de comprender lospro emas y soportar as ec s onespro emas y soportar as ec s onesgerenciales referente a planificación,gerenciales referente a planificación,

,,Corto plazoCorto plazo los pronósticos usualmentelos pronósticos usualmente

emp ean eren es me o o og as que osemp ean eren es me o o og as que os

pronósticos de largo plazopronósticos de largo plazoCorto plazoCorto plazo los pronósticos tienden a serlos pronósticos tienden a ser

más exactos que los de largo plazomás exactos que los de largo plazo



13/88


14/88

Mejor periodo paraMejor periodo para Practico paraPractico para Escaso tiempo paraEscaso tiempo para Control deControl de

Introducción Crecimiento Madurez Decline

i ó

n

i ó

n

participación en elparticipación en elmercadomercado

calidad de imagencalidad de imagen

Fortalecer nichosFortalecer nichos

,,precio, o calidadprecio, o calidad

Costo competitivosCosto competitivos a n i z a c

a n i z a c

diseños sondiseños soncriticoscriticos

Defender posic iónDefender posic iónde mercadosde mercados

e l a O

r

e l a O

r

Portales de búsquedaPortales de búsquedaen Interneten Internet

CDCD--ROMsROMs

e g i a s

e g i a s d d Pasar porPasar por

restaurantesrestaurantes

en cocheen coche

LCD & plasmaLCD & plasmaTVsTVs

E s t r a

E s t r a

3 1/2”3 1/2”FloppyFloppyWindows 7Windows 7


Figure 2.5Figure 2.5


15/88

Diseño yDiseño y

Introducción Crecimiento Madurez Decline

i ó

n

i ó

n

PronósticosPronósticos EstandarizaciónEstandarización PequeñasPequeñasproductosproductoscríticoscríticos

CambiosCambios a n i z a c

a n i z a c

Fiabil idad delFiabil idad delproducto yproducto yprocesosprocesos

enos r p o osenos r p o oscambios en elcambios en elproductoproducto –– másmásde menoresde menores

en el productoen el producto

MinimizaciónMinimizaciónde costosde costos

procesos yprocesos ydiseñosdiseños

Breve ejecuciónBreve ejecución e l a O

r

e l a O

r Mejora en laMejora en lacompetitividadcompetitividaddel producto ydel producto ylas opcioneslas opciones

CapacidadCapacidadOptimaOptima

SobreSobrecapacidad encapacidad enla industriala industria

de producciónde producción

Altos costos de Altos costos de

producciónproducción e g i a s

e g i a s d d Incrementos deIncrementos de

capacidadcapacidad

Centrarse en elCentrarse en el

estabil idad deestabil idad deprocesosprocesos

Grandes nivelesGrandes niveles

lineas que nolineas que noproducenproducen

buen margenbuen margeno e oso e os

limitadoslimitados

Atención a la Atención a lacalidadcalidad

E s t r a

E s t r a pro uc opro uc o

Mejorar laMejorar ladistribucióndistribución

e pro ucc ne pro ucc n

Mejoras delMejoras delproducto yproducto yreducción dereducción de

e uc r ae uc r acapacidadcapacidad


costoscostosFigure 2.5Figure 2.5


16/88

Pronósticos EconómicosPronósticos Económicos

– – inflación, oferta de dinero, viviendas, etc.inflación, oferta de dinero, viviendas, etc.

Predecir la tasa del progreso tecnológicoPredecir la tasa del progreso tecnológico

mpac o e esarro o e nuevos pro uc osmpac o e esarro o e nuevos pro uc os

Pronósticos de DemandaPronósticos de Demanda Predecir ventas de productos y servicosPredecir ventas de productos y servicos

existentesexistentes



17/88

mpor anc a s ra g ca empor anc a s ra g ca e

Recursos HumanosRecursos Humanos – – Contratar,Contratar,entrenar, despedir trabajadoresentrenar, despedir trabajadores

CapacidadCapacidad – – la falta de capacidad puedela falta de capacidad puededar como resultado entre as ocodar como resultado entre as ococonfiables, pérdida de clientes, pérdidaconfiables, pérdida de clientes, pérdida

de posición en el mercado.de posición en el mercado. Administración de la Cadena e Administración de la Cadena e

SuministroSuministro – – buena relación con elbuena relación con el


proveedor y ventajas de precios.proveedor y ventajas de precios.


18/88

uu

Seleccionar losSeleccionar los itemsitems a sera serpronosticadospronosticados

Determinar el horizonte de tiem o a serDeterminar el horizonte de tiem o a ser

pronosticadopronosticado

pronósticopronóstico

Realizar el pronósticoRealizar el pronóstico


Validar e implementar los resultadosValidar e implementar los resultados


19/88

La Realidad!!La Realidad!!

Los pronósticos raramente sonLos pronósticos raramente sonper ectosper ectos

estabilidad subyacente en elestabilidad subyacente en el

Pronósticos de familias dePronósticos de familias deproductos agregados son másproductos agregados son másexactos que pronósticos deexactos que pronósticos de


productos individualesproductos individuales


20/88

Métodos de PronósticosMétodos de PronósticosMétodos CualitativosMétodos Cualitativos

Usado cuando la situaci n es vagaUsado cuando la situaci n es vagao existen pocos datoso existen pocos datos

Nuevos productosNuevos productos

Involucra la intuición, experienciaInvolucra la intuición, experiencia e.g., pronosticar las ventas pore.g., pronosticar las ventas por

InternetInternet



21/88

Métodos de PronósticosMétodos de PronósticosMétodos CuantitativosMétodos Cuantitativos

Usado cuando la situación esUsado cuando la situación es‘estable’ y existen datos históricos‘estable’ y existen datos históricos

Productos existentesProductos existentes

Involucra técnicas matemáticasInvolucra técnicas matemáticas e.g., pronósticos de ventas dee.g., pronósticos de ventas de



22/88

CualitativosCualitativos

Opiniones de un pool expertos deOpiniones de un pool expertos de

a o n ve , a veces amp a os pora o n ve , a veces amp a os pormodelos estadísticosmodelos estadísticos

MétodoMétodo DelphiDelphi

,,iterativamenteiterativamente



23/88

CualitativosCualitativos

Las estimaciones de vendedoresLas estimaciones de vendedores

n v ua es son rev sa os paran v ua es son rev sa os paramoderación, luego agregadosmoderación, luego agregados

Encuestas de Mercado deEncuestas de Mercado de

ConsumidoresConsumidores Preguntas al consumidor Preguntas al consumidor



24/88

Involucra un pequeño grupo de expertosInvolucra un pequeño grupo de expertos

de alto nivel erentesde alto nivel erentes El Grupo estima la demanda trabajandoEl Grupo estima la demanda trabajando

Combinan la experiencia gerencial conCombinan la experiencia gerencial con

Relativamente rápidoRelativamente rápido Desventaja de ‘GroupDesventaja de ‘Group--think’think’



25/88

CombinadasCombinadas Cada vendedor proyecta susCada vendedor proyecta sus

Combinación a nivel distrital,Combinación a nivel distrital,

regional y nacionalregional y nacional

de los consumidoresde los consumidores

Tiende a ser excesivamenteTiende a ser excesivamenteoptimistaoptimista



26/88

Proceso deProceso de

grupo Iterativo,grupo Iterativo,

Tomador deDecisiones

con nua as acon nua as aalcanzar elalcanzar el

respuestas ytoma decisiones)

3 tipos de3 tipos de Asesores(Administran

participantesparticipantes

Tomadores deTomadores deDecisionesDecisiones

Asesores AsesoresEntrevistados

(Personas quienes


entrevistadosentrevistados pue en acer juicios de valor)


27/88

Encuestas de Mercado aEncuestas de Mercado a

ConsumidoresConsumidores Se pregunta a los consumidoresSe pregunta a los consumidores

Los que los consumidores dicen, yLos que los consumidores dicen, y

lo que ellos hacen actualmente alo que ellos hacen actualmente amenudo son diferentesmenudo son diferentes

A veces es dificil de responder A veces es dificil de responder



28/88

CuantitativosCuantitativos

2.2. Promedios MóvilesPromedios Móviles

3.3. SuavizamientoSuavizamiento Series deSeries deTiem oTiem o

4.4. Proyección deProyección deen enc aen enc aModelosModelos


Asociativos Asociativos


29/88

TiempoTiempo Conjunto de datos numéricosConjunto de datos numéricos

Obtenida por observación de la respuesta deObtenida por observación de la respuesta de

Pronósticos basado solamente en valoresPronósticos basado solamente en valores,,

Asume que los factores que influyeron en el Asume que los factores que influyeron en elen el futuroen el futuro



30/88

TiempoTiempo

en enc a c o

s ac ona ea or o



31/88

Componente

e

r v i c i o

Picos Estacional

Tendencia

u c t o o

u n p r

o

Actual

n d

a p o Demanda

Promedio deVariación

D e m

| | | |1 2 3 4

Aleatoria


Año Figure 4.1Figure 4.1


32/88

omponen e en enc aomponen e en enc a Patrón Persistente, en conjuntoPatrón Persistente, en conjunto

Cambia debido a población,Cambia debido a población,

ecno og a, e a , cu ura, e c.ecno og a, e a , cu ura, e c.

añosaños



33/88

omponen e s ac onaomponen e s ac ona Patrón regular de fluctuaciones dePatrón regular de fluctuaciones de

hacia arriba hacia aba ohacia arriba hacia aba o Debido al clima, costumbres, etc.Debido al clima, costumbres, etc.

Ocurre en el lapso de un solo añoOcurre en el lapso de un solo añoNúmero de

Periodo Duración Estaciones

Semana Día 7Mes Semana 4 - 4.5Mes Día 28 - 31 Año Trimestre 4


o es Año Semana 52


34/88

omponen e c coomponen e c co Repetiendo movimientos de arriba yRepetiendo movimientos de arriba y

Afectado por el ciclo económico, Afectado por el ciclo económico,

política, y factores económicospolítica, y factores económicos

A menudo por A menudo porrelacionesrelacionesasociativasasociativas


o causalo causal 00 55 1010 1515 2020


35/88

omponen e ea or oomponen e ea or o Fluctuaciones “ residual” Errática,Fluctuaciones “ residual” Errática,

Debido a variaciones aleatorias oDebido a variaciones aleatorias o

Corta duración yCorta duración yno repe vono repe vo


MM TT WW TT FF


36/88

o o a veo o a ve Asume que la demanda en el Asume que la demanda en el

s gu en e per o o es a m smas gu en e per o o es a m smademanda del periodo más recientedemanda del periodo más reciente

p.e.p.e., Si en Enero las ventas fueron, Si en Enero las ventas fueron68, entonces las ventas de Febrero68, entonces las ventas de Febreroserán 68serán 68

Puede ser un punto de inicioPuede ser un punto de inicio



37/88

o o rome o ovo o rome o ov MA es una serie de mediasMA es una serie de medias

aritméticasaritméticas Usada si hay poca o nada deUsada si hay poca o nada de

Usada a menudo ara suavizar Usada a menudo ara suavizar

Provee una visión global de los datosProvee una visión global de los datos

∑∑ demanda en n periodos previosdemanda en n periodos previos


nn


38/88

emp o e rome o vemp o e rome o vVentasVentas Promedio MóvilPromedio Móvil

MesMes Actuales Actuales 33 -- mesesmesesEneroEnero 1010FebreroFebrero 1212

1010

1212

MarzoMarzo 1313 Abril Abril 16161313 ((1010 ++ 1212 ++ 1313)/3 = 11)/3 = 11 22 / /33ayoayo

JunioJunio 2323 + + =+ + = 33

(13 + 16 + 19)/3 = 16(13 + 16 + 19)/3 = 16

== 11



39/88

r co e rome o vr co e rome o v

3030 –

PronósticoPronósticoPromedioPromedio

2828 –2626 –

–

VentasVentas Actual Actual

e n t a s

e n t a s

2222 –2020 – –

1616 –

1414 –

| | | | | | | | | | | |

–1010 –



40/88

rome o v on era orome o v on era o Usado cuando la tendencia estáUsado cuando la tendencia está

presentepresenteDatos más antiguos menosDatos más antiguos menos

Ponderador basados en laPonderador basados en laexper enc a e n u c nexper enc a e n u c n

PromedioPromedio==

∑∑ ((ponderador por periodo nponderador por periodo n))xx ((demanda en periodo ndemanda en periodo n))


pon era orespon era ores

Ponderados Aplicados Periodos


41/88

Ponderados Aplicados Periodos

rome o v on era orome o v on era o3 Último mes2 dos meses atrás

res meses a r s

6 Suma de ponderados

VentasVentas Promedio MóvilPromedio MóvilMesesMeses Actuales Actuales Ponderado 3Ponderado 3--mesesmeses

EneroEnero 1010FebreroFebrero 1212

10101212

MarzoMarzo 1313 Abril Abril 1616

== 11

1313

[(3 x[(3 x 1313) + (2 x) + (2 x 1212) + () + (1010)]/6 = 12)]/6 = 1211 / /66

JunioJunio 2323JulioJulio 2626

33[(3 x 19) + (2 x 16) + (13)]/6 = 17[(3 x 19) + (2 x 16) + (13)]/6 = 17

[(3 x 23) + (2 x 19) + (16)]/6 = 20[(3 x 23) + (2 x 19) + (16)]/6 = 2011 / /22



42/88

Promedios MóvilesPromedios Móviles

pronósticos pero hacen menospronósticos pero hacen menos

No pronostica bien las tendenciasNo pronostica bien las tendencias

Requiere extensos datos históricosRequiere extensos datos históricos


Pr m i M vilPr m i M vil


43/88

Pr m i M vilPr m i M vil

Promedio Móvil PonderadoPromedio Móvil Ponderado

3030 –

PromedioPromediomóvilmóvil

2525 – e n t a s

e n t a s

2020 –

1515 – d a d

e

d a d

e VentasVentas Actuales Actuales

1010 –

D e m a n

D e m a n PromedioPromedio

móvilmóvil

55 –

| | | | | | | | | | | |


JJ FF MM A A MM JJ JJ A A SS OO NN DDFigure 4.2Figure 4.2


44/88

uav zam en ouav zam en o xponenc axponenc a Forma de promedio móvil ponderadoForma de promedio móvil ponderado

x x Los datos más recientes pesan másLos datos más recientes pesan más

RequiereRequiere suavizamientosuavizamiento constanteconstante (( ))ango es e aango es e a

Elegido subjetivamenteElegido subjetivamente Involucra poco registro de datosInvolucra poco registro de datos



45/88

uav zam en ouav zam en o xponenc axponenc a

Nuevo Pronostico =Nuevo Pronostico = Último periodo pronosticadoÚltimo periodo pronosticado++ ((demanda actual último periododemanda actual último periodo – – Último periodo pronosticadoÚltimo periodo pronosticado))

FFtt = F= Ftt – – 11 ++ (( A Att – – 11 -- FFtt – – 11))

dondedonde FFtt == nuevo pronósticonuevo pronósticoFFtt – – 11 == pronóstico previopronóstico previo

== suavizamiento (o ponderador)suavizamiento (o ponderador)


constanteconstante (0(0 ≤≤ ≤≤ 1)1)


46/88

E em loE em lo

Demanda ronosticadaDemanda ronosticada = 142= 142 Ford Mustan sFord Mustan s Demanda actualDemanda actual = 153= 153Suavizador constanteSuavizador constante = .20= .20



47/88

E em loE em lo

Demanda ronosticadaDemanda ronosticada = 142= 142 Ford Mustan sFord Mustan s Demanda actualDemanda actual == 153153Suavizador constanteSuavizador constante = .20= .20

uevo pron s couevo pron s co == + .+ . – –



48/88

E em loE em lo

Demanda ronosticadaDemanda ronosticada == 142142 Ford Mustan sFord Mustan s Demanda actualDemanda actual == 153153Suavizador constanteSuavizador constante = .20= .20

uevo pron s couevo pron s co == + .+ . – –

== 142 + 2.2142 + 2.2== 144.2 ≈ 144 cars144.2 ≈ 144 cars



49/88


50/88

mpac o e eren esmpac o e eren es225225 –

200200 – d a d a

DemandaDemanda Actual Actual

= .5= .5

175175 – D e m

a n

D e m

a n

= .1= .1

150150 –11 22 33 44 55 66 77 88 99



51/88

mpac o e eren esmpac o e eren es225225 –

200200 – d a d a

DemandaDemanda Actual Actual

= .5= .5Elegir altos valores deElegir altos valores decuando el promedio tienecuando el promedio tiene

175175 – D e m

a n

D e m

a n

buena probabilidad debuena probabilidad decambiar cambiar

= .1= .1Elegir bajos valores deElegir bajos valores de

cuando el promedio escuando el promedio es150150 –11 22 33 44 55 66 77 88 99

estableestable



52/88

EligiendoEligiendoEl objetivo es obtener el pronósticoEl objetivo es obtener el pronóstico

que se utiliceque se utilice

Generamente hacemos estoGeneramente hacemos esto

menor error de pronósticomenor error de pronóstico

Error de Pronóstico = Demanda ActualError de Pronóstico = Demanda Actual – – Valor PronósticadoValor Pronósticado

== --



53/88

Medidas Comunes del Error Medidas Comunes del Error

Desviación Media AbsolutaDesviación Media Absoluta MADMAD∑∑ |Actual|Actual -- Pronóstico|Pronóstico|

==nn

Media del Error al CuadradoMedia del Error al Cuadrado ((MSEMSE))

MSE =MSE =∑∑ ((Errores de PronósticoErrores de Pronóstico))22



54/88

m r i n Err rm r i n Err r


55/88

m r i n Err r m r i n Err r

PronósticoPronósticoPronósticoPronóstico DesviaciónDesviación PronósticoPronóstico DesviaciónDesviación

TonelajeTonelaje RedondeadoRedondeado Absoluta Absoluta RedondeadoRedondeado Absoluta AbsolutaRealReal concon parapara concon paraparaTrimTrim DescargadoDescargado = .10= .10 = .10= .10 = .50= .50 = .50= .50

11 180180 175175 5.005.00 175175 5.005.00

22 168168 175.5175.5 7.507.50 177.50177.50 9.509.50

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.75

55 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.56

66 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.78

.. .. .. ..

88 182182 178.22178.22 3.783.78 186.30186.30 4.304.30

82.4582.45 98.6298.62


m r i n Err rm r i n Err r


56/88



TonelajeTonelaje RedondeadoRedondeado Absoluta Absoluta RedondeadoRedondeado Absoluta AbsolutaRealReal concon parapara concon parapara

MAD =n .. .. .. ..

11 180180 175175 5.005.00 175175 5.005.00

22 168168 175.5175.5 7.507.50 177.50177.50 9.509.50= 82.45/8 = 10.31

Para = .10

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.75

44 175175 173.18173.18 1.821.82 165.88165.88 9.129.12For = .50.. .. .. ..

66 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.78

77 180180 178.02178.02 1.981.98 192.61192.61 12.6112.61

= . = .

.. .. .. ..

82.4582.45 98.6298.62




57/88

PronósticoPronóstico2PronósticoPronóstico DesviaciónDesviación PronósticoPronóstico DesviaciónDesviación


MSE =

n .. .. .. ..

11 180180 175175 5.005.00 175175 5.005.00

22 168168 175.5175.5 7.507.50 177.50177.50 9.509.50= 1,526.54/8 = 190.82

Para = .10

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.75

44 175175 173.18173.18 1.821.82 165.88165.88 9.129.12Para = .50.. .. .. ..

66 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.78

77 180180 178.02178.02 1.981.98 192.61192.61 12.6112.61

= , . = .

.. .. .. ..

82.4582.45 98.6298.62

MADMAD 10.3110.31 12.3312.33


m r i nm r i n Err r Err r


58/88

PronósticoPronósticonPronósticoPronóstico DesviaciónDesviación PronósticoPronóstico DesviaciónDesviación


MAPE =i i

n

i = 1

.. .. .. ..

11 180180 175175 5.005.00 175175 5.005.00

22 168168 175.5175.5 7.507.50 177.50177.50 9.509.50

Para = .10

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.75

44 175175 173.18173.18 1.821.82 165.88165.88 9.129.12

. .

Para = .50.. .. .. ..

66 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.78

77 180180 178.02178.02 1.981.98 192.61192.61 12.6112.61= 54.05/8 = 6.76%

.. .. .. ..

82.4582.45 98.6298.62

MADMAD 10.3110.31 12.3312.33


MSEMSE 190.82190.82 195.24195.24

m r i nm r i n Err r Err r


59/88



.. .. .. ..

11 180180 175175 5.005.00 175175 5.005.00

22 168168 175.5175.5 7.507.50 177.50177.50 9.509.50

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.75

44 175175 173.18173.18 1.821.82 165.88165.88 9.129.12

.. .. .. ..

66 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.78

77 180180 178.02178.02 1.981.98 192.61192.61 12.6112.61

.. .. .. ..

82.4582.45 98.6298.62

MADMAD 10.3110.31 12.3312.33


MSEMSE 190.82190.82 195.24195.24

MAPEMAPE 5.59%5.59% 6.76%6.76%


60/88

concon TrendenciaTrendencia A ustada A ustada

suavizamiento exponencial debe sersuavizamiento exponencial debe sermodificadomodificado

PronósticoPronósticoIncluyendoIncluyendo ((FITFITtt)) ==PronósticoPronóstico TendenciaTendenciasuavizadosuavizado ((FFtt)) ++ ((TTtt)) suavizadasuavizada

tendenciatendencia ExponencialmenteExponencialmente ExponencialmenteExponencialmente

((FITFITtt)) == ((FFtt)) ++ ((TTtt))



61/88

concon TrendenciaTrendencia A ustada A ustada

FFtt == (( A A tt -- 11) + (1) + (1 -- )()(FFtt -- 11 ++ TTtt -- 11))

TTtt == ((FFtt -- FFtt -- 11) + (1) + (1 -- ))TTtt -- 11

Paso 1: Calcular FPaso 1: Calcular Fttaso : a cu araso : a cu ar tt

Paso 3: Calcular el pronóstico FITPaso 3: Calcular el pronóstico FITtt == FFtt ++ TTtt



62/88

Tendencia Ajustada: EjemploTendencia Ajustada: EjemploPronósticoPronóstico

DemandaDemanda PronósticoPronóstico TendenciaTendencia IncluyendoIncluyendoMesMes)) Actual Actual(( A A tt)) Suavizado, FSuavizado, Ftt Suavizada,Suavizada, TTttTendencia,Tendencia, FITFITtt

11 1212 1111 22 13.0013.00

33 2020

44 1919

66 2121

77 3131

99 3636

1010


Table 4.1Table 4.1


63/88



11 1212 1111 22 13.0013.00

33 2020

44 1919

66 2121

77 3131 F2 = A1 + (1 - )(F1 + T1)

99 3636

1010

F2 = (.2)(12) + (1 - .2)(11 + 2)

= 2.4 + 10.4 = 12.8 unidades


Table 4.1Table 4.1

SuavizamientoSuavizamiento Ex onencial conEx onencial con


64/88



11 1212 1111 22 13.0013.00

33 2020

44 1919

66 2121

77 3131 T2 = (F2 - F1) + (1 - )T1

99 3636

1010

T2 = (.4)(12.8 - 11) + (1 - .4)(2)

= .72 + 1.2 = 1.92 unidades


Table 4.1Table 4.1


65/88



11 1212 1111 22 13.0013.00

33 2020

44 1919

66 2121

77 3131 FIT2 = F2 + T1

99 3636

1010

2 = . + .

= 14.72 unidades


Table 4.1Table 4.1


66/88



11 1212 1111 22 13.0013.00

33 2020

44 191915.1815.18 2.102.10 17.2817.28

17.8217.82 2.322.32 20.1420.14

66 2121

77 3131

.. .. ..

22.5122.51 2.382.38 24.8924.89

24.1124.11 2.072.07 26.1826.18

99 3636

1010

.. .. ..

29.2829.28 2.322.32 31.6031.60

32.4832.48 2.682.68 35.1635.16


Table 4.1Table 4.1


67/88

Tendencia Ajustada: EjemploTendencia Ajustada: Ejemplo3535 –

r o d u c t o

r o d u c t o 3030 –

2525 –

tt

d a d a d e

l

d e

l P P

2020 –

1515 –

D

e m a n

D

e m a n

1010 – PronósticoPronóstico incluyendoincluyendo ttendenciattendencia((FITFITtt))ConCon = .2= .2 yy = .4= .4

| | | | | | | | |

–

00 –


Figure 4.3Figure 4.3TiempoTiempo ((mesmes))

royecc ones e en enc aroyecc ones e en enc a


68/88

royecc ones e en enc aroyecc ones e en enc a

Ajustar a una línea de tendencia a los Ajustar a una línea de tendencia a losdatos históricos para proyectar en eldatos históricos para proyectar en elme ano y argo p azome ano y argo p azoLa línea de tendencia pueden serLa línea de tendencia pueden serencon ra a usan o a cn ca e m n mosencon ra a usan o a cn ca e m n mos

cuadradoscuadrados ^̂

Donde yDonde y = valor calculado de la la variables a ser= valor calculado de la la variables a ser^̂

pronósticada (variable dependiente)pronósticada (variable dependiente)aa = intercepto el eje= intercepto el eje -- yy

==


xx = la variable independente= la variable independente


69/88

CuadradosCuadrados d e n t e

Observación ActualObservación Actual

DesviaciónDesviación77

D e p e n (valor de y)(valor de y)

DesviaciónDesviación55 DesviaciónDesviación66

a r i a

b l e



e

s d e

^̂


(error)(error) DesviaciónDesviación

V a l o

nea e en enc a, y = a + xnea e en enc a, y = a + x


Periodo de TiempoPeriodo de Tiempo Figure 4.4Figure 4.4


70/88

CuadradosCuadrados d e n t e

Observación ActualObservación Actual


D e p e n (valor de y)(valor de y)

DesviaciónDesviación55 DesviaciónDesviación66

a r i a

b l e


DesviaciónDesviación33Métodos de Mínimos

Cuadrados minimiza la

e

s d e

^̂


(error)(error) DesviaciónDesviación

errores (desviaciones)

V a l o

nea e en enc a, y = a + xnea e en enc a, y = a + x


Periodo de TiempoPeriodo de Tiempo Figure 4.4Figure 4.4


71/88


72/88

EjemploEjemploer o oer o o eman a eeman a e energ aenerg a Año Año de tiempo(x)de tiempo(x) Electricidad (y)Electricidad (y) xx22 xyxy

20012001 11 747420022002 22 7979

20032003 33 8080

20052005 55 10510520052005 66 142142

∑∑xx == 28 ∑∑yy == 692 ∑∑xx22 == 140 ∑∑xyxy == 3,063

xx == 4 yy == 98.86

bb = = == = = 10.54∑∑xyxy -- nxynxy

xx22 -- nxnx223,063 - (7)(4)(98.86)

140 - 7 42


aa == yy -- bxbx == 98.86 - 10.54(4) == 56.70


73/88


74/88

EjemploEjemploer o oer o o eman a eeman a e energ aenerg a Año Año de tiempo(x)de tiempo(x) Electricidad (y)Electricidad (y) xx22 xyxy

20012001 11 7474 11 747420022002 22 7979 44 158158

20032003 33 8080 99 240240La Línea de Tendencia es

20052005 55 105105 2525 52552520052005 66 142142 3636 852852y = 56.70 + 10.54x^

∑∑xx = 28= 28 ∑∑yy = 692= 692 ∑∑xx22 = 140= 140 ∑∑xyxy = 3,063= 3,063

xx = 4= 4 yy = 98.86= 98.86

bb = = = 10.54= = = 10.54∑∑xyxy -- nxynxy

xx22 -- nxnx223,0633,063 -- (7)(4)(98.86)(7)(4)(98.86)

140140 -- 7 47 422


aa == yy -- bxbx = 98.86= 98.86 -- 10.54(4) = 56.7010.54(4) = 56.70


75/88

EjemploEjemplo160160 –150150 –

LíneaLínea dede tendenciatendencia,,yy = 56.70 + 10.54x= 56.70 + 10.54x^̂

140140 –130130 –120120 – e

n e r g í

e n e r g í

110110 –100100 –

a n d a

a n d a

d d

–8080 –7070 –

D e D e

| | | | | | | | |

6060 –5050 –


20012001 20022002 20032003 20042004 20052005 20062006 20072007 20082008 20092009

Años Años


76/88


77/88

E em loE em lo -- EViewsEViews


– –


78/88

EviewsEviews 6.06.0



79/88

DatosDatos


Estimación de MínimosEstimación de Mínimos


80/88

Cuadrados con EVIEWSCuadrados con EVIEWS



81/88


recoge el valor de los estimadores de los

variables explicativas (independientes)

estándar recoge la desviación típica estimada


,

que son estimados los parámetros


82/88


83/88


•• RR--squaredsquared, coeficiente de determinación, sirvepara valorar el éxito de la regresión para predecirlos valores de la variable endógena dentro delper o o mues ra .

•• AdjustedAdjusted RR--squaredsquared, coeficiente R2 ponderado

© 2008 Prentice Hall, Inc. 4 – 83por los grados de libertad.


84/88


•• S.E. ofS.E. of regressionregression, error estándar de la regresión, sirvepara ana zar a capac a pre c va e mo e o,recoge la función objetivo ponderada por sus grados de

libertad.•• SumSum squaredsquared residresid, suma de los errores al cuadrado,

mide la diferencia entre el valor observado de Y con el


estimado. (debe ser lo más pequeño posible).


85/88


•• FF--statisticstatistic, se construye para contrastar si lospar me ros asoc a os a as var a es exp ca vas emodelo son conjuntamente iguales a cero. Permite

contrastar la ca acidad ex licativa con unta de las variables introducidas en el modelo.

•• PorbPorb FF--statisticstatistic , mide la robabilidad de rechazar la


hipotesis nula siendo cierta.


86/88

n s s e egres nn s s e egres n


87/88

m s e una var a e n epen en e va a serm s e una var a e n epen en e va a serusada en el modelo, la regresión líneal puedeusada en el modelo, la regresión líneal puede

acomodar varias variables independentesacomodar varias variables independentes

yy == aa ++ bb11xx11 + b+ b22xx22 ……^̂

Genralmente, realizar estos cálculos es muyGenralmente, realizar estos cálculos es muycom licado ma ormente se hace con elcom licado ma ormente se hace con el

© 2008 Prentice Hall, Inc. 4 – 87apoyo de un software y una PCapoyo de un software y una PC


88/88

diapositivas pronostico ao heizer

Documents