mét d métodos cuantiiitativos de negocios · métodos cualitativos usado cuando la situación es...

Mét d Mét d Métodos i i

Métodos i iCuantitativos Cuantitativos

de Negociosde NegociosCapítulo 3 Capítulo 3 –– Pronósticos Pronósticos ppy Simulacióny Simulación

PowerPoint presentation to accompany PowerPoint presentation to accompany HeizerHeizer/Render /Render Principles of Operations Management, 7ePrinciples of Operations Management, 7e

© 2008 Prentice Hall, Inc. 4 – 1

p p g ,p p g ,Operations Management, 9e Operations Management, 9e

BosquejoBosquejoBosquejoBosquejo

¿Qué son Pronósticos?¿Qué son Pronósticos? Pronósticos y Horizontes de TiempoPronósticos y Horizontes de Tiempo Pronósticos y Horizontes de TiempoPronósticos y Horizontes de Tiempo Influencia del Ciclo de Vida del Influencia del Ciclo de Vida del

P d tP d tProductoProducto

Tipos de PronósticosTipos de Pronósticospp


BosquejoBosquejo ContinúaContinúaBosquejo Bosquejo –– ContinúaContinúa L I t i E t té i d lL I t i E t té i d l La Importancia Estratégica de los La Importancia Estratégica de los

PronósticosPronósticos Recursos HumanosRecursos Humanos CapacidadCapacidad CapacidadCapacidad Administración de la Cadena de Administración de la Cadena de

S i i tS i i tSuministroSuministro

Siete Pasos en el Sistema de Siete Pasos en el Sistema de PronósticosPronósticos


BosquejoBosquejo ContinúaContinúaBosquejo Bosquejo –– ContinúaContinúa

Métodos de PronósticosMétodos de Pronósticos Métodos CualitativosMétodos Cualitativos Métodos CuantitativosMétodos Cuantitativos Métodos CuantitativosMétodos Cuantitativos


BosquejoBosquejo ContinúaContinúaBosquejo Bosquejo –– ContinúaContinúa Pronósticos de Series de TiempoPronósticos de Series de Tiempo Pronósticos de Series de TiempoPronósticos de Series de Tiempo Descomposición de Series de TiempoDescomposición de Series de Tiempo Métodos NaiveMétodos Naive Promedios MóvilesPromedios Móviles Suavizamiento ExponencialSuavizamiento Exponencial Suavizamiento Exponencial conSuavizamiento Exponencial con Suavizamiento Exponencial con Suavizamiento Exponencial con

Ajuste de TendenciaAjuste de Tendencia Proyecciones de TendenciaProyecciones de Tendencia Proyecciones de TendenciaProyecciones de Tendencia Variaciones Estacionales en DatosVariaciones Estacionales en Datos V i i Cí li D tV i i Cí li D t


Variaciones Cíclicas en DatosVariaciones Cíclicas en Datos

BosquejoBosquejo ContinúaContinúaBosquejo Bosquejo –– ContinúaContinúaMétodos Asociativos de Métodos Asociativos de

Pronósticos: Regresión y Análisis Pronósticos: Regresión y Análisis g yg yde Correlaciónde Correlación Usando Análisis de Regresión paraUsando Análisis de Regresión para Usando Análisis de Regresión para Usando Análisis de Regresión para

PronósticosPronósticos Error Estándar de los EstimadosError Estándar de los Estimados Error Estándar de los EstimadosError Estándar de los Estimados Coeficientes de Correlación para Coeficientes de Correlación para

R i Li lR i Li lRegresiones LinealesRegresiones Lineales Análisis de Regresión MúltipleAnálisis de Regresión Múltiple


g pg p

BosquejoBosquejo ContinúaContinúaBosquejo Bosquejo –– ContinúaContinúaMonitoreando y Controlando Monitoreando y Controlando

PronósticosPronósticos Suavizamiento AdaptivoSuavizamiento Adaptivo P ó ti FP ó ti F Pronósticos FocusPronósticos Focus

Pronósticos en el Sector ServiciosPronósticos en el Sector Servicios


Objetivos de AprendizajeObjetivos de AprendizajeObjetivos de AprendizajeObjetivos de AprendizajeC d l t t ít l t áC d l t t ít l t áCuando se complete este capítulo estará Cuando se complete este capítulo estará capacitado para :capacitado para :

Entender los tres horizontes de tiempo Entender los tres horizontes de tiempo d l li dd l li dy que modelos aplicar en cada casoy que modelos aplicar en cada caso

Explicar cuando se usa cualquiera de Explicar cuando se usa cualquiera de p qp qlos modelos cualitativoslos modelos cualitativos

Aplicar los métodosAplicar los métodos naivenaive, promedios, promedios Aplicar los métodos Aplicar los métodos naivenaive, promedios , promedios móviles, móviles, suavizamientosuavizamiento exponencial, y exponencial, y tendenciatendencia


Objetivos de AprendizajeObjetivos de AprendizajeObjetivos de AprendizajeObjetivos de AprendizajeC d l t t ít l t áC d l t t ít l t áCuando se complete este capítulo estará Cuando se complete este capítulo estará capacitado para :capacitado para :

Calcular medidas de la exactitud del Calcular medidas de la exactitud del ó tió tipronósticopronóstico

Desarrollar índices estacionalesDesarrollar índices estacionales Conducir a una análisis de regresión y Conducir a una análisis de regresión y

correlacióncorrelacióncorrelacióncorrelación Usar una señal de rastreoUsar una señal de rastreo


¿Qué son Pronósticos?¿Qué son Pronósticos?¿Qué son Pronósticos?¿Qué son Pronósticos?

Procesos de Procesos de predecir un evento predecir un evento ppfuturofuturo

Base fundamental deBase fundamental de??

Base fundamental de Base fundamental de todas las decisiones todas las decisiones de negociosde negociosde egoc osde egoc os ProducciónProducción InventariosInventarios InventariosInventarios PersonalPersonal F ilid dF ilid d


FacilidadesFacilidades

Pronósticos: Horizonte de Pronósticos: Horizonte de

P ó ti d C t PlP ó ti d C t PlTiempoTiempo

Pronósticos de Corto PlazoPronósticos de Corto Plazo Hasta 1 año, generalmente menos que 3 mesesHasta 1 año, generalmente menos que 3 meses Compras, Programas de Trabajo, Niveles de Compras, Programas de Trabajo, Niveles de

fuerza laboral, Asignación de trabajo, Niveles fuerza laboral, Asignación de trabajo, Niveles de producciónde producciónpp

Pronósticos de Mediano PlazoPronósticos de Mediano Plazo 3 meses a 3 años3 meses a 3 años 3 meses a 3 años3 meses a 3 años Planes de ventas y Producción, PresupuestoPlanes de ventas y Producción, Presupuesto

Pronósticos de Largo PlazoPronósticos de Largo Plazo Pronósticos de Largo PlazoPronósticos de Largo Plazo Más de 3Más de 3++ añosaños Pl d d t f ilid d dPl d d t f ilid d d


Planes de nuevos productos, facilidad de Planes de nuevos productos, facilidad de localización, investigación y desarrollolocalización, investigación y desarrollo

Distinguiendo DiferenciasDistinguiendo DiferenciasDistinguiendo DiferenciasDistinguiendo Diferencias

Mediano/Largo plazo Mediano/Largo plazo los pronósticos se los pronósticos se ocupan más de comprender los ocupan más de comprender los

bl t l d i ibl t l d i iproblemas y soportar las decisiones problemas y soportar las decisiones gerenciales referente a planificación, gerenciales referente a planificación, productos plantas y procesosproductos plantas y procesosproductos, plantas y procesosproductos, plantas y procesos

Corto plazoCorto plazo los pronósticos usualmente los pronósticos usualmente l dif t t d l í ll dif t t d l í lemplean diferentes metodologías que los emplean diferentes metodologías que los

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

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


Influencia del Ciclo de VidaInfluencia del Ciclo de VidaInfluencia del Ciclo de Vida Influencia del Ciclo de Vida del Productodel Producto

Introducción – Crecimiento – Madurez – Decline

Introducción y crecimiento requieren Introducción y crecimiento requieren mayores pronósticos que madurez y declinemayores pronósticos que madurez y declinemayores pronósticos que madurez y declinemayores pronósticos que madurez y decline

Conforme el producto pasa a través del ciclo Conforme el producto pasa a través del ciclo d id l ó i ú ild id l ó i ú ilde vida, los pronósticos son útiles en de vida, los pronósticos son útiles en proyectar:proyectar: Niveles de contratación de personalNiveles de contratación de personal Niveles de inventariosNiveles de inventarios


Capacidad de la fábricaCapacidad de la fábrica

Ciclo de Vida del ProductoCiclo de Vida del ProductoCiclo de Vida del ProductoCiclo de Vida del Producto

Mejor periodo para Mejor periodo para incrementar suincrementar su

Practico para Practico para cambiar precios ocambiar precios o

Escaso tiempo para Escaso tiempo para cambiar imagen,cambiar imagen,

Control de Control de Costos críticoCostos crítico

Introducción Crecimiento Madurez Decline

ción

ción incrementar su incrementar su

participación en el participación en el mercadomercado

Investigación yInvestigación y

cambiar precios o cambiar precios o calidad de imagencalidad de imagen

Fortalecer nichos Fortalecer nichos de mercadode mercado

cambiar imagen, cambiar imagen, precio, o calidadprecio, o calidad

Costo competitivos Costo competitivos resultan críticosresultan críticos

Costos críticoCostos crítico

gani

zac

gani

zac

Investigación y Investigación y diseños son diseños son criticoscriticos

de mercadode mercado resultan críticosresultan críticosDefender posición Defender posición de mercadosde mercados

de la

Org

de la

Org

Portales de búsqueda Portales de búsqueda en Interneten Internet

CDCD--ROMsROMsTV AnalogoTV Analogo

egia

seg

ias

dd

VentasVentas

Pasar por Pasar por restaurantes restaurantes

en cocheen cocheLCD & plasma LCD & plasma TVsTVs

TV AnalogoTV Analogo

iPodsiPods

Estr

aEs

tra VentasVentas

3 1/2” 3 1/2” Floppy Floppy disksdisks

iPodsiPods

Windows 7Windows 7


Figure 2.5Figure 2.5

disksdisks

Ciclo de Vida del ProductoCiclo de Vida del ProductoCiclo de Vida del ProductoCiclo de Vida del Producto

Diseño y Diseño y desarrollo dedesarrollo de

Introducción Crecimiento Madurez Decline

ción

ción Pronósticos Pronósticos

críticocríticoEstandarizaciónEstandarizaciónM á id lM á id l

Pequeñas Pequeñas diferenciacióndiferenciacióndesarrollo de desarrollo de

productos productos críticoscríticosCambios Cambios frecuentes defrecuentes dega

niza

cga

niza

c críticocríticoFiabilidad del Fiabilidad del producto y producto y procesosprocesos

Menos rápido los Menos rápido los cambios en el cambios en el producto producto –– más más de menores de menores cambioscambios

diferenciación diferenciación en el productoen el productoMinimización Minimización de costosde costos

frecuentes de frecuentes de procesos y procesos y diseñosdiseñosBreve ejecución Breve ejecución

de la

Org

de la

Org Mejora en la Mejora en la

competitividad competitividad del producto y del producto y las opcioneslas opciones

cambioscambiosCapacidad Capacidad OptimaOptimaIncremento de laIncremento de la

Sobre Sobre capacidad en capacidad en la industriala industriaEliminarEliminarde producciónde producción

Altos costos de Altos costos de producciónproducciónM d lM d leg

ias

egia

sdd Incrementos de Incrementos de

capacidadcapacidadCentrarse en el Centrarse en el

d td t

Incremento de la Incremento de la estabilidad de estabilidad de procesosprocesosGrandes niveles Grandes niveles d d iód d ió

Eliminar Eliminar lineas que no lineas que no producen producen buen margenbuen margenR d i lR d i lModelos Modelos

limitadoslimitadosAtención a la Atención a la calidadcalidad

Estr

aEs

tra productoproducto

Mejorar la Mejorar la distribucióndistribución

de producciónde producciónMejoras del Mejoras del producto y producto y reducción de reducción de

Reducir la Reducir la capacidadcapacidad


costoscostos

Figure 2.5Figure 2.5

Tipos de PronósticosTipos de PronósticosTipos de PronósticosTipos de Pronósticos

Pronósticos EconómicosPronósticos Económicos Dirección del ciclo económicoDirección del ciclo económico –– tasa detasa de Dirección del ciclo económico Dirección del ciclo económico tasa de tasa de

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

Pronósticos TecnológicosPronósticos Tecnológicos Pronósticos TecnológicosPronósticos Tecnológicos Predecir la tasa del progreso tecnológicoPredecir la tasa del progreso tecnológico I t d l d ll d d tI t d l d ll d d t Impacto del desarrollo de nuevos productosImpacto del desarrollo de nuevos productos

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

existentesexistentes


I t i E t té i dI t i E t té i dImportancia Estratégica de Importancia Estratégica de PronósticosPronósticosPronósticosPronósticos

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

Capacidad Capacidad –– la falta de capacidad puede la falta de capacidad puede dar como resultado entregas poco dar como resultado entregas poco g pg pconfiables, pérdida de clientes, pérdida confiables, pérdida de clientes, pérdida de posición en el mercado.de posición en el mercado.

Administración de la Cadena e Administración de la Cadena e Suministro Suministro –– buena relación con el buena relación con el


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

Siete Pasos en PronósticosSiete Pasos en PronósticosSiete Pasos en PronósticosSiete Pasos en Pronósticos Determinar el so del pronósticoDeterminar el so del pronóstico Determinar el uso del pronósticoDeterminar el uso del pronóstico Seleccionar los Seleccionar los itemsitems a ser a ser

pronosticadospronosticados Determinar el horizonte de tiempo a ser Determinar el horizonte de tiempo a ser pp

pronosticadopronosticado Seleccionar el(los) modelo(s) deSeleccionar el(los) modelo(s) de Seleccionar el(los) modelo(s) de Seleccionar el(los) modelo(s) de

pronósticopronóstico Obtener los datosObtener los datos Obtener los datosObtener los datos Realizar el pronósticoRealizar el pronóstico


Validar e implementar los resultadosValidar e implementar los resultados

La Realidad!!La Realidad!!

Los pronósticos raramente son Los pronósticos raramente son f tf tperfectosperfectos

LaLa mayoriamayoria de las técnicas asumende las técnicas asumen La La mayoriamayoria de las técnicas asumen de las técnicas asumen estabilidad subyacente en el estabilidad subyacente en el sistemasistemasistemasistema

Pronósticos de familias de Pronósticos de familias de ááproductos agregados son más productos agregados son más

exactos que pronósticos de exactos que pronósticos de


productos individualesproductos individuales

é óé óMétodos de PronósticosMétodos de Pronósticos

U d d l i ióU d d l i ióMétodos CualitativosMétodos Cualitativos

Usado cuando la situación es vaga Usado cuando la situación es vaga o existen pocos datoso existen pocos datos Nuevos productosNuevos productos Nueva tecnologíaNueva tecnología Nueva tecnologíaNueva tecnología

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

InternetInternet


é óé óMétodos de PronósticosMétodos de PronósticosMétodos CuantitativosMétodos Cuantitativos

Usado cuando la situación es Usado cuando la situación es ‘estable’ y existen datos históricos‘estable’ y existen datos históricos Productos existentesProductos existentes Tecnología actualTecnología actual Tecnología actualTecnología actual

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

televisores a colortelevisores a color


televisores a colortelevisores a color

Visión General de MétodosVisión General de MétodosVisión General de Métodos Visión General de Métodos CualitativosCualitativos

Jurado de ejecutivosJurado de ejecutivos Jurado de ejecutivosJurado de ejecutivos Opiniones de un pool expertos de Opiniones de un pool expertos de

lt i l li dlt i l li dalto nivel, a veces ampliados por alto nivel, a veces ampliados por modelos estadísticosmodelos estadísticos

Método Método DelphiDelphi Panel de expertos interrogadosPanel de expertos interrogados Panel de expertos, interrogados Panel de expertos, interrogados

iterativamenteiterativamente


Visión General de MétodosVisión General de MétodosVisión General de Métodos Visión General de Métodos CualitativosCualitativos

Fuerzas de Ventas combinadasFuerzas de Ventas combinadas Fuerzas de Ventas combinadasFuerzas de Ventas combinadas Las estimaciones de vendedores Las estimaciones de vendedores

i di id l i di di id l i dindividuales son revisados para individuales son revisados para moderación, luego agregadosmoderación, luego agregados

Encuestas de Mercado de Encuestas de Mercado de ConsumidoresConsumidores Preguntas al consumidorPreguntas al consumidor


Jurado de EjecutivosJurado de EjecutivosJurado de EjecutivosJurado de Ejecutivos

Involucra un pequeño grupo de expertos Involucra un pequeño grupo de expertos de alto nivel y gerentesde alto nivel y gerentesy gy g

El Grupo estima la demanda trabajando El Grupo estima la demanda trabajando juntosjuntosjuntosjuntos

Combinan la experiencia gerencial con Combinan la experiencia gerencial con modelos estadísticosmodelos estadísticosmodelos estadísticosmodelos estadísticos

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


Fuerzas de VentasFuerzas de VentasFuerzas de Ventas Fuerzas de Ventas CombinadasCombinadas

Cada vendedor proyecta sus Cada vendedor proyecta sus propias ventaspropias ventaspropias ventaspropias ventas

Combinación a nivel distrital, Combinación a nivel distrital, regional y nacionalregional y nacional

Los vendedores conocen los gustosLos vendedores conocen los gustos Los vendedores conocen los gustos Los vendedores conocen los gustos de los consumidoresde los consumidores

Tiende a ser excesivamente Tiende a ser excesivamente optimistaoptimista


Método DelphiMétodo DelphiMétodo DelphiMétodo Delphi Proceso de Proceso de

grupo Iterativo, grupo Iterativo, ti h tti h t

Tomador de Decisiones(Evalua lascontinua hasta continua hasta

alcanzar el alcanzar el consensoconsenso

(Evalua las respuestas y

toma decisiones)consensoconsenso

3 tipos de 3 tipos de Asesores

(Administran el estudio)participantesparticipantes

Tomadores de Tomadores de

el estudio)

DecisionesDecisiones AsesoresAsesores

Entrevistados(Personas quienes

d h


entrevistadosentrevistados pueden hacer juicios de valor)

Encuestas de Mercado a Encuestas de Mercado a ConsumidoresConsumidores

Se pregunta a los consumidores Se pregunta a los consumidores respecto de sus planes de comprarespecto de sus planes de comprarespecto de sus planes de comprarespecto de sus planes de compra

Los que los consumidores dicen, y Los que los consumidores dicen, y lo que ellos hacen actualmente a lo que ellos hacen actualmente a menudo son diferentesmenudo son diferentes

A veces es dificil de responderA veces es dificil de responder


Visión General de MétodosVisión General de MétodosVisión General de Métodos Visión General de Métodos CuantitativosCuantitativos

1.1. Métodos NaiveMétodos Naive1.1. Métodos NaiveMétodos Naive2.2. Promedios MóvilesPromedios Móviles

ModelosModelos3.3. Suavizamiento Suavizamiento

ExponentialExponential

Modelos Modelos Series de Series de TiempoTiempoExponentialExponential

4.4. Proyección de Proyección de T d iT d i

pp

TendenciaTendencia5.5. Regresión LinealRegresión Lineal Modelos Modelos

CausalesCausales


5.5. Regresión LinealRegresión Lineal CausalesCausalesAsociativosAsociativos

Pronósticos Series dePronósticos Series dePronósticos Series de Pronósticos Series de TiempoTiempo

Conjunto de datos numéricos Conjunto de datos numéricos uniformemente espaciadosuniformemente espaciadosuniformemente espaciadosuniformemente espaciados Obtenida por observación de la respuesta de Obtenida por observación de la respuesta de

la variable para periodos de tiempo regularesla variable para periodos de tiempo regularesla variable para periodos de tiempo regularesla variable para periodos de tiempo regulares

Pronósticos basado solamente en valores Pronósticos basado solamente en valores pasados ninguna otra variables importantepasados ninguna otra variables importantepasados, ninguna otra variables importantepasados, ninguna otra variables importante Asume que los factores que influyeron en el Asume que los factores que influyeron en el

pasado y en el presente continuará influyendopasado y en el presente continuará influyendopasado y en el presente continuará influyendo pasado y en el presente continuará influyendo en el futuroen el futuro


Componentes de Series deComponentes de Series deComponentes de Series de Componentes de Series de TiempoTiempo

T d i Ci lTendencia Ciclo

E t i l Al t iEstacional Aleatorio


Componentes of DemandaComponentes of DemandaComponentes of DemandaComponentes of DemandaComponente

serv

icio

Picos EstacionalTendencia

duct

o o

s

Demanda

r un

prod

Demanda Actual

anda

por Demanda

Promedio de los 4 añosVariación

Dem

a

| | | |1 2 3 4

los 4 añosAleatoria


Año Figure 4.1Figure 4.1

C t T d iC t T d iComponente TendenciaComponente Tendencia Patrón Persistente, en conjunto Patrón Persistente, en conjunto

ascendente o descendenteascendente o descendenteascendente o descendenteascendente o descendente Cambia debido a población, Cambia debido a población,

t l í d d lt tt l í d d lt ttecnología, edad, cultura, etc.tecnología, edad, cultura, etc. Tipicamente duración de variosTipicamente duración de varios Tipicamente duración de varios Tipicamente duración de varios

añosaños


C t E t i lC t E t i lComponente EstacionalComponente Estacional Patrón regular de fluctuaciones de Patrón regular de fluctuaciones de

hacia arriba y hacia abajohacia arriba y hacia abajohacia arriba y hacia abajohacia arriba y hacia abajo Debido al clima, costumbres, etc.Debido al clima, costumbres, etc. Ocurre en el lapso de un solo añoOcurre en el lapso de un solo año

úNúmero dePeriodo Duración EstacionesSemana Día 7Mes Semana 4 - 4.5Mes Día 28 - 31Año Trimestre 4Añ M 12


Año Mes 12Año Semana 52

C t Cí liC t Cí liComponente CíclicoComponente Cíclico

Repetiendo movimientos de arriba y Repetiendo movimientos de arriba y abajoabajoabajoabajo

Afectado por el ciclo económico, Afectado por el ciclo económico, política, y factores económicospolítica, y factores económicos

Multiples años de duraciónMultiples años de duración Multiples años de duraciónMultiples años de duración A menudo por A menudo por

relaciones relaciones asociativas asociativas


o causalo causal 00 55 1010 1515 2020

C t Al t iC t Al t iComponente AleatorioComponente Aleatorio

Fluctuaciones “residual” Errática, Fluctuaciones “residual” Errática, no sistemáticano sistemáticano sistemáticano sistemática

Debido a variaciones aleatorias o Debido a variaciones aleatorias o eventos imprevistoseventos imprevistoseventos imprevistoseventos imprevistos

Corta duración yCorta duración ytitititino repetitivo no repetitivo


MM TT WW TT FF

Mét d N iMét d N iMétodo NaiveMétodo Naive

Asume que la demanda en el Asume que la demanda en el i i t i d l ii i t i d l isiguiente periodo es la misma siguiente periodo es la misma

demanda del periodo más recientedemanda del periodo más recientep.e.p.e., Si en Enero las ventas fueron , Si en Enero las ventas fueron

68, entonces las ventas de Febrero 68, entonces las ventas de Febrero serán 68serán 68

A veces costo efectivo y eficienteA veces costo efectivo y eficiente A veces costo efectivo y eficienteA veces costo efectivo y eficiente Puede ser un punto de inicioPuede ser un punto de inicio


Mét d P di M ilMét d P di M ilMétodo Promedio MovilMétodo Promedio Movil MA es una serie de medias MA es una serie de medias

aritméticas aritméticas Usada si hay poca o nada de Usada si hay poca o nada de

tendenciatendenciatendenciatendencia Usada a menudo para suavizarUsada a menudo para suavizarpp

Provee una visión global de los datos Provee una visión global de los datos en el tiempoen el tiempoen el tiempoen el tiempo

Promedio Móvil =Promedio Móvil =∑∑ demanda en n periodos previosdemanda en n periodos previos


Promedio Móvil =Promedio Móvil = nn

Ej l d P di Mó ilEj l d P di Mó ilEjemplo de Promedio MóvilEjemplo de Promedio MóvilVentasVentas Promedio MóvilPromedio Móvil

MesMes ActualesActuales 3 3 -- mesesmeses

EneroEnero 1010FebreroFebrero 1212

10101212

MarzoMarzo 1313AbrilAbril 1616MM 1919 (12 13 16)/3 13(12 13 16)/3 13 22//

1313((1010 + + 1212 + + 1313)/3 = 11 )/3 = 11 22//33

MayoMayo 1919JunioJunio 2323JulioJulio 2626

(12 + 13 + 16)/3 = 13 (12 + 13 + 16)/3 = 13 22//33(13 + 16 + 19)/3 = 16(13 + 16 + 19)/3 = 16(16 + 19 + 23)/3 = 19(16 + 19 + 23)/3 = 19 11//33JulioJulio 2626 (16 + 19 + 23)/3 = 19 (16 + 19 + 23)/3 = 19 //33


G áfi d P di Mó ilG áfi d P di Mó ilGráfico de Promedio MóvilGráfico de Promedio Móvil

30 30 –

Pronóstico Pronóstico Promedio Promedio

MóvilMóvil28 28 –26 26 –2424 –

Ventas Ventas ActualActual

MóvilMóvil

Vent

asVe

ntas

24 24 22 22 –20 20 –1818 –VV 18 18 –16 16 –14 14 –1212

| | | | | | | | | | | |EE FF MM AA MM JJ JJ AA SS OO NN DD

12 12 –10 10 –


EE FF MM AA MM JJ JJ AA SS OO NN DD

P di Mó il P d dP di Mó il P d dPromedio Móvil PonderadoPromedio Móvil Ponderado Usado cuando la tendencia está Usado cuando la tendencia está

presentepresenteppDatos más antiguos menos Datos más antiguos menos

importantesimportantesimportantesimportantes

Ponderador basados en la Ponderador basados en la i i i t i iói i i t i ióexperiencia e intuiciónexperiencia e intuición

PromedioPromediomovil ponderadomovil ponderado ==

∑∑ ((ponderador por periodo nponderador por periodo n))x x ((demanda en periodo ndemanda en periodo n))∑∑ d dd d


movil ponderadomovil ponderado ∑∑ ponderadoresponderadores

P di Mó il P d dP di Mó il P d dPonderados Aplicados Periodos

Promedio Móvil PonderadoPromedio Móvil Ponderado3 Último mes2 dos meses atrás1 T t á1 Tres meses atrás6 Suma de ponderados

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

EneroEnero 1010FebreroFebrero 1212

10101212

MarzoMarzo 1313AbrilAbril 1616MayoMayo 1919 [(3 x 16) + (2 x 13) + (12)]/6 = 14[(3 x 16) + (2 x 13) + (12)]/6 = 1411//33

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

MayoMayo 1919JunioJunio 2323JulioJulio 2626

[(3 x 16) + (2 x 13) + (12)]/6 = 14[(3 x 16) + (2 x 13) + (12)]/6 = 14 //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


Problemas Potenciales ConProblemas Potenciales ConProblemas Potenciales Con Problemas Potenciales Con Promedios MóvilesPromedios Móviles

Incrementa n suavizamientos alIncrementa n suavizamientos al Incrementa n suavizamientos al Incrementa n suavizamientos al pronósticos pero hacen menos pronósticos pero hacen menos sensibles a los cambiossensibles a los cambiossensibles a los cambiossensibles a los cambios

No pronostica bien las tendenciasNo pronostica bien las tendenciaspp Requiere extensos datos históricosRequiere extensos datos históricos


Promedio Móvil yPromedio Móvil yPromedio Móvil yPromedio Móvil yPromedio Móvil PonderadoPromedio Móvil Ponderado

30 30 –Promedio Promedio

móvil móvil ponderadoponderado

25 25 –

vent

asve

ntas

ponderadoponderado

20 20 –

15 15 –da d

e v

da d

e v Ventas Ventas

ActualesActuales

10 10 –

Dem

anD

eman Promedio Promedio

móvilmóvil

5 5 –

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


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

S i i tS i i t E i lE i lSuavizamientoSuavizamiento ExponencialExponencial

Forma de promedio móvil ponderadoForma de promedio móvil ponderadoPonderador declina exponencialmentePonderador declina exponencialmentePonderador declina exponencialmentePonderador declina exponencialmenteLos datos más recientes pesan másLos datos más recientes pesan más

Requiere Requiere suavizamientosuavizamiento constante constante (())R d d 0 1R d d 0 1Rango desde 0 a 1Rango desde 0 a 1Elegido subjetivamenteElegido subjetivamente

Involucra poco registro de datos Involucra poco registro de datos pasadospasados


pasadospasados

S i i tS i i t E i lE i lSuavizamientoSuavizamiento ExponencialExponencial

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

–– Último periodo pronosticadoÚltimo periodo pronosticado))

FFtt = F= Ft t –– 11 ++ ((AAt t –– 11 -- FFt t –– 11))

dondedonde FFtt == nuevo pronósticonuevo pronósticoFFt t –– 11 == pronóstico previopronóstico previo

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


constante constante (0 (0 ≤≤ ≤≤ 1)1)

SuavizamientoSuavizamiento ExponencialExponencialSuavizamientoSuavizamiento Exponencial Exponencial EjemploEjemploj pj p

Demanda pronosticadaDemanda pronosticada = 142= 142 Ford MustangsFord MustangsDemanda pronosticada Demanda pronosticada 142 142 Ford MustangsFord MustangsDemanda actual Demanda actual = 153= 153Suavizador constanteSuavizador constante = .20= .20Suavizador constante Suavizador constante .20 .20



Demanda pronosticadaDemanda pronosticada = 142= 142 Ford MustangsFord MustangsDemanda pronosticadaDemanda pronosticada 142 142 Ford MustangsFord MustangsDemanda actual Demanda actual = = 153153Suavizador constanteSuavizador constante = .20= .20Suavizador constante Suavizador constante .20 .20

N ó tiN ó ti 142 + 2(153142 + 2(153 142)142)Nuevo pronóstico Nuevo pronóstico = = 142 + .2(153 142 + .2(153 –– 142)142)



Demanda pronosticadaDemanda pronosticada == 142142 Ford MustangsFord MustangsDemanda pronosticadaDemanda pronosticada 142142 Ford MustangsFord MustangsDemanda actual Demanda actual = = 153153Suavizador constanteSuavizador constante = .20= .20Suavizador constante Suavizador constante .20 .20

N ó tiN ó ti 142 + 2(153142 + 2(153 142)142)Nuevo pronóstico Nuevo pronóstico = = 142 + .2(153 142 + .2(153 –– 142)142)= = 142 + 2.2142 + 2.2= = 144.2 ≈ 144 cars144.2 ≈ 144 cars


Efectos de ConstantesEfectos de ConstantesEfectos de Constantes Efectos de Constantes SuavizamientoSuavizamiento

Peso Asignado aPeso Asignado aMásMás 2do Más2do Más 3er Más3er Más 4to Más4to Más 5to Más5to Más

S i iS i i R i tR i t R i tR i t R i tR i t R i tR i t R i tR i tSuavimienSuavimien RecienteReciente RecienteReciente RecienteReciente RecienteReciente RecienteRecienteto.to. PeriodoPeriodo PeriodoPeriodo PeriodoPeriodo PeriodoPeriodo PeriodoPeriodo

ConstanteConstante (()) (1 (1 -- )) (1 (1 -- ))22 (1 (1 -- ))33 (1 (1 -- ))44

= .1= .1 .1.1 .09.09 .081.081 .073.073 .066.066

= .5= .5 .5.5 .25.25 .125.125 .063.063 .031.031


I t d Dif tI t d Dif tImpacto de Diferentes Impacto de Diferentes 225 225 –

200 200 –

nda

nda

Demanda Demanda ActualActual

= .5= .5

175 175 –Dem

anD

eman

| | | | | | | | | = .1= .1

150 150 – | | | | | | | | |11 22 33 44 55 66 77 88 99

TrimestreTrimestre


TrimestreTrimestre

I t d Dif tI t d Dif tImpacto de Diferentes Impacto de Diferentes 225 225 –

200 200 –

nda

nda

DemandaDemandaActual Actual

= .5= .5Elegir altos valores de Elegir altos valores de cuando el promedio tiene cuando el promedio tiene

175 175 –Dem

anD

eman buena probabilidad de buena probabilidad de

cambiarcambiar

| | | | | | | | | = .1= .1

Elegir bajos valores deElegir bajos valores de cuando el promedio es cuando el promedio es

150 150 – | | | | | | | | |11 22 33 44 55 66 77 88 99

TrimestreTrimestre

estableestable


TrimestreTrimestre

Eligiendo Eligiendo

El objetivo es obtener el pronóstico El objetivo es obtener el pronóstico más exacto sin importar la técnicamás exacto sin importar la técnicamás exacto sin importar la técnica más exacto sin importar la técnica que se utiliceque se utilice

Generamente hacemos esto Generamente hacemos esto seleccionando el modelo que nos da elseleccionando el modelo que nos da elseleccionando el modelo que nos da el seleccionando el modelo que nos da el menor error de pronósticomenor error de pronóstico

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

= A= Att -- FFtt


A Att FFtt

Medidas Comunes del ErrorMedidas Comunes del Error

Desviación Media Absoluta Desviación Media Absoluta ((MADMAD))(( ))

MADMAD∑∑ |Actual |Actual -- Pronóstico|Pronóstico|

MAD =MAD = nn

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

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

nn


nn

Medidas Comunes del ErrorMedidas Comunes del Error

M di P t l d l E Ab l tM di P t l d l E Ab l t ((MAPEMAPE))Media Porcentual del Error Absoluto Media Porcentual del Error Absoluto ((MAPEMAPE))

∑∑100100|Actual|Actualii -- PronósticoPronósticoii|/Actual|/Actualiinn

ii = 1= 1MAPE =MAPE = nn

i i = 1= 1


Comparación de Errores deComparación de Errores deComparación de Errores de Comparación de Errores de Pronóstico Pronóstico PronósticoPronóstico DesviaciónDesviación Pronóstico Pronóstico DesviaciónDesviación

TonelajeTonelaje RedondeadoRedondeado AbsolutaAbsoluta Redondeado Redondeado AbsolutaAbsolutaRealReal concon parapara con con parapara

TrimTrim DescargadoDescargado = .10= .10 = .10= .10 = .50= .50 = .50= .50

11 180180 175175 5.005.00 175175 5.005.0022 168168 175.5175.5 7.507.50 177.50177.50 9.509.5033 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.7544 175175 173.18173.18 1.821.82 165.88165.88 9.129.1244 175175 173.18173.18 1.821.82 165.88165.88 9.129.1255 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5666 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.7877 180180 178 02178 02 1 981 98 192 61192 61 12 6112 6177 180180 178.02178.02 1.981.98 192.61192.61 12.6112.6188 182182 178.22178.22 3.783.78 186.30186.30 4.304.30

82.4582.45 98.6298.62


Comparación de Errores deComparación de Errores deComparación de Errores de Comparación de Errores de PronósticoPronóstico

∑ |deviaciones|PronósticoPronóstico DesviaciónDesviación Pronóstico Pronóstico DesviaciónDesviación


TrimTrim DescargadoDescargado = 10= 10 = 10= 10 = 50= 50 = 50= 50

MAD =∑ |deviaciones|

nTrimTrim DescargadoDescargado = .10= .10 = .10= .10 = .50= .50 = .50= .50

11 180180 175175 5.005.00 175175 5.005.0022 168168 175.5175.5 7.507.50 177.50177.50 9.509.50= 82.45/8 = 10.31Para = .10

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.7544 175175 173.18173.18 1.821.82 165.88165.88 9.129.1255 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5698 62/8 12 33For = .5055 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5666 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.7877 180180 178.02178.02 1.981.98 192.61192.61 12.6112.6188 182182 178 22178 22 3 783 78 186 30186 30 4 304 30

= 98.62/8 = 12.33

88 182182 178.22178.22 3.783.78 186.30186.30 4.304.3082.4582.45 98.6298.62


Comparación de Errores deComparación de Errores deComparación de Errores de Comparación de Errores de PronósticoPronóstico

∑ (Errores de Pronóstico)2PronósticoPronóstico DesviaciónDesviación Pronóstico Pronóstico DesviaciónDesviación


TrimTrim DescargadoDescargado = 10= 10 = 10= 10 = 50= 50 = 50= 50

MSE =∑ (Errores de Pronóstico)

nTrimTrim DescargadoDescargado = .10= .10 = .10= .10 = .50= .50 = .50= .50

11 180180 175175 5.005.00 175175 5.005.0022 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 13.7513.7544 175175 173.18173.18 1.821.82 165.88165.88 9.129.1255 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.56

,

1 561 91/8 195 24Para = .5055 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5666 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.7877 180180 178.02178.02 1.981.98 192.61192.61 12.6112.6188 182182 178 22178 22 3 783 78 186 30186 30 4 304 30

= 1,561.91/8 = 195.24

88 182182 178.22178.22 3.783.78 186.30186.30 4.304.3082.4582.45 98.6298.62

MADMAD 10.3110.31 12.3312.33


ComparasiónComparasión de Errores dede Errores deComparasiónComparasión de Errores de de Errores de PronósticoPronóstico

∑100|desviación |/actualn

PronósticoPronóstico DesviaciónDesviación Pronóstico Pronóstico DesviaciónDesviaciónTonelajeTonelaje RedondeadoRedondeado AbsolutaAbsoluta Redondeado Redondeado AbsolutaAbsoluta

RealReal concon parapara con con paraparaTrimTrim DescargadoDescargado = 10= 10 = 10= 10 = 50= 50 = 50= 50

MAPE =∑100|desviacióni|/actuali

ni = 1

TrimTrim DescargadoDescargado = .10= .10 = .10= .10 = .50= .50 = .50= .50

11 180180 175175 5.005.00 175175 5.005.0022 168168 175.5175.5 7.507.50 177.50177.50 9.509.50= 44 75/8 = 5 59%

Para = .10

33 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.7544 175175 173.18173.18 1.821.82 165.88165.88 9.129.1255 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.56

= 44.75/8 = 5.59%

Para = .5055 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5666 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.7877 180180 178.02178.02 1.981.98 192.61192.61 12.6112.6188 182182 178 22178 22 3 783 78 186 30186 30 4 304 30

= 54.05/8 = 6.76%88 182182 178.22178.22 3.783.78 186.30186.30 4.304.30

82.4582.45 98.6298.62MADMAD 10.3110.31 12.3312.33


MSEMSE 190.82190.82 195.24195.24

ComparasiónComparasión de Errores dede Errores deComparasiónComparasión de Errores de de Errores de PronósticoPronósticoPronósticoPronóstico DesviaciónDesviación Pronóstico Pronóstico DesviaciónDesviación


TrimTrim DescargadoDescargado = 10= 10 = 10= 10 = 50= 50 = 50= 50TrimTrim DescargadoDescargado = .10= .10 = .10= .10 = .50= .50 = .50= .50

11 180180 175175 5.005.00 175175 5.005.0022 168168 175.5175.5 7.507.50 177.50177.50 9.509.5033 159159 174.75174.75 15.7515.75 172.75172.75 13.7513.7544 175175 173.18173.18 1.821.82 165.88165.88 9.129.1255 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5655 190190 173.36173.36 16.6416.64 170.44170.44 19.5619.5666 205205 175.02175.02 29.9829.98 180.22180.22 24.7824.7877 180180 178.02178.02 1.981.98 192.61192.61 12.6112.6188 182182 178 22178 22 3 783 78 186 30186 30 4 304 3088 182182 178.22178.22 3.783.78 186.30186.30 4.304.30

82.4582.45 98.6298.62MADMAD 10.3110.31 12.3312.33


MSEMSE 190.82190.82 195.24195.24MAPEMAPE 5.59%5.59% 6.76%6.76%

SuavizamientoSuavizamiento ExponencialExponencialSuavizamientoSuavizamiento Exponencial Exponencial con con TrendenciaTrendencia AjustadaAjustadajj

Cuando una tendencia está presente, elCuando una tendencia está presente, elCuando una tendencia está presente, el Cuando una tendencia está presente, el suavizamiento exponencial debe ser suavizamiento exponencial debe ser modificadomodificado

PronósticoPronósticoIncluyendo Incluyendo ((FITFITtt)) = =

Pronóstico Pronóstico Tendencia Tendencia suavizado suavizado ((FFtt)) ++ ((TTtt)) suavizadasuavizada

tendenciatendenciatt tt

Exponencialmente Exponencialmente ExponencialmenteExponencialmente

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


SuavizamientoSuavizamiento ExponencialExponencialSuavizamientoSuavizamiento Exponencial Exponencial con con TrendenciaTrendencia AjustadaAjustadajj

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

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

Paso 1: Calcular FPaso 1: Calcular Ftt

P 2 C l l TP 2 C l l TPaso 2: Calcular TPaso 2: Calcular Ttt

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


tt tt tt

SuavizamientoSuavizamiento Exponencial conExponencial conSuavizamientoSuavizamiento Exponencial con Exponencial con Tendencia Ajustada: EjemploTendencia Ajustada: Ejemplo

PronósticoPronósticoDemanda Demanda PronósticoPronóstico TendenciaTendencia IncluyendoIncluyendo

MesMes)) ActualActual((AAtt)) Suavizado, FSuavizado, Ftt Suavizada, Suavizada, TTttTendencia, Tendencia, FITFITtt

11 1212 1111 22 13.0013.0022 171722 171733 202044 191955 242455 242466 212177 313188 282888 282899 36361010


Table 4.1Table 4.1




11 1212 1111 22 13.0013.0022 171722 171733 202044 191955 2424 Paso 1: Pronóstico para Mes 255 242466 212177 313188 2828

F2 = A1 + (1 - )(F1 + T1)F ( 2)(12) (1 2)(11 2)

Paso 1: Pronóstico para Mes 2

88 282899 36361010

F2 = (.2)(12) + (1 - .2)(11 + 2)= 2.4 + 10.4 = 12.8 unidades


Table 4.1Table 4.1

SuavizamientoSuavizamiento Exponencial con Exponencial con ppTendencia Ajustada: EjemploTendencia Ajustada: Ejemplo



11 1212 1111 22 13.0013.0022 1717 12.8012.8022 1717 12.8012.8033 202044 191955 2424 Paso 2: Tendencia para Mes 255 242466 212177 313188 2828

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

T ( 4)(12 8 11) (1 4)(2)

Paso 2: Tendencia para Mes 2

88 282899 36361010

T2 = (.4)(12.8 - 11) + (1 - .4)(2)= .72 + 1.2 = 1.92 unidades


Table 4.1Table 4.1




11 1212 1111 22 13.0013.0022 1717 12.8012.80 1.921.9222 1717 12.8012.80 1.921.9233 202044 191955 2424 Paso 3: Calcular FIT para Mes 255 242466 212177 313188 2828

FIT2 = F2 + T1

FIT 12 8 1 92

Paso 3: Calcular FIT para Mes 2

88 282899 36361010

FIT2 = 12.8 + 1.92= 14.72 unidades


Table 4.1Table 4.1




11 1212 1111 22 13.0013.0022 1717 12.8012.80 1.921.92 14.7214.7222 1717 12.8012.80 1.921.92 14.7214.7233 202044 191955 2424

15.1815.18 2.102.10 17.2817.2817.8217.82 2.322.32 20.1420.1419 9119 91 2 232 23 22 1422 1455 2424

66 212177 313188 2828

19.9119.91 2.232.23 22.1422.1422.5122.51 2.382.38 24.8924.8924.1124.11 2.072.07 26.1826.1827 1427 14 2 452 45 29 5929 5988 2828

99 36361010

27.1427.14 2.452.45 29.5929.5929.2829.28 2.322.32 31.6031.6032.4832.48 2.682.68 35.1635.16


Table 4.1Table 4.1


35 35 –

DemandaDemanda ActualActual ((AA ))

Prod

ucto

Prod

ucto 30 30 –

25 25 –

DemandaDemanda Actual Actual ((AAtt))

dadade

l de

l PP 20 20 –

15 15 –

Dem

and

Dem

and

10 10 –

55

PronósticoPronóstico incluyendoincluyendo ttendenciattendencia((FITFITtt))Con Con = .2 = .2 y y = .4= .4

| | | | | | | | |11 22 33 44 55 66 77 88 99

5 5 –

0 0 –


Figure 4.3Figure 4.311 22 33 44 55 66 77 88 99

TiempoTiempo ((mesmes))

P i d T d iP i d T d iProyecciones de TendenciaProyecciones de TendenciaAjustar a una línea de tendencia a los Ajustar a una línea de tendencia a los datos históricos para proyectar en el datos históricos para proyectar en el

di l ldi l lmediano y largo plazomediano y largo plazoLa línea de tendencia pueden ser La línea de tendencia pueden ser

t d d l té i d í it d d l té i d í iencontrada usando la técnica de mínimos encontrada usando la técnica de mínimos cuadradoscuadrados

yy == aa ++ bxbx^̂y y = = a a + + bxbx

Donde yDonde y = valor calculado de la la variables a ser = valor calculado de la la variables a ser ó ( )ó ( )

^̂pronósticada (variable dependiente)pronósticada (variable dependiente)

aa = intercepto el eje = intercepto el eje -- yybb = pendiente de la línea de regresión= pendiente de la línea de regresión


bb = pendiente de la línea de regresión= pendiente de la línea de regresiónxx = la variable independente = la variable independente

Métodos MínimosMétodos MínimosMétodos Mínimos Métodos Mínimos CuadradosCuadrados

dent

e

Observación Actual Observación Actual DesviaciónDesviación77

e D

epen

Observación Actual Observación Actual (valor de y)(valor de y)

DesviaciónDesviación55 DesviaciónDesviación66

Varia

ble

DesviaciónDesviación44


res

de V

Lí d t d i + bLí d t d i + b^̂DesviaciónDesviación11

(error)(error) DesviaciónDesviación22

44

Valo

r Línea de tendencia, y = a + bxLínea de tendencia, y = a + bx22


Periodo de TiempoPeriodo de Tiempo Figure 4.4Figure 4.4


dent

e

Observación Actual Observación Actual DesviaciónDesviación77

e D

epen

Observación Actual Observación Actual (valor de y)(valor de y)

DesviaciónDesviación55 DesviaciónDesviación66

Varia

ble



Métodos de Mínimos Cuadrados minimiza la

suma del cuadrado de los

res

de V

Lí d t d i + bLí d t d i + b^̂DesviaciónDesviación11

(error)(error) DesviaciónDesviación22

44suma del cuadrado de los errores (desviaciones)

Valo

r Línea de tendencia, y = a + bxLínea de tendencia, y = a + bx22


Periodo de TiempoPeriodo de Tiempo Figure 4.4Figure 4.4


Ecuaciones para calcular la regresión de las Ecuaciones para calcular la regresión de las variablesvariablesvariablesvariables

y y = = a a + + bxbx^̂

b =b =xy xy -- nxynxy

b =b =xx22 -- nxnx22

a = y a = y -- bxbx


Mínimos CuadradosMínimos CuadradosMínimos Cuadrados Mínimos Cuadrados EjemploEjemplo

P i dP i d D d dD d d iiPeriodoPeriodo Demanda de Demanda de energiaenergiaAñoAño de tiempo(x)de tiempo(x) Electricidad (y)Electricidad (y) xx22 xyxy

20012001 11 747420012001 11 747420022002 22 797920032003 33 808020042004 44 909020042004 44 909020052005 55 10510520052005 66 14214220072007 77 12212220072007 77 122122

∑∑xx = = 28 ∑∑yy = = 692 ∑∑xx22 = = 140 ∑∑xyxy = = 3,063xx = = 4 yy = = 98.86

b b = = = = = = 10.54∑∑xy xy -- nxynxy∑∑xx22 -- nxnx22

3,063 - (7)(4)(98.86)140 - (7)(42)

yy


∑∑ ( )( )

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



20012001 11 7474 11 747420012001 11 7474 11 747420022002 22 7979 44 15815820032003 33 8080 99 24024020042004 44 9090 1616 36036020042004 44 9090 1616 36036020052005 55 105105 2525 52552520052005 66 142142 3636 85285220072007 77 122122 4949 85485420072007 77 122122 4949 854854

∑∑xx = 28= 28 ∑∑yy = 692= 692 ∑∑xx22 = 140= 140 ∑∑xyxy = 3,063= 3,063xx = 4= 4 yy = 98.86= 98.86

b b = = = 10.54= = = 10.54∑∑xy xy -- nxynxy∑∑xx22 -- nxnx22

3,063 3,063 -- (7)(4)(98.86)(7)(4)(98.86)140 140 -- (7)(4(7)(422))

yy


∑∑ ( )(( )( ))

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



20012001 11 7474 11 747420012001 11 7474 11 747420022002 22 7979 44 15815820032003 33 8080 99 24024020042004 44 9090 1616 360360

La Línea de Tendencia es20042004 44 9090 1616 36036020052005 55 105105 2525 52552520052005 66 142142 3636 85285220072007 77 122122 4949 854854

y = 56.70 + 10.54x^

20072007 77 122122 4949 854854∑∑xx = 28= 28 ∑∑yy = 692= 692 ∑∑xx22 = 140= 140 ∑∑xyxy = 3,063= 3,063

xx = 4= 4 yy = 98.86= 98.86

b b = = = 10.54= = = 10.54∑∑xy xy -- nxynxy∑∑xx22 -- nxnx22

3,063 3,063 -- (7)(4)(98.86)(7)(4)(98.86)140 140 -- (7)(4(7)(422))

yy


∑∑ ( )(( )( ))

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


160 160 –150 150 –

aa

LíneaLínea de de tendenciatendencia,,y y = 56.70 + 10.54x= 56.70 + 10.54x^̂

140 140 –130 130 –120 120 –e e

ener

gía

ener

gía

00110 110 –100 100 –

9090man

dam

anda

dede

90 90 –80 80 –70 70 –

Dem

Dem

| | | | | | | | |

60 60 –50 50 –


20012001 20022002 20032003 20042004 20052005 20062006 20072007 20082008 20092009AñosAños

Requerimientos de MínimosRequerimientos de MínimosRequerimientos de Mínimos Requerimientos de Mínimos CuadradosCuadrados

1.1. Siempre debemos graficar los Siempre debemos graficar los datos para asegurar una relación datos para asegurar una relación lineallineal

2.2. No predecimos periodos de tiempo No predecimos periodos de tiempo que van más alla de la base deque van más alla de la base deque van más alla de la base de que van más alla de la base de datosdatos

3.3. Las desviaciones alrededor de la Las desviaciones alrededor de la línea de mínimos cuadrados son línea de mínimos cuadrados son


asumidos como aleatoriosasumidos como aleatorios

Mínimos CuadradosMínimos CuadradosMínimos Cuadrados Mínimos Cuadrados Ejemplo Ejemplo -- EViewsEViewsj pj p


EconometricEconometric ViewsViewsEconometricEconometric ViewsViews ––EviewsEviews 6.06.0


CrearCrear WorkfileWorkfile e Ingresare IngresarCrear Crear WorkfileWorkfile e Ingresar e Ingresar DatosDatos


Estimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS


Estimación de MínimosEstimación de MínimosEstimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS

• La columna con el nombre CoefficientCoefficient• La columna con el nombre CoefficientCoefficientrecoge el valor de los estimadores de los parámetros asociados a cada una de lasparámetros asociados a cada una de las variables explicativas (independientes)

• La columna con el nombre StdStd ErrorError errores• La columna con el nombre StdStd ErrorError errores estándar recoge la desviación típica estimada de los estimadores y mide, la precisión con la


de los estimadores y mide, la precisión con la que son estimados los parámetros


• El estadístico tt StatisticStatistic permite contrastar la• El estadístico tt--StatisticStatistic permite contrastar la hipótesis de que el coeficiente es igual a cero (H0=i=0 frente a H1=i0) y que por lo tanto la(H0 i 0, frente a H1 i0) y que por lo tanto la variable en cuestión no es individualmente significativa para explicar el comportamiento de la g p p pvariable exógena.

• Probability, indica la probabilidad de cometer el


Probability, indica la probabilidad de cometer el error de rechazar la hipótesis nula siendo cierta.


•• RR--squaredsquared, coeficiente de determinación, sirve para valorar el éxito de la regresión para predecir los valores de la variable endógena dentro del

i d t lperiodo muestral.•• AdjustedAdjusted RR--squaredsquared, coeficiente R2 ponderado


por los grados de libertad.


•• S.E. of S.E. of regressionregression, error estándar de la regresión, sirve li l id d di ti d l d lpara analizar la capacidad predictiva del modelo,

recoge la función objetivo ponderada por sus grados de libertad.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).


•• FF--statisticstatistic, se construye para contrastar si los á t i d l i bl li ti d lparámetros asociados a las variables explicativas del

modelo son conjuntamente iguales a cero. Permite contrastar la capacidad explicativa conjunta de lascontrastar la capacidad explicativa conjunta de las variables introducidas en el modelo.

•• PorbPorb(F(F--statisticstatistic)), mide la probabilidad de rechazar la


(( )) phipotesis nula siendo cierta.


•• DurbinDurbin--Watson Watson statstat, estadístico que se construye para t t l hi ót i d i l ió t lcontrastar la hipótesis de incorrelación entre las

perturbaciones aleatorias frente a la presencia de autocorrelación según un esquema AR(1).autocorrelación según un esquema AR(1).


A áli i d R ióA áli i d R ióAnálisis de Regresión Análisis de Regresión MúltipleMúltipleMúltipleMúltiple

Si á d i bl i d di tSi á d i bl i d di tSi más de una variable independiente va a ser Si más de una variable independiente va a ser usada en el modelo, la regresión líneal puede usada en el modelo, la regresión líneal puede

ser extendida a regresión múltiple paraser extendida a regresión múltiple paraser extendida a regresión múltiple para ser extendida a regresión múltiple para acomodar varias variables independentes acomodar varias variables independentes

y y = = a a + + bb11xx11 + b+ b22xx22 ……^̂

Genralmente, realizar estos cálculos es muy Genralmente, realizar estos cálculos es muy complicado y mayormente se hace con el complicado y mayormente se hace con el


p y yp y yapoyo de un software y una PCapoyo de un software y una PC

mét d métodos cuantiiitativos de negocios · métodos cualitativos usado cuando la situación es...

Documents