mét d métodos cuantiiitativos de negocios · métodos cualitativos usado cuando la situación es...
TRANSCRIPT
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
© 2008 Prentice Hall, Inc. 4 – 2
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
© 2008 Prentice Hall, Inc. 4 – 3
BosquejoBosquejo ContinúaContinúaBosquejo Bosquejo –– ContinúaContinúa
Métodos de PronósticosMétodos de Pronósticos Métodos CualitativosMétodos Cualitativos Métodos CuantitativosMétodos Cuantitativos Métodos CuantitativosMétodos Cuantitativos
© 2008 Prentice Hall, Inc. 4 – 4
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
© 2008 Prentice Hall, Inc. 4 – 5
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
© 2008 Prentice Hall, Inc. 4 – 6
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
© 2008 Prentice Hall, Inc. 4 – 7
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
© 2008 Prentice Hall, Inc. 4 – 8
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
© 2008 Prentice Hall, Inc. 4 – 9
¿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
© 2008 Prentice Hall, Inc. 4 – 10
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
© 2008 Prentice Hall, Inc. 4 – 11
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
© 2008 Prentice Hall, Inc. 4 – 12
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
© 2008 Prentice Hall, Inc. 4 – 13
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
© 2008 Prentice Hall, Inc. 4 – 14
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
© 2008 Prentice Hall, Inc. 4 – 15
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
© 2008 Prentice Hall, Inc. 4 – 16
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
© 2008 Prentice Hall, Inc. 4 – 17
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
© 2008 Prentice Hall, Inc. 4 – 18
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
© 2008 Prentice Hall, Inc. 4 – 19
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
© 2008 Prentice Hall, Inc. 4 – 20
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
© 2008 Prentice Hall, Inc. 4 – 21
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
© 2008 Prentice Hall, Inc. 4 – 22
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
© 2008 Prentice Hall, Inc. 4 – 23
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’
© 2008 Prentice Hall, Inc. 4 – 24
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
© 2008 Prentice Hall, Inc. 4 – 25
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
© 2008 Prentice Hall, Inc. 4 – 26
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
© 2008 Prentice Hall, Inc. 4 – 27
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
© 2008 Prentice Hall, Inc. 4 – 28
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
© 2008 Prentice Hall, Inc. 4 – 29
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
© 2008 Prentice Hall, Inc. 4 – 30
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
© 2008 Prentice Hall, Inc. 4 – 31
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
© 2008 Prentice Hall, Inc. 4 – 32
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
© 2008 Prentice Hall, Inc. 4 – 33
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
© 2008 Prentice Hall, Inc. 4 – 34
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
© 2008 Prentice Hall, Inc. 4 – 35
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
© 2008 Prentice Hall, Inc. 4 – 36
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
© 2008 Prentice Hall, Inc. 4 – 37
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
© 2008 Prentice Hall, Inc. 4 – 38
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 –
© 2008 Prentice Hall, Inc. 4 – 39
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
© 2008 Prentice Hall, Inc. 4 – 40
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
© 2008 Prentice Hall, Inc. 4 – 41
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
© 2008 Prentice Hall, Inc. 4 – 42
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 –
| | | | | | | | | | | |
© 2008 Prentice Hall, Inc. 4 – 43
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
© 2008 Prentice Hall, Inc. 4 – 44
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)
© 2008 Prentice Hall, Inc. 4 – 45
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
© 2008 Prentice Hall, Inc. 4 – 46
SuavizamientoSuavizamiento ExponencialExponencialSuavizamientoSuavizamiento Exponencial Exponencial EjemploEjemploj pj p
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)
© 2008 Prentice Hall, Inc. 4 – 47
SuavizamientoSuavizamiento ExponencialExponencialSuavizamientoSuavizamiento Exponencial Exponencial EjemploEjemploj pj p
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
© 2008 Prentice Hall, Inc. 4 – 48
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
© 2008 Prentice Hall, Inc. 4 – 49
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
© 2008 Prentice Hall, Inc. 4 – 50
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
© 2008 Prentice Hall, Inc. 4 – 51
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
© 2008 Prentice Hall, Inc. 4 – 52
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
© 2008 Prentice Hall, Inc. 4 – 53
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
© 2008 Prentice Hall, Inc. 4 – 54
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
© 2008 Prentice Hall, Inc. 4 – 55
Comparación de Errores deComparación de Errores deComparación de Errores de Comparación de Errores de PronósticoPronóstico
∑ |deviaciones|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
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
© 2008 Prentice Hall, Inc. 4 – 56
Comparación de Errores deComparación de Errores deComparación de Errores de Comparación de Errores de PronósticoPronóstico
∑ (Errores de Pronóstico)2PronósticoPronóstico 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
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
© 2008 Prentice Hall, Inc. 4 – 57
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
© 2008 Prentice Hall, Inc. 4 – 58
MSEMSE 190.82190.82 195.24195.24
ComparasiónComparasión de Errores dede Errores deComparasiónComparasión de Errores de de Errores de PronósticoPronósticoPronósticoPronóstico DesviaciónDesviación Pronóstico Pronóstico DesviaciónDesviación
TonelajeTonelaje RedondeadoRedondeado AbsolutaAbsoluta Redondeado Redondeado AbsolutaAbsolutaRealReal concon parapara con con parapara
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
© 2008 Prentice Hall, Inc. 4 – 59
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))
© 2008 Prentice Hall, Inc. 4 – 60
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
© 2008 Prentice Hall, Inc. 4 – 61
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
© 2008 Prentice Hall, Inc. 4 – 62
Table 4.1Table 4.1
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 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
© 2008 Prentice Hall, Inc. 4 – 63
Table 4.1Table 4.1
SuavizamientoSuavizamiento Exponencial con Exponencial con ppTendencia 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 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
© 2008 Prentice Hall, Inc. 4 – 64
Table 4.1Table 4.1
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 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
© 2008 Prentice Hall, Inc. 4 – 65
Table 4.1Table 4.1
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 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
© 2008 Prentice Hall, Inc. 4 – 66
Table 4.1Table 4.1
SuavizamientoSuavizamiento Exponencial conExponencial conSuavizamientoSuavizamiento Exponencial con Exponencial con Tendencia Ajustada: EjemploTendencia Ajustada: Ejemplo
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 –
© 2008 Prentice Hall, Inc. 4 – 67
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
© 2008 Prentice Hall, Inc. 4 – 68
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
DesviaciónDesviación33
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
© 2008 Prentice Hall, Inc. 4 – 69
Periodo de TiempoPeriodo de Tiempo Figure 4.4Figure 4.4
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
DesviaciónDesviación33
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
© 2008 Prentice Hall, Inc. 4 – 70
Periodo de TiempoPeriodo de Tiempo Figure 4.4Figure 4.4
Métodos MínimosMétodos MínimosMétodos Mínimos Métodos Mínimos CuadradosCuadrados
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
© 2008 Prentice Hall, Inc. 4 – 71
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
© 2008 Prentice Hall, Inc. 4 – 72
∑∑ ( )( )
aa = = yy -- bxbx = = 98.86 - 10.54(4) = = 56.70
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 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
© 2008 Prentice Hall, Inc. 4 – 73
∑∑ ( )(( )( ))
aa = = yy -- bxbx = 98.86 = 98.86 -- 10.54(4) = 56.7010.54(4) = 56.70
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 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
© 2008 Prentice Hall, Inc. 4 – 74
∑∑ ( )(( )( ))
aa = = yy -- bxbx = 98.86 = 98.86 -- 10.54(4) = 56.7010.54(4) = 56.70
Mínimos CuadradosMínimos CuadradosMínimos Cuadrados Mínimos Cuadrados EjemploEjemplo
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 –
© 2008 Prentice Hall, Inc. 4 – 75
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
© 2008 Prentice Hall, Inc. 4 – 76
asumidos como aleatoriosasumidos como aleatorios
Mínimos CuadradosMínimos CuadradosMínimos Cuadrados Mínimos Cuadrados Ejemplo Ejemplo -- EViewsEViewsj pj p
© 2008 Prentice Hall, Inc. 4 – 77
EconometricEconometric ViewsViewsEconometricEconometric ViewsViews ––EviewsEviews 6.06.0
© 2008 Prentice Hall, Inc. 4 – 78
CrearCrear WorkfileWorkfile e Ingresare IngresarCrear Crear WorkfileWorkfile e Ingresar e Ingresar DatosDatos
© 2008 Prentice Hall, Inc. 4 – 79
Estimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS
© 2008 Prentice Hall, Inc. 4 – 80
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
© 2008 Prentice Hall, Inc. 4 – 81
de los estimadores y mide, la precisión con la que son estimados los parámetros
Estimación de MínimosEstimación de MínimosEstimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS
• 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
© 2008 Prentice Hall, Inc. 4 – 82
Probability, indica la probabilidad de cometer el error de rechazar la hipótesis nula siendo cierta.
Estimación de MínimosEstimación de MínimosEstimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS
•• 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
© 2008 Prentice Hall, Inc. 4 – 83
por los grados de libertad.
Estimación de MínimosEstimación de MínimosEstimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS
•• 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
© 2008 Prentice Hall, Inc. 4 – 84
estimado. (debe ser lo más pequeño posible).
Estimación de MínimosEstimación de MínimosEstimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS
•• 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
© 2008 Prentice Hall, Inc. 4 – 85
(( )) phipotesis nula siendo cierta.
Estimación de MínimosEstimación de MínimosEstimación de Mínimos Estimación de Mínimos Cuadrados con EVIEWSCuadrados con EVIEWS
•• 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).
© 2008 Prentice Hall, Inc. 4 – 86
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
© 2008 Prentice Hall, Inc. 4 – 87
p y yp y yapoyo de un software y una PCapoyo de un software y una PC