PRONOSTICO

Pronosticar: Es el arte y la ciencia de predecir los eventos

futuros. Para ello se pueden usar datos histricos y su proyeccin hacia el futuro mediante al !n tipo de modelo matem"tico.

Profesora: Paulina #ayor a Peralta

$estin de Operaciones

%ori&onte de tiempo del Pronstico

Pronstico a corto Pla&o: hasta 1 ao, pero casi siempre es menor que 3 meses. Ej: planear compras, programar el trabajo, determinar niveles de mano de obra, asignar el trabajo decidir los niveles de produccin.

Pronstico a mediano pla&o: de 3 meses a 3 aos. Ej: planear las ventas, la produccin, el presupuesto.

Pronstico a lar o pla&o: 3 aos o ms Ej: planear nuevos productos, gastos de capital, ubicacin o ampliacin de las instalaciones

Profesora: Paulina #ayor a Peralta

$estin de Operaciones

'os ( Pasos de un Pronstico

*.) "eterminar el uso del pronstico +.) #eleccionar los aspectos que se deben pronosticar. ,.) "eterminar el hori$onte del pronstico -.) #eleccionar los modelos de pronstico ..) %eunir los datos necesarios para elaborar el pronstico /.) &btener el pronstico (.) !alidar e implantar los resultados

Profesora: Paulina #ayor a Peralta

$estin de Operaciones

Enfo0ues de Pronsticos
)urado de opinin de Ejecutivos #1todos Cualitativos '(todo "elphi *omposicin de la +uer$a de ventas Encuesta en el mercado de consumo

En+oque intuitivo #1todos Cuantitativos ,romedios 'viles 234 #uavi$amiento e-ponencial 234 ,ro eccin de tendencias 234 %egresin .ineal 234
Profesora: Paulina #ayor a Peralta

'odelos de series de tiempo 'odelo asociativo

$estin de Operaciones

Enfo0ues de Pronsticos
)urado de opinin de Ejecutivos #1todos Cualitativos '(todo "elphi *omposicin de la +uer$a de ventas Encuesta en el mercado de consumo

En+oque intuitivo #1todos Cuantitativos ,romedios 'viles #uavi$amiento e-ponencial ,ro eccin de tendencias %egresin .ineal
'odelo asociativo 'odelos de series de tiempo

*.) Promedios #viles.

Promedio #vil /

"emanda en los

n n

periodos anteriores

Promedio #vil Ponderado 5

0ponderacin para periodo n1 0demanda en periodo n1 ponderaciones

Profesora: Paulina #ayor a Peralta

$estin de Operaciones

E6emplo: .as ventas de coberti$os de una empresa 2, se muestran en la columna central de la siguiente tabla. 3 la derecha se da el promedio mvil de tres meses. #es
Enero 4ebrero 'ar$o 3bril 'a o )unio )ulio 3gosto #eptiembre &ctubre 5oviembre "iciembre 7entas Reales de Co8erti&os 16 17 13 18 19 73 78 36 7: 1: 18 1; 016<17<131=3 / 117=3 017<13<181=3 / 13 013<18<191=3 / 18 018<19<731=3/19 1=3 019<73<781=3 / 77 7=3 073<78<361=3/ 78 1=3 078<36<7:1=3/ 7: 036<7:<1:1=3 / 7> 1=3 07:<1:<181=3 / 76 7=3
7=3

Promedio #vil de , meses

!emos que el pronstico para diciembre es de 76 7=3 . ,ara pro ectar la demanda de coberti$os en enero pr-imo, sumamos las ventas de octubre, noviembre diciembre entre 3: pronstico para enero / 01:<18<1;1=3 / 18
Profesora: Paulina #ayor a Peralta $estin de Operaciones

#iguiendo con el ejemplo anterior. Esta empresa decidi pronosticar las ventas de coberti$os ponderando los ?ltimos tres meses como sigue:
Ponderacin 9plicada , + * / Periodo :ltimo mes o m"s reciente %ace dos meses %ace tres meses Suma de ponderaciones

#es
Enero 4ebrero 'ar$o 3bril 'a o )unio )ulio 3gosto #eptiembre &ctubre 5oviembre "iciembre

7entas Reales de Co8erti&os 16 17 13 18 19 73 78 36 7: 1: 18 1;

Promedio #vil Ponderado de , meses

03-131<07-171<0161 =8 / 17

1=8

03-181<07-131<0171 =8 / 1; 1=3 03-191<07-181<0131 =8 / 1@ 03-731<07-191<0181 =8 / 761=7 03-781<07-731<0191 =8 / 73>=8 03-361<07-781<0731 =8 / 7@1=7 03-7:1<07-361<0781 =8 / 7:1=3 03-1:1<07-7:1<0361 =8 / 731=3 03-181<07-1:1<07:1 =8 / 1:
7=3

,< Promedio mvil ponderado Promedio mvil +< 7entas reales

;emanda de 7entas

+.

*.

*<

Ene

=e8

#ar

98r

#ay

>un

>ul

9 o

Sep

Oct

Nov

;ic

#es

+.) Suavi&amiento E?ponencial.

Nuevo pronstico 5 pronstico del periodo anterior @ A 0demanda real en

mes anterior B pronstico del periodo anterior1

matemticamente, se puede escribir asD:

Ft

Ft-1 + (At-1

- Ft-1 )

Ft = nuevo pronstico
F t-1 = pronstico anterior A : es la ponderacin, o constante de suavi$ado, elegida por quien pronostica, que tiene un valor entre 6 1.06 C A C 1 1 9 t)* / demanda real en el periodo anterior
Profesora: Paulina #ayor a Peralta $estin de Operaciones

E6emplo: En Enero, un distribuidor de automviles predijo que la demanda para 4ebrero serDa de 1;7 camionetas 4ord. .a demanda real de +ebrero +ue de 1>3 autos. #i empleamos la constante de suavi$ado que eligi la administracin , A / 6,76, podemos pronosticar la demanda de mar$o mediante el modelo de suavi$amiento e-ponencial. #ustitu endo los datos del ejemplo en la +rmula, obtenemos. 0suavi$amiento e-ponencial1

Nuevo pronstico 0para la demanda de mar$o1 / 1;7 < 6,76 01>3 B 1;71 / 1;7 < 7,7 / 1;;,7 A siempre ser dada. #e encuentra en un intervalo entre 6,6> 6,>6.

#i A es alta, o sea 6,> el pronstico se basa en los datos ms recientes. #i A es baja, o sea 6,1el pronstico da poca importancia a la demanda reciente cuenta los valores histricos de muchos perDodos.
Profesora: Paulina #ayor a Peralta

toma en

$estin de Operaciones

Error del pronstico

'ide la precisin del modelo de pronstico que se ha usado, comparando los valores pronosticados con los valores reales u observados.

#i Ft denota el pronstico en el periodo t, At denota la demanda real del periodo t, el error de pronstico 0o desviacin1 se de+ine como:

Error del Pronstico / demanda real B valor pronosticado / At - Ft

#edidas para calcular el Error $lo8al del pronstico

;esviacin 98soluta #edia 2#9;4: #u valor se calcula sumando los valores absolutos de los errores individuales del pronstico dividiendo entre el n?mero de periodos de datos 0n1

#9; 5

real E pronstico n

7eamos un e6emplo

Durante los ltimos 8 trimestres, el Puerto de Valparaso ha descargado de los barcos grandes cantidades de grano. El Jefe de Operaciones del puerto quiere probar el uso de sua i!amiento e"ponencial para er que tan bien funciona la t#cnica para predecir el tonela$e descargado. %upone que el pron&stico de grano descargado durante el primer trimestre fue '() toneladas. %e e"aminan dos alores de * . * + ,,', - * + ,,),. .a siguiente tabla muestra los c/lculos detallados s&lo para * + ,,',
Pronstico Toneladas reales descar adas *C< */C *.D *(. *D< +<. *C< *C+ E Redondeado con A 5 <B*< *(.
,ronstico del periodo anterior ,ronstico del periodo anterior "emanda real en periodo anterior

Pronstico Redondeado con A 5 <B.< *(. *(C *(, *// *(< *C< *D, *C/ *C-

Trimestre * + , . / ( C D

*(/ / 1@> < 6,16 0 1:6 B 1@>1 *(. / 1@>,>6<6,16 018: B 1@>,>61

*(, / 1@;,@><6,16 01>9E1@;,@>1 *(, / 1@3,1:<6,16 01@><1@3,1:1 *(. / 1@3,38<6,160196E1@3,381 *(C/ 1@>,67<6,16076>E1@>,671 *(C / 1@:,67 < 6,16 01:6E1@:,671 *(D / 1@:,77 < 6,16 01:7E1@:,771

,ara evaluar la precisin de ambas constantes de suavi$ado, calculamos los errores de pronstico en t(rminos de desviaciones a8solutas #9;
Toneladas reales Trimestre * + , . / ( C ;escar adas *C< */C *.D *(. *D< +<. *C< Pronstico Redondeado con A5<B*< *(. *(/ *(. *(, *(, *(. *(C ;esviacin 98soluta Para A5<B*< . C */ + *( ,< + Pronstico Redondeado con A5<B.< *(. *(C *(, *// *(< *C< *D, *C/ ;esviacin 98soluta Para A5<B.< . *< *D +< +. *, -

*C+ *(C Suma de desviaciones a8solutas

C*<B.<

*<< *+B.<

#9; /

desviaciones n

Con 8ase en este an"lisisB una constante de suavi&ado de A5<B*< es preferi8le a A5<B.< por 0ue su #9; es m"s pe0ueFa. Se de8e encontrar la constante de suavi&ado con el menor error de pronstico.

 Error cuadr"tico #edio 2#SE4: Es una segunda +orma de medir el error global del pronstico. El '#E es el promedio de los cuadrados de las di+erencias entre los valores pronosticados observados. #u +rmula es:

#SE 5

0errores de pronstico1 n

Si amos con el e6emplo del Puerto de 7alparaGso para determinar el #SE

Profesora: Paulina #ayor a Peralta

$estin de Operaciones

Toneladas reales Trimestre ;escar adas *C< */C *.D *(. *D< +<. *C< *C+

Pronstico Redondeado con A5<B*< *(. *(/ *(. *(, *(, *(. *(C *(C 2Error4
+ + + +

* + , . / ( C

. 5 +. 2)C4 5 /2)*/4 5 +./ 2+4+ 5 *( ,< + + + + +

5 +CD 5 D<< 55 */ *...C

Suma de los cuadrados de los errores

#SE 5

2errores de pronstico4 n

5 *...C H C 5 *D-B(.

Isando un A5 <B.< se o8tendrGa un #SE de +<*B.. Por lo tanto el A5 <B*< es una me6or eleccin por 0ue se minimi&a el #SE.
Profesora: Paulina #ayor a Peralta $estin de Operaciones

 Error porcentual a8soluto medio 2#9PE4: Este se calcula como el promedio de las di+erencias absolutas entre los valores pronosticados los reales se e-presa como porcentaje de los valores reales. Es decir, si hemos pronosticado n periodos los valores reales corresponden a n periodos, '3,E, se calcula como:

#9PE 5

166
i/1

real i E pronstico i = real i n

Si amos con el e6emplo del Puerto de 7alparaGso para determinar el #9PE

Profesora: Paulina #ayor a Peralta $estin de Operaciones

Toneladas reales Trimestre ;escar adas *C< */C *.D *(. *D< +<. *C< *C+

Pronstico Redondeado con A5<B*< *(. *(/ *(. *(, *(, *(. *(C *(C

Error porcentual 98soluto *<< 2 error H real4

* + , . / ( C

*<<2.H*C<4 5 +B((J *<<2CH*/C4 5 -B(/J *<<2*/H*.D4 5 *<B</J *<<2+H*(.4 5 *B*-J *<<2*(H*D<4 5 CBD.J *<<2,<H+<.4 5 *-B/,J *<<2+H*C<4 5 *B**J *<<2-H*C+4 5 +B+<J 5 -.B/+J

Suma de errores porcentuales

#9PE /

errores porcentuales absolutos / ;>,87F / >,@6F n :

$estin de Operaciones

Profesora: Paulina #ayor a Peralta

,.) Proyeccin de Tendencias

'(todo de pronstico de series de tiempo que ajusta una recta de tendencia a una serie de datos histricos despu(s pro ecta la recta al +uturo para pronosticar. 3 trav(s del m(todo de Mnimos Cuadrados, encontramos la recta que mejor se ajuste a las observaciones reales. Gna recta de mDnimos cuadrados se describe en t(rminos de su ordenada o interseccin con el eje H I su pendiente. #i calculamos la pendiente siguiente ecuacin: la ordenada, e-presamos la recta con la

y = a + a
H

b x

gorroI / valor calculado de la variable que debe predecirse 0variable dependiente1

/ ordenada para los cambios dados en -1

8 / pendiente de la recta de regresin 0o la tasa de cambio en K / variable independiente 0Ej: tiempo1

Profesora: Paulina #ayor a Peralta

$estin de Operaciones

.os pro+esionales de estadDsticas han desarrollado ecuaciones que se utili$an para encontrar los valores de a 8 para cualquier recta de regresin. .a pendiente 8 se encuentra mediante:

8 5

E n7

- E ndonde:
8 5 pendiente de la recta de re resin / signo de suma

? 5 valores conocidos de la varia8le independiente y 5 valores conocidos de la varia8le dependiente ? 5 promedio del valor de las ? y 5 promedio del valor de las y n 5 n!mero de datos puntuales u o8servaciones.
Profesora: Paulina #ayor a Peralta $estin de Operaciones

*alculamos la ordenada a cmo sigue:

a/

E b-

!eamos un ejemplo para aplicar estos conceptos:

0 continuaci&n se muestra la demanda de energa el#ctrica en la ciudad de Puerto 1ontt, durante el a2o '33( al 4,,5, en 6ilo7att. El Jefe de Operaciones de la empresa SAESA, debe pronosticar la demanda para el 4,,8 a$ustando una recta de tendencia a estos datos.

3o
*DD( *DDC *DDD +<<< +<<* +<<+ +<<,

;emanda de Ener Ga El1ctrica

((D C< D< *<. *-+ *++

,ara simpli+icar, trans+ormamos los valores de - 0tiempo1 en n?meros ms sencillos, como 1,7,3,;J ;emanda de ener Ga 9Fo
*DD( *DDC *DDD +<<< +<<* +<<+ +<<,

Periodo 2?4
* + , . / ( K 5 +C

El1ctrica 2y4
((D C< D< *<. *-+ *++ y 5 /D+
+

?y
(*.C +-< ,/< .+. C.+ C.?y 5 ,.</,

* D */ +. ,/ -D ? 5 *-<

K 5 +C 5K5 n (

y y5

5 /D+ 5 DCBC/ (

8 5

E n7

/ 3.683 B 0@1 0;1 09:,:81

- E n-

1;6E 0@1 0 ; 1

/ 79> / 16,>; 7:

a/

E b-

/ 9:,:8 B 16,>; 0;1 / >8,@6

3sD, la ecuacin de mDnimos cuadrados para la tendencia es y 5 ./B(< @ *<B.- ?. ,ara pro ectar la demanda en el 766;, primero denotamos el ao 766; en el nuevo sistema de cdigos como - / :.

;emanda en el +<<- / >8,@6 < 16,>; 0:1 / 1;1,67, o 1;1 KiloLatt.

Profesora: Paulina #ayor a Peralta $estin de Operaciones

Estimamos la demanda para el 766> insertando - / 9 en la misma ecuacin: ;emanda en el +<<. / >8,@6 < 16,>; 091 / 1>1,>8, o 1>7 KiloLatt.
,ara comprobar la valide$ del modelo, gra+icamos la demanda histrica la recta de tendencia. En este caso debemos tener cuidado tratar de comprender el cambio en la demanda de 7667 a 7663.
Recta de tendencia y 5./B(< @ *<B.- ? ;emanda de ener Ga
186 1>6 1;6 136 176 116 166 96 :6 @6 86 >6
199@ 199: 1999 7666 7661 7667 7663 766; 766>

;emanda histrica

9Fo

-.) Re resin 'ineal

Re resin lineal simple:
,odemos usar el mismo modelo matemtico que usamos con el m(todo de mDnimos cuadrados para la pro eccin de tendencias, con el +in de reali$ar un anlisis de regresin lineal. .as variables dependientes que deseamos pronosticar se simboli$an con y. ,ero la variable independiente, ?, a no necesita ser el tiempo. Gsamos la ecuacin.

y = a + a

b x

/ valor calculado de la variable que debe predecirse 0variable dependiente1 / ordenada, interseccin con el eje .

8 / pendiente de la recta de regresin K / variable independiente.

!eamos un ejemplo para mostrar cmo usar la regresin lineal.

.os siguientes datos relacionan las cifras de entas de un bar de un peque2o 9otel, con el nmero de hu#spedes registrados esa semana:

semana * + , -

%u1spedes */ *+ *C *-

7entas del 8ar L,,< +(< ,C< ,<<

7entas del 8ar

-<< ,.< ,<< +.< +<< *.< *<< .<

*+

*/

+<

%u1spedes 2en miles4

7entasB y
,,< +(< ,C< ,<< y 5 *.+C<

%u1spedesB?
*/ *+ *C *K 5 /<
+

?
+./ *-,+*D/

?y
..+C< ,.+-< /.C-< -.+<< ?y 5*D../<

? 5 D+<

K 5 /< 5 *. K5 n -

y y5

5 *.+C< 5 ,+< -

8 5

E n7

/ 19.>86 B 0;1 01>1 03761

- E n-

976E 0;1 0 1> 1

/ 386 / 1: 76

a/

E b-

/ 376 B 1:01>1 / >6

.a ecuacin de regresin estimada es, por lo tanto,

y 5 .< @ *C ?

7entas 5 .< @ *C 2hu1spedes4

#i el pronstico es de 76 hu(spedes la semana siguiente Mde cunto se esperan que sean las ventasN y 5 .< @ *C ? 6 7entas 5 .< @ *C 2hu1spedes4

!entas / >6 < 1: 0761 / -*<

Recta de re resin lineal Simple 7entas del 8ar

-<< ,.< ,<< +.< +<< *.< *<< .<

;emanda histrica

*+

*/

+<

%u1spedes 2en miles4

 Error est"ndar de la estimacin S y,x

'edida de la variabilidad alrededor de la recta de regresin, su desviacin estndar. El clculo se llama desviacin estndar de la regresin mide el error desde la variable dependiente, H I, hasta la recta de regresin, en lugar de hasta la media.

S y,x

2 y M yc 4 + n)+

donde:

y / valor de

de cada dato puntual

yc / valor calculado de la variable dependiente, a partir de la ecuacin de regresin. n / n?mero de datos puntuales

Esta ecuacin puede resultar ms +cil de usar. 3mbas +rmulas entregarn el mismo resultado

S y,x 5

y+ ) a

y ) 8 ?y n)+

Recta de re resin lineal Simple 7entas del 8ar

-<< ,.< ,<< +.< +<< *.< *<< .<

;emanda histrica

*+

*/

+<

%u1spedes 2en miles4

,ara calcular el error estndar de la estimacin , la ?nica ci+ra que necesitamos es y+

y
+

*<C.D<< (+.D<< *--.-<< D<.<<< y 5 -*/.+<<

+

S y,x 5 S y,x 5
5

y+ ) a

y ) 8 ?y n)+

;18.766 B >601.7:61 B 1: 0 19.>861 4E7

/<

(B(- L en ventas

Error est"ndar de la estimacin

 Coeficiente de correlacin para rectas de re resin

#irve para medir o evaluar la relacin entre las dos variables de una regresin lineal. #e e-presa con la letra HrI. ,ara calcular el valor, se utili$a la siguiente +rmula:

r/
n
7

n - -

- 7

n
7 7

El coe+iciente de correlacin r puede ser cualquier n?mero entre <1 E1.

Cuatro valores del coe+iciente de correlacin.

Correlacin positiva perfecta r5 @*

Correlacin positiva r5 <N r N*

2
No hay Correlacin r5 < Correlacin ne ativa perfecta r5 )*

#iguiendo con el ejemplo, calcular el coe+iciente de correlacin:

7entasB y
,,< +(< ,C< ,<< y 5 *.+C<

%u1spedesB?
*/ *+ *C *K 5 /<
+

?
+./ *-,+*D/

?y
..+C< ,.+-< /.C-< -.+<< ?y 5*D../<
+

*<C.D<< (+.D<< *--.-<< D<.<<< y 5 -*/.+<<

? 5 D+<

r5
5 *.--< +.**+.<<<

2-4 2*D../<4 ) 2/<4 2*.+C<4 2-4 2D+<4) 2/<4

+

2-4 2-*/.+<<4) 2*.+C<4

*.--< *-.,B+(+*(

5 <BDD,/*D(DC
Correlacin positiva r5 <N r N*

 Re resin 'ineal #!ltiple .a regresin m?ltiple es una e-tensin prctica del modelo simple de regresin que acabamos de ver. 5os permite construir un modelo con varias varia les inde!endientes en lugar de slo una variable. ,or ejemplo, si en el ejemplo anterior se desea incluir el al$a en los pasajes de los hu(spedes, la ecuacin apropiada serDa: y = a + b1 x1 + b2 x2

/ variable dependiente, ventas / una constante al$a en los pasajes1

?* y ?+ / valores de las dos variables independientes 0Ej: nO de hu(spedes 8* y 8+ / coe+icientes de las dos variables independientes

.as matemticas de la regresin m?ltiple son bastante complejas lo usual es que los clculos se realicen en el computador, por lo cual dejaremos las +rmulas para encontrar a, b1 b7 a los libros de estadDstica.