El documento habla sobre las técnicas de pronóstico y su importancia para la toma de decisiones. Explica que existen tres grupos de métodos de pronóstico: cualitativos, de proyección histórica y causales. Luego describe tres técnicas específicas de pronóstico: regresión lineal, promedio móvil y suavización exponencial. Finalmente, resalta que los pronósticos son útiles para predecir factores relacionados con mercadeo, producción, finanzas, recursos humanos y planeación estrat
0 calificaciones0% encontró este documento útil (0 votos)
104 vistas12 páginas
El documento habla sobre las técnicas de pronóstico y su importancia para la toma de decisiones. Explica que existen tres grupos de métodos de pronóstico: cualitativos, de proyección histórica y causales. Luego describe tres técnicas específicas de pronóstico: regresión lineal, promedio móvil y suavización exponencial. Finalmente, resalta que los pronósticos son útiles para predecir factores relacionados con mercadeo, producción, finanzas, recursos humanos y planeación estrat
El documento habla sobre las técnicas de pronóstico y su importancia para la toma de decisiones. Explica que existen tres grupos de métodos de pronóstico: cualitativos, de proyección histórica y causales. Luego describe tres técnicas específicas de pronóstico: regresión lineal, promedio móvil y suavización exponencial. Finalmente, resalta que los pronósticos son útiles para predecir factores relacionados con mercadeo, producción, finanzas, recursos humanos y planeación estrat
El documento habla sobre las técnicas de pronóstico y su importancia para la toma de decisiones. Explica que existen tres grupos de métodos de pronóstico: cualitativos, de proyección histórica y causales. Luego describe tres técnicas específicas de pronóstico: regresión lineal, promedio móvil y suavización exponencial. Finalmente, resalta que los pronósticos son útiles para predecir factores relacionados con mercadeo, producción, finanzas, recursos humanos y planeación estrat
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1de 12
1
Capitulo 1 Tcnicas de pronstico
En la toma de decisiones tratamos con el diseo de planes futuros. De esta forma los datos que describen la situacin de decisin deben ser representativos de lo que ocurra en el futuro. Existen disponibles tres grupos de mtodos de pronsticos: Los cualitativos, los de proyeccin histrica y los causales. Se diferencian entre s por la precisin relativa del pronstico del largo plazo en comparacin con el corto plazo, el nivel de herramientas matemticas requerido y la base de conocimiento como sustrato de sus proyecciones. Por ejemplo, en control de inventarios basamos nuestras decisiones en la naturaleza de la demanda del artculo controlado durante un horizonte de planeacin especfico. Asimismo, en planeacin financiera, necesitamos predecir el patrn del flujo de efectivo en el tiempo. Este captulo presenta tres tcnicas para pronosticar cambios futuros en el nivel de una variable deseada como funcin del tiempo: 1. Regresin lineal 2. Promedio mvil 3. Suavizacin exponencial La necesidad de proyecciones de la demanda es un requerimiento general a lo largo del proceso de planeacin y control. Sin embargo, tambin podran necesitarse ciertos tipos de problemas de planeacin, como control de inventarios, compras econmicas y control de costos, pronsticos de los tiempos de espera, precios y costos. Las tcnicas de pronsticos son igualmente aplicables. El pronstico de los niveles de demanda es vital para la firma como un todo, ya que proporciona los datos de entrada para la planeacin y control de todas las reas funcionales, incluyendo logstica, marketing, produccin y finanzas. Los niveles de demanda y su programacin afectan en gran medida los niveles de capacidad, las necesidades financieras y la estructura general del negocio. Cada rea funcional tiene sus propios problemas especiales de pronstico. El xito de un negocio depende a menudo de la habilidad para pronosticar, es decir hacer predicciones sobre el futuro. Estas predicciones se usan para tomar dos amplios tipos de decisiones: decisiones operativas en curso y decisiones estratgicas a largo plazo. Las decisiones operativas en curso, son la asignacin de pocos recursos, la compra de materias primas, la determinacin de horarios de trabajo, etc., Las predicciones estratgicas a largo plazo tambin dependen de predicciones exactas. De esta forma el pronstico es la estimacin de las actividades futuras; se basa en el uso de datos anteriores de una variable para producir su desempeo futuro, solo son aplicables para predecir la demanda de artculos para los que se dispone de una cantidad sustancial de informacin anterior y no para productos nuevos. Leccin 1: PRONSTI COS La definicin de pronstico es simple, sin embargo encierra muchas situaciones que intervienen en su resultado o bien en la consecucin del mis Pronostico es un mtodo mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algn grado de certez "Un pronstico es un inicio o una seal por donde se puede saber una cosa futura mediante indicios"[1] El pronstico desempea un papel muy significativo en la planeacin de materiales, se pueden encontrar pronsticos de abastecimiento, de condiciones, comerciales, de tecnologa, precios, etc. Y en cualquiera de estos rtulos el pronstico es necesario para la toma de decisiones. 2
Aunque es muy cotidiano que hoy en da el manejo de pronsticos en las pequeas y medianas empresas, existen situaciones que tienen que ver con la planeacin de las necesidades futuras. La problemtica primordial es la poca confianza del uso de la tcnica pronstico. Los pronsticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenmenos, tales como:
1. Mercadotecnia Tamao del mercado Participacin en el mercado Tendencia de precios Desarrollo de nuevos productos 2. Produccin Costo de materia prima Costo de mano de obra Disponibilidad de materia prima Disponibilidad de mano de obra Requerimientos de mantenimiento Capacidad disponible de la planta para la produccin 3. Finanzas Tasas de inters Cuentas de pagos lentos 4. Recursos Humanos Nmero de trabajadores Rotacin de personal Tendencias de ausentismo Tendencia de llegadas tarde 5. Planeacin Estratgica Factores econmicos Cambios de precios Costos Crecimiento de lneas de productos La definicin de pronstico es simple, sin embargo encierra muchas situaciones que intervienen en su resultado o bien en la consecucin del mis Pronostico es un mtodo mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algn grado de certez "Un pronstico es un inicio o una seal por donde se puede saber una cosa futura mediante indicios" El pronstico desempea un papel muy significativo en la planeacin de materiales, se pueden encontrar pronsticos de abastecimiento, de condiciones, comerciales, de tecnologa, precios, etc. Y en cualquiera de estos rtulos el pronstico es necesario para la toma de decisiones. Aunque es muy cotidiano que hoy en da el manejo de pronsticos en las pequeas y medianas empresas, existen situaciones que tienen que ver con la planeacin de las necesidades futuras. La problemtica primordial es la poca confianza del uso de la tcnica pronstico. Los pronsticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenmenos, tales como: 1. Mercadotecnia 3
Tamao del mercado Participacin en el mercado Tendencia de precios Desarrollo de nuevos productos 2. Produccin Costo de materia prima Costo de mano de obra Disponibilidad de materia prima Disponibilidad de mano de obra Requerimientos de mantenimiento Capacidad disponible de la planta para la produccin 3. Finanzas Tasas de inters Cuentas de pagos lentos 4. Recursos Humanos Nmero de trabajadores Rotacin de personal Tendencias de ausentismo Tendencia de llegadas tarde 5. Planeacin Estratgica Factores econmicos Cambios de precios Costos Crecimiento de lneas de productos En el sector automotriz las insuficiencias de compra de materiales y produccin provienen de pronsticos ventas, ya que es responsabilidad la misma rea de ventas o mercadeo de los productos, sin embargo cuando los ordenadores de compra de materiales tienden en compras excesivas o deficientes siempre son acusados, cuando verdaderamente el generador de esos pronsticos es ventas. Autores experimentados manifiestan que: "Si la demanda es inferior al pronstico, el proveedor puede sospechar que el pronstico original era un intento por obtener un precio favorable o alguna otra concesin. Si la demanda excede el pronstico, los costos del proveedor pueden aumentar debido a la urgencia, las compras de emergencia, y cambios en los programas de produccin." De tal manera los proveedores hacen parte de ese conjunto de incertidumbre que presenta el pronstico, por ello es prescindible que los ordenadores de los materiales ayuden a estrechar los contactos con los diferentes proveedores y que generen un ambiente empresarial fomentando flexibilidad y cooperacin al momento de sus requerimientos Tambin es cierto que no se deben descartar que de manera regular las actualizaciones y se ajusten a los pronsticos. En el da a da se encuentran una diversidad de tcnicas para el planteamiento de pronsticos y se estas se van desarrollando de manera exponencial, estas tcnicas pueden ser cuantitativas y cualitativas y se pueden emplear separadas o en conjunto. El sector automotriz la tcnica ms usada de pronsticos es la cuantitativa ya que esta se sustenta en la toma de datos del pasado para hacer las proyecciones o predicciones del futuro, algunas tcnicas cuantitativas hacen hincapi en identificar indicadores que sean sobresalientes mediante los cuales se puedan crear modelos lineales o de regresin mltiple. 4
Algunas de las tcnicas de pronstico cuantitativas que en la actualidad se utilizan, se desarrollaron durante el siglo XIX; un ejemplo de ello el anlisis de regresin y las tcnicas de series de tiempo. Con la implementacin de tcnicas de pronstico ms complejas, junto con la generalizacin del uso de las computadoras, los pronsticos acentuaron la atencin durante los ltimos aos, y cualquier persona es capaz de operar datos a partir de un software en una computadora de bolsillo y obtener pronsticos. Quienes han desarrollado los modelos cuantitativos clasifican a algunos de los pronsticos cuantitativos como repetitivos, es decir, que los valores que se pronostican continan un proceder repetitivo a travs del tiempo, la labor de los quienes analizan este tipo de pronsticos es el identificar ese comportamiento y desarrollar el pronstico, por consiguiente el desarrollar dicho pronstico hace necesario tener en cuenta algunos factores como el valor constante, tendencia, variaciones estacinales, variaciones cclicas, variaciones aleatorias y puntos de modulacin. Referente a los pronsticos cualitativos, se consideran ms comunes en las empresas de servicios ya que se basan en la repuesta de opiniones de diversas personas, valorizando con juicio dichas opiniones para utilizarlas al generar el pronstico. Estas tcnicas cualitativas son ms flexibles que las cuantitativas, sin embargo son tan precisas y exactas como estas tcnicas cualitativas son ms flexibles que las cuantitativas, sin embargo son tan precisas y exactas como estas. Al momento de elaborar un pronstico y este resulta mal proyectado conlleva a que la planeacin no funciona y todas las reas de la empresa se vuelven ineficientes, repercutiendo en las finanzas y reflejando las pocas ventas obtenidas, abundancias en los inventarios de productos que no requieren los clientes, reduccin de mrgenes, costos ms altos, entre otros problemas. En trminos de pronosticar variables importantes para una compaa o para una parte de ella como son las ventas de la empresa, las horas de ausencia por empleado, los costos operativos, las tasa de inters y tipos de cambio del mercado, entre otros, ms sin embargo, las variables macroeconmicas median en las decisiones que tome la empresa para su futuro. Las necesidades de pronosticar Los pronsticos se utilizan para acercarnos informacin futura y con ella elaborar un plan de accin, de ah que las caractersticas de un pronstico sean: Primera. Todas las situaciones en que se requiere un pronstico, tratan con el futuro y el tiempo este directamente involucrado. As, debe pronosticarse para un punto especfico en el tiempo y el cambio de ese punto generalmente altera el pronstico. Segunda. Otro elemento siempre presente en situaciones de pronsticos es la incertidumbre. Si el administrador tuviera certeza sobre las circunstancias que existirn en un tiempo dado, la preparacin de un pronstico seria trivial. Tercera. El tercer elemento, presente en grado variable en todas las situaciones descritas es la confianza de la persona que hace el pronstico sobre la informacin contenida en datos. Tcnicas para el clculo de pronsticos Cuando es difcil convertir en nmeros las variables que intervienen en la determinacin de la demanda futura. La mayora es bajo costo y no requieren de equipo computacional para hacerse, aunque su planeacin implica una gran inversin de tiempo por parte de los directivos. Opiniones de los gerentes/ejecutivos: se basa en la opinin general de un grupo de directivos o gerentes de la empresa. 5
Tcnica Delphi: un grupo de expertos responde, de manera annima, a un cuestionario que pregunta sobre las proyecciones de ventas de la empresa. Un moderador lee en voz alta las respuestas y, entre todos, buscan consenso. Informacin de los vendedores: consiste en recopilar las estimaciones realizadas por los vendedores (o distribuidores) acerca de las ventas esperadas en sus territorios, con el fin de suponer la tendencia y cambios futuros. Anlisis del ciclo de vida: se basa en la evaluacin de las etapas de un producto o servicio para predecir su del producto demanda en el mercado. Esto es, desde la introduccin, inicio y crecimiento, hasta las etapas de madurez y declinacin. Investigacin de mercados: se propone recolectar datos de diversas maneras (entrevistas, cuestionarios) para probar hiptesis acerca del mercado. QU TCNICA UTILIZAR? Para determinar que tcnica de pronstico, se deben considerar los siguientes puntos: 1. Definir la naturaleza del problema de pronstico. 2. Explicar la naturaleza de los datos bajo investigacin. 3. Describir las capacidades y limitaciones de las tcnicas de pronstico potencialmente tiles. 4. Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisin de la seleccin, como son algunas medidas de error. BASES DE PRONSTICO. Ingreso por venta. Costo de productos manufacturados. Horas de mano de obra directa Horas de maquinaria. Costos de los insumos. FUENTES DE PRONSTICO. Externas: Actividades generales de la economa o factores geopolticos, que despus se relacionan con las actividades empresariales. Internas: Estima cada producto de una empresa, para despus hacer un pronstico agregado de todas sus actividades. CLASIFICACION DE LOS METODOS DE PRONOSTICOS.SEGN EL TIEMPO: A Corto Plazo: alcance de un da a un ao, sirve para funciones de control, como ajuste de la Tasa de produccin, del empleo, del pronstico de venta, etc. A Mediano Plazo: con alcance de una estacin a uno o dos aos. Son usados para la planeacin operativa, el flujo de caja, el programa de produccin y las ventas. A Largo Plazo: con un alcance de dos a cinco aos, esto se usa para ampliar plantas, producir nuevos productos, cambiar polticas, adoptar nuevas tecnologas.
Leccin3: MODELO DE PROMEDI O MVI L El Promedio Mvil o PM es el indicador ms utilizado en anlisis tcnico, ya que es uno de los indicadores experimentados ms antiguos que existen. La utilizacin de un promedio mvil muestra la direccin y la duracin de una tendencia; el propsito de un promedio mvil es el de ilustrar la tendencia, de una manera ms suavizada. Debido al hecho que el promedio mvil es uno de los indicadores ms verstiles y de mayor uso dentro de todos los indicadores, es la base del diseo de la mayora de sistemas y estrategias utilizados hoy en da. Un promedio mvil simple o aritmtico es calculado como la suma de un nmero predeterminado de precios por un cierto nmero de perodos de tiempo, dividido por el nmero de perodos de tiempo. El resultado es el precio promedio en dicho perodo de 6
tiempo. Los promedios mviles simples emplean la misma ponderacin para los precios. Es calculado usando la siguiente frmula:
Promedio Mvil Simple = SUMA (precios de cierre) / n, donde n es el nmero de perodos. Un ejemplo de promedio mvil es el precio promedio del mercado en cierto perodo de tiempo. Se describen algunas de las propiedades ms comunes de los promedios mviles: El promedio mvil es calculado con cierto perodo de tiempo predefinido. Mientras ms corto el perodo, mayor la probabilidad de una seal falsa. Mientras ms largo el perodo, menor es la sensibilidad del promedio mvil. Es decir, ms certera pero existirn menos seales. Como su mismo nombre lo implica, un promedio mvil es un promedio de un cuerpo cambiante de data. Por ejemplo, un promedio mvil de 50 perodos, utilizado al cierre, es constituido por la sumatoria de los precios de cierre de los ltimos 50 perodos, dividido por 50. Se le designa promedio MVIL, por que nicamente los ltimos perodos son los evaluados, es decir, son los que estn siendo utilizados para calcular los resultados. Y de esa manera, los datos siendo evaluados se mueven hacia adelante con cada da (o perodo) que avanza. El anlisis de promedios mviles puede ser realizado a cualquiera de los siguientes diferentes tipos de precio Precio de Apertura: El anlisis del perodo se hace en base el precio de apertura de cada cuerpo. Precio de Cierre: El anlisis del perodo se hace en base el precio de cierre de cada cuerpo. Precio ms Alto: El anlisis del perodo se hace en base el precio ms alto de cada cuerpo. Precio ms Bajo: El anlisis del perodo se hace en base el precio ms bajo de cada cuerpo. Precio Medio: El anlisis del perodo se hace en base el precio medio de cada cuerpo. Precio Medio = (Precio Alto + Precio Bajo) / 2 Precio Tpico: El precio tpico del perodo es calculado de la siguiente forma: Precio Tpico = (Precio Alto + Precio Bajo + Precio Cierre) / 3 Precio Ponderado: El precio ponderado del perodo es calculado de la siguiente forma: Precio Ponderado = (Precio Alto + Precio Bajo + Precio Cierre + Precio Cierre) / 4 Tipos de Promedios Mviles Promedio Mvil Simple (SMA): El Promedio Mvil Simple es sin duda el promedio mvil ms utilizado hoy en da. El Promedio Mvil Simple es a veces llamado un promedio mvil aritmtico y bsicamente es un precio promedio a travs de un perodo de tiempo. Se calcula sumando los precios de cierre del par analizado durante cierto perodo de tiempo y luego se divide dentro del mismo nmero de perodos. Por ejemplo, el Promedio Mvil de los ltimos 10 das del precio de cierre, dividido dentro de 10. 7
Debido al hecho que el Promedio Mvil Simple da el mismo peso a cada perodo de precio siendo evaluado, mientras ms largo sea el perodo de tiempo evaluado, mayor ser la suavizacin de los datos ms recientes. Promedio Mvil Exponencial (EMA): El indicador de Promedio Mvil Exponencial reacciona ms rpidamente a cambios de precios recientes que el Promedio Mvil Simple debido al hecho que suma los precios de cierre del perodo actual al perodo anterior, dando as ms peso a los ltimos perodos de precio. El perodo es utilizado para determinar el peso relativo que debera ser asignado a perodos previos. La frmula es utilizada para determinar el porcentaje. Promedio Mvil Suavizado (SMMA): Debido a que el indicador del Promedio Mvil Suavizado, suaviza el promedio mvil por medio de la asignacin de mismos pesos a precios pasados que a precios recientes, es recomendable utilizar el SMMA con perodos ms largos de tiempo para mejores resultados Promedio Mvil Ponderado Lineal (LWMA) Un Promedio Mvil Ponderado se calcula a travs de la multiplicacin de cada perodo de tiempo anterior por un peso. El peso est basado en el nmero de das del promedio mvil. Un Promedio Mvil Ponderado Lineal, da ms peso a informacin ms reciente que a datos ms antiguos. El hecho de que es medido linealmente significa que el dato ms antiguo recibe un valor de 1, luego el dato que le sigue, un valor de 2, luego el dato que le sigue un valor de 3 y as sucesivamente, hasta que el ltimo dato recibe un peso equivalente al perodo. As que en un LWMA de 25, el peso del primer da es 1, mientras que el peso del da ms reciente es de 25. Esto da 25 veces ms peso al precio de hoy que al de hace 25 das. Consejos para Operar los promedios Mviles Recuerde de SIEMPRE confirmar sus puntos de entrada y salida con otros indicadores cuando utiliza cualquiera de las estrategias anteriormente mencionadas con promedios mviles. Estos otros indicadores pueden ser, pero no se limitan a: MACD, Momentum, RSI, Stochastics & Precio ROC. Las seales falsas pueden ser evitadas al utilizar perodos ms largos de tiempo. Sin embargo, a pesar de que esto har que se generen menos seales, las seales brindadas sern ms certeras y exactas. Cuando inserte promedios mviles en sus grficas, utilice perodos comnmente usados por la mayora de inversionistas de Forex. Estos perodos pueden ser: 10, 50, 100 & 200 Algunos promedios mviles comnmente utilizados como el EMA 200, tambin son utilizados como niveles de soporte o resistencia. As que cuando llegue a este nivel especfico, est atento para observar posibles retracciones de precios. La suposicin fundamental para esta tcnica es que la serie de tiempo es estable, en el sentido de que sus datos se generan mediante el siguiente proceso constante: yt= b+et donde b es un parmetro constante desconocido estimado a partir de los datos histricos. Se supone que el error aleatorio et tiene un valor esperado cero y una varianza constante. Adem, los datos para los diferentes periodos no estn correlacionados. La tcnica del promedio mvil supone que las n observaciones ms recientes son igualmente importantes en la estimacin del parametro b. As, en un periodo actual t, si los datos para los n periodos ms recientes son yt-n+1, yt-n+2, ...e yt, entonces el valor estimado para el periodo t+1 se calcula como yt+1 = (yt-n+1+ yt-n+2 +...+yt)/n No hay una regla exacta para seleccionar la base del promedio mvil, n. Si las variaciones en la variable permanecen razonablemente constantes en el tiempo, se recomienda una n 8
grande. De otra forma, se aconseja un valor de n pequeo si la variable muestra patrones cambiantes. En la prctica , el valor de n flucta entre 2 y 10. Ejemplo. La demanda ( en nmero de unidades) de un artculo de inventario durante los pasados 24 meses se resume en la tabla. Utilice la tcnica del promedio mvil para pronsticar la demanda del siguiente mes(t= 25) TABLA Mes, t Demanda, yt Mes, t Demanaa, yt 1 46 13 54 2 56 14 42 3 54 15 64 4 43 16 60 5 57 17 70 6 56 18 66 7 67 19 57 8 62 20 55 9 50 21 52 10 56 22 62 11 47 23 70 12 56 24 72 Si utilizamos n = 3, la demanda estimada para el siguiente mes (t = 25) ser igual al promedio de las demandas para los meses 22 al 24; es decir 62+70+72 / 3 = 68
Leccin 4: SUAVI ZACI N EXPONENCI AL
El mtodo de suavizacin exponencial es un mtodo de promedio mvil ponderado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas recientes mayor ponderacin que a las demandas anteriores. Es el mtodo de pronstico formal que se usa ms a menudo, por su simplicidad y por la reducida cantidad de datos que requiere. A diferencia del mtodo de promedio mvil ponderado, que requiere n periodos de demanda pretrita y n ponderaciones, la suavizacin exponencial requiere solamente tres tipos de datos: el pronstico del ltimo periodo, la demanda de ese periodo y un parmetro suavizador, alfa , cuyo valor flucta entre 0 y 1.0. Para elaborar un pronstico con suavizacin exponencial, ser suficiente que calculemos un promedio ponderado de la demanda ms reciente y el pronstico calculado para el ltimo periodo. En la suavizacin exponencial se asignan pesos a los datos pasados tal que los pesos disminuyen al hacerse los datos ms antiguos, esto es que en un proceso cambiante, esto es que los datos recientes son ms validos que los datos antiguos. Este mtodo solo necesita el pronstico ms reciente, una constante de suavizacin (es un valor arbitrario entre 0 y 1) y el ltimo dato real, y as se elimina la necesidad de almacenar grandes cantidades de datos pasados. La suavizacin exponencial requiere un valor de inicio. Si se tienen datos disponibles se puede emplear un promedio sencillo para iniciar el proceso; si los datos no son seguros se puede hacer una prediccin subjetiva. La ecuacin correspondiente a este pronstico es: 9
Ft+1= (demanda para este periodo) + (1- )(pronstico calculado para el ltimo periodo) Ft+1= Dt + (1- )Ft La siguiente ecuacin es equivalente : Ft+1= Ft + (Dt-Ft) La constante de suavizacin a es un nmero entre 0 y 1 que entra multiplicando en cada pronstico, pero cuya influencia declina exponencialmente al volverse antiguos los datos.
Una a baja de ms ponderacin a los datos histricos. Una a de 1 refleja una ajuste total a la demanda reciente, y los pronsticos sern las demandas reales de los periodos anteriores. La seleccin depende de las caractersticas de la demanda. Los valores altos de a son ms sensibles a las fluctuaciones en la demanda. Los valores bajos de a son ms apropiados para demandas relativamente estables (sin tendencia o ciclicidad), pero con una gran cantidad de variacin aleatoria. La suavizacin exponencial simple es un promedio suavizado centrado en el periodo presente. No se puede extrapolar para efectos de tendencia, por la que ningn valor de a compensar completamente la tendencia en los datos. Los valores ordinarios de a varan entre 0.01 y 0.40. Los valores bajos de a disminuyen efectivamente la variacin aleatoria (ruido - dispersin). Los valores altos son ms sensibles a cambios en la demanda (introducciones de nuevos productos y error buscando cul valor reduce el error del pronstico. Esto puede hacerse fcilmente modelando el pronstico en un programa de cmputo, tratando con diferentes valores de a. Un valor de a que proporcione aproximadamente un grado equivalente de suavizacin tanto como un promedio mvil de un periodo es a =2 / (n + 1)
Esta forma de la ecuacin muestra que el pronstico para el periodo siguiente es igual al pronstico del periodo actual ms una proporcin del error del pronstico correspondiente al mismo periodo actual.
Para poner en marcha la suavizacin exponencial se requiere un pronstico inicial. Hay dos formas de realizar este pronstico inicial: Usar la demanda del ltimo periodo, o bien, se dispone de datos histricos, calcular el promedio de varios periodos recientes de demanda. El efecto de la estimacin inicial del promedio sobre las estimaciones sucesivas del mismo disminuye a lo largo del tiempo porque, con la suavizacin exponencial, las ponderaciones asignadas a las demandas histricas sucesivas, que se utilizan para calcular el promedio, disminuyen exponencialmente. EJEMPLO Calcule el pronstico de suavizacin exponencial para la semana 4, considerando los datos de la siguiente tabla que representan la llegada de pacientes a una clinica en las ltimas tres semanas. Tenga en cuenta que = 0.10
SOLUCIN El mtodo de suavizacin exponencial requiere un pronstico inicial. Suponga que tomamos los datos de demanda de las dos ltimas semanas y los promediamos para obtener 10
(400+380)/2 = 390 como pronstico inicial. A fin de calcular el pronstico para la semana 4, utilizando una suavizacin con = 0.10, calculamos el promedio al final de la semana 3 en la siguiente forma: F4 = 0.10(411) + 0.90(390) = 392.1 As, el pronstico para la semana 4 sera de 392 pacientes. Si la demanda real para la semana 4 resultara ser de 415, entonces el nuevo pronstico para la semana 5 sera. F5 = 0.10(415) + 0.90(392.1) = 394.4 o sea, 394 pacientes. Observe que hemos utilizado F4, y no el pronstico en valor entero para la semana 4, en el clculo de F5. En general, redondeamos solamente el resultado final, a fin de mantener la mayor precisin posible en los clculos
Leccion 2: MODELO DE REGRESI N LI NEAL El anlisis de regresin es una de las tcnicas estadsticas la cual se utiliza en la investigacin al relacionar entre dos o ms variables, una de sus utilizaciones est en la construccin de modelos que permitan predecir el comportamiento de una variable Y (dependiente, respuesta) en funcin de una o ms variables (independientes, predictivas) X. El comportamiento de estas variables suelen definirse de manera previa lo que nos remite a un modelo terico, o bien, se tiene el caso de que no exista una relacin establecida entre estas y sea necesario establecer una primera aproximacin del comportamiento de las mismas. Lo anterior se puede lograr usando una herramienta grfica denominada diagrama de dispersin lo que nos conducira a desarrollar un modelo emprico de la relacin que mantienen las variables en estudio. Ventajas Es objetivo, solo depende de los resultados experimentales. Es reproducible, proporciona la misma ecuacin no importa de quien realice el anlisis. Proporciona una estimacin probabilstica de la ecuacin que representa a unos datos experimentales. Proporciona intervalos pequeos de error. Restricciones Solo sirve para ajustar modelos lineales Requiere tener al menos diez mediciones bajo las mismas circunstancias experimentales. Se requiere de algn equipo de clculo, de lo contrario, es muy engorroso el procesamiento de la informacin. Establece la relacin temporal para la variable de pronstico, implica una relacin causa- efecto. La ecuacin general es: Y= + x Y = Variable dependiente = La altura de la recta. = La pendiente de la recta x = Variable independiente.
METODOS DE LOS MINIMOS CUADRADOS.
Para calcular y : 11
= altura de la lnea recta. = pendiente de la recta. Y = variable dependiente. X = variable independiente. x = promedio de los valores X. y = promedio de los valores Y. n = numero de observaciones.
Ejemplo 1: Encontrar la lnea recta del mnimo cuadrado.
12
Ejemplo2
La demanda de un artculo en los ltimos 4 aos se muestra a continuacin:
Demanda(unidades) 2006 2007 2008 2009 Aos 6 8 7 9
Con esta informacin se pide pronosticar la demanda para el ao 2010 y 2011 utilizando regresin lineal. Solucin: Es necesario hallar la ecuacin de regresin , donde x representa el tiempo y Y la demanda en unidades del artculo. Procedemos a hallar teniendo en cuenta las ecuaciones planteadas anteriormente.
Esta sera la ecuacin de regresin, ahora para hallar la demanda del ao 2010 reemplazamos a x por 5, ya que sera el valor que le correspondera en la tabla, pues el 2009 es 4, as el 2011 seria 6.