Pronos Ticos

Teoría de Pronósticos Yaneth Leydy Laura Maquera Quispe Miguel Angel Paniagua Laura Miguel Angel Maron Lope Luis David Perca Chutas Alex Arohuanca Quispe

2018-106071 2019-106013 2019-106073 2019-106080 2019-106084

Pronósticos El estudio de los pronósticos como elementos en la toma de decisiones en las empresas tienen mayores áreas de oportunidad al interior de las organizaciones  , esto se debe a que  los pronóstico ayudan a los tomadores de decisiones a realizar juicios más precisos acerca de los eventos futuros y en esta parte las matemáticas resultan tener un papel importante

Pasos para la elaboración de Pronósticos

1

Determinar el uso del pronóstico: ¿qué meta tratamos de alcanzar?

2

Seleccionar los artículos o las cantidades que se van a pronosticar.

3

Determinar el horizonte de tiempo del pronóstico: ¿30 días (corto plazo), de 1 mes a un año (mediano plazo) o más de un año (largo plazo)?

4

Seleccionar el modelo o los modelos de pronósticos.

5

Reunir los datos o la información necesaria para realizar el pronóstico

6

Validar el modelo del pronóstico.

7

Efectuar el pronóstico.

8

Implementar los resultados.

Tipos de Pronósticos

Modelos Cualitativos

01

Intentan incorporar factores subjetivos o de opiniones en los modelos de pronósticos. Se suelen tomar en cuenta las opiniones de expertos, las experiencias y los juicios individuales, u otros factores subjetivos.

Método Delphi 01 Este proceso iterativo de grupo permite que expertos, quienes podrían

Clasificación Modelos Cualitativos

encontrarse en diferentes lugares, hagan pronósticos.

02

Jurado de Opinión Ejecutiva

Este método toma las opiniones de un pequeño grupo de gerentes de alto nivel, con frecuencia en combinación con modelos estadísticos y los resultados de la estimación de la demanda.

03

Compuesto de Fuerza de Ventas

En este enfoque, cada persona de ventas estima las ventas en su región; estos pronósticos se revisan para asegurar que sean realistas y después se combinan a niveles de región y nacional, para llegar a un pronóstico general.

Encuesta al Mercado de Consumidores 04 Este método solicita información a los consumidores o clientes potenciales respecto a sus planes de compra futuros. Puede ayudar no solo a elaborar un pronóstico, sino también a mejorar el diseño del producto y la planeación de nuevos productos.

MÉTODO DELPHI

Métodos de Series de Tiempo

02

Los modelos de series de tiempo intentan predecir el futuro usando datos históricos. Estos modelos suponen que lo que ocurra en el futuro es una función de lo que haya sucedido en el pasado. Este tipo de series, pueden modelar lo que sea, desde la evolución de las ventas de una empresa hasta la evolución de los precios de sus productos en base anual, mensual, diaria o incluso por hora.

Tendencia (T) Es el movimiento gradual hacia arriba o hacia abajo de los datos en el tiempo.

Componentes de una Serie de Tiempo

Estacionalidad (S) Es el patrón de la fluctuación de la demanda arriba o abajo de la recta de tendencia que se repite a intervalos regulares

Ciclos (C) Son patrones en los datos anuales que ocurren cada cierto número de años. Suelen estar vinculados al ciclo de negocios.

Variaciones Aleatorias (R) Son “saltos” en los datos ocasionados por el azar y por situaciones inusuales; no siguen un patrón discernible.

Clasificación Métodos de Series de Tiempo

01

Promedios Móviles

Sirve para pronosticar valores de datos del siguiente periodo de la serie de tiempo, pero no los datos de periodos más distantes a futuro.

02

Suavizamiento Exponencial

Es una manera de pronosticar la demanda de un producto en un periodo dado.

03

Proyecciones de Tendencia

Muestra valores de una serie de tiempo que tiene una tendencia lineal a largo plazo. Este método muestra un incremento o disminución constante en el tiempo.

04

Descomposición

Corresponde a una metodología para la Proyección de la Demanda el cual descompone el comportamiento de una Serie de Tiempo en tendencia, estacionalidad y ciclo.

Ejemplo Aplicación de Promedio Móvil Una compañía presenta en el siguiente tabulado el reporte de ventas correspondiente al año 2019:

MES

VENTAS REALES

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

80 90 85 70 80 105 100 105 100 105 100 150

Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante la técnica de Promedio Móvil utilizando: • •

Un período de 3 meses (a partir de abril de 2019) Un período de 6 meses (a partir de julio de 2019)

SOLUCIÓ N Al ser un pronóstico con un período móvil de 3 meses, este deberá efectuarse a partir del mes de abril, es decir que para su cálculo tendrá en cuenta tres períodos, es decir, Enero, Febrero y Marzo.

Luego para efectuar la previsión del mes de Mayo, deberán tenerse en cuenta los últimos tres períodos que anteceden al mes de Mayo, es decir Febrero, Marzo y Abril.

De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado: MES

VENTAS REALES

Enero

80

Febrero

90

Marzo

85

Abril

70

85

Mayo

80

82

Junio

105

78

Julio

100

85

Agosto

105

95

Septiembre

100

103

Octubre

105

102

Noviembre

100

103

Diciembre

150

102

PRONOSTICO

De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado: El pronóstico restante al ser un pronóstico con un período móvil de 6 meses, este deberá efectuarse a partir del mes de Julio, es decir que para su cálculo tendrá en cuenta seis períodos, es decir, Enero, Febrero, Marzo, Abril, Mayo y Junio.

MES

VENTAS REALES

Enero

80

Febrero

90

Marzo

85

Abril

70

85

Mayo

80

82

Junio

105

78

Julio

100

85

85

Agosto

105

95

88

Septiembre

100

103

91

Octubre

105

102

93

Noviembre

100

103

99

Diciembre

150

102

103

PRONOSTICO (3 MESES)

PRONOSTICO (6 MESES)

Pronóstico de Ventas Reales 160 140 120 100 80 60 40 20 0

En el siguiente gráfico podemos observar que el promedio móvil de 3 meses logra aproximarse en gran medida a las Ventas Reales del 2019.

Ventas Reales

Pronóstico (3)

Pronóstico (6)

Ejemplo Aplicación de Suavizamiento Exponencial Una empresa de seguros que ha decidido expandir su mercado, han decidido comenzar ofreciendo servicio de seguro para coches. Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo serán contratados, para lo cual usarán como dato inicial los seguros de vehículos contratados en otra ciudad con menos habitantes pero con mayor posicionamiento en el mercado.

MES

DEMANDA

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

3200 3108 2930 2801 2316 2444 2719 3133 3459 2819 2773 2321

Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante la técnica de Suavizamiento Exponencial, donde: Ft= Nuevo pronóstico Ft-1= Pronóstico del periodo anterior α = constante de suavización At-1= demanda real del periodo anterior

SOLUCIÓ N El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por personas, pero la demanda para ese periodo fue de 3200. La compañía según su criterio asigna α=0,35.

Donde el próximo pronóstico es:   Ft= 2869+0.35(3200-2869)=2984.85

De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado: MES

DEMANDA

PRONÓSTICO

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

3200 3108 2930 2801 2316 2444 2719 3133 3459 2819 2773 2321

2869 2984,85 3027,95 2993,67 2926,23 2712,65 2618,62 2653,76 2821,49 3044,62 2965,65 2898,22

El suavizamiento exponencial puede prever mejor la tendencia, pero se sigue quedando corto. Como se puede observar en el gráfico la línea gris se encuentra muy por arriba o por debajo de la azul (la demanda) sin lograr seguirle el paso.

Métodos Causales

03

Los modelos de pronóstico causal generalmente consideran algunas variables que están relacionadas con la variable que se predice. Una vez que estas variables relativas se han encontrado, se construye y utiliza un modelo estadístico para pronosticar la variable de interés.

Clasificación Métodos Causales

01 Ánalisis de Regresión El análisis de regresión lineal es un modelo que nos permite conocer la relación que existe entre una variable dependiente y una o más variables independientes

02 Regresión Múltiple La regresión múltiple implica la utilización de varias variables independientes para pronosticar una variable dependiente.

Ejemplo Aplicación de Análisis de Regresión Las ventas de una empresa durante los últimos 10 trimestres son las siguientes:

TRIMESTRE

VENTAS

1 2 3 4 5 6 7 8 9 10 11 12

133 292 283 283 302 400 505 608 667 783 785 799

Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante la técnica de Análisis de Regresión, donde: Se deberá pronosticar la demanda de los trimestres 13, 14 y 15.

En el siguiente cuadro se encuentran los cálculos realizados para los 12 trimestres PERÍODO(x)

DEMANDA(y)

xy

x2

y2

PRONOSTICO(Y)

1

133

133

1

17689

137

2

292

584

4

85264

200

3

283

849

9

80089

264

4 5

283 302

1132 1510

16 25

80089 91204

328 391

6

400

2400

36

160000

455

7 8

505 608

3535 4864

49 64

255025 369664

518 582

9

667

6003

81

444889

646

10 11

783 785

7830 8635

100 121

613089 616225

709 773

12

799

9588

144

638401

837

6,5

486,7

47063,0

650,0

3451628,0

Diapositiva 22

SOLUCIÓ N

Con los valores de la última fila de la tabla, podemos calcular a y b, con los cuales logramos calcular los valores de la última columna (Y) que es la recta que más se ajusta a la demanda y.

Donde:

Resultado anterior:

De esta manera se efectúan las previsiones obteniéndolo siguiente:

Podemos ver como se realizó el pronóstico de producción del trimestre 13. A continuación procedemos a resolver igual para los trimestres 14 y 15. Y=63,657(14)+72,894=964.09 Y=63,657(15)+72,894=1027.75

PERÍODO(x)

DEMANDA(y)

PRONÓSTICO(Y)

1

133

137

2 3 4 5

292 283 283 302

200 264 328 391

6

400

455

7

505

518

8 9 10 11

608 667 783 785

582 646 709 773

12

799

837

13 14 15

900 964 1028Diapositiva 24

Como se observa entre la demanda y lo pronosticado en periodos anteriores (desde el periodo 1 hasta el 12), se puede ver que es positiva por lo que esto nos indica que nos conviene seguir usando este método de pronóstico para futuros períodos.

GRACIAS