METODOS PROBABILISTICOS

MOMENTO 3

VLADIMIR DE JESUS VANEGAS

TUTOR
104561_92
GRUPO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA-ECBTI
NOVIEMBRE
2014
INTRODUCCIN
En el trabajo se realiza el estudio de caso asignado por el tutor, PANADERIA
MIEL DE HARINA el cual nos ha permitido adquirir ms dominio en el tema de
pronsticos en este caso, ya que es de vital importancia en toda empresa, ya que
en nuestras manos puede estar la toma de decisiones y prevalecer sobre las
dems competidores si tenemos un buen pronstico en cuanto a la produccin y

costos, si nuestro pronstico es muy preciso podremos controlar y enmendar

errores y estar en la cima.
Se emplea como herramienta de aprendizaje la tabla histrica de la empresa
ficticia, ya que contempla los datos bsicos para realizar un pronstico, utilizamos
el mtodo de regresin y realizar el pronstico para el prximo ao, de
la PANADERIA MIEL DE HARINA.

OBJETIVOS
OBJETIVO GENERAL
Demostrar el dominio de los modelos estudiados durante el curso, mediante la
creacin de un pronstico del caso propuesto en la gua de actividades.
OBJETIVO ESPECFICOS

Utilizar un Modelo para realizar crear la proyeccin, de la empresa estudio,

para los prximo 12 meses.

Determinar e identificar las ventajas y las desventajas de diferentes Modelos

probabilsticos

GUA DE ACTIVIDADES

Segundo momento: Temticas revisadas. El entorno de conocimiento con sus

respectivas actividades y unidades.

Participacin individual: leer la gua de aprendizaje, analizar el estudio de caso

formulado para lo cual debe consultar las referencias suministradas (autogestin
del conocimiento) y realizar las actividades propuestas.
Participacin grupal:
Propuesta del caso de produccin de la panadera MIEL DE HARINA para su
anlisis de alternativas de solucin y evaluacin de algunos procedimientos para
ser desarrollado en el momento cuarto.
Los rpidos cambios en la innovacin de la produccin en panaderas y
reposteras han llevado al gerente y/o administrador de la panadera Miel de
harina a explorar maneras de producir y mercadear fuera de su entorno (otros
municipios) 3 de los productos ( pan francs, pan aliado, roscn de ariquipe) que
considera los productos banderas al representar mayores ganancias y produccin
para compararlos con la misma cantidad de productos que no estn teniendo la
misma ganancias y produccin (pan relleno con jamn y queso, deditos de queso,
pan hawaiano) dentro del entorno donde se encuentra ubicada la panadera.
Usted como estudiante aventajado es contratado como asesor externo para
realizar un estudio y poder proponer la proyeccin que genere un punto de
equilibrio y/o ganancias de los 6 productos (pan francs, pan aliado, roscn de
ariquipe, pan relleno con jamn y queso, deditos de queso, pan hawaiano) para
los prximos 12 meses.
Elemento a tener en cuenta, produccin (kg) y ganancias ($) percibidas de los
productos en 12 meses histricos.
Tabla histrica de produccin y ganancias de la panadera MIEL DE HARINA

Actividades a realizar:

Teniendo en cuenta la informacin consignada en la tabla realizada en el

momento 2 proponer el uso de procedimientos con los que realizar y
encontrar la proyeccin para los prximos 12 meses.

Al determinar usted que herramientas ha de utilizar, el resultado de cada

una de ellas es el mismo o es diferente, si son diferentes los resultados que
explicacin amerita sustentar?

La Regresin lineal, Promedio mvil, Suavizacin exponencial pueden ser

procedimientos tiles al tratar de solucionar la actividad propuesta; si se
comparara cules pueden ser las ventajas y desventajas de cada una de
ellas que se podra inferir?

DESARROLLO DE LA TEMATICA
1. Propuesta para realizar la pronstico para los prximos 12 meses del

la panadera MIEL DE HARINA.

Utilizamos el mtodo de regresin lineal simple, porque nos permiten

elaborar modelos matemticos, que nos permite ver la relacin entre las
variables presentadas por la tabla en el ao anterior.
Modelo de la forma: y i xi
Para todos,

Si y solo si

xy n x y
x nx
2

y x
n

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

XY

7000
7500
7300
7700
7500
7800
8100
7900
8000
8000
8100
8000

120000
145000
130000
170000
145000
190000
225000
200000
215000
215000
225000
215000

840000000
1087500000
949000000
1309000000
1087500000
1482000000
1822500000
1580000000
1720000000
1720000000
1822500000
1720000000

49000000
56250000
53290000
59290000
56250000
60840000
65610000
62410000
64000000
64000000
65610000
64000000

92900
7741,6
12

2195000
182.916,7
12

xy

17140000000
1428333333
12

720550000
60045833
12

xy 12( x y )
x 12 x

17140000000 12(7741,6)(182.916,7) 147041667

7911209167
(92900) 12(7741,6)

0,0185

y x
n

2195000 0,0185(92900)
182773,4
12

yi 0,0185 x 182773,4

Pan Aliado
N
1
2
3
4
5
6
7
8
9

X
4500
4250
4400
4250
4500
4700
4800
4700
4500

Y
85000
70000
80000
70000
85000
95000
105000
95000
85000

XY
382500000
297500000
352000000
297500000
382500000
446500000
504000000
446500000
382500000

X
20250000
18062500
19360000
18062500
20250000
22090000
23040000
22090000
20250000

10
11
12

4800
4800
4800

55000
4583,33
12

1085000
90416,67
12

xy

105000
105000
105000

504000000 23040000
504000000 23040000
504000000 23040000

5003500000
416958333,3
12

252575000
21047916,7
12

xy 12( x y )
x 12 x

5003500000 12(4583,33)(90416,67) 30583333,3

2772916667
(55000) 12(4583,33)

0,0110

y x
n

1085000 0,0110 (55000)

90366,25
12

yi 0,0110 x 90366,25

Roscn de Arequipe
N
1
2
3
4
5
6
7
8
9
10
11
12

X
2700
2600
2900
2900
2700
2900
2900
3000
2900
2800
3000
3000

34300
2858,33
12

705000
58750
12

xy

Y
45000
40000
60000
60000
45000
60000
60000
75000
60000
50000
75000
75000

XY
121500000
104000000
174000000
174000000
121500000
174000000
174000000
225000000
174000000
140000000
225000000
225000000

2032000000
169333333,3
12

98230000
8185833,33
12

xy 12( x y )
x 12 x

2032000000 12(2858,33)(58750) 16875000

1078449167
(55000) 12(4583,33)

X
7290000
6760000
8410000
8410000
7290000
8410000
8410000
9000000
8410000
7840000
9000000
9000000

 0,01564

y x

705000 0,01564(34300)
58705,2
12

yi 0,01564 x 58705,2

Pan Relleno con Jamn y Queso

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

30900
2575
12

292000
24333,33
12

xy

758100000
63175000
12

X
2700
2900
2600
2600
2700
2600
2500
2600
2500
2400
2400
2400

Y
25000
37000
24000
24000
25000
24000
23000
24000
23000
21000
21000
21000

XY
67500000
107300000
62400000
62400000
67500000
62400000
57500000
62400000
57500000
50400000
50400000
50400000

X
7290000
8410000
6760000
6760000
7290000
6760000
6250000
6760000
6250000
5760000
5760000
5760000

79810000
6650833,33
12

xy 12( x y )
x 12 x

758100000 12(2575)(24333,33) 6200000

875242500
(30900) 12(2575)

0,00708375

y x
n

292000 0,00708375(30900)
24315,09
12

yi 0,007 x 24315,09

Deditos de Queso
N
1
2
3
4
5
6
7

X
1900
1700
1900
1500
1700
1500
1300

Y
19000
17000
19000
13000
17000
13000
10000

XY
36100000
28900000
36100000
19500000
28900000
19500000
13000000

X
3610000
2890000
3610000
2250000
2890000
2250000
1690000

8
9
10
11
12

1300
1200
1300
1200
1300

17800
1483,33333
12

156000
13000
12

xy

10000
9000
10000
9000
10000

13000000
10800000
13000000
10800000
13000000

242600000
2021666,6
12

27140000
2261666,67
12

xy 12( x y )
x 12 x

242600000 12(1483,33)(13000) 11200000

290436667
(17800) 12(1483,33)

0,03856262

y x
n

292000 0,00708375(30900)
12942,7
12

1690000
1440000
1690000
1440000
1690000

yi 0,038 x 12942,7

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

34500
2875
12

256000
21333,3333
12

xy

X
1700
1900
1900
1800
1500
1500
17000
1800
1300
1500
1300
1300

769300000
64108333,33
12

317410000
26450833,33
12

xy 12( x y )
x 12 x

Y
23000
25000
25000
24000
21000
21000
23000
24000
17000
19000
17000
17000

XY
X
39100000
2890000
47500000
3610000
47500000
3610000
43200000
3240000
31500000
2250000
31500000
2250000
391000000 289000000
43200000
3240000
22100000
1690000
28500000
2250000
22100000
1690000
22100000
1690000

769300000 12(2875)(21333,3333) 735744000

1091062500
(34500) 12(2875)
2

0,67

y x
n

769300000 (0,67(34500))
23272,05
12

yi 0,67 x 23272,05

2. Prueba del modelo utilizando el promedio y los datos particulares:

Pan Francs: y 0,0185 x 182773
Si escogemos al azar un par de datos de la tabla, por ejemplo (7800; 190.000)
y 1443 182773 184.216

P (7800,184216)

Sabemos que el promedio =182916,7 con lo que obtenemos una mejor

aproximacin.
Pronostico: Para Enero de 2015.
Si la demanda es de 770 Kilogramos.
y 0,0185(770) 182773
y 14245 182773 182.787

y 182.787

Que tambin se aproxima a la media.

3. Ventajas y desventajas que podra inferir en cada uno de los

procedimientos.

Ventajas y Desventajas de los mtodos para realizar un pronstico.

Para la realizacin de una proyeccin es importante conocer las diferentes
herramientas, as mimo es importante identificar qu es lo que quiero, para ello es
necesario tener en cuenta las siguientes preguntas:
Se requiere de un pronstico de detalles especficos?, Se precisa el pronstico
de algn punto en el futuro cercano (un pronstico a mediano plazo), o para un
punto en el futuro distante (un pronstico a largo plazo)? Y, hasta qu grado son
apropiados los mtodos cualitativos (de juicio) y cuantitativos (de manipulacin de
datos)?.
A continuacin daremos algunos anlisis de las herramientas utilizadas para
realizacin de las proyecciones presentadas en este trabajo:
Regresin Lineal
Esta herramienta tambin es fcil de usar independientemente que sea simple o
mltiple, estas permiten realizar predicciones de comportamiento, una de las
desventajas de estas es que no siempre existe relacin entre variables.
Promedio Mvil
Bsicamente esta herramienta o mtodo es una de las ms sencillas, se
implementa fcilmente en una hoja de clculo y no se requiere de muchos
conocimientos estadsticos para su desarrollo su desventaja es que no es tan
exacto como otros mtodos.
Suavizacin exponencial.
Este mtodo es utilizado ms a nivel empresarial, ya que maneja y emplea ms
trminos de exactitud, tambin es fcil de usar y se pueden implementar para
llegar a realizar de manera automtica, es un mtodo adaptativo.

Aplicacin del promedio mvil

Se toma el pan Francs:

Meses

Ventas R

7000

7500

7300

7700

7266,7

7500

7500

7800

7500

8100

7667

7900

7800

8000

7933

10

8000

8000

11

8100

7967

12

8000

8033

X 4 7266.7
X 5 7500
X 6 7500
X 7 7667
X 8 7800

Pronostico (3 meses)

Interpretando esta tabla, para las ventas de pan francs(kilogramos), podemos ver
que es parecido a la regresin lineal, en cuanto a pronostico cuantitativo, pero
como la desventajas, de que est ultimo se debe hacer interacciones de n grasas
a la vez y en la anterior, basta con rechazar datos en la ecuacin: y x .
Aplicacin de la suavizacin exponencial

2
n 1

Asumamos para el producto elegido como significativo como el pan francs, un

0,2 ; en el mes 2 las ventas fueron de 7500, entonces para el mes 3 sern de:
X t X t 1 ( X t 1 X t 1 )
X 3 7000 0.2(7500 7000)

X 3 7000 100 7100

Como podemos apreciar, la desventaja de la suavizacin exponencial es que parte

de un supuesto X t 1 , adems se debe realizar cuidadosamente los pasos en
grupos de 3 en 3 hasta llegar a la fecha deseada. Por esta ltima razn es
suspendido por los dos mtodos anteriores. Pero la linealizacin, es ms prctica
y directa.

Tabla para el pan Aliado

(Aplicacin del Promedio Mvil)
Meses

Ventas Reales

Pronostico (3 Meses)

4500

4250

4400

4250

4383

4500

4300

4700

4383

4800

4483

4700

4667

4500

4733

10

4800

4667

11

4800

4733

12

4800

4700

X 1 4383
X 2 4300

.
.
.
X 9 4700

Datos agrupados de 3 en 3 para completar h 12 meses y hacer futuros muestreos

y pronsticos.

Tabla para Pan de Arequipe

Meses

Ventas Reales

Pronostico (3 Meses)

2700

2600

2900

2900

2733

2700

2800

2900

2833

2900

2833

3000

2833

2900

2933

10

2800

2933

11

3000

2900

12

3000

2900

Para esta tabla de datos para el Pan Arequipe vemos que los pronsticos.
Tambin arrojan datos heterogneos.

Aplicacin del Promedio Mvil

Pan Rellenos con Jamn y Quesos
Meses

Ventas Reales

Pronostico (3 Meses)

2700

2900

2600

2600

2733

2700

2700

2600

2633

2500

2633

2600

2600

2500

2567

10

2400

2533

11

2400

2433

12

2400

2400

Se repite con mayor frecuencia el dato 2.400 kg.

Aplicacin del Promedio Mvil

Deditos de Quesos
Meses

Ventas Reales

Pronostico (3 Meses)

1900

1700

1900

1500

1833

1700

1700

1500

1700

1700

1567

1300

1633

1200

1400

10

1300

1400

11

1200

1267

12

1300

1267

En este caso son ms heterogneos, entonces se necesitan ms promedio

mviles.
Aplicacin del Promedio Mvil
Pan Hawaiano
Meses

Valor Real

Pronsticos ( 3 Meses)

1700

1900

1900

1800

1833

1500

1866

1500

1733

1700

1600

1800

1566

1300

1667

10

1500

1600

11

1300

1533

12

1300

1367

Aplicacin de la suavizacin Exponencial

1). 0.2 Asumimos

X t X t 1 X t 1 X t 1

El supuesto 2700 kg: Pan Relleno con jamn

2). X t 2700 0.2(2900 2700)

X t 2700 40 2740

3). X t 1900 0.2(1700 1900)

X t 1900 40 1860

Asumiendo, el supuesto 1900 kg de deditos de quesos.

4). Pronostico para el pan Aliado
El supuesto es de 4500 kg.
X t 4500 0.2( 4500 4250)

X t 4500 50 4550
X t 4550

5). Supuesto para el pan de Arequipe

X t 2700 0.2( 2700 2600)

X t 2700 20 2720
X t 2720 Kg

En esta etapa se propone el modelo de la suavizacin, para obtener

aproximaciones bastantes cercanas.

CONCLUSIN

En el anterior trabajo, se fortalece el conocimiento adquirido durante el curso, por

medio de estudio de caso, aplicando e identificando los modelos probabilsticos,
para la creacin de pronsticos en especial, cuantificando los resultados de la
PANADERIA MIEL DE HARINA siendo consciente que todo puede ser anticipable
mediante de estos modelos y as realizar los planes correspondiente a la situacin.

BIBLIOGRAFA

Barros Darwin ( 2013) Santa marta. Modulo de Mtodos ProbabilsticosUNAD.