Capitulo 6 PDF

CAP 6:
PRONOSTICOS
ES UNA ESTIMACIN CUANTITATIVA O

CUALITATIVA DE UNO O VARIOS FACTORES
(VARIABLES) QUE CONFORMAN UN EVENTO
FUTURO, CON BASE EN INFORMACIN
ACTUAL O DEL PASADO
1. PRONSTICO PORQU?
La empresa se mueve en un contexto

altamente incierto
Poltica, tecnologa y medio ambiente
repercuten sobre variables relevantes
para
la
empresa:
costos
de
produccin, inventarios, volumen de
ventas
La empresa debe tomar decisiones
sobre Factores Controlables tomando
en cuenta Factores Incontrolables.
3
AQUELLOS SOBRE LOS CUALES LA EMPRESA

DECIDE
SU
ESTRUCTURA,
NIVELES,
POLTICA Y MODO DE OPERAR:
NIVELES DE PRODUCCIN
NIVELES DE INVENTARIO
CAPACIDAD
AQUELLOS SOBRE LOS CUALES LA

EMPRESA
NO
PUEDE
DECIDIR
NI
MODIFICAR: DEPENDEN DE FACTORES
EXTERNOS A LA EMPRESA
DEMANDA DEL PRODUCTO
COMPETENCIA
ECONOMA
COMPORTAMIENTO DEL CONSUMIDOR
LA
EMPRESA
FACTORES
REQUIERE
PREDECIR
INCONTROLABLES:MERCADO,
ECONOMA,
QUE
SON
PARA DECIDIR (PLANEAR)
ENTORNO,
INCIERTOS,
SOBRE FACTORES CONTROLABLES: NIVELES
DE
INVENTARIO,
DE
PRODUCCIN,
CAPACIDAD.
REDUCIR LA INCERTIDUMBRE DEL FUTURO,

MEDIANTE LA ANTICIPACIN DE EVENTOS
CUYA PROBABILIDAD DE OCURRENCIA SEA
RELATIVAMENTE ALTA, RESPECTO A
OTROS EVENTOS POSIBLES.
HORIZONTE DE PLANEACIN
LARGO PLAZO: inversin en capital, localizacin

de planta, nuevos productos, expansin,
crecimiento del mercado, tecnologa
MEDIANO PLAZO: tamao de la fuerza de
trabajo,
ciclicidad
de
la
demanda,
requerimientos de capacitacin
CORTO
PLAZO:
frecuencia
de
pedidos,
demanda, niveles de inventario requeridos
POR REAS DE LA EMPRESA
MERCADOTECNIA: crecimiento del mercado,

pronsticos econmicos y poblacionales
PRODUCCIN: programas de expansin,
pronstico de la demanda a mediano y largo
plazo
FINANZAS: presupuesto de gastos, ventas
del prximo ao
POR TIPO DE DATOS
CUALITATIVAS: tcnicas subjetivas. Utilizan

informacin
cualitativa
(experiencia
de
expertos).
CUANTITATIVAS: se basan en datos numricos y
utilizan herramienta matemtica y estadstica
para su elaboracin.
10
LA MISMA TCNICA USADA POR DOS

EXPERTOS DISTINTOS PUEDE PRODUCIR
RESULTADOS DIFERENTES
INVESTIGACIN DE MERCADOS
ANALOGAS HISTRICAS
MTODO DELPHI
CONSENSO GENERAL
IMPACTO CRUZADO
ANLISIS DE ESCENARIOS
11
OBTENER INFORMACIN ACERCA DEL

COMPORTAMIENTO REAL DEL MERCADO,
MEDIANTE ENCUESTAS DIRIGIDAS AL
PBLICO CONSUMIDOR O A PARTIR DE LA
EXPERIENCIA DE VENDEDORES, PARA
CONCLUIR SOBRE EL COMPORTAMIENTO
FUTURO
12
SE
FUNDAMENTA
EN
UN
ANLISIS
COMPARATIVO DE CASOS SIMILARES AL
QUE SE ESTUDIA. TRATA DE RECONOCER
PATRONES DE SIMILITUD PARA SACAR
CONCLUSIONES
Y
OBTENER
UN
PRONSTICO:
productos
similares,
producto en otros mercados, etc.
13
PRETENDE LLEGAR A UN CONSENSO A

TRAVS DE LA OPININ DE EXPERTOS,
EVITANDO LA CONFRONTACIN DE LOS
MISMOS, YA QUE NO EXISTE UNA
INTERACCIN
DIRECTA ENTRE LOS
PARTICIPANTES.
ESTOS
EXPRESAN
LIBREMENTE SUS OPINIONES.
14
Los expertos responden un cuestionario

Se obtiene la media y desviacin de cada
pregunta
Se pide justificar respuesta a aquellos
que se encuentran fuera del rango de
dos o mas desviaciones, sobre la media
de cada pregunta.
Se pasa esta opinin a todos los
participantes y se vuelve a aplicar el
cuestionario
15
El proceso se repite hasta lograr un

consenso en las diferentes preguntas o
hasta identificar subgrupos de opiniones
Con la informacin obtenida se procede a
la toma de decisiones.
16
SE RENE A UN GRUPO DE EXPERTOS

A PARTIR DE UNA LLUVIA DE IDEAS SE
ESTABLECEN DISCUSIONES HASTA LLEGAR A
UN ACUERDO QUE REFLEJE EL SENTIR DE LA
MAYORA
17
DESARROLLAR
UNA
MATRIZ
PARA
ESTUDIAR LOS EFECTOS DE DIVERSOS
FACTORES SOBRE LA PROBABILIDAD DE
OCURRENCIA DE UN EVENTO, AS COMO EL
IMPACTO QUE ESTA PUEDA TENER EN
OTRA SERIE DE EVENTOS
18
Determinar los eventos a incluirse en el

estudio
Estimar la probabilidad inicial de cada
evento y la probabilidad condicional de
cada par de eventos
Seleccionar eventos en forma aleatoria y
calcular su repercusin sobre los dems
eventos como resultado de la ocurrencia o
no del evento elegido.
19
Describir diferentes escenarios futuros

posibles (mas probable, probable, poco
probable) considerando factores que los
determinen (cambios en la poblacin,
inflacin, variacin de la demanda) para
reconocer las implicaciones a largo plazo
de los cambios posibles
20
INFORMACIN:
REQUIEREN
HISTRICOS
DE
LAS
INVOLUCRADAS
DE
DATOS
VARIABLES
SUPUESTO: EL PATRN HISTRICO DE LAS

VARIABLES SEGUIR SIENDO VLIDO EN EL
FUTURO ANALIZADO
21
EXTRAPOLATIVAS: ajustes de curvas y

mtodos de suavizamiento. Los patrones
observados en el pasado se proyectan al
futuro
ANLISIS DE SERIES DE TIEMPO: mtodos
de descomposicin y modelos ARIMA
(autorregresivos, integrados y promedios
mviles)
MODELOS CAUSALES: modelos
economtricos (regresin)
22
DEFINIR EL PROPSITO
RECOLECTAR DATOS: fuentes primarias o
secundarias
PREPARAR LOS DATOS:ordenar y
clasificar
SELECCIONAR LA TCNICA ADECUADA:
cualitativa o cuantitativa
EJECUTAR EL PRONSTICO: estimar
errores
DAR SEGUIMIENTO: confrontar con
informacin actual
23
SELECCIN DE LA TCNICA ADECUADA:

LA MEJOR TCNICA ES AQUELLA QUE
Facilite la toma de decisiones en el momento

adecuado
Que sea entendida por el que toma las decisiones
Pase un anlisis costo-beneficio
Cumpla con las restricciones del sistema: tiempo
disponible, datos, disponibilidad de cmputo.
Cumpla con los criterios de: precisin, estabilidad,
objetividad
24
OBSERVADOS EN UN MOMENTO PRECISO

DEL TIEMPO: un da, una hora, una
semana, etc.. Ejemplo: observar una
caracterstica
en
una
muestra
de
productos para controlar calidad, ingreso
de la poblacin, grado de escolaridad de
empleados, etc...
Objetivo: extrapolar a toda la poblacin las
caractersticas de la muestra
25
SERIES
DE
TIEMPO:
una
sucesin
cronolgica de observaciones de una
variable a intervalos iguales de tiempo.
Ejemplo: ventas trimestrales de los ltimos
5 aos, desempleo en los ltimos aos,
precio de un producto en el tiempo, etc..
Objetivo: analizar patrones del pasado que
puedan extrapolarse al futuro
26
El mtodo ms empleado para describir

una tendencia lineal es el de mnimos
cuadrados, para encontrar una lnea de
mejor ajuste para un conjunto de
puntos.
Y = a + bX
Y = valor pronosticado en un periodo X

a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)
www.auladeeconomia.com
Ao
1994
1995
1996
1997
1998
1999
2000
2001
Periodo X
1
2
3
4
5
6
7
8
Demanda (Y)
35
42
48
51
54
60
71
75
80
75
70
65
60
55
50
45
40
35
30
1994
1995
1996
1997
1998
1999
2000
2001
X
1
2
3
4
5
6
7
8
Sumas
Y
35
42
48
51
54
60
71
75
XY
n xy x y
n x x
y
x
a
b
n
Yt
1
2
3
4
5
6
7
8
9
35
42
48
51
54
60
71
75
Yt
et
Se puede calcular el coeficiente de

determinacin, a fin de evaluar qu tan correcta
es la estimacin de la recta de regresin.
El coeficiente de determinacin r se calcula
como:
n xy x y
n x x n y y
2
Coeficiente de determinacin (r2) es

proporcin de variacin en la variable y
que puede ser atribuida a una regresin
lineal con respecto a la variable x.
Su raz cuadrada positiva (r) se la conoce
como coeficiente de correlacin de
Pearson y es un estimador del parmetro
coeficiente de correlacin poblacional r.
Correlacion
Negativa
Perfecta
-1.0
Correlacion
Positiva
Perfecta
No
Correlacion
-.5
+.5
+1.0
Tambin es posible calcular intervalos

de confianza para la estimacin. Para
ello es necesario calcular el error
estndar de la estimacin.
Se
a y b xy
n2
Frmula
y Se
95%
y 2Se
99%
y 3Se
Nivel de
confianza
68%
TENDENCIA: componente de muy largo

plazo
CICLICIDAD: componente de largo plazo
ESTACIONALIDAD:componente de corto
plazo
FACTOR ALEATORIO: componente de muy
corto plazo
44
COMPONENTE DE MUY LARGO PLAZO QUE REPRESENTA EL

CRECIMIENTO O DECRECIMIENTO DE LOS DATOS EN UN PERODO
EXTENDIDO
FUERZAS QUE AFECTAN Y EXPLICAN TENDENCIA:
Crecimiento de la poblacin
Inflacin
Ventas de un producto en su etapa de
crecimiento en el ciclo de vida
45
50000
40000
30000
20000
10000
0
55
60
65
70
75
80
85
SEARS
46
PATRN DE CAMBIO QUE SE REPITE AO CON AO

EN EL MISMO NMERO DE PERODOS
FUERZAS QUE AFECTAN Y EXPLICAN ESTACIONALIDAD:
PERODOS ESCOLARES
PERODOS VACACIONALES
PRODUCTOS DE ESTACIN
ESTACIONES DEL AO
47
180
160
140
120
100
80
60
81
82
83
84
85
86
87
88
89
90
MURPHY
48
FLUCTUACIN ALREDEDOR DE LA TENDENCIA QUE SE REPITE PERO A

INTERVALOS DISTINTOS Y CON AMPLITUDES DISTINTAS
FUERZAS QUE AFECTAN Y EXPLICAN CICLICIDAD:
PERODOS DE EXPANSIN Y DE RECESIN

DE LA ECONOMA
CICLOS ECONMICOS
49
400
350
300
250
200
150
100
60
65
70
VENTAS
75
80
85
90
TENDENCIA
50
MIDE LA VARIABILIDAD DE UNA SERIE CUANDO

LOS DEMS COMPONENTES SE HAN ELIMINADO
O NO EXISTEN
FUERZAS QUE AFECTAN Y EXPLICAN ALEATORIEDAD
CAMBIOS CLIMTICOS
DESASTRES NATURALES
HUELGAS
HECHOS FORTUITOS
51
1000
800
600
400
200
0
5
10
15
20
25
30
ALEA
52
SERIE CUYO VALOR PROMEDIO NO CAMBIA

A TRAVS DEL TIEMPO
FUERZAS QUE AFECTAN Y EXPLICAN
ESTACIONARIEDAD
SISTEMAS DE PRODUCCIN CON TASA

UNIFORME
VENTAS DE PRODUCTOS EN SU ETAPA DE
MADUREZ EN EL CICLO DE VIDA
53
1000
800
600
400
200
85
86
87
88
VENT AS
89
90
91
92
T ENDENCIA
54
500
400
300
200
100
60
65
70
75
80
85
90
VENTAS
CICLO
TENDENCIA
55
Una forma de saber si la serie tiene

Tendencia, Estacionalidad, es una serie
Aleatoria o una serie Estacionaria es
mediante la observacin del
Correlograma.
Correlograma: grfica que muestra los
coeficientes de autocorrelacin de la serie
56
CORRELACIN DE LA SERIE CON ELLA

MISMA REZAGADA UNO O VARIOS
PERODOS
rk
=
S (Yt-Y) (Yt-k - Y)
S (Yt -Y)
rk = coeficiente de Autocorrelacin de orden
donde: Yt= es la observacin en el tiempo t

Y = la media de los valores de la serie
57
50000
40000
30000
20000
10000
0
55
60
65
70
75
80
85
SEARS
Si la serie tiene Tendencia los coeficientes de

autocorrelacin son significativamente distintos de cero
en los primeros rezagos y caen gradualmente a cero.
58
Para quitar la tendencia a la serie se usa el

Mtodo de Diferencias: se genera una nueva
serie en la cual cada observacin es la diferencia
de la observacin t y la observacin t-1 de la
serie original.
Dif t = Yt - Yt-1
59
180
160
140
120
100
80
60
81
82
83
84
85
86
87
88
89
90
MURPHY
Si la serie tiene un patrn estacional el

coeficiente
de
autocorrelacin
correspondiente a cierto rezago (4 si la
serie es trimestral, 12 si es anual, etc.) es
significativamente distinto de cero.
60
40
20
-20
-40
-60
81
82
83
84
85
86
87
88
89
90
D(MURPHY)
Quitando la tendencia a la serie Murphy

(serie D(Murphy)), se observa una
correlacin significativamente distinta de
cero en el rezago nmero 12 (observar
que la serie es mensual)
61
1000
800
600
400
200
0
5
10
15
20
25
30
ALEA
Si la serie es aleatoria los coeficientes de

autocorrelacin son todos significativamente
cero
62
50000
40000
30000
20000
10000
0
-10000
55
60
65
70
SEARS
75
80
85
DSEARS
Los coeficientes de autocorrelacin de

una serie estacionaria son cero excepto
para los dos o tres primeros rezagos
63
NOTACIN:
Yt : observacin en el perodo t
Ft: pronstico para el perodo t
et= Yt - Ft : residuo en el perodo t
Los residuos permiten observar que tan
bueno es el modelo para pronosticar perodos
pasados
64
SIRVEN PARA EVALUAR LA UTILIDAD DE

UNA
TCNICA
DE
PRONSTICOS,
CALCULANDO UNA MEDIDA GLOBAL DE
LOS RESIDUOS.
RESIDUOS: LA DIFERENCIA ENTRE EL
VALOR REAL DE LA VARIABLE Y EL VALOR
ESTIMADO POR EL MODELO
65
LAS MEDIDAS DE ERROR SE CALCULAN

SOBRE UNA RANGO DE DATOS DE PRUEBA
COMN (
a
todos
los
modelos)
CONSTITUIDO POR K OBSERVACIONES
HISTRICAS
Y
REALIZANDO
LOS
PRONSTICOS CORRESPONDIENTES CON
LA TCNICA SELECCIONADA
66
ME =
ERROR MEDIO (ME) :
ERROR MEDIO CUADRTICO (MSE):

=
identifica sesgo
ERROR MEDIO ABSOLUTO:
MSE
S ei
MAD
S ei |
distancia promedio
k
penaliza errores grandes
S ei)2
k
ERROR MEDIO ABSOLUTO PORCENTUAL: proporcin del error

MAPE
S ei / y |
k
67
Estas
tcnicas suponen que los

periodos recientes son los
mejores para pronosticar el
futuro.
El mtodo ms sencillo es el
mtodo del ltimo valor:
Pronstico = ltimo valor
t
1
2
3
4
5
6
Yt
42
52
54
65
51
64
Yt+1
et
42
52
54
65
51
10
2
11
-14
13
Ft+1 =
S Yt
n
TIL CUANDO LA SERIE ES ESTACIONARIA

SE OBTIENE DEL PROMEDIO DE TODAS LAS
OBSERVACIONES HISTRICAS
70
Promedios
simples:
Se obtiene la media de todos
los valores pertinentes, la
cual se emplea para
pronosticar el periodo
siguiente.
Yt
Yt+1
1
2
42
52
42
54
47.00
65
49.33
51
53.25
64
52.80
Este
mtodo no considera la media

de todos los datos, sino solo los
ms recientes.
Se puede calcular un promedio
mvil de n periodos.
El promedio mvil es la media
aritmtica de los n periodos ms
recientes.
t
1
2
3
4
5
6
Yt
42
52
54
65
51
64
promedio mvil
n=3
n=4
49.33
57.00
56.67
53.25
55.5
Ft+1 =
Yt + Yt-1 + Yt-2
3
SE PROMEDIAN SOLO LAS LTIMAS OBSERVACIONES

EL ORDEN SE DETERMINA A PRIORI
UN ORDEN GRANDE ELIMINA LOS PICOS (suaviza)
UN ORDEN PEQUEO PERMITE SEGUIR MUY DE
CERCA LOS CAMBIOS DE CORTO PLAZO
75
1000
800
600
400
200
0
85
86
87
88
89
ACME
90
91
92
93
MA(2)
76
1000
800
600
400
200
85
86
87
88
89
ACME
90
91
92
93
MA(3)
77
1000
800
600
400
200
0
85
86
87
88
89
ACME
90
91
92
93
MA(4)
78
El mtodo de suavizamiento exponencial

puede dar una ponderacin mayor a las
observaciones ms recientes.
Las ponderaciones se asigna mediante la
constante , 0 < < 1.
El modelo se expresa como:
pronstico = (ltimo valor) + (1 - )(ltimo

pronstico)
t
1
2
3
4
5
6
Yt
42
52
54
65
51
64
=0.1
=0.5
42
43.00
44.10
46.19
46.67
42
47.00
50.50
57.75
54.38
Ft+1 = Yt + ( 1- ) Ft
PROMEDIA LOS VALORES HISTRICOS HASTA EL

PERODO t, CON PONDERACIONES QUE DECRECEN
EXPONENCIALMENTE
INCLUYE UN PARMETRO QUE DEFINE LA
VELOCIDAD DE DECAIMIENTO
Ft INCLUYE LAS PONDERACIONES DE
OBSERVACIONES ANTERIORES
81
1000
800
600
400
200
0
85
86
87
88
89
ACME
90
91
92
93
FOR
82
SUAVIZAMIENTO EXPONENCIAL
SIMPLE ( 0.2620)
83
SUAVIZAMIENTO
EXPONENCIAL DOBLE ( 0.2620)
Ft+p=at+pbt
Donde=
at= 2At - At
bt= / (At - At)
At=Yt+()At-1
At=At+()At
84
SUAVIZAMIENTO
EXPONENCIAL DOBLE ( 0.2620)
85
SUAVIZAMIENTO EXPONENCIAL
DOBLE ( 0.2620)
86
= 0.31, = 0
1000
800
600
400
200
0
85
86
87
88
89
ACME
90
91
92
93
HO LT
87
88
= 1 , = 0, = 0
1200
1000
800
600
400
200
0
85
86
87
88
89
ACME
90
91
92
93
W INT ERS
89
90
MSE
FOR
21062.94
HOLT
21785.66
WINTERS 7209.052
DADO QUE LA SERIE TIENE COMPONENTE
ESTACIONAL, EL MEJOR MODELO ES WINTERS
91
Ft+p =
At +p* Bt
1200
1000
800
600
400
200
0
85
86
87
88
ACME
89
90
91
92
PRO N
92
ACME
PM1
PM2
AT
BT
PRON
500.0000
350.0000
250.0000
400.0000
450.0000
350.0000
200.0000
300.0000
350.0000
200.0000
150.0000
400.0000
550.0000
350.0000
250.0000
550.0000
550.0000
400.0000
350.0000
600.0000
750.0000
500.0000
400.0000
650.0000
850.0000
600.0000
450.0000
700.0000
550.0000
400.0000
NA
425.0000
300.0000
325.0000
425.0000
400.0000
275.0000
250.0000
325.0000
275.0000
175.0000
275.0000
475.0000
450.0000
300.0000
400.0000
550.0000
475.0000
375.0000
475.0000
675.0000
625.0000
450.0000
525.0000
750.0000
725.0000
525.0000
575.0000
625.0000
475.0000
NA
NA
362.5000
312.5000
375.0000
412.5000
337.5000
262.5000
287.5000
300.0000
225.0000
225.0000
375.0000
462.5000
375.0000
350.0000
475.0000
512.5000
425.0000
425.0000
575.0000
650.0000
537.5000
487.5000
637.5000
737.5000
625.0000
550.0000
600.0000
550.0000
NA
NA
237.5000
337.5000
475.0000
387.5000
212.5000
237.5000
362.5000
250.0000
125.0000
325.0000
575.0000
437.5000
225.0000
450.0000
625.0000
437.5000
325.0000
525.0000
775.0000
600.0000
362.5000
562.5000
862.5000
712.5000
425.0000
600.0000
650.0000
400.0000
NA
NA
-125.0000
25.00000
100.0000
-25.00000
-125.0000
-25.00000
75.00000
-50.00000
-100.0000
100.0000
200.0000
-25.00000
-150.0000
100.0000
150.0000
-75.00000
-100.0000
100.0000
200.0000
-50.00000
-175.0000
75.00000
225.0000
-25.00000
-200.0000
50.00000
50.00000
-150.0000
NA
NA
NA
112.5000
362.5000
575.0000
362.5000
87.50000
212.5000
437.5000
200.0000
25.00000
425.0000
775.0000
412.5000
75.00000
550.0000
775.0000
362.5000
225.0000
625.0000
975.0000
550.0000
187.5000
637.5000
1087.500
687.5000
225.0000
650.0000
700.0000
93
BIBLIOGRAFA:
1.- Hanke, John E. & Reitsch, Arthur G. (1996). Pronsticos en los Negocios. Quinta
Edicin. Prentice Hall Hispanoamericana, S.A.: Mxico.
2.-Wilson, J. Holton & Keating, Barry. (1996). Previsiones en los Negocios. Segunda
Edicin. Irwin Mxico.
3.- Newbold P. & Bos T. (1995). Introductory Business and Economic Forecasting.
Second Edition. South Western: USA.
4.- Makridakis, S. & Wheelwrigth, S.C. (1987). Forecasting:Methods and Applications,
2d ed., John Wiley & Sons, Inc.: New York, USA.
5.- Montgomery, D., Johnson, l.& Gardiner, J. (1990). Forecasting & Time Series
Analysis.
2d ed., McGraw-Hill International Editions.
6.- Gujarati, Damodar N. (1997). Econometra, 3ra ed., McGraw-Hill: Mxico.
7 - Johnston, J. (1984). Econometric Methods, McGraw-Hill International Editions.
8.- Montgomery, D.&, Peck, E. (1992). Introduction to Linear Regression Analysis", 2d
ed. Wiley Inter-Science.
9.- Pindyck, Robert & Rubinfeld, D. (1981). Econometric Models and Economic
Forecasting, McGraw-Hill, Inc, Singapore.
10.- Makridakis, S. (1991). Pronsticos. Estrategia y Planificacin para el siglo XXI.
Ediciones Diaz de Santos, S. A.
11.- Miklos T. y Tello M. E. (1991). Planeacin Prospectiva. Editorial Limusa: Mxico.
12.-Econometric Views. Micro TSP for Windows and the Macintosh.
http://augusta.uao.edu.co/moodle/co
98
urse/view.php?id=1874

Capitulo 6 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Capitulo 6 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

CAP 6:

ES UNA ESTIMACIN CUANTITATIVA O

La empresa se mueve en un contexto

AQUELLOS SOBRE LOS CUALES LA EMPRESA

AQUELLOS SOBRE LOS CUALES LA

REDUCIR LA INCERTIDUMBRE DEL FUTURO,

LARGO PLAZO: inversin en capital, localizacin

POR REAS DE LA EMPRESA

MERCADOTECNIA: crecimiento del mercado,

POR TIPO DE DATOS

CUALITATIVAS: tcnicas subjetivas. Utilizan

LA MISMA TCNICA USADA POR DOS

OBTENER INFORMACIN ACERCA DEL

PRETENDE LLEGAR A UN CONSENSO A

Los expertos responden un cuestionario

El proceso se repite hasta lograr un

SE RENE A UN GRUPO DE EXPERTOS

Determinar los eventos a incluirse en el

Describir diferentes escenarios futuros

SUPUESTO: EL PATRN HISTRICO DE LAS

EXTRAPOLATIVAS: ajustes de curvas y

SELECCIN DE LA TCNICA ADECUADA:

Facilite la toma de decisiones en el momento

OBSERVADOS EN UN MOMENTO PRECISO

El mtodo ms empleado para describir

Y = valor pronosticado en un periodo X

Se puede calcular el coeficiente de

Coeficiente de determinacin (r2) es

Tambin es posible calcular intervalos

TENDENCIA: componente de muy largo

COMPONENTE DE MUY LARGO PLAZO QUE REPRESENTA EL

FUERZAS QUE AFECTAN Y EXPLICAN TENDENCIA:

PATRN DE CAMBIO QUE SE REPITE AO CON AO

FLUCTUACIN ALREDEDOR DE LA TENDENCIA QUE SE REPITE PERO A

FUERZAS QUE AFECTAN Y EXPLICAN CICLICIDAD:

PERODOS DE EXPANSIN Y DE RECESIN

MIDE LA VARIABILIDAD DE UNA SERIE CUANDO

SERIE CUYO VALOR PROMEDIO NO CAMBIA

SISTEMAS DE PRODUCCIN CON TASA

Una forma de saber si la serie tiene

CORRELACIN DE LA SERIE CON ELLA

rk = coeficiente de Autocorrelacin de orden

donde: Yt= es la observacin en el tiempo t

Si la serie tiene Tendencia los coeficientes de

Para quitar la tendencia a la serie se usa el

Si la serie tiene un patrn estacional el

Quitando la tendencia a la serie Murphy

Si la serie es aleatoria los coeficientes de

Los coeficientes de autocorrelacin de

SIRVEN PARA EVALUAR LA UTILIDAD DE

LAS MEDIDAS DE ERROR SE CALCULAN

ERROR MEDIO (ME) :

ERROR MEDIO CUADRTICO (MSE):

ERROR MEDIO ABSOLUTO:

ERROR MEDIO ABSOLUTO PORCENTUAL: proporcin del error

tcnicas suponen que los

TIL CUANDO LA SERIE ES ESTACIONARIA

mtodo no considera la media

SE PROMEDIAN SOLO LAS LTIMAS OBSERVACIONES

El mtodo de suavizamiento exponencial

pronstico = (ltimo valor) + (1 - )(ltimo

PROMEDIA LOS VALORES HISTRICOS HASTA EL

Anda mungkin juga menyukai