UNIVERSIDAD NACIONAL FEDERICO

VILLARREAL

FACULTAD DE INGENIERIA INDUSTRIAL Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERIA

AGROINDUSTRIAL

INGENIERA:
ING. JULIAN CCASANI ALLENDE

ALUMNOS:
- PASACHE PAPA BRYAN
- GOMEZ ALIAGA ANGELA
- OVIEDO QUISPE GABRIEL
- HUAMANI AGUILAR ANA
- PESANTES MURRUGARRA LUIGI
CURSO:
PLANEAMIENTO Y CONTROL DE OPERACIONES

TEMA:
PRONOSTICOS

CICLO:
9 Ciclo.

SECCIÓN:
b.
 ESTACIONALIDAD Y PRONOSTICO MENSUAL
La estacionalidad es un comportamiento o patrón que a veces observamos en una serie de
tiempo. Consiste en subidas y bajadas periódicas que se presentan en forma regular en la serie
de tiempo. Al tiempo entre un ``pico'' y otro en una serie de datos, se le llama período estacional.
La mayoría de las series que presentan esta característica tienen periodicidad anual; en este
caso, si la serie consiste de observaciones mensuales, el período será 12, en cambio, si la serie
es trimestral, el período será 4.

VENTAS.

Mes Año 1994 1995 1996 1997 1998

Enero 103,350 68,900 103,350 129,190 129,190
Febrero 68,900 120,570 68,900 103,350 189,470
Marzo 86,120 155,020 155,020 120,570 155,020
Abril 155,020 129,190 111,960 155,020 155,020
Mayo 120,570 137,800 120,570 129,190 137,800
Junio 86,120 155,020 155,020 155,020 172,250
Julio 137,800 120,570 146,410 172,250 241,150
Agosto 155,020 241,150 172,250 189,470 241,150
Septiembre 172,250 189,470 215,310 223,920 172,250
Octubre 232,540 232,540 241,150 241,150 258,370
Noviembre 206,700 223,920 155,020 172,250 189,470
Diciembre 155,020 86,120 155,020 189,470 241,150

CALCULANDO LA ESTACIONALIDAD

La manera matemática de representar la estacionalidad es a través de los llamados índices

estacionales.

Para calcular el índice estacional primero se obtiene el promedio móvil de 12 meses, sumando
los 6 meses anteriores mas los 6 meses después de este, y dividiéndolos entre 12.

Luego se obtiene el promedio móvil centrado sumando el promedio móvil del mes más el
promedio móvil del mes anterior, entre 2.

ENE FEB MARZ ABR MAY JUN JUL AGO SEP OCT NOV DIC PROM
1994 103350 68900 86120 155020 120570 86120 137800 155020 172250 232540 206700 155020 139951
1995 68900 120570 155020 129190 137800 155020 120570 241150 189470 232540 223920 86120 155023
1996 103350 68900 155020 111960 120570 155020 146410 172250 215310 241150 155020 155020 149998
1997 129190 103350 120570 155020 129190 155020 172250 189470 223920 241150 172250 189470 165071
1998 129190 189470 155020 155020 137800 172250 241150 241150 172250 258370 189470 241150 190191
 INDICE ESTACIONAL

Los datos obtenidos luego son ordenados en una tabla por años vs mes, en donde se ingresan
los valores del mes de cada año, de manera consecutiva.

Una vez ingresados los valores se obtiene el índice en donde se suman los índices estacionales
del mes de todos los años y se resta el mínimo y el máximo valor de este, para dividir el resultado
dividir entre 2.
𝑉𝑒𝑛𝑡𝑎𝑠 𝑑𝑒𝑙 𝑚𝑒𝑠
Índice ajustado =
𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜

Obteniéndose así el índice ajustado para cada mes.

índices estacionales
enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre
1994 0.74 0.49 0.62 1.11 0.86 0.62 0.98 1.11 1.23 1.66 1.48 1.11
1995 0.44 0.78 1.00 0.83 0.89 1.00 0.78 1.56 1.22 1.50 1.44 0.56
1996 0.69 0.46 1.03 0.75 0.80 1.03 0.98 1.15 1.44 1.61 1.03 1.03
1997 0.78 0.63 0.73 0.94 0.78 0.94 1.04 1.15 1.36 1.46 1.04 1.15
1998 0.68 1.00 0.82 0.82 0.72 0.91 1.27 1.27 0.91 1.36 1.00 1.27
PROMEDIO 0.67 0.67 0.84 0.89 0.81 0.90 1.01 1.25 1.23 1.52 1.20 1.02

Estos números indican el porcentaje de cada uno de los meses en función del mes típico de
cada uno de los años. Estos números contienen la estacionalidad.

DESESTACIONALIZANDO LA SERIE

Obteniendo los índices estacionales, que representan el efecto estacional de la serie de tiempo
para cada uno de los meses, lo que se desea lograr al calcular estos índices estacionales es retirar
los efectos estacionales de la serie de tiempo. Por ello a esto se le denomina desestacionalizar
la serie de tiempo. Para desestacionalizar la serie de tiempo (y obtener las ventas
desestacionalizadas), se dividen las ventas de cada uno de los meses entre su índice promedio
estacional respectivo.

ENE FEB MARZ ABR MAY JUN JUL AGO SEP OCT NOV DIC
155,0 102,7 102,6 174,5 148,4 95,82 136,4 124,4 140,0 153,2 172,4 151,6
1994
01.82 83.14 62.87 07.85 34.10 5.12 38.47 67.09 27.15 15.17 06.25 10.81
103,3 179,8 184,7 145,4 169,6 172,4 119,3 193,6 154,0 153,2 186,7 84,22
1995
34.55 63.03 97.94 30.71 46.01 89.68 78.71 21.72 25.80 15.17 69.27 6.05
155,0 102,7 184,7 126,0 148,4 172,4 144,9 138,3 175,0 158,8 129,3 151,6
1996
01.82 83.14 97.94 34.70 34.10 89.68 63.39 01.23 31.91 88.10 00.52 10.81
 193,7 154,1 143,7 174,5 159,0 172,4 170,5 152,1 182,0 158,8 143,6 185,3
1997
56.03 74.71 30.41 07.85 46.21 89.68 48.08 27.34 31.23 88.10 71.87 03.18
193,7 282,6 184,7 174,5 169,6 191,6 238,7 193,6 140,0 170,2 158,0 235,8
1998
56.03 46.17 97.94 07.85 46.01 61.38 67.31 21.72 27.15 33.96 34.89 46.64

De esta manera se retira de las ventas el componente estacional, habiendo quedado sólo con el
componente de tendencia, así acomodamos los datos como se muestra: El siguiente paso es
determinar la expresión matemática de la expresión lineal de tendencia, para ello se emplea el
procedimiento gráfico para encontrar con los datos desestacionalizados una ecuación de la
forma:

Y=mx+b
VENTAS
AÑO MES PERIODO
DEST
ENERO 1 155,001.82
FEBRERO 2 102,783.14
MARZO 3 102,662.87
ABRIL 4 174,507.85
MAYO 5 148,434.10
JUNIO 6 95,825.12
1994
JULIO 7 136,438.47
AGOSTO 8 124,467.09
SEPTIEMBRE 9 140,027.15
OCTUBRE 10 153,215.17
NOVIEMBRE 11 172,406.25
DICIEMBRE 12 151,610.81
ENERO 13 103,334.55
FEBRERO 14 179,863.03
MARZO 15 184,797.94
ABRIL 16 145,430.71
MAYO 17 169,646.01
JUNIO 18 172,489.68
1995
JULIO 19 119,378.71
AGOSTO 20 193,621.72
SEPTIEMBRE 21 154,025.80
OCTUBRE 22 153,215.17
NOVIEMBRE 23 186,769.27
DICIEMBRE 24 84,226.05
ENERO 25 155,001.82
FEBRERO 26 102,783.14
MARZO 27 184,797.94
1996
ABRIL 28 126,034.70
MAYO 29 148,434.10
JUNIO 30 172,489.68
 JULIO 31 144,963.39
AGOSTO 32 138,301.23
SEPTIEMBRE 33 175,031.91
OCTUBRE 34 158,888.10
NOVIEMBRE 35 129,300.52
DICIEMBRE 36 151,610.81
ENERO 37 193,756.03
FEBRERO 38 154,174.71
MARZO 39 143,730.41
ABRIL 40 174,507.85
MAYO 41 159,046.21
JUNIO 42 172,489.68
1997
JULIO 43 170,548.08
AGOSTO 44 152,127.34
SEPTIEMBRE 45 182,031.23
OCTUBRE 46 158,888.10
NOVIEMBRE 47 143,671.87
DICIEMBRE 48 185,303.18
ENERO 49 193,756.03
FEBRERO 50 282,646.17
MARZO 51 184,797.94
ABRIL 52 174,507.85
MAYO 53 169,646.01
JUNIO 54 191,661.38
1998
JULIO 55 238,767.31
AGOSTO 56 193,621.72
SEPTIEMBRE 57 140,027.15
OCTUBRE 58 170,233.96
NOVIEMBRE 59 158,034.89
DICIEMBRE 60 235,846.64
 TENDENCIA
300,000.00

250,000.00

200,000.00
VENTAS

150,000.00

100,000.00
y = 990.78x + 130042
R² = 0.2527
50,000.00

-
0 10 20 30 40 50 60 70
PERIODO

Obteniéndose la siguiente ecuación de regresión:

VENTAS = 130042 + 1990.78 TIEMPO

R=0.5

La pendiente de 1990.78 indica que, en los últimos 5 AÑOS la empresa ha tenido un crecimiento
promedio desestacionalizado en las ventas del producto de aproximadamente 1990.78 por mes.

En el resumen se puede ver que el coeficiente de correlación es de 0.50, lo que indica que no
existe una relación tan lineal entre el numero de ventas y el tiempo.

Entonces para calcular la proyección de las ventas del producto para los meses futuros,
considerando tanto el efecto de tendencia como el efecto estacional, la ecuación que se debe
de tomar en consideración es:

PRONOSTICO

Para hallar el pronóstico, se halla la tendencia reemplazando el valor del periodo en la formula
Ventas = 130042 + 1990.78(Tiempo). El índice estacional es el mismo del año anterior (1998), ya
que se consideró que la tendencia de los datos de ventas en los últimos 12 meses es un indicador
razonablemente bueno del futuro (pendiente positiva), obteniéndose el pronóstico
multiplicando la tendencia por el índice estacional.

Pronostico = Tendencia*Índice estacional

AÑO MES PERIODO VENTAS INDICE ESTACIONAL VENTAS PROYECTADAS
ENERO 61 7,992,999.58 0.67 5,329,463.14
FEBRERO 62 8,124,032.36 0.67 5,445,891.58
MARZO 63 8,255,065.14 0.84 6,924,861.75
ABRIL 64 8,386,097.92 0.89 7,449,595.52
MAYO 65 8,517,130.70 0.81 6,918,291.79
JUNIO 66 8,648,163.48 0.90 7,772,281.45
1999
JULIO 67 8,779,196.26 1.01 8,866,804.82
AGOSTO 68 8,910,229.04 1.25 11,097,420.76
SEPTIEMBRE 69 9,041,261.82 1.23 11,121,824.13
OCTUBRE 70 9,172,294.60 1.52 13,921,110.80
NOVIEMBRE 71 9,303,327.38 1.20 11,153,875.07
DICIEMBRE 72 9,434,360.16 1.02 9,646,505.79
ESTACIONALIDAD Y PRONOSTICO TRIMESTRAL

La estacionalidad es un comportamiento o patrón que a veces observamos en una serie de

tiempo. Consiste en subidas y bajadas periódicas que se presentan en forma regular en la serie
de tiempo. Al tiempo entre un ``pico'' y otro en una serie de datos, se le llama período estacional.
La mayoría de las series que presentan esta característica tienen periodicidad anual; en este
caso, si la serie consiste de observaciones mensuales, el período será 12, en cambio, si la serie
es trimestral, el período será 4.

DESESTACIONALIZAR UNA SERIE DE TIEMPO

Este método tiene los siguientes pasos: Eliminar el componente estacional de la serie de tiempo
(des estacionalización) la serie de tiempo queda únicamente con un componente de tendencia
y así podremos determinar la expresión de la componente lineal de tendencia de la serie de
datos. Finalmente, para el desarrollo del pronóstico consiste en incorporar el componente
estacional utilizando un índice estacional para ajustar la proyección de tendencia. La expresión
matemática que se utiliza cuando la serie de tiempo presenta componente de tendencia y
componente estacional es:

Y’’= (ax + b)(índice estacional)

donde (ax + b) es el componente de tendencia,

(índice estacional) es el componente estacional

ÍNDICES ESTACIONALES
La manera matemática de representar la estacionalidad es a través de los llamados índices
estacionales.

VENTAS

Trimestres
AÑOS
I II III IV
1994 29 30 41 43
1995 27 34 45 48
1996 33 36 46 51
1997 34 40 47 53
1998 36 39 49 57
 Estos números indican el porcentaje de cada uno de los trimestres en función del trimestre típico
de cada uno de los años. Estos números contienen la estacionalidad.

Trimestres INDICES ESTACIONALES

AÑOS PROMEDIO
I II III IV I II III IV
1994 29 30 41 43 35.75 0.81 0.84 1.15 1.20
1995 27 34 45 48 38.50 0.70 0.88 1.17 1.25
1996 33 36 46 51 41.50 0.80 0.87 1.11 1.23
1997 34 40 47 53 43.50 0.78 0.92 1.08 1.22
1998 36 39 49 57 45.25 0.80 0.86 1.08 1.26
Índices
0.78 0.87 1.12 1.23
promedio

DESESTACIONALIZAR LAS VENTAS

Obteniendo los índices estacionales, que representan el efecto estacional de la serie de tiempo
para cada uno de los trimestres, lo que se desea lograr al calcular estos índices estacionales es
retirar los efectos estacionales de la serie de tiempo. Por ello a esto se le denomina
desestacionalizar la serie de tiempo. Para desestacionalizar la serie de tiempo, se dividen las
ventas de cada uno de los trimestres entre su índice promedio estacional respectivo.

Trimestres
AÑOS
I II III IV
1994 37.32 34.32 36.69 34.92
1995 34.75 38.89 40.27 38.98
1996 42.47 41.18 41.16 41.42
1997 43.76 45.75 42.06 43.04
1998 46.33 44.61 43.85 46.29

PROYECCIÓN DE LAS VENTAS

De esta manera se retira de las ventas el componente estacional, habiendo quedado sólo con el
componente de tendencia, así acomodamos los datos como se muestra: El siguiente paso es
determinar la expresión matemática de la expresión lineal de tendencia, para ello se emplea el
procedimiento gráfico para encontrar con los datos desestacionalizados una ecuación de la
forma:

Y=mx+b
 I 1 37.32
II 2 34.32
III 3 36.69
1994 IV 4 34.92
I 5 34.75
II 6 38.89
III 7 40.27
1995 IV 8 38.98
I 9 42.47
II 10 41.18
III 11 41.16
1996 IV 12 41.42
I 13 43.76
II 14 45.75
III 15 42.06
1997 IV 16 43.04
I 17 46.33
II 18 44.61
III 19 43.85
1998 IV 20 46.29

Chart Title
50.00
45.00
40.00
35.00
30.00 y = 0.5853x + 34.758
VENTAS

25.00 R² = 0.822
20.00
15.00
10.00
5.00
0.00
0 5 10 15 20 25
PERIODO

Sustituyendo los valores calculados de a y de b en la expresión, se obtiene:

Y=34.758+0.5853x y r= 0.906

La pendiente de 34.758 indica que, en los últimos 12 trimestres la empresa ha tenido un

crecimiento promedio desestacionalizado en las ventas del producto de aproximadamente
34.758 por trimestre. Si se considera que la tendencia de los datos de ventas en los últimos 12
trimestres es un indicador razonablemente bueno del futuro, entonces, puede utilizarse la
ecuación anterior para proyectar la componente de tendencia de la serie de tiempo para
trimestres futuros.

PROYECCIÓN DE LAS VENTAS

Entonces para calcular la proyección de las ventas del producto para los trimestres futuros,
considerando tanto el efecto de tendencia como el efecto estacional, la ecuación que se debe
de tomar en consideración es:

Y=(34.758+0.5853x)(índice estacional)
INDICE VENTAS
AÑO TRIMESTRE PERIODO VENTAS
ESTACIONAL PROYECTADAS
I 21 47.05 0.78 36.56
II 22 47.63 0.87 41.64
1999
III 23 48.22 1.12 53.89
IV 24 48.81 1.23 60.09