PRONOSTICOS Y SERIES DE TIEMPO

1. ¿QUE ES UN PRONÓSTICO?

Los pronósticos, o predicciones, son una herramienta esencial en cualquier

proceso de toma de decisiones. Sus aplicaciones varían desde la determinación
de los requerimientos de inventario hasta la estimación de las ventas anuales
de los productos. La calidad de los pronósticos que los tomadores de decisiones
pueden realizar está estrechamente relacionada con la información que puede
extraerse y utilizarse a partir de los datos históricos.
2. TIPOS DE PRONOSTICOS:

2.1.- PRONOSTICOS ECONOMICOS:

 Dirigidas al ciclo económico, por ejemplo, las tasas de inflación, la
masa monetaria, el PBI, etc.

2.2.- PRONOSTICOS TECNOLOGICOS:

 Predice el progreso económico
 Predice el nacimiento de nuevas ventas

2.3.- PRONOSTICOS DE DEMANDA:

 El pronóstico de la demanda se basa en la proyección de las ventas
futuras con el fin de generar presupuestos de costos y estimados
de ventas, entre otros.
 Conocer el pronóstico de la demanda permite a las empresas
contar con un mínimo de inventario suficiente para abastecer un
determinado periodo de ventas y así evitar la escasez de
productos.
 Con el fin de realizar un pronóstico de las ventas que permita
llevar un mejor control de la producción y así reducir los riesgos
de pérdida en la empresa

3. TIPOS DE HORIZOTES TEMPORALES DEL PRONÓSTICO

3.1.- Pronósticos a corto plazo:
En las empresas modernas, este tipo de pronóstico se efectúa cada mes o
menos, y su tiempo de planeación tiene vigencia de un año.
Se utiliza para programas de abastecimiento, producción, asignación de mano
de obra a las plantillas de trabajadores, y planificación de los departamentos de
fabricación
3.2.- Pronósticos a mediano plazo:
Abarca un lapso de seis meses a tres años. Este se utiliza para estimar planes
de ventas, producción, flujos de efectivo y elaboración de presupuestos
3.3.- Pronósticos a largo plazo:

Este tipo de pronóstico se utiliza en la planificación de nuevas inversiones,

lanzamiento de nuevos productos y tendencias tecnológicas de materiales,
procesos y productos, así como en la preparación de proyectos.
El tiempo de duración es de tres años o más.
4. ETAPAS DEL PROCESO DE PRONÓSTICO

a) Determinar el objetivo de pronóstico

b) Seleccionar los artículos sobre los que se va a realizar el pronostico
c) Determinar el horizonte temporal de pronostico
d) Seleccionar el(los) modelo(s) de pronóstico
e) Recolección de datos
f) Realizar el pronostico
g) Validar e implementar los resultados

5. ENFOQUES DE PRONOSTICOS

a) CUALITATIVOS:
 De carácter subjetivo
 Basado en estimaciones y opiniones.
 Programación de trabajos, asignaciones de tareas.
b) ANALISIS DE SERIES DE TIEMPO:
 Utilización de datos relacionados de periodos anteriores
 Componentes: tendencia, estacionalidad y ciclos.
c) RELACIONES CAUSALES:
 Supone demanda relacionada con una o más causas.
 Regresión lineal y Regresión multilineal.
d) SIMULACION:
 Modelos complejos simulados en computador.
 Modelos dinámicos.

6. METODOS CUALITATIVOS
Entre los métodos cualitativos de pronósticos más usados tenemos:
 Jurado de opinión ejecutiva.
 Proposición del personal comercial.
 Método Delphi
 Investigación de mercado.

A) JURADO DE OPINION EJECUTIVA:

 Requiere un pequeño grupo de directivos:
El grupo establece una estimación conjunta de la demanda.
 Combina la experiencia directa con modelos estadísticos.
 Es bastante rápido.
 Desventaja del “pensamiento en grupo”

B) PROPOSICIÓN DEL PERSONAL COMERCIAL:

 Cada vendedor estima las ventas que hará
 Se revisan las previsiones para definir si se pueden llevar a cabo.
 Se combinan con los pronósticos a niveles de distritos y con las
nacionales.
 El representante de ventas conoce las necesidades de los consumidores.
 Tiende a ser bastante optimista.

C) METODO DELPHI
 3 tipos de participantes:
-los que toman decisiones
-el personal de plantilla
-los que responden
 Reduce “el pensamiento en grupo”.
 Coteja opiniones para llegar a un consenso
para varias interacciones de opiniones-respuestas.

D) ESTUDIO DE MERCADO
 Preguntar a los consumidores sobre sus futuros planes de compra.
 Lo que dicen los consumidores y lo que luego suele diferir.
 A veces es difícil contestar a las preguntas del estudio.
 Es útil para mejorar el diseño de un producto y planificar nuevos
productos.
 7. METODOS CUANTITATIVOS:
Los métodos cuantitativos de pronósticos son modelos matemáticos que se
basan en datos históricos. Estos modelos suponen que los datos históricos serán
relevantes en el futuro. Los métodos cuantitativos se dividen en series de tiempo
y de relaciones causales.
a) MODELOS DE SERIES DE TIEMPO:
El análisis de series de tiempo es un método cuantitativo que utilizamos
para determinar patrones de comportamiento en los datos recolectados a
través del tiempo. El análisis de series de tiempo se utiliza para detectar
patrones de cambio o permanencia en la informaci6n estadística en
intervalos o periodos regulares. Proyectamos estos patrones para obtener
una estimaci6n para el futuro. En consecuencia, el análisis de series de
tiempo nos ayuda a manejar la incertidumbre asociada con los
acontecimientos futuros.

- Promedio ingenuo
- Promedio móvil simple
- Promedio móvil ponderado
- Suavización exponencial

b) MODELOS CAUSALES
En este tipo de pronóstico se toma en cuenta una variable independiente
que tenga un indicador guía. Este indicador guía es la "causa" de la
demanda, es decir, la ocurrencia de este hecho influye directamente sobre
la demanda de nuestro bien o servicio.

- Regresión lineal
- Regresión múltiple
- Modelo econométrico
- Modelo de simulación

8. ANALISIS DE SERIES DE TIEMPO:

8.1. ¿QUE ES UNA SERIE DE TIEMPO?

Se llama Series de Tiempo a un conjunto de observaciones sobre valores
que toma una variable (cuantitativa) en diferentes momentos del tiempo.
Los datos se pueden comportar de diferentes formas a través del tiempo,
puede que se presente una tendencia, un ciclo; no tener una forma
definida o aleatoria, variaciones estacionales (anual, semestral, etc). Las
observaciones de una serie de tiempo serán denotadas por Y1; Y2,..., YT,
donde YT es el valor tomado por el proceso en el instante t.
Los modelos de series de tiempo tienen un enfoque netamente predictivo
y en ellos los pronósticos se elaborarán sólo con base al comportamiento
pasado de la variable de interés.
8.2. COMPONENTES DE LA SERIE DE TIEMPO:
Existen cuatro tipos de cambio o variación implicados en el análisis de
series de tiempo, estos son:

Componente Descripción
Tendencia Es el componente de largo plazo que representa el
crecimiento o disminución en la serie sobre un periodo
amplio.
Cíclico Es la fluctuación en forma de onda alrededor de la
tendencia.
Estacional Es un patrón de cambio que se repite a sí mismo período
tras período (año tras año, mes con mes, día con día, etc.)
Aleatorio Mide la variabilidad de las series de tiempo después de
retirar los otros componentes (tendencias, ciclos,
estacionalidad, etc.).

 Tendencia secular o variación secular:

El valor de la variable tiende a aumentar o disminuir en un periodo

muy largo. El incremento estable en los costos de vida registrados
en el Índice de Precios al Consumidor (IPC) es un ejemplo de
tendencia secular. De un año a otro, el costa de vida varia bastante,
pero si examinamos un periodo a largo plazo, nos damos cuenta
que la tendencia tiende a aumentar de manera estable.
 Fluctuación cíclica o variación cíclica:

Con frecuencia las series de tiempo presentan secuencias alternas

de puntos abajo y arriba de la línea de tendencia que duran más
de un año, esta variación se mantiene después de que se han
eliminado las variaciones o tendencias estacional e irregular. Un
ejemplo de este tipo de variación son los ciclos comerciales cuyos
períodos recurrentes dependen de la prosperidad, recesión,
depresión y recuperación, las cuales no dependen de factores
como el clima o las costumbres sociales.

 Variación estacional:

Como cabría esperar, este tipo de variación implica patrones de

cambio en el lapso de un año que tienden a repetirse anualmente.
Por ejemplo, un médico puede esperar un aumento sustancial en
el número de casos de gripe cada invierno y de afectados de
tifoidea cada verano. Como se trata de patrones regulares son
útiles al pronosticar el futuro.
  Variación irregular:

En muchas situaciones, el valor de una variable puede ser

completamente impredecible cambiando de manera aleatoria. Las
variaciones irregulares describen esos movimientos.
Esta se debe a factores a corto plazo, imprevisibles y no
recurrentes que afectan a la serie de tiempo. Como este
componente explica la variabilidad aleatoria de la serie, es
impredecible, es decir, no se puede esperar predecir su impacto
sobre la serie de tiempo.

9. MEDICIÓN DEL ERROR EN EL PRONÓSTICO:

Un objetivo común en la aplicación de técnicas de predicciones es

minimizar tales desviaciones o errores en los pronósticos. Dichos
errores se definen como la diferencia entre el valor real y lo que se ha
pronosticado. Se pueden presentar como:

Et = Dt – Ft

Si bien es cierto es imposible eliminar el error por completo, sin

embargo se debe seleccionar los modelos de pronósticos adecuados
para tratar de minimizar el error lo más posible.

9.1. SUMA ACUMULADA DE ERRORES DE PRONOSTICO

(SAE):

Mide el error de pronóstico total, su fórmula es:

9.2. ERROR DE PRONOSTICO PROMEDIO E:

9.3. ERROR MEDIO CUADRADATICO (EMC):

9.4. DESVIACIÓN ABSOLUTA DE LA MEDIDA (DAM):

9.5. ERROR PORCENTUAL ABSOLUTO MEDIO (EPAM):

Relaciona el error del pronóstico con el nivel de demanda y es útil para

tener una perspectiva adecuada del desempeño del pronóstico

9.6. SEÑAL O PATRON DE SEGUIMIENTO (TS):

Mide el grado de precisión del pronóstico para predecir los valores

reales, debe estar dentro de los límites de control superior e inferior

9.7. DESVIACION ESTANDAR DE LOS ERRORES:

Mide el grado de dispersión de los errores de pronóstico atribuidos a

los efectos de tendencia, estacionalidad y aleatoriedad.
10. METODOS DE ANALISIS DE SERIES DE TIEMPO:

10.1. PRONOSTICO INGENUO:

En este método el pronóstico del periodo es igual a la demanda del

periodo anterior, ya que se asume que la magnitud de la demanda será
igual a la última medida.

Su fórmula es:
Ft = D t-1
Donde:

Ft: Pronostico del periodo

D t-1: Demanda real del periodo anterior

Ejemplo:
t Yt Yt+1 et

1 42
2 52 42 10
3 54 52 2
4 65 54 11

10.2. PROMEDIO MOVIL SIMPLE:

El pronóstico de promedio móvil es óptimo para patrones de demanda

aleatoria o nivelada donde se pretende eliminar el impacto de los
elementos irregulares históricos mediante un enfoque en periodos de
demanda reciente.
La demanda no presenta tendencia, ni estacionalidad, ni ciclos y todos
los periodos tienen el mismo peso.

El PROMEDIO MOVIL será igual a la suma de los valores recientes

entre el número de periodos para promediar.
EJEMPLO:
n=3
Mes Demanda Pronostico Error
Dt Ft Et
Enero 52 - -
Febrero 81 - -
Marzo 47
Abril 65 64.33 1
Mayo 50 54.00 -4
Junio 73 62.67 10
Julio 45 56.00 -11
Agosto 60 59.33 1
Septiembre 50 51.67 -2
Octubre 79 63.00 16
Noviembre 45 58.00 -13
Diciembre 62 62.00 0
Suma 709 -2

Media -0.17

10.3. PROMEDIO MOVIL PONDERADO:

La demanda no presenta tendencia, ni estacionalidad, ni ciclos, pero

si se le asigna a cada periodo anterior un peso diferente en la
elaboración del pronóstico, generalmente se le asigna más peso a los
periodos más recientes, esta asignación es subjetiva.

Su fórmula es la siguiente:

EJEMPLO:

Pesos: 60% - 30% - 10%

n=3
 Mes Demanda Pronostico Error
Dt Ft Et
Enero 52 - -
Febrero 81 - -
Marzo 47
Abril 65 57.70 7
Mayo 50 61.20 -11
Junio 73 54.20 19
Julio 45 65.30 -20
Agosto 60 53.90 6
Septiembre 50 56.80 -7
Octubre 79 52.50 27
Noviembre 45 68.40 -23
Diciembre 62 55.70 6
Suma 709 3

Media 0.27

10.4. SUAVIZACION EXPONENCIAL:

Este posee una ventaja sobre el modelo de promedio móvil ya que no

requiere de una gran cantidad de períodos y de ponderaciones para
lograr óptimos resultados. También tiene la ventaja de ser sencilla y
requerir un mínimo de datos.

Su utilización es económica y por lo tanto, muy atractiva para las

empresas que realizan miles de pronósticos para cada periodo de
tiempo. Sin embargo, su sencillez se convierte en una desventaja
cuando el promedio fundamental se modifica, como en el caso de las
series de demanda que muestran tendencia.

Asigna la ponderación mayor a los valores observados más recientes,

y ponderaciones decrecientes a los valores más antiguos.

Su fórmula es la siguiente:
EJEMPLO: