Es una prediccin de eventos futuros que se utiliza con propsitos de planificacin.

Suelen basarse en modelos matemticos que utilizan los datos histricos disponibles en mtodos cuantitativos extrados de la experiencia administrativa o en una combinacin de ambos.

PRONOSTICOS:

Es una prediccin de eventos futuros que se utiliza con propsitos de planificacin. Suelen basarse en modelos matemticos que utilizan los datos histricos disponibles en mtodos cuantitativos extrados de la experiencia administrativa o en una combinacin de ambos.

LOS PRONSTICOS SON IMPORTANTES PARA EL REA DE:

Finanzas Recursos humanos

Sistemas de informacin para la administracin

Marketing

Operaciones.

En las decisiones de negocios se encuentra el reto de pronosticar la demanda del cliente porque la demanda de bienes y servicios suele variar considerablemente. Patrones fundamentales de la demanda:
Horizontal Aleatorios De tendencia Cclico Estacional

Patrones fundamentales de la demanda:

Factores externos: Estn fuera del control de la gerencia, stos pueden influir en la demanda del producto o servicio.
Factores internos: Decisin del diseo del producto o servicio, precios, promociones, publicidad, cuotas o incentivos al personal de vtas, etc., para provocar cambios en la demanda.

El gerente deben tomar tres decisiones antes de usar tcnicas de pronstico. La decisin que se va a pronosticar:
Pronosticar la dda total para grupos o conjuntos y luego derivar los pronsticos correspondientes a productos o servicio individuales.
Nivel de acumulacin Unidades de medicin Agrupar varios productos o servicio similares. Unidades de productos o servicios.

Seleccin del tipo de tcnica del pronstico:

1. Mtodo cualitativo: Mtodo de juicio: opiniones de gerente y expertos, resultado de encuestas de consumidores y estimaciones de la fuerza y vta.

2. Mtodos cuantitativos: Mtodos causales: datos histricos. Anlisis de serie de tiempo: depende de los datos histricos, de la dda que se proyectan a futuro.

Pronsticos por medio de computadoras:

Este tipo de pronstico es indispensable al corto plazo, por los cientos y miles de productos que las empresas tienen que pronosticar en forma reiterada.

Existen cuatro mtodos: 1. Estimacin de la fuerza de vta: Son pronsticos

compilados a partir de conjeturas acerca de la dda futura, se hacen peridicamente por miembros de vta de la Ca.

2. Opinin ejecutiva: Es un mtodo en el

cual se hace un resumen de las opiniones, experiencia y conocimientos tcnicos de uno o varios gerentes para llegar a un solo pronstico.

3. Investigacin de mercado: Enfoque

sistmico para determinar el grado de inters del consumidor por un producto o servicio, mediante encuestas para la recopilacin de datos.

4. Mtodo

Proceso para obtener el consenso de un grupo de expertos, respetando el anonimato de sus integrantes. Es til cuando no existen datos histricos sobre los cuales puedan desarrollarse modelos estadsticos y cuando los gerentes no tienen experiencia en la cual fundamentar proyecciones bien informados.

Delphi:

Se emplean cuando se dispone de datos histricos y la relacin entre el factor que se intenta pronosticar y otros factores externos o internos pueden identificarse. Regresin lineal
Variable Dependiente: Relacionada con una o ms variables independientes por medio de una ecuacin lineal. Variable independiente: Esta no depende de ninguna variable.

La frmula de la lnea recta es:

Y=a + bX
Y= Variable dependiente

X= Variable independiente
a = interseccin de la recta con el eje Y b = pendiente de la recta

El objetivo de la regresin lineal es encontrar los valores de a y b que minimicen la suma de las desviaciones al cuadrado de los puntos de la lnea representada en el grfico que corresponde a los datos reales.
Desviacin o error Estimacin de Y a partir de la ecuacin de regresin

Ecuacin de regresin: Y = a + bX

Valor real de Y

Valor de X empleado Para calcular Y

VARIABLE INDEPENDIENTE

Mediciones de uso:
Coeficiente de correlacin de la muestra ( r ): Mide la direccin y la fuerza de la relacin entre la variable independiente y dependiente.

-1 <= r <= +1
r = +1: Implica que los cambios registrados de uno a otro periodo, en la direccin de la variable independiente, siempre estn acompaados por cambios de la variable dependiente en la misma direccin. r = -1: Los decrementos de la variable independiente siempre van acompaados de incrementos en la variable dependiente o viceversa.

r = 0: no existe relacin alguna entre las variables. Cuanto ms se aproxime el valor de r a + 1, tanto ms adecuado ser el ajuste de la lnea de regresin con respecto a los puntos de la grfica.

Coeficiente de determinacin de una muestra ( r2 ):

Mide la cantidad de la variacin que presenta la variable dependiente con respecto a su valor medio de la lnea de regresin.

0 <= r2 <= 1
r2 se aproxima a 1: Las variaciones de la variable dependiente y del pronstico generado por la ecuacin de regresin se encuentran estrechamente relacionados.

En lugar de emplear variables independientes para el pronstico, solo se refiere a la variable dependiente. El ms sencillo de los mtodos de series de tiempo es el: Pronstico emprico

Las tcnicas estadsticas tiles: 1- Promedios mviles simples: Se usa para estimar el promedio de una serie de tiempo de demanda y por lo tanto para suprimir los efectos de las fluctuaciones al azar.

Frmula pronostico correspondiente al periodo t+1 :

Ft+1 = suma de las n ltimas demandas

n

Ft+1 = Dt + Dt-1 + Dt-2 + ... + Dt-n+1

n

Dt
n

= demanda real en el periodo t

= nmero total de periodos incluidos en el promedio.

Ft+1 = pronstico para el periodo t+1

2-Promedios mviles ponderados: Todas las demandas tienen ponderacin en este mtodo (1/n). Permite hacer nfasis en la demanda reciente, por encima de la demanda anterior. Es necesario recolectar los datos de n periodos de demanda para poder calcular el promedio correspondiente a cada periodo.
3-Suavizacin exponencial: Es un mtodo de promedio mvil ponderado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas recientes mayor ponderacin que a las demandas anteriores

La ecuacin es:

Ft+1 = (demanda para este periodo) + (1-)

(pronostico calculado para el ltimo periodo)= Dt + (1 - ) Ft Ft +1 = Ft + (Dt - Ft)

Los valores mas grandes de hace nfasis e los niveles

recientes de la demanda y dan lugar a pronsticos que responden mejor a los cambios en el promedio fundamental.

Con valores de mas pequeos se considera mas

uniformemente la demanda pronsticos mas estables. pretrita y se producen

4- Inclusin de una tendencia: Consiste en un incremento o decremento sistemtico de los promedios de la serie a travs del tiempo. 5- Patrones estacionales: Consisten en movimientos ascendentes o descendentes de la demanda, que se repiten con regularidad, medidos en periodos de menos de un ao (en horas, das, semanas, meses, o trimestres)

Mtodos de los patrones estacionales: Mtodo estacional multiplicativo: Los factores

estacionales se multiplican por una estimacin de la demanda promedio y as se obtiene un pronostico estacional.

Mtodo estacional aditivo:Se obtienen sumando una

constante a la estimacin de la demanda promedio por estacin.

Error de pronstico:

Error de sesgo: Son el resultado de equivocaciones

sistemticas, por lo cual se observa que el pronstico siempre es demasiado alto o siempre es demasiado bajo.

Errores aleatorios: Son el resultado de equivocaciones

sistemticas, por lo cual se observa que el pronstico siempre es demasiado alto o siempre es demasiado bajo.

EJEMPLO 1 Uso de la regresin lineal para pronosticar la demanda de un producto.

La persona a cargo de programar la produccin de una compaa tiene que elaborar pronsticos de la demanda de un producto, a fin de planear las cantidades de produccin ms apropiadas. Durante un almuerzo de negocios, la gerente de marketing aporta informacin sobre el presupuesto de publicidad destinado a una bisagra de bronce para puertas. La gerente de marketing afirma que la compaa gastar el mes entrante $1.750, en publicidad para el producto. Aplique la regresin lineal para desarrollar una ecuacin y un pronstico para ese producto.

EJEMPLO 1 Uso de la regresin lineal para pronosticar la demanda de un producto.

MES

VENTAS (miles de uni.)

PUBLICIDAD (miles de $)

1 2 3 4 5 SOLUCION:

264 116 165 101 209

2,5 1,3 1,4 1,0 2,0

Ahora definiremos las variables. Y = Ventas X = Publicidad Ingresar los datos a la calculadora...

Los resultados calculados son:

Y=a+bX
a = - 8,136 Interseccin b= 109,229X Pendiente Variablede de independiente la recta Variable rdependiente = 0,98 la recta Con el eje Y r2 = 0,96 Al remplazar los datos en la ecuacin de regresin:
Y = -8,136 + 109,229X

ES ACERTADO SELECCIONAR LOS GASTOS DE PUBLICIDAD PARA REALIZAR UN PRONOSTICO DE VENTAS?

Como r = 0,98 , es decir, muy prximo a 1,0 concluimos que existe una fuerte relacin positiva entre las ventas y los gastos de publicidad. Por lo tanto la seleccin fue acertada.
Como r2 = 0,96 , implica que el 96% de la variacin observada en las ventas se atribuye a los gastos de publicidad

La lnea de regresin se ilustra en la figura siguiente

Ventas (miles de unidades)

300

250
200 150 100 50 0 0,5 1,0 1,5 2,0

2,5

Publicidad (miles de dlares)

CONCLUSIN
La persona que esta a cargo de elaborar los programas de trabajo puede usar este pronstico para determinar la cantidad de bisagras de bronce para puertas que se necesitar durante el mes siguiente ( mes 6).

Por ejemplo:
Con un inventario de 62.000 unidades, la cantidad que deber proporcionar produccin es;

183.015 62.500 = 120.015 unidades

Suponiendo que la persona no desea perder ninguna venta se debe producir, justo, 120.015 unidades

Como el gasto en publicidad ser de $1.750, el pronstico para el mes 6 es: 1750 = 1,75 100 Se remplaza este valor en el X de la ecuacin de regresin

Y = -8,136 + 109,229 * 1,75 Y = 183,015 , o sea, 183.015 unidades

EJEMPLO 2 Uso del mtodo de promedio mvil para estimar la demanda promedio. A- Elabore un pronstico de promedio mvil de tres semanas para estimar la llegada de pacientes a la clnica mdica durante la cuarta semana. Los nmeros correspondientes a las llegadas de pacientes durante las tres ltimas semanas fueron las siguientes.

semanas 1 2 3

Llegada de pacientes 400 380 411

EJEMPLO 2 Uso del mtodo de promedio mvil para estimar la demanda promedio. el nmero real de llegadas de pacientes durante la cuarta semana fue de 415, cul ser el pronstico para la quinta semana? Recordemos la frmula a utilizar:
B- Si

Solucin:
A -t+ El pronostico mvil al final de la F 1= suma de promedio las n ltimas demandas tercera semana: n
Suma de la llegada de los paciente Ft+1 = Dt + Dt-1 + Dt-2 + ... + Dt-n +1

F4 = 411+n380+ 400 = 397,5

n de semanas 3 El pronostico correspondiente a la cuarta semana es de 397 pacientes.

B- Para elaborar el pronostico correspondiente a la semana 5,es necesario conocer las llegadas reales durante las semanas 2 a 4, es decir, los datos de las tres semanas mas recientes.

F4 = 415 + 411+ 380 = 402,0 3

El pronostico para la semana 5 es de 402 pacientes. Adems, como ahora estamos en la semana 4, el pronostico para la semana 6 y las siguientes ser tambin de 402 pacientes

EJEMPLO 3 Uso del mtodo de promedio mvil ponderado para estimar la demanda promedio

Elabore un pronstico de promedio mvil de tres semanas para estimar la llegada de pacientes a la clnica mdica durante la cuarta semana El analista que esta a cargo de la clnica medica ha asignado ponderaciones de 0,70 a la demanda mas reciente, 0,20 a la demanda de hace una semana y 0,10 a la demanda de hace dos semanas de hace dos semanas.

Los nmeros correspondientes a las llegadas de pacientes durante las tres ltimas semanas fueron las siguientes.

semanas 1 2 3

demanda real 400 380 411

Dt-2 Dt-1

Dt

Solucin:
El ejemplo es un modelo con promedio mvil ponderado de tres periodos A cada periodo se le asigna la ponderacin correspondiente y se obtiene el promedio

Multiplicando la ponderacin de cada periodo por el valor correspondiente a dicho periodo y sumando finalmente los productos.

La demanda ponderada en la semana 3 es:

Ponderacin de cada periodo

Valor correspondiente a dicho periodo

F4 = 0,70 (411) + 0,20 (380) + 0,10 (400) = 403,7

Como no es posible dividir a un paciente en fracciones, tenemos que redondear la respuesta al numero entero mas prximo. Dt : periodo y pronostico Dt-1:segundo Dt-2 4 : tercero Entonces el promedio para la semana ser 404 mas reciente mas reciente pacientes.mas reciente

Supongamos ahora que la demanda real para la semana 4 fuera de 415 pacientes

semanas 1 2 3 4

demanda real 400 380 411 415

Dt-2 Dt-1 Dt

El nuevo promedio y el pronostico para la semana 5 es:

F5 = 0,70 (415) + 0,20 (411) + 0,10 (380) = 410,7

aproximando

411

EJEMPLO 4 Uso de la suavizacin exponencial para calcular la demanda promedio.

Mediante la ecuacin correspondiente a Ft, expandimos la ecuacin correspondiente a Ft-1:

F t-1 = Ft + (Dt Ft)

= Ft + Dt - Ft = Ft - Ft + Dt = Ft (1- ) + Dt
Usaremos la ecuacin despejada

Considere nuevamente la llegada del pacientes del ejemplo 3. Ahora nos encontramos al final de la semana 3.

semanas demanda real 1 400 2 380 3 411 4 415

A partir de una suavizacin exponencial de = 0,10 ; calcule el pronstico de suavizado exponencial para la semana 4.

Solucin:
El mtodo de suavizado exponenial requiere un pronostico inicial, que se debe calcular as: Como pronstico inicial 400 + 380 = 390 2
A fin de calcular el pronostico para la semana 4, utilizando Tomamos los datos de las = 0,10 , calculamos el promedio al final de la semana 3 en y los dos ultimas semanas promediamos la siguiente forma:

F4 = 0,10 (411) + 0,90 (390) = 392,1 pacientes

As, el pronstico para la semana es de 392 pacientes Demanda (1- ) Pronostico
real

calculado

En el caso que la demanda real para la semana 4 resultara ser de 415, entonces el nuevo pronostico para la semana 5 seria:

F5 = 0,10 (415) + 0,90 (392,1) = 394,4 pacientes

En general, redondeamos solamente el resultado final, Observe que a fin de mantener la mayor precisin posible en los hemos utilizado clculos. F4, y no el
pronstico en valor entero para la semana 4, en el calculo de F5.

Despus de analizar este capitulo, podemos identificar los cinco patrones fundamentales de demanda, que en combinacin, producen series de tiempo de demanda, as como tambin aprendimos como seleccionar la tcnica de pronsticos apropiada para un determinado problema de decisin, describir los diferentes tipos de mtodos para pronsticos basndonos en el juicio y los casos en los que es conveniente aplicarlos. Al desarrollar el tema de pronsticos, pudimos calcular estos, utilizando los enfoques ms comunes para el anlisis de series de tiempo.