1. Universidad de Guayaquil
Facultad de Ciencias Administrativas
Ing. en Sistemas Administrativos Computarizados
Grupo 4:
• Quinlli Guido
• Mindiola Jefferson
• Carrasco Jean
• Salinas Nelson
• Lopez Miguel
Semestre 8
Instructor: Romni Yépez, Ing. MBA
Simulacion y Muestreo
Diciembre 2011
Instructor: Romni Yépez- UG
2. LOGO
Pronósticos en los
negocios
Instructor: Romni Yépez- UG
3. Contenido
Capítulo 1
Introducción a los pronósticos en los negocios
Capítulo 2
Repaso de conceptos estadísticos básicos
Capítulo 3
Exploración de datos e introducción a las técnicas
de pronósticos
Capítulo 4
Métodos de promodios móviles y de suavización
Capítulo 5
Series de tiempos y sus componentes
Instructor: Romni Yépez- UG
5. PRONÒSTICOS EN LOS NEGOCIOS
1 Introducción a los pronósticos en los negocios
1.1 La historia de los pronósticos
1.2 Necesidad de los pronósticos
1.3 Tipos de pronósticos
1.4 Consideraciones Macroeconómicas del pronóstico.
1.5 Selección de un método de pronóstico
1.6 Etapas del pronósticos
1.7 Administración del proceso de elaboración del pronóstico
1.2
1.8 Software de pronóstico
1.9 Información en línea
1.10 Resumen / Conclusión
Instructor: Romni Yépez- UG
6. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.1 LA HISTORIA DE LOS PRONÓSTICOS
Según Peter Bernstein (1996)
En el siglo XVII el pronóstico fue considerado
como una perdida de tiempo o como un pecado
Durante los próximos 300 años se dieron avances significativos
mediante el método de pronosticar basado en datos, ocurridos
mayormente en el siglo XX.
Métodos de análisis de regresión lineal
Métodos descomposición
Métodos de suavizamiento
Métodos de promedios móviles autorregresivos
Instructor: Romni Yépez- UG
7. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.2 NECESIDAD DE LOS PRONÓSTICOS
EN LOS NEGOCIOS
Los pronósticos guían el establecimiento de políticas y planeación
La necesidad de pronóstico esta en todas las líneas funcionales,
en todo tipo de organizaciones.
Los pronósticos deben ser siempre cambiante y altamente
interactivo
Ejemplo
Áreas funcionales:
Instructor: Romni Yépez- UG
8. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
La necesidad de pronóstico esta en todas las líneas funcionales,
en todo tipo de organizaciones.
Instructor: Romni Yépez- UG
9. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.2 NECESIDAD DE LOS PRONÓSTICOS
EN LOS NEGOCIOS
El pronosticador eficaz deber ser capaz de establecer una hábil mezcla de:
Pronósticos El buen
Cuantitativos juicio
NO
NO extremo
extremo
Instructor: Romni Yépez- UG
10. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.3 TIPOS DE PRONÓSTICOS
Se clasifican en:
PRONÓSTICOS DE :
EJEMPLO:
LARGO CORTO
PLAZO PLAZO
• Señalan el curso • Permite diseñar
general de una estrategias
organización para inmediatas
un tiempo de
funcionamiento
largo
Instructor: Romni Yépez- UG
12. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.3 TIPOS DE PRONÓSTICOS
Se clasifican en:
SEGÚN LOS TERMINOS DE SU POSICIÓN:
Micro
Pronóstico
A nivel de detalle especifico
Macro
Pronóstico
Status de algo general o factor de resumen
Instructor: Romni Yépez- UG
13. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.3 TIPOS DE PRONÓSTICOS
Se clasifican en:
SEGÚN LA TENDENCIA A SER :
Mas
Cuantitativos
No necesita del juicio para desarrollar pronósticos, solo procedimientos
mecánicos para obtener resultados.
Mas
Cualitativos
Es el proceso que no requieren manipulación de datos, solo se usa el
juicio del pronosticador.
Instructor: Romni Yépez- UG
14. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.3 TIPOS DE PRONÓSTICOS
Se clasifican en:
SEGÚN LA NATURALEZA DEL PRODUCTO OBTENIDO:
Pronóstico • Es decir si el pronóstico será un numero
individual
Puntual
Pronóstico • Un intervalo de números dentro del cual
se espera que esté el valor futuro
Por Intervalo
Pronóstico • Mediante la Distribución de probabilidad
de densidad total del valor futuro.
Instructor: Romni Yépez- UG
15. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.4 Consideraciones Macroeconómicas del
pronóstico
Existe un alto grado de interés en la predicción de variables
importantes para toda la economía de un país, para la cual hacen
4 uso de los pronósticos económicos generales.
Por ejemplo:
Para los gobiernos de es relevante obtener datos sobre:
La tasa de desempleo
El producto interno bruto
La tasa de interés de referencia
Instructor: Romni Yépez- UG
16. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.4 Variables Micro-Macro para pronóstico
Este afectan no solo a una empresa, un
cambio en una de ellas afectará a otras.
Variables de áreas
Generalmente estas fuerzas no pueden
Macroeconómicas controlar los directivos de las
organizaciones
Afectan a una empresa en particular
No son controlables, se pueden influir en
Variables de áreas ellos
Microeconómicas
Los administradores deben planear por
anticipado estas variables para lograr
tomar medias de control
Instructor: Romni Yépez- UG
17. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.4 Consideraciones Macroeconómicas del
pronóstico
Una de las principales dificultades en la elaboración de pronósticos
generales son;
2 4
Cambios del precio del petróleo
Inflación Súbita
Cambios políticos
Instructor: Romni Yépez- UG
18. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.5 Selección de un método de pronóstico
Los pronósticos se seleccionan en función a:
2 Al Método A Futuro Nivel de Detalle A la Forma
Cuantitativos Pronósticos a Micro Pronóstico
(manipulación Corto Plazo Pronóstico Puntual
de Datos)
Pronósticos a Macro Pronóstico
Cualitativos Largo Plazo Pronóstico Por Intervalo
(juicio)
Pronóstico de
Densidad
Instructor: Romni Yépez- UG
19. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.6 ETAPAS DEL PRONÓSTICOS
Formulación del problema y • Los datos deben estar disponibles y
recopilación de datos correcto, de lo contrario deberá emplearse
otra metodología para pronosticar.
limpieza de • Esta etapa es necesario al tener
Manipulación y 4
datos demasiados datos o muy pocos, en el
proceso para realizar pronósticos
Construcción y evaluación • Es el proceso de ajustar los datos
del modelo recolectados a un modelo de pronóstico
que sea adecuado, y así minimizar errores.
Implementación del modelo • Es la generación del modelo real después
(el pronostico real) de: RECOPILADO, DEPURADO los datos
apropiados y la selección del modelo.
• Es el proceso de comparación de los
Evaluación del Pronóstico valores del pronóstico con los valores
históricos reales.
Instructor: Romni Yépez- UG
20. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS NEGOCIOS
1.7 ADMINISTRACIÓN DEL PROCESO DE ELABORACIÓN
DEL PRONÓSTICO
Las técnicas cuantitativas de elaboración del pronósticos deben verse
como realmente son:
Herramientas que el gerente va a utilizar para tomar mejores
decisiones
De acuerdo con Makridakis (1986)
Los pronósticos no deben verse como un sustituto de una
adivinación, sino como le mejor camino para identificar y
extrapolar patrones o relaciones para elaborar
pronósticos.
Instructor: Romni Yépez- UG
21. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.8 SOFTWARE DE PRONÓSTICO
Instructor: Romni Yépez- UG
22. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.8 SOFTWARE DE PRONÓSTICO
Existen 2 tipos de paquetes computaciones usados
por los pronosticadores:
Paquetes para
Paquetes Estadísticos
elaboración de
Generales
pronósticos
• Análisis de regresión • Diseñados
• Análisis de series de específicamente para
tiempo aplicaciones en
• Y otros pronósticos
Instructor: Romni Yépez- UG
23. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.9 INFORMACIÓN EN LÍNEA
Sitios Web con fuentes de datos
económicos y financieros que son de
interés para los pronosticadores:
B&D Data Linksm disponible en:
www.econ-datalinks.org
Administrador por:
Business and Economic Section of
the American Statistical Association
Resources for Economics on the
internet, patrocinado por la American
Economic Association:
www.rfe.org
Instructor: Romni Yépez- UG
24. 1. INTRODUCCIÓN A LOS PRONÒSTICOS EN LOS
NEGOCIOS
1.10 RESUMEN Y CONCLUSIÓN
La Finalidad de un pronóstico es:
Reducir el nivel de incertidumbre con que deben realizarse
los juicios de la gerencia
Tal propósito sugiere dos reglas fundamentales:
• El propósito debe ser técnicamente correcto y
Regla 1 generar pronósticos preciso para satisfacer la
necesidad de la empresa
• Los resultados generados en el
procedimiento de elaboración de pronósticos
Regla 2 deben satisfacer en la toma de decisiones y
desde el punto de vista de costo-beneficio
Instructor: Romni Yépez- UG
28. Contenido: ESTADIGRAFOS
1. Medidas de tendencia central:
Media
Mediana
2. Medidas de Posición:
Cuartiles
3. Medidas de Dispersión:
Desviación Estandar
Varianza
4. Grados de libertad
Instructor: Romni Yépez- UG
29. Estadígrafos de Tendencia Central
MEDIA
Sus simbolos: Población µ Muestra X
2
1 3
Se Calcula:
También Es sencible a
mediciones que
llamada Formalmente: sean mucho
promedio mas grandes o
mucho mas
pequeñas
Instructor: Romni Yépez- UG
30. Estadígrafos de Tendencia Central
MEDIANA
Su simbolo: Muestra Me
2
1 3
Se Calcula:
Se usa a Es el valor que
menudo para divide por la
indicar el valor mitad un
de la parte conjunto de
central en un
mediciones
conjunto de
datos ordenadas
Instructor: Romni Yépez- UG
31. Estadígrafos de Posición
CUARTILES
Su simbolo: Muestra Qk
2
1 3
Se Calcula:
Dividen el El Q2 (Cuartil 2)
conjunto de
siempre
datos en 4
partes coincide con
iguales la Mediana
Instructor: Romni Yépez- UG
32. Estadígrafos de Dispersión
DESVIACIÓN ESTANDAR
Sus simbolos: Población σ Muestra S
2
1 3
Se Calcula:
Por lo general se
Rango a obtendrá una
través del cual S desviación
se dispersan estándar mas
los valores pequeña que la
alrededor de desviación
la media estándar de la
población
Instructor: Romni Yépez- UG
33. Estadígrafos de Dispersión
VARIANZA
Sus simbolos: Población σ² Muestra S²
2
1 3
Se Calcula:
Es la Determina qué
desviación tan alejado o
cercano están
Estándar
tus datos del
al centro o la
cuadrado media
Instructor: Romni Yépez- UG
34. Grados de Libertad
GRADOS DE
LIBERTAD
Indica el En
numero de conclusión:
datos Ejemplo:
Es la
libres entre Pienso en el
numero 5 y el 7 cantidad de
sí, no la suma es12. Si valores que
pueden conozco 2 de tienen
calcularse las 3 variables
libertad
puedo conocer
uno apartir la tercera para variar
de otro.
Instructor: Romni Yépez- UG
36. Contenido: PRONOSTICOS
1. Tipos de datos utiles en pronosticos
Transversales
Series de tiempo
2. Presentación de información
Diagrama de puntos
Diagrama de caja
Histogramas
Contenido: DISTRIBUCIÓN DE PROBABILIDAD
1. Variables aleatorias
Variable aleatoria discreta
Variable aleatoria continua
2. Distribución de probabilidad
Instructor: Romni Yépez- UG
37. Tipos de datos
DATOS TRANSVERSALES
Consiste en:
Observaciones
Desde el
mismo
Marco
Marco de
referencia
Universidad de Guayaquil
Instructor: Romni Yépez- UG
- I.S.A.C.
38. Tipos de datos
DATOS DE SERIES DE TIEMPO
Consiste en:
Secuencia
de
Observaciones.
en el
tiempo
Universidad de Guayaquil
Instructor: Romni Yépez- UG
- I.S.A.C.
42. Variables
VARIABLE ALEATORIA DISCRETA
Puede
tomar
Solo
Valores
Ejemplo:
Cantidad de
personas que
Predeter- usan MetroVia
minados A menudo
Números
Enteros
El valor esperado siempre es el valor promedio
Instructor: Romni Yépez- UG
43. Variables
VARIABLE ALEATORIA CONTINUA
Puede
tomar
cualquier
Valor
Ejemplo:
El peso de
Dentro algunas personas
de un Número
Rango Con
decimales
El valor esperado siempre es el valor promedio
Instructor: Romni Yépez- UG
44. Distribución de probabilidad
Definición
4. La Probabilidad P(X)
se la obtiene en
Consecuencia de un 1. Enlista todos los
historial antes estudiado valores posibles que
del comportamiento de X puede tomar la variable
Distribucion
de Probabilidad
de una Variable
aleatoria
discreta
2. El valor esperado
se obtiene al
multiplicar los
valores posibles
3. Ecuación de valor esperado:
de X con su
E(X) = Ʃ [X x P(X)] Probabilidad P(X)
Instructor: Romni Yépez- UG
45. Distribución de probabilidad
EJEMPLO RESULTADO ESPERADO:
Dias sin ventas
de un vendedor
Los valores
estan
basados en
Utilizando la formula:
experiencias X P(X) E(X) = Ʃ [X x P(X)]
que el
vendedor tuvo 1 0.10
=1(.1)+2(.2)+3(.25)
mensualmente 2 0.20 +4(.15)+5(.3)
en sus rutas.
Estas se 3 0.25 E(X) = 3.35
utilizaran para
pronosticar la 4 0.15
Entoces los dias que
actitud del 5 0.30 espera no vender
mercado este mes es 3.35 dias.
Instructor: Romni Yépez- UG
46. Contenido: PROBABILIDADES
1. Probabilidad Normal
Ejemplo
2. Probabilidad usando distribución
muestral
Ejemplo
Instructor: Romni Yépez- UG
47. Probabilidad
PROBABILIDAD NORMAL
Número de éxitos en una muestra, compuesta por n observaciones.
Ejemplo Resolución Interpretación
Los pesos de una Ese determino
población de partes que existe el
fabricadas en cierta
53% de
maquina tienen una
media de 10 libras y σ probabilidad
de 2 lb ¿Cuál es la Según la tabla de Z: de que la parte
probabilidad de que escogida al
una pieza seleccionada azar sea entre
al azar pese entre 9 y 9 y 12 libras.
12 lb?
Instructor: Romni Yépez- UG
48. Probabilidad
PROBABILIDAD USANDO LA DISTIBUCIÓN MUESTRAL
Es la distribución de todos los valores posibles del estadístico
muestral que se puede obtener de la población.
Ejemplo Resolución Interpretación
Se extrae 100 Tomando en cuenta que:
personas de una Se concluye: Que
población, ¿Cual es la las probabilidades
probabilidad de que la Resolviendo: son del 82% de
media estará dentro
de 2 libras del peso
que la media
medio de la de la muestra
población verdadera estará dentro
(X - µ)?. Si la de 2 libras de la
desviación estimada Según la tabla Z:
de la población es 15
media verdadera.
= 1.33 : 0.408 se lo
libras. duplica y tendremos. 0.816
Instructor: Romni Yépez- UG
50. Capítulo 3:
Exploración de datos e
Introducción a las técnicas de
pronósticos
Instructor: Romni Yépez- UG
51. Introducción al Capitulo 3
Una de las partes mas dificiles de los
pronosticos y que toma mas tiempo es la
recoleccion de datos validos y confiables
La dificil tarea a la que enfrentan los
pronosticadores es encontrar datos relevantes
que ayuden a la resolucion de problemas
Instructor: Romni Yépez- UG
53. EXPLORACION DE PATRONES DE
DATOS EN SERIES DE TIEMPO
Cuando seleccionamos un método de
pronostico adecuado para una serie de tiempo
debemos de considerar distintas clases de
patrones de datos
Existen 4 tipos generales:
Horizontales Tendencias
Estacionales Ciclicos
Instructor: Romni Yépez- UG
54. EXPLORACION DE PATRONES DE
DATOS EN SERIES DE TIEMPO
• Cuando las observaciones de los datos fluctúan
alrededor de un nivel constante o medio existe
1 un Patrón Horizontal
• Cuando las observaciones de los datos crecen o
disminuyen en un periodo largo existe un
2 Patrón de Tendencia
• Cuando las observaciones de los datos exhiben
aumentos y caídas que no se refieren a un
3 periodo fijo existe un Patrón Cíclico
• Cuando las observaciones de los datos se
ven influidas por factores temporales
existe un Patrón Estacional
Instructor: Romni Yépez- UG
56. EXPLORACION DE PATRONES DE DATOS
CON ANALISIS DE AUTOCORRELACION
Cuando se mide una variable a
largo tiempo, las observaciones en
diferentes periodos a menudo están
relacionadas o correlacionadas
La correlación se mide usando el
coeficiente de Autocorrelación
La Autocorrelación es la correlación
que existe entre una variable
retrasada uno o mas periodos
consigo mismo
Instructor: Romni Yépez- UG
57. EJEMPLO
Se utilizo una minitab para generar la serie de
tiempo de 40 números seudoaleatorios
presentados en la siguiente tabla:
Instructor: Romni Yépez- UG
58. EJEMPLO
Esta figura muestra la grafica de serie de tiempo con los
datos vistos anteriormente. Puesto que tales datos son
aleatorios.
La Autocorrelación para todos los retrasos de tiempo
deberían ser iguales a cero. La Mayoría de estas muestras
producirán coeficientes de Autocorrelación cercanos a cero
Instructor: Romni Yépez- UG
59. ¿TIENEN TENDENCIA LOS DATOS?
Si una serie muestra una tendencia, hay una
relación significativa entre valores sucesivos de
la serie de tiempo
Los coeficiente de autocorrelacion son
usualmente grandes para varios de los
primeros retrasos de tiempo
Luego conforme se incrementa el numero de
retrasos caen gradualmente hacia cero
Instructor: Romni Yépez- UG
60. SERIES DE TIEMPO ESTACIONARIAS Y
NO ESTACIONARIAS
• Es aquella cuyas propiedades estadísticas
ESTACIONARIA básicas como la media y la varianza
permanecen constantes en el tiempo
NO • Es aquella que los coeficientes de
autocorrelacion de una serie estacinaria
ESTACIONARIA decrecen hacia cero rápidamente
Instructor: Romni Yépez- UG
61. SELECCIÓN DE UNA TECNICA DE
PRONOSTICO
Primero se examina la selección de una técnica
de elaboración de pronóstico.
A continuación veremos diferentes preguntas
antes de decidir sobra la técnica adecuada para
la elaboración de pronóstico de un problema
específico
Instructor: Romni Yépez- UG
62. PREGUNTAS PARA ESCOGER
TECNICA DE PRONSTICOS
¿Porqué es necesario un pronostico?
¿Quién utilizará el pronostico?
¿Cuáles son las caracteristicas de
datos disponibles?
¿Qué periodos se va a pronosticar?
¿Qué precision desea?
¿Cuánto costará el pronostico?
Instructor: Romni Yépez- UG
63. PASOS DEL PRONOSTICADOR
• Definir la Naturaleza del problema
que se va a pronosticar
• Explicar la naturaleza de los datos
de la investigación
• Describir capacidades y limitaciones
de técnicas de elaboración
• Desarrollar algún criterio
predeterminado para la toma decisión
Instructor: Romni Yépez- UG
64. TECNICAS DE PRONOSTICO PARA
DATOS ESTACIONARIOS
Estas técnicas son utilizadas en las siguientes
circunstancias:
Los factores que generan una serie se han estabilizado y el
ambiente permanece sin cambios
Se necesita un modelo muy simple debido a la falta de
datos para la explicación o implementación
La estabilidad puede obtenerse haciendo correcciones
sencillas de factores como crecimiento demográfico o inflación
La serie puede convertirse en una serie estable
Instructor: Romni Yépez- UG
65. TECNICAS DE PRONOSTICO PARA
DATOS CON UNA TENDENCIA
Estas técnicas son utilizadas en las siguientes
circunstancias:
Incremento en productividad y nueva tecnología traen
cambios en el estilo de vida
Incremento en la población causa aumentos en demanda de
bienes y servicios
El poder de compra de la moneda afecta las variables económicas
debido a la inflación
Incremento de aceptación en el mercado
Instructor: Romni Yépez- UG
66. TECNICAS DE PRONOSTICOS
PARA DATOS ESTACIONALES
Estas técnicas son utilizadas en las siguientes
circunstancias:
Instructor: Romni Yépez- UG
67. TECNICAS DE PRONOSTICO PARA
SERIE CICLICAS
Estas técnicas son utilizadas en las siguientes
circunstancias:
Instructor: Romni Yépez- UG
68. MEDICION DE ERROR DE
PRONOSTICO
Se utiliza debido a que las tecnicas de
elaboración de pronosticos a menudo incluyen
datos de series de tiempo
La variable Y se usa para representar una
variable de serie de tiempo
La notación basica para pronosticos se resume
de la siguiente manera:
Instructor: Romni Yépez- UG
69. Ejercicio
La Ecuacion se usa para calcular el residuo o
error en cada periodo pronosticado
Donde
Instructor: Romni Yépez- UG
70. METODOS DE EVALUACION
Un metodo para evaluacion de tecnica de
pronostico es la suma de errores absolutos
El Error medio cuadrático
El error cuadrado medio
Metodo sesgado
Instructor: Romni Yépez- UG
71. EJERCICIO
La siguiente tabla presenta datos del numero
diario de clientes que solicitan reparaciones y
un pronostico de tales datos para una estacion
de servicio
Instructor: Romni Yépez- UG
72. EJERCICIO
Resolución del Problema:
Instructor: Romni Yépez- UG
75. Introducción al capítulo 4
Este capítulo determina lo siguiente:
Descripción de tres métodos de pronósticos
en una serie de tiempo:
• 4,1 Método informal.
– Se usan para desarrollar modelos simples.
• 4,2 Método de promedios
– Generan observaciones en base a un promedio de
observaciones pasadas.
• 4,3 Métodos de suavización
– Generan pronósticos en base a series decrecientes
(exponencial) de ponderación
Instructor: Romni Yépez- UG
76. Estrategias para evaluar un método
Tener la intuición de un
Usar otras técnicas
pronosticador acerca de
para comparar
la naturaleza de los
resultados.
datos.
Dividir los datos en
Tomar la secciones:
decision en • Sección de
Estrategias ajuste o inicio.
base a la
técnica a • Sección de
usar. prueba.
Determinar una técnica Determinar una técnica
para los pronósticos y para desarrollar valores
su evaluación mediante de ajuste.
los errores.
Instructor: Romni Yépez- UG
77. Esquema de elaboración de un pronóstico
Datos pasados Usted está aquí Períodos por
t pronosticar
……... Yt-3, Yt-2, Yt-1 Yt Ÿt+1, Ÿt+2, Ÿt+3…
Donde:
Yt Es la observación más reciente.
Ÿt+1 Es el pronostico para el siguiente periodo en el
futuro
Instructor: Romni Yépez- UG
78. 4.1 Modelos Informales
A menudo los negocios tienen lo siguiente:
• Problemas para elaborar un pronóstico con muy pocos
datos.
Este es un gran problema real, ya que la mayoría de las técnicas
necesitan de grandes cantidades de datos.
Por ello existen los pronósticos informales
Instructor: Romni Yépez- UG
79. 4.1 Modelos informales
Modelo
Informal
Se basa Suponen que
unicamente los periodos
sobre la recientes son
información los mejores
reciente y para predecir el
disponible. futuro.
Instructor: Romni Yépez- UG
80. 4.1.1 Su ecuación
Un modelo informal bastante sencillo es:
Ÿt+1= Yt El pronóstico informal de cada periodo
es la observación inmediata anterior
Es el pronóstico realizado
en el momento «t» para
el tiempo «t+1»
Este tipo de pronóstico:
• Descarta otros tipos de observaciones.
• Sus fluctuaciones aleatorias se producen con la misma
fidelidad que la anterior.
Instructor: Romni Yépez- UG
82. 4.1.2.1 Gráfico en una serie de tiempo
Ventas de Serrucho
900
Tendencia
a la alza
800
700
600
Serruchos
500
400 Ventas…
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Periodos de tiempo t
Años 2000 2001 2002 2003 2004 2005 2006
Instructor: Romni Yépez- UG
83. 4.1.2.2 Cálculo del error en el pronóstico
Para calcular el error se utiliza la siguiente ecuación:
Calculamos el error del periodo 25 lo cual queda así:
1 21 750
2 22 500
2005
3 23 400
4 24 650
1 25 850
2 26 600
2006
3 27 450
4 28 700
El periodo del pronóstico 26 es 850 y su error es -250
Así sucesivamente
Instructor: Romni Yépez- UG
84. 4.1.2.3 Interpretación
Como lo vimos en el anterior gráfico:
• En el ultimo año existe una variada alza entre el primer y
cuarto trimestre.
• Esto indica que hay una tendencia ascendente con un
patrón estacional.
Nota: Cuando los valores de los datos aumentan con el tiempo, se
dice que son de nivel no estacionario o que tienen una tendencia.
Problema: Al usar la ecuación sencilla, las proyecciones serán
bajas de forma sistemática.
Ÿt+1= Yt No es bastante óptimo seguir usándola
Instructor: Romni Yépez- UG
85. 4.1.2.3 Interpretación
Para solucionar el problema:
• Usaremos una ecuación la cual toma en cuenta la magnitud de
cambio que hay entre trimestres.
Ÿ������:������ = Y������ + (Y������ - Y������;1 )
Con ello tenemos, para el pronóstico del 1 trimestre del 2006:
Pronóstico Error
Ÿ������������:������ = Y������������ + (Y������������ - Y������������;1 ) ������������������ = Y������������ −Ÿ������������
Ÿ������������ = Y������������ + (Y������������ - Y������������ ) ������������������ = 8������������ − ������������������
Ÿ25 = 650 + (650 - 400) ������������������ = −������������
Ÿ������������ = ������������������ Valor real
Pronóstico Instructor: Romni Yépez- UG
86. 4.1.2.3 Interpretación
De acuerdo a la visión del pronosticador:
• Puede determinar otras ecuaciones con el fin de
acercarse al valor real.
• Usar otras técnicas para su pronostico.
Otras ecuaciones:
La tasa de cambio puede Esta ecuación determina O se pueden mezclar
ser mas apropiada que el valor puede ser valores tanto de un valor
mediante esta ecuación. igual hace 3 trimestres anterior mas la
atrás. ponderación de un año
Y������ Y������ ;Y������−������
Ÿ������:1= Y������ Ÿ������:1= Y������;������ Ÿ������:1 = Y������;������ +
Ÿ������−1 ������
Ÿ25 = 1,056 Ÿ25 =750 Ÿ25 =762,5
Instructor: Romni Yépez- UG
87. 4.2 Pronósticos basados en promedios
A menudo los administradores:
• Enfrentan el problema de actualizar datos sobre pronósticos
de inventarios en donde:
Es bastante complejo elaborar técnicas de
pronósticos por unidades.
La solución es:
• El uso de una herramienta o
técnica para un pronostico rápido,
sencillo y a corto plazo.
Técnica de promedios o técnicas de suavización
Instructor: Romni Yépez- UG
88. 4.2 Pronósticos basados en promedios
Técnica de
promedios
Usan un Las fluctuacion
promedio de valores
ponderado de pasados
observaciones representan
pasadas para puntos de
suavizar las partidas
fluctuaciones. aleatorios para
el futuro.
Instructor: Romni Yépez- UG
89. 4.2.1 Promedios Simples
Usa la media de todas las observaciones históricas
relevantes como el pronostico para el siguiente periodo.
Su ecuación:
Esta ecuación sirve para promediar la
1 ������ parte de inicialización de los datos y
Ÿ������:1 = ������ ������<1 ������
������
pronosticar el siguiente periodo.
Luego de la primera inicialización, esta
������Ÿ������:1 + Y������:1
Ÿ������:2 = ecuación permite resolver el problema de
������ + 1 generar series simultaneas.
Es válido aplicarlo en donde la serie
generalmente permanece sin cambios
Instructor: Romni Yépez- UG
90. 4.2.1 Promedios Simples
Se puede aplicar en:
1 2 3
Ventas Venta de un Número de citas
efectuadas como producto en la semanales de un
resultado de un etapa de cliente.
nivel de esfuerzo madurez.
constante de los
vendedores.
Instructor: Romni Yépez- UG
91. 4.2.1.1 Ejemplo de aplicación
La compañía Z opera con una flota de camiones y se requiere
pronosticar el consumo de gasolina, se utiliza el promedio simple de
la semana 1 a la 28(Periodos estacionarios). Se pronostica la
semana 29 y 30
Semana Galones Semana Galones Semana Galones
t Yt t Yt t Yt
1 275 11 302 21 310
2 291 12 287 22 299
3 307 13 290 23 285
4 281 14 311 24 250
5 295 15 277 25 260
6 268 16 245 26 245
7 252 17 282 27 271
8 279 18 277 28 282
9 264 19 298 29 302
10 288 20 303 30 285
Instructor: Romni Yépez- UG
92. 4.2.1.1 Ejemplo de aplicación
Compras de gasolina de la compañia Z
320
310
300
290
Gasolina
280
Galones Yt
270
260
250
240
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Semanas t
Instructor: Romni Yépez- UG
94. 4.2.2 Promedios móviles
¿Que sucedería si el analista esta más
interesado en las observaciones
recientes?
Se puede especificar un numero
constante de puntos de datos al
inicio y se puede calcular una media
con las observaciones mas
recientes.
Instructor: Romni Yépez- UG
95. 4.2.2 Promedios móviles
Permite agregar un nuevo dato
a la ponderación y eliminar uno
antiguo.
Un promedio de orden «k», es el valor de la media de «k»
observaciones consecutivas. El valor del promedio móvil mas
reciente indicara el pronostico del siguiente periodo
Su ecuación
������������ + ������������;1 + ⋯ + ������������;������:1
Ÿ������:1 =
������
Donde:
Ÿ������:1 Valor pronosticado para el siguiente periodo
������������ Valor real en el periodo t
������ Números de términos en el periodo móvil
Instructor: Romni Yépez- UG
96. 4.2.2.1 Ejemplo de aplicación
Ahora con los datos de la tabla de la compañía Z, usaremos un
promedio móvil de 5 semanas y pronosticaremos la semana 29
t Galones ÿt et t Galones ÿt et
1 275 18 277 281 -4
2 291 19 298 278,4 19,6
3 307 20 303 275,8 27,2
4 281 21 310 281 29
5 295 22 299 294 5
6 268 289,8 -21,8 23 285 297,4 -12,4
7 252 288,4 -36,4 24 250 299 -49
8 279 280,6 -1,6 25 260 289,4 -29,4
9 264 275 -11 26 245 280,8 -35,8
10 288 271,6 16,4 27 271 267,8 3,2
11 302 270,2 31,8 28 282 262,2 19,8
12 287 277 10 29 302 261,6 40,4
13 290 284 6 30 285 272 13
14 311 286,2 24,8
15 277 295,6 -18,6
16 245 293,4 -48,4 Periodo móvil
17 282 282 0
Instructor: Romni Yépez- UG
97. 4.2.2.1 Ejemplo de aplicación
������������ + ������������;1 + ⋯ + ������������;������:1
Aplicación de la fórmula Ÿ������:1 =
������
Semana 29
������28 + ������28;1 + ������28;2 + ������28;3 + ������28;5:1
Ÿ28:1 =
5
282 + 271 + 245 + 260 + 250 Ÿ29 = 261,6
Ÿ29 =
5
Error
������������������ = Y������������ −Ÿ������������ ������29 = 302 − 261,6 ������29 = 40,4
Si deseamos determinar el pronóstico de la semana 31 lo
hacemos como en la semana 29
Instructor: Romni Yépez- UG
98. 4.2.2.1 Ejemplo de aplicación - Gráfico
Promedio Móvil
320
310
300
290
Galones
280
Valor Real
Valor ajustado
270
260
250
240
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Semanas t
Instructor: Romni Yépez- UG
99. 4.2.3 Promedios móviles dobles
Permiten pronosticar los datos de
las series de tiempo que tienen una
tendencia lineal
Esta técnica calcula un conjunto de promedios
móviles y luego se calcula un segundo conjunto
como un promedio móvil de primer conjunto
Instructor: Romni Yépez- UG
100. 4.2.3.1 Sus ecuaciones
Para determinar el uso de los promedios móviles hay que tener en
cuenta las siguientes ecuaciones:
������������ : ������������−1 :⋯: ������������−������+1 Cálculo de promedio móvil
������������ = Ÿ������:1 =
������ de orden «k»
������������ : ������������−1 :⋯: ������������−������+1 Cálculo del segundo
������������ = promedio móvil
������
Determina la diferencia
������������ = ������������ + ������������ − ������������ = ������������������ − ������������ entre el promedio móvil
simple y doble
������
������������ = (������ − ������������ ) Factor de ajuste
������ − ������ ������
Ÿ������:������ = ������������ + ������������ ������ k= números de periodos en el promedio móvil
p= numero de periodos futuros
Realiza el pronostico de p
periodos en el futuro
Instructor: Romni Yépez- UG
101. 4.2.3.2 Ejemplo de aplicación
La tienda M decide pronosticar cual será su renta para la siguiente
semana 16. Se determina utilizar promedios móviles dobles,
puesto que los datos tienen una tendencia obvia.
Ventas Promedio móvil 3 Promedio móvil Valor de Pronostico
Tiempo t Valor de a et
semanales Yt semanas Mt doble Mt b a+bp
1 654
2 658
3 665 659
4 672 665
5 673 670 665 675 5
6 671 672 669 675 3 680 -9
7 693 679 674 684 5 678 15
8 694 686 679 693 7 689 5
9 701 696 687 705 9 700 1
10 703 699 694 704 5 714 -11
11 702 702 699 705 3 709 -7
12 710 705 702 708 3 708 2
13 712 708 705 711 3 711 1
14 711 711 708 714 3 714 -3
15 728 717 712 722 3 717 11
16 727
Instructor: Romni Yépez- UG
102. 4.2.3.2 Ejemplo de aplicación
Cálculo de promedio móvil de orden «k»
������15 = Ÿ15:1 =
������15 : ������15−1 : ������15−3+1 ������15 =717
3
Cálculo del segundo promedio móvil
������15 : ������15−1 : ������15−3+1
������15 = ������15 =712
3
Diferencia entre el promedio móvil simple y doble
������15 = 2������15 − ������15 ������15 = 2 717 − 712 ������15 = 722
Factor de ajuste
2 ������15 = 727
������15 = (������ − ������15 )
2 − 1 15
Pronostico en 4 semanas
Ÿ15:4 = ������15 + ������15 4 Ÿ19 = 742 Instructor: Romni Yépez- UG
104. 4.3 Método de suavización exponencial
La suavización exponencial es un
procedimiento para revisar de forma
continua un pronóstico a la luz de la
experiencia mas reciente.
Este método se basa en promediar(suavizar) valores pasados de
una serie de manera exponencialmente decreciente.
Las observaciones reciben un peso de acuerdo:
Valor reciente ������ (������������������������������ ������ < ������ < ������)
Valor anterior ������ (������ − ������)
Valor anterior del anterior ������ (������ − ������) ������
Instructor: Romni Yépez- UG
105. 4.3.1 Su ecuación
La ecuación de suavización exponencial es: Utiliza menos
datos
Ÿ������:������ = ������Y������ + (1 - ������) Ÿ������
Donde:
Ÿ������:1 Valor del pronostico para el siguiente periodo
������ Constante de suavización 0 < ������ < 1
Y������ Valor real de la serie
Clave del análisis.
Ÿ������ Ultimo valor pronosticado
En su forma exponencial amplia:
Ÿ������:������ = ������Y������ + ������(1 - ������) Ÿ������;������ + ������(1 − ������)������ Ÿ������;������ + ������(1 − ������)������ Ÿ������;������ … +
Utiliza menos datos Instructor: Romni Yépez- UG
106. 4.3.2 Ejercicio de aplicación
Con los datos de la compañía Z para los años 2000 a 2006, usando
constante de suavización 0,1 y 0,6. Los primeros datos del primer
trimestre del 2006 se usaran como datos de prueba con ello poder
determinar que constante esta mas cercana al valor real.
La serie suavizada exponencialmente se calcula igualando la Ÿ1
inicial a 500. Los cálculos para el periodo 3 y 4 se presentan a
continuación:
1.- Calculo del periodo 3 con ������=0,1
Ÿ������:������ = ������Y������ + (1 - , ������) Ÿ������ Ÿ3 = ,1(350) +9(500) Ÿ3 = 485
2.- Error de este pronostico es:
������������ = Y������ −Ÿ������ ������������ = 2������������ − ������������������ ������������ = −������������������
3.- Pronostico para el periodo 4:
Ÿ������:������ = ������Y������ + (1 - , ������) Ÿ������ Ÿ4 = ,1(250) +9(485) Ÿ4 =461,5
Instructor: Romni Yépez- UG
108. 4.3.2 Ejercicio de aplicación
Exponencial suavizado con 0,10
900
800
700
600
500
Ventas
Valor real
400
Valor ajustado
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Periodos t
Instructor: Romni Yépez- UG
109. 4.3.2 Ejercicio de aplicación
Exponencial suavizado con 0,60
900
800
700
600
500
Ventas
Valor real
400
Valor ajustado
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Periodos t
Instructor: Romni Yépez- UG
110. 4.3.2 Ejercicio de aplicación
Tener en cuenta lo siguiente:
• También es posible determinar el primer pronostico
mediante una ecuación de ponderación con «k»
elementos.
1 ������
Ÿ1 = ������ ������<1 ������
������
Generalmente se selecciona un numero pequeño para k, por lo que
se tomara el valor de 6 y su resultado quedaría:
1 6 1
Ÿ1 = ������<1 ������
������ Ÿ1 = (500 + 350 + 250 + 400 + 450 + 350)
6 6
Ÿ1 = 383,3
Valor inicial
La suavización exponencial a menudo es un buen procedimiento
para pronosticar cuando una serie de tiempo que no es aleatoria
exhibe una tendencia en su comportamiento.
Instructor: Romni Yépez- UG
111. 4.3.3 Método de Holt
Toma en cuenta la evolución local lineal
de las tendencias en un serie de tiempo
y puede usarse para generar
pronósticos.
Hay que tener en cuenta que las series de negocios y económicas
rara vez exhiben una tendencia lineal fija, por ello es útil aplicar el
método de Holt
Instructor: Romni Yépez- UG
112. 4.3.3.1 Ecuaciones de Holt
Se determinan 3 ecuaciones:
������������ = ������������������ + (1 − ������)(������������;1 + ������������;1 ) Nivel actual estimado
������������ = ������ ������������ − ������������;1 + (1 − ������)������������;1 Estimado de la tendencia
Ÿ������:������ = ������������ + ������������������ Pronóstico para p periodos
Donde:
������������ Nuevo valor suavizado (nivel actual estimado)
������ = 1 Constante de suavización 0 < ������ < 1
������������ Valor real de la serie en el periodo t
������ Constante de suavización 0 < ������ < 1
������������ Estimado de la tendencia
������ Periodos a pronosticar en el futuro
Ÿ������:������ Pronóstico para el periodo p
Instructor: Romni Yépez- UG
113. 4.3.3.2 Ejercicio de aplicación
Antes de emplear el ejercicio es importante:
• Determinar la constante de suavización ������ ������ ������ de manera
subjetiva:
• Mientras más grande el valor, los valores del
pronostico seguirán mas a los datos.
• Mientras son más pequeño es el valor, los valores
del pronóstico siguen a los pronósticos previos.
Instructor: Romni Yépez- UG
114. 4.3.3.2 Ejercicio de aplicación
Ejemplo:
De acuerdo al ejercicio anterior no produjo pronósticos exitosos
ante las ventas. Podría haber una tendencia en los datos, con ello
utilizaremos el método de Holt para el pronóstico. Con ello se
necesita estimar dos valores iniciales (valor de nivel inicial y de
tendencia inicial). El estimado del nivel se iguala a la primera
observación. La tendencia se iguala a 0. La estimación de
suavización para ������ =, 3 y ������ =, 1
Con estos datos determinaremos el pronóstico para el periodo 3
Instructor: Romni Yépez- UG
115. 4.3.3.2 Ejercicio de aplicación
Resolución del periodo 3:
1.- Nivel suavizado exponencialmente:
������������ = ������������������ + (1 − ������)(������������;1 + ������������;1 ) ������2 = , 3������2 + (1−, 3)(������2;1 + ������2;1 )
������2 = 455
2.- Estimación de la tendencia:
������������ = ������ ������������ − ������������;1 + (1 − ������)������������;1 ������2 =, 1 ������2 − ������2;1 + (1−, 1)������2;1
������2 = −4,5
3.- Pronostico de un periodo futuro:
Ÿ������:������ = ������������ + ������������������ Ÿ2:1 = ������2 + 1������2 Ÿ3 = 450,5
4.- Error del Pronostico:
������������ = Y������ −Ÿ������ ������������ = 2������������ − ������������������, ������ ������3 = −200,5
Instructor: Romni Yépez- UG
117. 4.3.3.2 Ejercicio de aplicación
Gráfico Holt (alpha=0,3 y gama=0,10)
900
800
700
600
500
Ventas
Valor real
400
Pronostico
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Periodos t
Instructor: Romni Yépez- UG
118. 4.3.4 Método de Winters
Suavización exponencial a la
tendencia y a la variación
estacional.
De acuerdo al ejercicio estudiado con el método de Holt, podemos
observar:
• Existen ventas altas y bajas con respecto a los periodos, lo
que determina un patrón estacional.
Con el método de Winters se agregara una ecuación
estacional adicional, con el fin de representar mejor los
datos y reducir el error del pronóstico.
Instructor: Romni Yépez- UG
119. 4.3.4.1 Ecuaciones de Winters
Se establecen 4 ecuaciones multiplicativas:
1.- Serie suavizada exponencialmente o nivel estimado
������������
������������ = ������ + (1 − ������)(������������;1 + ������������;1 )
������������;������
2.- Estimación de la tendencia
������������ = ������ ������������ − ������������;1 + (1 − ������)������������;1
3.- Estimación de estacionalidad
������������
������������ = ������ + (1 − ������)������������;������
������������
4.- Pronóstico de p periodos futuros
Ÿ������:������ = (������������ + ������������������ )������������;������:������
Instructor: Romni Yépez- UG
120. 4.3.4.1 Ecuaciones de Winters
Donde:
������������ Nuevo valor suavizado (estimado de nivel actual)
������ Constante de suavización del nivel
������������ Valor real en el periodo t
������ Constante de suavizado para tendencia
������������ Estimado de la tendencia
������ Constante de suavizado para estacionalidad
������������ Estimado de estacionalidad
������ Periodos futuros a pronosticarse
������ Longitud de la estacionalidad
Ÿ������:������ Pronóstico para el periodo p en el futuro
Instructor: Romni Yépez- UG
121. 4.3.4.2 Ejercicio de aplicación
Para aplicar el método de Winters tomaremos en consideración lo
siguiente:
Constantes
������ = 0,4 Suavización de los datos estimados
������ = 0,1 Estimación suavizada de la tendencia
������ = 0,3 Estimación suavizada de la estación
������ = 4 Periodos anuales (trimestres)
Instructor: Romni Yépez- UG
122. 4.3.4.2 Ejercicio de aplicación
Desarrollo:
Cálculo para pronosticar el periodo 25
1.- Nivel estimado inicial o serie suavizada exponencialmente
������������
������������ = ������ + (1 − ������)(������������;1 + ������������;1 )
������������;������
������24
������24 = 0,4 + (1−, 4)(������24;1 + ������24;1 )
������24;4
650
������24 = 0,4 1,39628 + (1−, 4)(501,286 + 9,148)
������24 = 492,469
Instructor: Romni Yépez- UG
124. 4.3.4.2 Ejercicio de aplicación
4.- El pronostico para el primer periodo p=1 en el futuro:
Ÿ������:������ = (������������ + ������������������ )������������;������:������
Ÿ24:1 = (������24 + 1������24 )������24;4:1
Ÿ25 = 778,17
Instructor: Romni Yépez- UG
126. 4.3.4.2 Ejercicio de aplicación
Pronóstico de Winters
900
800
700
600
Ventas
500
400
300
200
100
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Periodos t
Valor Real Valor ajustado Winters
Instructor: Romni Yépez- UG
127. 4.3.4.2 Ejercicio de aplicación
Es claro que el método de Winters es mas efectivo que los
anteriores. Minimizando errores y presenta un pronóstico
casi real.
El método de Winters ofrece una manera fácil de tomar en
cuenta la estacionalidad cuando los datos muestran un
patrón estacional
Instructor: Romni Yépez- UG
130. Introducción al Capítulo 5
Las series de tiempo no se comportan como muestras
aleatorias.
Requieren métodos especiales para su análisis
Los pronósticos de series de tiempo, eliminan gran
parte de la incertidumbre asociada con el futuro.
Ayudan a la dirección de una empresa a definir
estrategias alternativas.
Los pronósticos se elaboran con un conjunto de
procedimientos formales específicos.
Instructor: Romni Yépez- UG
131. SERIES DE TIEMPO Y SUS COMPONENTES
INTRODUCCION
Existen innumerables aplicaciones, en
esta área; así como:
• Precios de un articulo.
Series • Tasa de desempleo.
económicas: • Tasa de inflación.
• Índice de precios.
• Serie de demanda.
Series de • Gastos.
marketing: • Ofertas.
• Tasa de crecimiento de la población.
Series • Tasa de natalidad.
demográficas: • Resultados de censos nacionales.
Instructor: Romni Yépez- UG
132. Definición de serie de tiempo
Llamamos Serie de Tiempo a un conjunto de
mediciones de cierto fenómeno o experimento
registradas secuencialmente en el tiempo.
Obtenidas en instantes sucesivos del tiempo, por
ejemplo, a cada hora, durante 24 horas,
mensuales, trimestrales, semestrales o bien
registradas por algún equipo en forma continua.
Instructor: Romni Yépez- UG
133. ¿Para que se utiliza las serie de tiempos?
Hoy en día diversas organizaciones requieren conocer
el comportamiento futuro de ciertos fenómenos con el
fin de planificar, prevenir,es decir, se utilizan para
predecir lo que ocurrirá con una variable en el futuro a
partir del comportamiento de esa variable en el pasado.
VARIABLES
Macroeconómicas. Microeconómicas.
Instructor: Romni Yépez- UG
134. Descomposición de las series de tiempo
Representa el crecimiento o declinación
Tendencia subyacente en una serie de tiempo.
se produce, por efecto de la inflación, de
cambios demográficos.
Es una serie de fluctuaciones en forma de
Componente onda o ciclos de más de un año.
Las condiciones cambiantes de la
cíclico economía generalmente producen ciclos.
Instructor: Romni Yépez- UG
135. Descomposición de las series de tiempo
Se encuentran en datos trimestrales,
Componente mensuales o semanales.
estacional Ocurren por la influencia del tiempo
climatológica .
Consiste en fluctuaciones impredecibles o
Componente aleatorias.
irregular Estas fluctuaciones son el resultado de
incontables hechos.
Instructor: Romni Yépez- UG
136. Modelos de serie de tiempo.
MODELOS
ADITIVO MULTIPLICATIVO
Asume que el valor Asume que el valor
de la serie original de la serie original
viene de la suma Yt=Tt+St+It viene del producto Yt=Tt*St*It
de los 4 de los 4
componentes. componentes.
Instructor: Romni Yépez- UG
137. Modelos de series de tiempo.
Se representa una serie de tiempo con variabilidad constante y
una serie de tiempo cuya variabilidad aumenta con el nivel.
En la siguiente figura se muestra, una serie de tiempo con
variabilidad constante.
Instructor: Romni Yépez- UG
138. Modelos de series de tiempo.
Estas series mensuales tienen una tendencia creciente y un
patrón estacional claramente definido.
En la siguiente figura se muestra una serie de tiempo con
variabilidad creciente con el nivel.
Instructor: Romni Yépez- UG
139. TENDENCIA
TENDENCIA
Las tendencias son Los factores basicos
movimientos a largo que producen o
plazo en una serie de influyen en la
tiempo. Tendencia de una
Pueden describirse serie de tiempo son:
mediante una linea Cambio tecnológico
recta o una curva Incremento en la
suave. productividad.
Ciclo de vida en un
producto.
Instructor: Romni Yépez- UG
140. TENDENCIAS
Si la tendencia parece ser aproximadamente lineal , es decir si
aumenta o disminuye se la representa por la ecuación:
Tt= bo + b1t
Donde Tt es el valor pronosticado de la tendencia para el
tiempo t.
Donde t representa el tiempo, la variable independiente.
El coeficiente de la pendiente b1 es el incremento o
decremento promedio de t.
Instructor: Romni Yépez- UG
141. EJEMPLO DE TENDENCIA
Los valores de 1960 a 1992 se emplean para desarrollar la
ecuación de tendencia.
La línea de tendencia ajustada tiene la siguiente ecuación:
Tt=7988+0.0687t
Instructor: Romni Yépez- UG
142. EJEMPLO DE TENDENCIA
Serie de tiempos de registros de automóviles.
La ecuación de la tendencia estima que los registros en
1992 (t=33) fueron:
T33= 7.988+0.0687(33)=10.255
Instructor: Romni Yépez- UG
143. Curva Tendencia no lineal
Esta dada por 3
etapas:
Introducción
Curvas de crecimiento
Tendencia no
lineal
Madurez
Instructor: Romni Yépez- UG
144. Curva tendencia no lineal
Ciclo de vida típico de la vida de un producto.
Los incrementos por periodo en la curva del ciclo de vida del
producto son diferentes dependiendo de la etapa del ciclo.
Instructor: Romni Yépez- UG
145. Ejemplo: Pronóstico de la tendencia
Queremos usar un modelo de tendencia para pronosticar
el valor de y,p pasos adelante.
El periodo en el cual hacemos el pronóstico, “N” en este
caso, se llama origen del pronóstico.
El valor “P” se conoce como tiempo principal.
Podemos generar un pronóstico evaluando
Tn+p=b0+b1(n+p)
Instructor: Romni Yépez- UG
146. Curvas de crecimiento en forma de S
Curva de tendencia cuadrática ajustada a los datos del
registro de vehículos.
Como los registros se miden en millones, los dos
pronósticos de tendencia son diferentes.
Instructor: Romni Yépez- UG