Gestión de la Producción - Pronóstico de la demanda.

Instituto Tecnológico Superior de Alvarado
Ing. En Gestión Empresarial
Profesor:
José Manuel Barrios Carballo
Alumno(s):
Páez Hernández Sergio
Cano Fernández Teresa de Jesús
Asignatura:
Gestión de la Producción I.
Trabajo:
Reporte de investigación de la unidad II: Pronóstico de la
demanda.
Semestre:
6°
Fecha de entrega:
Martes 12 de Marzo de 2013

Gestión de la Producción I Página 2
Índice
Introducción 4
Objetivos del documento 5
Importancia Estrategia del pronóstico y la demanda. 6
Características que definen a la demanda. 7
Patrones de la demanda 7
Métodos cualitativos para estimar la demanda. 10
Estimación del Personal de Ventas 10
Opinión Ejecutiva 11
Investigación de Mercado 12
Método Delphi 12
Lineamientos para usar pronósticos cualitativos 13
Métodos cuantitativos para estimar la demanda. 13
Regresión Lineal 14
Métodos de Series de tiempo 17
Pronóstico Empírico 17
Estimación del Promedio 18
Inclusión de una tendencia 23
Monitoreo y control de los pronósticos. 26
Elaboración de pronósticos con software específico. 27
Proceso para elaborar un pronóstico mediante una hoja de cálculo
en Microsoft Excel. 28

Conclusión
38
Bibliografía 39

Introducción
Una de las directrices cruciales en la administración de las cadenas de producción es la
planificación de la demanda de los clientes. La cual comenzara con los pronósticos de
precisos. Formular pronósticos de la demanda que sirven de base para los procesos de
planificación de servicios, producción, inventarios e ingresos. Por lo general, pronosticar
se entiendo como el proceso de elaborar la visión más probable de lo que será la
demanda futura, dado un conjunto de suposiciones sobre las tecnologías, competidores,
precios, marketing, gastos y campañas de venta.
La planificación, es el proceso de tomar decisiones administrativas acerca de cómo
utilizar los recursos para responder mejor a los pronósticos de la demanda. En general los
pronósticos van ligados con los planes de la empresa, ya que no es posible tomar
decisiones sino hasta que se hayan formulado pronósticos que ofrezcan, dentro de lo
razonable, una visión precisa de lo que será la demanda.
En el presente documento se analiza la importancia estrategia en la que influye un
pronóstico en relación con la demanda, las características que definen a la demanda,
algunos métodos cuantitativos, como las series de tiempo y métodos cualitativos para
pronosticar dicha demanda, además de como monitorear y controlar dichos pronósticos y
la implementación de un software específico en el pronóstico de la demanda.

Objetivos del documento
 Analizar la importancia estratégica de los pronósticos.
 Analizar las diferentes series de tiempo y sus características específicas.
 Comparar los distintos métodos cualitativos que existen.
 Identificar las características que distinguen a la demanda.
 Conocer el proceso práctico de un pronóstico cuantitativo.
 Usar un software específico en la resolución de un ejercicio.

Importancia estratégica del pronóstico y la demanda.
El pronóstico es la base de la planeación corporativa a largo plazo. En las áreas
funcionales de finanzas y contabilidad, los pronósticos proporcionan el fundamento para la
planeación de presupuesto y control de costos.
El marketing depende del pronostico de ventas para planear productos nuevos; él
personal de producción y operaciones utiliza los pronósticos para tomar decisiones
periódicas que comprenden la selección de procesos, la planeación de las capacidades y
la distribución de las instalaciones, así como para tomar decisiones continuas cerca de la
planeación de la producción, la programación y el inventario.
El pronóstico de la demanda consiste en estimar las ventas de un producto durante un
determinado periodo futuro. Las organizaciones utilizan tres tipos importantes de
pronósticos en las operaciones futuras de la planificación.
El objetivo de un pronostico es reducir la incertidumbre acerca de lo que puede acontecer
en el futuro proporcionando información cercana ala realidad, qué permite tomar
decisiones.
“La formulación de pronósticos o proyección es una técnica para utilizar experiencias
pasadas con la finalidad de predecir expectativas del futuro”.
En las organizaciones los pronósticos se utilizan para tres propósitos importantes:
 Decidir si la demanda es suficiente para justificar la entrada al mercado.
 Determinar las necesidades a largo plazo de la capacidad para el diseño de
instalaciones.
 Determinar las fluctuaciones a corto plazo en la demanda para la planeación de la
producción, la programación de la fuerza de trabajo, la planeación de los
materiales y otras necesidades.

Características que definen la demanda
Por demanda entendemos la cantidad de un bien o servicio que demandan los
consumidores dependiendo del precio y otros factores, como la renta de los consumidores
y el precio de otros bienes. Los consumidores potenciales deciden cuánto van a comprar
de un bien o servicio en función de su precio y otros muchos factores, incluyendo sus
propios gustos, la información, los precios de los demás bienes, la renta y las acciones del
gobierno. Los gustos de los consumidores determinan lo que compran. Los consumidores
no compran alimentos que no les gustan, obras de art que odian o ropa que consideran
pasada de modo o incómoda. Análogamente, la información sobre la utilidad de un bien
afecta las decisiones de un consumidor. Los factores que caracterizan a la demanda del
mercado son los siguientes:
 Los precios de los demás viene también afectan a las decisiones de comprar de
los consumidores, si el precio de un sustitutivo cercano es mucho más bajo que el
precio de nuestro bien o servicio, puede que opte por esa otra marca.
 La renta desempeña un papel esencial a la hora de determinar qué y cuándo va a
comprar. La gente con una gran fortuna puede comprar varios artículos aunque
sea por lujo.
 Las normas y regulaciones del gobierno afectan a las decisiones de compra.
Los impuestos sobre las ventas elevan el precio que debe pagar el consumidor por
un bien, y los límites de impuestos por el gobierno sobre la utilización de un bien
puede afectar a su demanda.
 Otros factores que también caracterizan a la demanda es la temporada, es decir,
si la mayoría de los consumidores tienen teléfonos celulares, el resto de ellos
puede que quieran adquirir uno. Otro ejemplo seria, la venta de árboles de navidad
es sustancialmente mayor en diciembre que en cualquier otro momento del año.
La cantidad de un bien que los consumidores están dispuestos a comprar a un
determinado precio, manteniendo los demás factores que influyen sobre las comprar, es
la cantidad demanda.
Patrones de la demanda
En la raíz de la mayoría de las decisiones de negocios se encuentra el reto de pronosticar
la demanda del cliente. Se trata de una tarea difícil porque la demanda de bienes y

servicios suelen variar considerablemente. Por ejemplo, es previsible que la
demanda de fertilizantes para el césped aumente en los meses de primavera y verano; sin
embargo, en los fines de semana específicos en lo que la demanda es más intensa, ésta
depende de factores incontrolables, como el clima. Las observaciones repetidas de la
demanda de un producto o servicio en el orden en que se realizan forman un patrón que
se conoce como serie de tiempo. Los cinco patrones básicos de la mayoría de las series
de tiempo aplicable a la demanda son:
1. Horizontal.- La fluctuación de los datos en torno de una media constante.
2. Tendencia.- El incremento o decremento sistemático de la media de las serie a
través del tiempo.
3. Estacional.- Un patrón repetible de incrementos o decrementos de la demanda,
dependiendo de la hora del día, la semana, el mes o la temporada.
4. Cíclico.- Una pauta de incrementos o decrementos graduales y menos previsibles
de la demanda, los cuales se presentan en el transcurso de periodos más largos
(años o decenios).
5. Aleatorio.- La variación imprevisible de la demanda.
Los patrones cíclicos provienen de dos influencias. La primera de ella es el ciclo
económico, que incluye diversos factores por lo que la economía pasa de una recesión a
una expansión en el transcurso de varios años. La otra influencia es el ciclo de vida del
producto o servicio en cuestión, en el cual se reflejan las etapas de la demanda, desde el
desarrollo hasta la declinación.
Cuatro de los patrones de demanda (horizontal, de tendencia, estacional y cíclico) se
combinan en diversos grados para definir el patrón fundamental de tiempo de demanda
que corresponde a un producto o servicio. El quinto patrón, la variación aleatoria, es
resultado de causas fortuitas y, por lo tanto, no puede pronosticarse.

Existen dos tipos de demanda:
Demanda dependiente: es la demanda de un producto o servicio que se deriva de la
demanda de otros productos o servicios.
Demanda independiente: esta demanda no se deriva directamente de la de otros
productos.
Los pronósticos de la demanda pueden ser crecientes o decrecientes, y tener naturaleza
lineal o no lineal.

Métodos cualitativos para estimar la demanda
Los pronósticos de los métodos cuantitativos sólo son posibles cuando existen una
cantidad suficiente de datos históricos, que a menudo se conoce como archivo de historial
en varios paquetes comerciales de software. Sin embargo el archivo de historial puede no
existir, como en los casos en que se lanza al mercado un nuevo producto o se espera un
cambio en la tecnología. Por otro lado, el archivo historial puede existir, pero al no ser
demasiado útil cuando ciertos acontecimientos (como las presentaciones de nuevos
producto o los paquete especiales) se reflejan en los datos pasados, o cuando se espera
ciertos acontecimientos ocurran en el futuro.
En algunos casos los métodos cualitativos son la única manera práctica de realizar un
pronóstico. En otros casos, los métodos cualitativos también pueden usarse para
modificar los pronósticos generados por le métodos cuantitativos para prever sucesos
especiales próximos que, de lo contrario, no se reflejarían en el pronóstico. Por último, los
métodos cualitativos pueden usarse para ajustar el archivo de historial que se analizará
con métodos cuantitativos para descontar el impacto de acontecimientos especiales
únicos que ocurrieron en el pasado. Si no se usan los métodos cualitativos, los
cuantitativos producirían pronósticos no confiables.
Los cuatro métodos cualitativos que se unas actualmente con más éxito son:
1) Las estimaciones del personas de ventas;
2) La opinión ejecutiva;
3) La investigación de mercado; y
4) El método Delphi.
Estimaciones del personal de ventas
A veces, la mejor información sobre la demanda futura proviene de las personas que
están más cerca de los clientes externos. Las estimaciones del personal de ventas son
pronósticos compilados a partir de estimaciones realizadas periódicamente por miembros
del personal de ventas de compañías. Este método tiene varias ventajas:
 El personal de ventas es el grupo que tiene mayores probabilidades de saber qué
productos o servicios comprarán los clientes en el futuro cercano y en qué
cantidades.

 Los territorios de ventas están divididos a menudo en distritos o
regiones. La información desglosada de este modo puede ser útil para pronósticos
de administración de inventarios, distribución y contratación de personal de ventas.
 Los pronósticos de individuos miembros del personal de ventas puede combinarse
fácilmente para obtener las cifras correspondientes a ventas regionales o
nacionales.
Pero dicho método también tiene varias desventajas:
 Los perjuicios individuales de los vendedores pueden introducir sesgos en el
pronóstico; además, algunas personas son optimistas por naturaleza y otras son
más cautelosas.
 Es posible que él personas de ventas no siempre perciba la diferencia entro que el
cliente “quiere” (lista de deseos) y lo que el cliente “necesita” (una compra
necesaria).
 Si la empresa utiliza las ventas individuales como medida del desempeño, el
personal de ventas puede subestimar sus pronósticos para que su propio
desempeño parezca bueno cuando superen esas proyecciones, o para tener que
esforzarse solamente hasta alcanzar las ventas mínimas requeridas.
 El tiempo que el vendedor utiliza haciendo el pronóstico no lo usa vendiendo.
Algunos consideran que este costo de oportunidad de este pronóstico es su mayor
desventaja.
Opinión ejecutiva
Cuando se piensa lanzar un nuevo producto o servicio, el personal de ventas no siempre
es capaz de hacer estimaciones precisas de la demanda. La opinión ejecutiva es un
método de pronóstico en el cual se hace un resumen de las opiniones, experiencia y
conocimientos técnicos de uno o varios gerentes para llegar a un solo pronóstico. La
opinión ejecutiva puede usarse para modificar un pronóstico de ventas existente, a fin de
tomar en cuenta circunstancias inusitadas, como una nueva promoción de ventas o
acontecimientos internacionales inesperados. La opinión ejecutiva también puede usar
para elaborar pronósticos tecnológicos. El ritmo acelerado del cambio tecnológico
dificulta la tarea de mantenerse al tanto de los últimos adelantos. La clave para la
utilización eficaz de la opinión ejecutiva consiste en asegurarse de que el pronóstico no

refleje una serie de modificaciones independientes, sino un consenso de los
ejecutivos acerca de un pronóstico unificado.
Investigación de mercado
La investigación de mercado consiste en un método sistemático para determinar el
grado de interés del consumidor externo por un producto o servicio, mediante la creación
y puesta a prueba de diversas hipótesis por medio de encuestas encaminadas a la
recopilación de datos. La realización de un estudio de investigación de mercado incluye el
diseño de un cuestionario, la decisión de cómo administrarlo, la selección de una muestra
representativa y el análisis de la formación aplicando el buen juicio y herramientas
estadísticas para interpretar las respuestas. El objetivo es hacer predicciones sobre el
tamaño y estructura del mercado de bienes y/o servicios específicos. Estas predicciones
(pronósticos) están basadas por lo general en pequeñas muestras y son cualitativas, en el
sentido de que los datos originales generalmente consisten en evaluaciones subjetivas
por parte de los clientes. A pesar de que la investigación de mercado produce información
importante, una de sus desventajas son las numerosas salvedades y limitaciones que
suelen incluir sus conclusiones.
La investigación de mercados es un actividad importante en la mayoría de las empresas
fabricantes de productos a clientes. También juega un papel cada vez más importante en
el proceso político y electoral.
Método Delphi
El método Delphi es un proceso para obtener el consenso dentro de un grupo de
expertos, al tiempo que se respeta el anonimato de sus integrantes. Esta forma de
pronósticos es útil cuando no existen datos históricos sobre los cuales puedan
desarrollarse modelos estadísticos y cuando los gerentes de la empresa no tienen
experiencia en la cual fundamentar proyecciones bien informadas. Un coordinador envía
preguntas a cada uno de los miembros del grupo de expertos externos, quienes tal vez
ignoran quién más está participando. El coordinador preparara un resumen estadístico
de las respuestas, además de un sumario, de los argumentos que vienen a propósito de
algunas de ellas. El informe se envía al mismo grupo para otra ronda de opiniones y los
participantes pueden modificar sus respuestas anteriores si así lo desean. Las rondas
continúan hasta llegar a un consenso.

El método Delphi se usa para elaborar pronósticos a largo plazo de la demanda
de productos y proyecciones de ventas de los nuevos productos.
Lineamientos para usar pronósticos cualitativos.
La necesidad de usar pronósticos cualitativos es muy clara cuando no existen datos
cuantitativos que permitan aplicar enfoques de pronóstico también cuantitativos. Sin
embargo, los métodos cualitativos pueden utilizarse en combinación con enfoques
cuantitativos a fin de mejorar la calidad del pronóstico. Entre los lineamientos aplicables a
sus usos para ajustar pronósticos cuantitativos, figuran los siguientes:
 Ajustar los pronósticos cuantitativos cuando éstos tienden a ser imprecisos y la
persona que toma las decisiones posee un conocimiento contextual importante.
Por conocimiento contextual se entiende el conocimiento que se obtiene por
experiencia en el ejercicio de una actividad, como en el caso de las relaciones de
causa y efecto, los indicios ambientales y la información sobre las organizaciones
que pueden tener efecto en la variable que se va a pronosticar. Muchas veces no
es posible incorporar estos factores a los enfoques de pronósticos de tipo
cuantitativo.
 Realizar ajustes a los pronósticos cuantitativos para compensar sucesos
específicos. A menudo, ciertos sucesos específicos, como las compañías de
publicidad, las actividades de los competidores o los acontecimientos
internacionales, no se reconocen en los pronósticos cuantitativos y es preciso
tomarlos en cuenta al elaborar un pronóstico definitivo.
Métodos cuantitativos para estimar la demanda
Los métodos cuantitativos se emplean cuando se dispone de datos históricos y se puede
identificar la relación entre el factor que se intenta pronosticar y otros factores externos o
internos (por ejemplo, las acciones del gobierno o las promociones publicitarias). Estas
relaciones se expresan en términos matemáticos y suelen ser muy complejas. Los
métodos cuantitativos proporcionan herramientas de pronóstico más avanzadas y son
excelentes para prever los puntos de cambio en la demanda y preparar pronósticos a
largo plazo. Aunque existen muchos métodos cuantitativos, nos ocuparemos aquí de los
más conocidos y los que se utilizan más comúnmente entre todos esos métodos.

Regresión Lineal
En la regresión lineal, una variable, conocida como variable dependiente, está relacionada
con una o más variables independientes por medio d una ecuación lineal. La variable
dependiente s la que el gerente desea pronosticar. Se supone que las variables
independientes, influye en la variable dependiente y, por ende, son la “causa” de los
resultados observados en el pasado.
En los modelos de regresión lineal más sencillos, la variable dependiente es función de
una sola variable independiente y, por lo tanto, la relación teórica es una línea recta:
𝑌 = 𝑎 + 𝑏𝑋
Donde
Y= variable dependiente
X= variable independiente
a= intersección de la recta con el eje Y
b= pendiente de la recta
El objetivo del análisis de regresión lineal es encontrar los valores de a y b que minimicen
la suma de las desviaciones cuadráticas de los puntos de datos reales que estarán
representados gráficamente.
El coeficiente de correlación de la muestra, r, mide la dirección y la fuerza de la relación
entre la variable independiente y la variable dependiente. Los valores de r pueden fluctuar
entre -1.00 y 1.00. Un coeficiente de correlación de 1.00 implica que los cambios
registrados de uno a otro periodo en la dirección de la variable independiente, siempre
van acompañados por cambios de la variable dependiente en la misma dirección. Un r de
-1.00 significa que los decrementos de la variable independiente siempre van
acompañados de incrementos en la variable dependiente y viceversa. Cuando r tiene
valor de cero, significa que no existe relación lineal entre las variables. Cuando más se
aproxime el valor de r a -1.00 o 1.00, tanto más adecuado será el ajuste de la línea de
regresión con respecto a los puntos gráficos.

𝑟 =
∑(𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
√∑(𝑋 − 𝑋)̅̅̅2 ∗ ∑(𝑌 − 𝑌̅)
El coeficiente de determinación de la muestra mide la cantidad de variación que presenta
la variable dependiente con respecto a su valor medio de regresión. El coeficiente de
determinación es igual al cuadrado del coeficiente de correlación o 𝑟2
. El valor de 𝑟2
oscila entre 0.00 y 1.00. Las ecuaciones de regresión, cuyo valor de 𝑟2
se aproxima a
1.00, son deseables porque significa que las variaciones de la variable dependiente y el
pronóstico generado por la ecuación de regresión están estrechamente relacionadas.
𝑟2
= (
∑(𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
√∑(𝑋 − 𝑋)̅̅̅2 ∗ ∑(𝑌 − 𝑌̅)
)
2
El error estándar de estimado 𝑆 𝑦𝑥 mide la proximidad con que los datos de la variable
dependiente se agrupan alrededor de la línea de regresión. Aunque es semejante a la
desviación estándar de la muestra, mide el error de la variable dependiente, Y, con
respecto a la línea de regresión, en lugar de medirlo con respecto a la media. En
consecuencia, es la desviación estándar de la diferencia entre la demanda real y la
estimación obtenida con la ecuación de regresión. Al determinar qué variable
independiente se incluirá en la ecuación de regresión, se debe elegir la que tenga error
estándar más pequeño del estimado.
Ejercicio:
Chicken Palace ofrece periódicamente comidas que incluyen cinco piezas de pollo para
llevar a casa, a precios especiales. Sea Y el número de comidas vendidas y X el precio.
Con base en las observaciones históricas y los cálculos que se presentan en la siguiente
tabla, determine la ecuación de regresión, el coeficiente de correlación y el coeficiente de
determinación. ¿Cuántas comidas piensa Chicken Palace que logrará vender a $3.00
cada una?

Solución:
X Y
2.7 760 -117.18 0.311364 44100
3.5 510 -9.68 0.058564 1600
2 980 -540.94 1.582564 184900
4.2 250 -282.6 0.887364 90000
3.1 320 36.34 0.024964 52900
4.05 480 -55.44 0.627264 4900
∑19.55 ∑3300 ∑-969.5 ∑3.492084 ∑378400
X̅ =
∑ X
n
=
19.55
6
= 3.258
Y̅ =
∑ Y
n
= 550
𝑏 =
∑(𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
∑(𝑋 − 𝑋̅)2
=
−969.5
3.492084
= −277.63
𝑎 = 𝑌̅ − (𝑏 ∗ 𝑋̅) = 550 − (−277.63 ∗ 3.258) = 1454.51
𝑟 =
∑(𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
√∑(𝑋 − 𝑋)̅̅̅2 ∗ ∑(𝑌 − 𝑌̅)
=
−969.5
√(3.492084 ∗ 378400)
= −0.84
𝑟2
= (
∑(𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
√∑(𝑋 − 𝑋)̅̅̅2 ∗ ∑(𝑌 − 𝑌̅)
)
2
= (
−969.5
√(3.492084 ∗ 378400)
)
2
= 0.71
La línea de regresión es 𝑌 = 𝑎 + 𝑏𝑋 = 1454.51 − 277.63𝑋. El coeficiente de correlación es
de -0.84, lo cual refleja una muestra negativa entra las variables. El coeficiente de
(𝑋 − 𝑋̅)(𝑌 − 𝑌̅) (𝑋 − 𝑋̅)2 (𝑌 − 𝑌̅)2

determinación es de 0.71, el cual es relativamente pequeño, lo que indica que
otras variables (además del precio) afectan perceptiblemente las ventas.
Métodos de serie de tiempo
En lugar de emplear variables independientes para el pronóstico como en los modelos de
regresión, los métodos de series de tiempo usan información histórica que sólo se refiere
a la variable dependiente. Estos métodos se basan en la suposición de que el patrón de
las variables dependientes en el pasado habrá de continuar en el futuro. En el análisis de
series de tiempo se identifican los patrones fundamentales de la demanda que se
combinan para producir el patrón histórico observado en la variable dependiente, después
de lo cual se elabora un modelo capaz de reproducir dicho patrón.
Pronóstico empírico
Un método que se usa con frecuencia en la práctica es el pronóstico empírico, en el
cual el pronóstico de la demanda para el siguiente periodo es igual a la demanda
observada en el periodo actual (𝐷𝑡). De esta manera, si la demanda real del miércoles ha
sido de 35 clientes, la demanda pronosticada para el jueves será de 35 clientes. Si la
demanda del jueves es de 42 clientes, la demanda pronosticada para el viernes será de
42 clientes.
El método de pronóstico empírico se puede adaptar para tomar en cuenta una tendencia
de la demanda. El incremento o decremento observado en la demanda de los últimos
periodos se usa para ajustar la demanda actual a fin de llegar a un pronóstico. Suponga
que la demanda fue de 120 unidades en la última semana y de 108 unidades en la
semana anterior. El incremento de la demanda fue de 12 unidades en un semana, por lo
que el pronóstico para la siguiente semana sería d 120+12=132 unidades. Si la demanda
real de la semana siguiente resultara de 127 unidades, el siguiente pronóstico sería de
127+7=134 unidades.
La ventaja del método de pronóstico empírico son su simplicidad y su bajo costo. Este
método funciona mejor cuando los patrones horizontales, de tendencia o estacionales son
estables y la variación aleatoria es pequeña. Cuando la variación aleatoria es grande, el
uso del valor de la demanda en el último periodo para estimar la del periodo siguiente
puede producir pronósticos sumamente variables que no son útiles para pronósticos de

planificación. Sin embargo, si su nivel de precisión es aceptable, el pronóstico
empírico es un método atractivo para el pronóstico con series de tiempo.
Estimación del promedio
Cada serie de tiempo de demanda tiene por lo menos dos de los cinco patrones de la
demanda: el horizontal y el aleatorio. También puede tener patrones de tendencia,
estacionales y cíclicos. El patrón horizontal de una serie de tiempo se basa en la media de
las demandas, para ellos existen los métodos de pronóstico en los que se estima el
promedio de una serie de datos a través de series de tiempo.
Promedios móviles simples.- El método de promedio móvil simple se usa para
estimar el promedio de una serie de tiempo de demanda y, por lo tanto, para suprimir los
efectos de las fluctuaciones aleatorias. Este método resulta útil cuando la demanda no
tiene tendencias pronunciadas ni influencias estacionales. La aplicación de un modelo de
promedio móvil requiere simplemente calcular la demanda promedio para los n periodos
más recientes, con el fin de usarla como pronóstico para el siguiente periodo. Para el
periodo siguiente, una vez que se conoce la demanda, la demanda más antigua incluida
en el promedio anterior, se sustituye por la demanda más reciente y el promedio se
“mueve” de un periodo a otro.
En términos específicos, el pronóstico correspondiente de 𝑡 + 1 se calcula como sigue:
𝐹𝑡+1 =
𝑆𝑢𝑚𝑎 𝑑𝑒 𝑙𝑎𝑠 ú𝑙𝑡𝑖𝑚𝑎𝑠 𝑛 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑠
𝑛
=
𝐷1 + 𝐷𝑡−1 + 𝐷𝑡−2 + ⋯ + 𝐷𝑡−𝑛+1
𝑛
Donde
𝑛 = Número total de períodos incluidos en el promedio
𝐷𝑡= Demanda real en el periodo t
𝐹𝑡+1= Pronóstico para el periodo t+1
Con el método de promedio móvil, el pronóstico de la demanda en el periodo siguiente
será igual al promedio calculado al final de este periodo.

En cualquier método de pronóstico, es importante medir la precisión de los
pronósticos. El error de pronósticos, es simplemente la diferencia que se obtiene al
restar el pronóstico de la demanda real en cualquier periodo determinado, o
𝐸𝑡 = 𝐷𝑡 − 𝐹𝑡
Donde
𝐸𝑡 = Error de pronóstico en el periodo t.
𝐷𝑡 = Demanda real en el periodo t.
𝐹𝑡 = Pronóstico para el periodo t.
El método de promedio móvil puede requerir el uso de todos los periodos pasados de
demanda que se desee. Generalmente, la estabilidad de la serie de demanda determina
cuántos periodos será necesario incluir. Las series de demanda estables son aquellas
para las cuales el promedio cambia solamente en forma infrecuente. Deberán utilizarse
valores grandes de n en las que seas susceptible a cambios en el promedio subyacente.
Promedios móviles ponderados.- En el método de promedio móvil simple, todas las
demandas tiene la misma ponderación en el promedio, es decir, 1/n. En el método de
promedio móvil ponderado, cada una de las demandas históricas que intervienen en el
promedio puede tener su propia ponderación. La suma de las ponderaciones es igual a
1.00. Por ejemplo, en un modelo con promedio móvil ponderado de tres periodos, al
periodo más reciente se le puede asignar una ponderación de 0.50, al segundo más
reciente se le asigna una ponderación de 0.30, y al tercero más reciente, una de 0.20. El
promedio se obtiene multiplicando la ponderación de cada periodo por el valor
correspondiente a dicho periodo y sumando finalmente los productos:
𝐹𝑡+1 = 0.50𝐷𝑡 + 0.30𝐷𝑡−1 + 0.20𝐷𝑡−2
Las ventajas del método del promedio móvil ponderado es que permite destacar la
demanda reciente sobre la demanda anterior. Este pronóstico suele responder mejor a los
cambios registrados en el promedio fundamental de la serie de demandas que el
pronóstico de promedio móvil simple. No obstante, el pronóstico de promedio móvil
ponderado seguirá retrasándose con respecto a la demanda porque sólo calcula
promedios de la demanda en el pasado. Este retraso es especialmente notable cuando

existe una tendencia, porque el promedio de las serie de tiempo se va
incrementando o disminuyendo en forma sistemática.
El método de promedio móvil ponderado presenta los mismos inconvenientes que el
método de promedio móvil simple: es necesario recopilar los datos de una n periodos de
la demanda para poder calcular el promedio correspondiente a cada periodo. Recopilar
esta cantidad de datos no es un gran problema en situaciones sencilla.
Ejercicio
Polish General´s Pizza Parlor es un pequeño restaurante que atrae a los parroquianos
aficionados al sabor de las pizzas europeas. Una de sus especialidades es la pizza Polish
Prize. El gerente de la empresa tiene que pronosticar la demanda semanal de esas pizzas
especiales para saber cuántas bases de pasta será necesario pedir cada semana. En las
últimas fechas, la demanda ha sido la siguiente:
Pronostique la demanda de pizzas para el periodo comprendido entre el 23 de junio y el
14 de julio, usando el método de promedio móvil simple con n=3. Repita después el
pronóstico, utilizando el método de promedio móvil ponderado con n=3 y ponderaciones
de 0.50, 0.30 y 0.20, aplicando 0.50 a la demanda más reciente.
Solución
Semana Actual Pronóstico de promedio
móvil simple para la
semana siguiente
Pronóstico de promedio móvil
ponderado para la semana
siguiente
16 de Junio 52 + 65 + 50
3
= 55.7
[(0.5 ∗ 52) + (0.3 ∗ 65) + (0.2 ∗ 50)] = 55.5
23 de Junio 56 + 52 + 65
3
= 57.7
[(0.5 ∗ 56) + (0.3 ∗ 52) + (0.2 ∗ 65)] = 56.6
30 de Junio 55 + 56 + 52
3
= 54.3
[(0.5 ∗ 55) + (0.3 ∗ 56) + (0.2 ∗ 52)] = 54.7

7 de Julio 60 + 55 + 56
3
= 57
[(0.5 ∗ 60) + (0.3 ∗ 55) + (0.2 ∗ 56)] = 57.7
Suavización exponencial.- El método de suavizamiento exponencial es un método de
promedio móvil ponderado muy refinado que permite calcular el promedio de una serie de
tiempo, asignando a las demandas recientes mayor ponderación que a las demandas
anteriores. Es el método de pronósticos formal que se usa más a menudo por su sencillez
y por la reducida cantidad de datos que requiere. A diferencia del método de promedio
móvil ponderado, que requiere n periodos de demanda pasada y n ponderaciones, el
método de suavizamiento exponencial necesita solamente tres datos: el pronóstico del
último periodo, la demanda de ese periodo y un parámetro de suavizamiento, alfa (α),
cuyo valor fluctúa entre 0 y 1.0. Para elaborar un pronóstico con suavizamiento
exponencial, simplemente se calcula un promedio ponderado de la demanda más reciente
y el pronóstico calculado para el último periodo. La ecuación correspondiente a este
pronóstico es:
𝐹𝑡+1 = ∝ (𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑡𝑒𝑠 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1−∝)(𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)
𝐹𝑡+1 = ∝ 𝐷𝑡 + (1−∝)𝐹𝑡
La siguiente es una ecuación equivalente:
𝐹𝑡+1 = 𝐹𝑡+∝ (𝐷𝑡 − 𝐹𝑡)
Esta forma de la ecuación muestra que el pronóstico para el periodo siguiente es igual al
pronóstico del periodo actual más una proporción de error del pronóstico correspondiente
al periodo actual.
El énfasis que se hace en los niveles de demanda más recientes puede ajustarse
modificando el parámetro de suavizamiento. Los valores más grandes de α hacen énfasis
en los niveles recientes de la demanda y dan lugar a pronósticos que tiene mejor
capacidad de respuestas ante los cambios en el promedio fundamental. Con valores de α
más pequeños, se considera más uniformemente la demanda pasada y se producen
pronósticos más estables. Este método es similar al ajuste del valor de n ponen énfasis en

la demanda reciente y los valores más grandes conceden mayor ponderación a
la demanda pasada.
Para poner en marcha el suavizamiento exponencial se requiere un pronóstico inicial. Hay
dos formas de obtener ese pronóstico inicial: usar la demanda de último periodo, o si se
dispones de datos históricos, calcular el promedio de varios periodos recientes de
demanda. El efecto de estimación inicial del promedio sobre las estimaciones sucesivas
del mismo disminuye a través del tiempo porque, con el suavizamiento exponencial, las
ponderaciones asignadas a las demandas históricas sucesivas que se utilizan para
calcular el promedio disminuyen exponencialmente.
En virtud de que el suavizamiento exponencial es sencillo y requiere un mínimo de datos,
su utilización es económica y atractiva para las empresas que realizan miles de
pronósticos para cada periodo. Sim embargo, su sencillez se convierte en desventaja
cuando el promedio fundamental se modifica, como en el caso de las series de demanda
que muestran un tendencia. Igual que con cualquier método enfocado únicamente en el
supuesto de un promedio estable, los resultados del suavizamiento exponencial se
retrasan con respecto a los cambios registrados en el promedio fundamental de la
demanda. Los valores de α más altos pueden ayudar a reducir errores de pronóstico
cuando se produce un cambio en el promedio; sin embargo, seguirá habiendo retrasos si
el promedio cambia sistemáticamente. En general, si se requieren valores grandes de α
(por ejemplo >0.50) para una aplicación de suavizamiento exponencial, es muy probable
que se requiera un modelo más complejo a causa de las presencia de una tendencia o
una influencia estacional significativa en las series de demanda.
Ejercicio
La demanda mensual de unidades manufacturadas por Acme Rocket Company ha sido la
siguiente:

Aplique el método de suavizamiento exponencial para pronosticar el número de
unidades de junio a enero. El pronóstico inicial de mayo fue de 105 unidades; α=0.2.
Solución
Mes Actual (t) 𝑭 𝒕+𝟏 = 𝑭 𝒕+∝ (𝑫 𝒕 − 𝑭 𝒕) Pronóstico para el mes
t+1
Mayo 0.2(100) + 0.8(105) = 104 Junio
Junio 0.2(80) + 0.8(104) = 99.2 Julio
Julio 0.2(110) + 0.8(99.2) = 101.4 Agosto
Agosto 0.2(115) + 0.8(101.4) = 104.1 Septiembre
Septiembre 0.2(105) + 0.8(104.1) = 104.3 Octubre
Octubre 0.2(110) + 0.8(104.3) = 105.4 Noviembre
Noviembre 0.2(125) + 0.8(105.4) = 109.3 Diciembre
Diciembre 0.2(120) + 0.8(109.3) = 111.4 Enero
Inclusión de una tendencia
En una serie de tiempo, una tendencia es un incremento o decremento sistemático en el
promedio de la serie a través del tiempo. Cuando existe una tendencia significativa, los
métodos de suavizamiento exponencial deben modificarse; de lo contrario, los pronósticos
siempre estarán por arriba o por debajo de la demanda real.
Para mejorar el pronóstico, es necesario calcular una estimación de la tendencia.
Comenzaremos calculando la estimación actual de dicha tendencia, que no es sino la
diferencia entre el promedio de la serie calculado en el periodo actual y el promedio
calculado en el último periodo. Para obtener una estimación de la tendencia a largo plazo,
se pueden promediar las estimaciones actuales. El método para estimar una tendencia es
similar al que se emplea para estimar el promedio de la demanda con el suavizamiento
exponencial.
El método para incorporar una tendencia en un pronóstico suavizado exponencialmente
se conoce como método de suavizamiento exponencial ajustado a la tendencia. En
este enfoque, se suavizan las estimaciones del promedio y la tendencia, para lo cual se

requieren dos constantes de suavizamiento. Se calcula el promedio y la
tendencia para cada periodo:
𝐴 𝑡 = α(Demanda en este periodo) + (1 − α){Promedio
+ Estimación de la tendencia en el último periodo}
𝐴 𝑡 = α𝐷𝑡 + (1 − α)(𝐴 𝑡−1 + 𝑇𝑡−1)
𝑇𝑡 = 𝛽(𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 − 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1
− 𝛽)(𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)
𝑇𝑡 = 𝛽(𝐴 𝑡 − 𝐴 𝑡−1) + (1 − 𝛽)𝑇𝑡−1
𝐹𝑡+1 = 𝐴 𝑡 + 𝑇𝑡
Donde
𝐴 𝑡= Promedio suavizado exponencialmente de la serie en el periodo t.
𝑇𝑡 = Promedio suavizado exponencialmente de la tendencia en el periodo t.
α = Parámetro de suavizamiento para el promedio, con un valor de entre 0 y 1.
β = Parámetro de suavizamiento para la tendencia, con un valor entre 0 y 1.
𝐹𝑡+1 = Pronóstico para el periodo t+1.
Para realizar un pronóstico para periodos posteriores al siguiente, se multiplica la
estimación de la tendencia (𝑇𝑡) por el número de periodos adicionales que se desea
incluir en el pronóstico, y se suman los resultados al promedio actual (𝐴 𝑡). Así, el
suavizamiento exponencial ajustado a la tendencia difiere de los métodos explicados
anteriormente. En esos métodos, el pronóstico para todos los periodos futuros es el
mismo que el pronóstico para el siguiente periodo.
Las estimaciones del promedio y la tendencia correspondientes al último periodo que se
requieren en el primer pronóstico pueden obtenerse a partir de datos del pasado o
basarse en una estimación aproximada si no existen datos históricos. Para encontrar los
valores de α y β, es frecuente que el analista ajuste sistemáticamente α y β hasta obtener
los errores de pronóstico más bajos posibles. Este proceso puede llevar a cabo un

ambiente experimental, usando el modelo para pronosticar las cifras históricas
de la demanda.
El método de suavizamiento exponencial ajustado a la tendencia ofrece la ventaja de que
es capaz de ajustar el pronóstico a los cambios registrados en la tendencia. Sin embargo,
cuando la tendencia está cambiando, cuanto más se proyecta hacia el futuro la estimación
de la tendencia, tanto más impreciso será el pronóstico. Por eso, es conveniente restringir
la utilización de los métodos de series de tiempo a los pronósticos a largo plazo.
Ejercicio
La demanda de Krispee Crunchies, uno de los cereales favoritos para el desayuno entre
las personas nacidas en la década de 1940, ésta en una etapa de decadencia. La
compañía desea vigilar cuidadosamente la demanda que tiene este producto ahora que
se aproxima al final de su ciclo de vida. Se ha utilizado el método de suavizamiento
exponencial ajustado a la tendencia con α=0.1 y β=0.2. Al final de diciembre, la
estimación actualizada del número promedio de cajas vendidas cada mes 𝐴 𝑡, fue de
900,000 y la tendencia actualizada 𝑇 𝑡1 fue de -50,000 por mes. En la tabla siguiente se
presenta el historial de las ventas reales de enero, febrero y marzo. Genere los
pronósticos para febrero, marzo y abril.
Solución
Se conoce la condición inicial a finales d diciembre y la demanda real de enero, febrero y
marzo. Ahora se debe actualizar el método de pronóstico y preparar un pronóstico para
abril. Las ecuaciones que se usarán con el método de suavizamiento exponencial
ajustado a la tendencia son las siguientes:
𝐴 𝑡 = α𝐷𝑡 + (1 − α)(𝐴 𝑡−1 + 𝑇𝑡−1)
𝑇𝑡 = 𝛽(𝐴 𝑡 − 𝐴 𝑡−1) + (1 − 𝛽)𝑇𝑡−1
𝐹𝑡+1 = 𝐴 𝑡 + 𝑇𝑡

Para enero tenemos:
𝐴 𝑡 = 0.1(890,000) + 0.9(900,000 − 50,000) = 854,000 𝑐𝑎𝑗𝑎𝑠
𝑇𝑡 = 0.2(854,000 − 900,000) + 0.8(−50,000) = −49,200 𝑐𝑎𝑗𝑎𝑠
𝐹𝑡+1 = 854,000 − 49,200 = 804,800 𝑐𝑎𝑗𝑎𝑠
Para febrero tenemos:
𝐴 𝑡 = 0.1(800,000) + 0.9(854,000 − 49,200) = 804,320 𝑐𝑎𝑗𝑎𝑠
𝑇𝑡 = 0.2(804,320 − 854,000) + 0.8(−49,200) = −49,296 𝑐𝑎𝑗𝑎𝑠
𝐹𝑡+1 = 804,320 − 49,296 = 755,024 𝑐𝑎𝑗𝑎𝑠
Para marzo tenemos:
𝐴 𝑡 = 0.1(825,000) + 0.9(804,320 − 49,296) = 762,022 𝑐𝑎𝑗𝑎𝑠
𝑇𝑡 = 0.2(762,022 − 804,320) + 0.8(−49,296) = −47,897 𝑐𝑎𝑗𝑎𝑠
𝐹𝑡+1 = 762,022 − 47,897 = 755,024 𝑐𝑎𝑗𝑎𝑠
Monitoreo y control de los pronósticos
Los especialistas siempre están tratando de hacer mejores estimaciones acerca de lo que
ocurrirá en el futuro al afrontar la incertidumbre. El propósito fundamental de los
pronósticos es hacer buenas estimaciones en las cuales basar los modelos para la toma
de decisiones. Los pronósticos constituyen la problemática fundamental dentro de la
gestión de la actividad de una empresa debido ala complejidad de los problemas
encontrados cuando se pronostica y a su impacto sobre todas las decisiones de la
empresa.
El sistema de pronósticos necesita retroalimentación para asegurar los mejores
resultados. El control del pronóstico es parte del proceso de retroalimentación. Intenta
determinar si el pronóstico se desvía de los resultados reales debido a la aleatoriedad o a
un cambio esencial en el proceso. Las variaciones aleatorias deben ignorarse, pero las no
aleatorias exigen cambios en los parámetros del modelo o incluso en el modelo mismo.
Los conceptos presentados en esta sección se pueden usar para controlar cualquier

sistema de pronósticos que produzca un pronóstico numérico, aún aquellos
basados en técnicas cualitativas de pronósticos.
El error del pronóstico es la base para el control. Primero se determina el error del
pronóstico y su varianza. Después se usa la varianza para hacer afirmaciones
probabilísticas, como que el error debe exceder cierto valor sólo una vez cada 20. Estas
afirmaciones se usan para determinar si el desempeño del sistema es el esperado; si no
cumple con las expectativas hay que corregirlo.
Elaboración de pronósticos en software especifico
En muchas aplicaciones de pronósticos a corto plazo, las computadoras son
indispensables. Con frecuencia, las empresas tienen que preparar pronósticos para ciento
o incluso miles de producto o servicios en forma reiterada. Por ejemplo, una amplia red de
instanciaciones de servicio médico necesita calcular pronósticos de la demanda de cada
uno de sus servicios en cada departamento. Esta operación implica grandes volúmenes
de datos que deben manipularse con frecuencia. Los analistas tienen que examinar las
series de tiempo que corresponden a cada producto o servicio a fin de elaborar un
pronóstico. Sin embargo, ahora se dispone de nuevo software que facilitara la tarea de
elaborar los pronósticos y coordinarlos entre minoristas y proveedores.
Existen muchos paquetes de software para pronósticos que pueden usarse en
computadoras de cualquier tamaño y ofrecen una amplia variedad de capacidad de
pronósticos y formatos de informes, entre ellos figuran los de Manugistic, Forescast Pro
y SAS. Típicamente, los paquetes de software para pronósticos leen los datos contenidos
en archivos de hoja de cálculo, tranzan gráficos de los datos y los pronósticos y guardan
los archivos de pronósticos para mostrar los resultados en hojas de cálculo. Los precios
de estos programas varías entre $150 y más de $10,000 pesos, dependiendo de las
funciones de análisis de datos que contengan. El diseño de estos programas para
computadoras personales y su precio relativamente bajo ponen a estos paquetes al
alcance de cualquier empresa.
Los paquetes de cómputo se han convertido en indispensable para algunas compañías,
sobre todo las que manejan una amplia variedad de productos y mercados.

Paquetes estadísticos. Incluyen solo lo necesario para realizar estadísticas y
series de tiempo, aquí se encuentra Minitab, SAS, SPSS, Eviews, Cristal Ball Predictor y
hojas de cálculo (Excel).
Paquetes de pronósticos Han sido diseñados específicamente para aplicaciones de este
tipo, es decir se trata de software especializado en proyección de ventas.Podemos
mencionar a TSP (Micro TSP ), Total Forecasting System, Easy Forecasting plus,
Forecast Master, Forecast Pro , Expert Choice, Forecasting HP.
Proceso para elaborar un pronóstico mediante una hoja de cálculo en
Microsoft Excel.
Microsoft Excel, es una aplicación de hoja de cálculo que permite la elaboración gráficos y
operaciones de uso estadístico. En esta ocasión se empleara el uso de este software para
elaborar un pronóstico de regresión lineal. Para ello es recomendable seguir los
siguientes pasos:
1) Identificar las operaciones a realizar al igual que las variables, constantes,
formulas, etc. Para este caso se realizara el ejercicio que se muestra a
continuación:
Chicken Palace ofrece periódicamente comidas que incluyen cinco piezas de pollo
para llevar a casa, a precios especiales. Sea Y el número de comidas vendidas y X el
precio. Con base en las observaciones históricas y los cálculos que se presentan en la
siguiente tabla, determine la ecuación de regresión, el coeficiente de correlación y el
coeficiente de determinación. ¿Cuántas comidas piensa Chicken Palace que logrará
vender a $3.00 cada una?

2) Iniciar Microsoft Excel en su computadora.
3) En la hoja de cálculo diseñar una tabla de acuerdo al tipo de pronostico que se
desea realizar, en esta ocasión se tratara de un pronóstico de regresión lineal, por
lo que se recomienda seguir el formato que se muestra a continuación:
4) Colocar los datos correspondientes en cada columna de acuerdo a los
datos que nos proporcione el ejercicio:

5) Para obtener los valores de 𝑋̅ y 𝑌̅, utilizaremos la ecuación de promedio
del sistema Microsoft Excel. Primero, seleccionaremos la celda donde se ubicara
el resultado de 𝑋̅ o 𝑌̅, en este caso será 𝑋̅, del cual ubicaremos su resultado en la
celda C12 e implementaremos la fórmula de promedio introduciendo la siguiente
leyenda: “=Promedio” en la barra de fórmula.
6) Luego de identificar la función de promedio, el siguiente paso es proporcionar los
datos numéricos para estimar la 𝑋̅, en la barra de fórmulas, justo después de
haber escrito la leyenda de “=Promedio”, entre paréntesis, colocaremos la
ubicación de los datos, los cuales se ubican de la celda B4 a la celda B9,
expresándolo de la siguiente manera: “=Promedio (B4:B9)” y finalizando con un
Enter. Este proceso es similar para calcular 𝑌̅ solo debe tenerse en cuenta la
ubicación de los datos de los valores de Y.

7) Para realizar el cálculo de la ecuación (𝑋 − 𝑋̅)(𝑌 − 𝑌̅) se implementara la siguiente
formula: “= (B4-3.2583)*(C4-550)” en la celda D4. Donde B4 representara el valor
de X y C4 el valor de Y, el valor de 3.2853 y 550 representan los valores de 𝑋̅ y 𝑌̅
respectivamente.

8) Para realizar la misma operación en las demás celdas, únicamente ubicamos el
cursor en un cuadro color blanco ubicado en la esquina inferior derecha de la
celda y arrastramos el cursor hasta la celda D9 y así obtendremos los resultados
de los demás valores.
9) Ahora, calcularemos la ecuación (𝑋 − 𝑋̅)2
, para ello, colocaremos la siguiente
formula en la celda E4: “= (B4-3.2583)*(B4-3.2583)” y finalizamos con un Enter
para obtener el resultado.

10) Para obtener los resultados en las demás celda, realizamos el mismo
procedimiento explicado en el paso número 8.
11) Para calcular la ecuación (𝑌 − 𝑌̅)2
, para ello, colocaremos la siguiente formula en
la celda F4: “= (C4-550)*(C4-550)” y finalizamos con un Enter para obtener el
resultado e igualmente obtendremos el resto de los resultados en las demás
celdas realizando el procedimiento en el paso número 8.

12) El siguiente paso es calcular la suma de las columnas de X, Y y el resto
de las ecuaciones. Para ello nos ubicaremos al final de cada columna de la tabla,
por ejemplo, para calcular la suma de la columna X, seleccionamos la celda B10 y
en ella con ayuda del comando autosuma ubicado en la parte derecha de la
pestaña de Inicio, automáticamente sumara todos los valores comprendidos
desde la celda B4 a la celda B9 o en la celda B10 colocamos la siguiente formula
que automáticamente nos dará la suma de los valores en la columna X:”= SUMA
(B4:B9)”. Este proceso debe realizarse con el resto de las columnas para así
obtener las sumas de estas.

13) Ahora, calcularemos los valores respectivos de b y a. Para calcular b,
seleccionamos la celda E12 y en ella escribimos la siguiente formula: “=D10/E10” y
damos un Enter y dará el resultado de b. Para a seleccionamos la celda E13 y
escribimos las siguiente formula: “=550-(E12*3.258)” e igualmente damos un Enter
y arrojara el resultado.

14) Por último, calcularemos el coeficiente de correlación r y el coeficiente
de determinación 𝑟2
. Para calcular el coeficiente de correlación, seleccionamos la
celda H12 e insertamos la siguiente formula: “=D10/RCUAD (E10*F10)” y para
obtener el valor del coeficiente de determinación nos ubicamos en la celda H13 e
insertamos la siguiente formula: “= (D10/RCUAD (E10*F10))*(D10/RCUAD
(E10*F10))”.

De esta forma se concluye este ejercicio, cabe mencionar que esta hoja
cálculo se adaptó a un problema de regresión lineal, por lo que no es recomendable
seguir este formato para otros ejercicios ya sea de promedios móviles simples,
ponderados, etc. Se recomienda la consultar a un experto que domine el software
Microsoft Excel para elaborar futuros pronósticos, ya que este documento solo fue
una breve introducción a la elaboración de uno.

Conclusión
Un pronóstico será la predicción de acontecimientos futuros que se utilizaran por lo
general siempre en el proceso de planificación. El contar con pronósticos precisos
garantizara el éxito de la estrategia de una organización. Los métodos de pronósticos
pueden basarse en modelos matemáticos que utilizan los datos históricos disponibles que
ayudan a tener una visión numérica de lo que será la demanda o en métodos cualitativos
que aprovechan la experiencia administrativa y el juicio de los clientes, o pueden ser una
combinación de ambas, cualquiera de estos métodos proporcionan las herramientas
necesarias para una planificación adecuada. El uso de las tecnologías no se queda atrás,
la implementación de un software específico, simplifica y optimiza el tiempo de cálculo de
los pronósticos.
Conocer y aplicar correctamente los métodos de pronósticos para el cálculo de la
demanda ayudaran a planificar las acciones que deberá tomar la empresa.

Bibliografía
Eppen, G.D. Gould, F.J. Schmidt, C.P. Moore, Jeffrey. Weatherford, Larry. Investigación
de Operaciones en la ciencia administrativa. Quinta Edición 2000. Editorial Prentice-Hall.
México, D.F.
Krajewski, Lee. Ritzman, Larry. Malhotra, Manoj. Administración de Operaciones. Octava
Edición. 2008. Editorial Pearson educación. México, D.F.
Nicholson, Walter. Teoría microeconómica principios básicos y aplicaciones. Octava
Edición. Editorial Thomson. México, D.F.
Microsoft. MOS (CORE) Excel 2007 Referencia rápida visual. (Perspection) Mc. Graw Hill
1999. ISBN: 8448124421 12. Pérez, César.
Sipper Daniel / Bulfin Robert L., Planeación y control de la producción, 1ª edición, 1ª
impresión, México D.F., Mc. Graw Hill, Junio 1999, pp. 151-152.
Monks Joseph G. Administración de operaciones, serie Schaum., 1ª edición, México D.F.,
Mc. Graw Hill., p.p. 163 – 165.

Gestión de la Producción - Pronóstico de la demanda.

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (12)

Similar to Gestión de la Producción - Pronóstico de la demanda.

Similar to Gestión de la Producción - Pronóstico de la demanda. (20)

More from Sergio Paez Hernandez

More from Sergio Paez Hernandez (17)

Recently uploaded

Recently uploaded (20)

Gestión de la Producción - Pronóstico de la demanda.