Blue screenUna empresa eléctrica quiere construir una central de generación.
Una fábrica de lácteos quiere programar la producción de leche para las próximas tres semanas.
Mejorar la planeación
Competitividad y cambio
Según el entorno a pronosticar
Micro Macro
Según el procedimiento empleado
*
Cualitativas
Se basan en la experiencia y conocimiento de los distintos actores que intervienen dentro de la empresa y su entorno.
Generalmente utilizados para apoyar decisiones estratégicas de largo plazo…
Y, en escenario donde no existe os e desconoce información histórica.
Algunos métodos cualitativos son: Delphi – se basan en entrevistas grupales guiadas; estudios de mercado – pueden incluir técnicas cuantitativas.
Cuantitativos
El más conocido y estudiado: métodos de series de tiempo
*
1. Recopilación de datos
3. Construcción del modelo
4. Extrapolación del modelo
Se requieren suficientes datos históricos
Que información (histórica) está disponible
Incertidumbre y calidad de esa información
*
Estadísticas
Se enfocan en patrones y en cambios en los patrones y sus perturbaciones
Determinísticas
*
Con relación a las técnicas cuantitativas estadísticas se presentan dos enfoques
Los datos se pueden descomponer en componentes de tendencia, cíclicos, estacionales y aleatorios.
Modelos econométricos de series de tiempo y Box-Jenkins.
*
3. Componentes de series de tiempo:
Una serie de tiempo consta de datos que se reúnen, registran u observan sobre incrementos sucesivos de tiempo.
Se requiere un enfoque sistemático para analizarlas.
*
Componente
Descripción
Tendencia
Es el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio.
Cíclico
Es la fluctuación en forma de onda alrededor de la tendencia.
Estacional
Es un patrón de cambio que se repite a sí mismo año tras año.
Aleatorio
*
4. Selección de una técnica de pronóstico: Datos estacionarios
Las fuerzas que generan la serie se han estabilizado y el medio permanece relativamente sin cambios.
Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la población o la inflación.
La serie se puede transformar en una serie estable.
*
4. Selección de una técnica de pronóstico: Datos con tendencia
Productividad creciente y nueva tecnología producen cambios.
El incremento de la población elevan la demanda por productos.
El poder de compra se afecta por la inflación.
Aumenta la aceptación en el mercado de un producto.
*
4. Selección de una técnica de pronóstico: Datos con estacionalidad
El clima influye en la variable de interés.
El año calendario influye en la variable.
*
El ciclo del negocio influye sobre la variable.
Cambios en el gusto popular.
Cambios en la población.
*
5. Medición del error en el pronóstico
Se compara la precisión de dos o más técnicas de pronóstico.
Se mide la confiabilidad de una técnica de pronóstico.
Se busca la técnica óptima.
*
Periodo, t
*
*
*
6.1. Modelos no formales:
Estas técnicas suponen que los periodos recientes son los mejores para pronosticar el futuro.
El método más sencillo es el método del último valor:
Pronóstico = último valor
t
Yt
6.2. Métodos de promedio
Promedios simples: se obtiene la media de todos los valores pertinentes, la cual se emplea para pronosticar el periodo siguiente.
t
Yt
PROMEDIOS MÓVILES
Este método no considera la media de todos los datos, sino solo los más recientes.
Se puede calcular un promedio móvil de n periodos.
El promedio móvil es la media aritmética de los n periodos más recientes.
promedio móvil
6.3. Metodos de suavizamiento exponencial
El método de suavizamiento exponencial puede dar una ponderación mayor a las observaciones más recientes.
Las ponderaciones se asignan mediante la constante , 0 < < 1.
El modelo se expresa como:
pronóstico = (último valor) + (1 - )(último pronóstico)
*
t
Yt
=0.1
=0.5
1
42
2
52
42
42
3
54
43.00
47.00
4
65
44.10
50.50
5
51
46.19
57.75
6
64
46.67
54.38
6.4. Descomposición de series de tiempo
Las tendencias son movimientos a largo plazo en una serie de datos a lo largo del tiempo.
La tendencia puede ser descrita por una recta o por una curva.
Las tendencias se dan por varias causas: cambios en la población, cambios en la productividad, cambios tecnológicos, etc.
*
6.4.1. Tendencia lineal
El método más empleado para describir una tendencia lineal es el de mínimos cuadrados, para encontrar una línea de mejor ajuste para un conjunto de puntos.
Y´ = a + bX
a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)
6.4.1. Tendencia lineal
Se puede calcular el coeficiente de determinación, a fin de evaluar qué tan correcta es la estimación de la recta de regresión.
El coeficiente de determinación r² se calcula como:
*
6.4.1. Tendencia lineal
*
7. Aplicación de varios métodos a datos desestacionalizados
Los datos muestran alguna tendencia creciente a lo largo del tiempo, además de una marcada estacionalidad. Se procederá a des-estacionalizar los datos, lo que permite observar hasta donde las variaciones se deben a efectos estacionales o bien, a otros factores.
El proceso de ajuste estacional se realizará a través del cálculo de factores estacionales:
Factor estacional = Prom. periodo / prom. global
*
Sheet: Gráfico1
Sheet: Hoja1
Sheet: Hoja2
Sheet: Hoja3
Sheet: Hoja4
Sheet: Hoja5
Sheet: Hoja6
Sheet: Hoja7
Sheet: Hoja8
Sheet: Hoja9
Sheet: Hoja10
T
Año
Suma
Prom
7. Aplicación de varios métodos a datos desestacionalizados
Se aplican varios métodos de pronóstico para finalmente seleccionar el mejor pronóstico.
A. Método de pronóstico del último valor
B. Promedios móviles
C. Suavizamiento exponencial
*
Modelo de promedios móviles integrados autorregresivos (ARIMA o Box-Jenkins)
Pronósticos causales (modelos econométricos)
Métodos de pronósticos subjetivos