Zusammenfassung der Ressource
Pronóstico cuantitativo
- Pronósticos en los cuales existen antecedentes del
fenómeno a pronosticar. Se utilizan modelos
matemáticos y estadísticos para pronosticar. Se
realizan análisis de series de tiempo
- Analizado por las siguientes técnicas:
- Regresión lineal: Relación funcional entre dos variables,
una dependiente de la otra, a partir de datos
observados.
- Modelado por las ecuaciones: y = ax +
b, b = Σ(xy - n(X^2))/Σ(x^2 - n(XY)) y a =
Y - bx
- Suavización: Permite la no utilización de demasiado dato histórico, cada dato que
pasa hace que se incremente la ponderación del dato en (1-α). α se conoce como la
constante de suavización y estas determinada por la demanda y decisiones
gerenciales.
- El promedio móvil ponderado y la suavización pueden verse interrelacionadas
si se define una constante alpha 2/(n+1), donde n es la cantidad de elementos
analizados.
- Muy pocos registros de los datos históricos
- Constante
suavizamiento α
- La última estimación de la demanda es igual a la anterior
ajustada por una fracción de la diferencia de la última demanda
real y la estimación anterior
- Ajuste de la tendencia β
- Enfoque
intuitivo
- Suponer ventas iguales
- Promedios móviles
- Promedio Móvil Simple: Debido a que los promedios son
centralizados estos pueden ayudar a omitir fenómenos
externos. El plazo del promedio es siempre fijo y nuevos
valores siempre son sustituidos por los más antiguos. Este
método requiere que se tenga demasiado dato histórico por
lo cual puede ser a veces ineficiente.
- Modelado por la ecuación: F = ΣA/n
- Promedio Móvil Ponderado: Promedio que permite dar más
importancia a cualquier campo deseado, siempre y cuando
todas las ponderaciones sean igual a 1
- Modelado por la ecuación: F = ΣWA
- Hacer énfasis periodos más
recientes
- Suavizar las fluctuaciones de la demanda
- Número de datos historiales
reales
- Suponer estabilidad de la
demanda por un tiempo
- Problemas
- Al aumentar n suaviza mejor
las fluctuaciones
- No reflejan bien las
tendencias
- Se quedan en el
pasado
- Requieren datos históricos
- Proyecciones de tendencia
- Recta de tendencia
- Método de mínimos cuadrados
- Mejor ajuste
- Ajuste de datos históricos
- Categorías
- 1. Enfoque intuitivo
- 2. Promedios móviles
- 3. Suavizamiento exponencial
- 4. Proyección de tendencias
- 5. Regresión Lineal
- Modelos
- Series de tiempo
- El futuro es una función del pasado
- Serie de atos puntuales
- Igualmente espaciados
- Asociativos
- Incorpora variables o
factores
- Influyentes en la variable a
pronostricar
- Serie de tiempo
- Descomposición
- Tendencia
- Movimiento gradual de los datos en el tiempo
- Estacionalidad
- Datos repetidos después de un periodo
- Ciclos
- Patrones
- Ocurren cierta cantidad de años
- Afectado por acontencimientos
- Variaciones
- Aleatorias
- Situaciones inusuales
- Errores
- La exactitud se verifica con comparar
pronósticos con valores reales
- 3 Medidas
- MAD
- Desviación media
absoluta
- Se utiliza para
probar valores de
α y β
- MSE
- Error cuadrático medio
- Acentua desviaciones debido al
cuadrado
- Se utiliza para tener pequeñas desviaciones en vez de una desviación grande
- MAPE
- Error porcentual absoluto medio
- Evita valores muy
grandes
- 2 Medidas
- Desviación estándar
- Coeficientes de correlación