PROMEDIOS MVILES SIMPLES

CONSIDERACIONES PARA EMPLEAR PROMEDIOS MOVILES:

Los promedios mviles simples por lo general no deben utilizarse para pronosticar la demanda, cuando la informacin
claramente sigue algn tipo de tendencia o patrn cclico regular.

Un promedio mvil simple resultar siempre menor que los datos en aumento y mayor que los datos en
disminucin. Por lo tanto, si aparecen amplias elevaciones o cadas, los promedios mviles simples no se
desempearn bien. Se ajustan mejor a datos con pequeos variaciones, dando alguna estabilidad frente a
perturbaciones aleatorias.

EJEMPLO 1: Considere los datos de una empresa de traslado de mercancas a travs de trileres, cada uno de
estos representa un envi. Los datos histricos se muestran en el siguiente cuadro:

ENVIOS
2004 80
2005 82
2006 84
2007 83
2008 83
2009 84
2010 85
2011 84
2012 82
2013 83
2014 84
2015 83
2016

PRONOSTICO A RESOLVER:

La empresa quiere saber cul ser su presupuesto de operaciones del prximo ao (2016), y para ello es necesario
pronosticar los envos del ao 2016.
Pasos para resolver.

1. Realizar un diagrama de dispersin, para observar que no existan grandes tendencias.

86

85

84

83
Series1
82

81

80

79
2002 2004 2006 2008 2010 2012 2014 2016 2018

Observamos que el grafico muestra una tendencia NO REGULAR, por lo tanto cumple con una de las
consideraciones para utilizar PROMEDIOS MVILES.

2. Realice clculos para el pronstico de por lo menos dos mviles (n=2, n=3 n=4, etc.).

AHORA, QU ES UN PROMEDIO MVIL O MEDIA MVIL?

Para calcular la media mvil centrada en dos observaciones (para este caso 2 aos) se requiere, primero, sumar los
dos primeros datos (80 y 82); la suma total de dos aos (162). Este total se divide entre dos (nmero de
observaciones) obteniendo como resultado 81 (esta media mvil representa nuestro pronostico para el ao 2006;
como se muestra en la tabla 1.1). Este nmero suavizado (81), es la previsin para el periodo 2006.

Para dar solucin a nuestro caso se calcularan promedios mviles con:

n= 2 aos

n= 3 aos

n= 4 aos

n= 5 aos

Estos promedios mviles los registramos en una tabla:

 promedio mvil a n= 2 aos promedio mvil a n= 3 aos promedio mvil a n= 4 aos promedio mvil a n= 5 aos
ENVIOS suma pronstico error cuadrtico suma pronstico error cuadrtico suma pronstico error cuadrtico suma pronstico error cuadrtico
2004 80
2005 82 162
2006 84 166 81 9 246
2007 83 167 83 0 249 82 1 329
2008 83 166 83.5 0.25 250 83 0 332 82.25 0.5625 412
2009 84 167 83 1 250 83.3333333 0.44 334 83 1 416 82.4 2.56
2010 85 169 83.5 2.25 252 83.3333333 2.78 335 83.5 2.25 419 83.2 3.24
2011 84 169 84.5 0.25 253 84 0 336 83.75 0.063 419 83.8 0.04
2012 82 166 84.5 6.25 251 84.3333333 5.44 335 84 4 418 83.8 3.24
2013 83 165 83 0 249 83.6666667 0.44 334 83.75 0.563 418 83.6 0.36
2014 84 167 82.5 2.25 249 83 1 333 83.5 0.25 418 83.6 0.16
2015 83 167 83.5 0.25 250 83 0 332 83.25 0.063 416 83.6 0.36
2016 83.5 83.3333333 83 83.2
EC 21.5 EC 11.11111111 EC 8.75 EC 9.96
ECM 2.15 ECM 1.111111111 ECM 0.875 ECM 0.996
RECM 1.466 RECM 1.054 RECM 0.935 RECM 0.998
Tabla 1.1

Para llenar la columna SUMA:

Como se trata de obtener promedios mviles de 2 aos. Se comienza sumando las dos primeras cantidades y el resultado es 162;
para obtener la suma correspondiente al ao 2006 se toman nuevamente 2 cantidades, para este caso 82 y 84. Y as sucesivament e
hasta completar todas las sumas.

Ahora en el caso de obtener promedios mviles de 3 aos, 4 aos, 5 aos (se tomarn 3, 4 y 5 cantidades respectivamente) y se
sigue la misma lgica para llenar la columna de suma.

Para llenar la columna pronstico o media mvil:

Una vez que tenemos nuestra columna de suma terminada. Por ejemplo: en el ao 2005 se obtuvo una suma de 162, entonces, para
obtener el pronostico del ao 2006 se divide 1622 = 81. Ahora para obtener el pronstico del ao 2007 se toma la cantidad suma del
ao 2006 y se divide entre 2 (ya que se trata de calcular promedios mviles a dos aos). Y as sucesivamente hasta llegar al
pronostico del ao 2016.

Para llenar la columna error cuadrtico:

Se realiza una resta entre la cantidad real cantidad del pronstico; el resultado de esta diferencia se eleva al cuadrado y es as como
se obtiene el error cuadrtico.

3. Realice una suma de los errores cuadrticos ( EC) correspondientes a cada mvil. Consiste en sumar toda la columna de todos los
errores cuadrticos obtenidos previamente.

4. Calcule el error cuadrtico medio (ECM). Es la suma de los errores cuadrticos divididos entre el total de los errores cuadrticos.

5. Determine la raz del error cuadrtico medio (RECM). Es la raz del ECM.

6. Elija el pronstico que tenga la RECM ms pequea; dado a que es la menor variacin que se presenta en los pronsticos. Para
nuestro ejemplo: la RECM ms pequea es 0.935; por lo que el pronstico ms adecuado es el del mvil 4, es decir el pronstico es
de 83 envos.

7. Grafique nuevamente, ahora incluyendo la lnea de tendencia (media mvil) que corresponde a graficar los datos de los pronsticos
de los promedios mviles a 4 aos.
86

85

84

83
ENVIOS

82 PROMEDIOS MOVILES 4 AOS

81

80

79
2002 2004 2006 2008 2010 2012 2014 2016 2018

INTERPRETACION DEL GRAFICO: CON EL METODO DE PROMEDIOS MOVILES SE DETERMIN QUE EL VALOR ESTIMADO
PARA EL NUMERO DE ENVIOS PARA EL 2016 ES DE 83 ENVIOS.
PROMEDIOS MOVILES PONDERADOS

Son bsicamente lo mismo que los promedios mviles simples, aunque con una excepcin
importante. Con los promedios mviles ponderados el peso asignado (w) a cada punto de demanda
pasado que se utilice en el clculo puede variar. De esta forma es posible asignar mayor influencia a
ciertos puntos de informacin, por lo general al punto de demanda ms reciente. Por lo que el criterio
que supone que los datos ms recientes contienen mayor informacin y, por lo tanto, son ms
importantes que los datos ms antiguos, puede ponerse en prctica con un promedio mvil
ponderado.

La ecuacin bsica para calcular promedios mviles ponderados es el siguiente (la w viene de
weight, peso):

= 11 + 22 + +

Donde Ft es la demanda esperada

W1 peso ponderado o dato con mayor peso por la importancia en la proximidad en el tiempo

At es el valor del dato que estamos considerando (ventas, demanda, numero de envos, etc.)

At 1 ser el dato ms actual y supone un nivel de importancia mayor que los antiguos

At 2 ser el dato con nivel importancia despus que el AT 1 y as sucesivamente.

Y tomamos siempre la siguiente consideracin

= 1
=1

Donde las sumas de todos los pesos por orden de prioridad deben de sumar 1; por ejemplo:

Si decidimos hacer un clculo de la media mvil a 3 aos, tenemos que los valores de w son como
sigue:
3 2 1
w1=6 w2 =6 y w3=6

de tal manera que si sumamos w1+w2+w3 = 1

Ahora si calculamos la media mvil a 4 aos, tenemos que:

La forma de obtener el comn denominador: 4+3+2+1 =10

Entonces:
 4 3 2 1
W1= 10 w2= 10 w3= 10 w4= 10

De tal manera que si sumamos w1+w2+w3+w4 = 1

Ejemplo:

Considere los datos del ejemplo anterior:

ENVIOS
2004 80
2005 82
2006 84
2007 83
2008 83
2009 84
2010 85
2011 84
2012 82
2013 83
2014 84
2015 83
2016

Pasos para resolver.

1. Realizar un diagrama de dispersin.

2. Determine las ponderaciones.

Para determinar las ponderaciones correspondientes a un mvil de 3 aos y con los datos
disponibles procedemos a hacer lo siguiente:

Como es un mvil a 3 aos, estaremos considerando los aos y las cantidades de los aos
2004,2005,2006. As que obviamente el pronstico que estaremos estimando es el correspondiente
para el ao 2007.

Sustituyamos datos para estimar el pronstico:

= 11 + 22 + +
De acuerdo con la explicacin dada al inicio sustituimos en nuestra ecuacin y obtenemos:

3 2 1
(84) + (82) + (80) = .
6 6 6
Este resultado lo asentamos en la siguiente tabla
3. Realice clculos para el pronstico de por lo menos dos mviles (n=2, n=3 n=4, etc.).

mvil a n= 3 aos mvil a n=4 aos

ENVIOS pronostico error cuadrtico pronostico error cuadrtico
2004 80
2005 82
2006 84
2007 83 82.67 0.11
2008 83 83.17 0.03 82.8 0.04
2009 84 83.17 0.69 83.1 0.81
2010 85 83.50 2.25 83.5 2.25
2011 84 84.33 0.11 84.1 0.01
2012 82 84.33 5.44 84.2 4.84
2013 83 83.17 0.03 83.4 0.16
2014 84 82.83 1.36 83.1 0.81
2015 83 83.33 0.11 83.3 0.09
2016 83.33 83.2
EC 10.139 EC 9.01
ECM 1.127 ECM 1.12625
RECM 1.0614 RECM 1.0612

Tabla 2

4. Determine los errores cuadrticos. A la demanda real rstele el pronstico que corresponda al
mismo ao y, el resultado elvelo al cuadrado.

5.Realice una suma de los errores cuadrticos ( EC) correspondientes a cada mvil.

6.Calcule el error cuadrtico medio (ECM). Es la suma de los errores cuadrticos divididos entre el
total de los errores cuadrticos.

7.Determine la raz del error cuadrtico medio (RECM). Es la raz del ECM.

8.Elija el pronstico que tenga la RECM ms pequea; dado a que es la menor variacin que se
presenta en los pronsticos. Para nuestro ejemplo: la RECM ms pequea es 1.0612; por lo que el
pronstico ms adecuado es el del mvil 4, es decir el pronstico es de 83.2 envos.

9.Grafique nuevamente, ahora incluyendo la lnea de tendencia ponderada (media mvil).

 86

85

84

83

82

81

80

79
2002 2004 2006 2008 2010 2012 2014 2016 2018

Los puntos de color azul muestran el nmero de envos histricos hasta el ao 2015, mientras que
los puntos rojos muestran el pronstico utilizando medias mviles ponderadas a 4 aos. Y como se
muestra en el grafico para el ao 2016 se estima una cantidad de 83.2 envos.
SUAVIZACION EXPONENCIAL
El suavizado exponencial simple es otro mtodo utilizado para suavizar las fluctuaciones aleatorias
en el patrn de demanda. Las dos frmulas (matemticamente equivalentes) que se emplean ms
comnmente para calcularlo son:

= 1 + (1 1) (1)

= 1 + (1 ) 1... (2)

El valor de alfa () siempre se encuentra entre cero y uno, dado a que si equivale a cero no se aade
ninguna parte del error y el pronstico siempre es el mismo nmero, mientras que si equivale a uno
se aadir el error completo del pronstico y no se realizara ninguna suavizacin.

Utilizando como 0.2, 0.5 y 0.8 para ver cmo se comporta el pronstico dependiendo del error

Primeramente, se debe de calcular el primer pronstico con alguno de los mtodos anteriores
(promedio mvil simple o promedio mvil ponderado), en este ejemplo se realiz con un promedio
mvil simple para el ao 2007.

Siguiendo con nuestro ejemplo de envos

(80+82+84)/3=82

A partir de este se tiene que seguir la formula (para este caso se utiliz la ecuacin 1):

= 1 + (1 1)

Donde Ft1 corresponde al pronstico calculado con promedio mvil simple y su valor es 82

At1 corresponde a la cantidad de envos para el ao 2007 de acuerdo con nuestros datos histricos
es 83

Ft es la nueva prediccin con un determinado margen de error

Comencemos asignando valor cada una de nuestras variables para poder ejecutar nuestra ecuacin

Ft1= 82

At1 = 83 Ft2008= (82) + 0.2 (83-82)

= 0.2 Ft2008= 82.2

Ft = ?
Y as sucesivamente hasta llegar al pronstico de 2016

Observa cuidadosamente la siguiente tabla, en donde se han hechos los clculos con un error de
0.2, 0.5 y 0.8

error de 0.2 error de 0.5 error de 0.8

ENVIOS pronostico error cuadrtico pronostico error cuadrtico pronostico error cuadrtico
2004 80
2005 82
2006 84
2007 83 82.000 1.000 82.000 1.000 82.000 1.000
2008 83 82.200 0.640 82.500 0.250 82.800 0.040
2009 84 82.360 2.690 82.750 1.563 82.960 1.082
2010 85 82.688 5.345 83.375 2.641 83.792 1.459
2011 84 83.150 0.722 84.188 0.035 84.758 0.575
2012 82 83.320 1.743 84.094 4.384 84.152 4.630
2013 83 83.056 0.003 83.047 0.002 82.430 0.325
2014 84 83.045 0.912 83.023 0.954 82.886 1.241
2015 83 83.236 0.056 83.512 0.262 83.777 0.604
2016 83.189 83.256 83.155
EC 13.111 EC 11.090 EC 10.955
ECM 1.457 ECM 1.232 ECM 1.217
RECM 1.207 RECM 1.110 RECM 1.103

Decisin sobre el caso: pronosticar con 0.8 y el pronstico es 83.155

REGRESIN SIMPLE
La mejor forma de pronosticar una tendencia lineal ser a travs de una regresin simple. Para
determinar si se trata de una tendencia lineal es necesario graficar los datos histricos y as conocer
la tendencia que siguen

En el anlisis de regresin se desarrollar una ecuacin de estimacin, a travs de una frmula

matemtica que relaciona las variables conocidas con la variable desconocida.

La variable conocida. - variable independiente X

La variable que tratamos de predecir se llama variable dependiente Y

La regresin, conocida en ocasiones como lnea de mejor ajuste, es una tcnica estadstica para
intentar ajustar una lnea a partir de un conjunto de puntos mediante el uso del mnimo error
cuadrado total entre los puntos reales y los puntos sobre la lnea. Una de las bondades de la
regresin es que permite determinar ecuaciones de lnea de tendencia

Aqu ser de gran utilidad la ecuacin de la recta:

y = a + bx

y = valor a pronosticar (variable dependiente).

a = valor que toma la variable dependiente (y), cuando la variable independiente vale cero.

b = pendiente de la recta

x = variable independiente
Para calcular la pendiente:

b=
2 2
=

Donde:

b = pendiente de la lnea de estimacin de mejor ajuste

X = valores de la variable independiente

Y = variable valores de la variable dependiente

= media de los valores de la variable independiente

= media de los valores de la variable dependiente

n = nmero de puntos

Para poder realizar nuestro pronstico nos falta calcular:

a = - b
a= ordenada Y

b= pendiente de la ecuacin

= media de los valores de la variable independiente

= media de los valores de la variable dependiente

EJEMPLO:

A menudo quienes hacen la contabilidad de costos estiman los gastos generales con base en el nivel
de produccin. Se ha reunido informacin acerca de los gastos generales y las unidades producidas
en diferentes plantas, y ahora desean estimar una ecuacin de regresin para predecir los gastos
generales futuros.

GASTOS GENERALES 191 170 272 155 280 173 234 116 153 178
UNIDADES PRODUCIDAS 40 42 53 35 56 39 48 30 37 40

a) Determine la variable dependiente e independiente

b) Pronostique los gastos generales cuando se producen 50 unidades

Respuestas:

a) Variable dependiente = gastos generales (y)

Variable independiente = unidades producidas (x)
b) Se procede a realizar los clculos necesarios de la ecuacin de regresin simple (lnea recta)

n X Y XY
1 40 191 7640 1600
2 42 170 7140 1764
3 53 272 14416 2809
4 35 155 5425 1225
5 56 280 15680 3136
6 39 173 6747 1521
7 48 234 11232 2304
8 30 116 3480 900
9 37 153 5661 1369
10 40 178 7120 1600
420 1922 84541 18228
42
192.2

CALCULANDO b (la pendiente de la recta)

b=
2 2
=
84541 (1042192.2)
b= =6.4915
18228 (10422 )

CALCULANDO a (punto de interseccin de la recta con el eje de las ordenadas)

a = - b
a = 192.2 (6.4915*42) = -80.443
Sustituyendo:

Y= a+bx = -80.4430 + 6.4915 (50) = 244.1320

Por lo que el pronstico de producir 50 unidades nos generara gastos de 244.132

300

250

200

150

100

50

0
0 10 20 30 40 50 60

La dispersin de datos de color azul muestra los gastos por unidad de produccin. Muestra
claramente una tendencia o patrn cclico regular por lo que en este tipo de casos es recomendable
utilizar un pronstico utilizando Regresin Lineal.

Los datos en color rojo muestran la grfica de la ecuacin de la recta, que servir para hacer los
pronsticos.
Actividad 1. Cuestionario

1.Cules son las leyes fundamentales de los pronsticos?

2.Cul es el objetivo de un pronstico?

3.Por qu es importante graficar los datos histricos, antes de aplicar algn mtodo de pronstico?

4.Cmo se clasifican los pronsticos?

Actividad 2.

Con los siguientes datos determine el pronstico en cada uno de los casos. No olvide observar
primeramente el comportamiento de los datos histricos (graficar utilizando Excel); para determinar
qu tipo de pronostico emplear. Justifique del pronstico utilizado. Y no olvide graficar por ltimo los
datos pronosticados; en el caso de REGRESION lineal graficar la funcin de pronstico.

VENTAS REALES DE VENTAS DE LECHE

MES PODADORAS SEMANAS (MILES DE GALONES)
ENERO 10 1 17
FEBRERO 12 DEMANDA REAL DE 2 21
MARZO 13 MES CAJAS DE REFRESCO 3 19
ABRIL 16 43 105 4 23
MAYO 19 44 106 5 18
JUNIO 23 45 110 6 16
JULIO 26 46 110 7 20
AGOSTO 30 47 114 8 18
SEPTIEMBRE 28 48 121 9 22
OCTUBRE 18 49 130 10 20
NOVIEMBRE 16 50 128 11 15
DICIEMBRE 14 51 137 12 22
ENERO 52 13