SESION 3

PRONOSTICO DE
VENTAS-DEMANDA
Maestría en Gestión Industrial
18:00-21:00 hrs (plan entre semana)
Inga. Brenda Sierra Belches
bzsierraUSAC1@gmail.com

1
 2

Componentes del proceso en una

organización
 Planificación de la demanda-
¿Qué debo hacer?
 Pronostico de la demanda-
¿Qué esperar de la demanda
para implementar un plan?
 Gestión de la demanda-
¿Cómo me preparo?
Todas las decisiones relacionadas con la cadena de
suministro tomadas antes de que la demanda se haya
materializado se consideran como un pronóstico.
 3

Pronósticos
 Pronóstico es el proceso de estimación en
situaciones de incertidumbre.
 Un Pronostico es una adivinación calculada
del futuro
 Entonces tenemos que los
pronósticos son procesos
críticos y continuos que se
necesitan para obtener buenos
resultados durante la
planificación, de un proyecto.
 4

EMPUJE / TIRÓN
Los pronósticos de la demanda Importancia del pronostico
forman la base de toda colaborativo=> precisión=>
planeación de la cadena de Frontera capacidad de respuesta y
empuje
suministro. tirón eficiencia. GANA-GANA

Proceso de empuje Proceso de tirón

(especulativos) (reactivos)

Proceso n-1

Llegada
del pedido
del cliente
 5

Logística colaborativa: establecer lazos de confianza y lograr relaciones

GANAR – GANAR.

https://www.youtube.com/watch?v=oAgF8HQng10

https://www.dynamicinventory.net/coca-cola-supply-chain/#:~:text=The%20beverage%20giant%20established%20the,their%20experiences%20and%20best%20practices.

*Coca cola headquarter manufactura syrup concentrado y lo envía

A sus socios embotelladores.
*Socios embotelladores lo envían a sus fabricas para mezclas correspondientes,
Embotella, empaca y distribuye.
*Colaboración cercana con embotelladores (provee estándares y guías a todos
Sus socios embotelladores y proveedores). La mayoría de decisiones estratégicas
Están centralizadas.
 6

BUSQUEDA DE PATRONES
 Es un modelo que sirve de muestra para
determinar un comportamiento
7

Ejemplos
Patrones en la naturaleza
 8

Patrones de la
naturaleza

https://www.motorpasion.com/industria/aparcamientos-funcionasen-como-estas-campas-coches-se-podria-
ahorrar-60-espacio?utm_source=NEWSLETTER&utm_medium=DAILYNEW
9

PATRONES
EN LA
INDUSTRIA
10

PATRONES
EN LA
INDUSTRIA
11

PATRONES
EN LA
INDUSTRIA
12

PATRONES
EN LA
INDUSTRIA
13
 14

1. Siempre son imprecisos (deben

incluir valor esperado + medida de Quien pronostica
error) en su
organización

2. Pronósticos de largo plazo mas

imprecisos que los de corto plazo
CARACTERISTICAS DE
LOS PRONÓSTICOS
3.Pronósticos agregados mas precisos
que los segregados
4. En cuanto mas lejos esté una
compañía del cliente mayor distorsión
Componentes de
un pronóstico
 Factores que influyen en la
demanda futura
 Identificar relación factores
con la demanda futura
 Algunos factores son:
 Demanda pasada
 Tiempo de espera de reabastecimiento
del producto
 Publicidad planeada o esfuerzos de
marketing
 Descuentos de precios planeados
 Estado de la economía
 Acciones que los competidores han
realizado
 Respecto
16
al tiempo

Pronósticos a largo plazo

(ESTRATÉGICO):
 Este tipo de pronóstico se
utiliza en la planificación de
nuevas inversiones,
estrategias de inversiones,
lanzamiento de nuevos
productos y tendencias
tecnológicas de materiales,
procesos y productos, así
como en la preparación de
proyectos. El tiempo de
duración es de tres años o
más.

http://science.sciencemag.org/content
/sci/363/6423/128.full.pdf FUENTE
Pronósticos 17

Respecto al tiempo (Táctico)

Pronósticos a mediano plazo:
 Abarca un lapso de . Este se utilizan para
estimar planes de ventas, planificación de personal, elaboración de
presupuestos a corto tiempo, planificación de inventario.

LLUVIA en mm
80
70
60
50
40
30
20
10
0
 18

Pronósticos Respecto al tiempo

Pronósticos a corto plazo (de operaciones):
 En las empresas modernas, este tipo de pronóstico
se efectúa de horas a dias, y su tiempo de
planeación tiene vigencia corto. Es útil para:
 Programas de abastecimiento de inventario
 Producción
 Transportación
 Entre otros
Pronósticos 19

¿Porqué son Importantes?

 Todo administrador conoce la importancia de la
Planeación de Empresas
 La mayoría de veces este desconoce la verdadera
importancia de elaborar pronósticos confiables
 En la mayoría de negocios (sean servicios o productos)
las decisiones a futuro se toman en el presente
 En general se basan en la intuición y la “experiencia”
(dos criterios que no se deben descartar)
 Hoy en día el comportamiento del mercado es muy
dinámico y esto agrega incertidumbre día a día
 Pronósticos
20

Porqué son Importantes?

 La elaboración de Pronósticos correctos y precisos
servirá para:
 Reducir el grado de incertidumbre del constante cambio
del entorno
 Respaldar a la experiencia y la intuición en la toma de
decisiones con un análisis formal
 Obtener un estimado o conjunto de estimados acerca de
la probabilidad de los eventos
 Ayuda a: Fijación de objetivos, establecimiento de
políticas, establecer procedimientos y a ejecutar las
acciones planeadas entre otros
 21

Respaldar a
la
experiencia
y la
intuición
 22

PERO…….
 Si el pronostico no contiene los argumentos
necesarios en la definición del objetivo a
pronosticar, la identificación de las variables clave
y la dirección del pronostico este no tendrá ningún
uso practico y solo servirá como referencia.
 Además existirán grandes diferencias entre lo
pronosticado y la realidad.
¿Para que un Pronóstico de ventas?
23

 En la planeación, manufactura de un articulo,

programar línea de producción, cantidad de materia
prima, planeación de inventarios, contratación de
personal, estimado de gastos.
 En mercadotecnia se utiliza para realizar cambios de
precios, descuentos especiales, promociones, potencial
de ventas en distintos segmentos del mercado y definir
publicidad.
 Un pronostico de ventas puede revelar la necesidad de
aumentar el equipo de ventas (reclutamiento,
contratación, capacitación, desarrollo)
 24

CLASIFICACIÓN DE LOS METODOS DE

PRONÓSTICO

SIMULACIÓN
CUALITATIVOS SERIES DE TIEMPO

*Subjetivos *Usan demanda histórica *Supone que pronóstico de la *Imita preferencias del
*Se apoyan en juicio humano *Suposición de demanda demanda está altamente cliente que da origen a la
pasada como buen indicador correlacionado con factores demanda
*Poco dato histórico en el ambiente (estado
para futura *Permite combinar
*Se tiene información de economía, tasa interés entre métodos de series de
mercado que afecta el *Apropiados cuando patrón de otros) (ej. Impacto
demanda básica varia poco tiempo y causales ( Ej.
pronóstico promociones de precios en la Cual es el impacto de
aña con año demanda) promoción en precios,
cual es el impacto de
tienda competencia
cercana.
 APROXIMACIONES DE
PRONOSTICOS FUNDAMENTALES
SUBJETIVOS OBJETIVOS
 De juicio  Causales/correlacionales
 Encuestas de ventas  Mediciones
 Jurado de expertos econométricas
 Delphi  Indicadores
 Experimentales  Series de tiempo
 Encuestas a clientes  Aproximación “Caja
 Sesiones focus group
negra”
 El pasado predice el
 Pruebas de mercado
futuro
 Identificar patrones
Con frecuencia se requiere combinar
varios tipos de aproximación
 26

PUNTOS BASICOS PARA PRONOSTRICAR

CON EFICIENCIA
Entender objetivo del
Identificar los
pronostico (Ejemplo de Integrar planeación y
principales factores
decisiones cantidad a pronóstico de la
que influyen en el
producir, cantidad demanda a través de
pronóstico de la
inventario y cuanto cadena de suministro
demanda
pedir)

Pronosticar al nivel Establecer medidas de

apropiado de desempeño y error
agregación para el pronóstico
 APROXIMACIONES DE
PRONOSTICOS FUNDAMENTALES
SUBJETIVOS OBJETIVOS
 De juicio  Causales/correlacionales
 Encuestas de ventas  Mediciones
 Jurado de expertos econométricas
 Delphi  Indicadores
 Experimentales  Series de tiempo
 Encuestas a clientes  Aproximación “Caja
 Sesiones focus group
negra”
 El pasado predice el
 Pruebas de mercado
futuro
 Identificar patrones
Con frecuencia se requiere combinar
varios tipos de aproximación
 28

Técnicas Cualitativas
 Estos métodos son principalmente subjetivos y se
apoyan en el juicio humano, la intuición, encuestas
o técnicas comparativas. Son apropiados sobre
todo cuando se dispone de pocos datos históricos.
Puede ser útil cuando se intenta predecir el éxito de
nuevos productos, cambios en la política
gubernamental o el impacto de una nueva
tecnología. Son adecuados para pronósticos de
mediano y largo plazo. Si dos administradores lo
usan llegaran a pronósticos diferentes!!
29
 30

Método Delphi
 El método Delphi es una técnica creada en
los años 50 y ha sido ampliamente probada
en diferentes aplicaciones. Resulta muy útil
para predecir o estimar un resultado en el
futuro. Por esta razón si se aplica de forma
adecuada, sirve para pronosticar las ventas
de un nuevo producto.
 31

Pasos Método Delphi

1. Definir el objetivo de lo que se desea predecir, en función de esto se
elige el grupo de expertos.
2. Diseñar el primer cuestionario en función de lo que desees predecir y
analizar, y debe ser enviado a cada experto.
3. El cuestionario se responde individualmente por cada experto y no
existe ningún tipo de contacto entre ellos.
4. Las respuestas del primer cuestionario se analizan y en función a los
resultados se define un segundo cuestionario.
5. Se envía el segundo cuestionario al grupo de expertos para que
realicen sus observaciones en función de la nueva información.
6. La cantidad de cuestionarios a enviar es variable y depende de los
resultados que se obtengan, se obtienen las conclusiones al unir lo
más posible las respuestas de los expertos, para llegar a una
respuesta consensada.
32

Pasos método Delphi

 33

 Es flexible al captar diversidad

de opiniones, las cuales son
entregadas de forma anónima
y confidencial.
 El consenso logrado presenta
alto grado de confiabilidad.
 Permite el involucramiento de
los expertos con el problema,
permitiendo su relacionamiento
de forma anónima con otros
Ventajas Método
expertos, lo que aporta al flujo
de información.
Delphi
 Evita el protagonismo de uno o
más expertos sobre otros,
garantizando igual
participación.
 Finalmente, permite encontrar
la formación de un criterio con
un alto nivel de objetividad.
 34

 Al involucrar y comunicar a
diversos actores, el tiempo
que se puede tomar la
aplicación del método
puede ser más del esperado.
 Requiere de expertos. Si, esto
podría ser una desventaja
dependiendo de la temática
a abordar. Desventajas
 Requiere disponibilidad de
los expertos y canales de
Método Delphi
comunicación para asegurar
el flujo de información.
 35

 El cuestionario es vital para el

éxito en la aplicación del
método. De la pertinencia de
las preguntas dependerán
las conclusiones. Mal
cuestionario, malas


conclusiones.
Es costoso. Las
Desventajas
comunicaciones,
expertos, el papeleo, etc.
los
Método Delphi
 APROXIMACIONES DE
PRONOSTICOS FUNDAMENTALES
SUBJETIVOS OBJETIVOS
 De juicio  Causales/correlacionales
 Encuestas de ventas  Mediciones
 Jurado de expertos econométricas
 Delphi  Indicadores
 Experimentales  Series de tiempo
 Encuestas a clientes  Aproximación “Caja
 Sesiones focus group
negra”
 El pasado predice el
 Pruebas de mercado
futuro
 Identificar patrones
Con frecuencia se requiere combinar
varios tipos de aproximación
 37

Técnicas Cuantitativas de pronósticos

 Técnicas Estadísticas
Estas se enfocan en los patrones, cambios y
perturbaciones causadas por influencias aleatorias, por
ejemplo
 Medias Móviles
 Atenuación Exponencial
 Descomposición de series de tiempo
 Modelos de correlación y regresión
 EXACTITUD VS
SESGO
EXACTITU
D
SIN EXACTITUD

CON SESGO SIN SESGO

 39

REPRESENTACIÓN GRÁFICA DE
SERIES DE TIEMPO
 Lasvariaciones de las series de tiempo se
deben a muchos factores y causas
superpuestas (componentes de una serie
de tiempo)
 Pronósticos Respecto al tiempo
40

https://www.applesfera.com/apple-1/record-historico-y-vuelta-
a-subir-apple-revela-los-resultados-financieros-del-primer-
trimestre-fiscal-de-2017
 41

SERIES DE TIEMPO
 Patrón de datos
distribuido en el tiempo
 Componentes:
 Nivelación (a)
 Tendencia (t)
 Estacionalidad (F)
 Aleatorio
 Error (e)
 Ciclo ©
 42

Tendencia
 Elmovimiento
general a lo largo
del tiempo de los
valores de la serie
de tiempo (sobre un
extenso periodo de
años)
 43

Ciclo (fluctuaciones cíclicas)

 Movimientos ascendentes y
descendentes respecto de las
tendencias recurrentes, con una
duración de varios años.
 Un ejemplo de este tipo de
variación son los ciclos
comerciales cuyos períodos
recurrentes dependen de la
prosperidad, recesión, depresión y
recuperación, las cuales no
dependen de factores como el
clima o las costumbres sociales
 44

Estacionalidad (variaciones
estacionales)
 Movimientos ascendentes y
descendentes respecto de la
tendencia que se consuman
en el término de un año y se
repiten anualmente, estas
variaciones suelen
identificarse con base en
datos mensuales o trimestrales.
 45

Aleatorio (valores irregulares)

 Las variaciones erráticas
respecto de la tendencia que
no puedan atribuirse a las
influencias cíclicas o
estaciónales.
 Esta se debe a factores a
corto plazo, imprevisibles y no
recurrentes que afectan a la
serie de tiempo.
 Métodos series de tiempo con demanda estable (no
estacionalidad, no tendencia)
 Acumulativo
 Todos los históricos importan  Media movil
 Demanda estacional  Incluye solo las ultimas N
 Naive observaciones
 El dato mas reciente predice el  Punto medio entre acumulativo
siguiente y naive.
 El ultimo es el siguiente  M pequeña da respuesta mas
grande al ruido.
 Media movil
 M grande promedia el ruido y
 Incluye solo las ultimas N podemos perder cambios en la
observaciones demanda.
 Punto medio entre acumulativo  Valores practivos de 4,6,12, etc.
y naive.
 Asume demanda estacional
Se diferencian por la cantidad de data histórica considerada,
similares en su trato equitativo de la misma (Acumulativo y MM dan
un peso igual a todas las observaciones; Naive da todo el peso a la
observación mas reciente.).
 Series de tiempo

 Suavizamiento exponencial simple

 Asume demanda estacionaria (sin  Modelo Holt-Winter
tendencia ni estacionalidad)  Nivelación, tendencia y
 Suavizamiento exponencial con estacionalidad.
tendencia  Causales/correlacionales
 Asume demanda estacionaria con  Mediciones econométricas
tendencia (ni estacionalidad)  Indicadores
 Conocido como método Holt  Series de tiempo
 Doble suavizamiento exponencial  Aproximación “Caja negra”
 Asume demanda estacionaria con  El pasado predice el futuro
estacionalidad.  Identificar patrones
 48

Proceso lógico para realizar un pronostico

 Formular el problema
 Recolectar datos
 Manipular y Limpiar datos
 Construir y evaluar el modelo (modelos causales)
 Aplicar el modelo
 Evaluar el pronostico
 Por lo general en la administración se deben
presentar de forma eficaz, ayudan a la toma de
decisiones justificando los resultados en base al
Costo/Beneficio
 49

Algunas áreas de aplicación

 Ventas (determinar los ingresos, demanda )
 Operaciones (determinar gastos administrativos,
de ventas y financieros)
 Mercadotecnia (estudio de mercados, ingreso
de nuevos productos, demanda)
 Gerencia (crecimiento de la empresa en base al
sector)
Modelo de Regresión
50

 Ventajas:
 Modelos confiables
 Puede responder a ¿Cómo fluyen las compañías en las ventas?

 Desventajas:
 Los modelos son difíciles de desarrollar
 Requieren personal con experiencia y gran cantidad de datos
que a menudo no están disponibles.
Ejemplo Practico (Modelo de51

correlación y regresión)
Datos:
 Giro de la empresa: Restaurante, venta de comida
 Producto o servicio: Pan baguette
 Mercado que satisface la empresa: Alumnos de un
Instituto
 Análisis : se requiere un pronostico de ventas
Ejemplo Practico 52

Aspectos importantes para el caso

Datos disponibles

 Ingreso promedio por alumno

 Precio
 Se limpiaron los datos y se presentan a continuación
Ejemplo Practico 53

Aspectos importantes para el caso

Ventas aproximadas Ingreso promedio de
Numero de datos Mes ($) los Alumnos ($) Precio de venta ($)
1 ago-09 12060 880 45
2 sept-09 16605 1217 45
3 oct-09 16740 1224 45
4 nov-09 11925 1071 45
5 dic-09 8910 800 45
6 ene-10 12915 947 45
7 feb-10 17820 1305 45
8 mar-10 17235 1261 45
9 abr-10 17910 1320 45
10 may-10 10530 946 45
11 jun-10 10125 910 45
12 jul-10 11880 1067 45
13 ago-10 12825 941 45
Ejemplo Practico 54

Aspectos importantes para el caso

 Por lo general las ventas se relacionan con otras
variables que determinan su nivel mediante un
estudio causal
 Cuantas variables conviene analizar en este
caso?
Ejemplo Practico 55

Aspectos importantes para el caso

Ingreso promedio de los
Numero de datos Mes Ventas aproximadas ($) Alumnos ($) Precio de venta ($)
1 ago-09 12060 880 45
2 sept-09 16605 1217 45
3 oct-09 16740 1224 45
4 nov-09 11925 1071 45
5 dic-09 8910 800 45
6 ene-10 12915 947 45
7 feb-10 17820 1305 45
8 mar-10 17235 1261 45
9 abr-10 17910 1320 45
10 may-10 10530 946 45
11 jun-10 10125 910 45
12 jul-10 11880 1067 45
13 ago-10 12825 941 45
 56
Ejemplo Practico
Aspectos importantes para el caso
 Conviene analizar 1 sola variable ya que Precio es constante y no
cambia en este periodo que se esta analizando
 Como podemos analizar la interacción de 2 variables?
 Con la ecuación de la recta
 Y = a + b x1
Donde:
 Y = Variable
dependiente (la
que quiero
predecir)
 a = una constante
(donde la recta
toca el eje
 Y b la razón de
cambio que
relaciona las dos
variables
(pendiente)
Ejemplo Practico 57

Aspectos importantes para el caso

 Con ayuda de Excel obtengamos la ecuación de
la curva
 58

Ejemplo Practico
Aspectos importantes para el caso
 Responda las siguientes preguntas:
 Que valor tendrían las ventas si el
ingreso de los alumnos fuera 0 (cero)?
 Que ventas podríamos esperar con un
ingreso por alumno de $1,500
 Cual es la ecuación del problema?

 Que representa la constante b?

Ejemplo Practico 59

Aspectos importantes para el caso

 Con ayuda de Excel grafique el comportamiento
del las ventas en el tiempo

Ventas aproximadas ($)

$20,000.00
$18,000.00
$16,000.00
$14,000.00
$12,000.00
$10,000.00
$8,000.00
$6,000.00
$4,000.00
$2,000.00
$-
 60

Método Medias Móviles

 Sirve para pronosticar valores de datos del siguiente período de la serie de
tiempo, pero no los datos de períodos mas distantes a futuro.
 Sirve para pronosticar cuando en los datos no está presente la influencia de
una tendencia, cíclica o estacional, situación improbable.

 Es una técnica de pronostico que utiliza una serie de valores recientes de los
datos. Promedia datos recientes.
 Son útiles si se puede suponer que las demandas del mercado serán
bastante estables a lo largo del tiempo.
 Este método tiende a suaviza las irregularidades al corto plazo en las series de
datos.
 61

Método Medias Móviles

 Es el promedio de los N
valores de datos mas
recientes de una serie
de tiempo.
 62

DEBILIDADES
 Si se aumenta el tamaño de n (numero de periodos
promediados) se manejan mejor las fluctuaciones
pero se hace menos sensible a cambios reales en
los datos.
 No son buenas para captar tendencias. Esto es por
ser promedios y siempre seguirán el ritmo de niveles
pasados. No podrán predecir cambios hacia niveles
superiores e inferiores. Se rezagan respecto a los
valores reales.
 Requieren una gran cantidad de datos históricos.
 63

Método Medias Móviles

Mismo Ejemplo Practico 64

con Media móvil

Ingreso promedio de los
Numero de datos Mes Ventas aproximadas ($) Alumnos ($) Precio de venta ($)
1 ago-09 12060 880 45
2 sept-09 16605 1217 45
3 oct-09 16740 1224 45
4 nov-09 11925 1071 45
5 dic-09 8910 800 45
6 ene-10 12915 947 45
7 feb-10 17820 1305 45
8 mar-10 17235 1261 45
9 abr-10 17910 1320 45
10 may-10 10530 946 45
11 jun-10 10125 910 45
12 jul-10 11880 1067 45
13 ago-10 12825 941 45
 65

Error
(Et)Periodo 2/
(Ventas
Pronostico de aproximadas- Error Abs
Numero de Ventas Media Movil Pronostico Periodo 2 MAPE
datos Mes aproximadas (Q) periodo 2 P2) (EAt) EAt/Ventas
1 ago-09 Q 12,060.00
2 sep-09 Q 16,605.00
3 oct-09 Q 16,740.00 Q 14,332.50 Q 2,407.50 2407.5 14.38%
4 nov-09 Q 11,925.00 Q 16,672.50 -Q 4,747.50 4747.5 39.81%
5 dic-09 Q 8,910.00 Q 14,332.50 -Q 5,422.50 5422.5 60.86%
6 ene-10 Q 12,915.00 Q 10,417.50 Q 2,497.50 2497.5 19.34%
7 feb-10 Q 17,820.00 Q 10,912.50 Q 6,907.50 6907.5 38.76%
8 mar-10 Q 17,235.00 Q 15,367.50 Q 1,867.50 1867.5 10.84%
9 abr-10 Q 13,966.92 Q 17,527.50 -Q 3,560.58 3560.58 25.49%
10 may-10 Q 10,530.00 Q 15,600.96 -Q 5,070.96 5070.96 48.16%
11 jun-10 Q 10,125.00 Q 12,248.46 -Q 2,123.46 2123.46 20.97%
12 jul-10 Q 11,880.00 Q 10,327.50 Q 1,552.50 1552.5 13.07%
13 ago-10 Q 12,825.00 Q 11,002.50 Q 1,822.50 1822.5 14.21%
14 sep-10 ???? Q 12,352.50 0 23.53%
MAPE: media absoluta
Del porcentaje de error
 66

Método de Series Temporales en la

Demanda
 Esta basado en la frecuencia de datos
uniformemente espaciados.
 Implica que los valores futuros son predichos
únicamente a partir de valores pasados.
 Se desestiman otras variables sin importar el valor
potencial que puedan tener.
 Este análisis implica desglosar los datos pasados en
cuatro componentes: Tendencia (T), estacionalidad
(E), ciclos (C), variaciones irregulares o
aleatorias/componente residual (R).
 67

Series Temporales
Calculo de Tendencias y Temporalidad
 Definición
 Una serie temporal es una sucesión de
observaciones de una variable tomadas en
varios instantes de tiempo
 Nos interesa estudiar los cambios en esa variable
con respeto al tiempo
 Ejemplos se pueden encontrar en muchos
campos de conocimiento
 68

Series Temporales
Calculo de Tendencias y Temporalidad
 Economía:
 producto interior bruto anual
 tasa de inflación (mensual, interanual)
 tasa de desempleo
 Demografía:
 nacimientos anuales
 tasa de dependencia, etc.
 Meteorología:
 temperaturas máximas medias o mínimas,
 precipitaciones pluviales (diarias, mensuales, anuales)
 Cantidad de luz solar
 Medio Ambiente:
 Concentración media mensual de nitratos en agua
 Alcalinidad media anual del suelo
 emisiones anuales de CO2, etc.
 Series Temporales
69

Calculo de Tendencias y Temporalidad

Representación gráfica
 A menudo, se representa la serie en un gráfico temporal, con el
valor de la serie en el eje de ordenadas (YY) y los tiempos en el
eje de abscisas (XX)
 El siguiente gráfico temporal muestra la media de los
pluviómetros peninsulares para el período Octubre/1989 a
Septiembre/2006. (Fuente I.N.M.)
 70

Series Temporales
Calculo de Tendencias y Temporalidad
 Otros ejemplos
 71

Series Temporales
Calculo de Tendencias y Temporalidad
 Otros ejemplos
 72

Series Temporales
Calculo de Tendencias y Temporalidad
 Otros ejemplos
 73

Series Temporales
Calculo de Tendencias y Temporalidad
 Otros ejemplos
 74

Series Temporales
Calculo de Tendencias y Temporalidad
 Otros ejemplos: Distribución mensual de la
precipitación media en España
 75

Series Temporales
Calculo de Tendencias y Temporalidad
 Otros ejemplos: reserva hidrológica
peninsular
 76

Series Temporales
Calculo de Tendencias y Temporalidad
 Repasamos:
 Una seria temporal es una sucesión de observaciones de
una variable tomadas en varios instantes en el tiempo
 Estas observaciones provienen de una distribución que
puede ser diferente en cada instante del tiempo
 No somos capaces de tratar cualquier tipo de serie
temporal, ya que en cada instante tenemos una variable
con distinta distribución de la que sólo observamos un dato
 Ignoramos mucho y tenemos poca información
 Que hacer?
 Necesitamos imponer condiciones a la serie
 88

EJERCICIO SERIES DE TIEMPO

METODO ADITIVO!!!!!!
 89

Técnicas Cuantitativas de pronósticos

 Técnicas Determinísticas o Causales
Estas comprenden la identificación y determinación de las
variable a pronosticar y otras variables de influencia.
Algunas de las técnicas mas usadas pueden ser entre
otras:
 Regresión Múltiple
 Modelos Econométricos
 Título del gráfico
115
Xt Cumm X^t,t+1 M2 M4 M6 Naïve X^t,t+1
109 109 109 110
92 100.5 100.5 92
105
98 99.7 95.0 98

Título del eje

96 98.8 97.0 98.8 96 100
104 99.8 100.0 97.5 104
98 99.5 101.0 99.0 99.5 98 95
109 100.9 103.5 101.8 99.5 109 90
99 100.6 104.0 102.5 100.7 99
94 99.9 96.5 100.0 100.0 94 85
96 99.5 95.0 99.5 100.0 96
80
99.5 96.0 96.3 99.2 96
1 2 3 4 5 6 7 8 9 10
Título del eje

Series1 Series2 Series3 Series4 Series5

  ¿ tratamos la data histórica
diferente?
 El valor de la data se degrada
con el tiempo
¿Debemos  Dar mas peso a las observaciones
hacer algo mas recientes
Suavizamiento exponencial:
diferente? 
 Cada observación tiene un peso
 El peso disminuye
exponencialmente con el tiempo
de la data (mas antiguo, menos
peso).
 SUAVIZAMIENTO
EXPONENCIAL SIMPLE

Asume demanda estacionaria (sin tendencia ni

estacionalidad)
Nota: Archivo Excel.
 SUAVIZAMIENTO EXPONENCIAL CON
TENDENCIA

Asume demanda estacionaria con

tendencia (ni estacionalidad)
Conocido como método Holt
Nota: Archivo Excel.
 Series de tiempo

 Suavizamiento exponencial simple

 Asume demanda estacionaria (sin  Modelo Holt-Winter
tendencia ni estacionalidad)  Nivelación, tendencia y
 Suavizamiento exponencial con estacionalidad.
tendencia  Causales/correlacionales
 Asume demanda estacionaria con  Mediciones econométricas
tendencia (ni estacionalidad)  Indicadores
 Conocido como método Holt  Series de tiempo
 Doble suavizamiento exponencial  Aproximación “Caja negra”
 Asume demanda estacionaria con  El pasado predice el futuro
estacionalidad.  Identificar patrones
 COMPONENTE DE ESTACIONALIDAD
NONE ADDITIVE MULTIPLICATIVE
DE TENDENCIA

NONE Simple Doble suavizamiento

COMPONENTE

ADDITIVE holt Holt-Winter

ADDITIVE DAMPED Holt damped
MULTIPLICATIVE
MULTIPLICATIVE DAMPED