PROMEDIO MÓVIL

PONDERADO

Este método de pronóstico es una variación del promedio móvil. Mientras, en el
promedio móvil simple se le asigna igual importancia a cada uno de los datos que
componen dicho promedio, en el promedio móvil ponderado podemos asignar
cualquier importancia (peso) a cualquier dato del promedio (siempre que la
sumatoria de las ponderaciones sean equivalentes al 100%). Es una práctica
regular aplicar el factor de ponderación (porcentaje) mayor al dato más reciente.

¿Cuándo utilizar un pronóstico de promedio
móvil ponderado?
El pronóstico de promedio móvil ponderado es óptimo para patrones de demanda
aleatorios o nivelados donde se pretende eliminar el impacto de los elementos
irregulares históricos mediante un enfoque en períodos de demanda reciente,
dicho enfoque es superior al del promedio móvil simple.

Modelo de Promedio Móvil Ponderado Fórmula Promedio de ventas en unidades en el período t .

Sumatoria de datos Factor de ponderación Ventas o demandas reales en unidades de los períodos anteriores a t Número de datos .

Período Ventas (unidades) Ponderación Mes 1 100000 10% Mes 2 90000 20% Mes 3 105000 30% Mes 4 95000 40% Solución En este caso el primer paso consiste en multiplicar a cada período por su correspondiente factor de ponderación. . Determinar el pronóstico para el período 5. para así obtener tu pronóstico según la cantidad de períodos móviles ponderados (hasta los últimos 4 períodos) para el período siguiente (a partir del período número 2) de forma automática. 30%. 20% y 10%). En el siguiente formato tan sólo deberás registrar las cantidades reales en las celdas verdes y sus respectivas ponderaciones. 3 o 4 períodos. Podemos así determinar que el pronóstico de ventas para el período 5 es equivalente a 97500 unidades. luego efectuar la sumatoria de los productos.Ejemplo de aplicación de un pronóstico de Promedio Móvil Ponderación Un almacén ha determinado que el mejor pronóstico se encuentra determinado con 4 datos y utilizando los siguientes factores de ponderación (40%. dependiendo si se ponderarán los últimos 2.

por tal razón. ¿Cuándo utilizar un pronóstico de regresión lineal? El pronóstico de regresión lineal simple es un modelo óptimo para patrones de demanda con tendencia (creciente o decreciente). es decir.REGRESIÓN LINEAL O MÍNIMOS CUADRADOS El modelo de pronóstico de regresión lineal permite hallar el valor esperado de una variable aleatoria a cuando b toma un valor específico. . se hace indispensable que previo a la selección de este método exista un análisis de regresión que determine la intensidad de las relaciones entre las variables que componen el modelo. La aplicación de este método implica un supuesto de linealidad cuando la demanda presenta un comportamiento creciente o decreciente. patrones que presenten una relación de linealidad entre la demanda y el tiempo.

comúnmente identificado como r o R . . Para poder realizar esta relación. la forma funcional que más se utiliza en la práctica es la relación lineal.Existen medidas de la intensidad de la relación que presentan las variables que son fundamentales para determinar en qué momento es conveniente utilizar regresión lineal. El análisis de regresión entonces determina la intensidad entre las variables a través de coeficientes de correlación y determinación. Análisis de regresión El objetivo de un análisis de regresión es determinar la relación que existe entre una variable dependiente y una o más variables independientes. cuyo valor varía entre -1 y +1. se debe postular una relación funcional entre las variables. Cuando se trata de una variable independiente. es una medida de asociación entre las variables aleatorias X y Y. Coeficiente de correlación [r] El coeficiente de correlación.

El cálculo del coeficiente de correlación se efectúa de la siguiente manera: Dónde t hace referencia a la variable tiempo y x a la variable demanda. Modelo de Regresión Lineal Simple Fórmulas Pronóstico del período t .

.Intersección de la línea con el eje Pendiente (positiva o negativa) Período de tiempo Donde ...

. La información del . Ejemplo de aplicación de un pronóstico de Regresión lineal Simple La juguetería Gaby desea estimar mediante regresión lineal simple las ventas para el mes de Julio de su nuevo carrito infantil "Mate"..Promedio de la variable dependiente (Ventas o Demanda) Promedio de la variable independiente (Tiempo) Donde .

para ello efectuamos los siguientes cálculos: . Mes Ventas 1 Enero 7000 2 Febrero 9000 3 Marzo 5000 4 Abril 11000 5 Mayo 10000 6 Junio 13000 El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente.comportamiento de las ventas de todos sus almacenes de cadena se presenta en el siguiente tabulado.

para ello efectuamos los siguientes cálculos: Ya por último. . determinamos el pronóstico del mes 7.Luego. y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a. para ello efectuamos el siguiente cálculo: Podemos así determinar que el pronóstico de ventas para el período 7 es equivalente a 13067 unidades.