You are on page 1of 44

Entorno altamente incierto

La intuicin no necesariamente da
los mejores resultados
Mejorar la planeacin
Competitividad y cambio

Por su plazo: - De corto plazo
- De largo plazo
Segn el entorno a
pronosticar
- Micro
- Macro
Segn el
procedimiento
empleado
- Cualitativo
- Cuantitativo
1. Recopilacin de datos
2. Reduccin o condensacin
de datos
3. Construccin del modelo
4. Extrapolacin del modelo

Se requieren suficientes datos
histricos
Se apoyan en la suposicin de
que el pasado puede extenderse
hacia el futuro


Estadsticas Se enfocan en patrones y en
cambios en los patrones y
sus perturbaciones
Determinsticas Son de tipo causal,
establecen relacin entre
la variable a pronosticar y
otras variables
Los datos se pueden
descomponer en componentes
de tendencia, cclicos,
estacionales y aleatorios.
Modelos economtricos de series
de tiempo
Una serie de tiempo consta de
datos que se renen, registran u
observan sobre incrementos
sucesivos de tiempo.
Se requiere un enfoque
sistemtico para analizarlas.
Componente Descripcin
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminucin
en la serie sobre un periodo amplio.
Cclico Es la fluctuacin en forma de onda
alrededor de la tendencia.
Estacional Es un patrn de cambio que se repite a
s mismo ao tras ao.
Aleatorio Mide la variabilidad de las series de
tiempo despus de retirar los otros
componentes.
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 poblacin o la inflacin.
La serie se puede transformar en una serie
estable.
La serie es un conjunto de errores de
pronstico, de una tcnica de pronstico
que se considera adecuada.
Productividad creciente y nueva
tecnologa producen cambios.
El incremento de la poblacin elevan
la demanda por productos.
El poder de compra se afecta por la
inflacin.
Aumenta la aceptacin en el mercado
de un producto.
El clima influye en la variable de
inters.
El ao calendario influye en la
variable.
El ciclo del negocio influye sobre la
variable.
Cambios en el gusto popular.
Cambios en la poblacin.
Cambios en el ciclo de vida del
producto.
Se compara la precisin de dos o
ms tcnicas de pronstico.
Se mide la confiabilidad de una
tcnica de pronstico.
Se busca la tcnica ptima.
Periodo, t Yt Pronstico, Yt
1 58 -
2 54 58
3 60 54
4 55 60
5 62 55
6 62 62
7 65 62
8 63 65
9 70 63
www.auladeeconomia.com
t t t
t t
t
Y Y e
residual o pronstico del Error
Y para pronstico del valor Y
t periodo el en tiempo de serie una de valor Y

=
=
=
( )
n
Y Y
EMC
cuadrado medio Error
n
Y Y
DAM
media absoluta Desviacin
n
t
t t
n
t
t t

=
=

=
1
2
1

:
( )
n
Y
Y Y
PME
error de medio Porcentaje
n
Y
Y Y
PEMA
absoluto medio error de Porcentaje
n
t
t
t
n
t
t
t t

=
=

=
1
1

:
Estas tcnicas suponen que los
periodos recientes son los
mejores para pronosticar el
futuro.
El mtodo ms sencillo es el
mtodo del ltimo valor:
Pronstico = ltimo valor
t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6 64 51 13
Promedios simples:
Se obtiene la media de todos
los valores pertinentes, la
cual se emplea para
pronosticar el periodo
siguiente.
t Yt
1 42
2 52
3 54
4 65
5 51
6 64

Ps= D1+D2+D3++Dn
n
Y7=42+52+54+65+51+64 =54.667
6


Este mtodo no considera la media de
todos los datos, sino solo los ms
recientes.
Se puede calcular un promedio mvil
de n periodos.
El promedio mvil es la media
aritmtica de los n periodos ms
recientes para pronosticar el ao
siguiente.
t Yt n=3 (et)
1 42
2 52
3 54
4 65 49.33
5 51 57.00
6
7
64
?
56.67
60.00
53.7289
Darle un valor a n preferiblemente pequeo. Por
ejemplo n=3 para pronosticar la demanda del
ao siguiente
Promedio Mvil =sumatoria(n valores de datos ms recientes)
n
y7=54+65+51 =56.67
3
et=(64-56.67)=53.7289

y7=52+54+65+51 =55.5
4
et=(64-55.5)=72.25
podemos decir en conclusin que el mejor
pronstico es de 60 porque (et) es menor con
respecto a los otros datos.


El mtodo de suavizamiento exponencial
puede dar una ponderacin mayor a las
observaciones ms recientes.
Las ponderaciones se asigna mediante la
constante o, 0 < o < 1.
El modelo se expresa como:
pronstico = o (ltimo valor) + (1 - o)(ltimo
pronstico)
t Yt o=0.1
1 42
2 52 42
3 54 43.00
4 65 44.10
5 51 46.19
6 64 46.67
Y7=0.1x64+(1-0.1)x46.67=48.403

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 poblacin, cambios en la
productividad, cambios tecnolgicos, etc.
En este tipo de anlisis la variable
independiente es el tiempo.
El mtodo ms empleado para describir
una tendencia lineal es el de mnimos
cuadrados, para encontrar una lnea de
mejor ajuste para un conjunto de
puntos.
Y = a + bX
Y = valor pronosticado en un periodo X
a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)
Ao Periodo X Demanda (Y)
1994 1 35
1995 2 42
1996 3 48
1997 4 51
1998 5 54
1999 6 60
2000 7 71
2001 8 75
30
35
40
45
50
55
60
65
70
75
80
1994 1995 1996 1997 1998 1999 2000 2001
X Y XY X
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas
( )
n
x
b
n
y
a
x x n
y x xy n
b



=

=
2
2
t Yt Yt et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
9
Se puede calcular el coeficiente de
determinacin, a fin de evaluar qu tan correcta
es la estimacin de la recta de regresin.
El coeficiente de determinacin r se calcula
como:
| |
( ) | | ( ) | |
2
2
2 2
2
2




=
y y n x x n
y x xy n
r
Tambin es posible calcular intervalos
de confianza para la estimacin. Para
ello es necesario calcular el error
estndar de la estimacin.
2
2


=

n
xy b y a y
S
e
Nivel de
confianza
Z Frmula
68% 1 y Se
95% 2 y 2Se
99% 3 y 3Se
Permite conocer el comportamiento de
la variable dependiente y respecto al
tiempo x variable independiente. El
clculo respectivo se efecta mediante
la regla de tres, donde se determina el
porcentaje de variacin que
experimenta la variable estudiada en
relacin al ao anterior
Ejemplo






1.- Se calcula el aumento o disminucin del
consumo correspondiente al ao 1990, con
respecto al ao 1989 para ello, se aplica la
regla de tres simple.

Aos Demanda (en kilos)
1989
1990
1991
1992
1993
230
201
286
295
280
230 100%
201 X
X= 201x100
230
X=87,39%
Significa que el consumo en el ao 1990 lleg
al 87,39% de las efectuadas en el ao 1988, es
decir, la demanda decreci en 12,61% (87,39%-
100%= -12,61%)
La suma algebraica de las variaciones porcentuales es
igual a 27,73% que dividido entre 4 aos da como
resultado 6,49%
Aos Demanda Variacin %
1989
1990
1991
1992
1993
230
201
286
295
280
0.00
-12,61
42.28
3.14
-5.08
27.73
Con este porcentaje promedio, se efecta la
proyeccin para los aos siguientes,
aplicando la siguiente relacin
Dn=Do(1+i)
Dn=Demanda del ao proyectado
Do=Demanda inicial
i=Variacin porcentual
n=Ao para la proyeccin
Calculo de la proyeccin para el ao 1994
D1994=280
i=6.94%
D1994=280(1+0.0694)
D1994=299.443 Kilos
1