Professional Documents
Culture Documents
INGENIERIA INDUSTRIAL
ANALISIS DE DECISIONES.
SEMANA 4 P: El punto de equilibrio, su anlisis grafico.
Tablas de ingresos y egresos.
Dr. Ing Manuel Urcia Cruz.
Y t Yt
DAM t 1
n
Error medio cuadrado :
n
2
Yt Yt
EMC t 1
n
Modelos de series de
tiempo
Modelos no formales:
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
6.1. Mtodo del 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
6.2. Metodos de promedio
Promedios simples:
Se obtiene la media de todos los
valores pertinentes, la cual se
emplea para pronosticar el periodo
siguiente.
Promedios simples:
t Yt Yt+1
1 42
2 52 42
3 54 47.00
4 65 49.33
5 51 53.25
6 64 52.80
Promedios mviles:
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.
Promedios mviles:
promedio mvil
t Yt n=3 n=4
1 42
2 52
3 54
4 65 49.33
5 51 57.00 53.25
6 64 56.67 55.5
Metodos de suavizamiento
exponencial
El mtodo de suavizamiento exponencial puede dar
una ponderacin mayor a las observaciones ms
recientes.
Las ponderaciones se asigna mediante la constante
, 0 < < 1.
El modelo se expresa como:
pronstico = (ltimo valor) + (1 - )(ltimo pronstico)
Mtodos de suavizamiento
exponencial
t Yt =0.1 =0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
6 64 46.67 54.38
Descomposicin de series
de tiempo
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.
Tendencia lineal
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)
6.4.1. Tendencia lineal:
ejemplo
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
6.4.1. Tendencia lineal: ejemplo
www.auladeeconomia.com
6.4.1. Tendencia lineal:
ejemplo
X Y XY X
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
Sumas
Tendencia lineal: frmulas
n xy x y
b
n x x
2 2
a
y
b
x
n n
www.auladeeconomia.com
Tendencia lineal
t Yt Yt et
1 35
2 42
3 48
4 51
5 54
6 60
7 71
8 75
www.auladeeconomia.com9
6.4.1. Tendencia lineal
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:
n xy x y
2
n x x n y y
2
r 2 2 2 2
6.4.1. Tendencia lineal
Nivel de Z Frmula
confianza
68% 1 y Se
95% 2 y 2Se
99% 3 y 3Se
7. Aplicacin de varios mtodos a datos
desestacionalizados
Los datos muestran alguna tendencia creciente a lo largo
del tiempo, adems de una marcada estacionalidad. Se
proceder a desestacionalizar los datos, lo que permite
observar hasta donde las variaciones se deben a efectos
estacionales o bien, a otros factores.
El proceso de ajuste estacional se realizar a travs del
clculo de factores estacionales:
Factor estacional = Prom. periodo / prom. global
Ao Trim. Yt
1 1 13618
2 12930
3 13138
4 16532
2 1 14514
2 14128
3 15568
4 17448
3 1 13984
2 13644
3 15898
4 19300
7. Aplicacin de varios mtodos a
datos desestacionalizados
20000
19000
18000
17000
16000
15000
14000
13000
12000
11000
10000
1 2 3 4 1 2 3 4 1 2 3 4
Trim estres
Aplicacin de varios mtodos a
datos desestacionalizados
Ao
1 2 3 Factor
T Suma Prom Estac.
1 13618 14514 13984 42116 10529 0.9323
2 12930 14128 13644 40702 10175 0.9010
3 13138 15568 15898 44604 11151 0.9873
4 16532 17448 19300 53280 13320 1.1794
Total 45175.50
Prom. 11293.88
Ao Trim. Yt Yt ajust.
1 1 13618.00 14607.27
2 12930.00 14351.12
3 13138.00 13306.33
4 16532.00 14017.29
2 1 14514.00 15568.36
2 14128.00 15680.79
3 15568.00 15767.47
4 17448.00 14793.96
3 1 13984.00 14999.86
2 13644.00 15143.59
3 15898.00 16101.70
4 19300.00 16364.25
Aplicacin de varios mtodos a
datos desestacionalizados
Se aplican varios mtodos de pronstico para
finalmente seleccionar el mejor pronstico.
A. Mtodo de pronstico del ltimo valor
B. Promedios mviles
C. Suavizamiento exponencial
D. Suavizamiento exponencial con tendencia
Otros mtodos:
Modelos de tendencia con ajuste estacional
Modelo de promedios mviles integrados
autorregresivos (ARIMA o Box-Jenkins)
Pronsticos causales (modelos economtricos)
Mtodos de pronsticos subjetivos