ppt_pronóstico de ventas-series de tiempo

7/23/2019 PPT_Pronstico de Ventas-series de Tiempo

1/31

1Ing Odar Florin Castillo.

PRONOSTICO DEVENTAS

SERIES DE TIEMPO

08/09/2013


2/31

2

Modelos matemticos para analizar el modelo dela demanda:

Mtodo grfico

Promedio simple

Promedio mvil y mvil ponderadoSuavizamiento exponencial

)F-(xFF ttt1t

Ing Odar Florin Castillo.2

SERIES TEMPORALES


3/31

3

Modelos matemticos para analizar la historia de lademanda incluyendo factores externos:Anlisis de regresin

Modelos economtricos

Ing Odar Florin Castillo.

...xxy 22110

3

MODELOS CAUSALES


4/31

4

Exactitud de los pronsticos: Error medio o sesgo o tendencia

Error cuadrado medio

Desviacin media absoluta Desviacin estndar

Seal de seguimiento o de rastreo


DMA

erroresoSeguimientdeSeal

EVALUACION DE LOSPRONOSTICOS


5/31

5


COMPONENTES DE LAS SERIESDE TIEMPO

Tendencia Cclica

Estacional Aleatorio


6/31

6


Tedencia (T) es el movimiento gradual,ascendente o descendente, de los datos a travsdel tiempo.

Estacionalidad (S) es el patrn de datos que se

repite a si mismo despus de un perodo de dias,semanas, meses, trimestres, estaciones, etc. perodentro del ao..

Ciclos (C) son patrones que ocurren en los datos

cada varios aos. Variacin al azar (R) son variaciones aleatorias

que no obedecen a ningun comportamiento.

DESCOMPOSICION DE SERIESDE TIEMPO


7/317


DEFINICION: Una tendencia es el movimientogradual hacia arriba o hacia debajo de los datosen el tiempo.

Las tendencias son montonas , pero no siempre

lineales; pueden ser logartmica o exponenciales. Las tendencias reflejan los cambios en la

tecnologa, los estndares de vida, los ndices depoblacin ,etc..

TENDENCIA


8/31

DEFINICION: La temporada es la

variacin que se repite a intervalosfijos. Pueden durar un ao o solounas pocas horas.

Las variaciones de temporada

pueden corresponder a lasestaciones del ao, a los dasfestivos o a diferentes momentos delda o la semana.

Ing Odar Florin Castillo 8

ESTACIONALIDAD


9/319


9

Perodo de tiempo Nmero dedel Patrn donde Longitud de la Estaciones en

es repetido Estacin el Patrn

Ao Trimestre 4Ao Mes 12Ao Semana 52Mes Semana 4

Mes Dia 28-31Semana Dia 7

VARIACIONES ESTACIONALES


10/3110


10

DEFINICION: La variacin cclica tieneuna duracin de por lo menos un ao;la variacin varia de un ciclo a otro.Las alzas y las bajas de la economa ode una industria especifica serepresentan en variaciones cclicas .El ciclo de negocios que se repite decinco a diez aos es un ejemplo.

VARIACIONES CICLICAS


11/3111


11

Las variaciones aleatorias son variacionesen la demanda que no pueden explicarsemediante tendencias , variaciones detemporada o variaciones cclicas.Un suceso impredecible, como una guerra,una huelga, un terremoto o partes delegislacin, puede causar grandesvariaciones aleatorias. A diferencia de las

otras tendencias , la variacin aleatoriasiempre esta presente.

VARIACIONES ALEATORIAS


12/3112


12

Modelo Multiplicativo de una serie de tiempo:At = Tt * St * Ct * Et

Modelo Aditivo de una serie de tiempo:

At = Tt + St + C + Et

Donde :At=Demanda real en el perodo tTt= Componente de tendencia para el perodo t.

St= Componente de temporada para el perodo t.Ct= Componente de ciclo para el perodo t.Et= Componente aleatoria o error para el perodo t.

MODELOS DE SERIES DETIEMPO


13/3113


13

Se utiliza para calcular la demanda promedio de losltimos n perodos y como prediccin para elsiguiente perodo.

Promedio mvil simple:

(At + A t-1 + A t-2 +....+A t-n +1 )Ft=n

Donde :Ft = prediccin para el perodo t+1

At = demanda real para el perodon = nmero de perodos por promediar

PROMEDIO MOVIL SIMPLE


14/31

AoVentas

Yi

Total(n = 3)

PromedioPara. (n= 3)

2005 42006 6

2007 5

NA NANA NA

NA NA

2008 32009 7

2010 NA

4 + 6 + 5 = 15

Ing Odar Florin Castillo. 14

EJEMPLO DE PROMEDIO MVILSIMPLE


15/31

15

AoVentas

Yi

Total(n = 3)

PromedioPara. n= 3)

2005 4 NA NA2006 6 NA NA

2007 5 NA NA

2008 3 4 + 6 + 5 = 15 15/3 = 5.02009 7

2010 NA

6 + 5 + 3 = 14


EJEMPLO DE PROMEDIO MVILSIMPLE


16/31

16

AoVentas

Yi

Total(n = 3)

PromedioPara. n= 3)

2005 4 NA NA2006 6 NA NA

2007 5 NA NA

2008 3 4 + 6 + 5 = 15 15/3 = 5.02009 7 6 + 5 + 3 = 14 14/3 = 4.7

2010 NA 5 + 3 + 7 = 15 15/3 = 5.0



17/31

Se utiliza cuando existe una tendencia o patrn, lospesos pueden ser utilizados para poner mayornfasis en datos recientes.

Promedio de mvil ponderado:

Ft= (Peso para el periodo n)(Demanda periodo n)pesos

Donde :

Ft = prediccin para el perodo nn = nmero de perodos por promediar

Ing Odar Florin Castillo. 17

PROMEDIO MOVIL PONDERADO


18/31

Los modelos de suavizado, como el promedio dedesplazamiento simple y la suavizado exponencial,pueden proporcionar predicciones razonables a cortoplazo con rapidez y a bajo costo.

Suavizacin exponencial: Ft= Ft-1 +(A t-1 - F t - 1)Donde : F t = prediccin para el perodo t

F t - 1 = prediccin para el perodo t - 1 At1 = Demanda real para el perodo t - 1 = constante de suavizacin (0


19/31

19

Se tiene los siguientes datos de ventas de unproducto. Se espera pronosticar la atencindel ao 2013 usando el suavizadoexponencial.Considere: ( = .10).

En 2008 el pronstico fu 175.2008 1802009 1682010 1592011 1752012 190


EJEMPLO DE SUAVIZADOEXPONENCIAL


20/31

20

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao ActualPronstico Ft

(a = .10)

2008 180 175.00 (Base)

2009 168

2010 159

2011 175

2012 190

2013 NA

175.00 +




21/31

21

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(

2010 159

2011 175

2012 190

2013 NA

Pronstico

175.00 (Base)




22/31

22

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(180 -

2010 159

2011 175

2012 190

2013 NA

Pronstico

175.00 (Base)




23/31

23

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(180 - 175.00)

2010 159

2011 175

2012 190

2013 NA

Pronstico

175.00 (Base)




24/31

24

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

( = .10)

2008 180

2009 168 175.00 + .10(180 - 175.00) = 175.50

2010 159

2011 175

2012 190

2013 NA

Pronstico

175.00 (Base)




25/31

25

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(180 - 175.00) = 175.50

2010 159 175.50 + .10(168 - 175.50) = 174.75

2011 175

2012 190

2013 NA

Pronstico

175.00 (Base)




26/31

26

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(180 - 175.00) = 175.50

2010 159 175.50 + .10(168 - 175.50) = 174.75

2011 175

2012 190

2013 NA

174.75 + .10(159 - 174.75) = 173.18

Pronstico

175.00 (Base)




27/31

27

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(180 - 175.00) = 175.50

2010 159 175.50 + .10(168 - 175.50) = 174.75

2011 175 174.75 + .10(159 - 174.75) = 173.18

2012 190 173.18 + .10(175 - 173.18) = 173.36

2013 NA

Pronstico

175.00 (Base)




28/31

28

Ft

= Ft-1 + a (At-1 - Ft-1)

Ao Actual Ft

(a = .10)

2008 180

2009 168 175.00 + .10(180 - 175.00) = 175.50

2010 159 175.50 + .10(168 - 175.50) = 174.75

2011 175 174.75 + .10(159 - 174.75) = 173.18

2012 190 173.18 + .10(175 - 173.18) = 173.36

2013 NA 173.36 + .10(190 - 173.36) = 175.02

Pronstico

175.00 (Base)



29/31

29

n

Suma de Desviacin absoluta para n periodos

=MAD

n

Demanda pronosticada-Demanda actual

=MAD

n

1=i

DESVIACIN MEDIA ABSOLUTA(MAD)


30/31

30

oQu aprendimos Hoy ?

oComo aplicaran este conocimiento aldesarrollo de su profesin ?


30

METACOGNICION


31/31


31

Muchas gracias

Nunca te permitas terminar un da

en el que puedas decir Lo har

mejor maana. Brigham Young

ppt_pronóstico de ventas-series de tiempo

Documents