ppt_pronóstico de ventas-series de tiempo
TRANSCRIPT
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
1/31
1Ing Odar Florin Castillo.
PRONOSTICO DEVENTAS
SERIES DE TIEMPO
08/09/2013
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
Ing Odar Florin Castillo.4
DMA
erroresoSeguimientdeSeal
EVALUACION DE LOSPRONOSTICOS
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
5/31
5
Ing Odar Florin Castillo.5
COMPONENTES DE LAS SERIESDE TIEMPO
Tendencia Cclica
Estacional Aleatorio
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
6/31
6
Ing Odar Florin Castillo.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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
7/317
Ing Odar Florin Castillo.7
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
9/319
Ing Odar Florin Castillo.
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
10/3110
Ing Odar Florin Castillo.
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
11/3111
Ing Odar Florin Castillo.
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
12/3112
Ing Odar Florin Castillo.
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
13/3113
Ing Odar Florin Castillo.
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
Ing Odar Florin Castillo.
EJEMPLO DE PROMEDIO MVILSIMPLE
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
Ing Odar Florin Castillo.
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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 +
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
Ing Odar Florin Castillo.
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
EJEMPLO DE SUAVIZADOEXPONENCIAL
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
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)
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
30/31
30
oQu aprendimos Hoy ?
oComo aplicaran este conocimiento aldesarrollo de su profesin ?
Ing Odar Florin Castillo.
30
METACOGNICION
-
7/23/2019 PPT_Pronstico de Ventas-series de Tiempo
31/31
Ing Odar Florin Castillo.
31
Muchas gracias
Nunca te permitas terminar un da
en el que puedas decir Lo har
mejor maana. Brigham Young