Info Lona

Resumen
Contenido
Introducción .................................................................................................................................. 3
Marco Teórico ............................................................................................................................... 4
1. Pronostico....................................................................................................................... 4
1.1 Método de tendencia ............................................................................................. 4
1.2 Regresión lineal por Mínimos cuadrados ......................................................... 4
1.3 Exponencial ............................................................................................................ 5
1.4 Atención Exponencial ................................................................................................ 6
1.5 Promedio Móvil............................................................................................................ 6
1.6 Correlación ................................................................................................................... 7
Metodología .................................................................................................................................. 9
Concentrado de datos ............................................................................................................... 9
Método de tendencia .............................................................................................................. 10
Mínimos cuadrados ................................................................................................................. 11
Exponencial ........................................................................................................................... 13
Atención Exponencial ........................................................................................................... 15
Promedio Móvil.................................................................................................................... 18
Correlación ........................................................................................................................... 21
Introducción
Pronostico es un método mediante el cual se intenta conocer el comportamiento

futuro de alguna variable con algún grado de certeza. Existen disponibles tres
grupos de métodos de pronósticos: Los cualitativos, los de proyección históricos y
los causales. Se diferencian entre sí por la precisión relativa del pronóstico del largo
plazo en comparación con el corto plazo, el nivel de herramientas matemáticas
requerido y la base de conocimiento como sustrato de sus proyecciones.
Los pronósticos se utilizan para apoyar a la toma de decisiones por parte de las
Gerencias de Mercadeo, Ventas y Producción, se entrega un pronóstico para
proveer con información congruente y exacta, la cual se calcula utilizando modelos
matemáticos de pronóstico, datos históricos del comportamiento de las ventas y el
juicio de los ejecutivos representantes de cada departamento involucrado de la
empresa.
No existe evidencia de que los pronósticos basados sólo en juicios no sean tan
precisos como aquellos que emplean la cabal aplicación de técnicas cuantitativas:
El ser humano posee un conocimiento único e información interior que no están

disponibles en los métodos cuantitativos. Sin embargo, de manera sorprendente.
Estudios empíricos y experimentos de laboratorio han demostrado que sus
pronósticos no son más precisos que los de los métodos cuantitativos.
El ser humano tiende a ser optimista y subestimar la incertidumbre del futuro.

Además, el costo del pronóstico con métodos de juicio es a menudo
considerablemente más alto que cuando se utilizan métodos cuantitativos.
Creemos que quien pronostica de manera más efectiva es capaz de formular una
hábil mezcla de buen juicio y técnicas de pronóstico cuantitativas, así como el evitar
el caso extremo de la total dependencia en alguno de ellos.
Marco Teórico
1. Pronostico
Estos pronósticos utilizan modelos matemáticos con los que se analizan los resultados
pasados de las ventas de una empresa. Estos modelos suponen que los datos históricos
son relevantes en el futuro, por lo tanto es necesario conocer los datos de ventas pasados
y los patrones de demanda.
1.1 Método de tendencia

El método de tendencia es el método de análisis que consiste en observar el
comportamiento de los diferentes rubros del Balance general y del Estado de
resultados, para detectar algunos cambios significativos que pueden tener su origen
en errores administrativos.
Este método nos permite conocer la dirección y velocidad de los cambios que se
han dado en la situación financiera de la empresa a través del tiempo, por lo que se
considera como un método de análisis horizontal.
Nos ayuda a la detección de fallas; pero es solamente un método exploratorio, por

lo que siempre es necesario investigar más a fondo para encontrar las causas de
las fallas.
Es necesario determinar los cambios sufridos en los saldos de los rubros de los
estados financieros que nos interesa analizar.
La aplicación de este método requiere de la elección de un año base que te va a

servir como referencia o punto de partida de tus cálculos para poder observar la
tendencia que está siguiendo cada concepto.
Mediante este método, se puede determinar la propensión relativa y absoluta de las

cifras plasmadas en los estados financieros de la empresa. Desde luego que los
conceptos deberán ser homogéneos.
Es recomendable tomar en cuenta las siguientes consideraciones mínimas que

deberán observarse en su aplicación.
1.2 Regresión lineal por Mínimos cuadrados

El método de los mínimos cuadrados se utiliza para calcular la recta de regresión
lineal que minimiza los residuos, esto es, las diferencias entre los valores reales y
los estimados por la recta. Se revisa su fundamento y la forma de calcular los
coeficientes de regresión con este método.
El modelo de regresión lineal posibilita, una vez establecida una función lineal,
efectuar predicciones sobre el valor de una variable Y sabiendo los valores de un
conjunto de variables X1, X2,… Xn. A la variable Y la llamamos dependiente, aunque
también se la conoce como variable objetivo, endógena, criterio o explicada. Por su
parte, las variables X son las variables independientes, conocidas también como
predictoras, explicativas, exógenas o regresoras.
Cuando hay varias variables independientes nos encontramos ante un modelo de

regresión lineal múltiple, mientras que cuando hay solo una hablaremos de la
regresión lineal simple. Por hacerlo más sencillo, nos centraremos, cómo no, en la
regresión simple, aunque el razonamiento vale también para la múltiple.
Como ya hemos dicho, la regresión lineal requiere eso, que la relación entre las dos
variables sea lineal, así que puede representarse mediante la siguiente ecuación de
una línea recta:
Aquí nos encontramos con dos amigos nuevos acompañando a nuestras variables
dependiente e independiente: son los coeficientes del modelo de regresión.
β0 representa la constante del modelo (también llamada intercepto) y es el punto
donde la recta corta el eje de ordenadas (el de las Y, para entendernos bien).
Representaría el valor teórico de la variable Y cuando la variable X vale cero.
1.3 Exponencial
El argumento de la función exponencial puede ser cualquier número real o complejo
o incluso un tipo de objeto matemático completamente diferente (por ejemplo, una
matriz).
Su omnipresente aparición en matemáticas puras y aplicadas ha llevado al
matemático W. Rudin a opinar que la función exponencial es "la función más
importante en matemáticas". En los ajustes aplicados, las funciones exponenciales
modelan una relación en la que un cambio constante en la variable independiente
proporciona el mismo cambio proporcional (es decir, aumento o disminución de
porcentaje) en la variable dependiente. Esto ocurre ampliamente en las ciencias
naturales y sociales; por lo tanto, la función exponencial también aparece en una
variedad de contextos dentro de la física, la química, la ingeniería, la biología
matemática y la economía.
La gráfica de Y=ex está inclinada hacia arriba, y aumenta más rápido a medida
que x aumenta. El gráfico siempre se encuentra por encima del eje x, pero puede
estar arbitrariamente cerca de él para x negativo; Así, el eje x es
una asíntota horizontal. La pendiente de la tangente a la gráfica en cada punto es
igual a su coordenada y en ese punto, como lo indica su función derivada.
Su función inversa es el logaritmo natural, log, ln o loge denotado o debido a esto,
algunos textos antiguos se refiere a la función exponencial como el antilogaritmo.
1.4 Atención Exponencial

La atención exponencial utiliza un promedio ponderado de valores de series de
tiempo pasadas como pronóstico.
La fórmula muestra que el pronóstico para el periodo t+1 es un promedio ponderado
del valor real en el periodo t y el pronóstico para el periodo t.
Es un caso especial del método de promedios móviles ponderados en el cual
seleccionamos sólo un peso, el peso para la observación más reciente. Los pesos
para los demás valores se calculan de forma automática y se vuelven cada vez más
pequeños a medida que las observaciones se alejan en el pasado.
Podemos demostrar que el pronóstico de la atencion exponencial para cualquier
periodo también es un promedio ponderado de todos los valores reales previos.
1.5 Promedio Móvil

El método de los promedios móviles utiliza el promedio de los k valores de datos
más recientes en la serie de tiempo como el pronóstico para el siguiente periodo.
El término móvil indica que, mientras se dispone de una nueva observación para la
serie de tiempo, reemplaza a la observación más antigua de la ecuación anterior y
se calcula un promedio nuevo.
Como resultado, el promedio cambiará, o se moverá, conforme surjan nuevas
observaciones
 Se promedian solo las últimas observaciones
 El orden se determina
 Un orden grande elimina los picos (suaviza)
 Un orden pequeño permite seguir muy de cerca los cambios de corto plazo
Precisión del pronóstico. Una consideración importante en la selección de un
método de elaboración de pronósticos es la precisión del pronóstico. Desde luego,
queremos pronosticar que los errores sean menores.
Las últimas dos columnas de la tabla que contienen los errores de pronóstico y los
errores de pronóstico al cuadrado, se pueden utilizar para desarrollar medidas de la
precisión del pronóstico.
En el método de promedios móviles, cada observación en el cálculo recibe el mismo
peso.
Una variación, conocida como promedios móviles ponderados, consiste en
seleccionar diferentes pesos para cada valor de datos y luego calcular un promedio
ponderado de los k valores de datos más recientes como el pronóstico.
En la mayoría de los casos la observación más reciente recibe el mayor peso, y el
peso disminuye para los valores de datos más antiguos. Por ejemplo, para la serie
de tiempo de las ventas de nafta semanal el cálculo de un promedio móvil
ponderado de tres semanas, donde la observación más reciente recibe un peso del
triple del peso dado a la observación más antigua y la siguiente observación más
antigua recibe un peso del doble que la observación más antigua.
1.6 Correlación
La correlación describe datos que varían conjuntamente
La correlación es útil para describir relaciones simples entre datos. Por ejemplo,
imaginemos que está consultando un conjunto de datos sobre campings en un
parque de montaña. Se quiere averiguar si hay una relación entre la altura del
camping (qué tan alto está en la montaña) y la temperatura máxima promedio
durante el verano.
Para cada camping se tienen dos mediciones: la elevación y la temperatura. Si usa
la correlación para comparar estas dos variables en toda la muestra, se puede ver
que hay una relación lineal: cuanto más sube la altura, más baja la temperatura.
Estas variables tienen una correlación negativa.
¿Qué significan los números de las correlaciones?
Describimos la correlación mediante una medida sin unidades llamada coeficiente
de correlación, que va desde -1 a +1 y se indica mediante la letra r. La significancia
estadística se indica mediante un valor p. Por tanto, usualmente las correlaciones
se escriben con dos números clave: r = y p = .
Cuanto más se aproxima r a cero, más débil es la relación lineal.
Los valores de r positivos indican una correlación positiva, en la que los valores de
ambas variables tienden a incrementarse juntos.
Los valores de r negativos indican una correlación negativa, en la que los valores
de una variable tienden a incrementarse mientras que los valores de la otra variable
descienden.
El valor p aporta evidencia de que podemos concluir de manera significativa que es
probable que el coeficiente de correlación de la población sea diferente a cero,
basándonos en lo que hemos observado en la muestra.
"Medida sin unidades" significa que la correlación tiene su propia escala: en nuestro
ejemplo, el número de r no está en la misma escala que la altura ni que la
temperatura. Esto es diferente a otros estadísticos de resumen. Por ejemplo, la
media de las medidas de altura está en la misma escala que su variable.

Info Lona

Cargado por

Copyright:

Formatos disponibles

Info Lona

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Info Lona

Cargado por

Copyright:

Formatos disponibles

Resumen

Pronostico es un método mediante el cual se intenta conocer el comportamiento

El ser humano posee un conocimiento único e información interior que no están

El ser humano tiende a ser optimista y subestimar la incertidumbre del futuro.

1.1 Método de tendencia

Nos ayuda a la detección de fallas; pero es solamente un método exploratorio, por

La aplicación de este método requiere de la elección de un año base que te va a

Mediante este método, se puede determinar la propensión relativa y absoluta de las

Es recomendable tomar en cuenta las siguientes consideraciones mínimas que

1.2 Regresión lineal por Mínimos cuadrados

Cuando hay varias variables independientes nos encontramos ante un modelo de

1.4 Atención Exponencial

1.5 Promedio Móvil

También podría gustarte