Los pronósticos suelen tener errores, pero hoy veremos la forma más de encontrar el método que más se acerque al comportamiento de nuestra organización.
Esta técnica ajusta una recta de
tendencia a una serie de datos
puntuales históricos, y después
proyecta dicha recta al futuro para
obtener pronósticos de mediano y
largo plazos
ECUACIÓN
Y^= a+bx
Y = valor de la variable a
encontrar a = intersección con
el eje Y b = pendiente de la
recta de regresión X = variable
independiente
Encontrar valores de b:
?=Σ??−??̅?̅
/Σ?2−??̅2
VARIACIONES ESTACIONALES
EN LOS DATOS Hay productos
cuya demanda es irregular y
presenta picos estacionales,
para los que se calculan índices
estacionales
Modelo estacional
multiplicativo
1) Encontrar la demanda histórica promedio de cada
estación 2) Calcular la demanda promedio de todos los
meses 3)Calcular un índice estacional para cada estación
dividiendo la demanda histórica real de ese mes 4) Estimar
la demanda total anual para el siguiente año 6)Dividir esta
estimación de la demanda total anual entre el número de
estaciones, después multiplicarla por el índice estacional
para ese mes.
Error cuadrático
medio (MSC)
Error porcentual
absoluto medio
(MAPE)
Métodos asociativos de
pronósticos: Análisis
De Regresión Lineal
ECUACIÓN Y^= a+bx
a = intersección con el eje y b =
pendiente de la recta de regresión
(o la tasa de cambio en y para los
cambios dados en x) x = variable
independiente (que en este caso es
el tiempo)
NOTAS: Todos los métodos deben graficarse en
una gráfica de tendencias que demuestra el
comportamiento de la demanda. La elección del
método debe ser fundamentado en el que más se
adapta al comportamiento historico de la
demanda real versus la pronósticada.