PRÁCTICA No. 2: PRONÓSTICOS (SEGUNDA PARTE)

Universidad de San CarlosFacultad de Ingeniería

FUNDAMENTO TEORICO

Familias Cíclicas (Series Estacionales)

Una serie de tiempo estacionaria es aquella cuyas propiedades estadísticas básicas, tales como la media y la varianza, permanecen constantes a lo largo del tiempo. En consecuencia, una serie que varía alrededor de un nivel fijo a lo largo del tiempo (sin crecimiento ni decremento) se dice que estacionaria.

Si una serie es estacional, se repite un mismo patrón año con año en fechas o periodos específicos del calendario. Las observaciones en las mismas fechas o periodos estacionales tienden a estar relacionada. Si se analizan los datos trimestrales con un patrón estacional, los primeros trimestres tienden a parecerse, igual que los segundos y así sucesivamente; entonces aparecerá un coeficiente de autocorrelación significativo en el retraso de cuatro periodos. Si se analizan los datos mensuales, un coeficiente de autocorrelación significativo aparecerá en el retraso de tiempo 12.

Técnicas de pronóstico para datos estacionales

Una forma de desarrollar pronósticos implica la selección de un método de descomposición multiplicativo o aditivo y, enseguida, la estimación de los índices estaciones a partir de la historia de la serie. Después, estos índices se utilizan para incluir la estacionalidad en los pronósticos o para eliminar sus efectos en los valores observados. Este último proceso se conoce como ajuste estacional de los datos.

Las técnicas de pronóstico para datos estacionales se usan siempre que:

El clima influya en la variable de interés. Los ejemplos son el consumo de energía eléctrica, las actividades de verano e invierno (por ejemplo, deportes como el esquí), la ropa y las temporadas de crecimiento agrícola.

El calendario anual influya en la variable de interés. Los ejemplos incluyen las ventas al menudeo influidas por los días festivos, los fines de semana de tres días y los calendarios escolares.

Las técnicas que deben considerarse al pronosticar series estacionales incluyen los modelos de descomposición clásica, estacional multiplicativo, censo X-12, de suavización exponencial de Winter, de regresión múltiple y ARIMA (métodos Box-Jenkins).

PRÁCTICA No. 2: PRONÓSTICOS (SEGUNDA PARTE)

Universidad de San CarlosFacultad de Ingeniería

Modelo Estacional MultiplicativoCuando nos encontramos con un caso con una marcada estacionalidad, se debe utilizar un método que lo contemple, como por ejemplo éste. Los pasos a seguir son:

1. Encontrar la demanda estacional media (sumando la demanda de esa estación cada año y dividiéndola entre el número de años de datos disponibles).

2. Calcular la demanda total media -a lo largo de todas las estaciones- (dividiendo la demanda media anual entre el número de datos anual).

3. Calcular un índice estacional (dividiendo la demanda estacional media de esa estación - calculado en “1”- por la demanda total media –calculado en “2”-).

4. Estimar la demanda anual de todo el año próximo.

5. Calcular el pronóstico para cada estación (dividiendo esta estimación de la demanda anual total entre el número de estaciones y entonces multiplicarla por el índice estacional de esa estación).

Familias Combinadas

Son Familias de Curvas que tienen cierta periodicidad en el tiempo pero también poseen una actitud creciente o decreciente (ascendente ó descendente). Para trabajar este tipo de familias se utiliza la mecánica de las Familias Cíclicas combinando los métodos de Familias de Regresión (debido a su actitud creciente). Para analizar estos dos tipos de Familias, se hace uso de los Índices Estacionales.

En este tipo de Familias se identifican todos aquellos productos que son dirigidos a segmentos de mercado con necesidades muy prácticas a corto plazo, de tal forma que su ciclo de vida es muy corto. En el momento en que empiezan a caer las ventas, la empresa lanza al mercado otro producto con innovaciones muy originales que va a sustituir el mercado del anterior, su característica es que al principio se tiene una gran demanda pero no pasa mucho tiempo para que empiece la etapa de descenso en la ventas. Ejemplo de estos productos, tenemos entre otros: Distribuidoras de productos al detalle, algunas empresas de motocicletas y bicicletas con diseño muy especial, productos que la tecnología los ha dejado obsoletos (máquinas de escribir, calculadoras) tienen un leve ascenso en sus ventas producto de rebajas y promociones especiales pero a la larga su curva de ventas va en descenso hasta salir del mercado consumidor, ropa de temporada, etc.

PRÁCTICA No. 2: PRONÓSTICOS (SEGUNDA PARTE)

Universidad de San CarlosFacultad de Ingeniería

Técnicas de pronóstico para datos estacionales

El efecto cíclico es definido como la oscilación alrededor de la tendencia. Es difícil hacer modelos de los patrones cíclicos puesto que es típico que sus patrones no sean estables. Las fluctuaciones ascendentes y descendentes como olas alrededor de las tendencias rara vez se repiten a intervalos fijos, y la magnitud de las fluctuaciones también tiende a variar. Los métodos de descomposición pueden extenderse para el análisis de datos cíclicos. Sin embargo, dado el comportamiento irregular de los ciclos, el análisis de un componente cíclico de una serie a menudo requiere que se encuentres indicadores económicos principales o fortuitos.

Las técnicas de pronósticos para datos cíclicos se utilizan siempre que:

El ciclo del negocio influya en la variable de interés. Los ejemplos pueden ser los factores económicos, de mercado y competitivos.

Haya cambios en los gustos populares. Ejemplos de ello son las modas, la música y la comida.

Se den cambio en la población. Los ejemplos son: guerras, hambrunas, epidemias y desastres naturales.

Ocurran cambios en el ciclo de vida de un producto. Los ejemplos son la introducción, crecimiento, maduración y saturación del mercado y su declive.

Las técnicas que deben considerarse cuando se pronostican series cíclicas incluyen los modelos de descomposición clásica, de indicadores económicos, econométricos, de regresión múltiple y ARIMA (métodos Box-Jenkins).

Método Estacional con Regresión

1. Se realiza un gráfico para la determinación de la familia a la que pertenece.2. Se evalúan ecuaciones estadísticas utilizadas en la familia de regresión para

determinar cuál de ellas posee el factor de correlación más cercano a uno, la expresión que represente el mejor factor de correlación.

3. Con el valor de la intersección según la expresión matemática, calcular un nuevo

conjunto de datos utilizando: V nuevas=V tabuladas−bt , siendo b el valor de la

intersección y t el periodo de tiempo.4. Con los datos obtenidos calcular índices estacionales.5. Calcular pronósticos de evaluación y determinar el error acumulado, se realiza una

comparación con los errores acumulados de otras familias en que las que se pueda aplicar acorde al comportamiento grafico de las ventas reales.

PRÁCTICA No. 2: PRONÓSTICOS (SEGUNDA PARTE)

Universidad de San CarlosFacultad de Ingeniería

6. Al comparar se elige el menor error acumulado y con el método seleccionado se procede a estimar la proyección futura del periodo que interesa conocer. Se debe de trabajar con la totalidad de las ventas reales proporcionadas.

BIBLIOGRAFÍA

1. Hanke, John E. (2006). Pronostico en los Negocios: Pearson Educación S.A.

2. Cohen, Roger. (2005). Gestión de Recursos, (En línea). Disponible en: Facultad de Ingeniería de Buenos Aires: http://materias.fi.uba.ar, Directorio: 7628/, Archivo: PronosticosTexto.pdf.

3. Casos De Aplicación. Control De La Producción. (2011). (En línea). Disponible en: Buenas Tareas: http://www.buenastareas.com/, Directorio: ensayos/Casos-De-Aplicación-Control-De-La, Archivo: 1412878.html