Académique Documents
Professionnel Documents
Culture Documents
Consenso de un panel
Estudio o
mercado
Analoga histrica
Pronstico
visionario
construccin de escenarios.
investigacin
CUANTITATIVOS
Anlisis de series de tiempo:
Promedios mviles
Suavizacin exponencial
Mtodo de Box-Jenkins
de Descomposicin de series de
tiempo
Modelos causales o explicativos
Modelos de regresin
o Tasa de crecimiento
Crecimiento exponencial
Modelos economtricos
Modelos de insumo-producto o
entrada-salida
Mtodo Delphi
Consenso de un panel
Analoga histrica
Mendenhall, William; Reinmuth, James; Beaverm Robert J. Statistics for Management and
Economics, 7 ed. Ed. Duxbury Press. California, U:S:A: 1978. Pg. 709.
probabilidad de que un producto nuevo tenga xito, tomando como parmetro las
ventas histricas de un producto similar introducido en el pasado, por lo que slo
se puede aplicar paras analizar productos pertenecientes a ambientes de mercado
similares.
EXACTITUD
Mala Regular Buena
X
X
X
X
X
Bajo
COSTO
Medio
X
Alto
X
X
X
X
6. 2 METODOS CUANTITATIVOS
Los mtodos cuantitativos son ms exactos que los cualitativos debido a que la
informacin que utilizan se puede manipular de manera numrica, por lo que es
conveniente aplicarlos cuando:
a) Existen datos numricos referentes al comportamiento histrico de la
variable que se desea pronosticar.
b) Se cuenta con informacin estadstica que permite especificar las
relaciones existentes entre las variables dependientes e independientes
que son relevantes para el pronstico.
c) Existe una suposicin de consistencia; es decir, se puede suponer que el
patrn de comportamiento de una variable se repetir en el futuro.
Los mtodos cuantitativos de pronstico se clasifican en anlisis de series de
tiempo y modelos causales.
6.2.1. Anlisis de series de tiempo
Variacin cclica
4
Pt 1
( X 1 X t 1 X t 2 ... X t N 1 )
N
donde::
Pt+1
Xt
N
Pt 1 aX 1 (1 a) Pt
Donde:
Pt+1
a
6
Xt
Pt
Y = f(x) + E
Donde:
y = variable dependiente (explicada por la variable independiente)
x = variable independiente (explica a la variable dependiente)
E = error o residuo (factores aleatorios que explican a la variable dependiente)
El anlisis de regresin es una tcnica que permite estimar, mediante el mtodo
de mnimos cuadrados, una ecuacin que se puede utilizar para pronosticar el
valor de una variable dependiente a partir del valor de una o ms variables
independientes. Las ecuaciones de prediccin que se obtienen con los modelos de
regresin son como la siguiente:
y 1 x1 2 x2 3 x3 ... n xn
Donde:
y = variable dependiente que se desea pronosticar
= ordenada al origen
n = parmetro de estimacin; muestra la relacin que existe entre la variable
independiente
xn ya la variable dependiente.
xn = variable independiente (pueden existir de 1 a n variables independientes)
(.) Excel permite calcular automticamente el valor de la ordenada al origen y
de los parmetros, as como generar la ecuacin de prediccin en la que deben
sustituirse los valores futuros de las variables independientes para calcular el valor
pronosticado de la variable dependiente. Las funciones estadsticas de Excel
PRONSTICO y TENDENCIA, se pueden utilizar para generar ecuaciones de
prediccin con el mtodo de mnimos cuadrados.
Por lo general, los modelos de regresin se usan para pronosticar ventas y
variables financieras como las tasas de inters.
2. Tasa de crecimiento
Permite encontrar el valor futuro de una variable a partir de un valor inicial de
dicha variable y de una tasa de crecimiento esperada, que generalmente se
expresa en trminos porcentajes. La expresin matemtica que caracteriza a este
mtodo de pronstico es la siguiente:
xn = x1(1 + r)n-1
Donde:
xn = valor pronosticado de la variable para el periodo n
x1 = valor inicial de la variable (periodo 1)
r = tasa de crecimiento esperada para la variable
n = periodo para el cual se realiza el pronstico
Es muy comn utilizar la tasa de crecimiento para pronosticar niveles de ventas,
costos y gastos.
3. Crecimiento exponencial
Este mtodo utiliza observaciones histricas de la variable que se desea
pronosticar para generar una ecuacin a partir de la cual puedan proyectarse sus
valores futuros. A diferencia del mtodo de regresin lineal, el crecimiento
exponencial supone que el patrn de comportamiento de la variable sigue una
tendencia exponencial no lineal.
En Excel existe la funcin estadstica CRECIMIENTO, que permite generar
pronsticos con el mtodo de crecimiento exponencial a partir de la siguiente
ecuacin:
y = aebx
Donde:
y = variable dependiente que se desea pronosticar
a, b = parmetros de estimacin
e = base de los logaritmos naturales, su valor es 2.7182
x = variable independiente
El mtodo de crecimiento exponencial se utiliza para hacer pronsticos
poblacionales y de ventas.
4. Modelos economtricos
Son sistemas que contienen mltiples ecuaciones de regresin interdependientes.
Su principal objetivo es expresar las interrelaciones complejas que existen entre
los factores que afectan la economa en su totalidad, o a las ventas de una
empresa o industria en particular.11 Debido a la gran cantidad de variables y
ecuaciones que involucran, estos modelos generan pronsticos muy exactos,
aunque su desarrollo es muy costoso y requiere de mucho tiempo y de
especialistas en la materia.
5. Modelos de insumo-producto o de entrada-salida
Son matrices que muestran la relacin que existe entre las entradas y salidas de
una industria y las entradas y salidas de otra; es decir, muestran los insumos
requeridos por una industria para generar productos, que a su vez se convierten
en insumos para otra industria, y as sucesivamente. Estos modelos son tiles
para determinar el flujo de bienes y servicios interindustrial dentro de una
economa, o interdepartamental dentro de una organizacin. El desarrollo de los
modelos de insumo-producto es muy costoso y, dada su complejidad, requiere de
especialistas pero permite generar pronsticos buenos a mediano y a largo plazos,
especialmente para industrias como la automotriz, la qumica y la minera.
La siguiente tabla muestra el grado de exactitud y la magnitud del costo que
representa cada uno de los mtodos cuantitativos de pronstico.
11
Anderson, Rolph; Hair, Joseph; Bush, Alan. Administracin de Ventas y Publicidad. Tr. Ma.
Guadalupe Cevallos Almada. 2 ed. Ed. McGraw-Hill. Mxico. 1995. Pg. 150.
MTODO DE PRONSTICO
Mala
Promedios mviles
Suavizacin exponencial
Box-Jenkins
Descomposicin de series de
tiempo
Modelos de regresin
Tasa de crecimiento
Crecimiento exponencial
Modelos economtricos
Modelos de insumo-producto
EXACTITUD
Regular Buena
X
X
X
X
Bajo
X
X
Alto
X
X
X
X
X
COSTO
Medio
X
X
X
X
X
X
X
12
Esta metodologa fue tomada de Render, Barry; Heizer, Jay. Principios de Administracin de
Operaciones. Tr. Juan Purn Mier y Tern. Ed. Pearson Educacin. Mxico, 1996. 624 pp .
Mes
2001
2002
Enero
$1.700
$1.600
Febrero
800
600
Marzo
700
600
Abril
1.000
900
Mayo
900
800
Junio
800
700
Julio
700
600
Agosto
700
600
Septiembre
600
500
Octubre
700
700
Noviembre
1.200
1.300
Diciembre
1.900
2.000
Promedio de ventas promedio por mes
Ventas promedio
por mes
(2001-2002)
$1.650
700
650
950
850
750
650
650
550
700
1.250
1.950
942
ndice
Estacional
1.752
0.743
0.690
1.009
0.903
0.796
0.690
0.690
0.584
0.743
1.327
2.071
El primer paso consiste en utilizar los datos histricos para calcular las ventas
promedios por mes, como se muestra en la tercera columna de la tabla.
El segundo paso es calcular el promedio de las ventas promedio por mes:
mes12
ventas promedio
mes1
12
$11.300
$942
12
Por ltimo, se utiliza la siguiente frmula para calcular los ndices estacionales
correspondientes a cada mes del ao:
Indice estacional
$1.650
1.752
942
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Pronstico13 de
ventas 2003
(en pesos)
$1.076
1.096
1.117
1.138
1.158
1.179
1.200
1.220
1.241
1.261
1.282
1.303
ndice
estacional
promedio
1.752
0.743
0.690
1.009
0.903
0.796
0.690
0.690
0.584
0.743
1.327
2.071
Pronstico de ventas
ajustado 2003
(en pesos)
$1.885
815
771
1.148
1.046
939
828
842
725
938
1.702
2.698
Los ndices estacionales se pueden utilizar para ajustar los pronsticos obtenidos
con los mtodos de promedios mviles y regresin lineal, lo cual incrementa la
confiabilidad y exactitud de los valores estimados.
13