UNIVERSIDAD NACIONAL ABIERTA

DIRECCIÓN DE INVESTIGACIONES Y POSTGRADO

MAESTRÍA ADMINISTRACIÓN DE NEGOCIOS
MÉTODOS CUANTITATIVOS EN LA GESTIÓN DE EMPRESA (984)

Actividad III

Ejercicio práctico realizado con el modelo de pronóstico

técnica del promedio móvil simple

Autores:
Astudillo, José C.I: 5.859.605
Ferraioli, Francisco. C.I: 8.440.379
Mundaray, Odalys C.I: 10.465.273
Asesora: María García de Pernalete MSc.

Cumaná, marzo del 2018

 INTRODUCCIÓN
Los constantes cambios que actualmente experimentan las empresas requieren
que estas conozcan no sólo el desempeño que esta presenta, sino también sus
proyecciones futuras para determinar de esta manera el comportamiento que tendrá
a corto, mediano y largo plazo, facilitando de esta manera trabajo a los
administradores y gerentes cuando tengan que conocer y plantearse los objetivos a
futuro y la forma más eficaz de alcanzarlos.
Cuando los administradores o empresarios se enfrentan a la tarea de tomar
decisiones de cara a escenarios inciertos y bajo incertidumbre entonces su habilidad
para efectuar pronósticos juega un papel importante en el proceso de decidir el
camino que mejor favorezca a la empresa.
En este sentido es importante que los gerentes manejen con claridad las distintas
herramientas y métodos tanto estadísticos como no estadísticos también llamados
cuantitativos, que le permita formular modelos de pronósticos a futuro que le
permitan a la empresa mantenerse con altos niveles de competitividad y seguridad
en los mercados. Dentro de estas herramientas matemáticas o estadísticas se
puede mencionar los modelos causales o series de tiempo, de corto, mediano o
largo plazo, así como pronósticos cualitativos o cuantitativos.
La principal consideración a la hora de seleccionar un método de pronóstico, es
que sus resultados deben estar orientados, a la toma de las mejores decisiones
administrativas. Es decir, aquel que proporcione un alto nivel de certeza y un
panorama claro acerca del futuro de la empresa en un tiempo prudencial, basados
ya sea en datos históricos relevantes o en el caso de modelos cualitativos en el
juicio subjetivo de gerentes, ejecutivos, consumidores, proveedores y vendedores,
entre otros.
 Para el desarrollo del caso práctico que a continuación se muestra se tomará el
modelo de pronóstico llamado método del promedio móvil simple. Esta técnica
se utiliza cuando se quiere dar más importancia a conjuntos de datos más recientes
para obtener el pronóstico. El término de promedio móviles se utiliza porque con
cada nueva observación de que se dispone, se puede calcular un nuevo promedio
que se puede usar como pronóstico.
El pronóstico se obtiene al calcular la media aritmética del conjunto de datos más
recientes seleccionado. Cada vez que se tiene una nueva observación se agrega
esta al conjunto de datos, y se elimina de éste la observación o dato más antiguo.
El número de datos más recientes a considerar en el conjunto de observaciones del
cual se calcula la media aritmética es una decisión del analista que realiza el
pronóstico; la sensibilidad a los cambios en el comportamiento de la serie se reduce
al utilizar un número mayor de observaciones en el conjunto de datos.
Este modelo no maneja muy bien los datos con estacionalidad o con tendencia,
pero si lo hace mejor que la técnica del promedio simple. En este sentido, se
propone evaluar la demanda (en unidades) de un artículo se encuentra en inventario
durante los últimos 18 meses como se indica en la siguiente tabla:
Meses (T) Demanda Y (T)
N° Meses (T) Demanda (YT)
1 Enero 110
2 Febrero 126
3 Marzo 170
4 Abril 120
5 Mayo 154
6 Junio 120
7 Julio 155
8 Agosto 130
9 Septiembre 175
10 Octubre 170
11 Noviembre 180
12 Diciembre 118
13 Enero 150
14 Febrero 164
15 Marzo 185
16 Abril 208
17 Mayo 179
18 junio 157
 Pronóstico de la demanda para los próximos tres meses (t = julio (19), t =
agosto (20), t = septiembre (21)).
Para pronosticar la demanda de los próximos tres meses (t=julio, t=agosto,
t=septiembre) se usará la técnica del Promedio Móvil de los tres últimos meses ya
que el mismo es útil para hacer pronósticos a corto y mediano plazo.

Y (t+1) = [ Y (t-n+1) + Y (t-n+2) + …+ Y (t)]

n

Así:
Y (julio) = [Y (marzo) +Y (abril) +Y (mayo) +Y (junio)]/4
Y (julio) = [185+ 208+179+157]/4
Y ((julio) = 182 unidades

Y (agosto) = [Y (abril) +Y (mayo) +Y (junio) + Y (julio)]/4

Y (agosto) = [208+179+157+182]/4
Y (agosto) = 182 unidades

Y (septiembre) = [Y (mayo) +Y (junio) +Y (julio) +Y (agosto)]/4

Y (septiembre) = [179+157+182+182]/4
Y (septiembre) = 175 unidades

Como no hay una regla exacta para seleccionar el valor de n, es decir; la base
del promedio móvil y considerando de que existen variaciones de la demanda real
las cuales presentan oscilaciones entre 110 y 208 unidades, dando un rango de 98
unidades, cantidad importante si observamos que ésta representa
aproximadamente el 89% de110 y el 47 % de 208); es por ello que hemos decidido
tomar un valor de n pequeño.
A continuación, se presenta gráficamente la data suministrada y la
tendencia que se observa para la demanda pronosticada, esto con el fin de
realizar el diagnóstico gerencial para la toma de decisiones que corresponda.
 Graficando la data suministrada
250

208
200
170 175 185
180 179
154 155 170
Demanda Y (t)

164
150
150 157
126 130
120
120 118
100
110

50

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Meses (t)
Demanda (Yt)

Graficando la data suministrada con la demanda pronosticada

250

208
200 180 185 179 182 182
170 175
164
154 155 150
150 170 175
Demanda Y (t)

126 157

120 130
100 120 118
110

50

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Meses (t) Demanda (Yt)

Análisis y diagnóstico
Podemos observar que entre los meses septiembre y noviembre, hay cierta
tendencia de los valores a semejarse a los datos pronosticados y que las
variaciones más relevantes han ocurrido antes y después de estos meses, lo que
sugiere que con estos pronósticos la empresa será capaz de satisfacer las
demandas reales; además, observando el comportamiento de la demanda real, las
variaciones que pudieran darse por defecto o por exceso permitirán mantener un
equilibrio en el nivel de los inventarios.
En otro orden de ideas, el hecho de que se haya utilizado una base pequeña para
el cálculo del promedio móvil evitará que suprimamos la tendencia de los datos a la
vez nos facilitará la realización de pronósticos futuros una vez conocido el
comportamiento real.
Un pronóstico con base en los valores que pueden ser de 182 unidades y de 175
unidades para los meses julio, agosto y septiembre, son razonables considerando
que los mismos satisfacen los niveles promedio de demanda de un artículo en
inventario de acuerdo al comportamiento observado en la demanda real sin que se
saturen los almacenes por compras excesivas del producto.
En tal sentido la empresa no tendrá que invertir grandes cantidades de dinero y
otros insumos en la adquisición y mantenimiento del mismo, lo cual estancaría el
capital de la empresa en productos que no tienen demanda, lo que le permitirá
disponer de mayor liquidez dentro de sus activos. Pudiendo de esta manera reservar
esos recursos hacia otras inversiones que le generen utilidad a un corto plazo.
De esta manera, la empresa podrá mantener un equilibrio entre la demanda que
deberá satisfacer y el nivel de inversiones que deberá realizar a los efectos de
garantizar niveles óptimos de producción y por consiguiente de rentabilidad a un
menor costo posible. Esto sería de gran importancia para la empresa ya que le
permitirá predecir eventos a corto plazo, pudiendo dar respuestas con mayor
rapidez a los cambios si fuera el caso.
 CONCLUSIÓN
El manejo de los modelos de pronósticos causales en la toma de decisiones viene
a ser de fundamental utilidad para los gerentes y administradores, especialmente
por que proporcionan al proceso de toma de decisiones un margen de seguridad,
validez y confiabilidad al manejarse con datos históricos y tendencias reales
observadas con el transcurrir del tiempo de las variables objeto de análisis. Esto es
especialmente importante para aquellas empresas que proyecten obtener una
mayor rentabilidad y garantizar su permanencia en el tiempo, ya sea a un corto,
mediano o largo plazo.
El tomador de decisiones dependiendo de las características y particularidades
del problema, contará con diversos métodos o técnicas para efectuar los pronósticos
que considere pertinentes para el buen desempeño de la empresa.
Al respecto Taha, H. (2004) señala:
En la toma de decisiones se elaboran planes para el futuro. Entonces los
datos que describen la situación de la decisión deben presentar lo que
sucederá en el futuro. Por ejemplo, en el control de inventarios, las decisiones
se basan en la naturaleza de la demanda del artículo controlado durante
determinado horizonte de planeación.

En el caso particular del presente trabajo donde se pronosticó los cambios a

futuro que pudieran ocurrir para mantener un nivel óptimo de inventarios, se observó
que una vez utilizado la técnica del promedio móvil especialmente útil en pronósticos
de corto plazo, los datos obtenidos permitirán al gerente orientarse bajo una base
científica y de cálculos más precisos basados en datos empíricos.
Es importante señalar que el gerente no sólo debe basar su análisis en los datos
matemáticos, sino que debe incorporar otras variables, no tan bien estructuradas,
pero igual de importantes y que los modelos matemáticos dada su rigidez no son
capaces de recoger. Esto permitirá que la toma de decisión se base en un
reconocimiento del problema dentro de un entorno integral y no sólo en el análisis
matemático y científico, sino que también debe prevalecer la intuición y la
experiencia empresarial del gerente.
 REFERENCIAS BIBLIOGRÁFICAS
Amaya, J. (2010). Toma de decisiones gerenciales. Métodos cuantitativos para la
administración (2ª ed.). Colombia. ECOE Ediciones.
Taha, H. (2004). Investigación de Operaciones (7ª ed.). México. Perentice Hall
Hispanoamericana, S.A.
Eppen, G., Gould & otros (2000). Investigación de Operaciones en la Ciencia
Administrativa. 5ta. Edición. Naucalpan de Juárez, Estado de México. Editorial
Prentice Hall Hispanoamericana, S. A.