INFORME UNIDAD 5

MODELOS

DE PRONOSTICOS E INVENTARIOS

5. 1. Modelos de pronósticos5.1.1 Modelos de pronósticos para un nivel constante. 5.1.2 Efectos estacionales en los modelos de pronóstico

5. 1. Modelos de pronósticos

Sirven para comprobar la hipótesis del comportamiento de una variable. Un pronóstico puede producirse suponiendo, que una secuencia de acontecimientos pasados se repetirá en el futuro o basados en nuevas tendencias.

BENEFICIOS DE LOS

modelos de pronósticos en las empresas

• Los pronósticos son herramientas para tomar decisiones altamente productivas de acuerdo a la previsión del futuro. El propósito de los pronósticos es tener mayor control de la planificación. Inclusive los estándares utilizados para los pronósticos más adelante podrán ser evaluados para medir el desarrollo de los objetivos.

• Los pronósticos son herramientas para la administración de las empresas y organizaciones. Principalmente fortalecen su capacidad de adaptarse a las condiciones del mercado y ejecutar planes sostenibles económicamente.

•Los pronósticos sirven para prepararse en los momentos cruciales qué se proyectan. Por ejemplo, para la formulación de proyectos se utilizan modelos de pronósticos para hacer estudios de factibilidad de los proyectos. También para hacer la proyección del mercado y la participación en el mismo.

5.1.1 Modelos de pronósticos para un nivel constante.

Los métodos más simplistas para pronosticar la demanda X i + 1 son:

• Ultimo valor

• Promedio

• Promedios móviles

• Exponencial

1. Este es el más simple de los métodos de pronóstico y considera el valor dela variable aleatoria F t + 1 = Xt. Muy simple pero útil únicamente en acotados casos. 2. Pronosticar como valor de la variable. Esta puede ser una buena estimación cuando se trata de un proceso muy estable o que cambia muy poco tiempo. 3. Los promedios móviles solucionan, en parte, el hecho de que el proceso cambia el tiempo y considera únicamente las ultimas k observaciones, por lo que:

5.1.1 MODELOS DE PRONÓSTICOS PARA UN NIVEL CONSTANTE

De esta forma, mejoramos el método anterior, aunque seguimos asignando el mismo peso relativo a las observaciones más viejas que a las más actuales. 4. El método exponencial o de suavizado exponencial, soluciona este problema introduciendo una constante de suavizado, α, 0 < α < 1 y calcula el nuevo valor de la variable aleatoria como F t+1 = α Xt + (1 – α) Ft

5.1.1 MODELOS DE PRONÓSTICOS PARA UN NIVEL CONSTANTE

5.1.2 Efectos estacionales en los modelos de pronóstico

La Estacionalidad siempre ha jugado un papel primordial en el análisis de series de tiempo. La mayoría de las técnicas para realizar pronósticos requieren condiciones de estacionalidad. Por lo tanto, necesitamos algunas condiciones, es decir, las series de tiempo necesitan tener un proceso estacionario de primer y segundo orden.

Estacionario de Primer Orden:

Una serie de tiempo está en el estacionario de primer orden si el valor esperado de Xt se mantiene constante para cualquier valor de t. Por ejemplo, en series de tiempo económicas el proceso se encuentra en estacionario de primer orden cuando removemos cualquier tendencia por algún mecanismo como la diferenciación.

Estacionario de Segundo Orden:

Una serie de tiempo se encuentra estacionaria de segundo orden solamente cuando la estacionaria de primer orden y la covarianza entre Xt y Xs es función de la anchura (t-s).