Promedio mvil simple SMA (Simple moving average):

Periodo Demanda Prnostico

Ene 118 Inicialmente debemos determinar sobre cuantos periodos
Feb 134 tomaremos 3 trimestres por lo que se va a iniciar un period
Mar 180 4 es el mes de abril y el promedio correspondiente a este m
Abr 272 144 anteriores
Promedio abr = D ene + D feb + D mar
May 332 195 Peridos
Jun 289 261
Jul 177 298
Ago 209 266 Promedio abr = 144 Promedio simple de unidades dema
Unidades
Sep 327 225 Con funcin = 144 periodos seleccionados.
Oct 374 238 As, promedio de mayo se calcularia as:
Nov 230 303
Promedio may = D feb + D mar + D abr
Dic 141 310 Peridos

Observen qie hay un desplazamiento, de periodo a periodo

recuadro amarillo)

Promedio may = 195

Con funcin = 195
erage):

eterminar sobre cuantos periodos vamos a hallar el promedio, en este caso,

por lo que se va a iniciar un periodo antes de ese nmero, en este ejemplo, el periodo
promedio correspondiente a este mes corresponderia a los meses anteriores

ene + D feb + D mar

romedio simple de unidades demandadas en los

eriodos seleccionados.
e calcularia as:

eb + D mar + D abr

plazamiento, de periodo a periodo, por eso el nombre de mvil (de recuadro gris a
 Promedio mvil ponderado Promedio movil ponderado
Periodo Demanda Prnostico
Ene 118 Este promedio debe ir acompaado de valores numricos, los cuales van a ser tile
Feb 134 y con ello realizar el promedio, aqui seleccionaremos tres factores (2, 3, 4), cabe alca
Mar 180 seleccionados deben estar entre 1 y 10; A estos factores se denotan como X, Y y Z q
Abr 272 151 siguiente frmula asi:
May 332 211
Promedio abr = z D mar + y D feb + x D ene
Jun 289 278 (x + y + z)
Jul 177 300
Ago 209 249 Vamos a pronsticar a partir del mes de abril y para esto multiplicamos el factor may
Sep 327 216 demanda mas actual al periodo que se quiere pronosticar y as sucesivamente; Ento
Oct 374 254 abril, Z que es el mayor factor que es 4 va a multiplicar la demanda de marzo porque
Nov 230 322 el valor ponderado que le sigue que es 3 multplica la demanda de febrero, por ltimo
Dic 141 300 la demanda de enero, todo esto edividio entre la suma de los tres factores ponderad

Promedio abr = 151 Unidades

cos, los cuales van a ser tiles para ponderar la demanda
es factores (2, 3, 4), cabe alcarar que los factores
s se denotan como X, Y y Z que se expresan en la

o multiplicamos el factor mayor ponderado por la

ar y as sucesivamente; Entonces, para el pronstico de
la demanda de marzo porque es la ms reciente y luego
emanda de febrero, por ltimo el valor X que multiplicara
de los tres factores ponderados
 https://www.youtube.com/watch?v=6pygDH2OQoc
Ventas en
Periodo miles de Determinar el volmen de ventas para enero del siguiente ao con distintos mtodos
unidades
Ene 30 A SMA: 28.1666667 El valor esperado en ventas para enero del siguiente ao
Feb 31 ser de 28,166.67
Mar 25
Abr 24 B SMA de 3 per: 31.3333333 La tendencia de la demanda en el mes de enero para el
May 23 producto abarcando tres periodos ser de
Jun 26 usando una media movil simple de 3 periodos
Jul 27
Ago 28 C SMA de 2 per: 32 La tendencia de la demanda en el mes de enero para el
Sep 30 producto abarcando dos periodos ser de
Oct 30 usando una media movil simple de 2 periodos
Nov 31
Dic 33 Estos problemas se pueden plantear en el WIN QSB donde podemos obtener estos pronsti
mas, esta es una herramienta interactiva que ayuda a la toma de decisiones y que a su vez
instrumentos muy tiles para resolver distintos tipos de problemas en el campo de la investigac

La ruta
Office
Todos los programas
WinQSB (Debe estar previamente instalado)
Forecasting and linear regression (regresin lineal y pronsticos)
clic en cuadricula (costado superior inzquierdo)
Problem type Time series forecasting
Problem Title: Ejemplo
Time Unit: Meses
Number of time units (periods) 12
ok
Nos despliega una tabla
Se ingresan los datos de la tabla excel (ventas en miles de pesos)
Solve and analyze and perform forecasting
Y aqu es lo interesante, me arroja que mtodo de pronstico quiero utilizar:

Por ejemplo escogemos SA y en number of periods to forecasting le colocamos que

queremos pronosticar un mes adelante Ok
 Y aparece que en el perido 13 tenemos un pronstico de 18,16667 igual al resultado del litera

Para el literal B:

ok y arroja 21,33 igual que el resultado del literal B

Para el C solo basta con cambiar el numero de periodos de 3 a 2 y arroja como
resultado, 22 igual que dicho literal.

D Determine el pronstico de ventas para enero del siguiente ao usando el mtodo de media mvil pond
tres periodos, dandole al valor ms actual una ponderacin del 50%, (al dato ms actual normalmente
mayor importancia) al imendiatamente anterior un valor del 40% y al ms antiguo un peso del 10%. (tip
ms natiguo se le da la menor importancia o el menor precio.
Ventas en
Periodo miles de
unidades
Ene 30 31.9 Se pronostican 31,900
Feb 31 del prximo ao
Mar 25
Abr 24 En Win QSB:
May 23 Solve and analyze - perform forecasting
Jun 26 Weighted moving average (WMA)
Jul 27 Number of periods for forecasting 1
Ago 28 Number of periods in average 3
Sep 30 Enter moving average weights
Oct 30
Nov 31
Dic 33

Y se empieza desde el ms antiguo asi:

1 0.1
2 0.4
3 0.5
Importante, la suma de los pesos porcentuales tiene que dar 1
Ok - Ok y obtenemos un pronstico con la media mvil ponderada
de 21,9 igual a la que nos arrojo la frmula matemtica.
 nte ao con distintos mtodos

nero del siguiente ao

unidades

mes de enero para el

31,333.33 unidades
e 3 periodos

mes de enero para el

32,000.00 unidades
e 2 periodos

podemos obtener estos pronsticos y otros

ma de decisiones y que a su vez, contiene
mas en el campo de la investigacin operativa.

(Periodos a pronosticar)
uiero utilizar:

ng le colocamos que
 6667 igual al resultado del literal A

2 y arroja como

ndo el mtodo de media mvil ponderada de

%, (al dato ms actual normalmente se le da la
l ms antiguo un peso del 10%. (tipicamente al

unidades a vender para enero

 Modelo de suavizacin exponencial:

Recordemos que este mtodo de estimacin utiliza el ltimo dato calculado como pronstico y se ajusta a una tasa o fraccin del erro
periodo anterior.
La ecuacin de este modlo es la siguiente:

F t = F t -1 + (A t -1 - F t -1 )

Donde:
Ft Que viene de forecasting (pronstico), entonces pronstico para el periodo t y este va a ser igual al:
Ft -1 Pronstico para el periodo de t-1 (anterior a t) +
Fraccin o tasa de respuesta al error, que multiplica a la diferencia entre:
At -1 Valor real del periodo t - 1 menos el valor que se pronostic, ambos del periodo inmediatamente anterior.
EJEMPLO:
Para el mismo caso, pero utilizando el mtodo de promedio movil exponencial, suponiendo que contamos con un pronstic
periodo inicial de 32 unidades, es decir, esperamos vender en enero 32.000 unidades y una constante de error al pronstic
de = 9%. Determinar las ventas esperadas para enero del siguiente ao.

Pronstico
Ventas en
t con
Periodo miles de
suavizacin
Alfa = 0.09
unidades
exponencial
1 Ene 30 32
2 Feb 31 31.82
3 Mar 25 31.7462
4 Abr 24 31.139042
5 May 23 30.49652822
6 Jun 26 29.82184068
7 Jul 27 29.47787502
8 Ago 28 29.25486627
9 Sep 30 29.1419283
10 Oct 30 29.21915476
11 Nov 31 29.28943083
12 Dic 33 29.44338205
13 Ene sgte. Ao No disponible 29.7634777

Este ejemplo en Win QSB se haria de la siguiente manera:

Solve and analyze - perform forecasting

Single exponential smoothing (SES) (Suavisamiento exponencial simple)
Number of periods to forecasting 1
Smoothing constant alpha 0.1
Initial value F (0) if known (vr. Inicial si se conoce) 22
ok - arroja un resultado de 19,68 igual al resultado hallado con frmula
a una tasa o fraccin del error en el

erior.

ontamos con un pronstico para el

ante de error al pronstico anterior
 Es otra alternativa para realizar pronsticos; su sintxis:

Funcin pronstico:

PRONSTICO (X; CONOCIDO_Y; conocido_X)

Donde:

X es el periodo en el cual se desea pronosticar (ejemplo, un ao en el cual se va a pronosticar).

El valor conocido Y es el rango conocido de valores de la variable Y, por ejemplo los valores historicos de las ventas de un prod
El valor conocido X es el rango conocido de valores de la variable X, por ejemplo los aos para los que se conocen las ventas
variable Y.

Vamos a ver un ejemplo: Dadas las ventas de 2008 a 2013, pronosticar las ventas del 2014.

Ejemplo 1
Ao Unids. Vendidas (miles)
2010 42
2011 47
2012 44
2013 48
2014 49

Ejemplo 2

Ao Unds. Vendidas (miles)

2008 25.0
2009 26.8
2010 27.8
2011 26.1
2012 28.6
2013 29.9
2014 30.1866666667

Ejemplo 3

Hallar la tendencia de ventas de acuerdo a la siguiente informacin:

Mes Ventas
1 10,000
2 12,000
3 13,000
4 16,000
5 19,000

Para calcular la linea de tendencia mediante regresin lineal lo primero que haremos en este ejemplo es
graficar esta informacin historica:
 Para calcular la linea de tendencia mediante regresin lineal lo primero que haremos en este ejemplo es
graficar esta informacin historica:

Ventas
20,000
18,000
f(x) = 2200x + 7400
16,000
14,000
Ventas
12,000
Linear (Ventas)
10,000
8,000
6,000
4,000
2,000
-
1 2 3 4 5

Ejemplo 4

Hallar la tendencia de ventas de acuerdo a la siguiente informacin:

Da Ventas en millones Fecha Aum. % vtas. Los datos de maximas ventas, dias y promed
1 14 10/1/2015 0.00% visualizar mejor los nmeros antes de hacer
2 12 10/2/2015 -14.29% graficamos ventas. luego, sobre lnea, botn
3 38 10/3/2015 216.67%
4 27 10/4/2015 -28.95% Ventas en m
5 30 10/5/2015 11.11%
60
6 32 10/6/2015 6.67%
7 48 10/7/2015 50.00% 50 f(x) = 4.0848484848x + 12.3333333333
R = 0.7285107639
8 53 10/8/2015 10.42%
40
9 51 10/9/2015 -3.77%
10 43 10/10/2015 -15.69% 30
348 20

Maximas Vtas diarias Das Promedio 10

53 10 34.8 0
1 2 3 4 5 6 7 8 9

Datos
4.0848
12.333
X 15 DAS

Y 4.0848 15 12.333
Y 61.272 12.333
Y 73.605
ar).
historicos de las ventas de un producto.
ra los que se conocen las ventas o una variable que sirva para pronosticar a la

ejemplo es
ejemplo es

Como vemos, en esta grfica se observa el volumen de ventas en cada

uno de estos seis meses.

Para obtener la lnea de tendencia damos clic derecho sobre la lnea y ah

damos clic en la opcin agregar lnea de tendencia, opcin lineal y clic en
Ventas presentar ecuacin en el grfico, cerrar. Excel marca automticamente la
Linear (Ventas) linea de tendencia por regresin lineal y nos arroja la ecuacin de esa
linea recta donde el nmero que se multiplica por X es la tendencia y la
constante sumada es la demanda base o las ventas que podemos tomar
como base.

de maximas ventas, dias y promedio son indicadores que nos permiten

mejor los nmeros antes de hacer la tendencia. Despus del promedio
ventas. luego, sobre lnea, botn derecho - agregar linea de tendencia

Ventas en millones

4.0848484848x + 12.3333333333
.7285107639
Ventas en millones
Linear (Ventas en millones)

3 4 5 6 7 8 9 10