UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA

FACULTAD DE CONTADURIA Y ADMINISTRACIÓN

SELECCIÓN DE TÉCNICAS DE PRONÓSTICOS Y MEDICIÓN DEl ERROR DE

PRONÓSTICO

CARRERA: LICENCITURA EN ADMINISTRACIÓN FINANCIERA

MATERIA: PRONOSTICÓ PARA LA TOMA DECISIONES
PROFESOR: ARTURO VARELA DELGADO
ALUMNA: DARIANA ISABEL ACOSTA CANO
MATRICULA: 334021
FECHA DE ELABORACIÓN: 12 DE FEBRERO DE 2023
Técnicas de pronósticos:

Las técnicas de pronósticos disminuyen la incertidumbre sobre el futuro,

permitiendo estructurar planes y acciones congruentes con los objetivos de la
organización y permiten también tomar acciones correctivas apropiadas y a tiempo
cuando ocurren situaciones fuera de lo pronosticado.

Medición del Error de Pronóstico

Se calcula de la siguiente manera: Se resta la diferencia entre el valor

pronosticado y el valor real en cada punto que se pronostica. Se saca el valor
absoluto del punto anterior. Se divide cada valor entre el valor real de cada punto
en el tiempo que se pronostica.

Aspectos que deben considerarse antes de tomar la decisión sobre la técnica de

pronóstico a utilizar:
● El contexto del pronóstico
● La relevancia y disponibilidad de datos históricos
● El grado de exactitud deseado
● El periodo de tiempo que se va a pronosticar
● El análisis de costo-beneficio del pronóstico
● El punto del ciclo de vida en que se encuentra el producto.
Técnicas de pronóstico empleadas para datos estacionarios
En su forma más simple, el pronóstico de series estacionarias comprende el uso
de la historia disponible de las series para estimar su valor promedio, el cual se
convierte después en el pronóstico de valores futuros.
Las técnicas más sofisticadas comprenden la actualización de la estimación, al
haber disponible nueva información. Estas técnicas son útiles cuando no son
confiables las estimaciones iniciales o cuando la estabilidad del promedio es
cuestionable.
Además, las técnicas de actualización proporcionan cierto grado de tranquilidad
con respecto a los cambios en la estructura subyacente de la serie.
Las técnicas de pronóstico estacionarias se emplean siempre que:
• Las fuerzas que generan una serie se han estabilizado y el medio en el que
existe la serie permanece relativamente sin cambios. Ejemplos de ello son las
fallas por semana en una línea de ensamble que tiene una tasa de producción
uniforme, las ventas unitarias de un producto o servicio en la etapa de maduración
de su ciclo de vida y el número de ventas resultantes de un nivel constante de
esfuerzo.
Varias técnicas que se podrían considerar al pronosticar en series estacionarias
son los métodos no formales, los métodos de promedio simple y los métodos de
promedios móviles, atenuación exponencial y de Box Jenkins.
Técnicas de pronóstico para datos estacionarios
Una serie estacionaria es aquella cuyo valor promedio no varía a través del
tiempo. Estas situaciones se presentan cuando los patrones de demanda que
influyen sobre la serie son relativamente estables. El pronóstico de series
estacionarias comprende el uso de la historia disponible de las series para estimar
su valor promedio, el cual se convierte después en el pronóstico de valores
futuros. Las técnicas más sofisticadas comprenden la actualización de la
estimación, al haber nueva información. Las técnicas de pronóstico estacionarias
se emplean siempre que:
Las fuerzas que generan una serie se han estabilizado y el medio en el que existe
la serie permanece relativamente sin cambios. Ejemplos de ello son las fallas por
semana en una línea de ensamble que tiene una fase de producción uniforme, las
ventas unitarias de un producto o servicio en la etapa de maduración de su ciclo
de vida y el número de ventas resultantes de un nivel constante de esfuerzo.
Se requiere un modelo muy sencillo debido a la falta de datos o para facilitar su
explicación o implementación. Un ejemplo sería cuando un negocio u organización
es nuevo y hay disponible muy poca información histórica.
Se puede lograr la estabilidad haciendo correcciones sencillas a factores como
crecimiento de la población e inflación. Ejemplos de esto son modificar el ingreso
por el ingreso per cápita, o las ventas en dólares por montos en dólares
constantes.
Técnicas de pronóstico empleadas para series cíclicas.
El efecto cíclico se definió anteriormente como la fluctuación en forma de onda
alrededor de la tendencia. Los patrones cíclicos tienden a repetirse, los datos cada
dos, tres o más años.
Es difícil establecer un modelo para estos patrones cíclicos, ya que no son
estables. Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor
de la tendencia rara vez se repiten en intervalos fijos de tiempo y también varía la
magnitud de las fluctuaciones.
Para analizar datos cíclicos se pueden ampliar los métodos de descomposición.
Sin embargo, debido al comportamiento irregular de los ciclos, el análisis de
componentes cíclicos de una serie requiere a menudo de encontrar indicadores
económicos principales o coincidentes.
Las técnicas de pronóstico para datos cíclicos se utilizan siempre que:

● El ciclo del negocio influye sobre la variable de interés. Como ejemplos

están los factores económicos de mercado y de competencia.
● Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la
música y la alimentación.
● Se presentan cambios en la población; Podemos citar como ejemplos las
guerras, escasez, epidemias y desastres naturales.
● Se presentan cambios en el ciclo de vida del producto. Ejemplos de ello son
la . introducción, crecimiento, maduración, saturación y declinación del
mercado.
Las técnicas a considerar al pronosticar series cíclicas son la descomposición
clásica, los indicadores económicos, los modelos econométricos, la regresión
múltiple y los métodos de Box-Jenkins.
Cuadro comparativo:

Método Patrón de datos Horizonte de Tipo de modelo

 tiempo

Cualitativos Parten Estas técnicas Realiza

generalmente de usan el criterio de investigaciones en
juicios de expertos la persona y pequeña escala
y se usan cuando ciertas relaciones que solo
no existen datos para transformar representan esa
históricos de la información parte de la
variable bajo cualitativa en realidad. Hace
estudio estimados énfasis en la
cuantitativos. validez de las
investigaciones a
través de la
proximidad a la
realidad empírica
que brinda esta
metodología. No
suele probar
teorías o
hipótesis.

Series de tiempo Descubrir un El pronóstico se Los modelos de

patrón en los basa sólo en series de tiempo
datos históricos y valores pasados tienen un enfoque
luego extrapolarlo de la variable que netamente
hacia el futuro tratamos de predictivo y en
pronosticar o en ellos los
errores pasados. pronósticos se
tendencias y elaborarán sólo
proyección de con base al
tendencias comportamiento
ajustada por pasado de la
 influencia variable de
estacional. interés.

Evaluación empírica de los métodos para pronosticar

La investigación empírica es cualquier estudio donde las conclusiones se extraen
estrictamente de pruebas empíricas concretas y verificables. Esta evidencia puede
ser recopilada utilizando estudios de mercado cuantitativos y métodos de
investigación cualitativos de investigación de mercado.
El modelo permite generar predicciones para el valor esperado o para un valor
individual de la variable dependiente (Y) asociado a un valor dado de la variable
independiente (X). En ambos casos la predicción puntual es la misma y se obtiene
sustituyendo en el modelo estimado el valor X0 para el cual se desea realizar la
predicción.

Para obtener el intervalo de confianza de los pronósticos y/o contrastar si puede

aceptarse un determinado valor de Y condicionado a un valor X0 es necesario
calcular el error estándar de la predicción, el cual dependerá del valor
pronosticado:

Predicción del valor esperado de Y para X=X0,

Predicción del valor individual de Y para X=X0,

Suma acumulada de errores de pronóstico (CFE)

Suma acumulada de errores de pronóstico

Es la medida más básica de todas y es la que da origen a las demás. Es la suma
acumulada de los errores de pronóstico. Nos permite evaluar el sesgo del
pronóstico. Por ejemplo, si a través de los periodos el valor real de la demanda
siempre resulta superior al valor de pronóstico, la CFE será más grande, indicando
la existencia de un error sistemático en el cálculo de la demanda.

Desviación media absoluta (MAD)

Desviación media absoluta MAD

Mide la dispersión del error de pronóstico o dicho de otra forma, la medición del
tamaño del error en unidades. Es el valor absoluto de la diferencia entre la
demanda real y el pronóstico, dividido sobre el número de periodos.

Error cuadrático medio (MSE)

Error cuadrático medio MSE

Al igual que la DAM, el MSE es una medida de dispersión del error de pronóstico,
sin embargo esta medida maximiza el error al elevar al cuadrado, castigando
aquellos periodos donde la diferencia fue más alta a comparación de otros. En
consecuencia, se recomienda el uso del MSE para periodos con desviaciones
pequeñas.

Error porcentual medio absoluto (MAPE)

Error porcentual medio absoluto MAPE
El MAPE nos entrega la desviación en términos porcentuales y no en unidades
como las anteriores medidas. Es el promedio del error absoluto o diferencia entre
la demanda real y el pronóstico, expresado como un porcentaje de los valores
reales.

Otros autores le llaman Porcentaje de error medio absoluto (PEMA) o lo manejan

como EPAM.

Error de pronóstico MAD/MEAN, GMRAE y SMAPE

Existen otras medidas de error de pronóstico menos comunes, generalmente

variaciones de MAPE y MAD. El MAD/MEAN actúa sobre datos intermitentes y de
bajo volumen, mientras el GMRAE es usado para evaluar el grado de error del
pronóstico fuera de la muestra.

BIBLIOGRAFÍA
https://www.ingenioempresa.com/medicion-error-pronostico/
http://www.ub.edu/aplica_infor/spss/cap7-3.htm
https://www.sciencedirect.com/science/article/pii/S1138489116300139
https://www.matematica.uns.edu.ar/uma2016/material/
Introduccion_a_los_Modelos_de_Pronosticos.pdf