El documento describe la necesidad de realizar pronósticos para hacer frente a entornos incierto. Explica diferentes tipos de pronósticos según su plazo, entorno y naturaleza. Luego detalla métodos como el análisis de series de tiempo y la descomposición de datos en componentes de tendencia, estacional, cíclico e irregular para realizar pronósticos cuantitativos. Finalmente, presenta un ejemplo práctico de pronóstico de volumen de turistas aplicando descomposición multiplicativa y tendencia lineal.

2. Necesidad de pronosticar
 Entorno altamente incierto
 La intuición no necesariamente da los mejores
resultados
 Mejorar la planeación
 Competitividad y cambio

3. Tipos de pronósticos
Por su plazo  De corto plazo
 De largo plazo
Según el entorno a
pronosticar
 Micro
 Macro
Según el entorno
pronosticado
 Cualitativo
 Cuantitativo

4. Exploración de patrones de datos
Se requieren suficientes datos
históricos
Se apoyan en la suposición de que el
pasado puede extenderse hacia el
futuro

5. Con relación a las técnicas cuantitativas
estadisticas se presentan dos enfoques:
 Los datos se pueden descomponer en
componentes de tendencia, cíclicos, estacionales
y aleatorios.
 Modelos econométricos de series de tiempo y Box-
Jenkins dísticas se presentan dos enfoques:

6. SERIES DE TIEMPO
 Una serie de tiempo es un conjunto de datos
numéricos que se obtienen en periodos regulares a
través del tiempo. La unidad de tiempo puede ser:
Hora, día, mes, trimestre, año o cualquier periodo
que se pueda considerar de interés.
 Se requiere un enfoque sistemático para analizarlas.

7. COMPONENTES DE UNA SERIE
TENDENCIA:Es el componente de largo plazo que
representa el crecimiento o disminución en la serie
sobre un periodo amplio.
ESTACIONAL:Es un patrón de cambio que se
repite a sí mismo año tras año.
CICLICO:Es la fluctuación en forma de onda
alrededor de la tendencia.
ALEATORIO:Movimiento esporádicos y de corto
plazo

8. Descomposición de series de tiempo
 Las tendencias son movimientos a largo plazo en
una serie de datos a lo largo del tiempo.
 La tendencia puede ser descrita por una recta o por
una curva.
 Las tendencias se dan por varias causas: cambios
en la población, cambios en la productividad,
cambios tecnológicos, etc.
 En este tipo de análisis la variable independiente es
el tiempo.

9. Descomposición multiplicativa
• yt = valor observado en el periodo t
• TRt = factor de la tendencia en el periodo t
• SNt = factor estacional en el periodo t
• CLt = factor cíclico en el periodo t
• IRt = factor irregular en el periodo t

10. Calculo de factor ciclico

11. Tendencia lineal
 El método más empleado para describir una
tendencia lineal es el de mínimos cuadrados, para
encontrar una línea de mejor ajuste para un conjunto
de puntos.
Y´ = a + bX
 Y´ = valor pronosticado en un periodo X
 A = valor de la tendencia cuando X = 0
 b = pendiente de la recta de tendencia
 X = periodo (codificado)

12. Ejercicio asignado:
Los índices estacionales ajustados que se presentan
en la tabla reflejan el volumen cambiante del
negocio del Mt.Spokane Resort Hotel, el cual recibe
familias que vacacionan durante el verano y a
esquiadores entusiastas durante los meses de
invierno. No se esperan variaciones cíclicas
repentinas durante 2003

13. Volumen cambiante del negocio
la ecuación de tendencia mensual es:
muestra una tendencia lineal.

14. Ha sido realizado con la ayuda de Exel utilizando esta
formula donde para cada aumento de t la tendencia
aumenta en 5.
Entonces si:
Para:
CL(73) X IR(73) = 600 = 1
500 X 1.2

15. Donde:
•CLt = factor cíclico en el periodo t
•IRt = factor irregular en el periodo t
Por lo cual
C(t) X I(t) = 1
Ya que el valor cíclico e irregular
permanecen constantes para cualquier “t”
La formula para el pronostico es:

16.  yt = valor observado en el periodo t
 TRt = factor de la tendencia en el periodo t
 SNt = factor estacional en el periodo t
 CLt = factor cíclico en el periodo t
 IRt = factor irregular en el periodo t
 Para el mes de enero de 2003
 Y (73) = 500 * 1.2* 1 * 1 = 600

17. Análisis de Pronósticos
Ventas =Tendencia x Indice Estacional
NUMERO MES AÑO VENTAS TENDENCIA Indice Estacional
1 enero 1997 168 140 1.2
2 febrero 1997 198.65 145 1.37
3 marzo 1997 150 150 1
4 abril 1997 51.15 155 0.33
5 mayo 1997 75.2 160 0.47
6 junio 1997 206.25 165 1.25
7 julio 1997 260.1 170 1.53
8 agosto 1997 264.25 175 1.51
9 septiembre 1997 171 180 0.95
10 octubre 1997 111 185 0.6
11 noviembre 1997 155.8 190 0.82
12 diciembre 1997 189.15 195 0.97

18. Grafica de Tendencia:
Como podemos observar la tendencia es lineal y es creciente
también podemos observar que año tras año se repite la misma
fluctuación en las ventas, debido a los índices estacionales.

19. El valor estimado para febrero de 2003 seria 692
turistas aproximadamente.

20. Numero de mes Mes AÑO Pronostico
73 enero 2003 600
74 febrero 2003 691.85
75 marzo 2003 510
76 abril 2003 169.95
77 mayo 2003 244.4
78 junio 2003 656.25
79 julio 2003 810.9
80 agosto 2003 807.85
81 septiembre 2003 513
82 octubre 2003 327
83 noviembre 2003 451
84 diciembre 2003 538.35

21. NUMERO MES AÑO VENTAS TENDENCIA Indice Estacional Turistas nuevos por mes
73 enero 2003 600 500 1.2
74 febrero 2003 691.85 505 1.37 91.85
75 marzo 2003 510 510 1 -181.85
76 abril 2003 169.95 515 0.33 -340.05
77 mayo 2003 244.4 520 0.47 74.45
78 junio 2003 656.25 525 1.25 411.85
79 julio 2003 810.9 530 1.53 154.65
80 agosto 2003 807.85 535 1.51 -3.05
81 septiembre 2003 513 540 0.95 -294.85
82 octubre 2003 327 545 0.6 -186
83 noviembre 2003 451 550 0.82 124
84 diciembre 2003 538.35 555 0.97 87.35