Índices Estacionales

Índices estacionales

Esta técnica sirve para calcular el pronóstico de ventas cuando existe estacionalidad o ciclos y también se utiliza
cuando en cada período existen diferencias de ventas muy marcadas, razón por la cual se hace necesario
calcular un índice que nos permitirá un ajuste por cada período.
en general, los patrones estacionales son fluctuaciones que ocurren dentro de un año y tienden a repetirse
anualmente. Estas estaciones pueden ser causadas por el clima, las vacaciones, los días de pago, los eventos
escolares o cualquier otro fenómeno.

Los pasos a seguir para desarrollar pronósticos con el análisis de regresión lineal cuando en los datos
de la serie de tiempo hay estacionalidad, se selecciona un conjunto representativo de datos históricos,
se desarrolla un índice de estacionalidad para cada estación (mes, trimestre, etc.), se usan los índices
de estacionalidad para desestacionalizar la serie (así se eliminan los patrones estacionales). Luego, se
realiza el análisis de regresión lineal sobre los datos desestacionalizados. Se usa la ecuación de
regresión para calcular los pronósticos del futuro y se utilizan los índices de estacionalidad para
aplicar los patrones estacionales a los pronósticos.

Se desea estimar las ventas a corto plazo de platería. Para ello se recurrió a los siguientes modelos
cuantitativos:

1.- Los datos aportados corresponden a las ventas mensuales, obtenidas en el negocio, desde Enero de 2006
hasta Agosto de 2009. La serie de tiempo consta de 44 datos

1 Ene-06 $ 1290,00
2 Feb-06 $ 1740,00
3 Mar-06 $ 1970,00
4 Abr-06 $ 1.981,08
5 May-06 $ 2.075,30
6 Jun-06 $ 2.253,15
7 Jul-06 $ 2.418,30
8 Ago-06 $ 1.994,40
9 Sep-06 $ 2.701,25
10 Oct-06 $ 2.942,85
11 Nov-06 $ 2.613,20
12 Dic-06 $ 3.306,30
13 Ene-07 $ 1.956,90
14 Feb-07 $ 2.281,70
15 Mar-07 $ 3.122,75
16 Abr-07 $ 2.218,20
17 May-07 $ 2.396,60
18 Jun-07 $ 3.064,50
19 Jul-07 $ 3.426,00
20 Ago-07 $ 3.811,40
21 Sep-07 $ 3.801,70
22 Oct-07 $ 3.438,20
23 Nov-07 $ 3.904,40
24 Dic-07 $ 3.968,20
25 Ene-08 $ 2.406,50
26 Feb-08 $ 2.720,10
27 Mar-08 $ 3.599,50
28 Abr-08 $ 4.048,50
29 May-08 $ 3.935,40
30 Jun-08 $ 3.138,50
31 Jul-08 $ 3.443,30
32 Ago-08 $ 4.146,00
 Índices Estacionales

33 Sep-08 $ 4.241,70
34 Oct-08 $ 4.936,10
35 Nov-08 $ 5.688,50
36 Dic-08 $ 7.905,50
37 Ene-09 $ 5.099,40
38 Feb-09 $ 5.754,00
39 Mar-09 $ 5.613,00
40 Abr-09 $ 5.512,40
41 May-09 $ 5.381,50
42 Jun-09 $ 6.369,35
43 Jul-09 $ 6.321,00
44 Ago-09 $ 6.512,40

Se recurre al modelo de Regresión Lineal para realizar los pronósticos de las ventas futuras para Setiembre y
Octubre del año 2009

El modelo es Y = a + b X que se conoce como ecuación de regresión lineal simple.

Se determinaron los valores de las constantes a y b, resultando: Y= 1271,02 + 78,47 . X

Para pronosticar las ventas futuras en los meses requeridos, se asignan los valores de X: 45 y 46,
obteniéndose Y (45) = 4.802,17 Y (46) = 4.880,64

2.- Para evitar las fluctuaciones, debidas a patrones estacionales, que ocurren durante un año y se repiten
anualmente, recurrimos a otro modelo de regresión lineal donde se consideran los datos de las ventas
agrupados trimestralmente, desde Enero de 2006 hasta Diciembre de 2008, obteniendo 12 datos

ANEXO 2

Año/Trimestre Q1 Q2 Q3 Q4 Total Anual

2006 5000 6309,53 7113,95 8862,35 27285,83
2007 7361,35 7679,3 11039,1 11310,8 37390,55
2008 8726,1 11122,4 11831 18530,1 50209,6
Totales 21087,45 25111,23 29984,05 38703,25 114885,98
Promedios Trimestrales 7029,15 8370,41 9994,68 12901,08 9573,83
Índice de Estacionalidad 0,734 0,874 1,044 1,348
Datos Trimestrales Desestacionalizados
Año/Trimestre Q1 Q2 Q3 Q4
2006 6810,1 7216,7 6814,4 6576,7
2007 10026,3 8783,4 10574,3 8393,7
2008 11885,1 12721,5 11332,8 13751,1

En este caso se calcula para cada trimestre el:

Índice de Estacionalidad = Promedio del trimestre / Promedio general del trimestre

Para desestacionalizar los datos, se divide cada dato trimestral en su índice de estacionalidad. Con estos datos
desestacionalizados (12 trimestres) se realiza una regresión lineal que resulta:

a = 5524,278 b = 623,010  Y = 5524,278 + 623,010 . X

 Índices Estacionales

Los pronósticos de las ventas desestacionalizadas para los cuatro trimestres del año 2009 son:

Y(13) = 13623,40; Y(14) = 14246,41; Y(15) = 14869,42; Y(16) = 15492,43

Los pronósticos estacionalizados se calculan multiplicando estos últimos por sus respectivos índices de
estacionalidad y se obtiene:

Trimestres de 2009 Índice Estacionalidad Pron. Desestacionalizados Pron. Estacionalizados

Q1 0,734 13623,4 9999,6
Q2 0,874 14246,4 12451,4
Q3 1,044 14869,4 15523,7
Q4 1,348 15492,4 20883,8

Polilibro

Índices de Estacionalidad

Esta técnica sirve para calcular el pronóstico cuando existe estacionalidad o ciclos, también cuando cada
período existen diferencias de ventas por lo cual se hace necesario contar con un índice para cada período.

Para lo cual se sigue el siguiente procedimiento:

1. Se obtienen los datos de las ventas en los últimos períodos.

2. Se calculan los índices de estacionalidad:

a)Se suman el total por cada periodo y el total de los totales.

b)Se obtiene un promedio por periodo y un promedio total.

c)Se calcula índice de estacionalidad dividiendo el promedio ( x ) por periodo entre el promedio
total ( x T), para cada periodo.

I.E. = x / x T

3. Se calcula el pronóstico para el período deseado mediante el metodo deseado.

4. Se ajusta el pronóstico para cada periodo, multiplicando el índice de estacionalidad de cada

periodo por las ventas promedio calculadas en el pronostico.

Ejemplo 1.

Muebles Daris desea calcular el pronóstico de ventas para 2002, si en los últimos años cuenta con la
siguiente información bimestral:

Año 1o. 2o. 3o. 4o. 5o. 6o. Total

1993 80 120 130 100 90 120 640
1994 85 140 140 105 95 125 690
1995 84 160 150 105 94 125 718
1996 83 170 155 110 93 130 741
1997 81 175 160 100 92 140 748
413 765 735 520 464 640 3537
82.6 153 147 104 92.8 128 117.9
0.700 1.297 1.246 0.882 0.787 1.085 6.000
 Índices Estacionales

Por Método Simplificado.

Periodo Ventas X XY X2

(miles) 97 – 2
1993 640 -2 -1280 4 98 – 3
1994 690 -1 -690 1 99 – 4
1995 718 0 0 0 00 – 5
1996 741 1 741 1 01 – 6
1997 748 2 1496 4 02 – 7
3537
 0 267
  10 03 - 8

Posteriormente se calcula el pronostico ajustado por estacionalidad para cada periodo:

Año 1 2 3 4 5 6 Total
Índice de 0.700 1.298 1.247 0.882 0.787 1.085 5.999
Estacionalidad
(X) Promedio 153.5 153.5 153.5 153.5 153.5 153.5 153.5
Pronostico
Pronóstico 107.45 199.243 191.414 135.387 120.804 166.547 920.845
ajustado