ERRORES DE PRONÓSTICO

Presentado por:

Yilmar Banquez lastre

Serna Muñoz Andres
García Barrios Harold
Rivera Marrugo Paola
Vicente Martínez Moreno

Presentado a:
Echeverry Acuña Uriel

FUNDACIÓN UNIVERSITARIA TECNOLÓGICO COMFENALCO

ERRORES DE PRONÓSTICO

Definición

Es un proceso de estimación de un acontecimiento o fenómeno regularmente económico en el

cual se involucra el tiempo, proyectando hacia el futuro datos del pasado. Estos se clasifican en
dos formas: errores de sesgo y errores aleatorios. Hay dos fuentes de error en pronósticos:
Sesgados y aleatorios.

El primero, también llamado sistemático es ocasionado por un error constante, por ejemplo una
mala interpretación de la demanda, usar variables incorrectas o con relaciones equivocadas. Este
tipo de error se verá minimizado de acuerdo a la experticia del administrador de operaciones.

El error aleatorio es aquel que no tiene explicación, es decir, es el error originado por factores
imprevisibles y por ende no se conoce qué es lo que lo causa.

Los analistas de pronósticos intentan minimizar los efectos de los errores de sesgo y los errores
aleatorios, seleccionando modelos de pronóstico apropiados, pero es imposible suprimir los
errores en todas sus formas.

El error de pronóstico estaría dado por:

Error de pronóstico=Demanda real – valor pronosticado

Para qué calcular el error pronóstico?

Su cálculo nos permite tomar decisiones frente a qué método de pronóstico es el mejor y logran
detectar cuando algo en nuestra previsión de la demanda no está marchando bien, con lo que
conseguimos cambiar el rumbo de nuestras decisiones a fin tomar las mejores elecciones.

Tener en cuenta

Siempre va a haber error en el cálculo de un pronóstico de demanda. En la práctica, se intenta

minimizar ambos tipos de errores eligiendo el mejor método de pronóstico, y es por eso que existe
la medición del error en pronósticos de demanda.
TIPOS DE ERRORES DE PRONOSTICOS

Suma acumulada de errores de pronóstico (CFE)

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. Suma
acumulada de errores de pronóstico.

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. Desviación media absoluta MAD.

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 cuadrático medio MSE.
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. Error porcentual medio absoluto MAPE

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

EJEMPLO

En este ejemplo de errores de pronóstico, tomamos la empresa IngE que vende televisores y su
demanda a través del año fue la siguiente:

Periodo demanda
1 56
2 50
3 47
4 51
5 58
6 62
7 55
8 48
9 39
10 44
11 49
12 55
13 61
14 70
15 58

Igualmente a través del año la empresa pronosticó la demanda con el método de promedio móvil
simple. Estos fueron los resultados:
Periodo demanda promedio
1 56
2 50
3 47
4 51 51
5 58 49
6 62 52
7 55 57
8 48 58
9 39 55
10 44 47
11 49 44
12 55 44
13 61 49
14 70 55
15 58 62

Ahora calculamos cada medida de error de pronóstico dicho antes:

En una columna para cada periodo calculamos el error de pronóstico hallando la resta entre la
demanda real y el pronóstico.

En otra columna restamos en valor absoluto la demanda real con el pronóstico para cada periodo.
Lo que en otras palabras vendría siendo el valor absoluto del error de pronóstico. Esto lo hacemos
para calcular el MAD.

En otra columna elevamos al cuadrado el error de pronóstico de cada periodo. Esto lo hacemos
para calcular el MSE.

En otra columna, dividimos la demanda real / mad.

Hacemos la suma de los resultados que obtuvimos para cada periodo en cada columna.
 errores de
(MAD) (MSE) (MAPE)
pronostico
Periodo demanda promedio
1 56
2 50
3 47
4 51 51 0,0 0,00 0,00 0,00%
5 58 49 9,00 9,00 81,00 15,52%
6 62 52 10,00 10,00 100,00 16,13%
7 55 57 -2,00 2,00 4,00 3,64%
8 48 58 -10,00 10,00 100,00 20,83%
9 39 55 -16,00 16,00 256,00 41,03%
10 44 47 -3,00 3,00 9,00 6,82%
11 49 44 5,00 5,00 25,00 10,20%
12 55 44 11,00 11,00 121,00 20,00%
13 61 49 12,00 12,00 144,00 19,67%
14 70 55 15,00 15,00 225,00 21,43%
15 58 62 -4,00 4,00 16,00 6,90%
suma de
errores 27,0000 97,0000 1081,000 182%

Los cálculos se realizan a partir del periodo 4, debido a que nuestro promedio móvil simple tiene
n=3, por ende en los tres primeros periodos no tenemos pronóstico de demanda.

Hecho esto damos el siguiente paso, el cual sería calcular las medidas de errores vista anterior
mente, teniendo en cuenta que el número de periodos pronosticados a calcular es de 12:

Esta será igual: 27

Esta será igual: 8,08333333

Esta será igual: 90,0833333

Esta será igual: 15,16666667