INSTITUTO TECNOLGICO DE VERACRUZ.

ADMINISTRACIN DE OPERACIONES EQUIPO INTEGRANTES:

Gonzlez Peralta Jessica Daniela Marn Rojas Teresita Miranda Torres Jessica Matilde Sosa Medrano Iracema Valerio Varela Reyna Aurora

Ing. Delia del Carmen TITULAR DE LA MATERIA I. T. V.

MEDIA MVIL PONDERADA

Pronsticos

Pronosticar

Enfoques de pronsticos
Jurados de opinin de ejecutivos Mtodo Delphi Mtodos cualitativos Composicin de la fuerza de ventas

Encuesta en el mercado de consumo

Enfoque intuitivo Promedio mvil simple Promedios mviles Mtodos cuantitativos Suavizacin exponencial Proyeccin de tendencias Regresin lineal Promedio mvil ponderado Modelos de serie de tiempos

Modelo asociado

Promedio Mvil Ponderado

Modelo parecido al modelo promedio mvil simple, excepto que el pronostico para el siguiente periodo es un promedio ponderado de las ventas pasadas, en lugar del promedio aritmtico.

El promedio mvil simple da igual importancia a cada uno de los componentes de la base de datos del promedio mvil. Es decir En el mtodo de promedio mvil simple, todas las demandas tienen la misma ponderacin en el promedio ( 1/n)

El promedio mvil ponderado permite asignar cualquier importancia a cada elemento (demandas histricas que intervienen en el promedio), siempre y cuando la suma de todas las ponderaciones sea igual a uno.

La formula para un promedio mvil ponderado es:

Ft=W1At-1 + W2At-2++ WnAt-n Donde:

W1= Ponderacin dada a la ocurrencia real para el periodo t-1 W2 = Ponderacin dada a la ocurrencia real para el periodo t-2 Wn= Ponderacin dada a la ocurrencia real para el periodo t-n n= Numero total de periodos en el pronostico At+1= Ocurrencia real en el periodo pasado.

Por ejemplo

Tal vez una tienda departamental se de cuenta de que en un periodo de cuatro meses, el mejor pronostico se deriva utilizando 40% de las ventas reales durante el mes ms reciente, 30% de dos meses antes, 20% de tres meses antes y 10% de hace 4 meses. Si las ventas reales fueron
MES 1 MES 2 MES 3 MES 4 MES 5

100

90

105

95

el pronstico para el mes 5 sera

F5 = 0.40(95) + 0.30(105) + 0.20(90) + 1.10(100) = 38 + 31.5 + 18 + 10 = 97.5

Aunque quizs se ignoren muchos periodos (es decir, sus ponderaciones son de cero) y el esquema de ponderacin puede estar en cualquier orden (por ejemplo, los datos ms distantes pueden tener ponderaciones ms altas que los ms recientes), la suma de todas las ponderaciones debe ser igual a uno. n

Wi = 1 i=1

Suponga que las ventas para el mes 5 resultaron ser de 110. Entonces, el pronstico para el mes 6 sera
F6 = 0.40(110) + 0.30(95) + 0.20(105) + 0.10(90) = 44 + 28.5 + 21 + 9 = 102.5

Eleccin de ponderaciones La experiencia y las pruebas son las formas mas sencillas de elegir las ponderaciones. Por regla general, el pasado ms reciente es el indicador ms importante de lo que se espera en el futuro y, por lo tanto, debe tener una ponderacin ms all. Los ingresos o la capacidad de la planta del mes pasado, por ejemplo serian un mejor estimado para el mes prximo que los ingresos o la capacidad de a planta de hace varios mese.

No obstante, si los datos son estacionales, por ejemplo, las ponderaciones se deben establecer en forma correspondiente. Las ventas de trajes de bao en julio del ao pasado deben tener una ponderacin ms alta que las ventas de trajes de bao en diciembre (en el hemisferio norte).

El promedio mvil ponderado tiene una ventaja definitiva sobre el promedio mvil simple en cuanto a que pude variar los efectos de los datos pasados. Sin embargo, es ms inconveniente y costoso de usar que el mtodo de suavizacin exponencial, que se analiza a continuacin.