Comparación de metodologías estadísticas para pronóstico de demanda de productos de difícil estimación

Abstract

Una de las dificultades a las que se enfrentan organizaciones es la existencia de pocos datos históricos de venta o incluso, la falta de ellos para la planeación de sus inventarios y por tanto, su logística. En este estudio se comparan cuatro métodos estadísticos para el pronóstico de ventas futuras a partir de pocos datos, con una aplicación a un caso real. El primero de ellos es una generación de variable aleatoria después de realizar la prueba de bondad de ajuste Ji-cuadrado y con la ayuda de una simulación iterativa, el segundo, la aplicación de la metodología de regresión bayesiana específicamente al caso Normal conjugado es decir, el modelo de regresión gaussiana y Poisson bayesiana con las funciones del paquete MCMCPack del software estadístico R, el tercero es la metodología de Prima bayesiana, específicamente aplicado al caso que se obtiene con las distribuciones Gamma-Poisson, y finalmente, se optimiza el pronóstico realizado con el modelo encontrado de prima bayesiano usando el método de optimización Tabú, el cual toma como función objetivo el MAPE, indicador usado como criterio final de comparación de la eficiencia.