1.- Que Es Un Modelo de Pronostico Cualitativo Y Cuando Es
Apropiado Su Uso? Se dice que es la estimacin anticipada del valor
de una variable, por ejemplo: la demanda de un producto. Valor
anticipado de la variable que una compaa est en posibilidad de
concretizar, por ejemplo: la cantidad de producto que la compaa
decide fabricar en funcin de la demanda y de la capacidad
instalada.El conocimiento de las tcnicas de pronsticos es de poco
valor a menos que puedan aplicarse efectivamente en el proceso de
planeacin de la organizacin. Usos de los
pronsticosMercadotecniaTamao del mercadoParticipacin en el
mercadoTendencia de preciosDesarrollo de nuevos
productosProduccinCosto de materia primaCosto de mano de
obraDisponibilidad de materia primaDisponibilidad de mano de
obraRequerimientos de mantenimientoCapacidad disponible de la
planta para la produccinFinanzasTasas de intersCuentas de pagos
lentos2.- Identifique y describa brevemente los dos enfoques
generales del pronostico Se dice que existen dos enfoques
pronosticados, uno de ellos es el anlisis cuantitativo y el otro es
el anlisis cualitativo Anlisis Cuantitativo.- estos utilizan una
serie de modelos matemticos que se apoyan en datos histricos o en
variables causadas para pronosticar la demanda Anlisis
Cualitativo.- estos incorporan factores como la intuicin o las
decisiones para llevar un pronostico 3.- Identifique los tres
horizontes de tiempos para pronosticar. Establezca una duracin
aproximada para cada uno.Ahora todos los administradores posen la
capacidad de utilizar tcnicas de anlisis de datos muy complejas
para fines de pronstico, y una comprensin de dichas tcnicas es
esencial hoy en da para los Administradores de Empresas. Los
pronsticos a largo plazo son necesarios para establecer el curso
general de la organizacin para un largo periodo; de ah que se
conviertan en el enfoque particular de la alta direccin. Los
pronsticos a corto plazo se utilizan para disear estrategias
inmediatas y que usan los administradores de rango medio y de
primera lnea para enfrentar las necesidades del futuro
inmediato.4.-Describa brevemente los pasos necesarios para
desarrollar un sistema de pronostico Todos los procedimientos
formales de pronstico comprenden la extensin de las experiencias
del pasado al futuro incierto. De ah la suposicin de que las
condiciones que generaron los datos anteriores son indistinguibles
de las condiciones futuras, con excepcin de aquellas variables
reconocidas de manera explcita por el modelo de pronstico. Por
ejemplo, si se esta pronosticando el ndice de desempeo de los
empleados en el trabajo, usando slo como pronstico la calificacin
del examen de admisin, se asume que el ndice de desempeo en el
trabajo de cada persona se afecta slo por dicho examen.
Considerando que la suposicin de pasado y futuro indistinguibles no
se cumple, resultarn pronsticos imprecisos, a menos que se
modifiquen a juicio de quien se pronostica.La aceptacin de que las
tcnicas de pronsticos funcionan sobre datos generados en sucesos
histricos pasados conduce a la identificacin de cuatro pasos en el
proceso de pronstico:1. Recopilacin de datos 2. Reduccin o
condensacin de datos3. Construccin del modelo 4. Extrapolacin del
modelo El paso 1 sugiere la importancia de obtener datos adecuados
y asegurarse que son correctos. Con frecuencia este paso es el
mayor reto de todo el proceso de pronstico y el ms difcil de
controlar, ya que los pasos siguientes se efectan sobre los datos,
sean o no relevantes para el problema en cuestin. Siempre que se
hace necesario obtener datos pertinentes en una organizacin,
abundan los problemas de recopilacin y control de calidad. El paso
2, la reduccin de datos con frecuencia es necesaria ya que en
proceso de pronstico es posible tener muchos o muy pocos datos.
Algunos datos pueden no ser pertinentes al problema, por lo que
reduciran la precisin del pronstico. Otros datos pueden ser los
adecuados, pero slo en ciertos periodos histricos. Por ejemplo, en
el pronstico de ventas de automviles compactos podra desearse
emplear slo datos de ventas de automviles a partir del embargo
petrolero de la dcada de 1970, en vez de datos de los ltimos 50
aos. El paso 3 , la construccin del modelo, implica ajustar los
datos reunidos en un modelo de pronstico que sea el adecuado para
minimizar el error del pronstico. Entre ms sencillo sea el modelo,
ser mejor para lograr la aceptacin del proceso por parte de los
administradores que toman las decisiones en la empresa. Con
frecuencia se debe establecer un balance entre un enfoque de
pronstico complejo que ofrezca ligeramente ms precisin y un enfoque
sencillo que sea fcil de entender y ganar el apoyo de quienes toman
las decisiones, de manera que lo utilicen efectivamente. Es obvio
que los elementos de juicio forman parte de este proceso de
seleccin. El paso 4 consiste en la extrapolacin en s del modelo de
pronstico, lo cual ocurre una vez que se recolectaron y tal vez
redujeron, los datos adecuados y que se seleccion un modelo de
pronstico apropiado. Es comn que quien realiz el pronstico revise
la precisin del proceso mediante el pronstico de periodos recientes
de los que se conocen los valores histricos reales. Es entonces
cuando se observan los errores de pronstico y se resumen de algn
modo. Ciertos procedimientos de pronsticos, suman los valores
absolutos de los errores y pueden reportar esta suma, o dividirla
entre el numero de intentos de pronstico para obtener el error de
pronstico promedio. Otros procedimientos obtienen la suma de
cuadrados de los errores, que se compara luego con cifras similares
de mtodos de pronstico alternativos. 5.-Un administrador escptico
pregunta para que pueda usarse un pronstico de mediano plazo,
sugirale tres usos o pronsticos posibles Se puede mejorar la
utilidad de los pronsticos si los administradores adoptan una
actitud ms realista. No se debe ver al proceso como un sustito de
la profeca, sino como la mejor forma de identificar y extrapolar
patrones o relaciones establecidos con el fin de pronosticar. Si se
admite tal actitud, se deben considerar inevitablemente los errores
de pronstico e investigar las circunstancias que los generan.6.-
Explique qu tcnicas de pronsticos, como promedios mviles, promedios
mviles ponderados y suaviza miento exponencial no son apropiadas
para las series de datos que presentan una tendencia Para una buena
seleccin de la tcnica de pronstico adecuada, el pronosticado deber
poder hacer lo siguiente: Definir la naturaleza del problema de
pronstico. Explicar la naturaleza de los datos bajo investigacin.
Describir las capacidades y limitaciones de las tcnicas de
pronstico potencialmente tiles. Desarrollar algunos criterios
predeterminados sobre los cuales se pueda tomar la decisin de la
seleccin. Un factor principal que influye en la seleccin de una
tcnica de pronstico consiste en la identificacin y comprensin de
patrones histricos en los datos. Si se pueden reconocer patrones de
tendencia, cclicos o estacionales, entonces se pueden seleccionar
las tcnicas con la capacidad de utilizar eficazmente estos
patrones. Tcnicas de pronstico para datos estacionarios Una serie
estacionaria es aquella cuyo valor promedio no varia a travs del
tiempo. Estas situaciones se presentan cuando los patrones de
demanda que influyen sobre la serie son relativamente estables. El
pronstico de series estacionarias comprende el uso de la historia
disponible de las series para estimar su valor promedio, el cual se
convierte despus en el pronstico de valores futuros. Las tcnicas
mas sofisticadas comprenden la actualizacin de la estibacin, al
haber nueva informacin. Las tcnicas de pronstico estacionarias se
emplean siempre que: Las fuerzas que generen una serie se han
estabilizado y el medio en el que existe la serie permanece
relativamente sin cambios. Ejemplos de ello son las fallas por
semana en una lnea de ensamble que tiene una fase de produccin
uniforme, las ventas unitarias de un producto o servicio en la
etapa de maduracin de su ciclo de vida y el nmero de ventas
resultantes de un nivel constante de esfuerzo. Se requiere un
modelo muy sencillo debido a la falta de datos o para facilitar su
explicacin o implementacin. Un ejemplo seria cuando un negocio u
organizacin es nuevo y hay disponible muy poca informacin histrica.
Se puede lograr la estabilidad haciendo correcciones sencillas a
factores como crecimiento de la poblacin e inflacin. Ejemplos de
esto son modificar el ingreso por el ingreso per cpita, o las
ventas en dlares por montos en dlares constantes. La serie se puede
transformar en una serie estable. Como ejemplo, esta la
transformacin de series mediante logaritmos, races cuadradas o
diferencias. La serie es un conjunto de errores de pronstico que se
considera adecuada. Tcnicas De Pronstico Para Datos Con Una
Tendencia Una serie con tendencia como una serie de tiempo que
contiene un componente de largo plazo que representa el crecimiento
o declinacin de la serie a travs de un periodo amplio. Tiene una
tendencia si su valor promedio vara a travs del tiempo, de modo que
se espera que aumente o disminuya durante el periodo para el que
desea pronstico. Es comn que las series econmicas contengan una
tendencia. Las tcnicas de pronstico para series con tendencia se
utilizan siempre que: Una productividad creciente y la nueva
tecnologa conducen a cambios en el estilo de vida. Como ejemplos se
pueden citar la demanda de componentes electrnicos, que se
incremento con el advenimiento de la computadora; y el uso del
ferrocarril que se disminuyo con la aparicin del avin. El
incremento en la poblacin provoca un incremento en la demanda de
bienes y servicios. Ejemplo de estos son las utilidades por venta
de bienes de consumo, la demanda en el consumo de energa elctrica y
el uso de materias primas. El poder de compra del dlar afecta las
variables econmicas por causa de la inflacin. Los ejemplos son los
salarios, costos de produccin y precios. Aumenta la aceptacin en el
mercado. Un ejemplo seria el periodo de crecimiento en el ciclo de
vida de un nuevo producto. Tcnicas De Pronstico Para Datos Con
Estacionalidad Una serie estacional como una serie de tiempo con un
patrn de cambio que se repite a si mismo ao tras ao. Por lo
regular, el desarrollo de una tcnica de pronostico estacional
comprende la seleccin de un mtodo multiplicativo o uno de adicin y
estimar despus ndices estacinales a partir de la historia de la
serie. Estos ndices se usan posteriormente para incorporar la
estacionalidad al pronostico para eliminar tales efectos de los
valorares observados. Las tcnicas de pronstico para datos
estacinales se usan siempre que: El clima influyente en la variable
de inters. Como ejemplos estn el consumo de energa elctrica, las
actividades de verano e invierno, el guardarropa y las estaciones
de desarrollo agrcola. El ao calendario influye en la variable de
inters. Ejemplos de ello son las ventas al menudeo influidas por
dais festivos, fines de semana de tres das y los calendarios
escolares. Tcnicas De Pronstico Para Series Cclicas Es la
fluctuacin en forma de onda alrededor de la tendencia. Los patrones
cclicos tienden a repetirse en los datos cada dos, tres o mas aos.
Las fluctuaciones en forma de onda hacia arriba y hacia abajo
alrededor de la tendencia rara vez se repiten en intervalos fijos
de tiempo y tambin vara la magnitud de las fluctuaciones. Las
tcnicas de pronstico para datos cclicos se utilizan siempre que: El
ciclo del negocio influye sobre la variable de inters. Como
ejemplos estn los factores econmicos de mercado y de la compendia.
Se presentan cambios en el gusto popular. Ejemplos de ello son la
moda, la msica y la alimentacin. Se presenta cambios en la
poblacin. Podemos citar como ejemplos las guerras, escasez,
epidemias y desastres naturales. Se presentan cambios en el ciclo
de vida del producto. Ejemplo de ello son la introduccin,
crecimiento, maduracin, saturacin y declinacin del mercado.7.- Cul
es la diferencia bsica entre promedios mviles ponderados y suaviza
miento exponencial?El promedio ponderado es una forma un poco ms
compleja de calcular la media, pero de gran utilidad
prctica.Comenzar por explicar lo que significa promedio ponderado
con un caso simple y luego considerar un caso ms general.
Supongamos que tu maestro dice que el examen final equivale a tres
pruebas. Entonces, si tus calificaciones son:pruebas: 70, 80, 90
examen final: 100tu promedio ser exactamente como si hubieras
obtenido:pruebas: 70, 80, 90, 100, 100, 100Si deseamos calcular
esto en forma directa (usando el mtodo del promedio ponderado),
simplemente podemos multiplicar la calificacin del examen final por
3 cuando la sumamos, pero tambin debemos recordar que tenemos que
contarla tres veces en el denominador y no slo dividir por 4.
Puedes hacer esto escribindolo de esta forma:Calificacin Ponderacin
Valor 70 1 70 80 1 80 90 1 90 100 3 300 6 540 --> promedio =
540/6 = 90
Esto es, divides la suma de los valores ponderados por la suma
de las ponderaciones. De esto se trata el clculo del promedio
ponderado.Suavizacin ExponencialOtro mtodo para realizar un
pronstcico es el mtodo de suavizacin exponencial. A diferencia de
los promedios mviles, este mtodo pronostica otorgando una
ponderacin a los datos dependiendo del peso que tengan dentro del
clculo del pronstico. Esta ponderacin se lleva a cabo a travs de
otorgarle un valor a la constante de suavizacin, 1, que puede ser
mayor que cero y menor que uno. Para nuestro ejemplo, utilizamos un
valor de 1 = 0.8, por ser ste el que mejor ajusta al pronstico a
los datos reales.El mtodo de suavizacin exponencial supone que el
proceso es constante, al igual que el mtodo de promedios mviles.
Esta tcnica est diseada para atenuar una desventaja del mtodo de
promedios mviles, en donde los datos para calcular el promedio
tienen la misma ponderacin. De manera particular, esta tcnica
considera que las observaciones recientes tienen ms valor, por lo
que le otorga mayor peso dentro del promedio.La suavizacin
exponencial utiliza un promedio mvil ponderado de los datos
histricos de la serie de tiempo como pronstico; es un caso especial
de promedio mvil en donde se selecciona un solo valor de
ponderacin3. El modelo bsico de suavizacin exponencial se presenta
a continuacin:
Ft+1 = _Yt + (1 - _)Ft (2)
Donde:Ft+1 = Pronstico de la serie de tiempo para el periodo de
t + 1.Yt = Valor real del periodo anterior al ao a pronosticar.Ft =
Valor real del periodo anteanterior al ao a pronosticar._ =
Constante de suavizacin (0 _ _ _ 1).8.-Cules los tres mtodos
empleados para medir la exactitud de cualquier mtodo de pronsticos?
como determinara usted si es mejor una regresin de series de
tiempos o un suavizante exponencial para una aplicacin
especifica?Un mtodo para evaluar una tcnica de pronstico consiste
en obtener la suma de los errores absolutos. La Desviacin Absoluta
de la Media (DAM) mide la precisin de un pronstico mediante el
promedio de la magnitud de los errores de pronstico (valores
absolutos de cada error). La DAM resulta de gran tilidad cuando el
analista desea medir el error de pronstico en las mismas unidades
de la serie original. La siguiente ecuacin muestra como se calcula
la DAM: DAM =Otra tcnica para evaluar una tcnica de pronstico es el
Error Medio Cuadrado (EMC). Cada error o residual se eleva al
cuadrado; luego estos valores se suman y se divide entre el nmero
de observaciones. Este enfoque penaliza los errores mayores de
pronsticos, ya que eleva cada uno al cuadrado. Esto es importante
pues en ocasiones pudiera ser preferible una tcnica que produzca
errores moderados a otra que por lo regular tenga errores pequeos ,
pero que ocasionalmente arroje algunos en extremo grandes. La
ecuacin para el clculo del EMC, es la siguiente: EMC = En
ocasiones, resulta mas til calcular los errores de pronstico en
trminos de porcentaje y no de cantidades. El Porcentaje de Error
Medio Absoluto (PEMA) se calcula encontrando el error absoluto en
cada periodo, dividiendo ste entre el valor real observado, para
ese periodo y despus promediando estos errores absolutos de
porcentaje. Este enfoque es til cuando el tamao o magnitud de la
variable de pronstico es importante en la evaluacin de la precisin
del pronstico. El PEMA proporciona una indicacin de que tan grandes
son los errores de pronstico comparados con los valores reales de
la serie. Tambin se puede utilizar el PEMA para comparar la
precisin de la misma u otra tcnica sobre dos series completamente
diferentes. La siguiente ecuacin muestra el clculo del PEMA: PEMA =
A veces resulta necesario determinar si un mtodo de pronstico est
sesgado (pronstico consistentemente alto o bajo). En estos casos,
se emplea el Porcentaje Medio de Error (PME), que se calcula
encontrando el error en cada periodo, dividiendo esto entre el
valor real de ese periodo y promediando despus estos porcentajes de
error. Si un enfoque de pronstico no est sesgado, la ecuacin del
PME producir un porcentaje cercano a cero. Si el resultado es un
porcentaje negativo grande, el mtodo de pronstico est sobrestimado
de manera consistente. Si el resultado es un porcentaje positivo
grande, el mtodo de pronstico esta subestimado de forma
consistente. PME = Una parte de la decisin para utilizar una tcnica
de pronstico en particular es la determinacin de si la tcnica
producir errores de prediccin que se juzguen como suficientemente
pequeos. Es en este efecto realista esperar que una Es Es en efecto
realista esperar que una tcnica produzca errores de pronstico
relativamente bajos sobre una base consistente. Las cuatro
mediciones de precisin de un pronstico que acabamos de describir se
utilizan de la siguiente manera: La comparacin de la precisin de
dos tcnicas diferentes. La medicin de la utilidad o confiabilidad
de una tcnica. La bsqueda de una tcnica ptima. 9.-imvestigue y
describa brevemente el mtodo de delphi Cmo podra usarlo alguno de
los jefes para los que usted ha trabajado?El mtodo Delphi es una
metodologa de investigacin multidisciplinar para la realizacin de
pronsticos y predicciones. Fue desarrollo por la Corporacin Rand al
inicio de la Guerra Fra para investigar el impacto de la tecnologa
en la guerra. El nombre del mtodo se basa en las predicciones del
orculo de DelfosSu objetivo es la consecucin de un consenso basado
en la discusin entre expertos. Es un proceso repetitivo. Su
funcionamiento se basa en la elaboracin de un cuestionario que ha
de ser contestado por los expertos. Una vez recibida la informacin,
se vuelve a realizar otro cuestionario basado en el anterior para
ser contestado de nuevo. Finalmente el responsable del estudio
elaborar sus conclusiones a partir de la explotacin estadstica de
los datos obtenidos.Las organizaciones empresariales tienen como
objetivo tanto obtener los mayores beneficios econmicos como ser
capaces de existir durante el mximo tiempo posible. Para ello
realizan un plan estratgico en el que se reflejan cules son las
lneas productivas que se deben seguir manteniendo, cules deberan
implantarse y qu modificaciones debe sufrir la organizacin para
lograr sus objetivos. Para conseguir que este plan tenga xito, la
empresa debe conocer el entorno en el que se desarrolla su
actividad. As, debe conocer cules son los peligros que la amenazan
(prdida de competitividad, desconocimiento de las nuevas
tecnologas, prdida de mercado, ...) y cules las oportunidades que
aparecen (utilizacin de nuevas tecnologas que mejoran el
rendimiento en la organizacin, fortalecimiento de la posicin ante
el mercado, ...). Adems, las empresas estarn interesadas en conocer
la evolucin que va a sufrir este entorno en el futuro. Para ello,
los mtodos de prospectiva estudian el futuro en lo que se refiere a
la evolucin de los factores del entorno tecno-socio-econmico y las
interacciones entre estos factores. De esta manera las
organizaciones podrn desarrollar sus planes estratgicos con la
seguridad de que se van a conseguir los objetivos a largo plazo que
tena previstos.10.- Cul es la principal diferencia entre un modelo
de series de tiempo y un modelo asociativo?Los modelos de series de
tiempo son las tcnicas de pronsticos que se basan nicamente en la
historia de la demanda del tem que se esta pronosticando. Trabajan
capturando los patrones en los datos histricos extrapolndolos en el
futuro. Los Modelos de series de tiempo son adecuados cuando se
puede asumir una cantidad razonable de datos y una continuidad en
el futuro prximo de las condiciones que se presentaron en el
pasado. Estos modelos se adaptan mejor al corto plazo del
pronstico. Esto se debe a la hiptesis de que los patrones pasados y
las tendencias actuales se asemejan a los patrones y tendencias que
se van a presentar en el futuro. Esto es una suposicin razonable en
el corto plazo, pero va perdiendo validez en el largo plazo.11.-
Defina q es una serie de tiempoUna serie de tiempo o serie temporal
es una coleccin de observaciones tomadas a lo largo del tiempo cuyo
objetivo principal es describir, explicar, predecir y controlar
algn proceso. Las observaciones estn ordenadas respecto al tiempo y
sucesivas observaciones son generalmente dependientes. De hecho
esta dependencia entre las observaciones jugar un papel importante
en el anlisis de la serie El anlisis de series de tiempo desempea
un papel importante en el anlisis requerido para el pronstico de
eventos futuros. Existen varias formas o mtodos de calcular cual va
a ser la tendencia del comportamiento del proceso en estudio. En el
presente documento se procede a aplicar el anlisis de series de
tiempo aplicado al estudio del comportamiento en la forma de acceso
a Internet, considerando bsicamente el factor ancho de banda. Hoy
en da las aplicaciones y mayores avances en cuanto a uso de
Internet se dan con aplicaciones que requieren un gran ancho de
banda. La telemedicina, por ejemplo no se podra dar si es que no
estamos en capacidad de poder comunicarnos a un ancho de banda que
nos asegura una inmediata comunicacin tanto en envi como respuesta
de seal12.- Qu efecto tiene el valor de la contante de suaviza
miento en la ponderacin dadas a los valores recientes? Para dar mas
peso esto es cuando alfa es mas alto 13.- Explique el valor que
tienen los ndices estacionales al pronosticar en que difieren los
patrones cclicos y los patrones estacionales.Esto es importante
para saber la demanda mayor, el patrn estacional se repite despus
de un periodo 14.- Qu tcnica de pronstico da ms importancia a los
valores recientes? Cmo hace esto?
Periodo mvil ponderado =sumatoria (ponderacin pa el periodo M)
(demanda en el periodo M) Sumatoria de ponderados
15.- Explique con sus propias palabras que s un pronstico
adaptable Es un pronstico que se puede adaptar a diversas reas ya
sea econmico tecnolgico etc. Se ajusta debido a variables como la
estacionalidad y la tendencia16.- Cul es el propsito de seales de
control?Esto es muy importante para los pronsticos ce tiempo 17.-
explique con sus propias palabras cual es el significado del
coeficiente de correlacin. Analice el significado de un valor
negativo del coeficiente de correlacinEs el que mide la relacin
lineal entre dos variables cuantitativas
18.- Cul es la diferencia entre una variable dependiente y una
variable independiente? VARIABLE INDEPENDIENTE.-produce
modificaciones e otra variable con la cual esta relacionada suele
llamrsele variable causalVARIABLE DEPENDIENTE.-es modificada
siempre que la variable independiente cambia de valor o modalidad
conocida como variable efecto 19.-Mencione algunos ejemplos de
industrias afectadas por la estacionalidad Por qu estos negocios
desearan no depender de la estacionalidad? Esto depende de una
constante y la otra no20.- De algunos ejemplos de industrias donde
el pronstico de la demanda depende de la demanda de otros
productos
21.- Qu ocurre con nuestra capacidad para pronosticar cundo
pronosticamos periodos cada vez ms lejanos en el futuro?La
probabilidad de erros se hace mas grande PROBLEMAS
AO1234567891011
DEMANDA795913812139117
a) Grafique los datos anteriores Observa alguna tendencia ciclos
o varianza aleatorios?
b) Comenzando en el ao 4 hasta el ao 12, pronostique la demanda
usando promedios mviles de tres aos .grafique su pronstico en la
misma grafica de los datos originales AO123456789101112
DEMANDA795913812139117
Promedio mvil
77910111111119
c) Comenzando en el ao 4 hasta el ao 12, pronostique la demanda
usando promedios mvil de 3 aos con ponderaciones de 1, 3,6, usando
6 para el ao ms reciente. Grafique su pronstico en la misma
grafica
AoDemandaPromedio mvil
176.4
297.8
3511
499.6
51310.9
6812.2
7127.6
81310.9
9912.2
10115.1
11710.6
1210.4
d) Al comprar cada pronstico contra los datos originales Cul
parece proporcionar mejores resultados?El pronstico de promedios
mviles 2.- Las ventas mensuales en telco batteries,inc fueron como
sigue MesVentas
Enero20
Febrero21
Marzo15
Abril14
Mayo13
junio16
Julio17
Agosto18
Setiembre20
Octubre20
Noviembre21
Diciembre23
A. Grafique los datos de las ventas mensuales
B. Pronostique las ventas para enero usando cada una de las
tcnicas siguientes:i) Mtodo intuitivo Para enero la venta es 23
ii) Un promedio mvil de 3 mesesMesVentas reales Promedio mvil de
3 meses
Enero20
Febrero21
Marzo 15
Abril1418.666
Mayo1316.66667
Junio1614
Julio1714.33333
Agosto1815.33333
Setiembre2017
Octubre2018.3333
Noviembre2119.33333
Diciembre 2320.333333
iii) Un promedio mvil ponderado de 6 meses empleando MesVentas
reales
Enero20
Febrero21
Marzo 15
Abril14
Mayo13
Junio16
Julio17
Agosto18
Setiembre20
Octubre20
Noviembre21
Diciembre 23
iv) Suaviza miento exponencial con a=.3 y un pronstico para
setiembre de 18
3.- las temperaturas mximas diarias en saint Louis durante la
ltima semana fueron las siguientes: 93, 94, 93, 95, 96, 88 ,90
(ayer)a. Pronostique la temperatura mxima para hoy usando un
promedio mvil de 3 das
TemperaturaPromedio mvil e 3 das
93
94
93
95(93+94)+93/3 =93.3333
9694
8894.666666
9093
91.333333
b. Pronostique la temperatura mxima para hoy usando un promedio
mvil de 2 das
TemperaturaPromedio mvil e 3 das
93
94
93(93+94)+93/3 =93.5
9593.5
9694
8895.5
9092
89
c. Calcule la desviacin absoluta media con base en un promedio
mvil de 2 das TemperaturaPronostico alfa= .10Desviacin absoluta
9393.5.5
9593.451.55
9693.612.39
8893.855.85
9093.273.27
92.94
MAD = 2.71
d. Calcule el error cuadrtico medio para un promedio mvil de 2
das TEMPERATURAPronostico alfa=.10Desviacin absoluta
9393.5.25
9593.452.40
9693.615.71
8893.8534.22
9093.2710.69
Sumatoria 53.27
MSE=10.654e. Calcule el error porcentual absoluto medio para el
promedio mvil de 2 dasTEMPERATURAPronostico alfa=.10Desviacin
absoluta
9393.5.54
9593.451.63
9693.613.01
8893.856.64
9093.273.63
Sumatoria 15.45
MADE =3.09%4.- a continuacin se presentan dos pronsticos
semanales realizados mediante dos mtodos diferentes para el nmero
de galones de gasolina en miles, demandado en una gasolinera local.
Tambin se muestran los niveles reales de demanda, en miles de
galones.PronosticoSemanaMtodo 1Mtodo 2Demanda real
10.900.800.70
21.051.201.00
30.950.901.00
41.201.111.00
Cules son los valores de MAD y el MSE para cada mtodo?MAD = 0.90
+ 1.05+1.20=1.03 = 1.03 4
MSE =0.8+1.20+0.90+1.11 = 1.00 45.- Considere los siguientes
niveles de la demanda real (At) y pronosticada (Ft) para un
producto Periodo de tiempotDemanda realA1Demanda pronosticadaFt
15050
24250
35648
44650
5?49
El primer pronostico Ft se obtuvo A1 y estableciendo F1 igual
A1. Los pronsticos subsecuentes se obtuvieron mediante suaviza
miento exponencial. Usando el mtodo de suaviza miento exponencial,
encuentre el pronstico para el quinto periodo(sugerencia primero es
necesario encontrar la cte. de suaviza miento )
6.- Howard weiss propietario de una tienda distribuidora de
instrumentos musicales, cree que la demanda de tambores bajos puede
estar relacionada con el numero de apariciones en tv del popular
grupo de rock Stone temple pilots durante el mes pasado. Weiss ha
recopilado los datos que se muestran en la tabla siguiente Demanda
de tambores bajos
3675107
Apariciones en tv de Stone temple pilots347685
a) Grafique con estos datos para saber si una ecuacin lineal
podra describir la relacin que hay entre las apariciones en tv del
grupo y la venta de tambores bajos
b) Use el mtodo de regresin por mnimos cuadrados para obtener
una ecuacin de pronostico Demanda YNomina XXX.YY
c) Cul sera su estimacin de las ventas de tambores bajos si los
Stone temple pilots hubiesen aparecido 9 veces en tv el mes
anterior?Ventas = 0.31 + 1.09 (9) = 10.12d) Cules son el
coeficiente de correlacin (r) y el coeficiente de determinacin (r2)
para este modelo, y que significan?R = (0.82)2 = 0.67247.- En el
pasado la distribuidora ARUP Mulkherjee vendi un promedio de 1.000
llantas radiales cada ao. En los 2 aos anteriores vendi 200 y 250
respectivamente durante el otoo, 350 y 300 en invierno , 150 y 165
en primavera, y 300 y 285 en verano. Con una ampliacin importante
en puerta Mulkherjee proyecta que las ventas se incrementaran el
prximo ao a 1200 llantas radiales Cul ser la demanda en cada
estacin?
EstacinDemandaDeman promedioDeman promedio estacional
ndice estacional
Otoo200250225333.33.675
Invierno350300325333.33.975
Primavera150165157.5333.33.473
Verano300285292.5333.33.878
EstacinDemanda
Otoo 1200/3 *0.675 = 270
invierno1200/3 *0.975 = 390
Primavera1200/3 *0.473= 189.2
verano1200/3 *0.878 = 351.2
8.- Brian Beckley ha desarrollado el siguiente modelo de
pronstico:Y=36 + 4.3XDonde: y = demanda de aires acondicionados
Aztec y X= la temperatura exterior (F) a) Pronostique la demanda de
aztec cuando la temperatura es de 70FY = 36+4.3 (70)Y=337b) Cul es
la demanda cuando la temperatura es de 80F?Y = 36+4.3 (80)Y=380
c) Cul es la demanda cuando la temperatura es de 90F? Y = 36+4.3
(90)Y=423
9.-Sundar balakrinhmasn gerente, general de precisin engineering
corporacin (PEC)cree que los servicios de ingeniera de las empresas
de construccin de carreteras que contratan a su compaa se
relacionan directamente con el volumen de negocios de construccin
de carreteras que contrata a las compaas ubicadas en su rea
geogrfica. Se pregunta si realmente
TRIMESTRE12345678
Ventas de servicio PEC81015912131316
Contratos firmados 153172147179185199205226
a) x mnimos cuadrados
