22
1.- ¿Que Es Un Modelo de Pronostico Cualitativo Y Cuando Es Apropiado Su Uso? Se dice que es la estimación anticipada del valor de una variable, por ejemplo: la demanda de un producto. Valor anticipado de la variable que una compañía está en posibilidad de concretizar, por ejemplo: la cantidad de producto que la compañía decide fabricar en función de la demanda y de la capacidad instalada. El conocimiento de las técnicas de pronósticos es de poco valor a menos que puedan aplicarse efectivamente en el proceso de planeación de la organización. Usos de los pronósticos Mercadotecnia Tamaño del mercado Participación en el mercado Tendencia de precios Desarrollo de nuevos productos Producción Costo de materia prima Costo de mano de obra Disponibilidad de materia prima Disponibilidad de mano de obra Requerimientos de mantenimiento Capacidad disponible de la planta para la producción Finanzas Tasas de interés Cuentas de pagos lentos 2.- Identifique y describa brevemente los dos enfoques generales del pronostico Se dice que existen dos enfoques pronosticados, uno de ellos es el análisis cuantitativo y el otro es el análisis cualitativo Análisis Cuantitativo.- estos utilizan una serie de modelos matemáticos que se apoyan en datos históricos o en variables causadas para pronosticar la demanda Análisis Cualitativo.- estos incorporan factores como la intuición o las decisiones para llevar un pronostico 3.- Identifique los tres horizontes de tiempos para pronosticar. Establezca una duración aproximada para cada uno. Ahora todos los administradores posen la capacidad de utilizar técnicas de análisis de datos muy complejas para fines de pronóstico, y una comprensión de dichas técnicas es esencial hoy en día para los Administradores de Empresas.

Examen de ProduccExamen de Produccionion

Embed Size (px)

DESCRIPTION

Examen de Produccion

Citation preview

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