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. Los pronósticos a largo plazo son necesarios para establecer el curso general de la organización para un largo periodo; de ahí que se conviertan en el enfoque particular de la alta dirección. Los pronósticos a corto plazo se utilizan para diseñar estrategias inmediatas y que usan los administradores de rango medio y de primera línea para enfrentar las necesidades del futuro inmediato. 4.-Describa brevemente los pasos necesarios para desarrollar un sistema de pronostico Todos los procedimientos formales de pronóstico comprenden la extensión de las experiencias del pasado al futuro incierto. De ahí la suposición de que las condiciones que generaron los datos anteriores son indistinguibles de las condiciones futuras, con excepción de aquellas variables reconocidas de manera explícita por el modelo de pronóstico. Por ejemplo, si se esta pronosticando el índice de desempeño de los
empleados en el trabajo, usando sólo como pronóstico la calificación del examen de admisión, se asume que el índice de desempeño en el trabajo de cada persona se afecta sólo por dicho examen. Considerando que la suposición de pasado y futuro indistinguibles no se cumple, resultarán pronósticos imprecisos, a menos que se modifiquen a juicio de quien se pronostica.La aceptación de que las técnicas de pronósticos funcionan sobre datos generados en sucesos históricos pasados conduce a la identificación de cuatro pasos en el proceso de pronóstico: 1. Recopilación de datos
2. Reducción o condensación de datos
3. Construcción del modelo
4. Extrapolación 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 pronóstico y el más difícil de controlar, ya que los pasos siguientes se efectúan sobre los datos, sean o no relevantes para el problema en cuestión. Siempre que se hace necesario obtener datos pertinentes en una organización, abundan los problemas de recopilación y control de calidad. · El paso 2, la reducción de datos con frecuencia es necesaria ya que en proceso de pronóstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reducirían la precisión del pronóstico. Otros datos pueden ser los adecuados, pero sólo en ciertos periodos históricos. Por ejemplo, en el pronóstico de ventas de automóviles compactos podría desearse emplear sólo datos de ventas de automóviles a partir del embargo petrolero de la década de 1970, en vez de datos de los últimos 50 años. · El paso 3 , la construcción del modelo, implica ajustar los datos reunidos en un modelo de pronóstico que sea el adecuado para minimizar el error del pronóstico. Entre más sencillo sea el modelo, será mejor para lograr la aceptación 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 pronóstico complejo que ofrezca ligeramente más precisión y un enfoque sencillo que sea fácil 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 selección. · El paso 4 consiste en la extrapolación en sí del modelo de pronóstico, lo cual ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccionó un modelo de pronóstico apropiado. Es común que quien realizó el pronóstico revise la precisión del proceso mediante el pronóstico de periodos recientes de los que se conocen los valores históricos reales. Es entonces cuando se observan los errores de pronóstico y se resumen de algún modo. Ciertos procedimientos de pronósticos, suman los valores absolutos de los errores y pueden reportar esta suma, o dividirla entre el numero de intentos de pronóstico para obtener el error de pronóstico promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se compara luego con cifras similares de métodos de pronóstico alternativos.
5.-Un administrador escéptico pregunta para que pueda usarse un pronóstico de mediano plazo, sugiérale tres usos o pronósticos posibles Se puede mejorar la utilidad de los pronósticos si los administradores adoptan una actitud más realista. No se debe ver al proceso como un sustito de la profecía, 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 pronóstico e investigar las circunstancias que los generan. 6.- Explique qué técnicas de pronósticos, como promedios móviles, promedios móviles ponderados y suaviza miento exponencial no son apropiadas para las series de datos que presentan una tendencia Para una buena selección de la técnica de pronóstico adecuada, el pronosticado deberá poder hacer lo siguiente: § Definir la naturaleza del problema de pronóstico. § Explicar la naturaleza de los datos bajo investigación. § Describir las capacidades y limitaciones de las técnicas de pronóstico potencialmente útiles. § Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisión de la selección. Un factor principal que influye en la selección de una técnica de pronóstico consiste en la identificación y comprensión de patrones históricos en los datos. Si se pueden reconocer patrones de tendencia, cíclicos o estacionales, entonces se pueden seleccionar las técnicas con la capacidad de utilizar eficazmente estos patrones. Técnicas de pronóstico para datos estacionarios Una serie estacionaria es aquella cuyo valor promedio no varia a través del tiempo. Estas situaciones se presentan cuando los patrones de demanda que influyen sobre la serie son relativamente estables. El pronóstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor promedio, el cual se convierte después en el pronóstico de valores futuros. Las técnicas mas sofisticadas comprenden la actualización de la estibación, al haber nueva información. Las técnicas de pronóstico 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 línea de ensamble que tiene una fase de producción uniforme, las ventas unitarias de un producto o servicio en la etapa de maduración de su ciclo de vida y el número 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 explicación o implementación. Un ejemplo seria cuando un negocio u organización es nuevo y hay disponible muy poca información histórica. § Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la población e inflación. Ejemplos de esto son modificar el ingreso por el ingreso per cápita, o las ventas en dólares por montos en dólares constantes. § La serie se puede transformar en una serie estable. Como ejemplo, esta la transformación de series mediante logaritmos, raíces cuadradas o diferencias. § La serie es un conjunto de errores de pronóstico que se considera adecuada.
Técnicas De Pronóstico 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 declinación de la serie a través de un periodo amplio. Tiene una tendencia si su valor promedio varía a través del tiempo, de modo que se espera que aumente o disminuya durante el periodo para el que desea pronóstico. Es común que las series económicas contengan una tendencia. Las técnicas de pronóstico para series con tendencia se utilizan siempre que: § Una productividad creciente y la nueva tecnología conducen a cambios en el estilo de vida. Como ejemplos se pueden citar la demanda de componentes electrónicos, que se incremento con el advenimiento de la computadora; y el uso del ferrocarril que se disminuyo con la aparición del avión. § El incremento en la población 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 energía eléctrica y el uso de materias primas. § El poder de compra del dólar afecta las variables económicas por causa de la inflación. Los ejemplos son los salarios, costos de producción y precios. § Aumenta la aceptación en el mercado. Un ejemplo seria el periodo de crecimiento en el ciclo de vida de un nuevo producto. Técnicas De Pronóstico Para Datos Con Estacionalidad Una serie estacional como una serie de tiempo con un patrón de cambio que se repite a si mismo año tras año. Por lo regular, el desarrollo de una técnica de pronostico estacional comprende la selección de un método multiplicativo o uno de adición y estimar después índices estaciónales a partir de la historia de la serie. Estos índices se usan posteriormente para incorporar la estacionalidad al pronostico para eliminar tales efectos de los valorares observados. Las técnicas de pronóstico para datos estaciónales se usan siempre que: § El clima influyente en la variable de interés. Como ejemplos están el consumo de energía eléctrica, las actividades de verano e invierno, el guardarropa y las estaciones de desarrollo agrícola. § El año calendario influye en la variable de interés. Ejemplos de ello son las ventas al menudeo influidas por dais festivos, fines de semana de tres días y los calendarios escolares. Técnicas De Pronóstico Para Series Cíclicas Es la fluctuación en forma de onda alrededor de la tendencia. Los patrones cíclicos tienden a repetirse en los datos cada dos, tres o mas años.
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 también varía la magnitud de las fluctuaciones. Las técnicas de pronóstico para datos cíclicos se utilizan siempre que: § El ciclo del negocio influye sobre la variable de interés. Como ejemplos están los factores económicos de mercado y de la compendia. § Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la música y la alimentación. § Se presenta cambios en la población. 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 introducción, crecimiento, maduración, saturación y declinación del mercado. 7.- ¿Cuál es la diferencia básica entre promedios móviles ponderados y suaviza miento exponencial? El promedio ponderado es una forma un poco más compleja de calcular la media, pero de gran utilidad práctica. Comenzaré por explicar lo que significa promedio ponderado con un caso simple y luego consideraré un caso más 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: 100 tu promedio será exactamente como si hubieras obtenido: pruebas: 70, 80, 90, 100, 100, 100 Si deseamos calcular esto en forma directa (usando el método del promedio ponderado), simplemente podemos multiplicar la calificación del examen final por 3 cuando la sumamos, pero también debemos recordar que tenemos que contarla tres veces en el denominador y no sólo dividir por 4. Puedes hacer esto escribiéndolo de esta forma: Calificación Ponderación 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 cálculo del promedio ponderado. Suavización Exponencial Otro método para realizar un pronóstcico es el método de suavización exponencial. A diferencia de los promedios móviles, este método pronostica otorgando una ponderación a los datos dependiendo del peso que tengan dentro del cálculo del pronóstico. Esta ponderación se lleva a cabo a través de otorgarle un valor a la constante de suavización, 1, que puede ser mayor que cero y menor que uno. Para nuestro ejemplo, utilizamos un valor de 1 = 0.8, por ser éste el que mejor ajusta al pronóstico a los datos reales. El método de suavización exponencial supone que el proceso es constante, al igual que el método de promedios móviles. Esta técnica está diseñada para atenuar una desventaja del método de promedios móviles, en donde los datos para calcular el promedio tienen la misma ponderación. De manera particular, esta técnica considera que las observaciones recientes tienen más valor, por lo que le otorga mayor peso dentro del promedio.
La suavización exponencial utiliza un promedio móvil ponderado de los datos históricos de la serie de tiempo como pronóstico; es un caso especial de promedio móvil en donde se selecciona un solo valor de ponderación3. El modelo básico de suavización exponencial se presenta a continuación: Ft+1 = _Yt + (1 - _)Ft (2) Donde: Ft+1 = Pronóstico de la serie de tiempo para el periodo de t + 1. Yt = Valor real del periodo anterior al año a pronosticar. Ft = Valor real del periodo anteanterior al año a pronosticar. _ = Constante de suavización (0 _ _ _ 1). 8.-¿Cuáles los tres métodos empleados para medir la exactitud de cualquier método de pronósticos? como determinaría usted si es mejor una regresión de series de tiempos o un suavizante exponencial para una aplicación especifica? Un método para evaluar una técnica de pronóstico consiste en obtener la suma de los errores absolutos. La Desviación Absoluta de la Media (DAM) mide la precisión de un pronóstico mediante el promedio de la magnitud de los errores de pronóstico (valores absolutos de cada error). La DAM resulta de gran tilidad cuando el analista desea medir el error de pronóstico en las mismas unidades de la serie original. La siguiente ecuación muestra como se calcula la DAM:
DAM =
Otra técnica para evaluar una técnica de pronóstico es el Error Medio Cuadrado (EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman y se divide entre el número de observaciones. Este enfoque penaliza los errores mayores de pronósticos, ya que eleva cada uno al cuadrado. Esto es importante pues en ocasiones pudiera ser preferible una técnica que produzca errores moderados a otra que por lo regular tenga errores pequeños , pero que ocasionalmente arroje algunos en extremo grandes. La ecuación para el cálculo del EMC, es la siguiente: EMC = En ocasiones, resulta mas útil calcular los errores de pronóstico en términos de porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en cada periodo, dividiendo éste entre el valor real observado, para ese periodo y después promediando estos errores absolutos de porcentaje. Este enfoque es útil cuando el tamaño o magnitud de la variable de pronóstico es importante en la evaluación de la precisión del pronóstico. El PEMA proporciona una indicación de que tan grandes son los errores de pronóstico comparados con los valores reales de la serie. También se puede utilizar el PEMA para comparar la precisión de la misma u otra técnica sobre dos series completamente diferentes. La siguiente ecuación muestra el cálculo del PEMA: PEMA = A veces resulta necesario determinar si un método de pronóstico está sesgado (pronóstico 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 después estos porcentajes de error. Si un enfoque de pronóstico no está sesgado, la ecuación del PME producirá un porcentaje cercano a cero. Si el resultado es un porcentaje negativo grande, el método de pronóstico está sobrestimado de manera consistente. Si el resultado es un porcentaje positivo grande, el método de pronóstico esta subestimado de forma consistente. PME =
Una parte de la decisión para utilizar una técnica de pronóstico en particular es la determinación de si la técnica producirá errores de predicción que se juzguen como suficientemente pequeños. Es en este efecto realista esperar que una Es Es en efecto realista esperar que una técnica produzca errores de pronóstico relativamente bajos sobre una base consistente. Las cuatro mediciones de precisión de un pronóstico que acabamos de describir se utilizan de la siguiente manera: · La comparación de la precisión de dos técnicas diferentes. · La medición de la utilidad o confiabilidad de una técnica. · La búsqueda de una técnica óptima. 9.-imvestigue y describa brevemente el método de delphi ¿Cómo podría usarlo alguno de los jefes para los que usted ha trabajado? El método Delphi es una metodología de investigación multidisciplinar para la realización de pronósticos y predicciones. Fue desarrollo por la Corporación Rand al inicio de la Guerra Fría para investigar el impacto de la tecnología en la guerra. El nombre del método se basa en las predicciones del oráculo de Delfos Su objetivo es la consecución de un consenso basado en la discusión entre expertos. Es un proceso repetitivo. Su funcionamiento se basa en la elaboración de un cuestionario que ha de ser contestado por los expertos. Una vez recibida la información, se vuelve a realizar otro cuestionario basado en el anterior para ser contestado de nuevo. Finalmente el responsable del estudio elaborará sus conclusiones a partir de la explotación estadística de los datos obtenidos. Las organizaciones empresariales tienen como objetivo tanto obtener los mayores beneficios económicos como ser capaces de existir durante el máximo tiempo posible. Para ello realizan un plan estratégico en el que se reflejan cuáles son las líneas productivas que se deben seguir manteniendo, cuáles deberían implantarse y qué modificaciones debe sufrir la organización para lograr sus objetivos. Para conseguir que este plan tenga éxito, la empresa debe conocer el entorno en el que se desarrolla su actividad. Así, debe conocer cuáles son los peligros que la amenazan (pérdida de competitividad, desconocimiento de las nuevas tecnologías, pérdida de mercado, ...) y cuáles las oportunidades que aparecen (utilización de nuevas tecnologías que mejoran el rendimiento en la organización, fortalecimiento de la posición ante el mercado, ...). Además, las empresas estarán interesadas en conocer la evolución que va a sufrir este entorno en el futuro. Para ello, los métodos de prospectiva estudian el futuro en lo que se refiere a la evolución de los factores del entorno tecno-socio-económico y las interacciones entre estos factores. De esta manera las organizaciones podrán desarrollar sus planes estratégicos con la seguridad de que se van a conseguir los objetivos a largo plazo que tenía previstos. 10.- ¿Cuál es la principal diferencia entre un modelo de series de tiempo y un modelo asociativo? Los modelos de series de tiempo son las técnicas de pronósticos que se basan únicamente en la historia de la demanda del ítem que se esta pronosticando. Trabajan capturando los patrones en los datos históricos extrapolándolos 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 próximo de las condiciones que se presentaron en el pasado. Estos modelos se adaptan mejor al corto plazo del pronóstico. Esto se debe a la
hipótesis 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 suposición razonable en el corto plazo, pero va perdiendo validez en el largo plazo. 11.- Defina q es una serie de tiempo Una serie de tiempo o serie temporal es una colección de observaciones tomadas a lo largo del tiempo cuyo objetivo principal es describir, explicar, predecir y controlar algún proceso. Las observaciones están ordenadas respecto al tiempo y sucesivas observaciones son generalmente dependientes. De hecho esta dependencia entre las observaciones jugará un papel importante en el análisis de la serie El análisis de series de tiempo desempeña un papel importante en el análisis requerido para el pronóstico de eventos futuros. Existen varias formas o métodos de calcular cual va a ser la tendencia del comportamiento del proceso en estudio. En el presente documento se procede a aplicar el análisis de series de tiempo aplicado al estudio del comportamiento en la forma de acceso a Internet, considerando básicamente el factor ancho de banda. Hoy en día 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 podría dar si es que no estamos en capacidad de poder comunicarnos a un ancho de banda que nos asegura una inmediata comunicación tanto en envió como respuesta de señal 12.- ¿Qué efecto tiene el valor de la contante de suaviza miento en la ponderación dadas a los valores recientes? Para dar mas peso esto es cuando alfa es mas alto 13.- Explique el valor que tienen los índices estacionales al pronosticar ¿en que difieren los patrones cíclicos y los patrones estacionales. Esto es importante para saber la demanda mayor, el patrón estacional se repite después de un periodo 14.- ¿Qué técnica de pronóstico da más importancia a los valores recientes? ¿Cómo hace esto?
Periodo móvil ponderado =sumatoria (ponderación pa el periodo M) (demanda en el periodo M) Sumatoria de ponderados
15.- Explique con sus propias palabras que s un pronóstico adaptable Es un pronóstico que se puede adaptar a diversas áreas ya sea económico tecnológico etc. Se ajusta debido a variables como la estacionalidad y la tendencia 16.- ¿Cuál es el propósito de señales de control? Esto es muy importante para los pronósticos ce tiempo 17.- explique con sus propias palabras cual es el significado del coeficiente de correlación. Analice el significado de un valor negativo del coeficiente de correlación Es el que mide la relación lineal entre dos variables cuantitativas
18.- ¿Cuál es la diferencia entre una variable dependiente y una variable independiente? VARIABLE INDEPENDIENTE.-produce modificaciones e otra variable con la cual esta relacionada suele llamársele variable causal VARIABLE 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 qué estos negocios desearían no depender de la estacionalidad? Esto depende de una constante y la otra no 20.- De algunos ejemplos de industrias donde el pronóstico de la demanda depende de la demanda de otros productos
21.- ¿Qué ocurre con nuestra capacidad para pronosticar cuándo pronosticamos periodos cada vez más lejanos en el futuro? La probabilidad de erros se hace mas grande PROBLEMAS
AÑO
1
2
3
4
5
6
7
8
9
10
11
DEMANDA
7
9
5
9
13
8
12
13
9
11
7
a) Grafique los datos anteriores ¿Observa alguna tendencia ciclos o varianza aleatorios?
14 12 10 AÑO
8
DEMANDA
6 4 2 0
b) Comenzando en el año 4 hasta el año 12, pronostique la demanda usando promedios móviles de tres años .grafique su pronóstico en la misma grafica de los datos originales
AÑO
1
2
3
4
5
6
7
8
9
10
11
DEMAND A Promedio móvil
7
9
5
9
13
8
12
13
9
11
7
7
7
9
10
11
11
11
11
c)
Comenzando en el año 4 hasta el año 12, pronostique la demanda usando promedios móvil de 3 años con ponderaciones de 1, 3,6, usando 6 para el año más reciente. Grafique su pronóstico en la misma grafica
Año Demanda Promedio móvil 1 7 6.4 2 9 7.8 3 5 11 4 9 9.6 5 13 10.9 6 8 12.2 7 12 7.6 8 13 10.9 9 9 12.2 10 11 5.1 11 7 10.6 12 10.4 d) Al comprar cada pronóstico contra los datos originales ¿Cuál parece proporcionar mejores resultados? El pronóstico de promedios móviles 2.- Las ventas mensuales en telco batteries,inc fueron como sigue
12
9
Mes
Ventas
Enero
20
Febrero Marzo Abril
21 15 14
Mayo
13
junio Julio Agosto
16 17 18
Setiembre
20
Octubre Noviembre Diciembre
20 21 23
A. Grafique los datos de las ventas mensuales
Chart Title 10 9 8 7 6 5 4 3 2 1 0
B. Pronostique las ventas para enero usando cada una de las técnicas siguientes: i) Método intuitivo Para enero la venta es 23
ii) Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto
Un promedio móvil de 3 meses Ventas reales 20 21 15 14 13 16 17 18
Promedio móvil de 3 meses
18.666 16.66667 14 14.33333 15.33333
Setiembre Octubre Noviembre Diciembre iii)
20 20 21 23
Un promedio móvil ponderado de 6 meses empleando
Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Setiembre Octubre Noviembre Diciembre iv)
17 18.3333 19.33333 20.333333
Ventas reales 20 21 15 14 13 16 17 18 20 20 21 23
Suaviza miento exponencial con a=.3 y un pronóstico para setiembre de 18
3.- las temperaturas máximas diarias en saint Louis durante la última semana fueron las siguientes: 93, 94, 93, 95, 96, 88 ,90 (ayer) a.
Pronostique la temperatura máxima para hoy usando un promedio móvil de 3 días
Temperatura 93
Promedio móvil e 3 días
94 93 95
(93+94)+93/3 =93.3333
96
94
88
94.666666
90
93 91.333333
b.
Pronostique la temperatura máxima para hoy usando un promedio móvil de 2 días
Temperatura 93
Promedio móvil e 3 días
94 93
(93+94)+93/3 =93.5
95
93.5
96
94
88
95.5
90
92 89
c.
Calcule la desviación absoluta media con base en un promedio móvil de 2 días Desviación absoluta Temperatura 93
Pronostico alfa= .10 93.5
.5
95
93.45
1.55
96
93.61
2.39
88
93.85
5.85
90
93.27
3.27
¿
92.94
MAD = 2.71
d.
Calcule el error cuadrático medio para un promedio móvil de 2 días
TEMPERATURA
Pronostico alfa=.10
Desviación absoluta
93
93.5
.25
95
93.45
2.40
96
93.61
5.71
88
93.85
34.22
90
93.27
10.69 Sumatoria 53.27
MSE=10.654 e.
Calcule el error porcentual absoluto medio para el promedio móvil de 2 días
TEMPERATURA
Pronostico alfa=.10
Desviación absoluta
93
93.5
.54
95
93.45
1.63
96
93.61
3.01
88
93.85
6.64
90
93.27
3.63 Sumatoria 15.45
MADE =3.09% 4.- a continuación se presentan dos pronósticos semanales realizados mediante dos métodos diferentes para el número de galones de gasolina en miles, demandado en una gasolinera local. También se muestran los niveles reales de demanda, en miles de galones. Pronostico Semana 1 2 3 4
Método 1 0.90 1.05 0.95 1.20
Método 2 0.80 1.20 0.90 1.11
Demanda real 0.70 1.00 1.00 1.00
¿Cuáles son los valores de MAD y el MSE para cada método? MAD = 0.90 + 1.05+1.20=1.03 = 1.03 4
MSE =0.8+1.20+0.90+1.11
= 1.00
4 5.- Considere los siguientes niveles de la demanda real (At) y pronosticada (Ft) para un producto Periodo de tiempo t 1
Demanda real A1 50
Demanda pronosticada Ft 50
2
42
50
3
56
48
4
46
50
5
¿?
49
El primer pronostico Ft se obtuvo A1 y estableciendo F1 igual A1. Los pronósticos subsecuentes se obtuvieron mediante suaviza miento exponencial. Usando el método de suaviza miento exponencial, encuentre el pronóstico 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 Apariciones en tv de Stone temple pilots a)
3
6
7
5
10
7
3
4
7
6
8
5
Grafique con estos datos para saber si una ecuación lineal podría describir la relación que hay entre las apariciones en tv del grupo y la venta de tambores bajos
12 10 8 6 4 2 0 0
2
4
6
8
10
12
b) Use el método de regresión por mínimos cuadrados para obtener una ecuación de pronostico
Demanda Y
c)
Nomina X
X
X.Y
Y
¿Cuál sería su estimación 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) = 10.12
d) ¿Cuáles son el coeficiente de correlación (r) y el coeficiente de determinación (r2) para este modelo, y que significan? R = (0.82)2 = 0.6724 7.- En el pasado la distribuidora ARUP Mulkherjee vendió un promedio de 1.000 llantas radiales cada año. En los 2 años anteriores vendió 200 y 250 respectivamente durante el otoño, 350 y 300 en invierno , 150 y 165 en primavera, y 300 y 285 en verano. Con una ampliación importante en puerta Mulkherjee proyecta que las ventas se incrementaran el próximo año a 1200 llantas radiales ¿Cuál será la demanda en cada estación?
Estación
Demanda
Deman promedio
Deman promedio estacional
Índice estacional
Otoño
200
250
225
333.33
.675
Invierno
350
300
325
333.33
.975
Primavera
150
165
157.5
333.33
.473
Verano
300
285
292.5
333.33
.878
Estación Otoño invierno Primavera verano
Demanda 1200/3 *0.675 = 270 1200/3 *0.975 = 390 1200/3 *0.473= 189.2 1200/3 *0.878 = 351.2
8.- Brian Beckley ha desarrollado el siguiente modelo de pronóstico: Y=36 + 4.3X Donde: y = demanda de aires acondicionados Aztec y X= la temperatura exterior (ªF) a)
Pronostique la demanda de aztec cuando la temperatura es de 70ªF Y = 36+4.3 (70) Y=337
b) ¿Cuál es la demanda cuando la temperatura es de 80ªF? Y = 36+4.3 (80) Y=380 c)
¿Cuál es la demanda cuando la temperatura es de 90ªF? Y = 36+4.3 (90) Y=423
9.-Sundar balakrinhmasn gerente, general de precisión engineering corporación (PEC)cree que los servicios de ingeniería de las empresas de construcción de carreteras que contratan a su compañía se relacionan directamente con el volumen de negocios de construcción de carreteras que contrata a las compañías ubicadas en su área geográfica. Se pregunta si realmente
TRIMESTRE
1
2
3
4
5
6
7
8
Ventas de servicio PEC
8
10
15
9
12
13
13
16
Contratos firmados
153
172
147
179
185
199
205
226
a)
x mínimos cuadrados
