UNIVERSIDAD NACIONAL DE INGENIERIA

1. ¿Cuál es la diferencia entre demanda dependiente e Independiente?

Los clientes a menudo se familiarizan con la ley básica de la oferta y la demanda:

cuantos más clientes quieren un producto, más producto brindan los fabricantes.
Este tipo de demanda normalmente es una de varios tipos de demandas que
deciden cuánto producto fabricar. La demanda de cliente o demanda
independiente es la demanda del producto terminado, mientras que la demanda
dependiente es la necesidad del fabricante de conseguir las partes para construir
el producto.

Por ejemplo, la demanda de cliente para un escenario de TV nuevo es una

demanda independiente, mientras que la demanda del fabricante por los
componentes utilizados para hacer cada estudio es una demanda dependiente.

2. Examine la ilustración 15.4 y señale qué modelo usaría para

a) La demanda de trajes de baño,

b) La demanda de casas nuevas,
c) Consumo de electricidad,
d) Planes de expansión de nuevas plantas.

a) La demanda del traje de baño se podría pronosticar utilizando suavización

exponencial. El horizonte de tiempo es corto, la complejidad del modelo y el costo
es baja, la exactitud del modelo es justa y los requisitos de datos son muy bajos.

b) La demanda de casas nuevas puede pronosticarse con la regresión lineal. Los

horizontes temporales son largos, la complejidad del modelo es medianamente
alta, la precisión es alta y los requisitos de datos son también.

c) Regresión causal. Los modelos se pueden utilizar para prever el uso de energía
eléctrica. El horizonte temporal es largo y el modelo de complejidad es bastante
alto, la precisión y requerimientos del modelo son altos

d) Los planes de expansión de la planta pueden ser pronosticados utilizando

técnicas de pronóstico cualitativo. Esto toma en cuenta los problemas no
cuantificables al planificar la expansión de la planta.

3. ¿En qué se justifica el método de mínimos cuadrados en el análisis de

regresión lineal?
El método de mínimos cuadrados trata de ajustar la recta a los datos que
minimizan la suma de los cuadrados de la distancia vertical entre cada punto de
datos y el punto correspondiente en la recta.

4. Explique el procedimiento para crear un pronóstico usando el método de

descomposición de la regresión por mínimos cuadrados.

Paso 1: Se debe calcular el factor de estacionalidad, realizando un cociente entre

el valor pronosticado según el Promedio o Media Móvil Simple con n=12 y el valor
real de la demanda.

Paso 2: Se calcula el factor de estacionalidad promedio para cada período. Este

procedimiento se facilita al trabajar con Tablas Dinámicas.

Paso3: Se ajusta cada factor promedio, multiplicándolo por el factor de

estacionalidad K, calculado de:

Paso 4: Calcular la tendencia de la serie de tiempo ajustando los datos a una

regresión lineal, donde la variable dependiente corresponde a la demanda (Y) y la
variable independiente a los períodos (X).

Para este propósito se puede aplicar el procedimiento de forma muy sencilla en

Excel a través de las siguientes alternativas:

1. Hacer un Gráfico de Línea con los valores de la demanda real como se muestra
en la imagen a continuación:

Luego sobre el gráfico de línea con el mouse o teclado seleccionar con el botón
derecho la opción “Agregar línea de tendencia”. Por defecto se ofrece la
alternativa de tendencia lineal (no modificar) y debemos seleccionar las siguientes
opciones:

Una vez realizado lo anterior obtendremos el gráfico que muestra el ajuste de la

regresión y su ecuación.

Paso 5: Se calcula el factor cíclico de la serie histórica a partir de la siguiente

expresión:
Paso 6: Determinar el factor cíclico promedio para cada período. En este paso al
igual que en el Paso 2 una Tabla Dinámica resulta de bastante ayuda.

Una vez completado el Paso 6 estamos en condiciones de realizar un pronóstico

de demanda utilizando la fórmula:

Dónde:

S= Valor pronosticado

T= Factor de tendencia

C= Componente cíclico

Y= Componente estacional

μ= Variación no sistemática

5. Dé algunas reglas simples que usaría para manejar la demanda del

producto de una empresa (un ejemplo es “limitado al inventario disponible”).

Para satisfacer la demanda de un producto es necesario conocer el

comportamiento del consumidor o sus necesidades, de manera que se deben
hacer estudios con este objetivo y diseñar las estrategias de marketing en función
a los objetivos que se persiguen, esto es, satisfacer a los clientes para conseguir
unos objetivos mayores dentro de la empresa.

Se debe estudiar el comportamiento del consumidor, el que consume, compra o

utiliza un producto o servicio, de manera que se sepa qué va a hacer, qué quiere,
qué necesita, qué compraría, qué desea y si este se encuentra o no satisfecho .

El consumidor debe ser el punto más importante a tener en cuenta en las

estrategias de marketing, sabiendo qué compra, quién compra, cómo lo compra,
por qué compra, cuándo compra, dónde compra, cuánto compra y cómo lo utiliza.
En función a esto se hacen los estudios pertinentes para conocer sus necesidades
concretas y la forma de satisfacerlas. Las necesidades pueden estar relacionadas
con las satisfacciones básicas, aunque también pueden tener que ver con
satisfacciones más específicas. Las necesidades también pueden ser concretas,
inconcretas e irrealizables.

6. ¿Qué estrategias se usan en supermercados, líneas aéreas, hospitales,

bancos y cerealeras para influir en la demanda?
En supermercados se hacen propagandas de precios bajos, de calidad, se hacen
promociones por día: el día del pescado, por ejemplo.

En líneas aéreas se hacen paquetes 2x1 en periodos de baja demanda, se hace

mucha publicidad.

En hospitales se hace poca propaganda, pero últimamente salen propagandas de

nuevo equipamiento.

En bancos se regalan productos por la adquisición de créditos (ej: notebooks), se

habla mucho de la tasa más baja del mercado

7. Todos los métodos de pronóstico que usan suavización exponencial,

suavización adaptativa y suavización exponencial con tendencia requieren
valores iniciales para que funcionen las ecuaciones. ¿Cómo escogería el
valor inicial para, por ejemplo, Ft − 1?

Se escogería la opción más viable sería el utilizar el valor de la demanda real del
periodo anterior

8. De la elección de un promedio móvil simple, promedio móvil ponderado,

suavización exponencial y análisis de regresión lineal, qué técnicas de
pronóstico le parecería más precisa? ¿Por qué?

Probablemente la precisión de la técnica en cuestión podría depender del total de

datos registrados con anterioridad, pero al final podríamos considerar el método
de regresión lineal como el más exacto, debido a que busca que todos los datos
registrados antes se ajusten a una línea central y a su vez basa en una tendencia
histórica de los datos antes registrados.

9. Dé ejemplos que tengan una relación multiplicadora de la tendencia

estacional

Más que el ejemplo, lo importante es indicar que una tendencia multiplicadora en

la tendencia estacional, implica que la tendencia no es una suma sobre la base
original sino un porcentaje y por ende todo crece en ese porcentaje. Es decir, la
tendencia no es que aumente en 5 productos la cantidad vendida, sino en un 5%,
por ejemplo, lo que implica que si en enero se vendían 100 productos y en junio
200, la tendencia multiplicadora indicará que en enero se venderán 105 productos
y en junio 210.

10. ¿Cuál es la principal desventaja del pronóstico diario con análisis de

regresión?
11. ¿Cuáles son los principales problemas de la suavización exponencial
adaptada para realizar pronósticos?

12. ¿Cómo se calcula un índice estacional a partir de un análisis de recta de

la regresión?

13. Comente las diferencias básicas entre la desviación absoluta media y la

desviación estándar

14. ¿Qué implicaciones tienen los errores de pronóstico en la búsqueda de

modelos de pronóstico estadístico muy complejos?

15. ¿Cuáles son las ventajas más fuertes del pronóstico enfocado?

16. ¿Las relaciones causales son potencialmente más útiles para qué
componente de una serie temporal?