Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Y ELECTRÓNICA
INGENIERÍA DE LA PRODUCCIÓN
Deber: 6
Grupo: GR – 1
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.
2.- Identifique y describa brevemente los dos enfoques generales del pronóstico.
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 pronóstico.
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 pronóstico.
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 número 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:
-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.
Una serie estacionaria es aquella cuyo valor promedio no varía 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 más sofisticadas comprenden la
actualización de la estibación, al haber nueva información.
-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 serio 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, está la transformación de series mediante
logaritmos, raíces cuadradas o diferencias.
-La serie es un conjunto de errores de pronóstico que se considera adecuada.
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 incrementó con el advenimiento de la computadora; y el uso del
ferrocarril que se disminuyó 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 sería el periodo de crecimiento en el ciclo de vida de un nuevo
producto.
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 pronóstico 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 pronóstico para eliminar tales efectos de los valorares observados.
-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 más 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.
-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 suavizamiento exponencial?
El promedio ponderado es una forma un poco más compleja de calcular la media, pero de gran utilidad práctica.
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.
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 utilidad cuando
el analista desea medir el error de pronóstico en las mismas unidades de la serie original.
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.
En ocasiones, resulta más 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.
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.
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 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:
9.-Imvestigue y describa brevemente el método de Delphi ¿Cómo podría usarlo alguno de los jefes para
los que usted ha trabajado?
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 está 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.
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.
12.- ¿Qué efecto tiene el valor de la contante de suaviza miento en la ponderación dadas a los valores
recientes?
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?
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.
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
18.- ¿Cuál es la diferencia entre una variable dependiente y una variable independiente?
VARIABLE INDEPENDIENTE. -Produce modificaciones y otra variable con la cual está 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?
Las ventas de cortadoras de césped incluyen factores como la construcción de nuevas viviendas.
La compañía constructora Nodel renueva casas antiguas en West Bloomfield, Michigan. Con el tiempo, la
compañía ha encontrado que su volumen de dólares por trabajos de renovación depende de la nómina del área
de West Bloomfield.
Las líneas de ensamble de Glidden Paints llenan miles de latas cada hora. parte de las pinturas Glidden se vende
al menudeo a clientes que ya poseen casas o negocio
21.- ¿Qué ocurre con nuestra capacidad para pronosticar cuándo pronosticamos periodos cada vez más
lejanos en el futuro?
1 7 6
Mes Ventas
Enero 20
Febrero 21
marzo 15
Abril 14
Mayo 13
Junio 16
Julio 17
Agosto 18
Septiembre 20
Octubre 20
Noviembre 21
Diciembre 23
25
ventas 20
15 mes
10 ventas
5
0
1 3 5 7 9 11 13
meses
a.
Suavizamiento potencial
c. Con los datos dados ¿Qué método le permitiría elaborar el pronóstico de ventas para el próximo mes
de marzo? El suavizamiento potencial.
9 P.D. usa un chip x63 en algunas de sus computadoras. Los precios del chip durante los últimos 12
meses.
2
1.9 precio por chip
precio
1.8
1.7 promedio movil
1.6 2 meses
1.5
1 3 5 7 9 11 13
promedio
b. use un promedio móvil de 3 meses y agréguelo en la gráfica creada en el inicio a.
1.65+1.70+1.75/3=1.7
2
1.9
precio por chip
precio
1.8
1.7 promedio movil
1.6 2 meses
1.5 promedio movil
1 3 5 7 9 11 13 3 meses
promedio
c. cual es mejor (usando la desviación absoluta media) el promedio de 2 meses o el promedio de 3 meses?
R= usando la desviación absoluta media, pensaría que es la mejor para sacar pronósticos.
d. calcule el pronóstico para cada mes con suavizamiento exponencial y un pronóstico inicial para enero
de $1.80 a=.3 y por último a=5 según MAD que a es mejor?
12 En los problemas 4.10 y 4.11 se desarrollaron tres pronósticos de las inscripciones al seminario que
son pronóstico móvil de 3 meses, ponderado y suavizamiento exponencial. Con MAD como criterio ¿Cuál
de los tres métodos de pronósticos es mejor explique su respuesta?
El mejor método de Pronostico es el Promedio Móvil Ponderado…porque su MAD es mas pequeño 2.31
que los otros dos
Pronostico
15 Retome el problema resuelto 4.1 de la página 140. Use un promedio móvil de 3 años para
pronosticar las ventas de Volkswagen Beetle en Nevada durante 2008. ¿Cuál es la MAD?
18. Considere los siguientes niveles de la demanda real (At) y pronosticada (Ft) para un
producto:
4.21 Vea la ilustración de suavizamiento exponencial con ajuste de tendencia del ejemplo 7 en
las páginas 119 y 121. Usando α = .2 y β = .4, pronosticamos las ventas de 9 meses y mostramos
el detalle de los cálculos para los meses 2 y 3. En el problema resuelto 4.2 continuamos el proceso
para el mes 4. En este problema muestre sus cálculos para los meses 5 y 6 para Ft, Tt y FITt.
Mes (t) Demanda real (At) Mes (t) Demanda real (At)
1 12 6 21
2 17 7 31
3 20 8 28
4 19 9 36
5 24 10
Para el periodo 5:
𝐹5 = 𝑎 ∗ 𝐴4 + (1 − 𝑎)(𝐹4 + 𝑇4 )
𝐹5 = 0.2 ∗ 19 + (1 − 0.2)(17.82 + 2.32) = 19.91
𝑇5 = 𝛽 ∗ (𝐹5 − 𝐹4 ) + (1 − 𝛽)𝑇4
𝑇5 = 0.4 ∗ (19.91 − 17.82) + (1 − 0.4) ∗ 2.32 = 2.228
𝐹𝐼𝑇5 = 𝐹5 + 𝑇5 = 22.138
Para el periodo 6:
𝐹6 = 𝑎 ∗ 𝐴5 + (1 − 𝑎)(𝐹5 + 𝑇5 )
𝐹6 = 0.2 ∗ 24 + (1 − 0.2)(19.91 + 2.228) = 22.51
𝑇6 = 𝛽 ∗ (𝐹6 − 𝐹5 ) + (1 − 𝛽)𝑇5
24. Howard Weiss, propietario de una tienda distribuidora de instrumentos musicales, cree que
la demanda de tambores bajos puede estar relacionada con el número de apariciones en
televisión del popular grupo de rock Stone Temple Pilots durante el mes pasado. Weiss ha
recopilado los datos que se muestran en la tabla siguiente:
a) Grafique con estos datos para saber si una ecuación lineal podría describir la relación
que hay entre las apariciones en televisión del grupo y la venta de tambores bajos.
10
y = 1,0286x + 0,6762
8
0
0 1 2 3 4 5 6 7 8 9
b) ¿Cuál sería su estimación de las ventas de tambores bajos si los Stone Temple Pilots
hubiesen aparecido nueve veces en televisión el mes anterior?
27. Mark Cotteleer posee una compañía que fabrica lanchas. Las demandas reales de las lanchas
de Mark durante cada temporada desde 2004 hasta 2007 fueron como sigue:
Año
Temporada 2004 2005 2006 2007
Invierno 1400 1200 100 900
Primavera 1500 1400 1600 1500
Verano 100 2100 200 1900
Otoño 600 750 650 500
Mark ha pronosticado que la demanda anual de sus lanchas en 2009 será igual a 5,600. Con base
en estos datos y el modelo estacional multiplicativo, ¿cuál será el nivel de la demanda para las
lanchas de Mark en la primavera de 2009?
Año
Temporada 2004 alfa 2005 alfa 2006 alfa 2007 alfa
Invierno 1400 1,556 1200 0,881 100 0,178 900 0,75
Primavera 1500 1,667 1400 1,028 1600 2,844 1500 1,25
Verano 100 0,111 2100 1,541 200 0,356 1900 1,583
Otoño 600 0,667 750 0,55 650 1,156 500 0,417
Año 2009
Temporada Alpha Promedio Ideal Pronostico
Invierno 0,75 1400 1050
Primavera 1,25 1400 1750
Verano 1,583333333 1400 2216,66667
Otoño 0,416666667 1400 583,333333
y=36+4.3x
33. En la tabla siguiente se muestra el número de transistores (en millones) fabricados en una
planta de Japón durante los últimos 5 años:
Año Transistores
1 140
2 160
3 190
4 200
5 210
a) Usando regresión lineal, pronostique el número de transistores que se fabricará el próximo año.
Año Transistores
x y x^2 x*y
1 140 1 140
2 160 4 320
3 190 9 570
4 200 16 800
5 210 25 1050
Suma 15 900 55 2880
Promedio 3 180 11 576
Y=18x+126
Y(6)=18*(6)+126=236 transistores
36.Los contadores de la empresa Michael Vest creen que algunos ejecutivos estaban incluyendo
en sus cuentas facturas de gastos inusualmente altas cuando regresaban de sus viajes de negocios.
Primero tomaron una muestra de 200 facturas entregadas durante el año pasado. Después
desarrollaron la siguiente ecuación de regresión múltiple para relacionar el costo esperado del
viaje con el número de días de viaje (x1) y la distancia recorrida (x2) en millas:
a) Si Wanda Fennell regresa de un viaje de 300 millas por el que estuvo 5 días fuera de la ciudad,
¿cuál es la cantidad esperada que debe solicitar por los gastos?
Y=$90+$48.5x1+$40x2
Y=$90+$48.5(5)+$40(300)=12.332.5$
b) Fennell introdujo una solicitud de reembolso por 685 dólares, ¿qué debe hacer el contador?
El contador debe verificar que cumple con el coeficiente de correlación de 68, y con el exceso de
costo no se van cumplir quiere decir que se esta cobrando extra y no es necesario realizar un
rembolso.
1 36 58,3
2 33 61,1
3 40 73,4
4 41 75,7
5 40 81,1
6 55 89
7 60 101,1
8 54 94,8
9 58 103,3
10 61 116,2
y = 1,6648x + 5,8219 Indice de robos
R² = 0,9044
140
120
100
80
60
40
20
0
0 10 20 30 40 50 60 70
y = 1,6648x + 5,8219
42. Des Moines Power and Light ha recabado los datos de la demanda de energía eléctrica en su
subregión oeste sólo para los 2 últimos años. La información se muestra en la tabla siguiente:
Para planear una expansión y acordar el préstamo de energía con otras compañías de servicio
público durante los periodos pico, Des Moines necesita estar en posibilidad de pronosticar la
demanda de cada mes para el próximo año. Sin embargo, los modelos de pronóstico estándar
analizados en este capítulo no se ajustan a los datos observados durante los 2 años.
a) ¿Cuáles son las debilidades de las técnicas de pronósticos estándar al aplicarse a esta
serie de datos?
El análisis se basa en intuición y análisis de datos previos, por lo tanto se puede afirmar que la
técnica es inexacta puesto que no presenta un argumento matemático fuerte
b) Como los modelos conocidos no son realmente apropiados para este caso, haga una
propuesta para aproximarse al pronóstico. Aunque no existe una solución perfecta para
manejar datos de este tipo (en otras palabras, no existen respuestas que sean un 100%
correctas o incorrectas), justifique su modelo.
Se sugiere utilizar el método ponderado. Con este método lo que se hace es determinar un
promedio, sumando los valores existentes en el inventario con los valores de las nuevas compras,
para luego dividirlo entre el número de unidades existentes en el inventario incluyendo tanto los
inicialmente existentes, como los de la nueva compra
c) Pronostique la demanda para cada mes del próximo año con el modelo que usted
propuso.
Enero 5 17 11
Febrero 6 14 10
Marzo 10 20 15
Abril 13 23 18
Mayo 18 30 24
Junio 15 38 26,5
Julio 23 44 33,5
Agosto 26 41 33,5
Septiembre 21 33 27
Octubre 15 23 19
Noviembre 12 26 19
Diciembre 14 14 15,5
45. En la tabla siguiente se muestran los niveles de la demanda real y pronosticada desde mayo
hasta diciembre para las unidades de un producto fabricado por la compañía farmacéutica N.
Tamimi:
0 0 0 0 0 0
-24 -24 24 24 12 -2
14 1 14 49 12.25 0.08
1 2 1 50 10 0.2
6 8 6 56 9.3 0.86
20 28 20 76 10.85 2.58
11 39 11 87 10.87 3.58
87
𝑀𝐴𝐷 = = 10.87
8
𝑆𝐶𝐸𝑃 39
𝑆𝑒ñ𝑎𝑙 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = = = 3.58
𝑀𝐴𝐷 10.87
48. Sundar Balakrishnan, gerente general de Precision Engineering Corporation (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 es de
esta forma, y si lo es, ¿le ayudaría esta información a planear mejor sus operaciones
pronosticando la cantidad de sus servicios de ingeniería requeridos por las empresas de
construcción en cada trimestre del año? En la tabla siguiente se presentan los datos de ventas
de sus servicios y los montos totales de los contratos de construcción de carreteras de los
últimos 8 trimestres:
a) Usando estos datos, desarrolle una ecuación de regresión para predecir el nivel de
demanda de los servicios de PEC.
y = 0,1121x - 9,3495
r=0,8964
Error=0.05
Bibliografía:
https://books.google.com.ec/books?id=tTWGDwAAQBAJ&pg=PA11&lpg=PA11&dq=Se+dice+que+
es+la+estimaci%C3%B3n+anticipada+del+valor+de+una+variable,+por+ejemplo:+la+demanda+de+
un+producto.+Valor+anticipado+de+la+variable+que&source=bl&ots=cBnL_CuV7S&sig=ACfU3U0x
sIsldRjUGgSF4QEFQcDDU-9xDg&hl=es-
419&sa=X&ved=2ahUKEwiC3d38_bPqAhUhc98KHdbLBSMQ6AEwAHoECAsQAQ#v=onepage&q=Se
%20dice%20que%20es%20la%20estimaci%C3%B3n%20anticipada%20del%20valor%20de%20una
%20variable%2C%20por%20ejemplo%3A%20la%20demanda%20de%20un%20producto.%20Valor
%20anticipado%20de%20la%20variable%20que&f=false
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EDescrip/tema7.pdf
https://es.slideshare.net/rogersps16/variables-e-hiptesis-60978398
http://home.ubalt.edu/ntsbarsh/Business-stat/stat-data/Forecasts.htm