Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gestión de la Producción
Porque necesitamos una cierta base -aunque sea mínima-, un criterio, una
justificación para el curso de acción que decidimos tomar. Porque a partir del
pronóstico que generemos, estaremos decidiendo dónde alocar nuestros
recursos financieros, tecnológicos y humanos.
2.1 IMPORTANCIA ESTRATÉGICA DEL PRONÓSTICO
Tipos de métodos:
Los expertos de alto nivel se agrupan con modelos estadísticos. Costo de bajo a
medio. Las posiciones esconden intereses personales, o no se mencionan por
contrariar a la mayoría. Gerentes de mercadotecnia, finanzas y producción preparan
pronósticos a corto y mediano plazo.
Características:
Es a largo plazo.
Su costo va de medio a alto.
Técnica de pronóstico que emplea una serie de datos puntuales históricos para
obtener el pronóstico.
-Modelos asociativos: los modelos causales como la regresión lineal, incorporan las
variables o factores que pueden influir en la cantidad por pronosticar. -Pronósticos
de series de tiempo: se basa en una secuencia de datos puntuales separados a
intervalos iguales.
Supone que la demanda en el próximo periodo será igual a la demanda del periodo
más reciente. Es la mejor predicción para los precios de insumos, acciones, etc. que
cotizan. Porque si el mercado realmente creyera que en un tiempo valdrá más,
compraría tanto hoy que haría llevar el precio a ese valor esperado. Por ejemplo, si
hoy la acción de Microsoft cotiza a U$S 20, ¿cuánto predice que va a valer
mañana?: U$S 20. Y si en realidad mañana vale U$S 25, ¿Cuánto diría que vale
pasado mañana?: U$S 25.
Los promedios móviles son muy útiles. Los promedios móviles indican el promedio
del precio en un punto determinado de tiempo sobre un período de tiempo definido.
Se llaman móviles ya que reflejan el último promedio, mientras que se adhieren a la
misma medida de tiempo.
Los promedios móviles simples es un método que se utiliza para estimar el promedio
de una serie de tiempo de demanda y, por lo tanto, para suprimir los efectos de las
fluctuaciones al azar. Este método resulta más útil cuando la demanda no tiene
tendencias pronunciadas ni influencias estacionales. La aplicación de un modelo de
promedio móvil implica simplemente calcular la demanda promedio para los n
periodos más recientes, con el fin de usarla como pronóstico para el siguiente
periodo.
F t+1 = F t +
α (Dt – Ft)
“La suavización exponencial tiene las ventajas de ser sencilla y requerir un mínimo
de datos. Su utilización es económica y, por lo tanto, muy atractiva para las
empresas que realizan miles de pronósticos para cada periodo de tiempo”.
Regresión simple
Y = f (X)
Donde:
Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir,
encontrar los valores de a y b con los datos observados de la muestra. El método de
estimación es el de Mínimos Cuadrados, mediante el cual se obtiene:
a es el estimador de a
Es el valor estimado de la variable Y cuando la variable X = 0
b es el estimador de b, es el coeficiente de regresión
Está expresado en las mismas unidades de Y por cada unidad de X. Indica el
número de unidades en que varía Y cuando se produce un cambio, en una unidad,
en X (pendiente de la recta de regresión).
Un valor negativo de b sería interpretado como la magnitud del decremento en Y por
cada unidad de aumento en X.
Este tipo se presenta cuando dos o más variables independientes influyen sobre una
variable dependiente. Ejemplo: Y = f (x, w, z).
Utilizamos regresión múltiple cuando estudiamos la posible relación entre varias
variables independientes y otra variable dependiente.
Al aplicar el análisis de regresión múltiple lo más frecuente es que tanto la variable
dependiente como las independientes sean variables continúas medidas en escala
de intervalo o razón. No obstante, caben otras posibilidades: (1) también podremos
aplicar este análisis cuando relacionemos una variable dependiente continua con un
conjunto de variables categóricas; (2) o bien, también aplicaremos el análisis de
regresión lineal múltiple en el caso de que relacionemos una variable dependiente
nominal con un conjunto de variables continuas.
La anotación matemática del modelo o ecuación de regresión lineal múltiple es la
que sigue:
Y=a+b
1x1 + b2x2 + ... + bnxn + e
ó
presente = a + b
1pasado + b2futuro + e
en donde:
Y es la variable a predecir;
a, b
1x1, b2x2... bnxn, son parámetros desconocidos a estimar;
y e es el error que cometemos en la predicción de los pará- metros.
Nos ayuda a crear un modelo donde se seleccionen las variables que pueden influir
en la respuesta, descartando aquellas que no aporten información.
Conclusión
importancia-y-metodos-para-realizarla
https://enciclopediaeconomica.com/demanda-de- mercado/#:
%7E:text=Las%20principales%20caracter%C3%ADsticas%20de%20la, l
as%20personas%20de%20una%20regi%C3%B3n.
produccion/