TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE NUEVO LEÓN

GESTION DE LA PRODUCCION I

UNIDAD 2

CUESTIONARIO

Catedrático.
OLEGARIO PEREZ GONZALES

Alumno:
OMAR EDUARDO TORRES DEL ANGEL
21480547

Cd. Guadalupe, Nuevo León; a (10 de marzo del 2024)

1.- ¿Qué es un modelo de pronóstico cualitativo y cuando es apropiado su uso?

Un modelo de pronóstico cualitativo se usa para pronosticar la demanda en base de

experiencias personales, emociones y el sistema de valores de quien toma las
decisiones, emplean el juicio, la experiencia, la intuición y otros factores intangibles
difíciles de cuantificar.

Este modelo se utiliza cuando no hay datos históricos o hay cambios tecnológicos,
cuando se va a lanzar un nuevo producto o cuando los datos que hay no son
confiables.

2.- ¿Cuál es la diferencia entre demanda dependiente e independiente?

Las que provienen de las políticas de gestión de inventarios se denomina demanda

dependiente

mientras que las que provienen de los clientes internos o externos se conoce como
demanda independiente.

3. -Explique que técnicas de pronósticos no son adecuadas para las series de

tiempo que presentan tendencia y diga el porqué.

Media Móvil Simple: es una técnica que calcula el promedio de un número

específico de observaciones anteriores para pronosticar el siguiente punto. Sin
embargo, esta técnica no captura adecuadamente la tendencia en una serie de
tiempo.

Regresión Lineal: Asume que la relación entre las variables es lineal y busca ajustar
una línea recta a los datos para hacer predicciones.

4.-¿En qué se justifica el método de mínimos cuadrados en el análisis de regresión

lineal?
Este método minimiza la suma de los cuadrados de las diferencias entre los valores
observados y los valores predichos por el modelo de regresión lineal.

El método de mínimos cuadrados proporciona una forma de encontrar la mejor

estimación, suponiendo que los errores (es decir, las diferencias con respecto al
valor verdadero) sean aleatorias e imparciales

5.-Explique el procedimiento para crear un pronóstico usando el método de

descomposición de la regresión por mínimos cuadrados.
Para crear un pronóstico usando el método de descomposición de la regresión por
mínimos cuadrados, se debe seguir el siguiente procedimiento:

1. Descomponer las series de tiempo en sus componentes.

2. Encontrar el componente estacional.
3. Descontar las variaciones de temporada de la demanda.
4. Encontrar el componente de la tendencia.
5. Pronosticar valores futuros de cada componente.
6.- Explique cuál es el significado del coeficiente de correlación. ¿Qué significa un
coeficiente de correlación negativo?
Un coeficiente de correlación es una medida numérica de algún tipo de correlación,
es decir, una relación estadística entre dos variables. Las variables pueden ser dos
columnas de un conjunto de datos dado de observaciones, a menudo denominadas
muestra, o dos componentes de una variable aleatoria multivariante con una
distribución conocida

Un coeficiente de correlación negativo significa que, para cualesquiera dos variables

X e Y, un aumento en X se asocia con una disminución en Y. Una correlación
negativa demuestra una conexión entre dos variables en la misma forma en que lo
hace un coeficiente de correlación positivo, y las fortalezas relativas son las mismas.

7.- ¿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?
Para mí sería el promedio simple, ya que se esta sacando un pronostico de las
demandas de años anteriores y después promediándose, entonces ya estamos
teniendo en cuenta una demanda real y en base a eso se hace un pronostico para
un futuro y que sea más exacto.

8.- Explique que es una serie de tiempo

Una serie de tiempo es una secuencia de observaciones tomadas a intervalos
regulares a lo largo del tiempo. Estas observaciones pueden estar relacionadas con
diversas variables, como tasas de desempleo, producción diaria en una planta de
manufactura o la población de un estado en diferentes décadas.

9.- Comente las diferencias básicas entre la desviación absoluta media y la

desviación estándar.

La media es un valor central característico de un conjunto de datos estadísticos.

Para calcular la media se suman todos los valores y se divide entre el número total
de datos.

Formula :

La desviación estándar, también llamada desviación típica, es una medida de

dispersión estadística. De manera que la desviación estándar es un valor que indica
la dispersión de un conjunto de datos estadísticos.

Formula :

La diferencia entre la media y la desviación estándar es que la media representa el

valor central de unos datos, en cambio, la desviación estándar indica la dispersión
de unos datos. Por lo tanto, la media es una medida de tendencia central, mientras
que la desviación estándar es una medida de dispersión.

10.- ¿Las relaciones causales son potencialmente más útiles para qué componente
de una serie temporal?
Para componentes estacionales (a corto y mediano plazo) y componentes con
tendencia (a largo plazo).

Las relaciones causales son potencialmente más útiles para la estacionalidad de una
serie temporal, ya que con esto se determina el factor productor de la
estacionalidad. Las relaciones causales nos muestran la relación que existe entre
dos sucesos, por lo tanto, las temporadas tienen ciertas características