Академический Документы
Профессиональный Документы
Культура Документы
Es aquel pronóstico en el cual se incorpora factores como la intuición, las emociones, las
experiencias personales y sistema de valores de quien toma la decisión para llegar al pronóstico.
Es apropiado su uso cuando no contamos con datos estadísticos pero contamos con la
experiencia.
6. Obtener el pronóstico
posibles.
Promedios móviles ponderados: en esta técnica de pronóstico, cuando se presenta una tendencia
o patrón, lo que se hace es utilizar ponderaciones pues lo que se necesita es dar mayor
importancia a los valores recientes. Pero se debe considerar que la elección de la ponderación es
arbitraria, por ello se requiere de cierta experiencia.
Suavizamiento exponencial: el modelo es aplicable a los datos que no tienen una tendencia
predecible creciente o decreciente, esto debido a que proporciona un promedio móvil con un
peso exponencial de todos los calores observados con anterioridad dando un peso más grande a
la observación más próxima.
Hay tres tipos de participantes en el método Delphi: los que toman decisiones, el personal y los
entrevistados. Los primeros suelen ser un grupo de 5 a 10 expertos que irán elaborando el
pronóstico real. El personal ayuda a los que toman decisiones al preparar, distribuir, recolectar y
resumir la serie de cuestionarios y los resultados de las encuestas. Los entrevistados forman un
grupo de personas, a menudo localizadas en distintos sitios, cuyos juicios se valoran. Este grupo
proporciona información a quienes toman las decisiones antes de hacer el pronóstico.
Se lo puede usar para los pronósticos a largo plazo, evita gastos de transporte
10. ¿Cuál es la principal diferencia entre un modelo de series de tiempo y un modelo causal?
Un modelo de series de tiempo predice bajo la suposición de que el futuro es una función del
pasado, mientras que el modelo asociativo o causal, incorporan las variables o factores que
pueden influir en la cantidad a pronosticar.
Se basa en una secuencia de datos puntuales separados a intervalos iguales. Este método
implica que los valores futuros solo dependen de los valores pasados, ignorando otras variables,
sin importar su validez
12. Qué efecto tiene el valor de la constante de suavizado en la ponderación dada a los valores
recientes
14. ¿Qué técnica de pronóstico da más importancia a los valores recientes? ¿Cómo se logra
Se realiza un seguimiento de las señales, las cuales cuando tienen una variación fuera de los
límites previamente establecidos, mediante computador se realiza un ajuste automático de la
señal de control.
18. ¿Cuál es la diferencia entre una variable dependiente y una variable independiente?
Variables dependientes: son características de la realidad que se ven determinadas o
que dependen del valor que asuman otros fenómenos o variables independientes.
19. Mencione algunos ejemplos de industrias afectadas por la estacionalidad ¿Por qué estos
negocios desearían no depender de la estacionalidad?
Una de las empresas que se ven afectadas por la estacionalidad es la agrícola y las de turismo.
Uno de los motivos por lo que las empresas no desearían depender de la estacionalidad es porque
les resulta difícil pronosticar su demanda.
21. ¿Qué ocurre con nuestra capacidad para pronosticar cuando pronosticamos periodos cada
vez más lejanos en el futuro?
Al pronosticar a largo plazo se esta ignorando varias variables que pueden afectar los
resultados, como los picos temporales, los cuales son imprevistos y afectan al pronóstico, este
ayuda más a la creación.
Problemas
3. Regrese al problema 4.2. Desarrolle un pronóstico para los años 2 a 12 usando suavizamiento
exponencial con α = .4 y un pronóstico para el año 1 de 6. Grafique su nuevo pronóstico junto
con los datos reales y un pronóstico intuitivo. Con base en una inspección visual, ¿cuál pronóstico
es mejor?
12
10
0
1 2 3 4 5 6 7 8 9 10 11
Demanda Pronóstico
20
15
10
b)
i. Se Intuye que en enero se tendrán 23 ventas
ii. Media móvil
𝑦̂ = 𝑎 + 𝑏𝑥
∑ 𝑥𝑦 − 𝑛𝑥̅ 𝑦̅
𝑏=
∑ 𝑥 2 − 𝑛𝑥̅ 2
𝑏 = 1.8275
𝑎 = 𝑦̅ − 𝑏𝑥̅ = 6.288
𝑦̂(𝐸𝑛𝑒𝑟𝑜) = 30.05
c) Se recomendaría usar el método de suavizante exponencial, ya que se acerca mas a un
valor que esta dentro de las ventas
9.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?
Las ventas del popular Beetle de Volkswagen (VW) han crecido de manera estable
durante los últimos 5 años en los establecimientos de Nevada (vea la tabla siguiente).
El gerente de ventas pronóstico en 2002 que las ventas de 2003 serían de 410 VW. Use
suavizamiento exponencial con una ponderación α = .30 para desarrollar los
pronósticos de 2004 a 2008.
2004 495
2005 518
2 75.33
2006 563 487
3
1 58.67
2007 584 525
3
2008 ? 555
450 + 495 + 518 2
𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 2006 = = 487
3 3
495 + 518 + 563 1
𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 2007 = = 525
3 3
12. En los problemas 4.10 y 4.11 se desarrollaron tres pronósticos de las inscripciones al
seminario que son: promedio móvil de 3 años, promedio móvil ponderado y suavizamiento
exponencial. Con MAD como criterio, ¿cuál de los tres métodos de pronóstico es mejor? Explique
su respuesta.
1 4 5,00 1,00
2 6 4,70 1,30
3 4 5,09 1,09
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. Regrese al problema resuelto 4.1 y a los problemas 4.15 y 4.16. Con MAD como criterio
¿utilizaría suavizamiento exponencial con constante de suavizado de .3 como se muestra en el
problema resuelto 4.1, un promedio móvil de 3 años, o usaría la tendencia para predecir las
ventas de Volkswagen Beetle? Explique su respuesta
∑|𝑒𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 |
𝑀𝐴𝐷 =
𝑛
Método MAD
Suavizamiento exponencial 74.55
Media móvil 32.33
Tendencia 41.2
En la tabla se puede observar que el método de media móvil tiene un error menor, por lo tanto,
se utilizaría media móvil para pronosticar las ventas.
a) Elabore una gráfica con estos datos para saber si una ecuación lineal podría describir la relación
entre las apariciones del grupo en TV y la venta de bombos. b) Use el método de regresión de
mínimos cuadrados para obtener una ecuación de pronóstico. c) ¿Cuál sería su estimación de las
ventas de bombos si Green Shades hubiese aparecido 9 veces en TV el mes anterior?
Demanda de bombos vs
Apariciones en TV
12
10
8
6
4
2
0
0 2 4 6 8 10
b.
Apariciones en
Demanda de
TV de Green
bombos
Shades xy x^2
3 3 9 9
4 6 24 36
7 7 49 49
6 5 30 25
8 10 80 100
5 8 40 64
232 − 6(5,5)(6,5)
𝑏= =1
199 − 6(5.5)2
𝑎 = 6.5 − 1(5.5) = 1
𝑦 =1+𝑥
c.
𝑦 = 10
La estimación de ventas sería de 10 bombos
33. La tabla presenta los datos del número de transistores (en millones) manufacturados en una
planta de Japón durante los últimos 5 años:
a) Regresión lineal
𝑦̂ = 𝑎 + 𝑏𝑥
∑ 𝑥𝑦 − 𝑛𝑥̅ 𝑦̅
𝑏=
∑ 𝑥 2 − 𝑛𝑥̅ 2
𝑥̅ = 3 ; 𝑦̅ = 180; ∑ 𝑥𝑦 = 2880; ∑ 𝑥 2 = 55
𝑏 = 18
𝑎 = 𝑦̅ − 𝑏𝑥̅ = 126
𝑦̂(6) = 234
b) MSE
2
∑|𝑒𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 |
𝑀𝑆𝐸 = = 32
𝑛
c) MAPE
|𝑟𝑒𝑎𝑙 − 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜|
100 ∑
𝑀𝐴𝑃𝐸 = 𝑟𝑒𝑎𝑙 = 2.65
𝑛
36. Los contadores de la firma Doke and Reed creen que algunos ejecutivos estaban incluyendo
en sus cuentas vouchers de gastos inusualmente altos cuando regresaban de sus viajes de
negocios. Primero tomaron una muestra de 200 vouchers entregados 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 Bill Tomlinson regresa de un viaje de 300 millas que le tomó 5 días fuera de la ciudad, ¿cuál
es la cantidad esperada que debe solicitar por los gastos? b) Tomlinson sometió una solicitud de
reembolso por 685 dólares. ¿Qué debe hacer el contador? c) ¿Deberían incluirse otras variables?
¿Cuáles? ¿Por qué?
a.
El contador debe revisar los gastos adicionales que consideró Tomlinson debido a que existe una
diferencia entre lo que pidió y el valor real obtenido en el primer literal
𝑦 = 29.235 + 3.419𝑥
𝑦(11) = 29.235 + 11(3.419) = 66.84
𝑦(12) = 29.235 + 12(3.419) = 70.26
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.
¿Cuáles son las debilidades de las técnicas de pronósticos estándar al aplicarse a esta serie de
datos?
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.
𝑦̂ = 𝑎 + 𝑏𝑥
∑ 𝑥𝑦 − 𝑛𝑥̅ 𝑦̅
𝑏=
∑ 𝑥 2 − 𝑛𝑥̅ 2
𝑏 = −3.412
𝑎 = 𝑦̅ − 𝑏𝑥̅ = 111.9333
𝑦̂(11) = 74.401
𝑦̂(12) = 70.989
Para el pronostico de las inscripciones de utiliza regresión múltiple, donde se ingresaron los datos
a Excel para obtener los parámetros de la ecuación:
𝑦̂ = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2
Donde x1 es para el año y x2 es para nacimientos
𝑎 = 147.8945
𝑏1 = −1.08116
𝑏2 = −0.0149
𝑦(11,74.401) = 134.89
𝑦(12,70.989) = 133.8628
48. Sundar Balakrishnan, gerente general de Precision Engineering Corporation (PEC), cree que
los servicios de ingeniería que 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 compañías en su área geográfica. Se pregunta si realmente es de esta forma, y si
lo es, ¿ayudaría esta información para planear mejor sus operaciones, si pronostica la cantidad
de sus servicios de ingeniería requeridos por las empresas de construcción en cada trimestre del
año? En la siguiente tabla 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) Con estos datos, desarrolle una ecuación de regresión para predecir el nivel de demanda de
los servicios de PEC.
Trimestre Ventas servicios de PEC (en miles) Contratos firmados (en miles de dólares)
1 8 153
2 10 172
3 15 197
4 9 178
5 12 185
6 13 199
7 12 205
8 16 226
Coeficientes
Intercepción -21,5848283
Variable X 1 -0,86852477
Variable X 2 0,19732377