7-12-2019 Preguntas de

análisis y
pronósticos
Planeación y control de la
producción

santino romano
UNIVERSIDAD TECNOLOGICA INDOAMERICA
1. Examine la ilustración 15.3 y señale qué modelo usaría para a) la demanda de trajes de
baño, b) la demanda de casas nuevas, c) consumo de electricidad y d) planes de
expansión de nuevas plantas.

Método de Cantidad de Patrón de los Horizonte de

pronostico datos datos pronóstico

históricos
Regresión lineal De 10 a 20 Estacionarios, Corto a mediano
observaciones tendencias y
para la Temporalidad
temporalidad,
al menos cinco
observaciones
por temporada.

Promedio Móvil 6 a 12 meses; a Los datos deben Corto

Simple menudo se ser estacionarios

utilizan (es

datos decir, sin

semanales tendencia ni
temporalidad)

Promedio móvil Para empezar, Los datos deben Corto

ponderado y se necesitan de ser estacionarios
suavización 5a

exponencial simple 10
observaciones

Suavización Para empezar, Estacionarios y Corto

exponencial con se necesitan de tendencias
tendencia 5a

10
observaciones

a) La demanda de trajes de baño: considero que se debería utilizar el método de

descomposición de series de tiempos.
b) La demanda de casas nuevas: se debería utilizar un modelo de regresión causal.

c) El consumo de electricidad: para determinar el consumo de electricidad se debería utilizar un

 modelo exponencial.

d) Los planes de expansión de nuevas plantas: previo el análisis de una expansión se debería
utilizar un método exponencial simple por que como la planta va a ser nueva no vamos a tener
datos registrados.
2. ¿En qué se fundamenta el método de mínimos cuadrados del análisis de regresión lineal?
Es un recurso de diagnóstico numérico en la que, proporcionados un conjunto de datos (pares
ordenados y estirpe de funciones), se intenta establecer la función continua que mejor se
aproxime a los datos (línea de regresión o la línea de mejor encaje), proporcionando
una demostración visual de la relación entre los puntos de los mismos. En
su forma crecidamente sencillo, busca minimizar la suma de cuadrados de las diferencias
ordenadas (llamadas residuos) entre los puntos generados por la función y los correspondientes
datos.
3. Explique el procedimiento para crear un pronóstico mediante el método de
descomposición de la regresión por mínimos cuadrados.

La descomposición de una serie de tiempo significa encontrar los componentes básicos de la serie
de tendencia, estacional y cíclico.

El proceso:

1. Descomponer las series de tiempo en sus componentes.

a) Encontrar el componente estacional.
b) Descontar las variaciones de temporada de la demanda.
c) Encontrar el componente de la tendencia.
2. Pronosticar valores futuros de cada componente.
a) Pronosticar el componente de la tendencia en el futuro.
b) Multiplicar el componente de la tendencia por el componente estacional.

4. Mencione algunas reglas simples para manejar la demanda del producto de una empresa
(un ejemplo es “limitarse al inventario disponible”).

Lo que se haya vendido en los tres últimos meses será probablemente lo que se venda en los
tres meses siguientes.

5. ¿Qué estrategias aplican los supermercados, líneas aéreas, hospitales, bancos y

fabricantes de cereal para influir en la demanda?
 Llevando a fin un estudio de pronósticos ya
que esuna herramienta inexcusable para anunciar la demanda y tomar decisiones razón a
ello. Inclusive así, el estudio de pronóstico te sirve para igualar la tendencia de tu mercado
6. 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, digamos, Ft−1?

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

7. De la elección entre un promedio móvil simple, promedio móvil ponderado, suavización

exponencial y análisis de regresión lineal, ¿qué técnica de pronóstico le parecería más
precisa? ¿Por qué?
La exactitud de una técnica en cuestión podría pender del total de datos registrados
con previsión, pero al final podríamos considerar el método de análisis regresión directo como
el más exacto, debido a que busca que todos los datos registrados antes de ajusten a
una línea central y a su vez se fundamenta en una propensión histórica de los
datos precedentemente registrados.

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

estacional.
Es primordial mostrar que una propensión multiplicativa en una propensión temporal implica que
la corriente no sea una suma sobre la base original si no un porcentaje y por ende todo crece
en ese porcentaje. Es decir, la tendencia no es que aumente en 5 productos la calidad vendida, si no
en un 5%, por ejemplo, lo que implica que, si en enero se vendían 100 productos y en junio 200,
la tendencia multiplicadora indicara que en enero se venderán 105 productos y en junio 210.
El sistematización de la tendencia y el factor temporal a partir de una recta ajustada
a favor son nuevo modelo de esto ya que muestran el factor y la muda zafral multiplicativa.
9. ¿Cuál es la principal desventaja del pronóstico diario mediante análisis de
regresión?

Su desventaja es que se basa solamente en el pasado y está influenciado por los hechos recientes,
por lo cual si no se tiene datos completos cuando el monitoreo de
estos es estacional izado no se va a poder pronosticar con exactitud, es más trabajoso que los
anteriores.

10. ¿Cuáles son los principales problemas de la suavización exponencial adaptativa para
realizar pronósticos?

Que muchas de las veces de un día a otro no hay mucha variación, lo cual puede provocar que nuestra
línea central no sea muy buena, y no sea muy certera y pues en la ecuación la pendiente va a ser
muy pequeña y pues no va ver mucho cambio.

11. ¿Cuáles son los principales problemas al usar el exponencial aminorado

adaptado para hacer pronósticos?

El principal problema es que si no se tiene la suficiente experiencia o conocimiento para asignar el

valor de alfa puede que el pronóstico quede muy lejano a la demanda real, lo cual causaría que sea
más difícil para pronósticos futuros adaptarse, por el error antes cometido.

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

desviación estándar.

Las dos sirven para medir la dispersión de un valor observado en relación con un valor esperado, pero
la desviación estándar es una medida más grande. Si la desviación absoluta media de un conjunto de
puntos es 60 unidades, la desviación estándar de 75 unidades

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

pronóstico estadístico muy complejos?

El inicial asimismo llamado metódico es ocasionado por un error constante, por ejemplo, una
mala comentario de la demanda, usar variables incorrectas o con relaciones
equivocadas. Este tipo de error se verá minimizado de acuerdo a la experticia del administrados de
operaciones. El error azaroso es aquel que no tiene explicación, es decir, es el error originado por
factores imprevisibles y por ende no se conoce que es lo que causa.
14. ¿Las relaciones causales son potencialmente más útiles para qué componente de una
serie de tiempo?

Para componentes estacionales (a corto y mediano plazo) y componentes con tendencia (a

largo plazo)