El documento presenta diferentes métodos de pronóstico como promedios móviles, suavización exponencial y regresión lineal simple. Compara la precisión de promedios móviles de 3 y 5 semanas para pronosticar la demanda semanal de inventario, encontrando que el promedio móvil de 5 semanas es más preciso. También analiza el uso de suavización exponencial con constantes de 0,1 y 0,2. Finalmente, aplica regresión lineal simple para pronosticar ventas basado en datos de construcción de viviendas
El documento presenta diferentes métodos de pronóstico como promedios móviles, suavización exponencial y regresión lineal simple. Compara la precisión de promedios móviles de 3 y 5 semanas para pronosticar la demanda semanal de inventario, encontrando que el promedio móvil de 5 semanas es más preciso. También analiza el uso de suavización exponencial con constantes de 0,1 y 0,2. Finalmente, aplica regresión lineal simple para pronosticar ventas basado en datos de construcción de viviendas
El documento presenta diferentes métodos de pronóstico como promedios móviles, suavización exponencial y regresión lineal simple. Compara la precisión de promedios móviles de 3 y 5 semanas para pronosticar la demanda semanal de inventario, encontrando que el promedio móvil de 5 semanas es más preciso. También analiza el uso de suavización exponencial con constantes de 0,1 y 0,2. Finalmente, aplica regresión lineal simple para pronosticar ventas basado en datos de construcción de viviendas
El documento presenta diferentes métodos de pronóstico como promedios móviles, suavización exponencial y regresión lineal simple. Compara la precisión de promedios móviles de 3 y 5 semanas para pronosticar la demanda semanal de inventario, encontrando que el promedio móvil de 5 semanas es más preciso. También analiza el uso de suavización exponencial con constantes de 0,1 y 0,2. Finalmente, aplica regresión lineal simple para pronosticar ventas basado en datos de construcción de viviendas
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 5
EJERCICIOS DE PRONÓSTICOS.
1. Shirley Johnson gerente de inventarios, desea desarrollar un sistema de pronostico a corto
plazo para estimar el volumen de inventario que fluye de su almacén todas las semanas. Ella cree que la demanda de inventario por lo general ha sido estable, con algunas ligeras fluctuaciones aleatorias de una semana a la siguiente. Un analista de las oficinas centrales de la empresa sugirió que utilizara un promedio móvil de 3 y 5 semanas. Antes de tomar una decisión shiyley decidió comparar la precisión de cada una de ellas en relación con el periodo de diez semanas más recientes Demanda real de Cantidad de periodo Cantidad de periodo inventarios promediado = 3 promediado = 5 Semanas (miles de semanas semanas dólares) pronósticos Desviación pronósticos Desviación absoluta absoluta 1 100 2 125 3 90 4 110 5 105 6 130 7 85 8 102 106,6 4,6 104 2 9 110 105,6 4,4 106,4 3,6 10 90 99 9 106,4 16,4 11 105 100.6 4,4 103,4 1.6 12 95 101,6 6,6 98,4 3,4 13 115 96,6 18,4 100,4 14,6 14 120 105 15 103 17 15 80 110 30 105 25 16 95 105 10 103 8 17 100 98,3 1,7 101 1 104,1 92,6
Método de promedio Móvil.
El método de los promedios móviles utiliza el promedio de los n valores de datos mas recientes en la serie de tiempo como el pronóstico para el siguiente periodo. En términos matemáticos.
n=3 Promedio móvil(sem 8)= (105+130+85)/3=106,6 Promedio móvil(sem 9)= (130 +85 + 102)/3 = 105,6 n=5 Promedio móvil (sem 8)= (90+110+105 +130+ 85)/5= 104 Promedio móvil(9)= (110 + 105 + 130 + 85 + 102)/5= 106,4 Desviacion absoluta media (DAM)= sumatoria de las desviaciones / numero datos pronosticados DAM(n=3)= 104,1/10= 10,41 DAM(n=5)= 92,6/10= 9,26
METODO DE SUAVIZACIN EXPONENCIAL
El suavizamiento exponencial es una forma de pronosticar la demanda de un artículo para un período dado. Este método estima que la demanda será igual al promedio de los consumos históricos en un período dado, dándole un mayor peso o ponderación a los valores que se encuentren más cercanos en el tiempo. La constante funciona como un factor de ponderación (si, parecido al pronóstico móvil ponderado) y su variación se hace de acuerdo a nuestra necesidad de darle más peso a datos recientes (alfa α más elevado) o a datos anteriores (alfa α más bajo). Esta constante de suavización alfa (α) que tiene un valor comprendido entre 0 y 1.
2. Shirley Johnson habla con un analista de las oficinas centrales de la empresa respecto a pronóstico de la demanda semanal del inventario de su almacén. El analista sugiere que Shirley piense en utilizar la suavización exponencial con constante de suavización de 0.1, y 0.2 . Nota 1. El pronóstico del segundo periodo es igual a la serie de tiempo del periodo 1
Método de pronóstico de análisis de regresión lineal simple
El método de análisis de regresión lineal simple solo contiene una variable independiente. Si los datos forman una serie de tiempo, la variable independiente es el tiempo en periodos y la variable dependiente, por lo general es aquella que deseamos pronosticar. La ecuación para pronosticar con este método es Y= a + bx Donde: Y es la variable dependiente X es la variable independiente a= es la intersección con el eje y b= es la pendiente de la línea de tendencia.
b=
Coeficiente de correlación (r).
Explica la importancia relativa de la relación entre y y x; el signo de r indica la dirección de la dirección de dicha relación, r puede asumir cualquier valor entre -1 y +1. Una r negativa indica que los valores de y y de x tiende a moverse en dirección opuesta, y una r positiva indica que los valores de y y de x se mueven en la misma dirección. Cuando r tiende a 0 significa que y y x no tiene correlación. 3. El gerente general de ABC supone que los servicios de ingeniería que su empresa proporciona a las empresas de construcción de carretera están directamente relacionados con la cantidad de contrato de construcción de estos emitidos en su área geográfica. A continuación se muestra los datos de los periodos anteriores. a. calcule la ecuación de regresión lineal. b. La empresa llama a los representante de las oficinas de obtención de contratos y prepara las estimaciones de los contratos para los siguientes cuatro periodos. La cifra son: 260; 290; 300 y 270. c. Calcular el coeficiente de correlación. Periodos Ventas (Y) Contratos(x) X2 XY Y2 1 8 150 22500 1200 64 2 10 170 28900 1700 100 3 15 190 36100 2850 225 4 9 170 28900 1530 81 5 12 180 32400 2160 144 6 13 190 36100 2470 169 7 12 200 40000 2400 144 8 16 220 48400 3520 256 Totales 95 1470 273300 17830 1183
b. La empresa llama a los representante de las oficinas de obtención de contratos y
prepara las estimaciones de los contratos para los siguientes cuatro periodos. La cifra son: 260; 290; 300 y 270 Y(x=260)= -9,67 + (0,11*260)=18,93 Y(x=290)= 9,67 + (0,11*290)= 22,23 Y(x=300)= 9,67 + (0,11*300)= 23,33 Y(x=(270)= 9,67 + (0,11*270)= 20,03
c. Coeficiente de correlación (r).
r= = = 0,894*100 = 89,4%
4. La Comfort Zone Company es un fabricante mediano con 10 años de
antigüedad de equipo de calefacción y enfriamiento. Las ventas están creciendo con rapidez y es necesario incrementar la capacidad de producción. La gerencia de la empresa se pregunta si los datos nacionales de construcción de vivienda pudieran resultar un buen indicador de las ventas anuales de la empresa. (2 punto)
Año Construcción de viviendas Millones Ventas anuales de comfort Zone
1 2.1 230 2 1.8 215 3 2.4 270 4 2.8 310 5 3.1 360 6 2.6 370 7 2.4 375 a. Plante una ecuación de regresión lineal b. Determinar el coeficiente de correlación
