Pronósticos (Desarrollo de Problemas) PDF

Preview

Summary

UNIVERSIDAD DE SANTA FACULTAD DE CIENCIAS ADMINISTRATIVAS ESCUELA PROFESIONAL DE DE EMPRESAS CUANTITATIVO PARA V: AUTOR: RENDER Presentado por: Docente: Lic. Tejada AREQUIPA 2019 V: 5 Describa brevemente los pasos para desarrollar un sistema de Determinar el uso del objetivo se trata de lograr? Sele...

Description

UNIVERSIDAD CATÓLICA DE SANTA MARÍA FACULTAD DE CIENCIAS ECONÓMICO ADMINISTRATIVAS ESCUELA PROFESIONAL DE ADMINISTRACIÓN DE EMPRESAS

“ANÁLISIS CUANTITATIVO PARA NEGOCIOS” CAPÍTULO V: “PRONÓSTICOS” AUTOR: RENDER Presentado por:

Docente: Lic. Tejada Velásquez, José Efraín AREQUIPA – PERÚ 2019 CAPÍTULO V: PRONÓSTICOS

5.1 Describa brevemente los pasos para desarrollar un sistema de pronósticos.  Determinar el uso del pronóstico: ¿Qué objetivo se trata de lograr?  Seleccionar los elementos o cantidades que se quieren pronosticar.  Determinar el horizonte de tiempo del pronóstico: corto, mediano o largo plazo.  Seleccionar el modelo o modelos de pronóstico.  Reunir los datos necesarios para hacer el pronóstico.  Validar el modelo de pronóstico.  Realizar el pronóstico.  Implementar los resultados. Se presenta una forma sistemática de iniciar el diseño e implementación de un sistema de pronóstico. No existe un modelo único.

5-2 ¿Qué es un modelo de pronósticos de series de tiempo? Es un pronóstico que se basa atreves de series de datos históricos y que han pasado durante un periodo determinado, que intenta predecir el fututo en función de lo que haya sucedido en el pasado. Y algunos modelos de series de tiempo son promedios móviles, suavizamiento exponencial, proyecciones de tendencia y descomposición.

5-3 ¿Cuál es la diferencia entre un modelo causal y un modelo de series de tiempo? MODELOS CAUSALES Parten del supuesto de que el grado de influencia de las variables que afectar al comportamiento del mercado permanece estable, para luego construir un modelo que relacione ese comportamiento con las variables que se estima son las causantes de los cambios que se observan en el mercado.

MODELO SERIE DE TIEMPO Se utiliza cuando el comportamiento que asume el mercado a futuro puede determinarse por lo sucedido en el pasado y se cuenta con la información histórica en forma confiable y completa.

5.4. ¿Qué es un modelo de pronósticos cualitativo y cuando es adecuado? Los pronósticos cualitativos son aquellos que utilizan el juicio, intuición, resumen, o técnicas comparativas para producir estimados cuantitativos acerca del futuro. Los modelos de pronósticos cualitativos deben utilizarse cuando no se cuenta, o existe muy poca información cuantitativa, pero existe el suficiente conocimiento cualitativo.

5-5 ¿Cuáles son algunos problemas y desventajas del modelo de pronósticos de promedio móvil?

La principal desventaja es que solo te permite pronosticar un periodo más y que en comparación con los demás pronósticos presentan un mayor error medio absoluto.

5.6 ¿Qué efecto tiene el valor de la constante de suavizamiento sobre el peso dado al pronóstico previo y al valor histórico observado? Se usa para ponderar la tendencia, la ecuación para corregir las tendencias utiliza una constante de suavizamiento, β, de la misma manera que en el modelo exponencial simple utiliza α. Una β elevada tiene una mayor respuesta a los cambios recientes en la tendencia, una β baja le da menos peso a las tendencias más recientes para ponderar la tendencia presente. Los valores de β pueden encontrarse mediante el enfoque de prueba y error, utilizando el valor de la DMA como medida de comparación. Frecuentemente se denomina el suavizamiento exponencial simple como suavizamiento de primer orden. El suavizamiento ajustado a la tendencia se conoce como de segundo orden, doble suavizamiento o método de Holt. También se utilizan otros modelos de suavizamiento exponencial, entre ellos el suavizamiento ajustado a las estaciones y el suavizamiento triple.

5-7 Describa brevemente la técnica Delphi. El método Delphi está dentro de los métodos cualitativos, es un proceso iterativo de grupo permite que expertos, quienes podrían encontrarse en diferentes lugares, hagan pronósticos. Es una técnica prospectiva utilizada para obtener información esencialmente cualitativa, pero relativamente precisa, acerca del futuro. Hay tres tipos de participantes diferentes en el proceso Delphi: quienes toman decisiones, el personal y encuestados.

5-8 ¿Qué es la DMA y por qué es importante en la selección y el uso de los modelos de pronósticos? La DMA es la desviación media absoluta; una medida de exactitud; es decir cuánto difieren en promedio los datos pronosticados de los datos reales. Es por esto que es de suma importancia, ya que a menor DMA el pronóstico tendrá mayor exactitud.

DMA=

∑ ⌈ error del pronóstico ⌉ n

5.9 Explique cómo se determina el número de estación al pronosticar con una componente estacional. La determinación de la variación estacional, es un aspecto fundamental en el análisis de una serie, principalmente para estudios comparativos y efectuar predicciones. En ocasiones interesa conocer las variaciones estacionales y eliminarlas del comportamiento global de la serie para poder observar mejor el comportamiento de esta ajeno a causas estacionales. La eliminación de la componente estacional (desestacionalizacion de laserie) de las observaciones hace comparables cantidades observadas en estaciones distintas y que se pueden presuponer influidas por este hecho.

La variación estacional nos indica el incremento o disminución que se ha experimentado en un periodo estacional dado respecto del valor medio referido a todo el año.

5-10 Un índice estacional puede ser menor que uno, igual a uno o mayor que uno. Explique qué significa cada uno de estos valores. Un índice estacional < 1 indica un efecto positivo (el dato mayor que el marcado por la tendencia). Un índice estacional = 1 indica que no hay efecto estacional, y esta es promedio. Un índice estacional > 1 indica un efecto negativo (el dato es menor que el indicado por la tendencia).

5.11 Explique qué pasaría si la constante de suavizamiento en un modelo de suavizamiento exponencial fuera igual a cero. Explique qué pasaría si esa constante fuera igual a uno. Un valor de alfa cercano a 1 causa que el método le asigne más importancia a los datos más recientes, es decir que sea más reactivo (y al mismo tiempo suavizamos menos los datos históricos) y un valor de alfa cercano a 0 causa que el método le asigne menos importancia a los cambios más recientes, es decir que sea menos reactivo (y al mismo tiempo suavizamos más los datos históricos).

5-12 Explique cuándo debería utilizarse un PMC (en vez de un promedio general) al calcular un índice estacional. Explique por qué esto es necesario. Siempre que existe una tendencia debe calcularse los índices estacionales mediante el empleo del promedio móvil centrado (PMC). Este enfoque evita que las variaciones debidas a la tendencia se interpreten como una variación debida a la estación.

5-13 Desarrolle un pronóstico con promedio móvil de cuatro meses para Wallace Garden y calcule la DMA. En la sección sobre promedios móviles de la tabla 5.3, se desarrolló un pronóstico de promedio móvil de tres meses.

5-

14

Utilice la DMA para determinar si el pronóstico del problema 5-13 o el pronóstico en las secciones concernientes a Wallace Garden Supply es más exacto.

DMA=

∑ ( errorde Pr onostico ) n

DMA= 7.75

5-15 Los datos recolectados de la demanda anual de sacos de 50 libras de fertilizante en Wallace Garden se presentan en la siguiente tabla. Desarrolle un promedio móvil de 3 años para pronosticar las ventas. Luego, estime la demanda de nuevo con un promedio móvil ponderado, donde las ventas del año más reciente tienen un peso de 2 y las ventas en los otros 2 años tienen, cada una, un peso de 1. ¿Qué método piensa usted que sea mejor?

5-16 Desarrolle un recta de tendencia para la demanda de fertilizante en el problema 5-15, utilizando un software de cómputo.

5-17 En los problemas 5-15 y 5-16, se desarrollaron tres pronósticos diferentes para la demanda de fertilizante. Los tres son un promedio móvil de 3 años, un promedio móvil ponderado y una recta de tendencia. ¿Cuál usaría? Explique su respuesta.

5-18 Utilice el suavizamiento exponencial con una constante de suavizamiento de 0.3 para pronosticar la demanda de fertilizante dada en el problema 5-15. Suponga que el pronóstico del periodo anterior para el año 1 es de 5,000 sacos para comenzar el procedimiento. ¿Preferiría usar el modelo de suavizamiento exponencial o el de promedio ponderado desarrollado en el problema 5-15? Explique su respuesta.

5-19 Las ventas de acondicionadores de aire Cool-Man han crecido de forma estable durante los últimos 5 años:

El gerente de ventas predijo, antes de iniciar el negocio, que las ventas del año 1 serían de 410 acondicionadores de aire. Utilice suavizamiento exponencial con un peso de α = 0.30, para desarrollar los pronósticos de los años 2 a 6.

5-20 Con constantes de suavizamiento de 0.6 y 0.9, desarrolle pronósticos para las ventas de acondicionadores de aire Cool-Man (véase el problema 5-19).

5-21 ¿Qué efecto tiene la constante de suavizamiento sobre el pronóstico de los acondicionadores de aire Cool-Man? (Véase los problemas 5-19 y 5-20.) ¿Qué constante de suavizamiento da el pronóstico más preciso?

5-22 Use el modelo de pronósticos del promedio móvil para pronosticar las ventas de acondicionadores de aire Cool-Man (véase el problema 5-19).

5-23 Con el método de proyección de tendencia, desarrolle un modelo de pronósticos para las ventas de acondicionadores de aire Cool-Man (véase el problema 5.19).

5-24 ¿Usaría suavizamiento exponencial con constante de suavizamiento de 0.3, un promedio móvil de 3 años o una tendencia para predecir las ventas de acondicionadores de aire Cool-Man? Consulte los problemas 5-19, 5-22 y 5-23.

5-25 Las ventas de aspiradoras industriales en R. Lowenthal Supply Co. durante los últimos 13 meses son las siguientes:

a) Utilice un promedio móvil con tres periodos, determine la demanda de aspiradoras para el siguiente febrero. b) Con un promedio móvil ponderado de tres periodos, determine la demanda de aspiradoras para febrero. Utilice 3, 2, y 1 como pesos del periodo más reciente, el segundo más reciente y el tercero más reciente, respectivamente. Por ejemplo, si quisiera pronosticar la

demanda de febrero, noviembre tendría un peso de 1, diciembre un peso de 2 y enero un peso de 3. c) Evalúe la exactitud de cada uno de los métodos. d) ¿Qué otros factores podría considerar R. Lowenthal para pronosticar las ventas?

a)

b) El mes de febrero: 13.1666

c) El error varía en -0.35 en promedio por proyección d) Valores de análisis de estacionalidad con tendencia (PME)

5-26 La millas-pasajero voladas en Northeast Airlines, una empresa de transporte con servicio en Boston, son las siguientes durante las últimas 12 semanas:

a) Suponga que un pronóstico inicial para la semana 1 es de 17,000 millas, utilice suavizamiento exponencial para calcular las millas para las semanas 2 a 12. Suponga que α = 0.2. b) ¿Cuál es la DMA para este modelo? c) Calcule la SCEP y las señales de rastreo. ¿Están dentro de los límites aceptables?

5-27 Las llamadas de emergencia al sistema 911 de Winter Park, Florida, durante las últimas 24 horas son las siguientes:

a) Calcule el pronóstico de suavizamiento exponencial para las llamadas de cada semana. Suponga un pronóstico inicial de 50 llamadas en la primera semana y tome α = 0.1. ¿Cuál es el pronóstico para la semana 25? b) Pronostique de nuevo cada periodo con α = 0.6. c) Las llamadas reales durante la semana 25 fueron 85. ¿Qué constante de suavizamiento brinda un pronóstico superior?

5-28 Respecto a los datos de llamadas al 911 en el problema 5.27, pronostique las llamadas para las semanas 2 a 25 con α = 0.9. ¿Cuál es mejor? (Otra vez, suponga que las llamadas reales en la semana 25 fueron 85 y use un pronóstico inicial de 50 llamadas.)

5-29 El ingreso por consulta en Kate Walsh Associates para el periodo de febrero a julio ha sido el siguiente: Utilice suavizamiento exponencial para pronosticar el ingreso de agosto. Suponga que el pronóstico inicial para febrero es de $65,000. La constante de suavizamiento es α = 0.1.

5-30 Resuelva el problema 5.29 con α = 0.3. Usando la DMA, ¿cuál es la constante de suavizamiento que brinda un mejor pronóstico?

5-31 Una fuente importante de ingresos en Texas es un impuesto de ventas estatal sobre ciertos tipos de bienes y servicios. Los datos están compilados y el contralor los usa para proyectar los ingresos futuros para el presupuesto del estado. Una categoría en particular de bienes se clasifica como comercio al menudeo. La siguiente tabla presenta cuatro años de datos trimestrales (en millones) para un área del sureste de Texas:

a) Calcule los índices estacionales para cada trimestre basados en el PMC. b) Elimine la estacionalidad de los datos y desarrolle una recta de tendencia en los datos sin estacionalidad.

c) Utilice la recta de tendencia para pronosticar las ventas para cada trimestre del año 5. d) Use los índices estacionales para ajustar los pronósticos encontrados en el inciso c) para obtener los pronósticos finales.

a)

b) RECTA DE TENDENCIA EN LOS DATOS SIN ESTACIONALIDAD

c)

d)

5-32 Utilice los datos del problema 5.31, desarrolle un modelo de regresión múltiple para predecir las ventas (componentes de tendencia y estacional), usando variables artificiales para incorporar el factor estacional al modelo. Utilice este modelo para predecir las ventas de cada trimestre del siguiente año. Comente sobre la exactitud de este modelo.

5-33 Trevor Harty, un ávido ciclista de montaña, siempre quiso abrir una tienda de bicicletas para montaña de la más alta calidad y otros implementos para el

campo traviesa. Hace un poco más de 6 años, él y un socio cauteloso abrieron una tienda llamada Hale and Harry Trail Bikes and Supplies. El crecimiento fue rápido durante los 2 primeros años, pero desde ese tiempo, el crecimiento en las ventas ha disminuido un poco, como se esperaba. La tabla que sigue contiene las ventas trimestrales (en miles) para los últimos 4 años.

a) Desarrolle una recta de tendencia con los datos de la tabla. Utilícela para pronosticar las ventas de cada trimestre del año 5. ¿Qué indica la pendiente de esta línea? b) Use un modelo de descomposición multiplicativo para incorporar ambas componentes, de tendencia y estacional, al pronóstico. ¿Qué indica la pendiente de esta recta? c) Compare la pendiente de la recta de tendencia del inciso a) con la pendiente de la recta de tendencia, para el modelo de descomposición que se basó en las cifras de ventas sin estacionalidad. Analice por qué son tan diferentes y explique cuál es mejor.

a) GRAFICA PMC Y VENTAS REALES: Donde X es el tiempo y Y las ventas

b) Tiene pendiente una pendiente creciente, pero no es del todo pronosticable su función lineal ya que te da valores aproximados muy variables a la media móvil con una R=0.6886

C) De forma conjunta se usa la función lineal no estacional para hallar el valor de ventas sin estacionalizar para luego y al momento de proyectar, multiplicarlo por el índice trimestral correspondiente.

5-34 Se presentan las tasas de desempleo en Estados Unidos durante un periodo de 10 años en la siguiente tabla. Utilice suavizamiento exponencial para encontrar el mejor pronóstico para el año próximo. Suponga que las constantes de suavizamiento son de 0.2, 0.4, 0.6 y 0.8. ¿Cuál dio la DMA más baja?

5-35 La gerencia de la tienda por departamentos Davis ha usado extrapolación de series de tiempo, para pronosticar las ventas al menudeo para los siguientes cuatro trimestres. Las ventas estimadas son de $100,000, $120,000, $140,000 y $160,000 para los respectivos trimestres, antes de ajustar por estacionalidad. Se encontró que los índices estacionales para los cuatro trimestres son de 1.30, 0.90, 0.70 y 1,10, respectivamente. Calcule un pronóstico de ventas ajustado o con estacionalidad.

5-36 En el pasado, la distribuidora de llantas de Judy Holmes vendió un promedio de 1,000 llantas radiales cada año. En los últimos dos años, vendió respectivamente 200 y 250 en el otoño, 350 y 300 en el invierno, 150 y 156 en la primavera, y 300 y 285 en el verano. Con una mayor expansión planeada, Judy proyecta que las ventas para el siguiente año crecerán a 1,200 radiales. ¿Cuál será la demanda en cada estación?

5-37 La siguiente tabla brinda el valor del índice de apertura del Dow Jones Industrial Average (DJIA) en el primer día laborable de 1991 a 2010. Desarrolle una recta de tendencia y utilícela para predecir el valor del índice de apertura del DJIA para los años 2011, 2012 y 2013. Encuentre el ECM para este modelo.

Y     N

 

X N

N  XY  N X

2

 X Y   X  2

5-38 Use los datos del DJIA del problema 5.37 y suavizamiento exponencial con ajuste de tendencia para pronosticar el valor de apertura del DJIA para el año 2011. Suponga que α = 0.8 y β = 0.2. Compare el ECM para esta técnica con el ECM para la recta de tendencia.

5-40 La siguiente tabla presenta la tasa de cambio mensual promedio entre el dólar estadounidense y el euro para 2009. Indica que 1 euro era equivalente a 1.324 dólares estadounidenses en enero de 2009. Desarrolle una recta de tendencia que sirva para predecir la tasa de cambio para 2010. Utilice el modelo para predecir la tasa de cambio para enero y febrero de 2010.

5-41 Para los datos del problema 5-40, desarrolle un modelo de suavizamiento exponencial ponderado con constante de suavizamiento igual a 0.3. Use el ECM para comparar esto con el modelo del problema 5-40 ....