37 4 67KB
UNIVERSIDAD NACIONAL DE INGENIERIA
1. ¿Cuál es la diferencia entre demanda dependiente e Independiente? Los clientes a menudo se familiarizan con la ley básica de la oferta y la demanda: cuantos más clientes quieren un producto, más producto brindan los fabricantes. Este tipo de demanda normalmente es una de varios tipos de demandas que deciden cuánto producto fabricar. La demanda de cliente o demanda independiente es la demanda del producto terminado, mientras que la demanda dependiente es la necesidad del fabricante de conseguir las partes para construir el producto. Por ejemplo, la demanda de cliente para un escenario de TV nuevo es una demanda independiente, mientras que la demanda del fabricante por los componentes utilizados para hacer cada estudio es una demanda dependiente. 2. Examine la ilustración 15.4 y señale qué modelo usaría para a) La demanda de trajes de baño, b) La demanda de casas nuevas, c) Consumo de electricidad, d) Planes de expansión de nuevas plantas. a) La demanda del traje de baño se podría pronosticar utilizando suavización exponencial. El horizonte de tiempo es corto, la complejidad del modelo y el costo es baja, la exactitud del modelo es justa y los requisitos de datos son muy bajos. b) La demanda de casas nuevas puede pronosticarse con la regresión lineal. Los horizontes temporales son largos, la complejidad del modelo es medianamente alta, la precisión es alta y los requisitos de datos son también. c) Regresión causal. Los modelos se pueden utilizar para prever el uso de energía eléctrica. El horizonte temporal es largo y el modelo de complejidad es bastante alto, la precisión y requerimientos del modelo son altos d) Los planes de expansión de la planta pueden ser pronosticados utilizando técnicas de pronóstico cualitativo. Esto toma en cuenta los problemas no cuantificables al planificar la expansión de la planta. 3. ¿En qué se justifica el método de mínimos cuadrados en el análisis de regresión lineal?
El método de mínimos cuadrados trata de ajustar la recta a los datos que minimizan la suma de los cuadrados de la distancia vertical entre cada punto de datos y el punto correspondiente en la recta. 4. Explique el procedimiento para crear un pronóstico usando el método de descomposición de la regresión por mínimos cuadrados. Paso 1: Se debe calcular el factor de estacionalidad, realizando un cociente entre el valor pronosticado según el Promedio o Media Móvil Simple con n=12 y el valor real de la demanda. Paso 2: Se calcula el factor de estacionalidad promedio para cada período. Este procedimiento se facilita al trabajar con Tablas Dinámicas. Paso3: Se ajusta cada factor promedio, multiplicándolo por el factor de estacionalidad K, calculado de:
Paso 4: Calcular la tendencia de la serie de tiempo ajustando los datos a una regresión lineal, donde la variable dependiente corresponde a la demanda (Y) y la variable independiente a los períodos (X). Para este propósito se puede aplicar el procedimiento de forma muy sencilla en Excel a través de las siguientes alternativas: 1. Hacer un Gráfico de Línea con los valores de la demanda real como se muestra en la imagen a continuación: Luego sobre el gráfico de línea con el mouse o teclado seleccionar con el botón derecho la opción “Agregar línea de tendencia”. Por defecto se ofrece la alternativa de tendencia lineal (no modificar) y debemos seleccionar las siguientes opciones:
Una vez realizado lo anterior obtendremos el gráfico que muestra el ajuste de la regresión y su ecuación. Paso 5: Se calcula el factor cíclico de la serie histórica a partir de la siguiente expresión:
Paso 6: Determinar el factor cíclico promedio para cada período. En este paso al igual que en el Paso 2 una Tabla Dinámica resulta de bastante ayuda. Una vez completado el Paso 6 estamos en condiciones de realizar un pronóstico de demanda utilizando la fórmula:
Dónde: S= Valor pronosticado T= Factor de tendencia C= Componente cíclico Y= Componente estacional μ= Variación no sistemática 5. Dé algunas reglas simples que usaría para manejar la demanda del producto de una empresa (un ejemplo es “limitado al inventario disponible”). Para satisfacer la demanda de un producto es necesario conocer el comportamiento del consumidor o sus necesidades, de manera que se deben hacer estudios con este objetivo y diseñar las estrategias de marketing en función a los objetivos que se persiguen, esto es, satisfacer a los clientes para conseguir unos objetivos mayores dentro de la empresa. Se debe estudiar el comportamiento del consumidor, el que consume, compra o utiliza un producto o servicio, de manera que se sepa qué va a hacer, qué quiere, qué necesita, qué compraría, qué desea y si este se encuentra o no satisfecho . El consumidor debe ser el punto más importante a tener en cuenta en las estrategias de marketing, sabiendo qué compra, quién compra, cómo lo compra, por qué compra, cuándo compra, dónde compra, cuánto compra y cómo lo utiliza. En función a esto se hacen los estudios pertinentes para conocer sus necesidades concretas y la forma de satisfacerlas. Las necesidades pueden estar relacionadas con las satisfacciones básicas, aunque también pueden tener que ver con satisfacciones más específicas. Las necesidades también pueden ser concretas, inconcretas e irrealizables. 6. ¿Qué estrategias se usan en supermercados, líneas aéreas, hospitales, bancos y cerealeras para influir en la demanda?
En supermercados se hacen propagandas de precios bajos, de calidad, se hacen promociones por día: el día del pescado, por ejemplo. En líneas aéreas se hacen paquetes 2x1 en periodos de baja demanda, se hace mucha publicidad. En hospitales se hace poca propaganda, pero últimamente salen propagandas de nuevo equipamiento. En bancos se regalan productos por la adquisición de créditos (ej: notebooks), se habla mucho de la tasa más baja del mercado 7. 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, por ejemplo, Ft − 1? Se escogería la opción más viable sería el utilizar el valor de la demanda real del periodo anterior 8. 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? Probablemente la precisión de la técnica en cuestión podría depender del total de datos registrados con anterioridad, pero al final podríamos considerar el método de regresión lineal como el más exacto, debido a que busca que todos los datos registrados antes se ajusten a una línea central y a su vez basa en una tendencia histórica de los datos antes registrados. 9. Dé ejemplos que tengan una relación multiplicadora de la tendencia estacional Más que el ejemplo, lo importante es indicar que una tendencia multiplicadora en la tendencia estacional, implica que la tendencia no es una suma sobre la base original sino un porcentaje y por ende todo crece en ese porcentaje. Es decir, la tendencia no es que aumente en 5 productos la cantidad vendida, sino en un 5%, por ejemplo, lo que implica que si en enero se vendían 100 productos y en junio 200, la tendencia multiplicadora indicará que en enero se venderán 105 productos y en junio 210. 10. ¿Cuál es la principal desventaja del pronóstico diario con análisis de regresión?
11. ¿Cuáles son los principales problemas de la suavización exponencial adaptada para realizar pronósticos? 12. ¿Cómo se calcula un índice estacional a partir de un análisis de recta de la regresión? 13. Comente las diferencias básicas entre la desviación absoluta media y la desviación estándar 14. ¿Qué implicaciones tienen los errores de pronóstico en la búsqueda de modelos de pronóstico estadístico muy complejos? 15. ¿Cuáles son las ventajas más fuertes del pronóstico enfocado? 16. ¿Las relaciones causales son potencialmente más útiles para qué componente de una serie temporal?