Download ejerciicios de regresion multiple and more Exercises Business Administration in PDF only on Docsity!
UNIVERSIDAD LAICA ELOY ALFARO DE
MANABI
FACULTAD DE INGENIERIA INDUSTRIAL
MATERIA:
CONTROL DE LA PRODUCCION
CURSO:
8 VO^ Semestre “A”
ESTUDIANTE:
DELGADO MERO DOUGLAS NICOLAS
DOCENTE:
ING. MARCOS VERA MENDOZA
AÑO LECTIVO:
2015-2016 P
Tabla de contenido
1. ADMINISTRACION Y PRONÓSTICO DE LA DEMANDA............................................. 3
1.1. ANALISIS DEL CASO “EL ALMACEN DE DATOS DE WAL-MART”...................
1.2. DEFINICION DE DEMANDA DEPENDIENTE E INDEPENDIENTE..................... 3
1.2.1. DEMANDA DEPENDIENTE............................................................................... 3
1.6.3.1. EFECTOS DE LA TENDENCIA EN LA SUAVIZACIÓN
- ADMINISTRACION Y PRONÓSTICO DE LA DEMANDA.
1.1. ANALISIS DEL CASO “EL ALMACEN DE DATOS DE WAL-
- 1.2.2. DEMANDA INDEPENDIENTE...........................................................................
- 1.3. TIPOS DE PRONÓSTICOS..........................................................................................
- 1.4. COMPONENTES DE LA DEMANDA......................................................................
- 1.5. TECNICAS CUALITATIVAS DE PRONÓSTICOS.....................................................
- 1.5.1. TECNICAS ACUMULATIVAS.............................................................................
- 1.5.2. INVESTIGACION DE MERCADOS...................................................................
- 1.5.3. GRUPO DE CONSENSO......................................................................................
- 1.5.4. ANALOGIA HISTORICA.....................................................................................
- 1.5.5. METODO DE DELFOS........................................................................................
- 1.6. ANALISIS DE SERIES DE TIEMPOS.........................................................................
- 1.6.1. PROMEDIO MOVIL SIMPLE..............................................................................
- 1.6.2. PROMEDO MOVIL PONDERADO...................................................................
- 1.6.2.1. ELECCION DE PONDERACIONES..............................................................
- 1.6.3. SUAVIZACION EXPONENCIAL......................................................................
- EXPONENCIAL..................................................................................................................
- 1.6.3.2. ELECCIÓN DEL VALOR APROPIADO PARA ALFA...............................
- 1.6.3.3. ERRORES DE PRONÓSTICO....................................................................
- 1.6.3.4. FUENTES DE ERROR.................................................................................
- 1.6.3.5. MEDICIÓN DE ERRORES..........................................................................
- 1.6.3.6. ANÁLISIS DE REGRESIÓN LINEAL.........................................................
- 1.6.4.1. VARIACIÓN ESTACIONAL ADITIVA.........................................................
- 1.6.4.2. VARIACIÓN ESTACIONAL MULTIPLICATIVA.........................................
- 1.6.5. FACTOR (O ÍNDICE) ESTACIONAL.............................................................
- 1.7. PRONÓSTICO DE RELACIONES CAUSALES...................................................
- CAUSAL.............................................................................................................................. 1.7.1. EJEMPLO 15.5: PRONÓSTICO CON EL USO DE UNA RELACIÓN
- 1.7.1.1. SOLUCIÓN.....................................................................................................
- 1.7.2. ANÁLISIS DE REGRESIÓN MÚLTIPLE........................................................
- 1.8. ANALISIS CASO “ALTAVOX ELECTRONICS”....................................................
- Trabajos citados............................................................................................................................
clientes como a su personal, crear campañas para vender sus productos y bajar precios. Estas acciones pueden incrementar la demanda. Por el contrario, es posible disminuir la demanda mediante aumentos de precios o la reducción de los esfuerzos de ventas. b. Adoptar un papel pasivo y simplemente responder a la demanda. Existen varias razones por las que una empresa no trata de cambiar la demanda sino que la acepta tal como llega. Si una compañía funciona a toda su capacidad, tal vez no quiera hacer nada en cuanto a la demanda. Otras razones pueden ser que la compañía no tenga el poder de cambiar la demanda debido al gasto en publicidad; es probable que el mercado sea fijo y estático; o que la demanda esté fuera de su control (como en el caso de un proveedor único). Existen otras razones competitivas, legales, ambientales, éticas y morales por las que la demanda del mercado se acepta de manera pasiva. Es necesaria mucha coordinación para manejar estas demandas dependientes, independientes, activas y pasivas. Las demandas se originan tanto interna como externamente en forma de ventas de productos nuevos por parte de marketing, piezas de reparación para productos vendidos con anterioridad, reabastecimiento de los almacenes de la fábrica y suministro de artículos para manufactura. (Richar B Chase, 2009)
1.3. TIPOS DE PRONÓSTICOS
El pronóstico se puede clasificar en cuatro tipos básicos: cualitativo, análisis de series de tiempo, relaciones causales y simulación. Las técnicas cualitativas son subjetivas y se basan en estimados y opiniones. El análisis de series de tiempo , el enfoque primario de este capítulo, se basa en la idea de que es posible utilizar información relacionada con la demanda pasada para predecir la demanda futura. La información anterior puede incluir varios componentes, como influencias de tendencias, estacionales o cíclicas, y se describe en la sección siguiente. El pronóstico causal, que se analiza utilizando la técnica de la regresión lineal, supone que la demanda se relaciona con algún factor subyacente en el ambiente. Los modelos de simulación permiten al encargado del pronóstico manejar varias suposiciones acerca de la condición del pronóstico. (Richar B Chase, 2009)
1.4. COMPONENTES DE LA DEMANDA
En la mayor parte de los casos, la demanda de productos o servicios se puede dividir en seis componentes:
✓ Demanda promedio para el periodo.
✓ Una tendencia.
✓ Elementos estacionales.
✓ Elementos cíclicos.
✓ Variación aleatoria.
✓ Auto correlación.
La ilustración 15.2 muestra una demanda durante un periodo de 4 años, así como el promedio, la tendencia y los componentes estacionales o la aleatoriedad alrededor de la curva de la demanda uniformada.
Ilustración 15.
Demanda histórica de productos que consiste en una tendencia al crecimiento y una demanda temporal.
(Richar B Chase, 2009)
Los factores críticos son más difíciles de determinar porque quizá el tiempo se desconoce o no se toma en cuenta la causa del ciclo. La influencia cíclica sobre la demanda puede provenir de eventos tales como elecciones políticas, guerras, condiciones económicas o presiones sociológicas.
Las variaciones aleatorias son provocadas por los eventos fortuitos. Estadísticamente, al restar todas las causas conocidas de la demanda (promedio, tendencias, estacionales, cíclicas y de auto correlación) de la demanda total, lo que queda es la parte sin explicar de la demanda. Si no se puede identificar la causa de este resto, se supone que es aleatoria.
La auto correlación indica la persistencia de la ocurrencia. De manera más específica, el valor esperado en un momento dado tiene una correlación muy alta con sus propios valores anteriores. En la teoría de la línea de espera, la longitud de una línea de espera tiene una auto correlación muy elevada. Es decir, si una línea es relativamente larga en un momento determinado, poco después de ese tiempo, podría esperarse que la línea siguiera siendo larga.
Cuando la demanda es aleatoria, es probable que varíe en gran medida de una semana a otra. Donde existe una correlación alta, no se espera que la demanda cambie mucho de una semana a otra.
Las líneas de tendencia casi siempre son el punto de inicio al desarrollar un pronóstico. Entonces, estas líneas de tendencia se ajustan de acuerdo con los efectos estacionales, los elementos cíclicos y cualquier otro evento esperado que puede influir en el pronóstico final. La ilustración 15.3 muestra cuatro de los tipos de tendencias más comunes.
siempre es cierto, en muchos casos, se trata de una suposición válida y constituye la
base de este método.
Los pronósticos en este último nivel se suman y se llevan al siguiente nivel más alto.
Por lo regular se trata de un almacén de distrito que después agrega el inventario de
seguridad y cualquier efecto de pedir en cantidad. Luego, esta cantidad se lleva al
siguiente nivel, que puede ser un almacén regional. El procedimiento se repite hasta que
se convierte en un insumo en el nivel más alto; que, en el caso de una empresa de
manufactura, sería el insumo para el sistema de producción. (Richar B Chase, 2009)
1.4. INVESTIGACION DE MERCADOS
A menudo, las empresas contratan a empresas externas que se especializan en la
investigación de mercados para realizar este tipo de pronóstico. Es probable que usted
haya participado en estudios de mercado por medio de una clase de marketing; y
seguramente no se ha escapado a las llamadas telefónicas en las que le preguntan sobre
sus preferencias por ciertos productos, su ingreso, sus hábitos, etcétera.
La investigación de mercados se utiliza sobre todo para la investigación de productos
con el objetivo de buscar nuevas ideas, conocer los gustos y disgustos relacionados con
los productos existentes, los productos competitivos preferidos en una clase en
particular, etc. Una vez más, los métodos de recopilación de datos son sobre todo
encuestas y entrevistas. (Richar B Chase, 2009).
1.5. GRUPO DE CONSENSO
En un grupo de consenso, la idea de que dos cabezas piensan más que una se extrapola
con la idea de que un grupo de personas que ocupan diversas posiciones pueden
desarrollar un pronóstico más confiable que un grupo más reducido. Los pronósticos en
grupo se realizan por medio de reuniones abiertas con un intercambio libre de ideas de
todos los niveles gerenciales e individuales. El problema con este estilo abierto es que
los empleados de niveles inferiores se sienten intimidados por los niveles más altos de
la gerencia. Por ejemplo, un vendedor en una línea de productos en particular puede
tener un buen estimado de la demanda futura de un producto, pero quizá no se exprese
para refutar un estimado muy diferente dado por el vicepresidente de marketing. La
técnica de Delfos (que se estudia en forma breve) se desarrolló para tratar de corregir
este impedimento del intercambio libre.
Cuando las decisiones en el pronóstico se toman en un nivel más amplio y alto (como al
introducir una nueva línea de productos o al tomar decisiones estratégicas sobre un
producto, como en nuevas áreas de mercado), se utiliza el término juicio ejecutivo, que
se explica por sí mismo: participa un nivel gerencial más alto. (Richar B Chase, 2009)
1.6. ANALOGIA HISTORICA
Al tratar de pronosticar la demanda de un nuevo producto, una situación ideal sería que
un producto existente o genérico se pueda utilizar como modelo. Existen muchas
formas de clasificar estas analogías; por ejemplo, productos complementarios,
productos sustituibles o competitivos, y productos como una función del ingreso. Una
vez más, seguramente ha recibido gran cantidad de productos que se anuncian por
correo en una categoría similar a un producto comprado por catálogo, Internet o correo.
Si alguna vez ha comprado un DVD por correo, recibirá más correspondencia acerca de
DVD y reproductores de DVD nuevos.
Una relación causal sería que la demanda de discos compactos es provocada por la
demanda de reproductores de DVD. Una analogía sería pronosticar la demanda de
reproductores de videodiscos digitales analizando la demanda histórica de VCR. Los
productos se encuentran en la misma categoría general de aparatos electrónicos y los
compran consumidores en categorías similares. Un ejemplo más sencillo son los
tostadores y cafeteras. Una empresa que produce tostadores y quiere fabricar cafeteras
podría utilizar el historial de los tostadores como un modelo de crecimiento probable.
(Richar B Chase, 2009)
1.7. METODO DE DELFOS
Como se dijo en la sección sobre los grupos de consenso, una afirmación u opinión de
una persona de un nivel superior es probable que pese más que la de una persona de
nivel inferior. El peor de los casos se presenta cuando la gente de nivel inferior se siente
amenazada y no contribuye con lo que realmente cree.
Para evitar este problema, el método de Delfos oculta la identidad de los individuos que
participan en el estudio. Todos tienen el mismo peso. En cuanto al procedimiento, un
moderador crea un cuestionario y lo distribuye entre los participantes. Sus respuestas se
suman y se entregan a todo el grupo con un nuevo grupo de preguntas.
Rand Corporation desarrolló el método de Delfos en la década de 1950. El
procedimiento paso a paso es:
a. Elegir los expertos a participar. Debe haber gran variedad de personas con conocimientos en distintas áreas.
b. Por medio de un cuestionario (o correo electrónico) obtener las proyecciones (y cualquier premisa o calificación para el pronóstico) de todos los participantes.
c. Resumir los resultados y redistribuirlos entre los participantes con las preguntas nuevas apropiadas.
d. Volver a resumir, refinar las proyecciones y condiciones, y una vez más plantear preguntas nuevas.
e. Repetir el paso d, si es necesario. Distribuir los resultados finales entre todos los participantes.
Por lo regular, la técnica de Delfos puede lograr resultados satisfactorios en tres rondas. El tiempo requerido es una función del número de participantes, la cantidad de trabajo para que desarrollen sus pronósticos y su velocidad para responder. (Richar B Chase, 2009)
1.6. ANALISIS DE SERIES DE TIEMPOS
decisión importante sobre la inversión de capital se basa en un pronóstico, éste debe ser bueno. (Richar B Chase, 2009)
1.8. PROMEDIO MOVIL SIMPLE
Cuando la demanda de un producto no crece ni baja con rapidez, y si no tiene
características estacionales, un promedio móvil puede ser útil para eliminar las
fluctuaciones aleatorias del pronóstico. Aunque los promedios de movimientos casi
siempre son centrados, es más conveniente utilizar datos pasados para predecir el
periodo siguiente de manera directa. Para ilustrar, un promedio centrado de cinco meses
de enero, febrero, marzo, abril y mayo da un promedio centrado en marzo. Sin embargo,
los cinco meses de datos deben existir. Si el objetivo es pronosticar para junio, se debe
proyectar el promedio de movimientos de marzo a junio. Si el promedio no está
centrado sino que se encuentra en un extremo, se puede pronosticar con mayor
facilidad, aunque quizá se pierda cierta precisión. Por lo tanto, si se quiere pronosticar
para junio con un promedio móvil de cinco meses, puede tomarse el promedio de enero,
febrero, marzo, abril y mayo. Cuando pase junio, el pronóstico para julio será el
promedio de febrero, marzo, abril, mayo y junio. Así es como se calculó la ilustración
Aunque es importante seleccionar el mejor periodo para el promedio móvil, existen
varios efectos conflictivos de distintos periodos. Cuanto más largo sea el periodo del
promedio móvil, más se uniformarán los elementos aleatorios (lo que será conveniente
en muchos casos). Pero si existe una tendencia en los datos (ya sea a la alta o a la baja),
el promedio móvil tiene la característica adversa de retrasar la tendencia. Por lo tanto,
aunque un periodo más corto produce más oscilación, existe un seguimiento cercano de
la tendencia. Por el contrario, un periodo más largo da una respuesta más uniforme pero
retrasa la tendencia.
La fórmula de un promedio móvil simple es
[15.1]
