CAPÍTULO 3 PRONÓSTICOS DE DEMANDA. Ing. Omar David Pérez Fuentes
|
|
- Diego Vera Cáceres
- hace 6 años
- Vistas:
Transcripción
1 CAPÍULO 3 PRONÓICO DE DEMANDA Ing. Omar David Pérez Fuentes 1
2 CONENIDO 1 Introducción. 2 Concepto de Pronóstico. 3 Métodos de Pronósticos. 3.1 Método Cuantitativo eries de tiempo Causales por regresión. 3.2 Método Cualitativo Pruebas de Mercados Método de Delphi. 4 Medidas de Errores en los Pronósticos. Ing. Omar David Pérez Fuentes 2
3 1. Introducción istema de producción genérico Ing. Omar David Pérez Fuentes 3
4 1. Introducción Buen pronóstico (Después de terminar las ventas nuestro stock será de 0) Pronóstico Malo (Después de terminar las ventas nuestro stock será de 12) Pronóstico Malo (Después de terminar las ventas nuestro stock será de 0 y existirá demanda insatisfecha) Ing. Omar David Pérez Fuentes 4
5 2. Concepto de Pronóstico Es una serie de datos que en base a una serie de estudios determinan la demanda en un futuro de un determinado producto. Un pronóstico de venta es la estimación o previsión de las ventas de un producto (bien o servicio) durante determinado período futuro. Ing. Omar David Pérez Fuentes 5
6 3. Métodos de Pronósticos Método Cuantitativo Método Cualitativo Ing. Omar David Pérez Fuentes
7 Método Cuantitativo Este método se utiliza cuando se dispone o se cuenta con información histórica de la demanda del producto a pronosticar información histórica que debe ser procesados por los modelos estadísticos, se divide en: eries de tiempo y Causales por regresión. Ing. Omar David Pérez Fuentes 7
8 Método Cuantitativo eries de tiempo Es un registro cronológico de la demanda en función del tiempo. d = Demanda t = iempo F = Pronóstico = Número de datos disponibles K = Número de periodos futuros a pronosticar Ing. Omar David Pérez Fuentes 8
9 erie de tiempo: Proceso constante Método Cuantitativo Proceso con tendencia ( + / - ) Proceso estacional Demanda Proceso constante Proceso con tendencia (+) Proceso con tendencia (-) iempo 8 9 Ing. Omar David Pérez Fuentes (mes) 9
10 erie de tiempo Proceso constante a) Ultimo dato b) Método Promedio General c) Promedio Móvil d) Método uavizado Exponencial imple Ing. Omar David Pérez Fuentes 10
11 erie de tiempo Proceso constante Ultimo Dato Es el método mas sencillo de todos los métodos, consta de igualar el pronóstico futuro con la ultima demanda real. Ing. Omar David Pérez Fuentes 11
12 erie de tiempo Proceso constante Ultimo Dato Ejemplo: En la tabla se muestra la demanda histórica de consumo de carne de pollo en Kg. a) Cuál es el pronóstico parta el siguiente periodo? b) Cual es el pronóstico para eptiembre? c) i la demanda real para el periodo es de 80 Kg Cuál es el pronóstico para el siguiente periodo? Periodo (mes) Demanda real (kg) Pronóstico (kg) Ing. Omar David Pérez Fuentes 12
13 Demanda erie de tiempo Proceso constante Ultimo Dato d 5 F F 7 F 8 F iempo (mes) Ing. Omar David Pérez Fuentes 13
14 erie de tiempo Proceso constante Promedio General Es la media aritmética de los n datos disponibles de demanda real. Mientras más grande sea n, mayor será la influencia de los datos antiguos. Consta de sumar todos los datos de demanda para luego dividir entre el número de datos. Ing. Omar David Pérez Fuentes 14
15 erie de tiempo Proceso constante Promedio General Ejemplo: En la tabla se muestra la demanda histórica de consumo de carne de pollo en Kg. a) Cuál es el pronóstico parta el siguiente periodo? b) Cual es el pronóstico para eptiembre? c) i la demanda real para el periodo es de 80 Kg Cuál es el pronóstico para el siguiente periodo? Periodo (mes) Demanda real (kg) Pronóstico (kg) Ing. Omar David Pérez Fuentes 15
16 erie de tiempo Proceso constante Promedio Móvil también llamada media móvil, en lugar de utilizar todos los datos disponibles de demanda real, se utilizan los N datos más recientes. Consta de utilizar un número N de demandas, luego se suma los N datos más recientes de demanda para luego dividir entre N. Ing. Omar David Pérez Fuentes 1
17 erie de tiempo Proceso constante Promedio Móvil Ejemplo: En la tabla se muestra la demanda histórica de consumo de carne de pollo en Kg. Por el método promedio móvil con N=3: a) Cuál es el pronóstico parta el siguiente periodo? b) Cual es el pronóstico para eptiembre? c) i la demanda real para el periodo es de 80 Kg Cuál es el pronóstico para el siguiente periodo? Periodo (mes) Demanda real (kg) Pronóstico (kg) Ing. Omar David Pérez Fuentes 17
18 erie de tiempo Proceso constante Promedio Móvil Otro ejemplo: e tiene la demanda histórica de periodos. a) Determine los pronósticos de ventas por el método promedio móvil con N=2 y N=3. b) Con que N se ajusta mejor el proceso de pronóstico? Periodo (mes) Demanda (und) Pronóstico N=3 N=4 Ing. Omar David Pérez Fuentes 18
19 erie de tiempo Proceso constante uavizado Exponencial imple Es una manera de pronosticar la demanda de un producto en un periodo dado. Estima que la demanda será igual a la media de los consumos históricos para un periodo dado, dando una mayor ponderación a los valores mas cercanos en el tiempo. Además, tiene en cuenta el error de pronóstico actual en los siguientes pronósticos. Pero antes de usar este método es una norma hallar el promedio general, para iniciar el proceso de pronóstico. Es una ponderación o valor de ajuste con cierto grado de error, que se puede estimar o determinar al emitir un pronóstico, este valor de ajuste fluctúa en (0 y 1). Ing. Omar David Pérez Fuentes 19
20 erie de tiempo Proceso constante uavizado Exponencial imple Ing. Omar David Pérez Fuentes 20
21 erie de tiempo Proceso constante uavizado Exponencial imple F(+K) = α (d) + (1- α)f Pronóstico = (último valor) + (1 - )(último pronóstico Constante de suavizamiento exponencial varia entre cero y uno La demanda en condiciones de estabilidad > 0,3 La demanda en proceso de cambio > 0,7 Ing. Omar David Pérez Fuentes 21
22 erie de tiempo Proceso constante uavizado Exponencial imple Ejemplo: En la tabla se muestra la demanda histórica de consumo de carne de pollo en Kg. Por el método suavizado exponencial simple, con = 0,20 determine: a) El pronóstico parta el siguiente periodo? b) El pronóstico para eptiembre? c) i la demanda real para el periodo es de 80 Kg Cuál es el pronóstico para el siguiente periodo? d) Recalcule los valores de pronóstico con = 0,90 e) Realice la grafica de pronóstico para ambos Periodo (mes) Demanda real (kg) Pronóstico (kg) Ing. Omar David Pérez Fuentes 22
23 Medidas de error en el pronóstico El error del pronóstico es la diferencia entre el valor real de demanda y el valor pronosticado del período correspondiente. e t = d t F t (+) ubestimado (-) obrestimado Donde e t es el error del pronóstico en el período t, d es el valor real para ese período y F t el valor que se había pronosticado. Ing. Omar David Pérez Fuentes 23
24 Medidas de error en el pronóstico DMA 1 i1 Desviación Media Absoluta BIA 1 Bias o esgo i1 e t e t DCM 1 e t i1 2 Desviación Cuadrática Media 1 PAME i1 Porcentaje Absoluto Medio del Error 24 e d t t Ing. Omar David Pérez Fuentes 24
25 Medidas de error en el pronóstico Ejemplo: En la tabla se muestra la demanda histórica de consumo de carne de pollo en Kg. Por el método suavizado exponencial simple, determine con que se ajusta mejor el proceso de pronóstico, si = 0,20 o = 0,90. (PAME, DMA, DCM, BIA) Periodo (mes) Demanda real (kg) Pronóstico (kg) Ing. Omar David Pérez Fuentes 25
26 Medidas de error en el pronóstico t d PRONÓICO MÉODO.E.. α 0,2 α 0,90 ERROR DEL PRONÓICO α 0,2 α 0,90 MEDIDA DE ERROR PAME α 0,2 α 0,90 MEDIDA DE ERROR DMA α 0,2 α 0,90 MEDIDA DE ERROR DCM α 0,2 α 0,90 MEDIDA DE ERROR BIA α 0,2 α 0, Ing. Omar David Pérez Fuentes 2
27 Medidas de error en el pronóstico Determine con qué método se ajusta mejor el proceso de pronostico, último dato o Promedio Móvil con N=3. utilice como indicador del bondad DMA Demanda Pronostico Error DMA d UD PM, N=3 UD PM, N=3 UD PM, N= Ing. Omar David Pérez Fuentes 27
28 erie de tiempo Proceso con endencia Método: uavizado exponencial doble écnica cuantitativa que permite calcular los pronósticos de la demanda para periodos futuros, teniendo como antecedente que los datos históricos siguen un comportamiento creciente o decreciente. El producto se encuentra en la etapa de crecimiento o decrecimiento en su ciclo de vida. Ing. Omar David Pérez Fuentes 28
29 erie de tiempo Proceso con endencia Método: uavizado exponencial doble y= Valor pronosticado en un periodo X a = Constante del proceso b = Pendiente de la recta de tendencia x = Periodo (codificado) F K y a b( x) B KB Constante Pendiente (-/ ) Ing. Omar David Pérez Fuentes 29
30 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Ecuaciones de Actualización: Ing. Omar David Pérez Fuentes B B B d
31 erie de tiempo Proceso con endencia Método: uavizado exponencial doble 1 er Paso estimar B - Dividir los datos en dos grupos - Calcular el promedio del grupo 1 (PG1) - Calcular el promedio del grupo 2 (PG2) B = (PG2 PG1 )/L L = número de datos de cada grupo Ing. Omar David Pérez Fuentes 31
32 erie de tiempo Proceso con endencia Método: uavizado exponencial doble 2 do Paso estimar. - Calcular el Promedio General (PG) = PG + ((-1)/2)B Ing. Omar David Pérez Fuentes 32
33 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Paso 3: Realiza los pronósticos Ejemplo: Información histórica F K KB Año Demanda Ing. Omar David Pérez Fuentes 33
34 erie de tiempo Proceso con endencia Método: uavizado exponencial doble 80 (Denanda Vs iempo) (Demanda) Ing. Omar David Pérez Fuentes 34
35 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Ejemplo: Determine el pronóstico para los 3 próximos años, por el método suavizado exponencial doble Año Demanda Ing. Omar David Pérez Fuentes 35
36 erie de tiempo Proceso con endencia Método: uavizado exponencial doble t t d B F (Año) (Periodo) (Demanda) ,875 5,25 K=1 9 78,125 K= ,375 K= ,25 Ing. Omar David Pérez Fuentes 3
37 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Demanda y Pronostico Vs. iempo (Demanda) F Ing. Omar David Pérez Fuentes 37
38 erie de tiempo Proceso con endencia Método: uavizado exponencial doble La demanda real para el periodo 2002 fue de 80 und, calcule el pronóstico para el siguiente periodo, si alfa = 0,10 y beta = 0,30? Ecuaciones de actualización: Ing. Omar David Pérez Fuentes B B B d
39 erie de tiempo Proceso con endencia Método: uavizado exponencial doble t t d B F (Año) (Periodo) (Demanda) A 0, B 0, ,88 5, ,31 5,31 78,13 K= ,2 K= ,93 Ing. Omar David Pérez Fuentes 39
40 erie de tiempo Proceso con endencia Método: uavizado exponencial doble La capacidad de la Plata es de 500 und/año, en que periodo se estará trabajando a capacidad máxima? F+K = + K(B) 500 = 78,31 + K (5,31) K = 79,41 años A capacidad máxima en el año: 2081,41 Ing. Omar David Pérez Fuentes 40
41 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Ejemplo: La siguiente tabla, presenta la información histórica de ventas de los últimos años de materiales de construcción. a) Determine el pronostico para los próximos 4 años. AÑO DEMANDA Ing. Omar David Pérez Fuentes 41
42 erie de tiempo Proceso con endencia Método: uavizado exponencial doble b) i la demanda real para el periodo 7 es de 93 unidades, determine el pronóstico para el periodo 9 (i se obtiene un nuevo dato de demanda real se debe actualizar los valores y B con la ecuación de actualización haciendo uso de Alfa y Beta. Para el ejemplo considere alfa=0,1, Beta=0,2) c) Considere que los periodos estén dados en meses y el periodo 1 representa a enero del La capacidad máxima instalada en esta empresa es de 170 und/mes, determine el año y el mes en el cual se estará trabajando a capacidad máxima y se requiera proyectar una ampliación. Ing. Omar David Pérez Fuentes 42
43 erie de tiempo Proceso con endencia olución: a) Método: uavizado exponencial doble 1 er Paso estimar B Demanda G 1 (+) PG G 2 AÑO DEMANDA iempo (mes) G1= 74,7 G2= 8,33 B= 3,89 Ing. Omar David Pérez Fuentes 43
44 erie de tiempo Proceso con endencia Método: uavizado exponencial doble olución: a) 2 do Paso estimar. PG = Promedio General. PG 80,5 1 PG B ,5 3, ,22 Ing. Omar David Pérez Fuentes 44
45 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Luego: F F K F F K F F F F K K 1 90,28 1* , ,28 2*3,91 98,1 3 1*B 3*B 4*B 90,28 K*B 2*B F9 90,28 3* 3,91 102,01 K 4 4*3,91 105,92 Ing. Omar David Pérez Fuentes 45
46 erie de tiempo Proceso con endencia Método: uavizado exponencial doble AÑO DEMANDA B F G G ,22 3, , , , ,78 Pronostico para los siguientes 4 años Ing. Omar David Pérez Fuentes 4
47 erie de tiempo Proceso con endencia Método: uavizado exponencial doble olución: b) K F B B B * d * d 0,2 2* B B 1 1 B 1 0,1 90,28 3,91 94, * B * B 94,071 90,28 1 0,2*3,91 3, 88 0,1*93 Re mplazando en la ecuación F F F *B 7 94, 071 2* 3, , 10184, se tiene: Ing. Omar David Pérez Fuentes 47
48 erie de tiempo Proceso con endencia Método: uavizado exponencial doble Con las ecuaciones de actualización: AÑO DEMANDA B F F G G ,22 3, ,00 3,87 94, ,00 97, ,89 101, ,78 a= 0,1 b= 0,2 Actualizacion: = 94,00 B= 3,87 Ing. Omar David Pérez Fuentes 48
49 erie de tiempo Proceso con endencia Método: uavizado exponencial doble olución: c) 170 Demanda Capacidad Máxima F K KB KB ,071 K3, K 19, Enero 2008 Julio meses +19 k Febrero 2010 (fin de mes) iempo (mes) Ing. Omar David Pérez Fuentes 49
50 erie de tiempo Proceso Estacional Método: Winters Esta técnica sirve para calcular el pronóstico de ventas cuando existe estacionalidad o ciclos y también se utiliza cuando en cada período existen diferencias de ventas muy marcadas, razón por la cual se hace necesario calcular un índice que nos permitirá un ajuste por cada período. Para este método se requiere al menos dos años de información histórica de la demanda en función al tiempo Ing. Omar David Pérez Fuentes 50
51 erie de tiempo Proceso Estacional Método: Winters K * B C K L F K * Demanda Ecuaciones de actualización: B C * d C L d 1 B 1 1 C L * 0,, * B 1 Proceso estacional Ing. Omar David Pérez Fuentes 51 iempo (mes)
52 erie de tiempo Proceso Estacional Método: Winters Ejemplo. nugfit es una compañía que fabrica botas de esquiar. Las botas tuvieron ventas lentas al introducirse al mercado. De los cuales se recabo la siguiente información y según la demanda que se muestra en el cuadro. a) Determinar el pronóstico para el siguiente periodo (cuatrimestre). AÑO CUARIMERE DEMANDA Ing. Omar David Pérez Fuentes 52
53 erie de tiempo Proceso Estacional Método: Winters b) i las demanda real para el primer cuatrimestre del año 3 es de 70 unidades, determine el pronóstico para el siguiente periodo. Utilice α=0,1 ; β=0,2 ; ϒ=0,2 Ing. Omar David Pérez Fuentes 53
54 erie de tiempo Proceso Estacional Método: Winters olución: a) e debe seguir los siguientes pasos: 1 er paso estimar B - Utilizar la información histórica de la demanda de los dos últimos años. - acar promedio del grupo 1 (G1), corresponde al año n-1 - acar promedio del grupo 2 (G2), correspondiente al año n G1: año 1 G2: año 2 CUARIMERE DEMANDA L= Número por año = G1 131, G2 138,33 3 G2 G1 B L 138,33 131,33 B 2,33 3 Ing. Omar David Pérez Fuentes 54
55 erie de tiempo Proceso Estacional Método: Winters olución: a) 2 do Paso estimar. PG= Promedio General de todos los datos históricos de demanda PG PG ,5 PG 134,83 1 PG B 2 1 PG B ,83 2,33 140, 2 134,83 Ing. Omar David Pérez Fuentes 55
56 erie de tiempo Proceso Estacional Método: Winters Ing. Omar David Pérez Fuentes 5 olución: a) 3 er Paso hallar C: 0,75 2, , 100 C B 3 d C 3 t 1,78 2, , 234 C B 2 d C 2 t 0,47 2, , 0 C B 1 d C 1 t B t d C t t
57 erie de tiempo Proceso Estacional Método: Winters Ing. Omar David Pérez Fuentes 57 olución: a) 0,78 2,33 140, 110 C B d C t 1,73 2, , 240 C B 5 d C 5 t 0,48 2, , 5 C B 4 d C 4 t
58 erie de tiempo Proceso Estacional olución: a) Método: Winters Ct AÑO 1 AÑO 2 PROMEDIO Ct Ct (Normalizado) 1 0,47 0,48 0,475 L 2 1,78 1,73 1,7 R Ct 3 0,75 0,78 0,75 = 3 = L CNormalizad o R* Ct Cuando la suma del Promedio Ct es igual a L no se normaliza F F F F K *B 1*B K *B *C *C 4 *C 13 KL 140, 1* 2,33*0,475 7,92 Ing. Omar David Pérez Fuentes 58
59 erie de tiempo Proceso Estacional olución: b) B B B 7 7 * d C L * d C 4 Método: Winters e utiliza la ecuación de actuañización ,1* 70 0,475 1 B 1 1 B 1 0,1 140, 2, , * B * B 140, 1 0,2*2,33 2, 43 0,2 143,43 Ing. Omar David Pérez Fuentes 59
60 erie de tiempo Proceso Estacional Método: Winters Ing. Omar David Pérez Fuentes 0 olución: b) 95 20, *1,7 2*2, ,43 * * * * * * 0,48 *0,475 0, , ,2 * 1 * F C B K F C B K F C B K F C C d C C d C L K K L
61 erie de tiempo Proceso Estacional Método: Winters i se requiere pronosticar mas de una temporada futura, es decir k>l, entonces +k-l es mayor que y la estimación especifica del factor estacional no se conoce. En su lugar se utiliza del valor mas reciente. g=k/l (el entero más pequeño mayor o igual a k/l K *B * CK L F K g Ing. Omar David Pérez Fuentes 1
62 Método Causal con regresión Método: Regresión lineal simple Cuando la demanda esta en función a una variable diferente al tiempo. Por ejemplo la demanda de gasolina esta en función del numero de automóviles en el parque automotor. El método más empleado para describir una tendencia lineal es el de mínimos cuadrados, para encontrar una línea de mejor ajuste para un conjunto de puntos. Y = a + b(x) d = a + b(x) Y = Valor pronosticado para un dato X a = Valor de la constante, ordenada al origen b = Pendiente de la recta de tendencia X = Variable independiente Ing. Omar David Pérez Fuentes 2
63 Método Causal con regresión Método: Regresión lineal simple Ejemplo. Durante los últimos años las ventas de una empresa han crecido por razones de una intensa campaña de promoción, las cuales han tenido el siguiente comportamiento. Año Ventas (miles de unidades) Gastos en propaganda (miles de $us) a) e pide determinar las ventas esperadas para el año 12 b) Cual es el gasto en propaganda Ing. Omar David Pérez que Fuentes genera de 1545 (miles de 3 Ud.)
64 Método Causal con regresión Método: Regresión lineal simple Y Y=a+bX REGREIÓN LINEAL Error Error Pronóstico X Ing. Omar David Pérez Fuentes 4
65 Método Causal con regresión Método: Regresión lineal simple Nro Ventas Gastos en propaganda Año Dato (miles de unidades) (miles de $us) ,00 8 Y= a + BX ,00 12 Y: GAO ,00 15 X: AÑO ,00 19 a: 4, ,00 21 b: 3, ,00 25 r2: 0, , ,00 31 Y: VENA ,81 3,07 X: GAO ,71 39,5 a: 47, ,0 43,05 b: 20, ,50 4,54 r2: 0, ,40 50,02 Ing. Omar David Pérez Fuentes 5
66 Método Causal con regresión Método: Regresión lineal simple 1.800,00 Ventas (miles de unidades) 1.00, , , ,00 800,00 Ventas (miles de unidades) 00,00 400,00 200, Ing. Omar David Pérez Fuentes
67 Método Causal con regresión Método: Regresión lineal múltiple Armando posee naranjas en Chapare. El ha recolectado datos sobre el total de lluvias (pulgadas), la temperatura alta promedio (grados Fahrenheit) y la cosecha (libras / acre) para las últimas ocho temporadas. Los datos son los siguientes: El pronóstico del servicio meteorológico es de 17 in de lluvia y 88 ºF de temperatura. Ellos confían en que la cantidad de lluvia estará entre 15 in y 20 in y la temperatura entre 85 ºF y 90 ºF. Las naranjas se procesan en un periodo de una semana al final de la temporada. Un trabajador puede procesar 80 lb por día. Armando tiene 100 acres de naranjales y cuenta en este momento con 100 trabajadores para la semana siguiente a la temporada. Qué consejo de daría sobre el nivel de su fuerza de trabajo? Lluvia emperatura Cosecha Ing. Omar David Pérez Fuentes 7
68 Método Causal con regresión Método: Regresión lineal múltiple Ing. Omar David Pérez Fuentes 8
69 Método Causal con regresión Método: Regresión lineal múltiple Ing. Omar David Pérez Fuentes 9
70 Método Cualitativo Método: Regresión lineal múltiple e utiliza cuando no se dispone de información histórica del producto en el mercado o cuando se trata de productos nuevos. Las técnicas que se utiliza son las siguientes: Investigación de mercados Método Delphi Ing. Omar David Pérez Fuentes 70
71 Método Cualitativo Método: Investigación de mercados Un empresa vende un producto determinado en una zona restringida a modo de piloto o experimento y mide sus resultados. e proyectan las ventas y la demanda potencial por medio de encuestas. ENCUEA 1.-..? 2.-..? 3.-..? 4.-..? 5.-..?.-..? Población objetivo Muestra n demanda? Ing. Omar David Pérez Fuentes 71
72 Método Cualitativo Método: Delphi Es una metodología de investigación multidisciplinaria para la realización de pronósticos y predicciones. Fue desarrollo por la Corporación Rand al inicio de la Guerra Fría para investigar el impacto de la tecnología en la guerra. El nombre del método se basa en las predicciones del oráculo de Delfos. Funcionamiento: u objetivo es la consecución de un consenso basado en la discusión entre expertos. Es un proceso repetitivo. u funcionamiento se basa en la elaboración de un cuestionario que ha de ser contestado por los expertos. Una vez recibida la información, se vuelve a realizar otro cuestionario basado en el anterior para ser contestado Ing. Omar de David nuevo. Pérez Fuentes 72
73 Método Cualitativo Método: Delphi Principios de funcionamiento Delphi se basa en - Anonimato de los intervinientes - Repetitividad y realimentación controlada - Respuesta del grupo en forma estadística erminología: Una serie de términos suelen ser utilizados en esta técnica: Circulación: Cada uno de los sucesivos cuestionarios que se presenta al grupo de expertos. Cuestionario: Documento que se envía a los expertos, incluidos los resultados de anteriores circulaciones. Panel: Conjunto de expertos que toma parte en el Delphi. Moderador: Responsable de recoger las respuestas del panel y preparar los cuestionarios. Ing. Omar David Pérez Fuentes 73
74 Método Cualitativo Método: Delphi Ejemplo: Demanda de Cd s Interactivos de la asignatura de PCP I para el presente emestre. 1ra. Ronda Experto 1ra. Vuelta 2do. Vuelta 1 Patricia Daniela Jaime Joaquin Nro. () 3ro. Vuelta Media 52 5 Rango da. Ronda Pronóstico: 5 CDs 3ra. Ronda Ing. Omar David Pérez Fuentes 74
MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS
UNIDAD 4 MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS Predicción de lo que sucederá en el futuro. 1 Predicción de lo que sucederá en el futuro. Los métodos de
Más detallesADMINISTRACION DE OPERACIONES I
ADMINISTRACIÓN DE LA DEMANDA 1. GENERALIDADES Para diseñar y ejecutar un sistema de operación que satisfaga a los clientes una empresa debe conocer cuanta demanda tiene que satisfacer, lo cual le conduce
Más detallesInstituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico M. En C. Eduardo Bustos Farías 1 Gestión de Demanda Clientes Internos y Externos Proactiva: Promociones, Políticas de Precio,
Más detallesAUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION Msc. Javier Carlos Inchausti Gudiño 2011
AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011 CAPITULO 5 TECNICAS DE PROYECCION DE MERCADO TÉCNICAS DE PROYECCIÓN DEL MERCADO Precisión deseada
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesDIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS
DIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS Modulo tercero (integración). Clave de asignatura LC 735 PROFESOR: C.P. DAVID ARREDONDO ALCANTAR 1.- PRONOSTICOS 1.3.- Tipos de pronósticos. Los pronósticos
Más detallesVentajas de los pronósticos
Ventajas de los pronósticos Un correcto pronóstico ofrece importantes ventajas: Reducción de excesos de inventario Menores faltas de inventario Reducción de la necesidad de fabricar innecesariamente para
Más detallesCAPITULO 3: PREVISIÓN DE VENTAS - PRONÓSTICOS
CAPITULO 3: PREVISIÓN DE VENTAS - PRONÓSTICOS MODELO DE REGRESIÓN LINEAL SIMPLE 1. Reno Shipyadrs repara buques transatlánticos. Muchas placas de acero grandes se sueldan juntas y a los cascos de los barcos.
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesPronóstico. Pronósticos. Factores Controlables. Porqué? Objetivo. Factores Incontrolables
2 Pronóstico Pronósticos Es una estimación cuantitativa o cualitativa de uno o varios factores (variables) que conforman un evento futuro, con base en información actual o del pasado Administración de
Más detallesPRONÓSTICOS PARA LA TOMA DE DECISIONES
PRONÓSTICOS PARA LA TOMA DE DECISIONES Documento de Internet Explorer Conceptos Generales Pronosticar: Es emitir un enunciado sobre lo que es probable que ocurra en el futuro, basándose en análisis y en
Más detallesTÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA
TÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA ÁMBITO DE LA PROYECCIÓN TÉCNICAS DE PROYECCIÓN DE MERCADO Ámbito de la proyección Situación presente Situación proyectada
Más detallesDIRECCION DE OPERACIONES I TEMA 2 PRONOSTICOS
DIRECCION DE OPERACIONES I TEMA 2 PRONOSTICOS ADMINISTRACION DE LA DEMANDA Es una función compartida entre las áreas de comercialización y producción, la primera es la encargada de captar la información
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesRegresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable.
1 DEFINICIONES PREVIAS Regresión: implica la obtención de una ecuación mediante la que podamos estimar el valor medio de una variable. Correlación: es la cuantificación del grado de relación existente
Más detallesMotivación. Motivación PRONOSTICOS DE DEMANDA
4 PRONOSTICOS DE DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para pronosticar las ventas a partir de datos observados.
Más detallesCapítulo 2 Modelos de Pronósticos
Capítulo 2 Modelos de Pronósticos Contenido 1. Conceptos (2 horas) 2. Promedios móviles con pesos y sin pesos (2 horas) 3. Suavizado exponencial sin ajuste de tendencia y con ajuste de tendencia (2 horas)
Más detallesMÉTODOS CUALITATIVOS Y CUANTITATIVOS. Mtra. Verónica Bolaños
MÉTODOS CUALITATIVOS Y CUANTITATIVOS Componentes del plan de ventas Objetivos
Más detallesII. PRESUPUESTO DE VENTAS Y COBRANZA
II. PRESUPUESTO DE VENTAS Y COBRANZA Objetivo de la unidad: El alumno determinará el presupuesto de ventas y cobranza, a través de técnicas de pronóstico de ventas, para integrar los ingresos y la cobranza
Más detallesCAPÍTULO 5: Pronósticos de las Operaciones Productivas
CAPÍTULO 5: Pronósticos de las Operaciones Productivas Un Enfoque en Procesos para la Gerencia Fernando A. D Alessio Ipinza 1 Contenido 1. Introducción 2. Tipos de pronósticos 3. Los pronósticos y el ciclo
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesDel 26 de mayo al 16 de junio de 2017
Al trabajar con predicciones, la empresa tendrá una visión de lo que necesitará en el futuro para satisfacer la demanda, además tendrá información de la cantidad y duración de ésta. Con estas predicciones,
Más detallesTécnicas de Planeación y Control
Técnicas de Planeación y Control 1 Sesión No. 5 Nombre: Métodos cuantitativos de pronóstico Contextualización Como vimos en la sesión anterior, el enfoque cualitativo nos sirve para efectuar pronósticos
Más detallesInvestigación en técnicas de análisis cualitativo: el método Delphi
Investigación en técnicas de análisis cualitativo: el método Delphi MAIG 2011 Universitat Politècnica de Catalunya Centre de Política de Sòl i Valoracions * El present document es correspon a la Investigación
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesGUÍA DOCENTE MATEMÁTICAS I Julio 2017
Julio 2017 DATOS GENERALES Asignatura: Código: 801113 (ADE) 801901 (MKCD) Curso: 2017-18 Titulación: Grado en Administración y Dirección de Empresas Grado en Marketing y Comunicación Digital Nº de créditos
Más detallesMODELOS DE PROYECCIÓN FINANCIERA Docente: MC. Marcel Ruiz Martínez II. SERIES DE TIEMPO. 2.1.
MODELOS DE PROYECCIÓN FINANCIERA Docente: MC. Marcel Ruiz Martínez http://marcelrzmuvm.webatu.com/bienvenida.htm II. SERIES DE TIEMPO. 2.1. CONCEPTOS Una serie de tiempo es un conjunto de observaciones
Más detallesGUIA DOCENTE MATEMÁTICAS I
GUIA DOCENTE 2016-17 MATEMÁTICAS I Mayo 2016 DATOS GENERALES Nombre del curso: MATEMÁTICAS I Código: 801113 (ADE) 801901 (MKCD) Curso: 2016-17 Titulación: Grado en Administración y Dirección de Empresas
Más detallesAPUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS
APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesPROBABILIDAD. Unidad I Ordenamiento de la Información
1 PROBABILIDAD Unidad I Ordenamiento de la Información 2 Captura de datos muestrales Conceptos básicos de la estadística 3 Población (o universo): Totalidad de elementos o cosas bajo consideración Muestra:
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesCAPÍTULO VI PRONÓSTICO DE OPERACIONES. ADMINISTRACIÓN DE LA PRODUCCIÓN Enfoque Estratégico de la Calidad
CAPÍTULO VI PRONÓSTICO DE OPERACIONES ADMINISTRACIÓN DE LA PRODUCCIÓN LOS PRONÓSTICOS Y EL CICLO OPERATIVO OPERACIONES PRONÓSTICO LOGISTICO PRONÓSTICO OPERACIONES/TECNOLOGICO PRONÓSTICO LABORAL FINANZAS
Más detallesCURSO DE MINITAB INTERMEDIO. DURACIÓN: 32 horas (Material y duración adaptado a las necesidades de la empresa)
DURACIÓN: 32 horas (Material y duración adaptado a las necesidades de la empresa) OBJETIVO: Al finalizar el curso, los participantes aprenderán el uso y aplicación de herramientas de nivel intermedio del
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesFORMULACIÓN Y EVALUACIÓN DE PROYECTOS SEMANA 2
FORMULACIÓN Y EVALUACIÓN DE PROYECTOS SEMANA 2 ÍNDICE ESTUDIO DE MERCADO... 3 APRENDIZAJES ESPERADOS... 3 INTRODUCCIÓN... 3 DEFINICIÓN DE PRODUCTO/SERVICIO... 3 ANÁLISIS DE DEMANDA... 4 1. MÉTODOS SUBJETIVOS...
Más detallesESTADISTICA PARA LA ADMINISTRACION
ESTADISTICA PARA LA ADMINISTRACION ANALISIS DE SERIES DE TIEMPO Y PRONOSTICOS DE NEGOCIOS ALUMNOS: JANINE INDAHITA RIVERA ARZOLA DIANA CAROLINA ROMERO BERBER FRANCISCO ALFREDO MERCADO CARINA OLIVARES LEÓN
Más detallesModelos de Series de Tiempo
UNIVERSIDAD AUTONOMA DEL ESTADO DE MÉXICO FACULTAD DE PLANEACIÓN URBANA Y REGIONAL ESTADÍSTICA II Modelos de Series de Tiempo POR: LUIS CONRADO TOLEDO VEGA FECHA DE ELABORACIÓN: 1ra quincena de Marzo de
Más detallesEJEMPLOS DE PRONÓSTICOS
PRONÓSTICO ES UNA TÉCNICA QUE PERMITE PREDECIR EL FUTURO, BASÁNDOSE EN: ACONTECIMIENTOS PASADOS. INFORMACIÓN ESTADÍSTICA RECABADA SOBRE EXPERIENCIAS SIMILARES. ESTIMACIONES BASADAS EN ESTUDIOS DE MERCADO
Más detallesPRONOSTICO. Prof.: René Legue Cárdenas Administrador Publico
PRONOSTICO Prof.: René Legue Cárdenas Administrador Publico PRONOSTICOS Es un método mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algún grado de certeza. Existe disponibles
Más detallesMETODO DELPHI SERGIO PEÑARANDA GARCÍA
SERGIO PEÑARANDA GARCÍA El nombre Delphi proviene de la Antigua Grecia. Delphos localidad santuario. El oráculo manifestaba la voluntad de Zeus a través de una sacerdotisa (pitonisa) Oráculo de Apolo Las
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesUSO HERRAMIENTAS EXCEL PARA LA PREDICCION
USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesREGRESIÓN LINEAL SIMPLE
REGREIÓN LINEAL IMPLE ANÁLII DE REGREIÓN Al continuar con el estudio de la relación entre dos variables X y Y, ahora es pertinente considerar el caso en que es necesario pronosticar la variable dependiente
Más detalles2.3.1 Métodos cuantitativos para los pronósticos. MÉTODOS CUANTITATIVOS
2.3.1 Métodos cuantitativos para los pronósticos. MÉTODOS CUANTITATIVOS Los modelos cuantitativos de pronósticos son modelos matemáticos que se basan en datos históricos. Estos modelos suponen que los
Más detallesANÁLISIS DE REGRESIÓN N LINEAL
ANÁLISIS DE REGRESIÓN N LINEAL Varias partes tomadas de Julio H. Cole "Nociones de Regresión Lineal" en Enciclopedia Multimedia Virtual de Economía EMVI. http://eumed.net/cursecon/medir/index.htm Análisis
Más detallesESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple
ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes
Más detallesUNIDAD 3 PROMEDIOS MÓVILES Y SUAVIZACIÓN EXPONENCIAL TEMA 1: PROMEDIOS MÓVILES Y MÉTODOS DE ATENUACIÓN
UNIDAD 3 PROMEDIOS MÓVILES Y SUAVIZACIÓN EXPONENCIAL TEMA 1: PROMEDIOS MÓVILES Y MÉTODOS DE ATENUACIÓN Pronóstico: Mejor toma de decisiones Compañías de negocios, gobiernos ponen un gran énfasis en el
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesANÁLISIS DE DATOS. L.A. y M.C.E. Emma Linda Diez Knoth
ANÁLISIS DE DATOS 1 Tipos de Análisis en función de la Naturaleza de los Datos Datos cuantitativos Datos cualitativos Análisis cuantitativos Análisis cuantitativos de datos cuantitativos (Estadística)
Más detallesÍNDICE DE CONTENIDOS
ÍNDICE DE CONTENIDOS CAPÍTULO I: ANTECEDENTES GENERALES... 1 1. Introducción.... 2 1.1. Antecedentes del Mercado.... 2 1.2. Lugar de Aplicación.... 3 1.3. Planteamiento del Problema.... 5 1.4. Objetivos....
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesCALIFICACION: - P C: precio medio de los productos sustitutivos existentes en el mercado en euros.
6 + 10 + 3 = 19 CALIFICACION: Ventasgdt Una empresa que produce una marca de detergente líquido desea contar con un modelo para planificar su producción, estimar las necesidades de materias primas y de
Más detallesCAPÍTULO IV ANÁLISIS DE MERCADO
CAPÍTULO IV ANÁLISIS DE MERCADO Este es el principio de nuestro estudio, ya que aquí veremos si el mercado de tortillas está o no saturado, es decir, la demanda de tortilla es mayor que la oferta existente
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesUNIDAD I. ESTADISTICA
MEDIDAS DE ESTADÍSTICA DESCRIPTIVA (Tomado de: http://www.universidadabierta.edu.mx/serest/map/metodos%20cuantitativos/py e/tema_12.htm) UNIDAD I. ESTADISTICA 1.2 Medidas Descriptivas MEDIDAS DESCRIPTIVAS
Más detallesMÉTODOS DE PRONÓSTICO JUAN DAVID ORTEGON JUAN DAVID BENAVIDEZ
MÉTODOS DE PRONÓSTICO JUAN DAVID ORTEGON JUAN DAVID BENAVIDEZ QUE ES UN PRONÓSTICO? En el ámbito de los negocios un PRONÓSTICO es una herramienta que permite hacer una estimación acerca de la probabilidad
Más detallesLos pronósticos como fuentes de información
Los pronósticos como fuentes de información por Oliverio Ramírez El ser humano siempre ha estado interesado en conocer el futuro, en anticipar posibles éxitos y fracasos con el fin de prepararse lo mejor
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesDESCRIPCIÓN DE DATOS. Medidas Numéricas
DESCRIPCIÓN DE DATOS Medidas Numéricas MEDIDAS DE TENDENCIA CENTRAL O POSICIÓN MEDIA ARITMÉTICA O PROMEDIO Media poblacional Cualquier característica medible de una población recibe el nombre de parámetro
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detalles3.2: Medidas numéricas
Escaños Estadística Aplicada a las Ciencias Políticas 3.2: Medidas numéricas 80 60 40 20 0 0 2E+06 4E+06 6E+06 8E+06 1E+07 Población Hemos visto que había una relación aproximadamente lineal entre población
Más detallesEvaluación de Proyectos. Ayudantía N º 2. Profesor: Marco Mosca Ayudante: Andrés Jara
Evaluación de Proyectos Ayudantía N º 2 Profesor: Marco Mosca Ayudante: Andrés Jara Preguntas y Problemas 1.- Que factores afectan el precio de la demanda? Analice los efectos de cada factor a) Ingreso
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detalles3 Número de goles marcados por tu equipo favorito en la última temporada.
1. Indica que variables son cualitativas y cuales cuantitativas: 1 Comida Favorita. 2 Profesión que te gusta. 3 Número de goles marcados por tu equipo favorito en la última temporada. 4 Número de alumnos
Más detallesLa metodología para determinar la estacionalidad y el volumen de la recaudación
La metodología para determinar la estacionalidad y el volumen de la recaudación En cumplimiento de lo establecido en la fracción III, inciso a), del Artículo 41 de la Ley Federal de Presupuesto y Responsabilidad
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesELABORACIÓN DE UN MÓDULO DE PRONÓSTICOS DE DEMANDA
UNIVERSIDAD DE SAN BUENAVENTURA CALI INGENIERIA INDUSTRIAL ELABORACIÓN DE UN MÓDULO DE PRONÓSTICOS DE DEMANDA Presentado por: Steven Valencia Jhonier Betancourt 2 AGENDA Esta sustentación se presentará
Más detallesEstadística I. 1. Definición. 5. Distribución de Frecuencias. 2. Población. 3. Muestra. 4. Variable Estadística
...... Estadística I 1. Definición Es la ciencia que nos proporciona un conjunto de métodos y procedimientos para la recolección, clasificación e interpretación de datos, lo cual sirve para sacar conclusiones
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS SEPTIEMBRE 2016 Código asignatura: EXAMEN TIPO TEST MODELO B DURACION: 2 HORAS
eptiembre 016 EAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO EPTIEMBRE 016 Código asignatura: 6011037 EAMEN TIPO TET MODELO B DURACION: HORA Material: Adenda (Formulario y Tablas) y calculadora (cualquier
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesProblemas. 1.- Se muestran en seguida las tasas de interés para 12 meses consecutivos de Bonos corporativos triple A.
Problemas. 1.- Se muestran en seguida las tasas de interés para 12 meses consecutivos de Bonos corporativos triple A. 9.5, 9.3, 9.4, 9.6, 9.8, 9.7, 9.8, 10.5, 9.9, 9.7, 9.6, 9.6 a) Elabore promedios móviles
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesMINISTERIO DE EDUCACIÓN. Educación Técnica y Profesional. Familia de especialidades: Economía. Programa: Estadística
MINISTERIO DE EDUCACIÓN Educación Técnica y Profesional Familia de especialidades: Economía Programa: Estadística Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 12mo. Grado AUTORA MSc. Caridad
Más detallesProblema 1.- Tengamos las puntuaciones de X, las predichas y las residuales:
DISEÑO Y ANÁLISIS DE DATOS II. ENEO 6. Problema.- Tengamos las puntuaciones de X, las predichas y las residuales:.- Calcular la ecuación de regresión.- Correlación entre X e Y.- Por cada punto que aumenta
Más detallesUNIDAD 3 PROMEDIOS MÓVILES Y SUAVIZACIÓN EXPONENCIAL TEMA 1: PROMEDIOS MÓVILES Y MÉTODOS DE ATENUACIÓN
UNIDAD 3 PROMEDIOS MÓVILES Y SUAVIZACIÓN EXPONENCIAL TEMA 1: PROMEDIOS MÓVILES Y MÉTODOS DE ATENUACIÓN Pronóstico: Mejor toma de decisiones Compañías de negocios, gobiernos ponen un gran énfasis en el
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesDiagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico
TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesUNIDAD 7: CINÉTICA DE REACCIÓN GUIA DE PROBLEMAS
ASIGNAURA : Ingeniería de Procesos III (ICL 34) UNIDAD 7: CINÉICA DE REACCIÓN GUIA DE PROBLEMAS. Con los siguientes datos experimentales que describen la pérdida de caroteno en zanahorias a 35 C: iempo
Más detallesEl objetivo del presente laboratorio es que el alumno pueda realizar proyecciones de estudio de mercado a través de métodos de pronóstico.
LAB-1476 Pagina 1 de 6 1. Objetivo El objetivo del presente laboratorio es que el alumno pueda realizar proyecciones de estudio de mercado a través de métodos de pronóstico. 2. Fundamento teórico En general
Más detallesPrimera Prueba de Avance de Matemática REFUERZO ACADÉMICO PARA ESTUDIANTES DE NOVENO GRADO
MINISTERIO DE EDUCACIÓN DIRECCIÓN NACIONAL DE EDUCACIÓN GERENCIA DE SEGUIMIENTO A LA CALIDAD DEPARTAMENTO DE EVALUACIÓN DE LOS APRENDIZAJES Primera Prueba de Avance de Matemática REFUERZO ACADÉMICO PARA
Más detallesPRONÓSTICOS Y PRESUPUESTOS
PRONÓSTICOS Y PRESUPUESTOS PRONÓSTICO Es una estimación cuantitativa o cualitativa de eventos futuro con base en información actual o del pasado. PORQUÉ SE PRONOSTICA? Por que las organizaciones se mueven
Más detallesAJUSTE PLANTEAMIENTO DEL PROBLEMA
AJUSTE PLANTEAMIENTO DEL PROBLEMA DIFERENCIA ENTRE INTERPOLACIÓN Y AJUSTE METODOLOGÍA DEL AJUSTE MÉTODO DE MÍNIMOS CUADRADOS MODELO LINEAL MODELO EXPONENCIAL EJEMPLO PLANTEAMIENTO DEL PROBLEMA Cuando los
Más detallesCuando Existen VARIOS Grandes Oferentes, de un Producto, que cubren la Demanda Y Compiten con Calidad y Precio.
EL MERCADO PRONOSTICO DE VENTAS Prof: Jairo Orozco T. Está Conformado por la Totalidad de los COMPRADORES y los VENDEDORES Potenciales de un Producto, Interactuando en un Tipo Determinado de Ambiente COMPETITIVO,
Más detallesMANA 705 DL Sistema Universitario Ana G. Méndez, Derechos Reservados. 1
MANA 705 DL - Taller Siete Tópico: Pronóstico y Gerencia de Inventario Diapositiva 1 Bienvenidos a la presentación del Taller Siete: Pronóstico y gerencia de inventario. Diapositiva 2 Al finalizar esta
Más detallesCORRELACIÓN LINEAL SIMPLE
CORRELACIÓN LINEAL SIMPLE ANÁLISIS DE CORRELACIÓN Cuando se trabaja con dos variables, pueden surgir diferentes preguntas como: Existe relación entre lo que una empresa gasta en publicidad y el importe
Más detallesIntroducción a las series temporales
Tema 1: Tema 1: 1 Definición y ejemplos 2 Clasificación 3 Objetivos 4 Métodos clásicos de análisis Definición y ejemplos Serie Temporal Colección de observaciones que se toman secuencialmente a lo largo
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesCAPÍTULO IV. DESARROLLO DE LA INVESTIGACIÓN. presente capítulo. A continuación se procederá a escribir la metodología y a describir el
CAPÍTULO IV. DESARROLLO DE LA INVESTIGACIÓN La información recabada en los capítulos anteriores servirá de base para la realización del presente capítulo. A continuación se procederá a escribir la metodología
Más detallesCURSO: Matemáticas. Undécimo NOMBRE DEL ESTUDIANTE: REPASO
COLEGIO JUAN LUIS LONDOÑO TALLER PREPARATORIO TRIMESTRE 1 L-GE-13 Vigente desde: 04-06-2013 ÁREA: Matemáticas NOMBRE DEL PROFESOR: David Melo Leguizamón ASIGNATURA: CURSO: Matemáticas Undécimo NOMBRE DEL
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
Más detallesSERIES TEMPORALES. Notación: Dada la magnitud numérica (variable) Y designaremos las observaciones mediante alguna de las dos siguientes notaciones:
SERIES TEMPORALES INTRODUCCIÓN DESCOMPOSICIÓN (ANÁLISIS CLÁSICO) TENDENCIA SECULAR VARIACIONES CÍCLICAS VARIACIONES ESTACIONALES VARIACIÓN ERRÁTICA ANÁLISIS DE LA TENDENCIA MEDIAS MÓVILES ALISAMIENTO EXPONENCIAL
Más detalles