4565406
Beschreibung
Mindmap von Daniel Serret, aktualisiert more than 1 year ago
|
Erstellt von Daniel Serret
vor fast 9 Jahre
|
|
Enfoques Pronósticos
- Cualitativos
- Investigación de mercado
- Constiste en desarrollar un cuestionario, donde las respuestas
proporcionen los datos necesarios para realizar el pronostico
- Llevar acabo la encuesta
- Tabularse y analizarse los resultados. Se debe
tener cuidado al interpretar estos resultados.
- Tabularse y analizarse los resultados. Se debe
tener cuidado al interpretar estos resultados.
- Llevar acabo la encuesta
- Constiste en desarrollar un cuestionario, donde las respuestas
proporcionen los datos necesarios para realizar el pronostico
- Método Delphi
- Preguntar a un experto su opinión
- Una variación puede consistir en
preguntar a varios expertos y usar una
combinación de resultados, digamos la
media o el promedio, como pronóstico.
- Una variación puede consistir en
preguntar a varios expertos y usar una
combinación de resultados, digamos la
media o el promedio, como pronóstico.
- Preguntar a un experto su opinión
- Métodos basados en opiniones o estimados subjetivos o de juicio.
- Investigación de mercado
- Causales
- Lineal Regresión Simple
- Regresión se refiere a la relación funcional entre 2 o más
variables correlacionadas, la cual es usada para predecir el
valor de una de ellas con respecto a los valores de las otras.
- Esta técnica es utilizada para pronosticar a
largo plazo y en planeación agregada.
- Sí la variable independiente
es otra diferente al tiempo,
la relación es causal.
- Cuando la variable
independiente es el tiempo (t),
es una técnica de series de
tiempo.
- Cuando la variable
independiente es el tiempo (t),
es una técnica de series de
tiempo.
- Pronóstico= a+bt
- a= Dt-bt
- b= ((n*EtDt)-(Et*EDt))/((n*Et^2)-(Et)^2))
- b= ((n*EtDt)-(Et*EDt))/((n*Et^2)-(Et)^2))
- a= Dt-bt
- Se basan en la idea de que los datos históricos pueden usarse para predecir el futuro.
- Regresión se refiere a la relación funcional entre 2 o más
variables correlacionadas, la cual es usada para predecir el
valor de una de ellas con respecto a los valores de las otras.
- Lineal Regresión Simple
- Series de tiempo
- Supone que la demanda, o el factor de interés, se afecta
por la variación de otra(s) variable(s).
- Promedios Móviles Simples
- Se emplean para pronosticar
en el corto plazo cuando la
demanda es relativamente
estable sin estacionalidades.
- Pronóstico= Suma de demandas/Periodo
- Pronóstico= Suma de demandas/Periodo
- Se emplean para pronosticar
en el corto plazo cuando la
demanda es relativamente
estable sin estacionalidades.
- Promedios
Móviles
Ponderados
- Incorpora un peso diferente para
cada demanda histórica.
- Pronóstico= xD+yD+zD/x+y+z
- Pronóstico= xD+yD+zD/x+y+z
- Incorpora un peso diferente para
cada demanda histórica.
- Suavización Exponencial Simple
- Utiliza la premisa de que los datos mas
recientes son los más importantes para
pronosticar.
- Presenta la ventaja sobre los métodos de promedios
móviles de que sólo se requieren de 3 datos; El último
pronóstico (ESFt-1), la demanda real más reciente (Dt) y
el valor de la constante de suavización (a).
- Se requieren solo 3 datos, el último
pronóstico (ESFt-1), la demanda real más
reciente (Dt) y el valor de la constante de
suavización (a).
- Se requieren solo 3 datos, el último
pronóstico (ESFt-1), la demanda real más
reciente (Dt) y el valor de la constante de
suavización (a).
- Presenta la ventaja sobre los métodos de promedios
móviles de que sólo se requieren de 3 datos; El último
pronóstico (ESFt-1), la demanda real más reciente (Dt) y
el valor de la constante de suavización (a).
- ESF t = ESF t-1 + a (D t - ESF t-1)
- El valor de a se ubicaría entre 0 y 1.
Para una demanda con patrón estable
a debe ser pequeña, y para uno
cambiante su valor debe ser grande
(cercano a 1), con el propósito de
reaccionar más rápidamente.
- El valor de a se ubicaría entre 0 y 1.
Para una demanda con patrón estable
a debe ser pequeña, y para uno
cambiante su valor debe ser grande
(cercano a 1), con el propósito de
reaccionar más rápidamente.
- Utiliza la premisa de que los datos mas
recientes son los más importantes para
pronosticar.
- Con tendencia: Método de Holt o
Suavización Doble
- Valor Base (VB) t = a D t + (1 - a)(VB t-1 + T t-1)
- T t = b ( VB t - VB t-1 ) + (1 - b)T t-1
- TEF t+x = VB t + X T t
- TEF t+x = VB t + X T t
- T t = b ( VB t - VB t-1 ) + (1 - b)T t-1
- Valor Base (VB) t = a D t + (1 - a)(VB t-1 + T t-1)
- Con estacionalidades
- El ciclo de estacionalidad, m, es la cantidad de
períodos en los que ocurren las estaciones.
- VBt = a (Dt/It-m) + (1 - a) VBt-1
VBt = VBt-1 + a (Dt/It-m- VBt-1
- It = g (Dt / VBt) + (1 - g) It-m
SEF t+1 = VBt (It+1-m)
- It = g (Dt / VBt) + (1 - g) It-m
SEF t+1 = VBt (It+1-m)
- VBt = a (Dt/It-m) + (1 - a) VBt-1
VBt = VBt-1 + a (Dt/It-m- VBt-1
- El ciclo de estacionalidad, m, es la cantidad de
períodos en los que ocurren las estaciones.
- Método de descomposición
- 1.- Determinar los índices o factores de
estacionalidad. 2.- Eliminar
estacionalidad de la serie de tiempos.
- 3.- Estimar el componente de
tendencia de la serie. 4.-
Estructurar fórmula o expresión
para pronosticar
- . 5.- Pronosticar: Proyectar tendencia.
Ajustar tendencia con factor de
estacionalidad.
- . 5.- Pronosticar: Proyectar tendencia.
Ajustar tendencia con factor de
estacionalidad.
- 3.- Estimar el componente de
tendencia de la serie. 4.-
Estructurar fórmula o expresión
para pronosticar
- 1.- Determinar los índices o factores de
estacionalidad. 2.- Eliminar
estacionalidad de la serie de tiempos.
- Supone que la demanda, o el factor de interés, se afecta
por la variación de otra(s) variable(s).
Möchten Sie kostenlos Ihre eigenen Mindmaps mit GoConqr erstellen? Mehr erfahren.