1. Cules son los supuestos que debi de considerar Mario para sus anlisis? -Que no se tiene informacin completa, es decir, se tienen los datos de llamada pero no se tiene la bitcora con las variaciones. -Que la informacin no es confiable. -Que en el mtodo actual, que es de mviles, se necesita que no existan grandes variaciones en los datos para que el pronstico sea ms exacto. -Que necesita un mtodo que le permita manejar esas variaciones. 2. Es suficiente la informacin para poder hacer un pronstico? Es suficiente, se puede hacer un pronstico en base a las 31 semanas que se tiene, solo que el pronstico al no ser tan confiable, la informacin resultante no resultara tan exacta. 3. Consideras que los pronsticos realizados por el software de Ecko Center son adecuados? El mtodo que utiliza el software puede ser el adecuado, pero tal vez la forma de llevarlos o registrarlos no es la adecuada, en este caso se necesitara llevar un mayor control en manejo de la informacin. La exactitud de los pronsticos depende de varios factores: * Lapso de tiempo a que se refiere el pronstico: cuanto ms corto sea ese perodo tanto ms exacto podr ser el pronstico. * Unidad de medida: cuanto menor sea sta, tanto ms exacto es el pronstico. * Estabilidad de las condiciones marco: a mayor estabilidad de condiciones, mayor exactitud en el pronstico. 4. Si Mario tiene que entregar un pronstico para las siguientes 10 semanas del ao, qu mtodo de pronstico utilizaras? Y Por qu? Seguira utilizando el mtodo de pronstico mvil con una n de 10 para tomar en cuenta los ltimos 10 movimientos. Utilizara este mtodo ajustando la n, ya que con la informacin que tenemos a la mano de las ltimas semanas, sera el ms indicado, quiz no el ms exacto, pero si el que me podra dar un pronstico de las siguientes 10 semanas. EL ms indicado sera el de la suavizacin exponencial, pero requeriramos el dato del valor real de las siguientes semanas, para que sea ms exacto. 5. De acuerdo al inciso anterior, calcula el pronstico para las siguientes 10 semanas. Semana | Pronstico 32 | 11578| 33 | 11802| 34 | 11956| 35 | 12087| 36 | 12113| 37 | 12164| 38 | 12153| 39 | 11970| 40 | 11866| |

41

| 11844|

Bibliography Riviera, J. (n.d.). Cepade. Retrieved Noviembre 13, 2010, from cepade.es: http://sunwc.cepade.es/~jrivera/org_temas/metodos/prospectiva/pronostic_method.htm

Protagonistas. Ecko Center, empresa joven establecida en 2007 en la ciudad Guadalajara, Jalisco. Socios fundadores Ricardo Cardozo, Pedro Fernndez y Alfredo Moreno. Consultora estadstica JP Parker. Mario Pearson, el cual acababa de graduarse con honores de la maestra en administracin. Hechos Sus socios acumulan ms de 20 aos de experiencia en la industria, lo cual lo hace una empresa confiable y de gran reconocimiento. Saban que dentro de sus filas tenan reas de oportunidad en las cuestiones de pronsticos y series de tiempo. Con la crisis mundial de 2009, tuvieron que pensar en cmo lograr ser una empresa ms eficiente. Subcontrataron a la firma consultora estadstica JP Parker para que analizara a fondo los nmeros. La firma consultora asign el caso a Mario Pearson La empresa hizo la inversin inicial de un software de pronsticos de aproximadamente $20,000.00 USD, la cual se basa en el mtodo de promedios mviles para realizar sus pronsticos. Ecko Center al no tener un especialista en pronsticos no lleva la bitcora de eventos, lo cual no les ha permitido detectar los cambios en esta mtrica. Se realizaron algunas grficas para analizar el comportamiento de las mtricas principales. La informacin que estaban utilizando para pronosticar no era la suficiente. La informacin que estaban utilizando para pronosticar no era confiable. El mtodo con el cual estaban pronosticando no era el adecuado. Estaban recibiendo ms llamadas de lo que haban pronosticado. Haba factores que no estaban considerando en la proyeccin, y estaban afectando el resultado. Propuestas de solucin: Para darle solucin a este caso se contestaron las siguientes preguntas; 1.- Cules son los supuestos que debi de considerar Mario para sus anlisis? Existen varias tcnicas de pronsticos en los cuales se consideran varios modelos que pueden clasificarse en una de las tres categoras : Modelos de series de tiempo. Modelos causales. Modelos cualitativos

En este caso se utiliz el modelo de series de tiempo, significa que los datos pasados se descomponen en componentes y luego se proyectan hacia el futuro. Por lo tanto, hay varios supuestos que Mario debe de considerar: 1. Tendencia, es el movimiento gradual de los datos hacia arriba o hacia abajo a lo largo del tiempo: Crecimiento de la poblacin, la inflacin, desempleo, la etapa del ciclo de vida en las ventas de algn producto. 2. Estacionalidad, es el patrn de la fluctuacin de demanda por encima o por debajo de la lnea de tendencia que se repite a intervalos regulares: Periodos vacacionales, periodos escolares, estaciones del ao, productos de estacin. 3. Ciclos, son patrones de los datos anuales que ocurren en ciertos intervalos de varios aos. Generalmente se encuentran implcitos en el ciclo de negocios: Ciclos econmicos, periodos de expansin y de recesin de la economa. 4. Variaciones aleatorias, son irregularidades de los datos causadas por el azar y situacione

Introduccin En el mundo globalizado y competitivo en el que vivimos, las empresas se ven necesitadas en conocer lo que vendern o podrn ofrecer los prximos periodos y as, satisfacer en su totalidad la demanda requerida por sus clientes. Ecko Center, al ser una empresa joven establecida en el ao 2007 desea conocer el pronstico de la demanda que tendr en los prximos periodos, a pesar de acumular ms de 20 aos de experiencia de sus socios dentro de la industria. Sus socios fundadores Ricardo Cardozo, Pedro Fernndez y Alfredo Moreno tienen una experiencia amplia en procesos operativos, capacitacin y procesos de reclutamiento. A pesar de esto, saban que dentro de sus filas tenan reas de oportunidad en las cuestiones de pronsticos y series de tiempo. Por ello, deciden contratar a una empresa externa que les auxilie en el desarrollo y anlisis de pronsticos, adems de realizar una inversin de un software de pronsticos basado en el mtodo de promedio mviles, lo cual les permita conocer cubrir la demanda completa que el mercado requiere. Desarrollo Mario Pearson, como encargado del proyecto, se dio a la tarea de realizar la investigacin, de lo cual obtuvo resultados de los empleados como: La informacin que estaban utilizando para pronosticar no era la suficiente. La informacin que estaban utilizando para pronosticar no era la suficiente. El mtodo con el cual estaban pronosticando no era el adecuado. Estaban recibiendo ms llamadas de lo que haban pronosticado. Haba factores que no estaban considerando en la proyeccin, y estaban afectando el resultado. Posteriormente se dio a la tarea de investigar si tenan algn historial de llamadas que le permitiera hacer un anlisis estadstico. Se tena un historial de 31 semanas, el cual iban almacenando diariamente. Los supuestos que debi de considerar Mario para su anlisis son los factores internos y externos que interfieren en su estudio, por ejemplo, las ventas que se realiza diariamente, el nmero de operarios disponibles, nmero de lneas con las que se cuentan, as como los horarios de atencin. Adems, tomar en cuenta el crecimiento de la poblacin, la inflacin, la tasa de desempleo, la competencia, e incluso, periodos vacacionales. Tambin incluso, tomar en cuenta el feeling que los empresarios y trabajadores que conocen directamente la informacin, tienen de acuerdo a las demandas, pudiendo utilizar el mtodo Delphi; por otro lado, no pueden descartar la opcin de utilizar mtodos cuantitativos los cuales, les muestre las proyecciones en datos reales, por lo que se pudiera realizar una combinacin de resultados que le permita al consultor realizar un anlisis tomando en cuenta deducciones y planeaciones a corto, mediano o largo plazo. Ecko Center si cuenta con la informacin necesaria para realizar el pronstico, pero no consideran todos los factores que pudieran intervenir en su anlisis, lo cual, interfiere en los

Objetivo: Estudiar y comprender los conceptos bsicos de la estadstica descriptiva y sobre la estadstica en general asi como distinguir las diversas aplicaciones de las distribuciones de probabilidad para resolver un ejercicio aplicado en la vida real.

Procedimiento: Para llevar a cabo este reporte del caso 1 se realizaron los siguientes pasos: 1. Se revis la bibliografa relacionada con los temas en el libro de texto designado para el desarrollo de este curso y otras fuentes de referencia. 2. Se estudi la explicacin de los temas correspondientes al modulo 1. Se tomaron de apoyo los comentarios y sugerencias vistas en clase que nos proporcion el MA Miguel Angel Muoz Ramirez. 3. Se realizo un pronstico estadstico para el caso y se discutieron los resultados en equipo. 4. De acuerdo a la informacin proporcionada, obtuvimos los resultados esperados y redactamos nuestra conclusin en base a las alternativas de solucin encontradas.

Resultados:

1.

Cules son los supuestos que debi de considerar Mario para sus anlisis?

Existen diversos tipos de pronsticos segn el periodo de tiempo que manejemos (a mediano y largo plazo) y de acuerdo a la manipulacin de los datos que se hagan, existen factores externos o internos que afectan a los datos de los pronsticos. Por lo regular, los factores externos estn fuera de nuestro control pero stos pueden influir en los factores internos.

Algunos factores externos, que varan constantemente y que afectan el desarrollo de pronsticos en una empresa seran:

La Tendencia: Crecimiento de la poblacin, la inflacin, desempleo, la etapa del ciclo de vida en las ventas de algn producto.

Estacionalidad: Periodos vacacionales, periodos escolares, estaciones del ao, productos de estacin.

Ciclicidad: Ciclos econmicos, periodos de expansin y de recesin de la economa.

Factores Aleatorios: Cambios climticos, desastres naturales, huelgas y hechos fortuitos.

2.

Es suficiente la informacin para poder hacer un pronstico?

No, debido a que solo se estn basando en los hechos y no toman en cuenta los factores como tendencia, lo cclico y las estacionalidades. Existe en mtodo llamado promedio Mvil que usa el promedio de los valores de n (Datos mas Recientes con la serie de tiempo como el pronostico La cual se representa con la sig formula

Promedio Movil = (VALORES DE n DATOS MAS RECIENTES) n

El cual indica que conforme se disponen nuevas observaciones para la serie de tiempo se reemplaza la observacin ms antigua en la ecuacin y se calcula un nuevo promedio como resultado el promedio cambiara o se mover conforme se dispongan nuevas observaciones.

Tambin se puede calcular con la formula de suavizacin exponencial:

Ft+1= (y 1+ (1- t)F1

La cual nos lleva a Precisin del pronstico, es la derivacin absoluta mediante esta medida es tan solo el de los valores absolutos de todos los errores de pronsticos.

3. Consideras que los pronsticos realizados por el software de Ecko Center son adecuados? Justifica tu respuesta. Tomando en cuenta la tabla anexa de comparacin para usar los diferentes mtodos en funcin de las variables y datos de informacin donde tenemos los siguientes elementos: a) Horizonte del Tiempo : 31 semanas se considera CORTO b) Complejidad: son pocos datos se considera BAJA c) Precisin del Modelo: se considera MEDIA d) Requisitos de Datos: son pocos datos se considera BAJO Tcnica | Horizonte de tiempo | | Complejidad | Precisin del modelo | Requisitos de datos

Pronsticos Cualitativos | Largo | Alta Series de Tiempo Promedios Mviles

| Variable |

| Alto | |

| |

| Corto | Muy Baja | Corto | Baja

| Media | Bajo

Suavizamiento Exponencial Regresin Lineal |

| Corto | Muy Alta | | | | Media Alta | | Alta | | Alto

| Adecuada | Alto |

| Muy Bajo

|

Causal | Largo | Bastante Alta Anlisis de Regresiones |

|

Aunque existen modelos como Suavizamiento Exponencial para mejorar la precisin creemos que el mtodo de promedios mviles es suficiente para los pronsticos de Ecko Center

4. Si Mario tiene que entregar un pronstico para las siguientes 10 semanas del ao, qu mtodo de pronstico utilizaras? Y Por qu? Cuando se usa el mtodo de promedios mviles se est suponiendo que todas las observaciones de la serie de tiempo son igualmente importantes para la estimacin del parmetro a pronosticar (en este caso los ingresos). De esta manera, se utiliza como pronstico para el siguiente periodo el promedio de los n valores de los datos ms recientes de la serie de tiempo. El mtodo de promedios mviles es muy til cuando se tiene informacin no desagregada y cuando no se conoce otro mtodo ms sofisticado y que permita predecir con mayor confianza. Este mtodo permite suavizar la serie de tiempo aunque existen otros mtodos que son ms eficientes en la prediccin. 1 Una serie de tiempo es un conjunto de observaciones respecto a una variable, medidas en puntos sucesivos en el tiempo o a lo largo de periodos sucesivos de tiempo. Un anlisis de una secuencia de datos se conoce como anlisis de series de tiempo de una variable. 2 El error aleatorio muestra el grado de confiabilidad con que se van a comportar los datos. La variacin del error puede ser de 0 a 1, en donde, un error aleatorio=0 muestra una total confiabilidad del comportamiento de los datos y un error aleatorio=1 muestra que los datos no son confiables en su comportamiento.

El mtodo que utilizara sera: El Mtodo de Suavizacin Exponencial. Este mtodo est diseado para atenuar una desventaja del mtodo del promedio mvil, donde se usa el mismo peso sobre todos los datos para calcular el promedio. La suavizacin exponencial coloca un peso ms grande en las observaciones ms recientes. Defina la constante de suavizacin (0