Actividad 4_ Solución de casos
Enviado por Esteban Guevara • 30 de Abril de 2017 • Tarea • 2.064 Palabras (9 Páginas) • 1.512 Visitas
2017 | |
UVM Esteban Guevara 550012457 Profesor: IRMA JULIETA RAMIREZ SANCHEZ |
[A4_SOLUCIÓN DE CASOS] |
Administración de las ventas |
Preguntas para analizar, caso 1……
- Desarrolle un modelo de pronóstico justificando su selección sobre cualquier otra técnica y proyecte la asistencia hasta 2005.
- Qué ingresos deben esperarse en 2004 y 2005?
- Analice las opciones de la escuela
De acuerdo a diversos apoyos que tomo de internet, me parece que efectivamente una opción viable para determinar un pronóstico cercano es por medio de la regresión lineal, aprovechando que se tiene información que permite generar este proceso.
A manera de desarrollo…
ẍ=(∑x)/n 3.5 ȳ=(∑y)/n 200,650 b=(∑xy - nẍȳ) / (∑x² - nẍ²) 11,529[pic 3][pic 4][pic 5][pic 6]
a= ȳ - bẍ 160,297 ŷ= a + bx ŷ= 160,297 + 11,529x[pic 7]
ŷ= a + bx (2004) 241,004 ŷ= a + bx (2005) 252,533
[pic 8]
2 Qué ingresos deben esperarse en 2004 y 2005?
Si consideramos que el precio promedio es de $20 dólares y se establece un incremento en el precio del 5% anual, tenemos:
[pic 9]
- Analice las opciones de la escuela
De acuerdo con los datos que se obtienen, pareciera que ya en el 2008 se cumple con la necesidad de un incremento en la capacidad del estadio, dado que se llega a una cifra superior a 50,000 aficionados. Ahora bien, se puede permanecer igual todo el 2008 dado que la cantidad a la que se llega al final del año es todavía menor. Si observamos el resto del tiempo, tenemos que se puede llegar hasta 60 mil aficionados, por lo que hay fácilmente tiempo para poder programar una ampliación tratando de afectar lo menos posible los ingresos actuales. Se me ocurre que pude ser en cada fin de temporada y por etapas, de tal suerte que cada año se pueda ampliar solo una parte para incrementar en 4 mil aficionados por remodelación. Salvo mejor opinión por supuesto.
[pic 10]
Preguntas para analizar, caso 2……
- Prepare el reporte de Paul Jordan para John Smithers. Elabore un resumen del panorama de la industria de los teléfonos celulares…..
Si utilizamos el mismo proceso de pronóstico utilizado en el ejercicio anterior tenemos que para la información que se proporciona:
[pic 11]
[pic 12]
En cuanto al reporte:
La tecnología viene evolucionando de manera impresionante. Cada vez es mucho más fácil acceder a la tecnología y principalmente a telefonía móvil producto de dicha evolución.
Si consideramos los primeros teléfonos móviles, que eran prácticamente una maleta para poder soportar la batería, a los teléfonos inteligentes que hoy en día existen y que pueden soportar con una batería minúscula, más de 24 horas de uso, podremos dimensionar la evolución y el avance que se tiene y que de alguna manera deja ver que en el futuro inmediato será todavía cada vez más fácil acceder.
La telefonía móvil sin duda es el gran avance tecnológico, con más desarrollo en términos de cobertura, de calidad, de precio cada vez más bajo por las múltiples promociones que ofrecen las prestadoras de servicio, cada vez más amigable al usuario, etc., etc.
Esto nos lleva a pensar que mantenernos en el mercado, con la mejor competitividad nos permitirá seguir creciendo de forma exponencial. Por ello, es fundamental hacer lo necesario para brindar el mejor servicio, y esto implica contar en las cantidades correctas cada uno de los teléfonos a comercializar.
Promedios Móviles Ponderados:
El pronóstico de promedio móvil ponderado es óptimo para patrones de demanda aleatorios o nivelados donde se pretende eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente, dicho enfoque es superior al del promedio móvil simple.
[pic 13]
[pic 14]
Éste método no muestra con claridad el punto en cuestión…..
Se estima con el método de tendencias por mínimos cuadrados
A continuación se analiza por método de Proyección de tendencias considerando que en la gráfica se observan los meses que más alta refleja la venta
[pic 15]
Este método de pronóstico de series de tiempo se ajusta a una recta de tendencia en base a una serie de datos históricos y proyecta una recta al futuro para conseguir una proyección de mediano o largo plazo, aunque es aconsejable no predecir pronósticos muy lejanos pues tendrán poca validez estadística.
Si decidimos desarrollar una recta de tendencia lineal mediante un método estadístico preciso, podemos aplicar el método de mínimos cuadrados. Este enfoque da como resultado una línea recta que minimiza la suma de los cuadrados de las diferencias verticales o desviaciones de la recta a cada una de las observaciones reales.
Una recta de mínimos cuadrados se describe en términos de su ordenada o intersección con el eje y, y su pendiente.
A continuación calculamos la pendiente y la ordenada.
Año | Periodo (x) | Ventas (y) | (x²) | (xy) | (y²) | ||
2000 | 1 | 5,673 | 1 | 5,673 | 32,182,929 | ||
2001 | 2 | 6,381 | 4 | 12,762 | 40,717,161 | ||
2002 | 3 | 7,312 | 9 | 21,936 | 53,465,344 | ||
6 | 19,366 | 14 | 40,371 | 126,365,434 | |||
∑x | ∑y | ∑x² | ∑xy | ∑y² | |||
ẍ=(∑x)/n | 2.0 | ||||||
ȳ=(∑y)/n | 6,455.33 | ||||||
b=(∑xy - nẍȳ) / (∑x² - nẍ²) | 819.50 | ||||||
a= ȳ - bẍ | 4,816.33 | ||||||
ŷ= a + bx | ŷ= 4,816.33 + 819.50x | ||||||
ŷ= a + bx (2003) | 8,094.33 | ||||||
ŷ= a + bx (2004) | 8,913.83 |
En el proceso de datos que se acaban de realizar hemos pronosticado los dos siguientes años para reflejar la tendencia de los datos.
...