Integradora 2 Pronosticos Para La Toma De Desiciones

Ejercicios a Resolver:

• Formen equipos de 5 personas.

• Realicen un cuadro comparativo en el que definan las ventajas, bondades y limitaciones de los métodos de suavización.

• Comenten y discutan la diferencia entre el análisis de regresión y los métodos de suavización.

• Formulen mediante el análisis de regresión el siguiente ejemplo en el que utilizan una prueba de hipótesis.

o La compañía “Teléfonos Alámbricos S.A. de C.V.” está muy interesada en conocer las tendencias de crecimiento de los celulares comparada con las ventas de teléfonos fijos. Quieren aplicar pruebas de hipótesis que les demuestren si deben estar preocupados por el incremento de usuarios de telefonía móvil (celulares). Al mismo tiempo que quieren asegurarse que la línea de regresión sea la más apegada a la verdadera relación entre las variables. Por esto, investigó y sólo pudo conseguir los siguientes datos en millones de usuarios:

Año Teléfonos - líneas móviles celulares X Teléfonos - líneas terrestres en uso Y

2004 28.13 15.96

2006 47.46 19.51

2008 68.25 19.75

2010 79.4 20.54

¿Consideran que son suficientes datos? ¿Cuáles son los ajustes necesarios para que la curva refleje la realidad? ¿Debe preocuparse “Teléfonos Alámbricos, S.A.” por las ventas de telefonía móvil?

Procedimientos:

Se realizaron los siguientes pasos:

1. Se Investigó y revisó bibliografía relacionada con las ventajas, bondades y limitaciones de los métodos de suavización, además de las diferencias con el análisis de regresión

2. Se revisaron fuentes alternas de información en Internet como complemento al tema.

3. Se reflexionó y comprendió el tema de la actividad, para poder iniciar con la realización de este ejercicio.

4. Se redactaron los resultados y conclusión, analizando y valorando la experiencia adquirida con el tema.

Resultados:

Método de suavización Ventajas Bondades Limitaciones

Suavización exponencial Lineal Toma solo los datos más recientes e importantes para la empresa. Es fácil de utilizar. No es tan exacto ya que solo toma los últimos datos.

Suavización exponencial Simple Permite tomar en cuenta todos los datos según su peso específico. Es más exacto que el de suavización exponencial lineal. A veces no tiene tanta exactitud, ya que se basa también en datos antiguos.

Suavización de Winters Puede desestacionalizar los datos. Hace que datos con estacionalidad, puedan ser analizados más fácilmente. Es de difícil de utilizar.

Podemos decir que los métodos de suavización realizan un promedio de los datos, en ocasiones utilizando todos, o solo algunos, y en ciertas

...