Costos

1. MODELO CAUSAL:
Los modelos de pronóstico causal generalmente consideran algunas variables que están relacionadas con la variable que se predice. Una vez que estas variables relativas se hanencontrado, se construye y utiliza un modelo estadístico para pronosticar la variable de interés. Este intento es más poderoso que los métodos de serie de tiempo que únicamente utilizan los datoshistóricos para pronosticar la variable.
Se pueden considerar muchos factores en un análisis causal. Por ejemplo, las ventas de un producto pueden estar relacionadas con el presupuesto de publicidad de laempresa, los precios de competidores y las estrategias promociónales, o aun las tasas económicas y de desempleo. En este caso, las ventas serían llamadas variable dependiente y otras variables seríanllamadas variables independientes. El trabajo del administrador es de desarrollar la mejor relación estadística entre las ventas y las variables independientes. El modelo de pronóstico causal cuantitativomás común es el análisis de regresión lineal.

Las variables dependientes que se desean pronosticar seguirán siendo las y. Pero ahora la variable independiente, x, no es el tiempo. y = a + b xDonde: y = valor de la variable dependiente, en este caso ventas a = intersección en el eje y b = pendiente de la línea de regresión x = la variable independiente
MODELO SERIES DE TIEMPO:
Los modelos deseries de tiempo son las técnicas de pronósticos que se basan únicamente en la historia de la demanda del ítem que se esta pronosticando. Trabajan capturando los patrones en los datos históricosextrapolándolos en el futuro. Los Modelos de series de tiempo son adecuados cuando se puede asumir una cantidad razonable de datos y una continuidad en el futuro próximo de las condiciones que sepresentaron en el pasado. Estos modelos se adaptan mejor al corto plazo del pronóstico. Esto se debe a la hipótesis de que los patrones pasados y las tendencias actuales se asemejan a los patrones y...