wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Pronósticos Negocioa

Total questions: 34

Worksheet time: 51mins

Name
Class
Date
1.

Eres analista de planeación de un corporativo importante y el gerente quiere que determines el número de trabajadores necesarios para los próximos meses. ¿Qué tipo de pronostico se requiere para esta situación?

a)

Pronóstico de corto plazo

b)

Pronóstico de largo plazo

2.

Término que describe la alta relación entre variables independientes:

a)

Multicolinealidad

b)

Correlación

3.

Rango de valores en los que podemos ubicar a alfa y beta, para pronosticar:

a)

0 - 1

b)

0 - 0.5

c)

0 - 10

4.

PERMITE DISEÑAR ESTRATEGIA INMEDIATAS

a)

Pronosticos a largo plazo

b)

Pronosticos detallados

c)

Pronostico a corto plazo

d)

Pronosticos e intervalo

5.

Es el proceso que no requiere manipulación de datos, solo el juicio del experto.

a)

Puntual

b)

Cualitativo

c)

Intervalo

d)

Cuantitativo

6.

Las técnicas de tipo cualitativo para efectuar pronósticos de ventas (demanda) se basa en el juicio de un grupo de personas conocedoras, con experiencia y expertas en la materia, lo que les permite dar su opinión y pronosticar el futuro en relación a un tema determinado

a)

Verdadero

b)

Falso

7.

Que significa VIF

a)

Variación independiente de F

b)

factor inferencial F

c)

factor de inflación de la varianza

d)

Varianza independiente de inflación

8.

Los métodos de pronóstico se dividen en:

a)

Continuos y discretos

b)

Descriptivos e inferenciales

c)

Cualitativos y cuantitativos

d)

Particulares y generales

9.

Los pronósticos cuantitativos requieren del buen juicio de un experto

a)

Falso

b)

Verdadero

10.

¿Cuáles son los métodos cualitativos de pronósticos?

a)

Delphi

b)

Promedio móvil

c)

Escenarios

d)

Suavización exponencial

11.

Proceso de proyectar los valores de una o mas variables en el futuro

a)

Predicción

b)

Pronóstico

c)

Diagnóstico

d)

Valoración

12.

Modelo de regresión lineal con mas de una variable independiente

a)

Modelo de regresión múltiple

b)

Modelo de regresión

c)

Modelo lineal

d)

Modelo independiente

13.

Secuencia de datos tomados en intervalos de tiempo regulares, usada para observar tendencias y patrones históricos. En pronósticos, permite analizar la evolución de una variable para proyectar su comportamiento futuro.

a)

Demanda

b)

Serie de Tiempo

c)

Tendencia

d)

Error de Pronóstico

14.

Diferencia entre el valor pronosticado y el valor real observado. Ayuda a evaluar la precisión de un modelo de pronóstico y ajustar métodos si es necesario.

a)

Demanda

b)

Serie de Tiempo

c)

Tendencia

d)

Error de Pronóstico

15.

Cantidad de productos o servicios que los clientes están dispuestos a adquirir en un período específico. Estimar la demanda es crucial para la gestión de inventarios y recursos.

a)

Demanda

b)

Serie de Tiempo

c)

Tendencia

d)

Error de Pronóstico

16.

Dirección general del cambio de una variable a lo largo del tiempo (ascendente, descendente o estable). Identificar la tendencia es clave para entender el crecimiento o declive a largo plazo de un negocio.

a)

Demanda

b)

Serie de Tiempo

c)

Tendencia

d)

Error de Pronóstico

17.

Componente repetitivo de una serie de tiempo que ocurre en intervalos específicos (como ventas que aumentan cada diciembre). Es importante identificarla para ajustar modelos y mejorar la precisión de los pronósticos.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

18.

Fluctuaciones recurrentes a largo plazo en una serie de tiempo que pueden estar relacionadas con factores económicos o de mercado. Es útil para entender patrones más amplios que afectan al negocio.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

19.

Técnica que da más peso a los datos recientes para pronosticar valores futuros, siendo útil cuando se tiene un historial de datos limitado o cuando se desean cálculos rápidos.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

20.

Método de pronóstico que combina elementos de autoregresión y promedios móviles, usado para datos de series de tiempo que muestran patrones complejos. Es útil para series que no son estacionarias.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

21.

Técnica que da más peso a los datos recientes para pronosticar valores futuros, siendo útil cuando se tiene un historial de datos limitado o cuando se desean cálculos rápidos.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

22.

Técnica que da más peso a los datos recientes para pronosticar valores futuros, siendo útil cuando se tiene un historial de datos limitado o cuando se desean cálculos rápidos.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

23.

Métrica que mide el error promedio en términos de porcentaje, lo que facilita la interpretación y comparación entre modelos. Es ampliamente utilizado para evaluar la precisión de los pronósticos.

a)

MAPE

b)

Datos Históricos

c)

Regresión Lineal

d)

Pronóstico Cualitativo

24.

Información pasada sobre ventas, ingresos o cualquier otra variable relevante. Son la base de la mayoría de los pronósticos, ya que permiten detectar patrones para predecir comportamientos futuros.

a)

MAPE

b)

Datos Históricos

c)

Regresión Lineal

d)

Pronóstico Cualitativo

25.

Técnica estadística que modela la relación entre una variable dependiente y una o más variables independientes. Es usada en pronósticos para entender factores que influyen en la variable que se está prediciendo.

a)

MAPE

b)

Datos Históricos

c)

Regresión Lineal

d)

Pronóstico Cualitativo

26.

Métodos basados en juicios y opiniones de expertos, como el método Delphi o encuestas. Son usados cuando los datos históricos son insuficientes o no están disponibles.

a)

MAPE

b)

Datos Históricos

c)

Regresión Lineal

d)

Pronóstico Cualitativo

27.

Diferencia entre el valor pronosticado y el valor real observado. Ayuda a evaluar la precisión de un modelo de pronóstico y ajustar métodos si es necesario.

a)

Modelo Causal

b)

Análisis de Varianza

c)

Error de Pronóstico

d)

Horizonte de Pronóstico

28.

Período en el futuro para el cual se realiza el pronóstico, que puede ser corto, medio o largo plazo. Define la aplicabilidad de métodos específicos según la duración y precisión requerida.

a)

Modelo Causal

b)

Análisis de Varianza

c)

Error de Pronóstico

d)

Horizonte de Pronóstico

29.
  • Técnica estadística que descompone la variabilidad de los datos en diferentes componentes. Es útil en pronósticos para entender los factores que más afectan a la variable en estudio.

a)

Modelo Causal

b)

Análisis de Varianza

c)

Error de Pronóstico

d)

Horizonte de Pronóstico

30.

Modelo que predice una variable en función de otra(s) variable(s) que la influencian directamente. Ejemplo: un modelo que usa el gasto en marketing para pronosticar ventas.

a)

Modelo Causal

b)

Análisis de Varianza

c)

Error de Pronóstico

d)

Horizonte de Pronóstico

31.

Método de pronóstico que se basa exclusivamente en los datos de una serie de tiempo para predecir el futuro. Ejemplos comunes son ARIMA y suavizamiento exponencial.

a)

Modelo Causal

b)

Modelo de Series Temporales

c)

Indicador Adelantado

d)

Horizonte de Pronóstico

32.

Componente repetitivo de una serie de tiempo que ocurre en intervalos específicos (como ventas que aumentan cada diciembre). Es importante identificarla para ajustar modelos y mejorar la precisión de los pronósticos.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

33.

Fluctuaciones recurrentes a largo plazo en una serie de tiempo que pueden estar relacionadas con factores económicos o de mercado. Es útil para entender patrones más amplios que afectan al negocio.

a)

Modelo ARIMA

b)

Método de Suavizamiento Exponencial

c)

Ciclo

d)

Estacionalidad

34.

Los métodos cualitativos se utilizan cuando no se dispone de información pasada sobre la variable

a)

Falso

b)

Verdadero