Está en la página 1de 31
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE QUÍMICA E
UNIVERSIDAD NACIONAL
MAYOR DE SAN MARCOS
(Universidad del Perú, DECANA DE AMÉRICA)
FACULTAD DE QUÍMICA E
INGENIERÍA QUÍMICA
E.A.P. INGENIERÍA QUÍMICA
TRABAJO Nº 4
TEMA: PROBABILIDADES-PRONOSTICOS
CURSO
ADMINISTRACION DE LA PRODUCCION
Y CALIDAD
:
PROFESOR
: GARCIA PANTIGOSO, JOSE MANUEL
INTEGRANTES:
MAYTA ARRUNATEGUI, ENRIQUE
PEJE MATOS JOHN FRANCO
ROSALES ROMAN, ARNOLD
11070195
P
11070127
10070053
2015
PROBLEMAS
  • 1. La demanda de audífonos para estereofónicos y reproductores de discos compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en el año pasado. El número de trotadores sigue en aumento, así que Nina espera que la demanda también se incremente, porque, hasta ahora, no se ha promulgado leyes de seguridad que impidan que los trotadores usen audífonos. La demanda de estereofónicos del año pasado fue la siguiente:

1. La demanda de audífonos para estereofónicos y reproductores de discos compactos para trotadores ha llevado
  • a) Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que fuera la demanda de cada mes de año entrante? Con una hoja de cálculo, siga el formato general de la ilustración 15.11. Compare sus resultados con los obtenidos usando la función pronóstico de la hoja de cálculo.

  • b) Para tener alguna seguridad de cubrir la demanda. Nina decide usar tres errores estándar por seguridad. ¿Cuántas unidades adicionales debe retener para alcanzar este nivel de confianza?

SOLUCIÓN:

  • a) Con la Hoja de Cálculo (Excel):

 

Demanda

 

Mes (X)

(Y)

X 2

Y 2

XY

 

1 (Enero)

4200

1

17640000

4200

 

2 (Febrero)

4300

4

18490000

8600

 

3 (Marzo)

4000

9

16000000

12000

 

4

(Abril)

4400

16

19360000

17600

 

5 (Mayo)

5000

25

25000000

25000

 

6

(Junio)

4700

36

22090000

28200

 

7 (Julio)

5300

49

28090000

37100

 

8 (Agosto)

4900

64

24010000

39200

 

9 (Setiembre)

5400

81

29160000

48600

 

10 (Octubre)

5700

100

32490000

57000

 

11 (Noviembre)

6300

121

39690000

69300

 

12 (Diciembre)

6000

144

36000000

72000

Sumatori

a

78

60200

650

308020000

418800

Aplicamos las fórmulas para hallar los coeficientes de regresión lineal: X t Y t ∑ Y

Aplicamos las fórmulas para hallar los coeficientes de regresión lineal:

X t Y t ∑ Y t −b ∑ X t a= X t n Y
X t Y t
∑ Y t −b ∑ X t
a=
X
t
n
Y
Entonces, se tiene:
t
X 2 −(∑ X) 2
La Ecuación de la recta es =
¿
Y 2 −
(∑ Y ) 2
¿
¿
La correlación es =
n
r = 0.9375
Y=3766.667+192.3077 X
¿
¿
¿
2
X
El coeficiente de determinación (r 2 ) es =
¿
t
r 2 = 0.879
X
n
¿ ¿
t
Ahora, las estimaciones para los siguientes años, que están en función
¿
¿
√¿
de la ecuación de la recta hallada anteriormente, se describen en la
¿
2
n
XY −
∑ ∑
X
Y
siguiente tabla:
¿
r=
¿
¿
∑ ¿−¿
Deman
Mes
¿ ∑ ¿ ¿
da
∑ ¿−¿
13
6267
n ¿
14
6459
b=¿
15
6651
16
6844
17
7036
18
7228
19
7421
20
7613
21
7805
22
7997
23
8190
24
8382

Con WinQSB:

Ingresamos los datos del problema:

Resolvemos, siguiendo los
Resolvemos,
siguiendo los

pasos enseñados:

Veamos la gráfica que nos arroja el programa

 Resolvemos, siguiendo los pasos enseñados:  Veamos la gráfica que nos arroja el programa
 Resolvemos, siguiendo los pasos enseñados:  Veamos la gráfica que nos arroja el programa

Para el Pronóstico usando el programa, seguimos los pasos enseñados y nos arroja esta tabla de resultados:

Para el mes 13

 Para el Pronóstico usando el programa, seguimos los pasos enseñados y nos arroja esta tabla

Comparándolo con el valor de la hoja de cálculo, vemos que es el

mismo

resultado. Realizamos el mismo procedimiento para

cada mes hasta el mes 24.

b) Por teoría al decir 3 desviaciones estándar, se quiere decir que el nivel de confianza es de un 99.7%. Entonces hacemos con el winqsb:

 Para el Pronóstico usando el programa, seguimos los pasos enseñados y nos arroja esta tabla

En este cuadro vemos que el intervalo de predicción ha disminuido debido a que el intervalo de confianza ha sido modificado de 5% a un 99.7%, es decir, el rango de datos

alrededor de la línea de regresión envuelve una menor cantidad de datos pero más precisos. Ahora si comparamos este cuadro con el último cuadro del inciso (a), notamos que el intervalo de predicción ha disminuido, es decir:

5% [5561,545; 6971,788] 99.7% [6265,351; 6267,982] Si restamos ambos rangos de intervalo obtenemos: [704 – 710] que es la cantidad de unidades que debe retener Nani para poder alcanzar dicho nivel de confianza en las demandas del próximo año.

  • 2. La demanda histórica del producto es:

a) Usando un ponderado
a)
Usando un
ponderado

0.10, calcule el pronóstico de julio.

promedio móvil con pesos de 0.60, 0.30 y

  • b) Con el promedio móvil simple a tres meses, determine el pronóstico de julio.

  • c) Mediante suavización exponencial simple con α=0.2 y un pronóstico para Junio de 13, calcule el pronóstico de Julio. Haga todas las suposiciones que quiera.

  • d) Con un análisis de regresión lineal simple, calcule la ecuación de relación de los datos precedentes de la demanda.

  • e) Con la ecuación de regresión del punto d), calcule el pronóstico para julio.

SOLUCIÓN:

  • a) Usando el Programa Winqsb, tenemos:

b)

b) Para el promedio móvil simple utilizando el programa Winqsb: c) Haciendo las suposiciones respectivas, para

Para el promedio móvil simple utilizando el programa Winqsb:

b) Para el promedio móvil simple utilizando el programa Winqsb: c) Haciendo las suposiciones respectivas, para

c)

Haciendo las suposiciones respectivas, para obtener un pronóstico para Junio de 13 (según dato del problema) se tiene que tener un pronóstico inicial de 12. Entonces para hallar el pronóstico de Julio hacemos:

d)

d) La ecuación viene dada por:   Que es la ecuación de la recta que
d) La ecuación viene dada por:   Que es la ecuación de la recta que

La ecuación viene dada por:

Y=10.8+0.77 X

Que es la ecuación de la recta que relaciona los

e)

datos de la demanda con los meses.

Utilizando la ecuación hallada en el inciso (d) hallamos el pronóstico para

d) La ecuación viene dada por:   Que es la ecuación de la recta que

Julio:

El pronóstico para julio es 16.2

  • 3. Las siguientes tabulaciones son ventas unitarias reales para seis meses y un pronóstico inicial para enero.

    • a) Calcule los pronósticos para los 5 meses restantes con suavización exponencial simple con α=0.2.

    • b) Calcule el MAD de los pronósticos.

 El pronóstico para julio es  16.2 3. Las siguientes tabulaciones son ventas unitarias reales

SOLUCIÓN:

Del Programa Winqbs podemos resolver los dos incisos (a) y (b) en un solo paso. El recuadro sombreado contiene el MAD de los pronósticos de cada mes después de junio. Notamos que para los 5 meses restantes el pronóstico se mantiene constante.

4. Zeus Computer Chips, Inc., tenía contratos importantes para producir microprocesadores tipo Pentium. El mercado ha
  • 4. Zeus Computer Chips, Inc., tenía contratos importantes para producir microprocesadores tipo Pentium. El mercado ha ido a la baja en los últimos 3 años por los chips dual-core, que Zeus no produce, así que tiene la penosa tarea de pronosticar el año entrante. La tarea es penosa porque la empresa no ha podido encontrar chips sustitutos para sus líneas de productos. Aquí está la demanda de los últimos 12 trimestres:

Use la técnica de la descomposición para pronosticar los cuatro trimestres del 2008.
Use
la
técnica
de la descomposición para pronosticar los cuatro trimestres del 2008.

SOLUCIÓN:

Primero hallaremos el factor de estacionalidad antes de pronosticar. Lo

hacemos mediante una hoja de cálculo (Excel):

X Trimest Y
X
Trimest
Y

re

  • 1 I

4800

  • 2 II

3500

  • 2005 4300

    • 3 III

  • 4 IV

3000

  • 5 I

3500

  • 2006 2700

    • 6 II

    • 7 III

3500

  • 8 IV

2400

  • 9 I

3200

  • 10 II

2100

  • 2007 2700

    • 11 III

  • 12 IV

1700

 

Sumato

 

ria

 

78

37400

 

Promedio del mismo

Factor

Demanda no

 

trimestre cada año

estacional

estacional (Y') (Y/factor estacional)

X 2

X*Y'

  • 3833.33 1.23

 

3902.61

1

3902.61

  • 2766.67 0.89

 

3942.77

4

7885.54

3500

1.12

3829.05

9

11487.14

  • 2366.67 0.76

 

3950.70

16

15802.82

 

2845.65

25

14228.26

 

3041.57

36

18249.40

 

3116.67

49

21816.67

 

3160.56

64

25284.51

 

2601.74

81

23415.65

 

2365.66

100

23656.63

 

2404.29

X t Y t

121

26447.14

 
 

2238.73

  • X t

144

26864.79

 
 

Y t

219041.

Sumatoria

37400

¿

650

15

¿

¿

De las ecuaciones para mínimos cuadrados, tenemos la ecuación de la

¿

recta:

  • X 2 t

  • X t

a=

Y t b X t

¿

¿

  • ¿ 2

n

¿

¿¿

'
'

Y =4210.25168.24 X ¿ ¿ ¿

¿¿

n¿

b=¿

Una vez hallada la ecuación de la recta, hallamos cada pronóstico según el periodo (del 13 al 16) y luego proyectamos el pronóstico final mediante el factor estacional:

 

Periodo

Trimest

Y'

Factor

Y (Y'*Factor

(X)

re

Estacional

Estacional)

 
  • 13 I

2023.08

1.23

2488.28

2008

  • 14 II

1854.84

0.89

1646.54

  • 15 III

1686.60

1.12

1894.04

 
  • 16 IV

1518.35

0.76

1152.97

Para el 2008 se tiene pronosticado un bajón más.

  • 5. Los datos de ventas de 2 años son los siguientes. Los datos están acumulados con dos meses de ventas en cada “periodo”.

 Una vez hallada la ecuación de la recta, hallamos cada pronóstico según el periodo (del

a)

a)

Trace la gráfica.

b)

Componga un modelo de regresión lineal simple para los datos de

ventas.

c)

Además del modelo de regresión, determine los factores multiplicadores del índice estacional. Se supone que un ciclo

completo es de 1 año.

d)

Con los resultados de los incisos (b) y (c), prepare un pronóstico para

el año entrante.

Meses(X) vs Ventas(Y)

Meses(X) vs Ventas(Y) a) SOLUCIÓN:  En la hoja de cálculo (Excel) podemos encontrar el resultado

a)

SOLUCIÓN:

En la hoja de cálculo (Excel) podemos encontrar el resultado para los incisos (b) y (c):

 

Demanda

Periodo

Mes

Ventas

Promedio de cada

Factor

no

(X)

es

(Y)

Periodo

Estacional

estacional(

 

Y')

  • 1 1

109

112

0.87

125.95

  • 2 2

104

108

0.83

124.62

  • 3 3

150

154.5

1.19

125.65

  • 4 4

170

176

1.36

125.00

  • 5 120

5

123

0.95

126.26

  • 6 100

6

103

0.80

125.65

  • 7 115

1

 

132.88

  • 8 112

2

 

134.21

  • 9 159

3

 

133.19

  • 10 182

4

 

133.83

  • 11 126

5

 

132.57

  • 12 106

6

 

133.19

  • 78 1553

 

La ecuación de regresión lineal simple es

Y '=0.9804 X+123.04

En la tabla encontramos los factores estacionales multiplicadores.

  • d) Ahora con la ecuación de la recta y los factores estacionales,

pronosticaremos para el próximo año, donde también las ventas se agruparán

cada dos meses.

Periodo

Meses

Y'

Factor

Y (Y'*Factor

(X)

Estacional

Estacional)

  • 13 135.79

2

0.87

117.51

  • 14 136.77

2

0.83

114.13

  • 15 137.75

2

1.19

164.44

  • 16 138.73

2

1.36

188.66

  • 17 139.71

2

0.95

132.78

  • 18 140.69

2

0.80

111.97

  • 6. Tucson Machinery, Inc., fabrica máquinas controladas numéricamente, que se venden a un precio promedio de 0.5 millones de dólares cada una. Las ventas de estas máquinas durante los dos años anteriores son:

5 120 5 123 0.95 126.26 6 100 6 103 0.80 125.65 7 115 1 132.88

a) Trace a mano una recta (o haga una regresión lineal con Excel)

b)

Encuentre la tendencia y los factores estacionales.

c)

Pronostique las ventas para el 2008.

SOLUCIÓN:

Periodo(X) vs Cantidad(Y)

b) Encuentre la tendencia y los factores estacionales. c) Pronostique las ventas para el 2008. SOLUCIÓN:

a)

b)

b) Encuentre la tendencia y los factores estacionales. c) Pronostique las ventas para el 2008. SOLUCIÓN:
 

Promed

 

X

Trimest

re

Y

io del

mismo

Factor

estacional

Deman

da no

estacio

X 2

X*Y'

 

trimest

re

nal (Y')

200

1

I

12

14

0.71

16.93

1

16.9

6

200

7

 

3

  • 2 18

II

21

1.06

16.93

4

33.8

6

  • 3 26

III

27

1.37

19.02

9

57.0

6

  • 4 16

IV

17

0.86

18.59

16

74.3

5

  • 5 16

I

22.57

25

112.

86

  • 6 24

II

22.57

36

135.

43

  • 7 28

III

20.48

49

143.

37

  • 8 18

IV

20.91

64

167.

29

La Tendencia viene dada por las fórmulas:

∑ Y t −b ∑ X t X t Y t a= La tendencia es 
∑ Y t −b ∑ X t
X t Y t
a=
La tendencia es 
X
n
t
Y '=0.7177 Y X+16.52
t
c)
El pronóstico para el año 2008 viene dado por la tabla siguiente:
¿
 

Periodo

Trimest

¿

¿

Y'

Factor

 

Y (Y'*Factor

(X)

re

¿

Estacional

Estacional)

 

X

2

t

22.9

   
 

9

I

0.71

 

16.29

X

8

 

t

 

2008

  • 10 ¿

II

¿

23.7

0

1.06

25.20

  • 11 ¿ 2

III

¿

24.4

2

1.37

33.38

¿¿

25.1

  • 12 ¿ ¿ ¿

IV

3

0.86

21.63

 

¿¿

n¿

b=¿

  • 7. No todos los artículos de su tienda de artículos de papelería están distribuidos uniformemente en lo que concierne a la demanda, así que usted decide pronosticar la demanda para planear su surtido. Los datos pasados de libretas de cuentas usuales, para el mes de agosto, son los siguientes:

a) Con un
a)
Con un

promedio móvil de tres semanas, ¿cuál sería su pronóstico para la semana entrante? b)Con suavización exponencial con α=0.20, si el pronóstico exponencial de la semana 3 se calculó como el promedio de las 2 primeras semanas [(300+400)/2=350], ¿cuál sería su pronóstico para la semana 5?

SOLUCIÓN:

  • a) Con Winqsb pronosticamos para la semana entrante:

a) Con un promedio móvil de tres semanas, ¿cuál sería su pronóstico para la semana entrante?
  • b) El pronóstico para la semana 5 es 326

a) Con un promedio móvil de tres semanas, ¿cuál sería su pronóstico para la semana entrante?
  • 8. A continuación se da la demanda tabulada actual de un artículo durante un periodo de 9 meses (de enero a setiembre). Su supervisor quiere probar 2 métodos de prueba para ver cuál resultó mejor en el periodo.
    a)

8. A continuación se da la demanda tabulada actual de un artículo durante un periodo de

Pronostique de abril a setiembre con un promedio móvil a tres meses.

b)

c)

a)

Mediante suavización exponencial simple con un alfa de 0.3, calcule

de abril a setiembre.

Use la MAD para decidir qué método produjo el mejor pronóstico en el

periodo de seis meses. SOLUCIÓN:

Con promedio móvil, el MAD es de 23.33

8. A continuación se da la demanda tabulada actual de un artículo durante un periodo de
  • b) Para promedio exponencial simple, la MAD es de 24.34

b) Para promedio exponencial simple, la MAD es de 24.34 c) Comparando el MAD de ambos
  • c) Comparando el MAD de ambos métodos, escogemos el segundo método como método de pronóstico para un periodo de 6 meses (abril a setiembre), ya que el MAD es menor. A pesar el error de pronóstico sea un poco mas grande, no afectaría en el pronóstico a largo plazo.

  • 9. Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis meses. Aquí están la demanda pronosticada y la real:

Encuentre la seguimiento y que el modelo respuestas SOLUCIÓN:
Encuentre la
seguimiento y
que el modelo
respuestas
SOLUCIÓN:

señal de diga si cree usado da aceptables.

Demanda

Demanda

Forecas

MA

Señal de

Actual

Pronosticada

t Error

CFE

D

Seguimiento

  • 200 250

-50

-50

50

-1

 

62.

  • 250 325

-75

-125

5

-2

 

66.

  • 325 400

-75

-200

7

-3

 

62.

  • 300 350

-50

-250

5

-4

  • 325 375

-50

-300

60

-5

 

58.

  • 400 450

-50

-350

3

-6

TS vs Meses

Encuentre la seguimiento y que el modelo respuestas SOLUCIÓN: señal de diga si cree usado da

Señal de Seguimiento

Como se observa en la gráfica, la recta que sigue la señal de

seguimiento se encuentra por debajo del cero. (Para tenerlo claro, todo valor que se encuentre por encima del cero se considera que la demanda real está por encima del pronóstico y por el contrario, todo valor que se encuentra por debajo del cero se considera que la demanda real está por debajo del pronóstico). Este modelo de indica que se ha pronosticado una demanda mucho mayor que la demanda real, y según se observa sigue una pendiente constante hacia abajo por lo que se considera que es un modelo el cual no brinda un pronóstico adecuado.

10.Harlen Industries tiene un modelo de pronóstico simple: se toma la demanda real del mismo mes del año anterior y se divide entre el número fraccional de semanas de ese mes. Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa como pronóstico semanal del mismo mes este año. La técnica se usó para pronosticar ocho semanas de este año, que se muestran a continuación junto con la demanda real. Las siguientes 8 semanas muestran el pronóstico (basado en el año pasado) y la demanda real:

 Como se observa en la gráfica, la recta que sigue la señal de  seguimiento
  • a) Calcule la MAD de los errores de pronóstico

  • b) Con RSFE, calcule la señal de seguimiento

  • c) Basándose en sus respuestas de (a) y (b), comente el método de pronóstico de Harlen.

SOLUCIÓN:

  • a) Se calcula la MAD de los errores de pronóstico

Deman

da

Actual

Demanda

Pronosticada

Forecas

t Error

CFE

MAD

Señal de

Seguimiento

  • 137 140

-3

-3

3

-1

  • 133 140

-7

-10

5

-2

  • 150 140

10

0

6.7

0

  • 160 140

20

20

10

2

  • 180 140

40

60

16

3.75

  • 170 150

20

80

16.7

4.8

  • 185 150

35

115

19.3

5.96

  • 205 150

55

170

23.8

7.16

  • b) En la tabla anterior se tiene la señal de seguimiento y la RSFE (CFE)

TS (Y) vs Meses (X)

SOLUCIÓN: a) Se calcula la MAD de los errores de pronóstico Deman da Actual Demanda Pronosticada
Señal de Seguimiento
Señal de
Seguimiento
  • c) Se observa que durante los cuatro primeros meses se compenso el aumento de la demanda real y la demanda pronosticada pero luego se observa en los cuatro periodos restantes que la demanda real sigue aumentando superando por mucho la pronosticada, si esto sigue así se sugiere buscar otro modelo de pronóstico, que pueda compensar esa demanda.

11.La siguiente tabla contiene la demanda de los últimos 10 meses.

a) Calcule el pronóstico con suavización exponencial simple de estos datos con un α de 0.30
a)
Calcule
el
pronóstico con suavización exponencial simple de estos datos con un
α de 0.30 y un pronóstico inicial de (F 1 ) de 31.

b)

c)

Calcule el pronóstico de suavización exponencial con tendencia para estos datos, con un α de 0.30, δ de 0.30, un pronóstico de tendencias inicial (T 1 ) de 1 y un pronóstico uniforme exponencial inicial de 30.

Calcule la desviación absoluta media (MAD) de cada pronóstico, ¿cuál es el mejor?

SOLUCIÓN:

a) Con Winqsb, se calculó el pronóstico con suavizado exponencial simple: b)
a)
Con Winqsb, se calculó el pronóstico con suavizado exponencial simple:
b)

c)

El

c) El MAD para el primer pronóstico fue de 2.90, mientras que para el segundo fue

MAD para el primer pronóstico fue de 2.90, mientras que para el segundo fue de 0.86. Está claro que el mejor método de pronóstico es el segundo debido a que su MAD es mas baja.

12.En este problema, va a probar la validez de su modelo de pronóstico. A continuación se dan los pronósticos de un modelo que ha usado y la demanda

real

real producida.

producida.

Use el

método

en el

establecido texto para

MAD y

calcular la la señal de

seguimiento. Después decida si el modelo de pronóstico que ha usado proporciona resultados razonables.

SOLUCIÓN:

 
 

Demanda

Señal de

Demanda

Actual

Pronosticad

Forecas

t Error

CFE

MAD

Seguimient

a

a o
a o
a o

o

900

800

100

10

100

1

 

0

 

25

  • 1000 850

150

0

125

2

 

35

  • 1050 950

100

0

116.67

3

 

30

  • 900 950

-50

0

100

3

 

20

  • 900 1000

-100

0

100

2

 

32

1100

975

125

5

104.17

3.12

TS(Y) vs Meses(X)

0 1000 850 150 0 125 2 1050 950 100 0 116.67 3 900 950 -50

Señal de Seguimiento

El modelo de pronóstico, según se observa en la gráfica de señal de seguimiento vs cada mes, es aceptable ya que el aumento de la demanda real en los primeros 3 periodos se ve compensada en los dos siguientes, esta tendencia debe continuar para que el modelo no se vea afectado en el futuro con un aumento en la demanda real.

13.Supóngase que sus existencias de mercancía para venta se mantiene se mantiene sobre la base de la demanda pronosticada. Si el personal de ventas de la distribuidora llama el primer día de cada mes, calcule su pronóstico de ventas con los tres métodos solicitados aquí.

a) Con un promedio móvil simple de tres meses, ¿cuál es el pronóstico para setiembre? b)
  • a) Con un promedio móvil simple de tres meses, ¿cuál es el pronóstico para setiembre?

  • b) Con un promedio móvil ponderado, ¿cuál es el pronóstico para setiembre con valores relativos de 0.20, 0.30 y 0.50 para junio, julio y agosto, respectivamente?

  • c) Mediante suavización exponencial simple, y suponiendo que el pronóstico de junio fue de 130, pronostique las ventas de setiembre con una constante α de suavización de 0.30.

SOLUCIÓN:

a) b)
a)
b)
a) Con un promedio móvil simple de tres meses, ¿cuál es el pronóstico para setiembre? b)

c)

c) 14.Su gerente trata de determinar qué método de pronóstico usar. Basándose en los siguientes datos

14.Su gerente trata de determinar qué método de pronóstico usar. Basándose en los siguientes datos históricos, calcule el siguiente pronóstico y especifique qué procedimiento utilizaría.

a)

a) Calcule

Calcule

un pronóstico de promedio móvil simple a tres meses para los periodos 4 a 12.

b)

Calcule el promedio móvil ponderado a tres meses con pesos de 0.50, 0.30 y 0.20 para los periodos de 4 a 12.

c)

Calcule un pronóstico de suavización exponencial simple para los periodos 2 a 12 usando un pronósticos inicial (F 1 ) de 61 y un α de

0.30.

d)

Calcule el pronóstico de suavización exponencial con componente de tendencia para los periodos 2 a 12 con un pronóstico de tendencia inicial (T 1 ) de 1.8, un pronóstico de suavización exponencial inicial (F 1 ) de 60, un α de 0.30 y un δ 0.30.

e)

Calcule la desviación absoluta media (MAD) de los pronósticos hechos con cada técnica en los periodos 4 a 12. ¿Qué método de pronóstico prefiere?

SOLUCIÓN:

a)

b) c)
b) c)
b)
c)
d)

d)

d)

e) De los periodos de 4 a 12, calculamos la MAD mediante el programa Winqsb y vemos que entre los dos métodos el que tiene menor MAD es el segundo método, cuyo valor es de 3.46 a comparación del primero cuyo valor es 4.07. Entonces escogemos el segundo método.

15.Haga un análisis de regresión sobre la demanda sin factores estacionales para pronosticar la demanda en el verano de 2008, dados los siguientes datos históricos de la demanda.

e) De los periodos de 4 a 12, calculamos la MAD mediante el programa Winqsb y
 

SOLUCIÓN:

 

Dema

 

Promedi

Factor

nda

 

Estació

o de la

no

X 2

 
 

X

n

Y

misma

estacio

estaci

X*Y'

 

estación

nal

onal

 

(Y')

(Y')

200

Primave

6

1

ra

205

340

0.74

278.48

1

278.48

2

Verano

140

208

0.45

311.63

4

623.25

3

Otoño

375

530

1.15

326.80

9

980.40

4

Invierno

575

770

1.67

344.91

16

1379.63

200

Primave

7

5

ra

475

645.27

25

3226.33

6

Verano

275

612.12

36

3672.74

7

Otoño

685

596.95

49

4178.66

8

Invierno

965

578.84

64

4630.75

Σ

3

369

3695.00

 

20

18970.24

6

5

4

Utilizando las ecuaciones de mínimos cuadrados hallamos la ecuación de la recta:

'

Y =55.78 X+210.87

Ahora hallamos el pronóstico para verano del 2008 con la ecuación de regresión sin factores estacionales:

 

Periodo

Estació

Y'

Factor

Y (Y'*Factor

(X)

n

Estacional

Estacional)

 

Primave

712.

 

9

ra

88

  • 0.74 524.77

10

Verano

768.

  • 0.45 345.33

200

66

8

824.

 

11

Otoño

44

  • 1.15 946.04

 

880.

 

12

Invierno

22

  • 1.67 1467.43

El pronóstico para el verano del 2008 es de 345.33