Deber Final Presentar

UNIVERSIDAD TCNICA DE AMBATO
FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E INDUSTRIAL

PERODO ACADMICO: MARZO/2013 AGOSTO/2013
UNIVE
RSIDA
D
FACULTAD DE INGENIERIA EN
SISTEMAS ELECTRONICA E
TECNI
INDUSTRIAL
CA DEDE INGENIERIA INDUSTRIAL
CARRERA
EN PROCESO DE AUTOMATIZACION
AMB
ATO
ADMINISTRACION DE LA PRODUCCION
INTEGRANTES: LISSETTE FALCN

ROCO SNCHEZ
7MO SEMESTRE
PROFESOR:
ING. JOHN REYES
Administracin de la Produccin
Pgina 1

DEBERES DE CHASSE
2.- La demanda histrica del producto es:
a) Usando un promedio mvil ponderado con pesos de 0.60, 0.30 y 0.10,

calcule el pronstico de julio.
Fjulio= junio0,6+mayo0,3+abril0,1
Fjulio=150,6+ 160,3+ 120,1

Fjulio=15 unidades
b) Con el promedio mvil simple a tres meses, determine el pronstico de
julio.
Fjulio=
abril +mayo+ junio

3
Fjulio=
12+16+15
3
Fjulio=14,333 unidades
c) Mediante suavizacin exponencial simple con 0.2 y un pronstico
para junio de 13, calcule el pronstico de julio. Haga todas las suposiciones
que quiera.
MES
ENERO
FEBRE
RO
DEMAN
DA
12
=0,2
11
Pgina 2

MARZO
ABRIL
MAYO
JUNIO
JULIO
15
12
16
15
13
13,4
Ft=Ft 1+ (At 1Ft 1)

Ft=13+ 0,3(1513)
Ft=13,4 unidades
d) Con un anlisis de regresin lineal simple, calcule la ecuacin de relacin
de los datos precedentes de la demanda.
MES
1
2
3
4
5
6
21
DEMAND
A
12
11
15
12
16
15
81
X^2
XY
Y^2
1
4
9
16
25
36
91
12
22
45
48
80
90
297
144
121
225
144
256
225
1115
y=a+bx
n x2
x 2 y x xy
a=
21 2
6(91)
( 91 )( 81 )(21)(297)
a=
2
n x
n xy x y
b=
21
6 (91)
( 6 )( 297 )(21)(81)
b=
a=10,8
Pgina 3
b=0,7714

y=a+bx
y=a+bx
y=10,8+ 0,7714 x
20
15
f(x) = 0.77x + 10.8
10
Linear ()
5
0
0
e) Con la ecuacin de regresin del punto d), calcule el pronstico para julio.
y=10,8+ 0,7714 x
y=10,8+ 0,7714(7)
y=16,1998
Pronstico julio=16unidades
4. Zeus Computer Chip. Inc., tena contratos importantes para

producir microprocesadores tipo Pentium. El mercado ha ido a la
baja en los ltimos 3 aos por los chips dual-core, que Zeus no
produce, as que tiene la penosa tarea de pronosticar el ao
entrante. La tarea es penosa porque la empresa no ha podido
encontrar chips sustitutos para sus lneas de productos. Aqu est
la demanda de los ltimos 12 trimestres:
2005
I
II
III
IV
4800
3500
4300
3000
2006
I
II
III
IV
3500
2700
3500
2400
2007
I
II
III
IV
Pgina 4
3200
2100
2700
1700

Use la tcnica de la descomposicin para pronosticar los cuatro trimestres de

2008.
RESPUESTA:
Ventas Trimestrales (miles de unidades)
Ano
Q1
Q2
Q3
Q4
Total Suma Anual
2005
2006
2007
4800
3500
3200
3500
2700
2100
4300
3500
2700
3000
2400
1700
15600
12100
9700
Totales
11500
8300
10500
7100
37400
XQ3
PROMEDI
O
3500.0
XQ4
PROMEDI
O
2366.7
XQ 1 PROMEDIO=
XQ 2 PROMEDIO=
XQ 3 PROMEDIO=
Q1
nQ 1
Q2
nQ 2
Q3
nQ3
XQ1
PROMEDI
O
3833.3
i=
i=
XQ2
PROMEDI
O
2766.7
Total Suma Anual

ndatos
37400
12
i=3116.667
indice estacional=
XQ PROMEDIO
i
Pgina 5

INDICE
ESTACIONAL
Q1
Q2
Q3
Q4
1.2299
0.8877
1.1230
0.7594
Desestacionalizacion de los datos dividiendo el valor de cada periodo para el

ndice estacional
desestacionalizacion=
Ano
dato
indice estacional respectivo
Ventas
Trimestrales
unidades)
Q1
Q2
Q3
(miles
2005
3902.60 3942.77 3829.04

87
11
76
2006
2845.65 3041.56 3116.66
22
63
67
2007
2601.73 2365.66 2404.28
91
27
57
Obtencin de la ecuacin de la recta
PERIOD
O
8
8
8
8
9
9
9
9
10
10
10
10
TRIMESTR
E
Q1
Q2
Q3
Q4
Q1
Q2
Q3
Q4
Q1
Q2
Q3
Q4
SUMATORIA
de
Q4
3950.70
42
3160.56
34
2238.73
24
x
1
2
3
4
5
6
7
8
9
10
11
12
y
3903
3943
3829
3951
2846
3042
3117
3161
2602
2366
2404
2239
1
4
9
16
25
36
49
64
81
100
121
144
78
37400
650
x2
y
15230355
15545444
14661606
15608064
8097736
9251125
9713611
9989161
6769047
5596360
5780590
5011923
12125502
0
Pgina 6
3903 xy
7886
11487
15803
14228
18249
21817
25285
23416
23657
26447
26865
219041

x 2 y x xy
a=
2
n x 2 ( x )
a=
650 ( 37400 ) 78(219041)

12 ( 650 )(78)2
a=4210.25062
b=
b=
n ( xy ) x ( y)
n x 2( x )
12 ( 219041 )78(37400)
12 ( 650 ) (78)2
b=168.24
y=4210.25062168.24 x
Pronostico
x
13
14
15
16
y
2023.130
62
1854.890
62
1686.650
62
1518.410
62
ndice
estacio
nal
1.2299
0.8877
1.123
0.7594
y*ndice
estacion
al
2488.248
35
1646.586
4
1894.108
65
1153.081
02
5. Los datos de ventas de 2 aos son los siguientes. Los datos

estn acumulados con dos meses de ventas en cada periodo.
Pgina 7

a) Trace la grfica ca.

b) Componga un modelo de regresin lineal simple para los datos de
ventas.
c) Adems del modelo de regresin, determine los factores
multiplicadores del ndice estacional. Se supone que un ciclo completo
es de 1 ao.
d) Con los resultados de los incisos b) y c), prepare un pronstico para
el ao entrante.
y
1
2
3
4
5
6
7
8
9
10
11
12
78
x^2
109
104
150
170
120
100
115
112
159
182
126
106
1553
xy
1
4
9
16
25
36
49
64
81
100
121
144
650
109
208
450
680
600
600
805
896
1431
1820
1386
1272
10257
y^2
11881
10816
22500
28900
14400
10000
13225
12544
25281
33124
15876
11236
209783
Pgina 8

700
600
500
400
300
Limites
200
100
0
0
10
12
Y=a+bx
Y=122,33+1,14x
para el
ao
entrante
y13=
y14=
y15=
y16=
y17=
y18=
136,8030
3
137,9393
94
139,0757
58
140,2121
21
141,3484
85
142,4848
48
6. Las seales de seguimiento calculadas con el historial de la

demanda pasada
de tres productos es como sigue. Cada
producto usa la misma tcnica de pronstico..
Comente las seales de seguimiento de cada producto y seale
sus implicaciones.
Pgina 9

N
1
2
3
4
5
6
7
8
9
10
TS1
-2,7
-2,32
-1,7
-1,1
-0,87
-0,05
0,1
0,4
1,5
2,2
3
2.2
2
1
seal de seguimiento
Seal de
seguimiento
0
0
10 12
-1
-2
-3
Periodo
TS1: Dado que se ha producido un rpido aumento de la tendencia, la

previsin en breve se encuentre fuera de los lmites.
Pgina 10

Por lo tanto, el modelo de pronstico es pobre

N
TS 2
1
1,54
2
-0,64
3
2,05
4
2,58
5
-0,95
6
-1,23
7
0,75
8
-1,59
9
0,47
10
2,74
3
2.74
2.5
2
1.5
1
seal de seguimiento
0.5
0
0
-0.5
10 12
-1
-1.5
-2
Periodo
TS 2: Esto est dentro de los lmites. Por lo tanto, el pronstico es aceptable.

N
1
2
3
4
5
6
7
8
9
10
TS3
0,1
0,43
1,08
1,74
1,94
2,24
2,96
3,02
3,54
3,75
Pgina 11

3.75
3.5
3
2.5
Seal de Seguimiento
2
1.5
1
0.5
0
0 2 4 6 8 10 12
Periodo
TS 3: Esta serie est aumentando rpidamente, y se encuentra fuera de los

lmites. En consecuencia, el modelo es pobre.
9. No todos los artculos de su tienda de artculos de papelera

estn distribuidos uniformemente en lo que concierne a la
demanda, as 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:
Con un promedio mvil de tres semanas, cul sera su pronstico para la

semana entrante?
F1
F2
F3
F4
F5
SEMA
NAS
1
2
3
4
5
ARTICU
LOS
300
400
600
700
567
F5 = (700 + 600 + 400)/3 = 567

Con suavizacin exponencial con = 0.20, si el pronstico exponencial de la
semana 3 se calcul como el promedio de las dos primeras semanas [(300 +
400)/2 = 350], cul sera su pronstico para la semana 5?
Pgina 12

F4
F1
F2
F3
F4
F5
SEMA
NAS
1
2
3
4
5
ARTICU
LOS
300
400
600
700
567
PRONOS
TICO
350
400
460
= F3 + ( (A3 F3) )
F4= 350 + (0 .20*(600 350) )

F4= 400
F5 = F4 + ( (A4 F4) )
F5 = 400 + (0.20*(700 400))
F5 = 460
11. A continuacin se da la demanda tabulada actual de un

artculo durante un periodo de nueve meses (de enero a
septiembre). Su supervisor quiere probar dos mtodos de prueba
para ver cual result mejor en el periodo. a) Pronostique de abril
a septiembre con un promedio mvil a tres meses. b) Mediante
suavizacin exponencial simple con una alfa de 0.3, calcule de
abril a septiembre c) Use la MAD para decidir que mtodo
produjo el mejor pronstico en el periodo de seis meses.
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiemb
re
Real
110
130
150
170
160
180
140
130
140
a) Pronostique de abril a septiembre con un promedio mvil a tres meses.

Mes
Real
Enero
110
3
Meses
Des.
3
Meses
Pgina 13

Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiem
bre
130
150
170
160
180
140
130
140
130
150
160
170
160
150
40
10
20
30
30
10
MAD
140
23.33
b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de

abril a septiembre.
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiem
bre
Real
110
130
150
170
160
180
140
130
140
Pronost
ico
=
MAD
0.3
170
170
167
170.9
161.63
152.141
0
10
13
30.9
31.63
12.141
sumatoria
MAD
97.671
MA 16.27
D
c) Use la MAD para decidir que mtodo produjo el mejor pronstico en el
periodo de seis meses.
El mtodo para ver cual result mejor en el periodo es mediante

Suavizacin Exponencial con un MAD = 16.27
12.-Se aplic cierto modelo de pronstico para anticipar un

periodo de seis meses. Aqu estn la demanda pronosticada y la
real
Pronost
Rea
Pgina 14

ico
250
325
400
350
375
450
Abril
Mayo
Junio
Julio
Agosto
Septiem
bre
l
200
250
325
300
325
400
Encuentre la seal de seguimiento y diga si cree que el modelo usado da

respuestas aceptables.
Solucin
D
e
m
a
n
d
a
R
e
a
l
A
b
r
i
l
M
a
y
o
D
e
m
a
n
d
a
2
0
0
P
r
o
n
o
s
t
i
c
a
d
a
2
5
0
2
5
0
3
2
5
D
e
s
v
i
a
c
i
D
e
s
v
i
a
c
i
D
e
s
v
i
a
c
i
r
e
a
l
a
c
u
m
u
l
a
d
a
5
0
a
b
s
o
l
u
t
a
1
2
5
7
5
5
0
7
5
5
0
Pgina 15

J
u
n
i
o
J
u
l
i
o
A
g
o
s
t
o
3
2
5
4
0
0
7
5
2
0
0
7
5
3
0
0
3
5
0
5
0
2
5
0
5
0
3
2
5
3
7
5
5
0
3
0
0
5
0
S
e
p
t
i
e
m
b
r
e
4
0
0
4
5
0
5
0
3
5
0
5
0
MAD
Des
viac
in
Tota
l
350
58,33333
33
Seal de seguimiento -6
Pgina 16

-6
No hay suficientes pruebas para rechazar el modelo de pronstico, asi que
se aeptan sus recomendaciones.
13.-Harlen Industries tiene un modelo de pronstico simple: se

toma la demanda real del mismo mes del ao anterior y se divide
entre el nmero fraccional de semanas de ese mes. Esto da una
demanda semanal promedio para el mes. El promedio de esta
semana se usa como pronstico semanal del mismo mes este
ao. La tcnica se us para pronosticar ocho semanas de este
ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en
el ao pasado) y la demanda real:
a) Calcule el pronstico con suavizacin exponencial simple de estos

datos con una de 0.30 y un pronstico inicial (F1) de 31.
b) Calcule el pronstico de suavizacin exponencial con tendencia para
estos datos, con una de 0.30, de 0.30, un pronstico de tendencias
inicial (T1) de 1 y un pronstico uniforme exponencial inicial de 30.
c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul
es el mejor?
Pgina 17

PRONOSTI
CO
REA
L
DESVIACIO
N
RSF
E
DESVIACIO
N
ABSOLUTA
1
2
3
4
140
140
140
140
137
133
150
160
-3
-7
10
20
-3
-10
0
20
3
7
10
20
SUMA
DE
LAS
DESVIACION
ES
ABSOLUTAS
3
10
20
40
140
180
40
60
40
80
150
170
20
80
20
100
150
185
35
115
35
135
150
205
55
170
55
190
MESE
S
MA
D
TS
3.00
5.00
6.67
10.0
0
16.0
0
16.6
7
19.2
9
23.7
5
-1.00
-2.00
0.00
2.00
a) Para el mes 8, el MAD es 23,75

b) La seal de seguimiento de 8 meses es de 7.16
c) La seal de seguimiento es demasiado grande, por lo que el pronstico
se debe considerar pobres.
14. La tabla siguiente contiene la demanda de los ltimos 10

meses.
MES
DEMANDA REAL
F1
1
31
F2
2
34
F3
3
33
F4
4
35
F5
5
37
F6
6
36
F7
7
38
F8
8
40
de la Produccin
F9 Administracin
9
40
F10
10
41
PRONOSTICO
=0,30
31,00
31,00
31,90
32,23
33,06
34,24
34,77
35,74
Pgina37,02
18
37,91
3.75
4.80
5.96
7.16

Calcule el pronstico con suavizacin exponencial simple de estos datos con

una de 0.30 y un pronstico inicial (F1) de 31.
F1 = 31
F6= 34.24
F2 = F1 + ( (A1 F1) )
F2= 31+ (0 .30*(31 31) )
F2= 31
F7 = F6 + ( (A6 F6))
F7= 34.24+(0 .30*(36
34.24) )
F3= F2 + ( (A2 F2))
F7= 34.77
F3= 31+ (0 .30*(34 31))

F8= F7 + ( (A7 F7) )
F3= 31.90
F8= 34.77+(0 .30*(38

34.77) )
F4 = F3 + ( (A3 F3) )
F8= 35.74
F4= 31.90+ (0 .30*(33 31.90)

)
F9 = F8+ ( (A8 F8) )
F4= 32.23
F9= 35.74+(0 .30*(40

35.74) )
F5 = F4 + ( (A4 F4) )
F9= 37.02
F5=32.23+(0 .30*(35 32.23) )

F5= 33.06
F10= F9+ ( (A9 F9) )
F6 = F5+ ( (A5 F5) )

F6= 33.06+(0 .30*(37 33.06) )
F10= 37.02+(0 .30*(40

37.02) )
F10= 37.91
Calcule el pronstico de suavizacin exponencial con tendencia para estos

datos, con una de 0.30, de 0.30, un pronstico de tendencias inicial (T1)
de 1 y un pronstico uniforme exponencial inicial de 30.
MES
DEMANDA REAL
Tt =0,30
Pgina 19
Ft
=0,30
FITt

F1
31
1,00
30,00
31,00
F2
34
1,00
31,00
32,00
F3
33
1,18
32,60
33,78
F4
35
1,11
33,55
34,66
F5
37
1,14
34,76
35,90
F6
36
1,24
36,23
37,47
F7
38
1,11
37,03
38,14
F8
40
1,10
38,10
39,19
F9
40
1,17
39,43
40,60
F10
10
41
1,11
40,42
41,54
FIT1= F1+T1
T3=T2+(F3-FIT2)
FIT1=30+1
T3=1+0.30(32.60-32)
FIT1=31
T3=1.18
FT2= FIT1+(A1- FIT1)

FT2=31+0.30(31-31)
FIT3= F3+T3
FT2=31
FIT3=32.60+1.18
T2=T1+(F2-FIT1)
FIT3=33.78
T2=1+0.30(31-31)
FT4= FIT3+ (A3- FIT3)
T2=1
FT4=33.78+0.30(31-33.78)
FT4=33.55
FIT2= F2+T2
T4=T3+ (F4-FIT3)
FIT2=31+1
T4=1.18+0.30(33.55-33.78)
FIT2=32
T4=1.11

FT3=32+0.30(31-32)
FIT4= F4+T4
FT3=32.60
FIT4=33.55+1.11
Pgina 20

FIT4=34.66
T7=1.11

FT5=34.66+0.30(31-34.66)
FIT7= F7+T7
FT5=34.76
FIT7=37.03+1.11
T5=T4+(F5-FIT4)
FIT7=38.14
T5=1.11+0.30(34.76-34.66)
T5=1.14
FT8=38.14+0.30(31-38.14)
FT8=38.10
FIT5= F5+T5
T8=T7+(F8-FIT7)
FIT5=34.76+1.14
T8=1.11+0.30(38.10-38.14)
FIT5=35.90
T8=1.10
FIT8= F8+T8
FT6=35.90+0.30(31-35.90)
FIT8=38.10+1.10
FT6=36.23
FIT8=39.19
T6=T5+(F6-FIT5)
T6=1.14+0.30(36.23-35.90)
FT9=39.19+0.30(31-39.19)
T6=1.24
FT9=39.43
T9=T8+(F9-FIT8)
FIT6= F6+T6
T9=1.10+0.30(39.43-39.19)
FIT6=36.23+1.24
T9=1.17
FIT6=37.47
FIT9= F9+T9
FT7=37.47+0.30(31-37.47)
FIT9=39.43+1.17
FT7=37.03
FIT9=40.60
T7=T6+ (F7-FIT6)
T7=1.24+0.30(37.03-37.47)
FT10=40.60+0.30(31-40.60)
Pgina 21

FT10=40.42
FIT10= F10+T10
T10=T9+(F10-FIT9)
FIT10=40.42+1.11
T10=1.17+0.30(40.42-40.60)
FIT10=41.54
T10=1.11
c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el

mejor?
F1
F2
F3
F4
F5
F6
F7
F8
F9
F10
MES
DEMANDA REAL
1
2
3
4
5
6
7
8
9
10
31
34
33
35
37
36
38
40
40
41
PRONOSTICO
=0,30
31,00
31,00
31,90
32,23
33,06
34,24
34,77
35,74
37,02
37,91
MAD=
Desviacion
Absoluta
0,00
3,00
1,10
2,77
3,94
1,76
3,23
4,26
2,98
3,09
2,90
MAD=(3.00+1.10+2.77+3.94+1.76+3.23+4.26+2.98+3.09)/9
MAD=2.90
Pgina 22

MAD=(2.00+0.78+0.34+1.10+1.47+0.14+0.81+0.60+0.54)/9
MAD=0.86
RESPUESTA: De acuerdo al MAD de los pronsticos el exponencial simple con
tendencia es el mejor modelo de pronstico
17.- La demanda histrica de un producto es como sigue:

Abril
Mayo
Junio
Julio
Agosto
Septiembr
e
DEMANDA
60
55
75
60
80
75
a) Con un promedio mvil simple a cuatro meses, calcule un pronstico para octubre
b) Mediante suavizacin exponencial simple con = 0.2 y un pronstico para
septiembre =65, calcule un pronstico para Octubre.
c) Mediante regresin lineal simple, calcule la recta de la tendencia de los datos
histricos. En el eje de las x, sea Abril=1, Mayo=2, etc, mientras que en el eje
de las y esta la demanda.
d) Calcule un pronstico para Octubre
SOLUCION
a)
FOctubre =
Junio+Julio + Agosto + Septiembre

4
FOctubre =
75+60+80+75
4
FOctubre =72.5 unidades

b)
MES
DEMANDA
Abril
Mayo
Junio
Julio
Agosto
Septiemb
re
Octubre
60
55
75
60
80
75
=0.
2
Ft =F (t 1 )+( A (t1 )F(t1) )
Ft =65+ 0.2(7565)
65
Administracin
de la Produccin
67
Pgina 23

Ft =67 unidades
c)
MES
1
2
3
4
5
6
21
DEMAND
A
X^2
60
55
75
60
80
75
405
X*Y
1
4
9
16
25
36
91
Y^2
60
110
225
240
400
450
1485
3600
3025
5625
3600
6400
5625
27875
y=a+bx
x
n x 2
2
x . yx . xy
a=
21
6 ( 91 )
( 91 )( 405 )(21)(1485)
a=
a=54
n x2
nxyx . y
b=
21
6 ( 91 )
( 6 )( 1485 ) (21)(405)
b=
Pgina 24

b=3.86
y=a+bx
y=54 +3.86 x
90
80
f(x) = 3.86x + 54
70
60
50
40
Linear ()
30
20
10
0
0
d)
Pronostico para Octubre x=7
y=a+bx
y=54 +3.86(7)
y=
81.02
pronosticoOctubre=81unidades
18. Las ventas por trimestre del ltimo ao y los tres primeros
trimestres de este ao son como sigue:
Pgina 25

Con el procedimiento de pronstico enfocado descrito en el texto,

pronostique las ventas esperadas para el cuarto trimestre de este ao.
TRIMESTR AO
E
PASADO
ESTE
AO
23000
1900
II
27000
24000
III
18000
15000
IV
9000
Trimestre actual=15000
26400/15000= 1.76*100% = 176%
ESTRATEGIA A:
ESTRATEGIA D:
ltimos tres meses =24000
Actuales tres meses=15000
50% del trimestre III del ao

anterior= 1.50*(18000)= 27000
24000/15000=1.6*100%=160%
Trimestre III del ao actual= 15000
ESTRATEGIA B:
27000/15000= 1.8*100% =180%
III trimestre ao pasado= 18000
ESTRATEGIA E:
III trimestre ao actual= 15000

18000/15000=1.2*100%=120%
(24000/27000)18000= 16000
Actual =15000
ESTRATEGIA C:
16000/15000=
1207%
10% del trimestre anterior= 1.10
(24000)= 26400
RESPUESTA:
Pgina 26
1.07*100%=

La mejor estrategia es la E y lo aplicamos para el cuarto trimestre de este

ao
(15000/18000)9000= 7500
19.- En la tabla siguiente se muestra la demanda de un producto

con cierto mtodo de pronstico, junto con la demanda real.
Pronstico
Real
1500
1550
1400
1500
1700
1600
1750
1650
1800
1700
a) Calcule la seal de seguimiento con la desviacin absoluta media y la
suma continua de errores de pronstico.
b) Comente si su mtodo de pronstico da buenas predicciones.
SOLUCION
a) Desviacin absoluta media
Pronstico
Demanda Real
(At - Ft)
(Ft)
(At)
1
1500
1550
50
2
1400
1500
100
3
1700
1600
100
4
1750
1650
100
5
1800
1700
100
SUMATORIA =
450
MAD =
90
Suma continua de errores de pronstico
n
n
1
2
3
4
Pronstico
(Ft)
1500
1400
1700
1750
Demanda
(At)
1550
1500
1600
1650
Real
(At - Ft)
50
100
100
100
Ts = (At
Ft)/MAD
0,5556
1,1111
1,1111
1,1111
Pgina 27

5
1800
SUMATORIA =
1700
100
450
MAD =
90
10,000
0
RSFE =
1,1111
5,0000
b) Comentario
Se puede decir que el mtodo de pronstico de es aceptable ya que la suma
se sus errores pronosticados no son muy elevados.
20.-Su gerente trata de determinar que mtodo de pronostico

usar. Basndose en los siguientes datos histricos, calcule los
siguientes pronsticos y especifique que procedimiento utilizara?
a)
b)
c)
d)
e)
MES
DEMANDA REAL
MES
DEMANDA REAL
1
62
7
76
2
65
8
78
3
67
9
78
4
68
10
80
5
71
11
84
6
73
12
85
Calcule un promedio de pronostico simple a tres meses para los
periodos 4 a 12
Calcule el promedio mvil ponderado a tres meses con pesos de 0.50,
0.30 y 0.20 para los periodos de 4 a 12
Calcule un pronstico de suavizacin exponencial simple para los
periodos de 2 a 12 usando un pronstico inicial F1 de 61 y alfa de 0.30
Calcule el pronstico de suavizacin exponencial con componente de
tendencia para los periodos de 2 a 12 con un pronstico de tendencia
inicial (T1) de 1.8, un pronstico de suavizacin exponencial inicial (F1)
de 60, una de 0.30 y una de 0.30
Calcule la desviacin absoluta media (MAD) de los pronsticos hechos
con cada tcnica en los periodos 4 a 12. Qu mtodo de pronsticos
prefiere?
a)
MES
1
2
3
4
5
DEMANDA
REAL
62
65
67
68
71
3 MESES
Des.
Absoluta
64.67
66.67
3.33
4.33
Pgina 28

6
7
8
9
10
11
12
73
76
78
78
80
84
85
68.67
70.67
73.33
75.67
77.33
78.67
80.67
Desv.
Total
MAD
Absoluta
4.33
5.33
4.67
2.33
2.67
5.33
4.33
36.67
4.07
b)
MES
1
2
3
4
DEMANDA
REAL
62
65
67
68
3 MESES
71
67.10
73
69.30
76
71.40
78
74.10
Des. Absoluta
65.40
2
.60
3
.90
3
.70
4
.60
3
.90
78
76.40
1
.60
10
80
77.60
2
.40
11
84
79.00
12
85
81.60
5
.00
3
.40
Desv.
Total
MAD
Absoluta
31
.10
3
.46
c)
ME
DEMANDA
= 0.3
Pgina 29

S
1
2
3
4
5
6
7
8
9
10
11
12
REAL
62
65
67
68
71
73
76
78
78
80
84
85
61
61.30
62.41
63.79
65.05
66.84
68.68
70.88
73.02
74.51
76.16
78.51
4.21
5.95
6.16
7.32
7.12
4.98
5.49
7.84
6.49
55.57
6.17
MAD
MAD
X
d)
MES
1
2
3
DEMANDA
REAL
62
65
67
68
71
73
76
Tt
Ft
= 0.3
S
1.8
1.82
60
61.86
64.07
61.8
63.68
66.01
=0.3
.94
2
.03
.07
84
12
85
74.78
77.36
.99
79.83
81.39
1.
39
80
82.97
83
85.35
.98
1.
83
79
0.
64
.28
1
1.
22
77
0.
47
.55
.11
11
72
0.
77
75
80
72.53
.14
.28
10
70
0.
33
.67
.22
78
70.23
.46
2
.11
68
.23
78
68.34
.31
2
.00
66
1.
04
Pgina 30
0.

.08
.27
Sum MAD
35
8.
04
MAD X
0.
89
e)
Se recomienda utilizar el pronstico de suavizacin exponencial con
componente de tendencia para los periodos debido a que nos brinda el MAD
ms pequeo.
Haga un anlisis de regresin sobre la demanda sin factores estacionales
para pronosticar la demanda en el verano de 2008, dados los siguientes
datos histricos de la demanda.
AO
2006
2007
ESTACI
N
Primaver
a
Verano
Otoo
Invierno
Primaver
a
Verano
Otoo
Invierno
DEMAND
A REAL
205
140
375
575
475
275
685
965
ndice estacional izado.

AO
2006
20007
TOTAL
Primaver
a
205
475
680
340
Verano
Otoo
Invierno
140
275
415
375
685
1060
575
965
1540
207.5
530
770
I.
ESTACION 1.104194 0.67388 1.7212449
AL
86
36
26
TOTAL
ANUAL
1295
2400
3695
307.91666
67
2.500676
59
Datos desestacionalizados
Pgina 31

AO
2006
20007
Primaver
a
185.6556
37
430.1776
96
Verano
Otoo
217.86556
207.751 6
408.082 397.96776
33
73
Invierno
229.9377
71
385.8955
63
Anlisis de regresin
ESTACIO
N
X
Primaver
a
1
Verano
2
AO
2006
Otoo
Invierno
3
4
Primaver
a
5
Verano
2007
Otoo
Invierno
TOTAL
6
7
8
36
Y
X^2
185.655637
3
1
207.751004 4
217.865566
229.937770
6
430.177696
1
408.082329
3
397.967767
3
385.895562
8
2463.33333
3
9
16
25
36
49
64
204
X*Y
185.655637
3
415.502008
653.596698
1
919.751082
3
2150.88848
2448.49397
6
2785.77437
1
3087.16450
2
12646.8267
6
Pronostico
b=
140.5780
86
37.18635
13
y=
a+bx
a=
y=
140.5780585+37.1863
5131X
Pronostico desestacionalizado
PRONOSTICO
Y9
475.255248
Ind.
Estac.
1.10419
49
Prom.
Estaci.
524.774400
6
Pgina 32

Y10 512.441599
Y11 549.62795
Y12 586.814302
0.67388
36
1.72124
49
2.50067
66
345.326003
946.044320
2
1467.43278
6
El pronstico para verano es de 345 unidades
22 Los siguientes son los resultados de los ltimos 21 meses de

ventas reales de cierto producto.
Elabore un pronstico para el cuarto trimestre usando tres reglas

pronstico enfocado (observe que para aplicar correctamente
procedimiento, las reglas se prueban primero en el tercer trimestre; la
mejor desempeo se usa para pronosticar el cuarto trimestre). Haga
problema con trimestres, en lugar de pronosticar meses separados.
de
el
de
el
SOLUCIN
2006
2007
trimester
I
1,125
1,000
II
1,310
1,175
III
1,075
975
IV
1,550
Sumamos de tres en tres meses cada estrategia es usada para predecir el

tercer trimestre de este ao. Luego la mejor estrategia es usada para
predecir el cuarto trimestres de este ao.
Pgina 33

ESTRATEGIA A: en el pasado tres meses es cual nosotros podramos decir en

los siguientes tres meses. Te hay nuestro pronstico es 1175. Actualmente
fue 975. 1,175/975 = 121%.
ESTRATEGIA B: en el los mismos periodo de tres meses el pasado ao,
nosotros podramos decir que en el periodo de tres meses de este ao. De ah
nuestro pronstico es 1,075. Actual fue 975. 1,075/975 = 110%.
ESTRATEGIA C: Nosotros podramos decir que el 10% ms en los siguientes
tres meses que nosotros decamos en los pasados tres meses. Nuestro
pronstico es 10(1,175) = 1,292.5. Actual fue 975. 1,292.5/975 = 133%.
ESTRATEGIA D: Nosotros podramos decir que hay una probabilidad del 50%
ms sobre los siguientes tres meses que nosotros hicimos por los mismos
tres meses del pasado ao. El pronstico podra ser 1.50 (1,075) = 1,612.5.
Actual fue 975. 1612.5/975 = 165%.
ESTRATEGIA E: EL PORCENTAJE cambia nosotros tenemos para los pasados
meses de este ao comparando para los mismos tres meses pasados la
probabilidad podra ser el mismo porcentaje cambio que nosotros podras
tener para el siguiente meses de este ao.
El pronstico podra ser
(1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.
Si solo los tres primeros son usados, el mejor mtodo ser el Bel
pronstico para el cuarto trimestre es 1550.
Si todo los cinco mtodos enlistados en el texto son usados, luego el
mejor mtodo es el E. aplicando esto el cuarto trimestre de este ao
produce un pronstico de
(975/1,075) 1,550 = 1,406.
24.- Despus de aplicar su modelo de pronostico durante seis

meses , decide probarlo con MAD y una seal de seguimiento. Lo
que sigue es el pronstico y la demanda real del periodo de seis
meses:
a) Encuentre la seal de seguimiento.

Pgina 34

b) Decida si su rutina de pronstico es aceptable.

PERIODO
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
PRONOSTICO
450
500
550
600
650
700
PERIOD
O
PRONOST
ICO
RE
AL
Mayo
Junio
Julio
Agosto
450
500
550
600
Septiem
bre
Octubre
REAL
500
550
400
500
675
600
DESVIACI
ON
RSF
E
DESVIACI
ON
ABSOLUT
A
500
550
400
500
50
50
-150
-100
50
50
150
100
650
675
25
700
600
-100
50
100
-50
150
125
225
25
100
SUMA DE MAD TS
DESVIACI
ONES
ABSOLUTA
S
50
50
1
100
50
2
250 83,33 -0,6
350
87,5
1,71
375
75
1,67
475 79,17
2,84
3
2
1
0
400
-1
450
500
550
600
650
700
-2
-3
-4
Pgina 35
750

El TS es aceptable. Sin embargo, el TS va y vienen entre positivo y negativo.

Si esta tendencia contina, las previsiones sern inaceptables. Este
pronstico debe vigilarse de cerca para ver si la tendencia a la baja contina.
26. A continuacin se encuentran los ingresos por ventas de una

compaa de servicios pblicos grande de 1997 a 2007.
Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuicin o sentido comn en cuanto a qu modelo o mtodo
usar, as como el periodo de datos que incluir.
METODO DE REGRESION LINEAL
AO
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
INGRESOS
(MILLONES)
4865,9
5067,4
5515,6
5728,8
5497,7
5197,7
5094,4
5108,8
5550,6
5738,9
5860,0
Pgina 36

a=
x 2 y x xy
2
n x 2( x)
a=5050.44364
b=
n x y x y
2
n x ( x)
b=55.62
A
O
X
1
2
3
4
5
6
7
8
9
INGRESOS
(MILLONES)
Y
4865.9
5067.4
5515.6
5728.8
5497.7
5197.7
5094.4
5108.8
5550.6
X^2
1
4
9
16
25
36
49
64
81
XY
4865.9
10134.8
16546.8
22915.2
27488.5
31186.2
35660.8
40870.4
49955.4
Pgina 37

10
11
66
12
13
14
15
5738.9
5860
59225.8
5717.883636
5773.503636
5829.123636
5884.743636
100
121
506
57389
64460
361473
Periodo 12
Y= 55.62x + 5050.44
Y= 55.62 (12) + 5050.44
Y=5717.88
Periodo 13
Y= 55.62x + 5050.44
Y= 55.62 (13) + 5050.44
Y=5773.5
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62 (14) + 5050.44
Y=5829.12
Periodo 15
Y= 55.62x + 5050.44
Y= 55.62 (15) + 5050.44
Y=5884.
28.) Suponga una Ft inicial de 300 unidades, una tendencia de 8

unidades, una alfa de 0.30 y una delta de 0.40. Si la demanda
real fue finalmente de 288, calcule el pronstico para el siguiente
periodo.
Ft = 300
Tt = 8
= 0.30
= 0.40
A t = 288
Solucin:
t
At
Ft
Tt
FITt
Pgina 38

1
2
(Demanda Real)
288
288
(Unidades)
300
302
(Tendencia)
8
5.6
308
307.6
FITt = Ft + Tt
FITt = 300 + 8
FITt = 308
Ft+1 = FITt + (At - FITt)

Ft+1 = 308 + 0.3 (288 - 308)
Ft+1 = 302
Tt+1 = Tt + (Ft+1 - FITt )

Tt+1 = 8 + 0.40 (302 - 308 )
Tt+1 = 5.6
FITt+1 = Ft+1 + Tt+1

FITt+1 = 302 + 5.6
FITt+1 = 307.6
29. La tabla siguiente contiene el nmero de quejas recibidas en

una tienda departamental durante los primeros seis meses de
operacin.
Enero
Febrero
Marzo
Abril
Mayo
Junio
QUEJAS
36
45
81
90
108
144
Si se usara un promedio mvil a tres meses, cul habra sido el pronstico

de mayo?
Pgina 39

PRONSTICO
Enero
Febrer
o
Marzo
Abril
Mayo
Junio
QUEJAS
36
45
81
90
108
144
F3(Abril
)=
54
F3(may
o)=
72
F3(Junio
)=
93
3 MESES
54
72
93
Desviacin Abs.
Total
MAD
DESVIACI
N
3 MESES
36
36
51
123
41
El pronstico del mes de mayo luego de haber utilizado el promedio mvil

para los tres meses sera 72 QUEJAS.
Pgina 40

EJERCICIOS DEL LIBRO DE NORMAN GAITHER
4.- Una empresa necesita desarrollar un pronstico de ventas

para el ao siguiente para sus ventas de vehculos recreativos.
Suponga que sus ventas anuales estn relacionada con las
ventas de su sector industrial y ha preparado estos datos
histricos.
Ventas
del
sector
industrial
(Millones de dlares)
536
791
650
813
702
575
684
Ventas
anuales
de
la
empresa
(Nmero
de
vehculos
recreativos)
98
137
112
145
120
103
116
Si la estimacin de las ventas para el sector industrial del ao que viene es

de 725 millones de dlares, utilice una regresin lineal simple para
pronosticar la demanda anual de vehculos recreativos de la empresa para
dicho ao.
Definiendo la tabla de datos:
X
536
Y
98
791
650
137
112
813
702
575
684
145
120
103
116
4751
831
X^2
XY
287296 52528
10836
625681 7
422500 72800
11788
660969 5
492804 84240
330625 59225
467856 79344
328773 57438
1
9
Estableciendo la ecuacin:
Pgina 41

y=a+bx
x
2
n x
x 2 y x xy
a=
4751 2
7(3287731)
( 3287731 ) ( 831 )(4751)(574389)
a=
a=7,1979
2
n x
n xy x y
b=
4751 2
7 (3287731)
( 7 )( 574389 )(4751)(831)
b=
b=0,1643
y=a+bx
y=a+bx
y=7,1979+0,1643 x
Determinando por grfica:

160
140
120
f(x) = 0.16x + 7.2
100
80
Linear ()
60
40
20
0
500
550
600
650
700
750
800
850
Reemplazando el valor correspondiente al ao siguiente para el pronstico:
y=7,1979+0,1643 x
y=7,1979+0,1643 (725)
Pgina 42

y=126,3154 126 veh culos recreativos.
5.- En el problema 3, IPC se pregunta si el anlisis de regresin de

la serie de tiempo es mejor manera de pronosticas las ventas del
ao que viene. Estn examinando los siguientes datos de la
industria:
AO
INGRESOS
POR
VENTAS DE PC
XT(MILLONES DE
DOLARES)
1
2
3
4
5
6
2.4
5.9
15.5
2.8
35.9
38.1
INGRESOS
POR
VENTAS DE PC
EN
TODA
LA
INDUSTRIA
(MILES
DE
MILLONES
DE
DOLARES)
4.6
8.6
10.7
14.8
18.5
19.4
a.) Haga un anlisis de regresin entre los ingresos por ventas anuales de
computadoras personales XT y los ingresos por ventas anuales de PC
en toda la industria. Cul es el pronstico de ingresos por ventas del
ao que viene (ao 7) para las computadoras personales XT, si la
estimacin del siguiente ao de ingresos por ventas de PC para toda la
industria es de 21.900 millones de dlares?
b.) Qu pronstico el pronstico de serie de tiempo del problema 3 o el

pronstico de este problema- parecera ser mejor? Por qu?
TOTAL
MES(X)
1
2
3
4
5
6
21
VENTAS(PC
XT) (Y)
2.4
5.9
15.5
2.8
35.9
38.1
100.6
X^2
1
4
9
16
25
36
91
XY
2.4
11.8
46.5
11.2
179.5
228.6
480
Pgina 43

a=
-8.813333333
b=
7.308571429
y=
a+bx
Por tanto el pronstico para el mes 7mo es:
Y7= -8.813333333 + 7.308571429(7)
Y7= 42.34666667
La venta es 42.34666667 millones de dlares.
6.) La Comfort Zone Company (CZC) es un fabricante mediano

con 10 aos de antigedad de equipo de calefaccin y
enfriamiento. Las ventas estn creciendo con rapidez y es
necesario incrementar la capacidad de produccin. La gerencia
de la empresa se pregunta si los datos nacionales de
construccin de vivienda pudieran resultar un buen indicador de
las ventas anuales de la empresa.
Ao
Construccin
de
Viviendas (millones)
1
2
3
4
5
6
7
2.1
1.8
2.4
2.8
3.1
2.6
2.4
Ventas
anuales
de
Comfort Zone (millones
de dlares)
230
215
270
310
360
370
375
a) Desarrolle un anlisis de regresin simple entre las ventas de CZC y la

construccin de viviendas. Pronostique las ventas de CZC durante los
siguientes dos aos. El National Home Builders Association estima que la
inversin en construccin de viviendas ser de 2.6 millones y de 3.0 millones
para los dos aos siguientes.
b) Qu porcentaje de variacin en ventas de CZC queda explicado por la
inversin en construccin de viviendas?
Pgina 44

c) Recomendara usted que CZC utilizar el pronstico del inciso para

planear una expansin de las instalaciones? Por qu? Qu podra hacerse
para mejorar el pronstico?
Solucin:
a)
X
2.1
1.8
2.4
2.8
3.1
2.6
2.4
17.2
Y
230
215
270
310
360
370
375
2130
X2
4.41
3.24
5.76
7.84
9.61
6.76
5.76
43.38
XY
483
387
648
868
1116
962
900
5364
Y2
52900
46225
72900
96100
129600
136900
140625
675250
a
n x 2
x 2 y x xy
a=
( 43.38 ) (2130 )(17.2)(5364)

7 ( 43.38 )(17.2)2
a = 17.724
2
b
n x
n xy x y
b=
( 7 )( 5364 )(17.2)(2130)
7 ( 43.38 )(17.2)2
b = 116.624
Pgina 45

y = 17.724 + 116.624X
La ecuacin de regresin para el ao 1 es:

y = 17.724 + 116.624X
y = 17.724 + 116.624(2.6)
y = 320.946
La ecuacin de regresin para el ao 2 es:
y = 17.724 + 116.624X
y = 17.724 + 116.624(3)
y = 367.596
b)
2
n y ( 2)
r n x 2( 2)
n xy x y
7(675250)(2130 )
7( 43.38)(17.2 2)
( 7 ) ( 5364 ) (17.2)(2130)
r=
r =
0.748
Existe una relacin positiva fuerte entre el ao y los nacimientos.

Pgina 46

r2 = (0.748)2 * 100%
r2 = 56%
c) S, porque el coeficiente de correlacin es de 0.76, es decir los clculos son

confiables, ya que las ventas estn en crecimiento es fiable la expansin de
las instalaciones, porque as se obtendr mayores ventas y habr mayores
ingresos para la empresa.
8. La planea de IPC estima la demanda semanal de los muchos

materiales que tiene en inventario. Est estudiando uno de estos
componentes, el CTR 5922. Las 12 semanas ms recientes de
demanda para el CTR 5922 son:
SEMAN
A
DEMANDA
(UNIDADE
S)
SEMAN
A
DEMANDA
(UNIDADE
S)
SEMAN
A
DEMANDA
(UNIDADE
S)
SEMAN
A
DEMANDA
(UNIDADE
S)
169
171
213
10
158
2
3
227
176
5
6
163
157
8
9
175
178
11
12
188
169
Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con

un promedio de tres semanas, para desarrollar para la semana 13 un
pronstico de la demanda para el componente CRT 5922.
SEMANAS
1
2
3
4
5
6
7
8
9
10
11
12
13
DEMANDA
REAL
(UNIDADES)
169
227
176
171
163
157
213
175
178
158
188
169
166
3 SEMANA
DESVIACION
SEMANA
171.667
2.667
Pgina 47

Con un promedio de tres semanas, para desarrollar para la semana 13 el

pronstico de la semana 13 es 166 unidades
9.- Holiday Lodge es un gran hotel y casino en Lago Tahoe,

California. El hotel es relativamente nuevo, dos aos, y el gerente
est intentando
desarrollar un plan para el personal del
departamento de mantenimiento. El gerente del hotel desea
utilizar dos aos de datos que aparecen a continuacin para
pronosticar con un mes de anticipacin la cantidad de llamadas
para mantenimiento
a.- Desarrolle pronsticos de promedio mvil para los ltimos 10 meses

(meses 15- 24) con numero de promedios promediados de 2, 4, 6 y 8 meses
MES
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
LLAMADAS
POR
MANTENIMIE
NTO
46
39
28
21
14
16
14
13
9
13
18
15
12
6
19
9
MES 2
MES 4
MES 6
MES 8
9
12,5
12,75
13
12,17
13,83
12,50
13,13
Pgina 48

17
18
19
20
21
22
23
24
12
14
16
12
13
9
14
15
14
10,5
13
15
14
12,5
11
11,5
11,5
11,5
13,5
12,75
13,5
13,75
12,5
12
13,17
12,17
12,00
12,67
13,67
12,67
12,67
13,00
12,63
13,00
13,13
12,88
12,50
12,63
13,00
12,38
b.- Que cantidad de periodos promediados da como resultado el error de

pronostico medio absoluto ms bajo? Que numero de periodos promediados
recomienda usted? Porque?
RESPUESTA:
Se recomienda el promedio mvil de 8 meses ya que este tiene el pronstico
medio absoluto ms bajo siendo este 2.38
Pgina 49

c.- Utilizando la cantidad de periodos promediados que usted recomienda,

pronostique el nmero de llamadas para mantenimiento pera en mes
siguiente?
25
13,13
10. El gerente del Holiday Lodge del problema 9 se pregunta si

los datos del pasado ms reciente tiene mayor importancia que
los ms antiguos. Suponga que la cantidad de llamadas para
mantenimiento del mes 25 se pondera 0.5 y los pesos de los
meses anteriores se reducen de manera secuencial por un factor
de 0.5 (es decir, 0.5 , 0.25, 0.125,etctera).
a) Desarrolle los pesos o coeficiente de ponderacin utilizarse en el

pronstico de promedios mviles ponderados.
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas
para mantenimiento para el mes de 25 de los datos del problema 9 si
la cantidad de periodos promediados =10.
a)
MES
LLAMADAS POR
MANTENIMIENT
O
15
16
17
18
19
20
21
22
23
24
19
9
12
14
16
12
13
9
14
15
Pronostico para cada MES

MES 2
MES 4
MES 6
MES 8
0.5
0.25
0.125
0.0625
PESOS PARA CADA MES
b)
PRONSTICOS
MAD
Pgina 50

MES
2
MES
4
MES 6 MES 8
MES
2
MES 4 MES 6 MES 8
LLAMADAS POR PESOS PARA CADA MES

MES MANTENIMIENT
0.062
O
0.5
0.25 0.125 5
PESOS PARA CADA MES

0.5
0.25
0.062
0.125 5
15
19
19
19
19
19
16
19
19
19
19
10
10
10
10
17
12
14
16.5
17.75
9.63
4.5
5.8
2.4
18
14
13
13.5
13.75
12.13
0.5
0.3
1.9
19
16
13.5
13.3
13.13
13.94
2.5
2.8
2.9
2.1
20
12
14.8
14.1
13.81
15.84
2.8
2.1
1.8
3.8
21
13
13.4
14.1
14.41
12.17
0.4
1.1
1.4
0.8
22
13.2
13.3
13.33
13.02
4.2
4.3
4.3
4.0
23
14
11.1
12.1
12.66
9.26
2.9
1.9
1.3
4.7
24
15
12.5
11.8
11.46
13.82
2.5
3.2
3.5
1.2
13.8
13.2
12.85
14.85
28.2
30.3
31.3
30.9
25
sumatoria
MAD
R: La cantidad de llamadas para el MES 25 es de 14 de acuerdo al pronostico

de 2 meses basado en el valor menor del MAD
11. La cantidad de auditores fiscales que necesita el Internal

Revenue Service de Texas vara de un trimestre a otro. Los
ltimos 12 trimestres aparecen a continuacin:
Ao
1
2
Trimestr
e
Auditore
s
1
2
3
4
1
132
139
136
140
134
Pgina 51

2
3
4
1
2
3
4
142
140
139
135
137
139
141
a. Utilice los promedios mviles para pronosticar la cantidad de auditores

que se necesitan durante el trimestre siguiente, si la cantidad de
periodos promediados=2, si el nmero de periodos promediados=4, y
si la cantidad de periodos promediados=6.
b. Cul de estos pronsticos, con base en la desviacin media absoluta,
despliega mayor precisin de pronstico a lo largo de los ltimos seis
trimestres de datos histricos?
RESPUESTA
a.
Pronostico con cantidad de periodos promediados = 2
F13=
Trimestr
e
Auditore
s
1
2
3
4
5
6
7
8
9
10
11
12
132
139
136
140
134
142
140
139
135
137
139
141
A12 + A 11
n
Pgina 52

F13=
141+139
2
F13=140
F13=
A12 + A 11 + A 10+ A 9
n
F13=
141+139+137+135
4
Trimestr
e
Auditore
s
1
2
3
4
5
6
7
8
9
10
11
12
132
139
136
140
134
142
140
139
135
137
139
141
F13=138
Trimestr
e
Auditore
s
1
2
3
4
5
132
139
136
140
134
Pgina 53

6
7
8
9
10
11
12
F13=
A12 + A 11 + A 10+ A 9+ A 8 + A 7
n
F13=
141+139+137+135+139+140
6
142
140
139
135
137
139
141
F13=138.5
b.
MAD=
Desviacion Absoluta Total

n
Desviacion Absolut a Total= ( Demanda realDemanda pronosticada)

A
o
Trimes
tre
Audito
res
1
2
3
4
1
132
139
136
140
134
135.5
137.5
138
142
137
140
138
136.7
5
137.2
5
138
4
1
139
135
141
139.5
139
138.7
2
perio
dos
4
perio
dos
6
period
os
Desviac
ion
2
periodo
s
Desvia
cion 4
period
os
Desvia
cion 6
period
os
137.16
667
138.5
138.5
2
4.5
0
3.75
2.83333
33
0.5
3.5
Pgina 54

137
137
139
136
141
138
5
139
137.7
5
137.5
138.33
333
137.83
333
138.66
667
Desviac
in
absolut
a total
MAD
1.25
3.5
14.5
12.5
2.41666
667
2.08333
33
1.33333
3
1.16666
67
2.33333
33
11.6666
66
1.94444
44
Con base a la desviacin media absoluta a lo largo de los ltimos 6 trimestres

de datos histricos se obtiene que el ms preciso es aquel que se realiz con
periodos promediados =6, ya que al igual que el erros estndar, mientras
ms bajos sean los valores obtenidos, el modelo de pronsticos es mejor.
12.- Utilizando los datos del problema 2, determine si deber

utilizarse un numero de periodos promediados=1, una cantidad
de periodos promediados=2, o una cantidad de periodos
promediados=4 para desarrollar pronsticos de promedio mvil,
de forma que el MAD de los ltimos cuatro periodos se reduzca al
mnimo. Considerando el patrn de datos del pasado. por qu
se esperara que este valor de la cantidad de periodos nos diera
una precisin de pronostico mayor?
Pgina 55

13.- The Sporting Charge Company adquiere grandes cantidades

de cobre que se emplean en sus productos manufacturados. Bill
Bray est desarrollando un sistema de pronstico para los precios
del cobre. Ha acumulado estos datos histricos.
MES
1
2
3
4
5
6
7
8
PRECIO
COBRE/LIBRA $
0,99
0,97
0,92
0,96
0,93
0,97
0,95
0,94
DEL
MES
9
10
11
12
13
14
15
16
PRECIO
COBRE/LIBRA $
0,98
0,91
0,89
0,94
0,99
0,95
0,92
0,97
DEL
a. Utilice la suavizacin exponencial para pronosticar los precios

mensuales del cobre. Calcule cuales hubieran sido los pronsticos para
todos los meses de datos histricos con =0,1; =0,3 y =0,5 si para
todas las el pronstico del primer mes fue de 99 centavos de dlar.
Si
Ft=Ft 1+ (At 1Ft 1) Entonces:
Pgina 56

PRONSTICOS
MES PRECIO DEL COBRE/LIBRA $
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
0,99
0,97
0,92
0,96
0,93
0,97
0,95
0,94
0,98
0,91
0,89
0,94
0,99
0,95
0,92
0,97
=0,
1
0,990
0,990
0,988
0,981
0,979
0,974
0,974
0,971
0,968
0,969
0,963
0,956
0,955
0,958
0,957
0,954
=0,
3
0,990
0,990
0,984
0,965
0,963
0,953
0,958
0,956
0,951
0,960
0,945
0,928
0,932
0,949
0,950
0,941
=0,
5
0,990
0,990
0,980
0,950
0,955
0,943
0,956
0,953
0,947
0,963
0,937
0,913
0,927
0,958
0,954
0,937
=
MAD
MAD
=0,1
=0,3
=0,5
0,000
0,020
0,068
0,021
0,049
0,004
0,024
0,031
0,012
0,059
0,073
0,016
0,035
0,008
0,037
0,016
0,476
0,030
0,00
0,02
0,06
0,00
0,03
0,02
0,01
0,02
0,03
0,05
0,05
0,01
0,06
0,00
0,03
0,03
0,426
0,027
0,00
0,02
0,06
0,01
0,02
0,03
0,01
0,01
0,03
0,05
0,05
0,03
0,06
0,01
0,03
0,03
0,461
0,029
b. Qu valor de alfa () resulta a lo largo del perodo de 16 meses en

una desviacin media absoluta ms baja?
La desviacin media absoluta ms baja se determina por:
MAD= Precio real delcobrePrecio pronosticado

Dato que ya se encuentra registrado en la tala anterior y muestra que:
El =0,3 tiene una desviacin media absoluta de 0,027 siendo sta las
ms baja de las tres pues MAD 0,1= 0,03 y MAD 0,5=0,029
c. Utilizando el alfa () del inciso b pronostique el precio del cobre para el
mes 17.
Para el =0,3 el pronstico es:
Ft=Ft 1+ (At 1Ft 1)

Ft=0,941+ 0,3(0,970,941)
Ft=0,949 0,95
Pgina 57

15.-En el problema 8, si se utiliza una constante de suavizacin de 0.25 y el

pronstico de suavizacin exponencial de la semana 11 fue de 170.76 unidades,
Cul es el pronstico de suavizacin exponencial correspondiente a la semana
13?
SEMANAS
DEMANDA
REAL
(UNIDADES
)
169
227
176
171
163
157
213
175
178
158
188
169
166
1
2
3
4
5
6
7
8
9
10
11
12
13
=0.25
170.76
175.07
173.55
SEMANA 12
Ft =F (t 1 )+( A (t1 )F(t1) )
Ft =170.76+0.25 (188170.76)
Ft =175.07 unidades
SEMANA 13
Ft =F (t 1 )+( A (t1 )F(t1) )
Ft =175.07+0.25 (169175.07)
Ft =173.55 unidades
16.En los problemas 8 y 15, Cul seria el mtodo de

pronostico preferido: el mtodo de
promedios mviles con
Pgina 58

cantidad de periodos promediados =3, o el mtodo de

suavizamiento exponencial, con =0.25 ? el criterio para elegir
entre los mtodos es la desviacin media absoluta a lo largo de
las nueve semanas mas recientes. Suponga que el pronstico de
suavizamiento exponencial para la semana 3 es la misma que la
demanda real
Promediados =3
Demand Pronostico Desviaci

Semanas a
=3
on
1
169
2
227
3
176
4
171
190,667
19,667
5
163
191,333
28,333
6
157
170,000
13,000
7
213
163,667
49,333
8
175
177,667
2,667
9
178
181,667
3,667
10
158
188,667
30,667
11
188
170,333
17,667
12
169
174,667
5,667
Desviacin Total
Absoluta
170,667
Desviacin Media
Absoluta
1.70
13
14
15
169
169
169
171,667
175,333
169,000
Pgina 59

250
200
150
100
50
0
0
Con
10
12
14
16
=0.25
Demand Pronostic Desviaci

Semanas a
o =0,25 n
1
169
169
0
2
227
169
58
3
176
170,75
5,25
4
171
172,06
1,06
5
163
172,04
9,04
6
157
169,78
12,78
7
213
166,58
46,42
8
175
178,19
3,19
9
178
177,39
0,61
10
158
177,54
19,54
11
188
172,66
15,34
12
169
176,49
7,49
Desviacin Total
Absoluta
178,718
Desviacin Media
Absoluta
1.78
13
14
15
169
169
169
174,620
173,215
172,161
Pgina 60

250
200
150
100
50
0
0
10
12
14
16
El mtodo de pronostico preferido es el mtodo de suaviza miento

exponencial con
=0.25
ya que es el mejor se adapta al estudio de los
componente de CRT 5922
17.- Utilizando los datos del problema dos, determonar si para

desarrollar pronosticos de suavizamiento exponenial deberia
utilizarse una constante de suavizamiento exponencial = 0.1,
= 0.5, = 0.9 de forma que MAD quede minimizado a lo largo
de ocho periodos. Suponga que el periodo del primer periodo es
de 565. Por que se habria previsto que este valor de tendria la
mejor presicion del pronostico.
AO
NACIMIENTO
S
PRONOSTICO
= 0.1
= 0.5
= 0.9
MAD
= 0.1
Pgina 61
= 0.5
= 0.9

1
2
3
4
5
6
565
590
583
597
615
611
565
565
567,5
569,05
571,845
576,1605
565
565
565
566,25
567,65
569,7475
610
572,954
623
579,6444
5
582,6800
05
576,2992
25
565
565
565
565
565,625
566,637
5
568,192
5
570,573
25
MAD
MAD
0
25
15,5
27,95
43,155
34,8395
0
25
18
30,75
47,35
41,2525
0
25
18
32
49,375
44,3625
30,35555
37,046
41,8075
40,31999
5
217,1200
45
27,14000
56
46,70077
5
246,0992
75
30,76240
94
52,42675
262,9717
5
32,87146
88
EL INDICE DE RESPUESTA DESEADO () DE 0.1 ES LA MEJOR CONSTANTE DE

SUAVIZACION DE LOS TRES. YA QUE NOS DA EN PROMEDIO LA MENOR
DESVIACION ABSOLUTA A COMPARACION CON LA =0.5, =0.9
18.- Utilice los datos del problema 2 para desarrollar un

pronstico para el ao 9, utilizando el modelo de suavizacin
exponencial con tendencia. Inicie su anlisis en el ao 4; FT=
497, T4= 7, = 0.4 y = 0.3
AO
1
2
3
4
5
6
7
8
9
NACIMIEN
TO
565
590
583
597
615
611
610
623
Tt
=0,30
Ft
=0,40
FITt
7,00
18,16
24,84
25,38
22,54
19,70
497,00
541,20
581,62
608,27
624,19
637,24
504,00
559,36
606,45
633,65
646,74
656,94
19. Utilice los datos del problema 3 para desarrollar un pronstico

para el ao 7 utilizando el modelo de suavizacin exponencial
con tendencia. Indique su anlisis en el ao 1 y suponga que
=0.3 y =0.2. Estime FT1 y T1 como en el ejemplo 3.7.
Pgina 62

FT 1= A1 =2.4
T1=
A 6 A1
=7.2
5
A
O
INGR.
VENTAS
(MILLONE
S)
At
2,4
5,9
15,5
27,8
35,9
38,1
A
O
INGR.
VENTAS
(MILLONE
S)
At
2,4
5,9
15,5
27,8
35,9
38,1
FTt
2.4
9.6
15.
7
22.
6
31.
1
39.
8
Tt1
+ (At
0.3(2.
+ 4
0.3(5.
+ 9
0.3(1
+ 5.5
0.3(2
+ 7.8
0.3(3
+ 5.9
0.3(3
+ 8.1
FTt
- )
2.4
- )
9.6
- )
15.
- 7)
22.
- 6)
31.
- 1)
39.
- 8)
+ (FTt
= St
= 2.4
8.4
= 9
15.
= 6
24.
= 2
32.
= 5
39.
= 3
FTt
- -1)
Tt- 1)
= Tt
7.2
7.2
7.2
6.9
8
6.9
7.2
2
0.2(9.
6
0.2(15
.7
0.2(22
.6
0.2(31
.1
0.2(39
.8
- 2.4
- 7.2
- 9.6
15.
- 7
22.
- 6
31.
- 1
- 7.2
6.9
- 8
- 6.9
7.2
- 2
= 7.2
=
6.9
8
= 6.9
=
7.2
2
= 8.7
INGR.
VENTAS
Pgina 63

A
O
(MILLONE
S)
At
1
2
2,4
5,9
15,5
27,8
35,9
38,1
St1
2.4
8.4
9
15.
6
24.
2
32.
5
39.
3
+ Tt-1
+ 7.2
+ 7.2
+ 6.98
+ 6.9
+ 7.22
+ 8.7
= FTt
= 2.4
= 9.6
15.
=
7
22.
=
6
31.
=
1
39.
=
8
= 48
20.-General Computer Services (GCS) suministra en la regin de

Seattle, Washington, servicios de cmputo a pequeos
fabricantes, bajo pedido. Los trabajos generalmente incluyen
procesamientos rutinarios de datos y de cmputo para aumentar
el aprovechamiento de las computadoras en las instalaciones de
los clientes. Un analista de produccin de GCS ha desarrollado
una ecuacin de regresin lineal que estima el nmero de horas
de facturacin de una orden de servicio:
Y =19.0+ 0.075 X 1+5.95 X 2+25.5 X 3
Dnde:
Y = Cantidad de horas de facturacin por orden de servicio

X 1= Cantidad de rdenes en el pasado del cliente durante los ltimos
cinco aos
X 2= Numero de la semana en el mes cuando se recibi la orden (1, 2, 3,

4)
X 3= Inverso del nmero de empleados de servicio de computacin en las

instalaciones del cliente
Pgina 64

R2= 0.89
a. Estime la cantidad de horas de facturacin requeridas en la siguiente
X 1=150 ,
X 2= 2, y
b. Cul es el significado de
R =0.89 ?
orden, donde
X 3=5 .
RESPUESTA:
a.
Y =19.0+ 0.075(150)+5.95 (2)+25.5(5)

Y =19+11.25 +11.9+127.5
Y =169.65
b.
El coeficiente de determinacin
R2
es un parmetro que permite decidir si
el ajuste lineal es suficiente o se deben buscar modelos alternativos, en este

caso el valor de 0.89 expresa que el 89% de la variacin total de la variable
dependiente y queda explicada por x o por la lnea de tendencia
22. La Burling Company ha observado que sus ventas mensuales

parecen estar relacionadas con el nmero de vendedores que
contrata, con la cantidad gastada por publicidad y con el precio
de su producto. Ha desarrollado un modelo de pronsticos de
ventas de regresin mltiple.
Y =12.348+657 X 1+ 0.469 X 2240 X 3
Dnde:
Y =
Cantidad de unidades vendidas en un mes
X 1 = cantidad de vendedores contratados

X 2= Monto de dlares desembolsado en publicidad en un mes
Pgina 65

X 3= Precio cargado por una unidad de producto

El gerente de ventas de Burling desea un pronstico de ventas para el mes
siguiente, si se utilizan 17 vendedores, se desembolsan 21 mil dlares en
publicidad y el precio se fija en 31.99 dlares.
a) Utilice un modelo de pronstico de regresin mltiple para desarrollar
un pronstico para el nmero de unidades del producto que se
vendern el mes siguiente.
b) Explique sus supuestos implcitos en su pronstico.
a)
Y =12.348+657 (17)+0.469(21000)240( 31.99)

Y =13352.748
Para el siguiente mes luego de obtener un pronstico de regresin lineal
mltiple se obtiene un valor de 13352.748 unidades vendidas
b)
Mientras exista una mayor cantidad de vendedores a la ves tambin se
desembolsar mayor cantidad de dlares en publicidad para lo cual mediante
el pronstico se quiere establecer que exista una disminucin en el precio
cargado por cada unidad la misma que permite una menor dificultad en el
instante de pronosticar y obtener una mayor ganancia en la cantidad de
unidades que se venden al mes.
23.-De los datos del problema 2:

a. Calcule el error estndar del pronstico.
b. Determine los lmites de confianza superior e inferior que se
pueden estimar para el pronstico del ao 11 si se utiliza
un nivel de significancia de 0.01.
Datos:
x
1
2
3
4
5
6
y
565
590
583
597
615
611
x^2
1
4
9
16
25
36
xy
565
1180
1749
2388
3075
3666
Pgina 66
y^2
319225
348100
339889
356409
378225
373321

suma
7
8
36
610
623
4794
49
64
204
4270
4984
21877
a= 566,68
b=7,24
Para el ao 11
y=566,68+7,24(11)
y= 646,32
Solucin
a.
Syx=
Syx=
y 2aybxy
n2
3351230, 433
Syx= 1830,636
b.
Limite superior
Ls= YL1 + t Syx
Ls= 646,32 + (0.01) 1830,636
Ls= 664,626
Limite inferior
Li= YL1 +-t Syx
Li= 646,32 - (0.01) 1830,636
Li=628,013
Pgina 67
372100
388129
229824
36

680
Ls
660
640
620
Li
600
580
Limites
560
540
520
500
0
10
12
24.- De los datos del problema 3.

Cul es el rango del
pronstico para el ao siguiente si solo utiliza un intervalo de
confianza del 95%?
Integrated Products Coporation (IPC) necesita estimar sus ventas
del prximo ao. La siguiente tabla contiene los ingresos de la
lnea de computadoras XT de la empresa de los ltimos seis aos.
Ao
1
2
3
4
5
6
Ingreso de ventas (millones de

dlares)
2.4
5.9
15.5
27.8
35.9
38.1
a. Suponiendo que los datos de ventas arriba citados sean

representativos de las ventas que se esperan el ao siguiente, utilice
un anlisis de regresin de serie tiempo para pronosticar los ingresos
por ventas de ese ao (ao 7)
x
y
xy
y2
x
Pgina 68

1
2
3
4
5
6
21
2,4
5,9
15,5
27,8
35,9
38,1
125,6
2,4
11,8
46,5
111,2
179,5
228,6
580
1
4
9
16
25
36
91
5,76
34,81
240,25
772,84
1288,81
1451,61
3794,08
x 2 y x xy
( 91125.6 )(21580)
a=
a=
a=7.146
2
2
( 691 )(21)2
n x ( x)
b=
n xy x y
n x 2 ( x )
b=
( 6580 )( 21125.6 )
b=8.022
( 691 )( 21 )2
Y =a+bx Y =7.146+8.022 x
El pronstico para el ao 7 es: 49
b. Determine el coeficiente de correlacin de los datos e interprete su
significado
n y 2( 2)
r n x 2( 2)
n xy x y
Pgina 69

6(3794.08)(125.6 )
6 (91)(21 2 )
( 6 ) ( 580 )(21)(125.6)
r=
r=0,98
Los aos con los ingresos son directamente proporcionales, es decir conforme
aumentan los aos, los ingresos tambin lo hacen
c. Determine el coeficiente de determinacin de los datos e interprete su
significado
r 2=0.97
Existe un alto grado de confiabilidad en los resultados obtenidos por el
pronstico
RANGO DEL PRONSTICO CON UN NIVEL DE CONFIANZA DEL 95%
S xy =
y 2 a yb xy
S xy =
3794.08(7.146 )( 125.6 ) 8.022(580)

4
n2
S xy =3.1630
Df= 6-2=4
limite superio r=Yl 1+ tSxy

limite inferior=Yl 1tSxy
Pgina 70

limite superior=49+ ( 2.447 ) ( 3.1630 )

limite inferior=49(2.447)(3.1630)
limite superior=56.7399
limite inferior=41.2601
25.- De los datos del problema 5;

a.- Si usted todava no lo ha hecho, calcule el pronstico de los
ingresos por venta de IPC para el ao que viene.
b.- Cul es el rango de modelo de pronstico de ingresos de
ventas de IPC para el ao que viene si se utiliza un nivel de
significancia de 0.01% (un intervalo de confianza de 99%)?
Ingresos por ventas Ingresos por ventas
de PC XT
de PC en toda la
(millones
de Industria (miles de
dlares)
millones de dlares)
2.4
4.6
5.9
8.6
1505
10.7
27.8
14.8
35.9
18.5
38.1
19.4
Ao
1
2
3
4
5
6
Regresin de mnimos cuadrados para pronosticar el ao siguiente.

n
Ao
(x)
Ingresos
por ventas
de PC XT
(millones
de
dlares)
(y)
Ingresos
x^2
por
ventas
de PC en
toda
la
Industria
(miles de
millones
de
dlares)
y^2
x*y
Pgina 71

1
2
3
1
2
3
2,40
5,90
15,50
4,60
8,60
10,70
1,00
4,00
9,00
2,40
11,80
46,50
16,0
0
25,0
0
36,0
0
91,0
0
5,76
34,81
240,2
5
772,8
4
1288,
81
1451,
61
3794,
08
27,80
14,80
35,90
18,50
38,10
19,40
SUM
A=
21,0
0
125,60
76,60
20,93
a=
-7,15
Y = -7,12 -8,02x
X
media
111,20
179,50
3,50
228,60
580,00
X
media^2
12,25
b=
8,02
n
7
8
9
10
Ao
Y7 =
Y8 =
Y9 =
Y10 =
Pronstico
49,01
57,04
65,06
73,08
b) El rango de modelo de pronstico de ingresos de ventas de IPC para el ao

que viene si se utiliza un nivel de significancia de 0.01% (un intervalo de
confianza de 99%).
Ao (x)
Ingresos
por ventas
de PC en
toda
la
Industria
(miles
de
millones de
dlares)
1
2
3
1
2
3
4,60
8,60
10,70
Ao
Pronsti
Pgina 72

4
5
6
FITt1=
=
Ft =
Tt-1
=
4
5
6
14,80
18,50
19,40
Y7 =
co
49,01
19,40
0,01
49,01
6,296
Tt = 1
27 un fabricante de computadoras desea desarrollar los

pronsticos trimestrales de los ingresos por ventas del ao
siguiente de su lnea de computadoras personales. La empresa
cree que los ocho trimestres ms recientes de ventas deben ser
representativos de las ventas del prximo ao:
Utilice el anlisis de regresin de series de tiempo estacionalizadas para

desarrollar un pronstico de los ingresos por ventas que viene para la lnea
de computadoras personales.
ao
trimest
re
1
1
1
1
1
2
3
4
ventas(millo
nes
de
dlares
9,2
5,4
4,3
14,1
ao
trimest
re
ventas(millones
de dlares
2
2
2
2
1
2
3
4
10,3
6,4
5,4
16
trimestres
Pgina 73

ao
1
2
1
9,2
10,3
19,5
9,75
2
5,4
6,4
11,8
5,9
3
4,3
5,4
9,7
4,85
4
14,1
16
30,1
15,05
33
38,1
71,1
35,55
promed
io
I=suma de todos los datos dividido para el numero de datos
I=8,8875
Id= promedio/I
ndice
estacio
nario
1,0970
4641
0,6638
5373
0,5457
1027
1,6933
8959
Nuevo=demanda real/ndice
datos desestacionalizados
a 1
2
3
o
1
8,386153 8,134322 7,879639
85
03
18
2
9,388846 9,640677 9,895360
15
97
82
Regresin Lineal
trimestre
ventas "Y"
"X"
1
8,38615385
4
8,326495
02
9,448504
98
xy
8,38615385
70,32757
63
66,16719
5
62,08871
35
69,33051
93
88,15043
21
92,94267
16
97,91816
59
89,27424
8,13432203
16,2686441
7,87963918
23,6389175
8,32649502
16
33,3059801
9,38884615
25
46,9442308
9,64067797
36
57,8440678
9,89536082
49
69,2675258
9,44850498
64
75,5880399
Pgina 74

36
71,1
20
4
64
636,1995
2
2559,6
12
10
f(x) = 0.27x + 7.68
R = 0.71
8
6
Linear ()
4
2
0
0
x 2 y x xy
a=
2
n x 2 ( x )
b=
n ( xy ) x ( y)
n x 2( x )
Y=ax+b
a
0,2689
b=
7,6775
Y= 0,2689x+7,6775
pronostico
estacionalizado
pronostico
ndice
trimestre "X"
a
o
10
11
1
1
ventas "Y"
estacional
1,097046
8,38615385 10,0976 41
0,663853
8,13432203 10,3665 73
7,87963918 10,6354 0,545710
estacionaliza
do
11,0775359
6,88183966
5,80384698
Pgina 75

12
8,32649502 10,9043
13
9,38884615 11,1732
14
9,64067797 11,4421
15
9,89536082 11,711
16
9,44850498 11,9799
27
1,693389
59
1,097046
41
0,663853
73
0,545710
27
1,693389
59
18,4652281
12,257519
7,59588073
6,39081294
20,286638
Todos los datos con estacionalidad

x
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
y
9,2
5,4
4,3
14,1
10,3
6,4
5,4
16
11,07753
59
6,881839
66
5,803846
98
18,46522
81
12,25751
9
7,595880
73
6,390812
94
20,28663
8
Pgina 76

25
20
15
10
5
0
0
10
12
14
16
18
28.-) U
n distribuidor de tractores ha estado operando durante
tres aos y medio y necesita estimar las ventas del ao que vine.
Las ventas de los aos pasados han tendido a ser estacionales
como se observa a continuacin.
Ao
1
2
3
4
5
Ventas trimestrales (nmero de productos)

Q1
Q2
Q3
49
55
60
63
72
88
93
114
135
149
Q4
32
41
44
49
a.-) Desarrolle pronsticos para los siguientes cuatro trimestres.

Ventas
trimestrales
(nmero
de
productos)
Q1
Q2
Q3
Q4
Total anual
1
0
0
0
32
32
2
49
72
114
41
276
3
55
88
135
44
322
4
60
93
149
49
351
5
63
0
0
0
63
Totales
227
253
398
166
1044
Promedio Trimestral 45,4
50,4
79,6
33,2
52,2
Indice
de 0,87
0,97
1,52
0,64
Ao
Pgina 77

Estracionalidad
Ao
1
2
3
4
5
Datos
trimestrales
desestacionalizados
Q1
Q2
Q3
0
0
0
56,32
74,23
75,00
63,22
90,72
81,82
68,97
95,88
98,03
72,41
0
0
Periodos
Ao 1
Ao 1
Ao 1
Ao 1
x
1
2
3
4
y
0
0
0
50
Ao 2
56,32
Ao 2
Ao 2
6
7
74,23
75
Ao 2
64,06
Ao 3
63,22
Ao 3
10
90,72
Ao 3
11
81,82
Ao 3
12
68,75
Ao 4
13
68,97
Ao 4
14
95,88
Ao 4
15
98,03
Ao 4
16
76,56
17
18
19
72,41
0
0
Ao 5
Ao 5
Ao 5
ajustados
Q4
50
64,06
68,75
76,56
0
y^2
0
0
0
2500
3171,942
4
5510,092
9
5625
4103,683
6
3996,768
4
8230,118
4
6694,512
4
4726,562
5
4756,860
9
9192,974
4
9609,880
9
5861,433
6
5243,208
1
0
0
Pgina 78
x^2
1
4
9
16
xy
0
0
0
200
25
281,6
36
49
445,38
525
64
512,48
81
568,98
100
907,2
121
900,02
144
825
169
896,61
196
1342,32
225
1470,45
256
1224,96
289
324
361
1230,97
0
0

Ao 5
Totales
20
210
1035,97
0
79223,03
85
400
2870
11330,97
x 2 y x xy
2
n x 2 ( x )
a=
a=
2870 ( 1035,97 ) 210(11330,97)

20 ( 2870 )( 210 )2
a=44,64
xy x y
2
n x 2( x )
b=
b=
20 ( 11330,97 )210(1035,97)
20 ( 2870 )( 210 )2
b=0,682
Y =a+bx Y =44,64+0,682 x
Pronsticos descentralizados para los siguientes 4 trimestres:
Y 21=44,64 +0,682(21)
Y 22=44,64 +0,682(22)
Y 23=44,64+0,682(23)
Y 24=44,64+ 0,682(24)
Trimestres
IE
Q1
Q2
Q3
Q4
0,87
0,97
1,52
0,64
Y 21=58,962
Y 22=59,644
Y 23=60,326
Y 24=61,01
Pronsticos
Descentralizados
58,962
59,644
60,325
61,01
Pgina 79
Pronsticos
Estacionalizados
51,3
57,86
91,69
39,05

30. El siguiente es el nmero de cajas de vino merlot vendidos

en la vinatera Connor Owen en un perodo de 8 aos.
Estime el valor de uniformidad calculado a fines de 2001, usando un modelo

de suavizacin exponencial con un valor alfa de 0.20. Use la demanda
promedio de 1998 a 2000 conforme su pronstico inicial.
DEMANDA
REAL
PRONSTICO()
AOS
1998
1999
(UNIDADES)
270
356
0,20
270,000
270,000
2000
398
287,200
2001
2002
456
358
309,360
338,688
2003
2004
2005
500
410
376
342,550
374,040
381,232
DESVIACIN
TOTAL
MAD
PROMEDIO(19982000)
MAD
341,3333
68,2667
MAD
=
0,20
0,000
86,000
110,80
0
146,64
0
19,312
157,45
0
35,960
5,232
ABS. 561,39
4
70,174
Pgina 80

Deber Final Presentar

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Deber Final Presentar

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TCNICA DE AMBATO

FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E INDUSTRIAL

INTEGRANTES: LISSETTE FALCN

ING. JOHN REYES

UNIVERSIDAD TCNICA DE AMBATO

a) Usando un promedio mvil ponderado con pesos de 0.60, 0.30 y 0.10,

Fjulio=150,6+ 160,3+ 120,1

abril +mayo+ junio

UNIVERSIDAD TCNICA DE AMBATO

Ft=Ft 1+ (At 1Ft 1)

UNIVERSIDAD TCNICA DE AMBATO

f(x) = 0.77x + 10.8

4. Zeus Computer Chip. Inc., tena contratos importantes para

UNIVERSIDAD TCNICA DE AMBATO

Use la tcnica de la descomposicin para pronosticar los cuatro trimestres de

Total Suma Anual

Total Suma Anual

UNIVERSIDAD TCNICA DE AMBATO

Desestacionalizacion de los datos dividiendo el valor de cada periodo para el

3902.60 3942.77 3829.04

UNIVERSIDAD TCNICA DE AMBATO

650 ( 37400 ) 78(219041)

5. Los datos de ventas de 2 aos son los siguientes. Los datos

UNIVERSIDAD TCNICA DE AMBATO

a) Trace la grfica ca.

UNIVERSIDAD TCNICA DE AMBATO

6. Las seales de seguimiento calculadas con el historial de la

UNIVERSIDAD TCNICA DE AMBATO

TS1: Dado que se ha producido un rpido aumento de la tendencia, la

UNIVERSIDAD TCNICA DE AMBATO

Por lo tanto, el modelo de pronstico es pobre

TS 2: Esto est dentro de los lmites. Por lo tanto, el pronstico es aceptable.

UNIVERSIDAD TCNICA DE AMBATO

TS 3: Esta serie est aumentando rpidamente, y se encuentra fuera de los

9. No todos los artculos de su tienda de artculos de papelera

Con un promedio mvil de tres semanas, cul sera su pronstico para la

F5 = (700 + 600 + 400)/3 = 567

UNIVERSIDAD TCNICA DE AMBATO

F4= 350 + (0 .20*(600 350) )

11. A continuacin se da la demanda tabulada actual de un

a) Pronostique de abril a septiembre con un promedio mvil a tres meses.

UNIVERSIDAD TCNICA DE AMBATO

b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de

El mtodo para ver cual result mejor en el periodo es mediante

12.-Se aplic cierto modelo de pronstico para anticipar un

UNIVERSIDAD TCNICA DE AMBATO

Encuentre la seal de seguimiento y diga si cree que el modelo usado da

UNIVERSIDAD TCNICA DE AMBATO

UNIVERSIDAD TCNICA DE AMBATO

13.-Harlen Industries tiene un modelo de pronstico simple: se

a) Calcule el pronstico con suavizacin exponencial simple de estos

UNIVERSIDAD TCNICA DE AMBATO

a) Para el mes 8, el MAD es 23,75

14. La tabla siguiente contiene la demanda de los ltimos 10

UNIVERSIDAD TCNICA DE AMBATO

Calcule el pronstico con suavizacin exponencial simple de estos datos con

F3= F2 + ( (A2 F2))

F3= 31+ (0 .30*(34 31))

F8= 34.77+(0 .30*(38

F4= 31.90+ (0 .30*(33 31.90)

F9= 35.74+(0 .30*(40

F5=32.23+(0 .30*(35 32.23) )

F10= F9+ ( (A9 F9) )