Problemas de Pronosticoschm-2

EJERCICIOS DE PRONSTICOS
PROFESOR: CLAUDIA HAFELIN

Pgina 1

1-. LAS TEMPERATURAS MXIMAS DIARIAS EN LA CIUDAD DE TALCA EN F LA SEMANA PASADA
FUERON COMO SIGUE:
a) Pronosticar la temperatura mxima para hoy, utilizando un promedio mvil de tres das.

Da Temperatura
1 93
2 94
3 93
4 95
5 96
6 88
7 90

RESPUESTA
Da Temperatura Pronostico
1 93 -
2 94 -
3 93 -
4 95
93.333
5 96
94
6 88
94.667
7 90
93

b) Pronosticar la temperatura mxima para hoy, utilizando un promedio mvil de dos das.
Da Temperatura
1 93
2 94
3 93
4 95
5 96
6 88
7 90

RESPUESTA
Da Temperatura Pronostico
1 93

2 94

3 93 93.5
4 95 93.5
5 96 94
6 88 95.5
7 90 92

Pgina 2

c) Calcular la desviacin media absoluta basada en el promedio mvil de dos das.

Da Temperatura
1 93
2 94
3 93
4 95
5 96
6 88
7 90

RESPUESTA

Da Temperatura
Pronostico
prom. Movil 2
dias
Diferencia
absoluta
1 93
2 94
3 93 93.5 0.5
4 95 93.5 1.5
5 96 94 2
6 88 95.5 7.5
7 90 92 2

Mad 2.7


Pgina 3

2. PARA LOS DATOS QUE ESTN A CONTINUACIN, DESARROLLAR UN PRONSTICO DE PROMEDIOS
MVILES DE TRES MESES.
Mes
Ventas
acumuladas
para autos
Enero
20
Febrero
21
Marzo
15
Abril
14
Mayo
13
Junio
16
Julio
17
Agosto
18
Septiembre
20
Octubre
20
Noviembre
21
Diciembre
23

RESPUESTA

Mes
Ventas
acumuladas
para autos
Promedio
movil de
3 meses
Cantidad de
autos
redondeada
Enero
20

Febrero
21

Marzo
15

Abril
14
18.66667
19
Mayo
13
16.66667
17
Junio
16
14
14
Julio
17
14.33333
15
Agosto
18
15.33333
16
Septiembre
20
17
17
Octubre
20
18.33333
19
Noviembre
21
19.33333
20
Diciembre
23
20.33333
21


Pgina 4

3. CON LOS DATOS QUE SE DAN A CONTINUACIN, DESARROLLAR UN PRONSTICO DE DEMANDA DE
PROMEDIOS MVILES DE TRES AOS.
Ao Demanda
1 7
2 9
3 5
4 9
5 13
6 8
7 12
8 13
9 9
10 11
11 7

RESPUESTA

Ao Demanda Pronostico promedio movil de 3 aos
1 7
2 9
3 5
4 9
7
5 13
7.6666667
6 8
9
7 12
10
8 13
11
9 9 11
10 11
11.333333
11 7
11


Pgina 5

4. LOS DATOS RECOLECTADOS PARA LA DEMANDA DE COSTALES DE 50 LIBRAS DE SEMILLA DE PASTO
EN AGROSEMILLERIA SE MUESTRAN EN LA TABLA. DESARROLLAR UN PROMEDIO MVIL DE TRES
AOS PARA PRONOSTICAR LAS VENTAS. DESPUS DETERMINAR UNA VEZ MS LA DEMANDA CON UN
PROMEDIO MVIL PONDERADO EN EL CUAL A LAS VENTAS EN EL AO MS RECIENTE SE LES DA UN
PESO DE 2 Y A LAS VENTAS DE LOS OTROS DOS AOS SE LES DA UN PESO DE 1 A CADA UNA CUL ES
EL MTODO CREE QUE SEA MEJOR?
Ao
Demanda de
semillas de
pasto (en miles
de costales)
1 4
2 6
3 4
4 5
5 10
6 8
7 7
8 9
9 12
10 14
11 15

Ao
Demanda de
semillas de
pasto (en miles
de costales)
Promedio mvil 3
aos
Diferencia
absoluta
1 4
2 6
3 4
4 5 4.66666667 0.3333333
5 10 5 5
6 8 6.33333333 1.6666667
7 7 7.66666667 0.6666667
8 9 8.33333333 0.6666667
9 12 8 4
10 14 9.33333333 4.6666667
11 15 11.6666667 3.3333333
Mad movil 3 aos 2.5416667


Pgina 6

Ao
Demanda de
semillas de
pasto (en miles
de costales)
Promedio mvil 3
aos
Diferencia
absoluta
Promedio mvil
ponderado pesos:
1,1 y 2
Diferencia
absoluda
1 4
2 6
3 4
4 5 4.66666667 0.3333333 4.5
5 10 5 5 5 5
6 8 6.33333333 1.6666667 7.25 0.75
7 7 7.66666667 0.6666667 7.75 0.75
8 9 8.33333333 0.6666667 8 1
9 12 8 4 8.25 3.75
10 14 9.33333333 4.6666667 10 4
11 15 11.6666667 3.3333333 12.25 2.75
Mad movil 3 aos 2.5416667 Mad ponderado 2 2.31

RESPUESTA: La diferencia media absoluta es menor al pronosticar con el promedio movil ponderado,
por lo tanto este es mejor
5. DESARROLLAR UN PROMEDIO MVIL DE DOS Y DE CUATRO AOS PARA LA DEMANDA DE SEMILLAS
DE PASTO DEL PROBLEMA 4
RESPUESTA:
Ao
Demanda de
semillas de pasto
(en miles de
costales)
Promedio movil de
2 aos
Promedio movil de
4 aos
1 4
2 6
3 4 5
4 5 5
5 10 4.5 4.75
6 8 7.5 6.25
7 7 9 6.75
8 9 7.5 7.5
9 12 8 8.5
10 14 10.5 9
11 15 13 10.5


Pgina 7

6-.. EN LOS PROBLEMAS 4 Y 5, SE DESARROLLAN 4 DIFERENTES PRONSTICOS PARA LA DEMANDA DE
SEMILLAS DE PASTO. ESTOS 4 PRONSTICOS SON PROMEDIOS MVILES DE 2 AOS, PROMEDIOS
MVILES DE 3 AOS, UN PROMEDIO MVIL PONDERADO Y PROMEDIOS MVILES DE 4 AOS. CUL
UTILIZARA? EXPLICAR SU RESPUESTA.
AO
DEMANDA DE
SEMILLAS DE
PASTO (EN
MILES DE
COSTALES)
PROMEDIO
MOVIL DE 2
AOS
DIFERENCIA
ABSOLUTA
PROMEDIO MOVIL
DE 4 AOS
DIFERENCIA
ABSOLUTA
1 4
2 6
3 4 5 1
4 5 5 0
5 10 4.5 5.5 4.75 5.25
6 8 7.5 0.5 6.25 1.75
7 7 9 2 6.75 0.25
8 9 7.5 1.5 7.5 1.5
9 12 8 4 8.5 3.5
10 14 10.5 3.5 9 5
11 15 13 2 10.5 4.5

Mad movil 2
aos
2.22222222 Mad
Movil 4 aos
2.41666667
Mad movil 3
aos
2.5416667 Mad ponderado
2
2.31

RESPUESTA:De los mtodos mencionados el que tiene la menor diferencia en relacin con la demanda
real es el promedio movil de 2 aos.
7-. UTILIZAR LA SUAVIZACIN EXPONENCIAL CON UNA CONSTANTE DE SUAVIZACIN DE 0.3 PARA
PRONOSTICAR LA DEMANDA DE SEMILLAS DE PASTO DEL PROBLEMA 4. ASUMIR QUE EL PRONSTICO
DEL LTIMO PERIODO PARA EL AO 1 ES DE 5000 COSTALES PARA PRINCIPIAR EL PROCEDIMIENTO.
PREFERIRA UTILIZAR EL MODELO DE SUAVIZACIN EXPONENCIAL O EL MODELO DE PROMEDIO
PONDERADO DESARROLLADO EN EL PROBLEMA 4? EXPLICAR LA RESPUESTA.

Ao
Demanda de
semillas de pasto
(en miles de
costales) Suavizacin
Diferencia
absoluta
Promedio
mvil
ponderado
Diferencia
absoluta
1 4
5 1

2 6
4.7 1.3

3 4
5.09 1.09

4 5
4.76 0.24
4.5 0.5
5 10
4.83 5.17
5 5

Pgina 8

6 8
6.38 1.62
7.25 0.75
7 7
6.87 0.13
7.75 0.75
8 9
6.91 2.09
8 1
9 12
7.54 4.46
8.25 3.75
10 14
8.87 5.13
10 4
11 15
10.41 4.59
12.25 2.75
Mad: 2.44 mad 2.31

RESPUESTA: Como se puede observar el mtodo que tiene menor diferencia absoluta es el promedio
movil ponderado que se calcul en el problema 4
8-. UTILIZANDO LAS CONSTANTES DE SUAVIZACIN DE 0.6 Y 0.9, DESARROLLAR UN PRONSTICO
PARA LAS TEMPERATURAS. VASE EL PROBLEMA RESUELTO 1.

DA TEMPERATURA PRONOSTICO 0.6
DIFERENCIA
ABSOLUTA
0.9
DIFERENCIA
ABSOLUTA
1 93

2 94
3 93 93.5
4 95 93.20000 1.80000 93.05000 1.95000
5 96 94.28000 1.72000 94.80500 1.19500
6 88 95.31200 7.31200 95.88050 7.88050
7 90 90.92480 0.92480 88.78805 1.21195

Mad 0.6 2.35136 Mad 0.9 3.05936

9. QU EFECTO TUVO LA CONSTANTE DE SUAVIZACIN EN EL PRONSTICO? VASE EL PROBLEMA 1 Y
EL PROBLEMA 8. CUL CONSTANTE DE SUAVIZACIN OFRECE EL PRONSTICO MS EXACTO?
DA TEMPERATURA PRONOSTICO 0.6
DIFERENCIA
ABSOLUTA
0.9
DIFERENCIA
ABSOLUTA
1 93
2 94
3 93 93.5
4 95 93.20000 1.80000 93.05000 1.95000
5 96 94.28000 1.72000 94.80500 1.19500
6 88 95.31200 7.31200 95.88050 7.88050
7 90 90.92480 0.92480 88.78805 1.21195

Mad 0.6 2.35136 Mad 0.9 3.05936

La mejor constante de suavizacion es la de 0.6


Pgina 9

10. UTILIZAR UN MODELO DE PRONSTICO DE PROMEDIO MVIL DE TRES AOS PARA PRONOSTICAR
LAS TEMPERATURAS VASE EL PROBLEMA RESUELTO 1.
DIA TEMPERATURA
PRONOSTICO PROMEDIO
MOVIL
1 93
2 94
3 93
4 95 93.300
5 96 94.000
6 88 94.700
7 90 93.000

11. UTILIZANDO EL MTODO DE PROYECCIN DE TENDENCIA, DESARROLLAR UN MODELO DE
PRONSTICO PARA LAS TEMPERATURAS. VASE EL PROBLEMA RESUELTO 1
Utilizando las siguientes formulas:

Dia x Temperatura y X
2
Xy

1 93 1 93

2 94 4 188

3 93 9 279

4 95 16 380

5 96 25 480

6 88 36 528

7 90 49 630
Sumatoria: 28 649 140 2578
Promedio: 4 92.7142857
A= 95.2857143

B= -0.64285714

Sustituyendo estos datos en la ecuacin lineal:

Por lo tanto la ecuacin de la tendencia de los mnimos cuadrados es:

Pgina
10

En donde:

12. UTILIZARA LA SUAVIZACIN EXPONENCIAL CON UNA CONSTANTE DE SUAVIZACIN DE 0.3, UN
PROMEDIO MVIL DE 3 MESES, O TENDENCIA PARA PREDECIR LAS TEMPERATURAS? REFIRASE AL
PROBLEMA RESUELTO 1 Y LOS PROBLEMAS 10 Y 11.
Temperat
ura
Pron
ostic
o 0.3
Diferencia
absoluta
Promedio
movil 3 dias
Diferencia
absoluta
Ecuacion
tendencia
Diferencia
absoluta
93 94.6428572 1.64285716
94 94 0.00
93 93.5 93.3571429 0.35714288
95 93.35000 1.65000 93.3000 1.70000 92.7142857 2.28571426
96 93.84500 2.15500 94.0000 2.00000 92.0714286 3.9285714
88 94.49150 6.49150 94.7000 6.70000 91.4285715 3.42857146
90 92.54405 2.54405 93.0000 3.00000 90.7857143 0.78571432
Mad 0.3 3.21014
Mad prom
movil 3.35000 Mad ec
1.775510214
El modelo de tendencia es el que tiene menor diferencia con respecto al pronostico real, por lo tanto es
conveniente usar la ecuacin de tendencia

13-. LA DEMANDA PARA CIRUGA DE TRASPLANTE DE CORAZN EN EL HOSPITAL GENERAL HA
CRECIDO CONSTANTEMENTE EN LOS AOS PASADOS, COMO SE APRECIA EN LA SIGUIENTE TABLA:
EL DIRECTOR DE LOS SERVICIOS MDICOS PREDIJO HACE SEIS AOS QUE LA DEMANDA DEL AO 1
SERA DE 41 CIRUGAS.
a) USE LA SUAVIZACIN EXPONENCIAL, PRIMERO CON UNA CONSTANTE DE SUAVIZACIN DE 0.6
Y POSTERIORMENTE CON UNA DE 0.9, PARA DESARROLLAR PRONSTICOS PARA LOS AOS 2 A
6.
Ao
Cirugas
realizadas de
trasplante
de corazn
0.6 0.9
1 45
41.00000 41.00000
2 50
43.40000 44.60000
3 52
47.36000 49.10000
4 56
50.14400 51.71000
5 58
53.65760 55.57100
6 ?
56.26304 57.75710


Pgina
11

b) Utilice un promedio mvil de 3 aos para pronosticar las demandas de los aos 4, 5 y 6.
AO
CIRUGAS REALIZADAS DE
TRASPLANTE DE CORAZN
PROMEDIO
MVIL
1 45
2 50
3 52
4 56 49.0
5 58 52.7
6 ? 55.3

c) Use el mtodo de proyeccin de tendencias para pronosticar la demanda de los aos 1 a 6.

Ao
X
Cirugas realizadas
de trasplante de
corazn
Y
X
2
Xy Pronstico

1 45 1 45 45.8

2 50 4 100 49.0

3 52 9 156 52.2

4 56 16 224 55.4

5 58 25 290 58.6

6 61.8
Sumatoria 15 261 55 815

Promedio 3 52.2

A= 42.6 B= 3.2

d) Con mad como criterio, cul de los 4 sistemas anteriores de pronstico es el mejor
Ao
Cirugas
realizadas de
trasplante
de corazn
0.6 D.a. 0.9 D.a. Prom D.a. Tendencia D.a.
1 45
41.00000
4
41.00000 4.00000
45.800
0.800
2 50
43.40000
6.6
44.60000 5.40000
49.000
1.000
3 52
47.36000
4.64
49.10000 2.90000
52.200
0.200
4 56
50.14400
5.856
51.71000 4.29000
49.000
7.000
55.400
0.600
5 58
53.65760
4.3424
55.57100 2.42900
52.700
5.300
58.600
0.600

Mad 5.08768 Mad 3.80380 Mad
6.15 Mad
0.64
El mejor sistema para pronosticar en este caso es tendencia, ya que es el que menor diferencia tiene.


Pgina
12

14-.UN CUIDADOSO ANLISIS DEL COSTO DE OPERACIN DE UN AUTOMVIL FUE HECHO POR UNA
EMPRESA. SE DESARROLLO EL SIGUIENTE MODELO:
Y = 4000 + 0.20 x
Donde:
Y = costo anual
X= millas manejadas
a) Si un automvil se maneja 15,000 millas este ao, cul es el costo de operacin pronosticado
para este automvil?

Y = 4000 + 0.20 (15,000)
Costo de operacin: $ 7,000.00

b) Si un automvil se maneja 25,000 millas este ao, cul es el costo de operacin pronosticado
para este automvil?

Y = 4000 + 0.20 (25,000)

Costo de operacin: $ 9,000.00

c) Suponga que un automvil se manejo 15 mil millas y el costo anual de operacin fue de
$6,000.00, mientras que un segundo automvil se manejo 25,000 millas y el costo de operacin
real fue de $10,000.00. Calcule la desviacin media absoluta.

Millas Costo real Pronostico Diferencia
15,000 6,000 7,000 1,000
25,000 10,000 9,000 1,000
Mad 1,000

15-.CON LOS SIGUIENTES DATOS UTILICE LA SUAVIZACIN EXPONENCIAL (=0.2) PARA DESARROLLAR
UN PRONSTICO DE DEMANDA. ASUMA QUE EL PRONSTICO PARA EL PERIODO INICIAL ES DE 5.
Periodo Demanda
0.2
1 7
5
2 9
7.4
3 5
9.32
4 9
4.136
5 13
9.9728
6 8
13.60544


Pgina
13

Calcular a) mad, b) mse, c) mape para el siguiente pronostico contra los nmeros de ventas
reales

Pron
stic
o
Real D.a.
100 95 5

110 108 2
120 123 3
130 130 0

mad 2.5

Mse
6.25

Mape
1
250.00
%
<--se calculo: sumatoria de la diferencia absoluta, expresada como
porcentaje de el no. De valores observados (en este caso 4 valores).

Mape
2
2.19%
<--se calculo: sumatoria de la diferencia absoluta, expresada como
porcentaje con respecto a la sumatoria de los valores observados (en este
caso la sumatoria es 45).

16-.CON LOS SIGUIENTES DATOS, UTILICE LA REGRESIN POR MNIMOS CUADRADOS PARA DERIVAR
UNA ECUACIN DE PRONSTICO. CUL ES SU ESTIMADO DE LA DEMANDA PARA EL PERIODO 7?
UTILIZANDO LAS FORMULAS:

Periodo x Demanda y X
2
Xy

1 7 1 7

2 9 4 18

3 5 9 15

4 11 16 44

5 10 25 50

6 13 36 78
Sumatoria 21 55 91 212
Promedio 3.5 9.16666667

A=
5.26666667
B=
1.11428571


Pgina
14

( ) ()
( )

17-.CON LOS SIGUIENTES DATOS, UTILICE LA REGRESIN POR MNIMOS CUADRADOS PARA
DESARROLLAR LA RELACIN ENTRE EL NMERO DE DAS CON LLUVIA EN VERANO Y EL NMERO DE
JUEGOS PERDIDOS POR EL EQUIPO DE FUTBOL UCEN.

AO
DAS CON
LLUVIA EN
VERANO
X
JUEGOS
PERDIDOS
POR LOS
UCEN
Y
X
2
XY
1984 15 25
225 375
1985 25 20
625 500
1986 10 10
100 100
1987 10 15
100 150
1988 30 20
900 600
1989 20 15
400 300
1990 20 20
400 400
1991 15 10
225 150
1992 10 5
100 50
1993 25 20
625 500
Sumatoria 180 120 3700 3125
Promedio 18 16
A=
6.41304348
B=
0.5326087

En la siguiente ecuacin se presenta la relacin entre la cantidad de das con lluvias y el nmero
de partidos ganados por los UCEN:

18-.LAS VENTAS DE ASPIRADORAS INDUSTRIALES HOSCAR, EN LOS LTIMOS 13 MESES SE MUESTRAN
A CONTINUACIN.

a) Utilizando un promedio mvil con tres periodos, determinar la demanda de aspiradoras
para el prximo febrero.


Pgina
15

MES
VENTAS (EN
MILES)
PRONOSTICO
PROMEDIO
MOVIL
Enero 11
Febrero 14
Marzo 16
Abril 10
13.6666667
Mayo 15
13.3333333
Junio 17
13.6666667
Julio 11
14
Agosto 14
14.3333333
Septiembre 17
14
Octubre 12
14
Noviembre 14
14.3333333
Diciembre 16
14.3333333
Enero 11
14
Venta
pronosticada
para el mes
de :
Febrero 13.6666667

b) USANDO UN PROMEDIO MVIL PONDERADO CON TRES PERIODOS, DETERMINAR LA
DEMANDA DE ASPIRADORAS PARA FEBRERO. USAR 3,2 Y 1 PARA LOS PESOS DE LOS
PERIODOS MS RECIENTE, SEGUNDO MS RECIENTE Y TERCERO MS RECIENTE,
RESPECTIVAMENTE. POR EJEMPLO, SI SE ESTUVIERA PRONOSTICANDO LA DEMANDA
PARA FEBRERO, NOVIEMBRE TENDRA UN PESO DE 1; DICIEMBRE TENDRA UN PESO DE
2; Y ENERO TENDRA UN PESO DE 3.

Mes
Ventas (en
miles)
Promedio
movil
ponderado
Enero 11

Febrero 14

Marzo 16

Abril 10
14.5
Mayo 15
12.6666667
Junio 17
13.5
Julio 11
15.1666667
Agosto 14
13.6666667
Septiembre 17
13.5
Octubre 12
15
Noviembre 14
14
Diciembre 16
13.8333333
Enero 11
14.6666667
Febrero
13.1666667


Pgina
16

c) Evaluar la exactitud de cada uno de estos mtodos.
Mes
Ventas (en
miles)
Promedio
movil
D.a.
Promedio
movil
ponderado
D.a.
Enero 11

Febrero 14

Marzo 16

Abril 10
13.6666667 3.66666667 14.5 4.5
Mayo 15
13.3333333 1.66666667 12.6666667 2.33333333
Junio 17
13.6666667 3.33333333 13.5 3.5
Julio 11
14 3 15.1666667 4.16666667
Agosto 14
14.3333333 0.33333333 13.6666667 0.33333333
Septiembre 17
14 3 13.5 3.5
Octubre 12
14 2 15 3
Noviembre 14
14.3333333 0.33333333 14 0
Diciembre 16
14.3333333 1.66666667 13.8333333 2.16666667
Enero 11
14 3 14.6666667 3.66666667
Febrero
13.6666667 13.6666667 13.1666667 13.1666667
Mad 3.24242424 Mad 3.66666667
La desviacion absoluta media es menor para el promedio movil, por lo tanto ofrece
mayor exactitud

d) qu otros factores pueden considerar peters en sus pronsticos de ventas?

La estacionalidad pudiera ser un factor a considerar, por que en periodo vacacional de
semana santa disminuye a 10 mil las ventas.

19-. EL GERENTE DE OPERACIONES DE UNA DISTRIBUIDORA DE INSTRUMENTOS MUSICALES CREE
QUE LA DEMANDA DE BOMBOS PUEDE ESTAR RELACIONADA CON EL NMERO DE APARICIONES
POR TELEVISIN DEL POPULAR GRUPO DE ROCK ARIDOS DURANTE EL MES PREVIO. EL
GERENTE HA RECOLECTADO LOS DATOS QUE SE MUESTRAN EN LA SIGUIENTE TABLA.
Demanda de bombos
Apariciones en televisin de
ARIDOS
3 3
6 4
7 7
5 6
10 8
8 5

a) Graficar estos datos para ver si una ecuacin lineal puede describir la relacin entre los
shows en televisin del grupo ARIDOS y las ventas de bombos.


Pgina
17

Se puede apreciar que una ecuacin lineal puede explicar la relacin entre estas dos variables

b) Utilizar el mtodo de regresin de mnimos cuadrados para derivar una ecuacin del
pronstico.

Apariciones
en televisin
ARIDOS
X
Demanda de
bombos
Y
X
2
Xy

3 3 9 9

4 6 16 24

5 8 25 40

6 5 36 30

7 7 49 49

8 10 64 80
Sumatoria 33 39 199 232
Promedio 5.5 6.5
A=
1 B= 1
0
2
4
6
8
10
12
0 2 4 6 8 10
Demanda de
Bombos
Apariciones en TV de ARIDOS

Pgina
18

c) cul es el estimado de ventas de bombos si los ARIDOS tocaron en televisin nueve veces
durante el ltimo mes?

El estimado de ventas es de 10 bombos

20-. UN ESTUDIO PARA DETERMINAR LA CORRELACIN ENTRE LOS DEPSITOS BANCARIOS Y
LOS NDICES DE PRECIOS A CONSUMIDORES EN SANTIAGO REVELARON LO SIGUIENTE (BASADO
EN 5 AOS DE DATOS):
x = 15
x
2
= 55
xy = 70
y = 20
y
2
= 130
a) Encontrar el coeficiente de correlacin. qu significancia tiene para usted?
Promedio de x= 3
Promedio de y= 4
Covarianza= 2
Desviacin de x= 1.41421356
Desviacin de y= 3.16227766
Coeficiente de correlacin lineal= 0.4472136
Dado que la el coeficiente de correlacin lineal es ms cercano a cero, la
relacin entre las variables es dbil

b) cul es el error estndar del estimado?

Utilizando la formula anterior se tiene:

B= 0.2173913
A= 3.34782609


Pgina
19

Error estndar 3.99274705

21-.EL CONTADOR DE OCIMED., OBSERVA QUE LA DEMANDA DE CARBN PARECE ESTAR
RELACIONADA CON UN NDICE DE SEVERIDAD EN EL CLIMA, DE ACUERDO CON UN ESTUDIO
DESARROLLADO POR EL INSTITUTO GEOGRFICO MILITAR. ES DECIR, COMO EL CLIMA FUE
EXTREMADAMENTE FRO EN CHILE EN LOS LTIMOS CINCOS AOS (Y POR LO TANTO EL NDICE
ES ALTO), LAS VENTAS DE CARBN FUERON ALTAS. EL CONTADOR PROPONE QUE SE PUEDE
HACER UN BUEN PRONSTICO PARA LA DEMANDA DE CARBN DEL AO PRXIMO AL
DESARROLLAR UNA ECUACIN DE REGRESIN, Y DESPUS CONSULTAR REGISTRO HISTRICO
PARA VER QU TAN SEVERO SER EL INVIERNO DEL AO PRXIMO. CON LOS DATOS DE LA
SIGUIENTE TABLA, DERIVAR UNA ECUACIN DE REGRESIN DE MNIMOS CUADRADOS Y
CALCULAR EL COEFICIENTE DE CORRELACIN DE LOS DATOS. TAMBIN CALCULAR EL ERROR
ESTNDAR DEL ESTIMADO.

Ventas de carbn
Y
ndice del clima
X
X
2
Xy

(en millones de
tons)

4 2 4 8

1 1 1 1

4 4 16 16

6 5 25 30

5 3 9 15
Sumatoria 20 15 55 70
Promedio 4 3

A= 1 B= 1

Coeficiente de correlacin=0.84
Error estndar=1.15

22-.TRECE ESTUDIANTES SE INSCRIBIERON AL PROGRAMA DE COLLEGE DE UCENTRAL HACE DOS
AOS. LA SIGUIENTE TABLA INDICA CUALES FUERON SUS CALIFICACIONES (GPAS) DESPUS DE
ESTAR EN EL PROGRAMA POR DOS AOS Y LO QUE CADA ESTUDIANTE LOGRO EN EL EXAMEN
SAT CUANDO ESTUVO EN LA PREPARATORIA.
Estudiante Calificacin sat Gpa
A 421 2.90

Pgina
20

B 377 2.93
C 585 3.00
D 690 3.45
E 608 3.66
F 390 2.88
G 415 2.15
H 481 2.53
I 729 3.22
J 501 1.99
K 613 2.75
L 709 3.90
M 366 1.60

a) existe una relacin significativa entre las calificaciones y los sats?
Estudiante
Calificacin
sat
X
Gpa
Y
X
2
Xy Y
2

A 421 2.9
177241 1220.9 8.41
B 377 2.93
142129 1104.61 8.5849
C 585 3
342225 1755 9
D 690 3.45
476100 2380.5 11.9025
E 608 3.66
369664 2225.28 13.3956
F 390 2.88
152100 1123.2 8.2944
G 415 2.15
172225 892.25 4.6225
H 481 2.53
231361 1216.93 6.4009
I 729 3.22
531441 2347.38 10.3684
J 501 1.99
251001 996.99 3.9601
K 613 2.75
375769 1685.75 7.5625
L 709 3.9
502681 2765.1 15.21
M 366 1.6
133956 585.6 2.56
Sumatoria
6,885.00 36.96 3,857,893.00 20,299.49 110.27
Promedio
529.615385 2.84307692

A= 1.02777081 B= 0.00342759

Promedio de x= 529.615385

Promedio de y= 2.84307692

Covarianza= 55.7619527

Desviacion de x= 127.548204

Desviacion de y= 0.63194918

Coeficiente de
correlacion lineal= 0.69180146


Pgina
21

La relacin que existe, interpretando el coeficiente de correlacin lineal, se puede decir que
es moderada, ya que no alcanza ni el 70%.

b) si un estudiante obtuvo 350 en el sat, cul cree que sea su calificacin en el gpa?

()
2.22742845

c) qu tal para un estudiante que obtuvo 800?

()
3.7698454

23-. LA DRA. ORCOS, UNA PSICLOGA DE CONCEPCIN, SE ESPECIALIZA EN TRATAR PACIENTES QUE
TIENEN FOBIAS Y TEMORES AL SALIR DE CASA. LA SIGUIENTE TABLA MUESTRA EL NMERO DE
PACIENTES QUE HA ATENDIDO LA DRA. ORCOS CADA AO DURANTE LOS LTIMOS 10 AOS.
TAMBIN RELACIONA LA TASA DE ROBOS EN CONCEPCIN DURANTE EL MISMO AO.
Ao
Tasa de
crimen
(robos) por
1000
habitantes
X
Nmero de
pacientes
Y
X
2
Xy Y
2

1 58.3 36
3398.89 2098.8 1296
2 61.1 33
3733.21 2016.3 3733.21
3 73.4 40
5387.56 2936 5387.56
4 75.7 41
5730.49 3103.7 5730.49
5 81.1 40
6577.21 3244 6577.21
6 89 55
7921 4895 7921
7 101.1 60
10221.21 6066 10221.21
8 94.8 54
8987.04 5119.2 8987.04
9 103.3 58
10670.89 5991.4 10670.89
10 116.2 61
13502.44 7088.2 13502.44
Sumatoria
854.00 478.00 76,129.94 42,558.60 74,027.05
Promedio
85.4 47.8

A= 1.40907221 B= 0.5432193

Promedio de x= 85.4

Promedio de y= 47.8


Pgina
22

Covarianza= 173.74


Coeficiente de
La ecuacin de tendencia quedara como sigue:

Pero la relacin entre la tasa de crmenes y el no. De pacientes de la doctora,
Usando el mismo anlisis de tendencia, cuntos pacientes atender la dra. ORCOS en los aos 11, 12
y 13? qu tan bien encaja el modelo en los datos?
Para responder esta pregunta es necesario contar la tasa de crmenes, ya que sta es la variable
independiente, a partir de ese dato se podr estimar el no. De pacientes
24-.UTILIZANDO LOS DATOS DEL PROBLEMA ANTERIOR, APLICAR LA REGRESIN LINEAL PARA
ESTUDIAR LA RELACIN ENTRE LA TASA DE CRMENES Y LA CARGA DE PACIENTES DE LA DRA.
ORCOS. SI LA TASA DE ROBO SE INCREMENTA A 131.2 EN EL AO 11, CUNTOS PACIENTES CON
FOBIA ATENDER LA DRA. ORCOS? SI LA TASA DE CRMENES BAJA A 90.6, CUL ES LA
PROYECCIN DE PACIENTES?

A pesar que dicha ecuacin muestra una relacin baja, se estimara con ella el pronstico
solicitado:
Para una tasa de 131.2 crimenes:
( )
pacientes

Para una tasa de 90.6 crimenes:

( )
pacientes

25-.LOS CONTADORES DE LA EMPRESA MAN&IS CREAN QUE VARIOS EJECUTIVOS VIAJEROS
PRESENTABAN COMPROBANTES DE VIAJE INUSUALMENTE ALTOS AL REGRESAR DE VIAJES DE
NEGOCIOS. LOS CONTADORES TOMARON UNA MUESTRA DE 200 COMPROBANTES PRESENTADOS
DESDE EL AO PASADO; POSTERIORMENTE DESARROLLARON LA SIGUIENTE ECUACIN DE REGRESIN
MLTIPLE, RELACIONANDO EL COSTO DEL VIAJE (), EL NMERO DE DAS DE VIAJE (X
1
), Y LA
DISTANCIA VIAJADA (X
2
) EN MILLAS:

Pgina
23

= $90.00 + $48.50 x
1
+ 0.40 x
2
El coeficiente de correlacin calculado fue de 0.68.
a) Si Juan Gonzlez regresa de un viaje de 300 millas por el que estuvo fuera por cinco das,
cul es la cantidad espera que debe reclamar como gastos?

Y=90.00+ 48.50 (5)

+ 0.40 (300) = 452.50
Por lo tanto el gasto esperado es de $452.50

b) Gonzlez reclamo una solicitud de reembolso por $685 qu debe hacer el contador?
c)
Revisar comprobantes y checar si no hubo ninguna contingencia que hiciera gastar ms a
Gonzlez

d) se deben incluir otras variables? cules? por qu?

Edad---- asumo que las personas mas jovenes pueden gastar mas.
Sexo----- las mujeres normalmente gastan mas.

26-.EN EL PASADO, LA DISTRIBUCIN DE LLANTAS DE MUSTAFSON VENDI UN PROMEDIO DE
1000 RADIALES CADA AO. EN LOS LTIMOS DOS AOS SE VENDIERON 200 Y 250,
RESPECTIVAMENTE, EN EL OTOO; 300 Y 350 EN INVIERNO; 150 Y 165 EN PRIMAVERA; Y 300 Y
285 EN VERANO. AL PLANEAR UNA EXPANSIN MAYOR, EL GERENTE DE MUSTAFSON PROYECTA
QUE LAS VENTAS DEL PRXIMO AO SE INCREMENTEN A 1200 RADIALES. CUL SER LA
DEMANDA PARA CADA ESTACIN?

Estacin
Demanda de ventas
Demanda
promedio
Demanda
mensual
promedio
ndice
estacional
Pronostico demanda
mensual
A B
Otoo 200 250 225 250 0.9 270
Invierno 300 350 325 250 1.3 390
Primavera 150 165 157.5 250 0.63 189
Verano 300 285 292.5 250 1.17 351
Total 1000 Pronostico= 1200

27-.SUPONGA QUE EL NMERO DE ACCIDENTES DE AUTOMVILES EN CIERTA REGIN DEL
NORTE DE CHILE SE RELACIONAN CON EL NMERO DE AUTOMVILES REGISTRADOS EN MILES
(B
1
), VENTA DE BEBIDAS ALCOHLICAS EN $10,000S (B
2
), Y DECREMENTO EN EL PRECIO DE LA
BENCINA EN PESOS (B
3
). MS AUN, IMAGINE QUE LA FORMULA DE REGRESIN SE HA
CALCULADO COMO:
Y= a +

b
1
x1+ b
2
x2 +b
3
x3

Pgina
24

Donde:
Y = el nmero de accidentes de automviles
A = 7.5, b
1
= 3.5, b
2
= 4.5 y b
3
= 2.5
Calcular el nmero esperado de accidentes automovilsticos bajo las siguientes condiciones:

A = 7.5

B1 = 3.5

B2 = 4.5

b3 = 2.5

X1 X2 X3
Y
(no. De accidentes)
A) 2 3 9
50.5
B) 3 5 1
43
C) 4 7 2
58

28-.EL SIGUIENTE MODELO DE REGRESIN MLTIPLE FUE DESARROLLADO PARA PREDECIR EL
DESEMPEO DEL TRABAJO, DE ACUERDO CON EL NDICE DE EVALUACIN DE DESEMPEO DEL
TRABAJO, EN UNA COMPAA QUE SE BAS EN LA CALIFICACIN DEL EXAMEN DE PREEMPLEO Y
EL PROMEDIO DE CALIFICACIONES DE LA UNIVERSIDAD (GPA).
Y = 35 + 20 x1 + 50 x2
Donde:
Y = ndice de evaluacin de desempeo del trabajo
X1 = calificacin del examen de preempleo
X2 = gpa universitario
a) Pronosticar el ndice de desempeo del trabajo para un solicitante con gpa de 3.0 y
calificacin de 80 en el examen de preempleo.
( ) ( )

b) Pronosticar el ndice de desempeo del trabajo para un solicitante con gpa de 2.5 y
calificacin de 70 en el examen de preempleo.

( ) ( )


Pgina
25

29-.EL GOBIERNO DE LA CIUDAD OBTUVO LOS SIGUIENTES DATOS DE RECOLECCIN DE
IMPUESTOS SOBRE VENTAS ANUALES Y REGISTROS DE AUTOMVILES NUEVOS:

Registro de
automoviles
nuevos
X
Recoleccion
de impuestos
sobre ventas
y
X
2
Xy Y
2

10 1
100 10 1
12 1.4
144 16.8 144
15 1.9
225 28.5 225
16 2
256 32 256
14 1.8
196 25.2 196
17 2.1
289 35.7 289
20 2.3
400 46 400
Sumatoria
12.50 104.00 1,610.00 194.20 1,511.00
Promedio
14.8571429 1.78571429

A= -0.15814978 B= 0.130837

Promedio de x= 14.8571429

Promedio de y= 1.78571429

Covarianza= 1.2122449



Coeficiente de

Determinar:
a) La ecuacin de regresin de mnimos cuadrados.

b) Utilizando los resultados de la parte a), encontrar la recoleccin estimada de impuestos sobre
ventas, si el total en los registros de automviles nuevos fue de 22.

()

c) Los coeficientes de correlacin y determinacin.
Coeficiente de correlacin lineal= 0.0273092


Pgina
26

30-.LAS MILLAS VOLADAS POR PASAJEROS EN LADECO, UNA EMPRESA DE ENLACE QUE DA
SERVICIO EN LA CIUDAD DE CALAMA, SE MUESTRAN PARA LAS 12 SEMANAS PASADAS.

a) Asumiendo que el pronstico inicial para la semana 1 fue de 17,000 millas, utilizar la
suavizacin exponencial para calcular las millas de las semanas 2 a la 12. Emplear = 0.2.
Semana
Millas de
pasajeros reales
(en miles)
Pronstico
(millas de
pasajeros en
miles)
Diferencia
absoluta
Error pronostico
1 17 17.00 0.00 0.00
2 21 17.00 4.00 4.00
3 19 17.80 1.20 1.20
4 23 18.00 5.00 5.00
5 18 19.00 1.00 -1.00
6 16 18.80 2.80 -2.80
7 20 18.30 1.70 1.70
8 18 18.60 0.60 -0.60
9 22 18.50 3.50 3.50
10 20 19.20 0.80 0.80
11 15 19.40 4.40 -4.40
12 22 18.50 3.50 3.50
Total 28.50 10.90
Mad 2.38

Rsfe 10.90

Rsfe /
mad 4.59

b) cul es el mad para este modelo?

31-. SE CREE QUE LOS VIAJES EN AUTOBS Y METRO EN SANTIAGO, DURANTE LOS MESES DEL
VERANO ESTN VINCULADOS CON EL NMERO DE TURISTAS QUE VISITAN EN ESTA CIUDAD.
DURANTE LOS LTIMOS 12 AOS, SE HAN OBTENIDO LOS SIGUIENTES DATOS:
Ao Nmero de turistas
(millones)
Viajes
(millones)
Ao Nmero de turistas
(millones)
Viajes
(millones)
1 7 1.5 7 16 2.4
2 2 1.0 8 12 2.0
3 6 1.3 9 14 2.7
4 4 1.5 10 20 4.4

Pgina
27

5 14 2.5 11 15 3.4
6 15 2.7 12 7 1.7

a) Graficar estos datos y decidir si es razonable un modelo lineal.

Se puede decir que si es razonable un modelo linear

b) Desarrollar una relacin de regresin.
Ao Nmero de
turistas
(millones)
x
Viajes
(millones)
Y
X
2
Xy Y
2

1 7 1.5
49 10.5 2.25
2 2 1
4 2 4
3 6 1.3
36 7.8 36
4 4 1.5
16 6 16
5 14 2.5
196 35 196
6 15 2.7
225 40.5 225
7 16 2.4
256 38.4 256
8 12 2
144 24 144
9 14 2.7
196 37.8 196
10 20 4.4
400 88 400
11 15 3.4
225 51 225
12 7 1.7
49 11.9 49
Sumatoria
132.00 27.10 1,796.00 352.90 1,749.25
Promedio
11 2.25833333

A= 0.50600775 B= 0.15930233

0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0 5 10 15 20 25
Viajes
(millones)
Nmero de Turistas
(millones)

Pgina
28

c) cul es la relacin esperada si 10 millones de turistas visitan la ciudad en un ao?

()

d) Explicar la relacin que se predijo si no hay turistas.

()

e) cul es el error estndar del estimado?

f) cul es el coeficiente de correlacin del modelo y el coeficiente de determinacin?

CORRELACIN DEL MODELO 0.92 Y EL COEFICIENTE DE DETERMINACIN 0.84
32-. LAS LLAMADAS DE EMERGENCIA AL SISTEMA 133 , DURANTE LAS LTIMAS 24 SEMANAS SE
MUESTRAN A CONTINUACIN.
a) Calcular el pronstico de suavizacin exponencial de llamadas para cada semana. Asumir un
pronstico inicial de 50 llamadas en la primera semana, y utilizar = 0.1. cul es el pronstico
para la semana 25?

Semana Llamadas 0.1
Diferencia
absoluta
0.6
Diferencia
abs
1 50 25 25 25 25
2 35 27.5 7.5 40 5
3 25 28.3 3.3 37 12
4 40 27.9 12.1 29.8 10.2
5 45 29.1 15.9 35.9 9.1
6 35 30.7 4.3 41.4 6.4
7 20 31.1 11.1 37.5 17.5
8 30 30 0 27 3
9 35 30 5 28.8 6.2
10 20 30.5 10.5 32.5 12.5
11 15 29.5 14.5 25 10
12 40 28 12 19 21
13 55 29.2 25.8 31.6 23.4
14 35 31.8 3.2 45.6 10.6

Pgina
29

15 25 32.1 7.1 39.3 14.3
16 55 31.4 23.6 30.7 24.3
17 55 33.8 21.2 45.3 9.7
18 40 35.9 4.1 51.1 11.1
19 35 36.3 1.3 44.4 9.4
20 60 36.2 23.8 38.8 21.2
21 75 38.6 36.4 51.5 23.5
22 50 42.2 7.8 65.6 15.6
23 40 43 3 56.2 16.2
24 65 42.7 22.3 46.5 18.5
25 85 44.9
40.1
57.6
27.4
Mad
13.636
Mad
14.524

b) Pronosticar de nuevo para cada periodo empleando = 0.6.
Ver tabla anterior
c) Las llamadas reales durante la semana 25 fueron 85. qu constante de suavizacin ofrece un
pronstico mejor? Explicar y justificar la medida de error utilizada.
La constante de suavizacin que pronostica mejor es la de 0.1, con un una mad menor a la de
0.6

33-. UNA CONSULTORA DEL REA ELCTRICA HA RECOLECTADO INFORMACIN DE LA DEMANDA DE
ENERGA ELCTRICA EN LA SUCURSAL RODDOS ACEITES DURANTE LOS LTIMOS DOS AOS. LOS
DATOS SE MUESTRAN A CONTINUACIN:
Demanda en megawatts Demanda en megawatts
Mes Ao pasado Este ao Mes Ao pasado Este ao
Ene 5 17 Jul 23 44
Feb 6 14 Ago 26 41
Mar 10 20 Sep 21 33
Abr 13 23 Oct 15 23
May 18 30 Nov 12 26
Jun 15 38 Dic 14 17

La empresa de servicio necesita pronosticar la demanda para cada mes del siguiente ao, para poder
planear la expansin y negociar el prstamo de energa de las instalaciones vecinas durante los periodos
altos. Sin embargo, los modelos de pronstico estndares discutidos en este captulo no siguen los datos
observados durante los dos aos.

Pgina
30

a) cules son las debilidades de las tcnicas estndares de pronsticos cuando se aplican a este
conjunto de datos?

En algunos no se puede tomar en cuenta la estacionalidad, y provoca que exista sesgo.

b) Debido a que los modelos usados no son realmente apropiados aqu, proponga su propio
sistema para pronosticar. Aunque no existe una solucin perfecta para atacar datos como
stos (en otras palabras, no hay respuestas 100% correctas o incorrectas), justifique su
modelo.

El modelo factible sera tal vez tomar en cuenta mucho la estacionalidad, ya que ese
observan en los datos este comportamiento.

c) Pronostique la demanda para cada mes del ao prximo, utilizando el modelo propuesto por
usted.
Demanda en megawatts Demanda en megawatts

Mes Ao pasado Este ao
Demanda
promedio
Demanda
mensual
promedio
Indice
Demanda
anual
(pronostico)
Ene 5 17 11 21 0.52380952 18.77
Feb 6 14 10 21 0.47619048 17.06
Mar 10 20 15 21 0.71428571 25.6
Abr 13 23 18 21 0.85714286 30.71
May 18 30 24 21 1.14285714 40.95
Jun 15 38 26.5 21 1.26190476 45.22
Jul 23 44 33.5 21 1.5952381 57.16
0
5
10
15
20
25
30
35
40
45
50
1 2 3 4 5 6 7 8 9 10 11 12
Ao pasado
Este ao

Pgina
31

Ago 26 41 33.5 21 1.5952381 57.16
Sep 21 33 27 21 1.28571429 46.07
Oct 15 23 19 21 0.9047619 32.42
Nov 12 26 19 21 0.9047619 32.42
Dic 14 17 15.5 21 0.73809524 26.45

252

430

34-.. LA ASISTENCIA AL PARQUE VACACIONAL PATOLIN, UN PARQUE SIMILAR A DISNEY EN ORLANDO,
SE MUESTRA A CONTINUACIN:
Calcular los ndices estacionales, utilizando toda la informacin anterior.
Visitantes (en miles)
Demanda
promedio
Demanda
promedio
periodo
ndice
Trimestre 1990 1991 1992
Invierno 73 65 89 76 107 0.7100
Primavera 104 82 146 111 107 1.0400
Verano 168 124 205 166 107 1.5500
Otoo 74 52 98 75 107 0.7000
Total:
428.00

Dmp:
428/4=107

35-. AMINORTE , HA UTILIZADO EXTRAPOLACIN DE SERIES DE TIEMPO PARA PRONOSTICAR LAS
VENTAS AL DETALLE PARA LOS PRXIMOS CUATRO TRIMESTRES. LAS VENTAS ESTIMADAS SON DE
$120,000, $140,000, $160,000 Y $180,000 PARA LOS TRIMESTRES RESPECTIVOS. LOS NDICES
ESTACIONALES PARA LOS CUATRO TRIMESTRES SON DE 1.25, 0.90, 0.75 Y 1.15, RESPECTIVAMENTE.
CALCULAR UN PRONSTICO DE VENTAS ESTACIONALIZADO O AJUSTADO.
TRIMESTRE
VENTA
PRONOSTICADA NDICE PRONSTICO
1 120,000 1.25 150,000
2 140,000 0.90 126,000
3 160,000 0.75 120,000
4 180,000 1.15 207,000

Problemas de Pronosticoschm-2

Cargado por

Información del documento

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

Problemas de Pronosticoschm-2

Cargado por

Copyright:

Formatos disponibles

EJERCICIOS DE PRONSTICOS

PROFESOR: CLAUDIA HAFELIN

También podría gustarte