Ejemplo 1:

En la tabla que sigue se representan las ventas de 2013, cal

Periodo
Demanda
PMS3
DMA
PMS5
DMA

Enero
80

Febrero
90

Marzo
85

PMP3
DMA
PMP5
DMA

PMP3
Alfa
Beta
Gama

Abril
70
85
15.0

85.5
15.5

0.2
0.3
0.5

PMP5
Alfa
Beta
Gama
Teta
Delta

0.1
0.15
0.2
0.25
0.3

n las ventas de 2013, calcule las previsiones basadas en periodos de tres y c

Promedio Mvil Simple
Mayo
80
81.7
1.7

Junio
105
78.3
26.7
81
24

Julio
110
85.0
25.0
86
24

Promedio Mvil Ponderado

78.5
1.5

78
27
80
25

90.5
19.5
87.25
22.75

en periodos de tres y cinco meses.

dio Mvil Simple

Agosto
105
98.3
6.7
90
15

Septiembre
100
106.7
6.7
94
6

Octubre
110
105.0
5.0
100
10

106.5
6.5
99
1

103.5
6.5
102
8

o Mvil Ponderado
102.5
2.5
94.25
10.75

His
140

120

100

80

Periodo

60

40

20

0
Enero

Febrero

Marzo

Abril

Mayo

Junio

Noviembre
115
105.0
10.0
106
9

Diciembre
120
108.3
11.7
108
12

Jan-14

106
9
106
9

110.5
9.5
108.75
11.25

116.5
11.5
112.25
12.5

115.0
13.1
8.9
14.3

Histricos

Abril

Mayo

Junio

Julio

Agosto

Septiembre

Octubre

Noviembre

Dici

bre

Row 6
PMS3
PMS5
PMP3
PMP5

Noviembre

Diciembre

Ejercicio 2:

Jaime Blanco, gerente de la planata de CISA, esta intentando

aos
Ao
2004
2005
2006
Total Trim.
Prom. Trim.
ndice de
Estacionaliad

Ventas Trimestrales (Miles de u

T1
520
590
650
1760
586.7
0.809

Ao

Ventas Trimestrales (Miles de u

T1

Ao 2004

2004
2005
2006

642.61
729.12
803.27

Periodo
T1
T2

X
1
2

Ao 2004

Ao 2005

Ao 2006

T3
T4
T1
T2
T3
T4
T1
T2
T3
T4

3
4
5
6
7
8
9
10
11
12
78

4. Sustituimos valores en la frmula de regresin linea.

5. Sustituir los valores de "13, 14, 15, 16" en la ecuacin.

Y13
Y14
Y15
Y16

6. Utilizando los ndices de estacionalidad (I.E.) pronosticamo

Trimestre
T1
T2
T3
T4

I.E.
0.809
1.122
1.251
0.818

Pronsticos estacionalizados
675.1845354658
955.3288610715
1086.2582880812
724.0708709907

Series Estacionalizadas

anata de CISA, esta intentando planear las necesidades de efectivo, personal

aos razonablemente parecen reflejar el patrn de re

Ventas Trimestrales (Miles de unidades)

T2
T3
730
820
810
900
900
1000
2440
2720
813.3
906.7
1.122

1.251

Ventas Trimestrales (Miles de unidades)

T2
T3

T4
530
600
650
1780
593.3

2600
2900
3200
8700
725

0.818

T4

650.72
722.03
802.25

655.70
719.67
799.63

647.61
733.15
794.24

Y
642.61
650.72

Y^2
412952.29
423432.89

X^2
1
4

XY
642.6
1301.4

655.70
647.61
729.12
722.03
719.67
733.15
803.27
802.25
799.63
794.24

429940.56
419401.77
531614.98
521325.43
517923.64
537503.16
645237.95
643611.64
639411.90
630819.68

9
16
25
36
49
64
81
100
121
144

1967.1
2590.4
3645.6
4332.2
5037.7
5865.2
7229.4
8022.5
8796.0
9530.9

8700.00

6353175.86991528

650

58961.013325

Y^2

X^2

XY

frmula de regresin linea.

a=
b=

615.4084852092
16.8602330447

3, 14, 15, 16" en la ecuacin.

Y = 615.4 + 16.86X
834.5915147908
851.4517478355
868.3119808803
885.172213925

cionalidad (I.E.) pronosticamos.

cionalizadas de Tiempo

e efectivo, personal y materiales para cada trimeste del prximo ao. Los dat
flejar el patrn de resultado estacional que debe esperarse en el futuro.
T1
520

T2
730

T3
820

T4
530

1. Calcular los ndices de estacionalidad.

2. Desestacionalizamos los datos dividiendo cada tr

T1

T2

T3

T4

642.61

650.72

655.70

647.61

Chart Title
900.00
800.00
700.00
600.00
500.00
400.00
300.00
200.00
100.00
0.00
T1

T2

T3

T4

T1

T2

T3

T4

3. Realizar un analisis de regresion lineal para aplicar los si

prximo ao. Los datos de ventas trimestrales durante los ultimos tres
rse en el futuro.
T1
590

T2
810

T3
900

T4
600

T1
650

T2
900
Chart Title

1200

cionalidad.

1000
800
600
400
200
0
T1

tos dividiendo cada trimestral

T1

T3

T4

T1

T2

T1

T2

T3

T4

T1

T2

729.12

722.03

719.67

733.15

803.27

802.25

Chart Title

T4

T2

T2

T3

T4

T1

T2

T3

T4

lineal para aplicar los siguienets trimestres.

T3

T4

T1

T2

os ultimos tres

T4

T3
1000

T4
650

T1

T2

T3

T4

T1

T2

T3

T4

675.184535 955.328861 1086.25829 724.070871

Chart Title

T1

T2

T3

T3

T4

799.63

794.24

T4

En la tabla que aparece enseguida se presentan las ventas para los ultimos diez aos de
AO
Ventas

0
400

1
600

2
500

3
700

a) Si hay correlacin en esta serie de tiempo, utilice regresin lineal y exponencial.

Ao
0
1
2
3
4
5
6
7
8
9
suma

x
1
2
3
4
5
6
7
8
9
10
55

a=
b=

273.333333
113.939394

y
400
600
500
700
900
800
1200
1300
1100
1500
9000

b) Construya las ecuaciones de regresin

lineal
exponecial

Y = 3461073.3 + 588400 x
Y = 588400 e^ 3461073.3x

c) Construya el grfico

y^2
160000
360000
250000
490000
810000
640000
1440000
1690000
1210000
2250000
9300000

x^2
1
4
9
16
25
36
49
64
81
100
385

as para los ultimos diez aos de tubos y aceros de Mxico S.A. de C.V.
4
900

5
800

6
1200

7
1300

8
1100

9
1500

esin lineal y exponencial.

xy
400
1200
1500
2800
4500
4800
8400
10400
9900
15000
58900

Ventas
1600
1400

f(x) = 113.9393939394x + 273.3333333333

R = 0.8925252525

1200
1000
800
600
400
200
0

AO

Ventas

Linear (Ve

Ventas
1600
f(x) = 393.3002201957 exp( 0.1358516174 x )

1400
1200
1000
800
600
400
200
0

AO
Exponential (Ventas)

Vent

Total trim
9000

Ventas

+ 273.3333333333

Ventas

10

Linear (Ventas)

Ventas

exp( 0.1358516174 x )

AO

Exponential (Ventas)

8
Ventas

10

Utilice el anlisis de regresin de series de tiempo estcaionalizadas para

desarrollar un pronstico de los ingresos por ventas del ao que viene para
la lnea de computadoras.
Ao
5
5
5
5

Ao
2005
2006
Total trimestre
Prom. Trim
ndices de
estacionalidad

Trimestre
1
2
3
4

Ventas
9.2
5.4
4.3
14.1

Ao
6
6
6
6

Trimestre
1
2
3
4

T1
T2
T3
T4
9.2
5.4
4.3
14.1
10.3
6.4
5.4
16
19.5
11.8
9.7
30.1
9.75
5.9
4.85
15.05
1.09704641 0.66385373 0.54571027 1.69338959

Ventas trimestrales
Ao
T1
T2
T3
T4
2005
8.38615385 8.13432203 7.87963918 8.32649502
2006
9.38884615 9.64067797 9.89536082 9.44850498

ao 2005

ao 2006

Periodo

Y^2

X^2

T1
T2
T3
T4
T1

1
2
3
4
5

8.38615385
8.13432203
7.87963918
8.32649502
9.38884615

70.3275763
66.167195
62.0887135
69.3305193
88.1504321

1
4
9
16
25

ao 2006

T2
T3
T4

6
7
8

9.64067797 92.9426716
9.89536082 97.9181659
9.44850498 89.2742464
36
71.1 636.19952

Y^2

36
49
64
204

X^2

a=
b=
Y= 7.67 + 0.2688 x
y09
y10
y11
y12

Trimestre
T1
T2
T3
T4

10.0975243
10.3664185
10.6353128
10.9042071

I.E.
Pronsticos estacionalizados
1.0970464135 11.0774528
0.6638537271 6.88178558
0.5457102672 5.8037994
1.6933895921 18.4650708

caionalizadas para
ao que viene para

Ventas en millones de pesos.

Ventas
10.3
6.4
5.4
16

T1
9.2

T2
5.4

T3
4.3

T4
14.1

33
38.1
71.1
8.8875

T1
T2
T3
T4
8.38615385 8.13432203 7.87963918 8.32649502

XY
8.38615385
16.2686441
23.6389175
33.3059801
46.9442308

57.8440678
69.2675258
75.5880399
331.24356

XY

7.67747575
0.26889428

7.67 + 0.2688 x

Cha
18
16
14
12
10
8
6
4
2

T1
10.3

T2
6.4

T3
5.4

T4
16

0
T1

T2

T3

T4

Cha
12
10

T1
T2
T3
T4
9.38884615 9.64067797 9.89536082 9.44850498

8
6
4
2
0
T1

T2

T3

T4

Chart Title

T2

T3

T4

T1

T2

T3

T4

Chart Title

T2

T3

T4

T1

T2

T3

T4

A continuacin se presentan las ventas en la ultima decada de una empresa constructor

Ao
Ventas

97
180

98
330

99
400

0
550

Lineal

Ventas
900
f(x) = 64.5454545455x + 216

800
700
600
500
400
300
200
100
0

ao
ao
ao
ao
ao
ao
ao
ao

97
98
99
00
01
02
03
04

Periodo

T1
T2
T3
T4
T1
T2
T3
T4

1
2
3
4
5
6
7
8

Y
8.38615385
8.13432203
7.87963918
8.32649502
9.38884615
9.64067797
9.89536082
9.44850498
36
71.1

Y^2

X^2

70.3275763
66.167195
62.0887135
69.3305193
88.1504321
92.9426716
97.9181659
89.2742464
636.19952

1
4
9
16
25
36
49
64

Y^2

X^2

204

10

da de una empresa constructora.

1
620

2
680

3
670

4
700

5
780

6
800

Algoritmica

Ventas
900
800
700
600
500
400
300
200
100
8

XY
8.38615385
16.2686441
23.6389175
33.3059801
46.9442308
57.8440678
69.2675258
75.5880399
331.24356

XY

10

Ventas

10

Semana
Demanda

7
85

8
102

Utilice constantes de suavizacin de 0.1, 0.2, 0

Pronsticos
Semana
7
8
9
10
11
12
13
14
15
16
17
18

Demanda Invetario
85
102
110
90
105
95
115
120
80
95
100

= 0.1
85.0
85.0
86.7
89.0
89.1
90.7
91.1
93.5
96.2
94.6
94.6
95.1

Semana
7
8
9
10
11
12
13
14
15
16
17
18

Demanda Invetario
85
102
110
90
105
95
115
120
80
95
100

= 0.1
85.0
85.0
86.7
89.0
89.1
90.7
91.1
93.5
96.2
94.6
94.6
95.1

Total

Suabizacin Exponencial
9
110

10
90

11
105

12
95

de suavizacin de 0.1, 0.2, 0.3; decida cual utilizar y haga un prnostico para la demand
Pronsticos
= 0.2
85.0
85.0
88.4
92.7
92.2
94.7
94.8
98.8
103.1
98.5
97.8
98.2

= 0.3
85.0
85.0
90.1
96.1
94.2
97.5
96.7
102.2
107.5
99.3
98.0
98.6

Pronsticos
Desviacn absoluta

= 0.2
85.0
85.0
85.0
85.3
86.1
86.7
87.5
88.2
89.3
90.7
91.4
92.1

Desviacn absoluta

= 0.3
85.0
85.0
59.5
41.7
29.2
20.4
14.3
10.0
7.0
4.9
3.4
2.4

nencial
13
115

14
120

15
80

16
95

17
100

ico para la demanda de la semana 18.

Chart Ti
Column C

Column D

140
120
100
80
60
40

Desviacn absoluta

20
0

Chart Title
Column C

Column D

Column E

Column F

10

11

12

12