UNIVERSIDAD SAN IGNACIO DE LOYOLA

TAREA 01- Pronstico de la Demanda

Curso:
Planeamiento y Control de Operaciones II

Profesor:
Christian Martn Torres

Bloque:
CN-VIRIND08A1

Integrantes:

Saldarriaga Huarcaya, Brisseck Angie

Lima Per
2015

Cd. 0911041

CASO PRONSTICO DE LA DEMANDA REGRESIN

LINEAL
1.

Si el precio de lista del limpiador J200 es 16 nuevos soles, estime la

demanda si la
Period
estrategia
de
o de
marketing
1
Precio(X)
Unidades(Y)
consiste en una
seman
a
oferta
del 2x1 por una
1
semana.
3
15
100
semana
Puntos.
2
10
250
semana
3
12
200
semana
4
50
20
semana
5
X
16
semana
Resolviendo por mtodo de Regresin Lineal:
Perio
Preci Unidad
de
o
es
1
(X)
(Y)
semana
1
15
100
semana
2
10
250
semana
3
12
200
semana
4
20
50
semana
promed 14.2
150
io
5

sumas
totale 57
s

600

X*Y

X^
2

1500

225

2500

100

2400

144

1000

400

7400

86
9

Hallamos los valores de a y b para formar nuestra ecuacin y as

hallar nuestro pronstico:
- Primero valor de b

b=

b=(74004*14.25*150)/
(869-4*14.25^2)
-20.26431718

Luego
Valor de

a=

a=150-(20.26317118*14.25)
438.7665198

Formando Nuestra ecuacin tenemos:

ECUACIN=438.76752-20.26432*X
Ahora hallando nuestro pronstico de demanda a base de nuestra ecuacin,
pero
analizamos
la
POR 16 SOLES LLEVAS 2 UNIDADES
ENTONCES PRECIO DE CADA UNA
estrategia de 2x1:

SERA DE 8 SOLES
Y= variable dependiente
X= variable independiente

114.5374449
276.6519824

F(16)=
f(8)=

As que nuestra demanda sera 277 unidades con la estrategia

del 2 x1
2.

Interprete el coeficiente de determinacin (R2) resultante en el

modelo. 2 Puntos.

Periodo de
1 semana
1 semana
2 semana
3 semana
4 semana
promedio

15
10
12
20
14.25

Unidad
es
100
250
200
50
150

57

600

Precio

sumas
totales

n XY X Y

n X 2 X * n Y 2 Y
2

r^2=

1500
2500
2400
1000

X^
Y^2
2
225 10000
100 62500
144 40000
400 2500

74 86 1150
00 9
00

r=(4*7400-57*600)/
((4*869-57^2)^0.5*(4*115000600^2)^0.5)

r=
r

X*Y

-0.965483604

0.93215859

Observamos que nuestro valor de R^2 es cercano al 1 el cual

nos garantiza, que mejor se ajusta la lnea de regresin a los
puntos de nuestra data

3.

Si la cantidad de unidades reales correspondientes al precio de la

pregunta 1 fue de 300 UN, halle la exactitud del pronstico. 2 Puntos.

Periodo
de
1 semana

Precio

Unidades

1 semana

15

100

2 semana

10

250

3 semana

12

200

4 semana

20

50

5
semana

16

300

Pronostico
Regresin
Lineal

DAM

MAPE

300-277=

(23/300)*100

277
23
7.67%
Tendra una exactitud de 7.67% el cual el ms cercana al 0% garantizara
mejor exactitud, el cual para el anlisis de nuestra data se verifica pequea
variacin

CASO PRONSTICO
TIEMPOS

DE

LA

DEMANDA

SERIE

DE

1. Aplicando promedio mvil de cuatro semanas. 2 Puntos.

Semana

PRONOSTICO
Prom Mvil
4 Semanas

Ventas
(Unidades)

1
2
3
4
5
6
7
8
9

2,345
2,485
2,050
2,235
2,450
2,610
2,150
2,350

2,279
2,305
2,336
2,361
2,390

Luego hallamos el EPMA y DMA:

Semana
1
2
3
4
5
6
7
8
9

Ventas
(Unidades)
2,345
2,485
2,050
2,235
2,450
2,610
2,150
2,350

PRONOSTICO
Prom Movil
4 Semanas

EA
Error Absoluto

2,279
2,305
2,336
2,361
2,390

171.25
305
186.25
11.25
168.4375
DMA
Desviacin media
absoluta

Representamos nuestra data en el Grfico:

EPA
Error porcentual
absoluto

6.99%
11.69%
8.66%
0.48%
6.954%
EPMA
Error porcentual medio
absoluto

3,000
2,500
2,000

Ventas
(Unidades)

1,500

PRONOSTICO
Prom Movil
4 Semanas

1,000
500
0
1

2. Aplicando promedio mvil ponderado de 0.40, 0.30, 0.20 y 0.10.

Considere un mayor peso a la semana ms reciente. Explique. 2 Puntos.
1 Alfa

0.1

2 Alfa

0.2

3 Alfa

0.3

4 Alfa

0.4

10

Semana

1
2
3
4
5
6
7
8
9

1
Ventas
(Unidades)
2,345
2,485
2,050
2,235
2,450
2,610
2,150
2,350
2,352

PRONOSTICO
Promedio Movil
Ponderado

2,241
2,309
2,431
2,357
2352

EA
Error
Absoluto

EPA
Error
porcentual
absoluto

209.5
301
281
6.5
199.5

8.55%
11.53%
13.07%
0.28%
8.357%

DMA
Desviacin
media absoluta

EPMA
Error
porcentual
medio absoluto

Conocemos que este tipo de pronostico da un valor considerable

a los datos ms recientes ,es decir le da un peso mayor a los
ltimos datos que a los antiguos. Por lo cual se observa
variacin en la demanda pronosticada.

3. Si las unidades reales de la semana 9 son 2,390, halle el pronstico de la

semana 10 usando el mtodo de suavizamiento exponencial con una
constante de 0.2. Explique. 2 Puntos.

Alfa
Pronostico inicial
-Utilizaremos el promedio
de toda nuestra data

0.2
2,341

Ft = Ft-1 + (At1 - Ft-1)

Semana

Ventas (Unidades)

2,345

2,485

2,050

2,235

2,450

2,610

2,150

2,350

2,390

10

2348.177646

PRONOSTICO
Mtodo de
Suavizacin
Exponencial
2,341
2341.444444
2370.155556
2306.124444
2291.899556
2323.519644
2380.815716
2334.652572
2337.722058
2348.177646

EA
Error
Absoluto

EPA
Error
porcentual
absoluto

4.44444444
4
143.555555
6
320.155555
6
71.1244444
4
158.100444
4
286.480355
6
230.815715
6
15.3474275
6
52.2779420
4
142.47798
72
DMA
Desviacin
media
absoluta

0.19%
5.78%
15.62%
3.18%
6.45%
10.98%
10.74%
0.65%
2.19%
6.20%
EPMA
Error
porcentual
medio
absoluto

Se observa que la lnea de ventas presentas picos muy alto, lo

cual al usar la suavizacin exponencial hace que la lnea del

pronstico se suavice y presente un pronstico con menor EPMA

comparado con los otros pronsticos hallados- as como lo
observamos en el grgico

3,000

2,500

2,000
Ventas (Unidades)
PRONOSTICO
Metodo de
Suavizamiento
Exponencial

1,500

1,000

500

0
1

10

CASO PRONSTICO DE LA DEMANDA REGRESIN

LINEAL
1.

Si el precio de lista del Autotransformador 250V es US$ 50, estime la

demanda si la estrategia de marketing consiste en una oferta del
50% por una semana. 2 Puntos.

Precio
Unidades(
Periodos
(X)
Y)
34
1,350
1
35
1,352
2
40
1,200
3
38
1,105
4
37
1,205
5
45
1,020
6
43
995
7
40
1,190
8
45
990
9
44
850
10
40
1,185
11
46
750
12
promedio 40.58333 1099.3333
=
333
33
Sumas
totales
487
13192

X*Y

X^2

Y^2

45900
47320
48000
41990
44585
45900
42785
47600
44550
37400
47400
34500

1156
1225
1600
1444
1369
2025
1849
1600
2025
1936
1600
2116

1,822,500
1,827,904
1,440,000
1,221,025
1,452,025
1,040,400
990,025
1,416,100
980,100
722,500
1,404,225
562,500

527930

19945

14879304

Luego hallamos nuestro valores de a y b para reemplazarlos en la ecuacin de

regresin lineal para poder calcular nuestro pronstico.

b=(52793012*40.5833*1099.333)/
(19945-12*40.5833^2)

a=1099.33-(41.15338554*40.5933)

-41.15338554

2769.474896

Formando la ecuacin general

sera
Y=2769.474896+41.15338554*X

; Y = a + bX

$50 el precio, a una oferta del 50% por una semana es decir a
mitad de precio $25 cada autotransformador

F(50)
=
F(25)
=

711.
81
1740
.6

As que nuestra demanda sera 1741 unidades con la

estrategia del 50% de la oferta
2.

2- Interprete el coeficiente de determinacin (R2) resultante en el modelo.

3
Puntos.
r=(12*527930-487*13192)/

((12*19945-

n XY X Y
r 487^2)^0.5*(12*148793042
2
2
X * n Y 2 Y
n X13192^2)^0.5)

-0.901638727
0.812952393

Observamos que nuestro valor de R^2 es cercano al 1 el cual

nos garantiza, que se ajusta de una manera no tan alejada la
lnea de regresin a los puntos de nuestra data ya que
representa un 81.30%
3- Si la cantidad de unidades reales correspondientes al precio de la
pregunta 1.1 fue de 1,850 UN, halle el error absoluto (use valor
absoluto). 2 Puntos.
Precio
(X)
Peridos
1
2
3
4
5
6
7
8
9
10
11
12

13

34
35
40
38
37
45
43
40
45
44
40
46

25

Pronostic
Unidades(
o
Y)
Regresin
Lineal
1,350
1,352
1,200
1,105
1,205
1,020
995
1,190
990
850
1,185
750

1850

DAM

MAPE

SERIA:
18501740.64

SERIA: (18501740.65)/185
0

1740 109.
.6
36 5.911%

Tendra una exactitud de 5.911% el cual el ms cercana al 0% garantizara

mejor exactitud, el cual para el anlisis de nuestra data se verifica pequea
variacin con respecto a la demanda de 1850