Está en la página 1de 24

TALLER EJERCICIOS DE PRONÓSTICOS

INTEGRANTES
ADRIANA LÓPEZ EJERCICIOS
ANA MADRIGAL
FELIPE ALBARRACÍN
KAREN GARAY

PROFESOR
ALEJANDRO HERNÁNDEZ

CURSO
1CN

UNIVERSIDAD ECCI
ESPECIALIZACIÓN EN PRODUCCIÓN Y LOGÍSTICA
INTERNACIONAL
BOGOTÁ D.C
2018
4.2 4.20

4.4 4.24

4.8 4.29

4.12 4.30

4.18
AÑO DEMANDA PMS 3 AÑOS PMP 3 AÑOS ERROR ERROR ABSOLUTO

1 7
2 9
3 5
4 9 7.00 6.68 2.00 2.00
5 13 7.67 8.37 5.33 5.33
6 8 9.00 8.16 -1.00 1.00
7 12 10.00 9.32 2.00 2.00
8 13 11.00 11.89 2.00 2.00
9 9 11.00 10.21 -2.00 2.00
10 11 11.33 11.21 -0.33 0.33
11 7 11.00 11.74 -4.00 4.00

TENDENCIA Aparentemente la serie de tiempo no tiene una tendencia evidente


VARIACIONES ALEALos años 7 y 8 presentan una estacionalidad mayor
PONDERACION Teniendo en cuenta cada pronostico, se puede evidenciar que el MAPE es el que menor margen de

PONDERACION MES
1 1 AÑO
0.3 2 AÑO
0.6 3 AÑO
1.9
ERROR 14
MAD MAPE
PORCENTUAL
12

10

2.00 22% 22%


8
3.67 41% 32%
2.78 13% 25%
6
2.58 17% 23%
2.47 15% 22%
4
2.39 22% 22%
2.10 3% 19% 2
2.33 57% 24%
0
1 2 3 4 5 6 7 8

E es el que menor margen de error pronostica


6 7 8 9 10 11
4.4

a) b)
VENTAS EN EL
PERIODO MES PRONOSTICO PERIODO
MES
1 ENERO 1
2 FEBRERO 2
3 MARZO 3
4 ABRIL 4
5 MAYO $ 40,000,000 5
6 JUNIO $ 40,000,000 $ 40,000,000 6
7 JULIO $ 32,000,000 7
8 AGOSTO $ 25,600,000 8
9 SEPTIEMBRE $ 20,480,000 9
10 OCTUBRE $ 16,384,000 10
11 NOVIEMBRE $ 13,107,200 11
12 DICIEMBRE $ 10,485,760 12

c)

Porque este metodo de pronostico es la respuesta a la


tendencia. Aun cuando un valor de alfa (α) logra responder
frente a cambios en el promedio, cambios sistemáticos de
este harán más grande el error de pronóstico.
VENTAS EN
MES PRONOSTICO
EL MES
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO $ 45,000,000
JULIO $ 45,000,000 $ 45,000,000
AGOSTO $ 36,000,000
SEPTIEMBRE $ 28,800,000
OCTUBRE $ 23,040,000
NOVIEMBRE $ 18,432,000
DICIEMBRE $ 14,745,600
a y b)
PMS
ERROR DE
TEMPERATURAS PMS DE 3 DIAS ERROR DE
DIAS PRONÓSTICO
MAXIMAS PRONÓSTICO ABSOLUTO
1 93
2 94
3 93
4 95 93.33 1.67 1.67
5 96 94.00 2.00 2.00
6 88 94.67 -6.67 6.67
7 90 93.00 -3.00 3.00
649

c y d)

PMS
ERROR DE
TEMPERATURAS PMS DE 2 DIAS ERROR DE
DIAS PRONÓSTICO
MAXIMAS PRONÓSTICO ABSOLUTO
1 93
2 94
3 93 93.50 -0.50 0.50
4 95 93.50 1.50 1.50
5 96 94.00 2.00 2.00
6 88 95.50 -7.50 7.50
7 90 92.00 -2.00 2.00
649
ERROR
CUADRATICO

2.78
4.00
44.44
9.00

ERROR
CUADRATICO

0.25
2.25
4.00
56.25
4.00
DÍA DEMANDA
DEMANDA REAL PRONOSTICADA
LUNES 88 88
MARTES 72 88
MIÉRCOLES 68 84
JUEVES 48 80
VIERNES 72

ALFA 0.25

UTILIZANDO EL MÉTODO DE SUAVIACIÓN EXPONENCIAL, LA DEMANDA PRONÓSTICADA PARA EL DÍA VIERNE


TICADA PARA EL DÍA VIERNES ES DE 72
PERIODO. T DEMANDA REAL. DEMANDA
At PRONOSTICADA. Ft
1 50 50
2 42 50
3 56 48 ALFA 0.25
4 46 50
5 49

UTILIZANDO EL MÉTODO DE SUAVIACIÓN EXPONENCIAL, LA DEMANDA PRONÓSTICADA PARA EL PERÍODO 5 ES


DA PARA EL PERÍODO 5 ES DE 49, DEBIDO A QUE EL ALFA QUE SE HALLÓ TIENE UN VALOR DE 0,25
PRONOSTICO
INGRESO (Miles de
PERIODO MES PMS 3 MESES PMP 3 MESES
millones)
1 FEBRERO 70100
2 MARZO 68500
3 ABRIL 64800
4 MAYO 71700 67800.00 66916.67
5 JUNIO 71300 68333.33 68866.67
6 JULIO 72800 69266.67 70350.00
7 AGOSTO 71933.33 72116.67
8 SEPTIEMBRE 72050.00 36150.00

TENDENCIA Aparentemente la serie de tiempo no tiene una tendencia evidente

INGRESO (Miles de millones)


75000
70000
65000 INGRESO (Miles de
60000 millones)
L O O E
ER
O
RZ
O RI AY NI LI O ST
O
BR
BR A AB M JU JU O M
FE M AG IE
EPT
S
INGRESO PRONOSTICADO

70100
70100
70084.00
70031.16
70047.85
70060.37
70087.77
69386.89

ALFA
0.01 INGRESO PRONOSTICADO
70200 70088
70000
69800
69600
69400 INGRESO PRONOSTICADO
69200
69000
O O IL O O O O E
RER ARZ ABR AY UNI ULI OST BR
B M J J M
FE M AG TI E
P
SE
ADO

INGRESO PRONOSTICADO
DEMANDA DE APARICIONES DE VENTAS
PRECIO DE VENTA
GUITARRAS TV DE MARRON 5 PRONOSTICADAS
3 3 1.0 3
6 4 1.5 9
7 7 1.0 7
5 6 0.8 4
10 8 1.3 13
7 5 1.4 9.8
7 9 0.8 6.0

Pendiente 0.6585365854 1.3292682927


Error 0.2272517702 1.518794608
0.6773519164 1.1881015806
8.3974082073 4

A) Según los datos de la demanda de guitarra frente a las veces que Marron 5 aparece en
televion, demuestra que si entre mas veces aparece la demanda de guitarras aumento
B) DEMANDA DE GUITARRAS APARICIONES DE TV DE MARRON 5
12

10

0
1 2 3 4 5 6
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.823
Coeficiente de determinación R^2 0.677
R^2 ajustado 0.597
Error típico 1.188
Observaciones 6

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 11.8536585366
Residuos 4 5.6463414634
Total 5 17.5

Coeficientes Error típico


Intercepción 1.3292682927 1.518794608
Variable X 1 0.6585365854 0.2272517702
Promedio de los cuadrados F Valor crítico de F
11.8536585366 8.3974082073 0.0442141452
1.4115853659

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%Superior 95,0%


0.8752126757 0.430865731 -2.8875815625 5.546118148 -2.88758156 5.546118148
2.897828188 0.0442141452 0.0275845204 1.28948865 0.02758452 1.28948865
perior 95,0%
D
PRONOSTICO CON ESTACIONALIDAD
Q
TRIMESTRE Trimestre FACTOR Demanda Q
Invierno 1 0.8 61.6 26.488 C
Primavera 2 1.1 84.7 36.421 120
Verano 3 1.4 107.8 46.354
Otoño 4 0.7 53.9 23.177 100
total 4 80
promedio Trimestre 1.1
60

40

20

0
0.5 1 1.5 2
FACTOR
77
0.43

Chart Title
20

00

80

60

40

20

0
0.5 1 1.5 2 2.5 3 3.5 4 4.5
FACTOR Demanda Q
LORI COOK HA DESARROLLADO EL SIGUIENTE MODELO DE PRONOSTICO:
Y=36+4.3x

DONDE Y= Demanda de aires acondicionados Kool Air y


X= La temperatura exterior (°F)

A. Pronostique la demanda del Kool Air cuando la temperatura es de 70°F


B. Cual es la demanda cuando la temperatura es de 80°F
C. Cual es la demanda cuando la temperatura es de 90°F

PRONOSTICO CON ESTACIONALIDAD (WINTER)

AÑO TEMPERATURA PRONOSTICO DE LA DEMANDA


2016 70 106
2017 80 116
2018 90 126
TOTALES 240 348
PROMEDIO TRIMESTRE 80 116
Y 36

7000

6000

5000

4000
Row 18
Row 17
3000
Row 16

2000

1000

0
1 2 3 4 5