Está en la página 1de 41

EJERCICIO 1

La dueña de una tienda de computadoras renta impresoras a algunos de sus clientes


preferidos. Ella esta interesada en llegar a un pronostico de rentas para poder orden
la cantidad correcta de los suministros que necesitan las impresoras .Los datos de las
ultimas 10 semanas se muestran en la siguiente tabla .

Semana(x) Rentas(Y)
1 23
2 24
3 32
4 26
5 31
6 28
7 32
8 35
9 26
10 24

Por el metodo de regresion Lineal

Semana(x) Rentas(Y) XY X² y²
1 23 23 1 529
2 24 48 4 576
3 32 96 9 1024
4 26 104 16 676
5 31 155 25 961
6 28 168 36 784
7 32 224 49 1024
8 35 280 64 1225
9 26 234 81 676
10 24 240 100 576
55 281 1572 385 8051

Y=m(x)+b

CALCULO DE m : n∑(xy)-(∑x)(∑y) 265


0.321
n∑(x²)-(∑x)² 825
CALCULO DE b : (∑y)-m(∑x) 263.3333333
26.33
n 10

CALCULAMOS LA CORRELACION DE RESULTADOS

FORMULA: n(∑xy)-(∑x)(∑y)
(√(n(∑x²)-(∑x)²))*(√(n(∑y²)-(∑y)²))

m
Y=m(x)+b Y= 0.321(x)+26.33
b

CALCULO DE Sxy: (∑y²)-b(∑y)-m(∑x) 634.615 79.3269


n-2 8

CALCULO DE la Varianza : Este resultado significa que


: R² 5%

Semana(x) Rentas(Y) pronostico


1 23 27
2 24 27
3 32 27
4 26 28
5 31 28
6 28 28
7 32 29
8 35 29
9 26 29
10 24 30

Por el metodo de promedio movil

a. Prepare un pronóstico para las semanas 6 a 10, usando un promedio móvil de cinco semanas. ¿Cuál será el pro

Semana Rentas pronostico


6 28 27 P=(23+24+32+26+31)/5
7 32 28 P=(24+32+26+31+28)/5
8 35 30 P=(32+26+31+28+32)/5
9 26 30 P=(26+31+28+32+35)/5
10 24 30 P=(31+28+32+35+26)/5
11 29 el pronostico para la seman
b. Calcule la desviación media absoluta al final de la semana 10.

Rentas pronostico lR-Pl


28 27 1
32 28 4
35 30 5
26 30 4
24 30 6
Desviación media absoluta 4
nos de sus clientes
para poder ordenar
as .Los datos de las
265 Este resultado nos da a entender que esxite una relacion
0.234419
1130.45345 positiva entre las semanas y las rentas

0.321

26.33

8.9066

ste resultado significa que el 5% de variacion en las rentas se explica con cada semana que pase

semanas. ¿Cuál será el pronóstico para la semana 11?

l pronostico para la semana 11 sera de 29 impresoras rentadas


EJERCICIO 2
Las ventas de los ultimos 12 meses en Dalworth Company se dan enseguida

MES Ventas (millo. De $)


ENERO 20
FEBRERO 24
MARZO 27
ABRIL 31
MAYO 37
JUNIO 47
JULIO 53
AGOSTO 62
SETIEMBRE 54
OCTUBRE 36
NOVIEMBRE 32
DICIEMBRE 29

Por el metodo de regresion Lineal

Mes(X) Ventas (millo. De $)(Y) XY X²


1 20 20 1
2 24 48 4
3 27 81 9
4 31 124 16
5 37 185 25
6 47 282 36
7 53 371 49
8 62 496 64
9 54 486 81
10 36 360 100
11 32 352 121
12 29 348 144
78 452 3153 650
x y XY X²

Y=m(x)+b
CALCULO DE m : n∑(xy)-(∑x)(∑y) 2580
∑n(x²)-(∑x)² 1716

CALCULO DE b : (∑y)-m(∑x) 334.7272727273


n 12

CALCULAMOS LA CORRELACION DE RESULTADOS

FORMULA: n(∑xy)-(∑x)(∑y)
(√(n(∑x²)-(∑x)²))*(√(n(∑y²)-(∑y)²))

Y=m(x)+b Y= 1.053(x)+2.89

CALCULO DE Sxy: (∑y²)-b(∑y)-m(∑x) 6250.486


n-2 10

CALCULO DE la Varia
: R² 17%

Mes(X) Ventas (millo. De $)(Y) pronostico


1 20 29
2 24 31
3 27 32
4 31 34
5 37 35
6 47 37
7 53 38
8 62 40
9 54 41
10 36 43
11 32 44
12 29 46

Por el metodo de promedio movil

a. Utilice un promedio móvil de tres meses y pronostique las ventas para los meses comprendidos entre abril y diciembre.

MES Ventas (millo. De $) pronostico


ENERO 20
FEBRERO 24
MARZO 27
ABRIL 31 24 P=20+24+27/3
MAYO 37 27 P=24+27+31/3
JUNIO 47 32 P=27+31+37/3
JULIO 53 38 P=31+37+47/3
AGOSTO 62 46 P=37+47+53/3
SETIEMBRE 54 54 P=47+53+62/3
OCTUBRE 36 56 P=53+62+54/3
NOVIEMBRE 32 51 P=62+54+36/3
DICIEMBRE 29 41 P=54+36+32/3

b. Aplique un promedio móvil de cuatro meses y pronostique las ventas para los meses comprendidos entre mayo y diciembre

MES Ventas (millo. De $) pronostico


ENERO 20
FEBRERO 24
MARZO 27
ABRIL 31
MAYO 37 26
JUNIO 47 30
JULIO 53 36
AGOSTO 62 42
SETIEMBRE 54 50
OCTUBRE 36 54
NOVIEMBRE 32 51
DICIEMBRE 29 46

MES Ventas (millo. De $) PRONÓSTICO 3 MESES PRONÓSTICO 4 MESES


ENERO 20
FEBRERO 24
MARZO 27
ABRIL 31 24
MAYO 37 27 26
JUNIO 47 32 30
JULIO 53 38 36
AGOSTO 62 46 42
SETIEMBRE 54 54 50
OCTUBRE 36 56 54
NOVIEMBRE 32 51 51
DICIEMBRE 29 41 46

DMA
se dan enseguida


400
576
729
961
1369
2209
2809
3844
2916
1296
1024
841
18974

1.503

27.89

2580
0.407288
6334.5831749216

m 1.503

b 27.89

625.0486
25.0010

Este resultado significa que el 17% de variacion en las ventas se explica con cada mes que pase

mprendidos entre abril y diciembre.


s comprendidos entre mayo y diciembre.

(VENTAS – PRONOSTICO 3 MESES) (VENTAS – PRONÓSTICO 4 MESES)

7
10 11
15 17
15 17
16 20
0 4
20 18
19 19
12 17
114 123
13 15
EJERCICIO 3
EJERCICIO 4

Mes Ventas
ENERO 214
FEBRERO 221
MARZO 229
ABRIL 227
MAYO 208
JUNIO 221
JULIO 235
AGOSTO 245
SETIEMBRE 266
OCTUBRE 244
NOVIEMBRE 261
DICIEMBRE 266

Por el metodo de regresion Lineal

Mes(X) Ventas(Y) XY X² y²
1 214 214 1 45796
2 221 442 4 48841
3 229 687 9 52441
4 227 908 16 51529
5 208 1040 25 43264
6 221 1326 36 48841
7 235 1645 49 55225
8 245 1960 64 60025
9 266 2394 81 70756
10 244 2440 100 59536
11 261 2871 121 68121
12 266 3192 144 70756
78 2837 19119 650 675131

Y=m(x)+b

CALCULO DE m : n∑(xy)-(∑x)(∑y) 8142


4.745
n∑(x²)-(∑x)² 1716
CALCULO DE b : (∑y)-m(∑x) 2466.90909
205.58
n 12

CALCULAMOS LA CORRELACION DE RESULTADOS

FORMULA: n(∑xy)-(∑x)(∑y)
(√(n(∑x²)-(∑x)²))*(√(n(∑y²)-(∑y)²))

m
Y=m(x)+b Y=4.745(x)+205.58
b

CALCULO DE Sxy: (∑y²)-b(∑y)-m(∑x) 91530.43 ###


n-2 10

CALCULO DE la Varianza Este resultado significa que el


: R² 73%

Mes Ventas Pronostico


1 214 210
2 221 215
3 229 220
4 227 225
5 208 229
6 221 234
7 235 239
8 245 244
9 266 248
10 244 253
11 261 258
12 266 263
8142 Este resultado nos da a entender que esxite una relacion
0.853733
9536.93599 positiva entre el mes y las ventas

4.745

205.58

95.6715

resultado significa que el 73% de variacion en las ventas se explica con cada mes que pase
EJERCICIO 5
La demanda de cambios de aceite en Garcias Garage ha sido la siguiente:

Mes numero de camb.de aceite


ENERO 41
FEBRERO 46
MARZO 57
ABRIL 52
MAYO 59
JUNIO 51
JULIO 60
AGOSTO 62

a) Aplique el análisis de regresión lineal simple y elabore un modelo de pronóstico para la demanda mensual. En esta
aplicación, la variable dependiente, Y corresponde a la demanda mensual, y la variable independiente X representa el
mes.
Para enero se X =1, para febrero sea X = 2, y así sucesivamente.

Mes (X) numero de camb.de aceite (Y) xy


1 41 41
2 46 92
3 57 171
4 52 208
5 59 295
6 51 306
7 60 420
8 62 496
36 428 2029

Y=m(x)+b

CALCULO DE m : n∑(xy)-(∑x)(∑y)
n∑(x²)-(∑x)²

CALCULO DE b : (∑y)-m(∑x)
n

CALCULAMOS LA CORRELACION DE RESULTADOS


FORMULA: n(∑xy)-(∑x)(∑y)
(√(n(∑x²)-(∑x)²))*(√(n(∑y²)-(∑y)²))

Mes numero de camb.de aceite pronostico


1 41 45
2 46 47
3 57 50
4 52 52
5 59 55
6 51 57
7 60 60
8 62 62

b) Utilice el modelo y haga un pronóstico de la demanda para septiembre, octubre, y noviembre. En caso X=9, 10 y 11 respec

Mes pronostico
9 65
10 67
11 69
siguiente:

la demanda mensual. En esta


independiente X representa el

X² Y²
1 1681
4 2116
9 3249
16 2704
25 3481
36 2601
49 3600
64 3844
204 23276

824
2.45
336

339.714286
42.46
8
824
0.82
) 1008

mbre. En caso X=9, 10 y 11 respectivamente.


EJERCICIO 6
En una fábrica procesadora de hidrocarburos, el control de procesos requiere el análisis periódico de
muestras para un parámetro determinado de la calidad del proceso. El procedimiento analítico que se sigue
actualmente es costoso y consume mucho tiempo. Se ha propuesto un procedimiento alternativo más rápido
y económico. Sin embargo, las cifras obtenidas con el procedimiento alternativo para el parámetro de calidad
son un tanto diferentes de las obtenidas con el procedimiento actual, no a causa de errores intrínsecos, sino
por cambios en el carácter del análisis químico. La gerencia considera que si es posible usar las cifras
obtenidas con el nuevo procedimiento para hacer un pronóstico fiable de las cifras correspondientes del
procedimiento actual, la adopción del nuevo procedimiento sería sensata y rentable. Los siguientes datos
referentes al parámetro de calidad se obtuvieron analizando muestras con los dos procedimientos:

Propuesto (X) Actual(Y) xy X² Y²


3.1 3 9.3 9.61 9
3.9 3.1 12.09 15.21 9.61
3.4 3 10.2 11.56 9
4 3.6 14.4 16 12.96
3.6 3.8 13.68 12.96 14.44
3.6 2.7 9.72 12.96 7.29
3.6 2.7 9.72 12.96 7.29
3.1 3.1 9.61 9.61 9.61
2.9 2.7 7.83 8.41 7.29
3.6 3.3 11.88 12.96 10.89
4.1 3.2 13.12 16.81 10.24
2.6 2.1 5.46 6.76 4.41
3.1 3 9.3 9.61 9
2.8 2.6 7.28 7.84 6.76
47.4 41.9 143.59 163.26 127.79

a. Use la regresión lineal para encontrar una relación que permita pronosticar Y, que es el parámetro
de calidad del procedimiento actual, utilizando los valores del procedimiento propuesto, X.

Y=m(x)+b Y=0.622(x)+0.89

CALCULO DE m : n∑(xy)-(∑x)(∑y) 24.2


0.622
∑n(x²)-(∑x)² 38.88

CALCULO DE b : (∑y)-m(∑x) 12.3969136


0.89
n 14

b. ¿Existe una relación fuerte entre Y y X.


CALCULAMOS LA CORRELACION DE RESULTADOS

FORMULA: n(∑xy)-(∑x)(∑y) 24.2


(√(n(∑x²)-(∑x)²))*(√(n(∑y²)-(∑y)²)) 36.062945

Existe una relacion fuerte entre (x) y (y) ya que su coeficiente de correlacion se acerca al 1
periódico de
nalítico que se sigue
lternativo más rápido
parámetro de calidad
ores intrínsecos, sino
usar las cifras
espondientes del
s siguientes datos
dimientos:

parámetro
.
0.7
EJERCICIO 7
Ohio swiss Milk Products fabrica y distribuye helados de Ohio, Kentucky y Virginia occidental. La compañía
desea expandir sus operaciones, abriendo otra planta en el norte de Ohio. El tamaño de la nueva planta se
calculará en función de la demanda esperada del helado en el área atendida por dicha planta.
Actualmente se está realizando una encuesta de mercado para determinar cuál será esa demanda.
Ohio Swiss desea estimar la relación entre el costo por galón para el fabricante y el número de galones
vendidos en un año a fin de determinar la demanda de helado y por consiguiente, el tamaño que deberá
tener la nueva planta. Se han recopilado los siguientes datos:

Planta Costo por millar de galones(Y) Miles de galones vendidos(X) xy Y²


1 1015 416.9 423153.5 1030225
2 973 472.5 459742.5 946729
3 1046 250 261500 1094116
4 1006 372.1 374332.6 1012036
5 1058 238.1 251909.8 1119364
6 1068 258.6 276184.8 1140624
7 967 597 577299 935089
8 997 414 412758 994009
9 1044 263.2 274780.8 1089936
10 1008 372 374976 1016064
total 10182 3654.4 3686637 10378192

a. Desarrolle una ecuación de regresión para pronosticar el costo por galón en función del número de galones producidos.

Y=m(x)+b

CALCULO DE m : n∑(xy)-(∑x)(∑y) -342730.8


n∑(x²)-(∑x)² 1215851.44

CALCULO DE b : (∑y)-m(∑x) 11212.1221


n 10

Y= -0.282(x)+1121.21

b. Calcule el coeficiente de correlación y el coeficiente de determinación. Comente su ecuación de regresión a la luz de estas m

CALCULAMOS LA CORRELACION DE RESULTADOS

FORMULA: n(∑xy)-(∑x)(∑y)
(√(n(∑x²)-(∑x)²))*(√(n(∑y²)-(∑y)²))

CALCULAMOS EL COEFICIENTE DE DETERMINACION


Formula : R² 0.888

c. Suponga que la encuesta de mercado revelara una demanda de 325.000 galones en el área de Buerrus Ohio. Estime el costo

Y=1121,2−0,2819x
Y=1121,2−0,2819(325)
Y=1029,58 el costo sera de 1029.58
ental. La compañía
la nueva planta se
lanta.
demanda.
ero de galones
maño que deberá


173805.61
223256.25
62500
138458.41
56691.61
66873.96
356409
171396
69274.24
138384
1457049.08

úmero de galones producidos.

-0.282

1121.21

ón de regresión a la luz de estas medidas.

-342730.8
-0.94
363702.864
a de Buerrus Ohio. Estime el costo de fabricación por galón en una planta que produjera 325000 galones por año.
A
LT=2

B(1) C(2) D(1)


LT=1 LT=3 LT=2

E(1) F(2) E(1) G(1) H(1)

LT=4 LT=4 LT=3 LT=2


LT=3 LT=5

I(1) I(1)

LT=2 LT=2

A) ¿Cuántos primarios inmediatos (un nivel arriba) tiene el articulo I ?¿Cuantos primarios inmediatos tiene el articulo E?
B)¿Cuántos componentes unicas tiene el articulo A en todos los niveles ?
C)¿Que componentes son articulos comprados
D)¿Cuántos articulos intermedios tiene el producto A en todos los niveles ?
E) Dados los tiempos de entrega (LT) en las semanas anotadas en la figura ¿Cuánto tiempo antes de envio debe hacerse un co
para cual quiera de los articulos comprados que se identifican en el inciso c?

Resolucion

A) Primarios inmediatos elemento I= 1 (E) Primarios inmediatos elemento E=2 (B, C)


B) Componentes únicos del elemento A en todos los niveles= 10 (B, C, D, E, F, G, H, I, J, K)
C) Los componentes comprados son los elementos que no tienen hijos, estos son: I, F, G, H, y K.
D) Cinco elementos son intermedios: B, C, E, D, J
E)

Elemento NUMERO LT 1 2 3 4
F 2 3
G 1 5
H 1 3
I 2 2
K 1 1
LT=2

J(2)

LT=2

K(1)

LT=1

diatos tiene el articulo E?

s de envio debe hacerse un compromiso de compra

5 6 7 8 9 10 11
A

B(1) C(2) D(1)

c(2) E(1) F(1)


D(1)

F(1)
A
LT=2

B(1 E(1
) )
LT=3
LT=2

F(1
C( D(1) )
1)

LT=5
LT=8 LT=4

Elemento NUMERO LT 1 2 3 4 5
A 2
B 1 3
C 1 8
D 1 4
E 1 2
F 1 5
El tiempo de espera necesario serian 13 semanas

6 7 8 9 10 11 12 13
a) ¿Qué tiempo de entrega (en semanas) se requiere para atender el pedido de un cliente
que solicita el elemento A, suponiendo que no exista ningún inventario?
b) ¿Cuál es el tiempo de respuesta al cliente si todos los elementos comprados (es decir, D,
F, G y H) se encuentran en inventario?
c) Si sólo se permitiera mantener en inventario un elemento comprado, ¿cuál de ellos
seleccionaría usted?

ARTICULO LEAD TIME


A 1
B 2
C 2
D 6
E 5
F 6
G 4
H 3

A
LT=1

B LT=2 C

d LT=6 E LT=5 F

G) LT=6
H

LT=4
LT=3

a) Tiempo de entrega requerido en semanas=12 semanas


b)
Tiempo de entrega B=7, Tiempo de entrega C=2
Tiempo de entrega A= Tiempo de entrega B (mayor) + Duracion C= 8 semanas
c)
El mayor tiempo de entrega de los elementos de A corresponde al elemento B, dentro de este
elemento los componentes (D y E), tienen un tiempo de entrega de 6 y 9 semanas
respectivamente, por lo tanto el elemento E es el que posee el mayor tiempo de entrega el que
a su vez se compone de dos elementos comprados (H y G), siendo G el elemento que tiene el
mayor tiempo de entrega, lo que hace que sea considerado para tenerlo en inventario.
c)
El mayor tiempo de entrega de los elementos de A corresponde al elemento B, dentro de este
elemento los componentes (D y E), tienen un tiempo de entrega de 6 y 9 semanas
respectivamente, por lo tanto el elemento E es el que posee el mayor tiempo de entrega el que
a su vez se compone de dos elementos comprados (H y G), siendo G el elemento que tiene el
mayor tiempo de entrega, lo que hace que sea considerado para tenerlo en inventario.
LT=2

LT=3