FUNDACION CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES

APLICACIÓN MODELOS
DE PRONOSTICOS
EJERCICIO PRACTICO

jmartinez
John Jairo Martinez Torres
Armando galeano
Juan Vanegas
I3AE
 APLICACIÓN MODELOS DE PRONOSTICOS

PRESENTADO POR :

JHON JAIRO MARTINEZ TORRES

ARMANDO GALEANO
JUAN VANEGAS

EJERCICIO PRACTICO EMPLEANDO MODELOS DE PRONOSTICOS, PROMEDIO SIMPLE, PROMEDIO MOVIL SIMPLE,
PROMEDIO PONDERADO , SUAVIZACIÓN EXPONENCIAL SIMPLE, REGRESION LINEAL Y METODOS DE
DESESTACIONALIZACION

PRESENTADO A :

ING. EDILSON CUARTAS E SQUIVEL

FUNDACION CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES

FACULTAD DE TECNOLOGIA INDUSTRIAL
SANTIAGO DE CALI, VALLE
2010
 INTRODUCCION

En el mundo Actual las empresas se mueven en una atmosfera de incertidumbre en cuanto a las
variaciones de la demanda y el mercado. Es necesario establecer una serie de estrategias para suplir esta
demanda y tener cada vez mayor participación en el mercado, el uso correcto de pronósticos nos
ayudara a cumplir con este ambicioso objetivo.

A lo largo de este trabajo realizaremos un ejercicio práctico en donde una empresa Y, nos presenta la
demanda de los últimos doce periodos de un Producto X y debemos establecer Cuál será la cantidad a
pronosticar para el periodo Trece. Cuando nos enfrentamos a la necesidad de tomar decisiones en un
ambiente incierto, ¿Qué tipo de pronóstico debemos emplear? ¿Cuál es el método correcto para
establecer el modelo correcto?

Utilizando los principios de argumentación y herramienta para el análisis adquiridas en el curso de

Producción II, emplearemos los modelos de pronósticos vistos como son Promedio Simple, Promedio
Móvil Simple, Promedio Móvil Ponderado, Suavizamiento Exponencial Simple, Regresión Lineal y
Métodos de Desastacionalizacion.
OBJETIVOS

 Fortalecer los conceptos y modos de aplicación de los modelos de pronósticos mencionados a

continuación: Promedio Simple, Promedio Móvil Simple, Promedio Móvil Ponderado y
Suavizamiento Exponencial Simple, Suavizamiento Exponencial Doble, regresión Lineal, Método
de Desestacionalizacion con tendencia Ajustada manualmente y Metodo de Desestacionalizacion
con tendencia Ajustada por Regresión lineal.

 Mediante principios de argumentación y análisis escoger el modelo de pronóstico correcto para

cada ejercicio práctico de este trabajo.

1. La demanda de audífonos para estereofónicos y reproductores de discos compactos para

trotadores ha llevado a Nina Industries a crecer casi 50% en el año pasado. El número de
trotadores sigue en aumento, así que Nina espera que la demanda también se incremente,
 porque hasta ahora, no se han promulgado leyes de seguridad que impidan que los trotadores
usen audífonos. La demanda de estéreos del año pasado fue la siguiente:

DEMANDA DEMANDA
MES MES
(Unidades) (Unidades)
Enero 4.200 Julio 5.300
Febrero 4.300 Agosto 4.900
Marzo 4.000 Septiembre 5.400
Abril 4.400 Octubre 5.700
Mayo 5.000 Noviembre 6.300
Junio 4.700 Diciembre 6.000

a) Con un análisis de mínimos cuadrados, ¿cuál estimaría que fuera la demanda de cada mes
del año entrante? Con una hoja de cálculo, siga el formato general de la ilustración 15.11.
Compare sus resultados con los obtenidos usando la función pronostico de la hoja de
cálculo.
 Inicialmente tabulamos y graficamos los datos y establecemos la recta de regresión lineal
por medio de la ecuación Y = a + bXb

Errores
Trim. Demanda Trim.2 Demandas2 Trim*Demanda Y = 441,6 + 359,6X Sesgo2
estimados
01 4.200 1 17.640.000 4.200 3.958,9 58.129,2
02 4.300 4 18.490.000 8.600 4.151,2 22.141,4
03 4.000 9 16.000.000 12.000 4.343,5 117.992,3 445,3
04 4.400 16 19.360.000 17.600 4.535,8 18.441,6 329,2
05 5.000 25 25.000.000 25.000 4.728,1 73.929,6 311,3
06 4.700 36 22.090.000 28.200 4.920,4 48.576,2 291,2
07 5.300 49 28.090.000 37.100 5.112,7 35.081,3 273,6
08 4.900 64 24.010.000 39.200 5.305,0 164.025,0 299,5
09 5.400 81 29.160.000 48.600 5.497,3 9.467,3 279,7
10 5.700 100 32.490.000 57.000 5.689,6 108,2 261,7
11 6.300 121 39.690.000 69.300 5.881,9 174.807,6 283,4
12 6.000 144 36.000.000 72.000 6.074,2 5.505,6 269,9

78 60.200 650 308.020.000 418.800

b=
 xy - n( y)( x ) = 418.800 - 12(5.016,66)(6,5)  27.500 = 192,308
 x - n( x )
2 2
650  12(42.25) 143
 a = y - b x = (5.016,66) - (192,308)(6,5) = 3766,607

Habiendo hallado a y b obtenemos la siguiente ecuación: Y = 192,3 + 3766,6Xa

Demanda Audifonos año 2009

7,000

6,000 y = 192.31x + 3766.7

5,000

4,000

3,000

2,000

1,000

PRONOSTICOS
Funcion
Periodos (X) Y = 441,6 + 359,6X
Pronostico Excel
13 6266,7 6.266,5
14 6459 6.458,8
15 6651,3 6.651,1
16 6843,6 6.843,4
17 7035,9 7.035,7
18 7228,2 7.228,0
19 7420,5 7.420,3
20 7612,8 7.612,6
21 7805,1 7.804,9
22 7997,4 7.997,2
23 8189,7 8.189,5
24 8382,1 8.381,8
 Demanda Audifonos año 2009 y Pronostico
2010
9,000
8,000
y = 192.31x + 3766.7
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
jun 09

oct 09

jun 10

oct 10
abr 09

abr 10
ene 09

nov 09

ene 10

jul 10

sep 10

nov 10
mar 09

may 09

jul 09

may 10
ago 09

sep 09

mar 10
dic 09

ago 10
feb 09

feb 10

dic 10
Podemos notar que la diferencia entre resolver este modelo de forma manual y con la función
pronóstico de Excel no es más que unos cuantos decimales.

b) Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres errores estándar
por seguridad. ¿Cuántas unidades adicionales debe retener para alcanzar este nivel de
confianza?

Con el complemento Regresión de Excel obtenemos:

Estadísticas de la regresión

Coeficiente de correlación múltiple 0,938

Coeficiente de determinación R^2 0,879

R^2 ajustado 0,867

Error típico 269,853
Observaciones 12,000

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
F Valor crítico de F
libertad cuadrados cuadrados
Regresión 1 5.288.461,538 5.288.461,538 72,623 0,000006741
Residuos 10 728.205,128 72.820,513
Total 11 6.016.666,667
 Podemos notar que en el complemento de Excel el error estándar del estimado es 269,853 y
el Coeficiente de Determinación es 0,867, como Nina Industries eligió usar tres errores
estándar tenemos:

3(269,853)(0.687) = 556.16 unda

Nina debe contar con 556 unidades adicionales a lo pronosticado para alcanzar el nivel de
confianza esperado.

2. Los datos de Ventas de 2 años son los siguientes. Los datos están acumulados con dos meses de
ventas en cada “periodo”

MES VENTAS MES VENTAS

Enero-Febrero 109 Enero-Febrero 115

Marzo-Abril 104 Marzo-Abril 112
Mayo-Junio 150 Mayo-Junio 159
Julio-Agosto 170 Julio-Agosto 182
Septiembre-Octubre 120 Septiembre-Octubre 126
Noviembre-Diciembre 100 Noviembre-Diciembre 106

a) Trace la grafica.

ventas Producto "ABC" año 2008 y 2009

200
180
160
y = 1.1364x + 122.03
140
120
100
80
60
40
20
0
 b) Componga un modelo de regresión lineal simple para los datos de ventas.

Teniendo en cuenta que la ecuación es: Y = 122 + 1,136X El modelo de regresión simple
quedaría de la siguiente manera:

Año Bimestre ventas Y = 122 + 1,136X

01 109 123,1
02 104 124,2
2008

03 150 125,3
04 170 126,4
05 120 127,5
06 100 128,6
07 115 129,7
08 112 130,8
2009

09 159 131,9
10 182 133,0
11 126 134,1
12 106 135,2

78 1.553

c) Además del modelo de regresión, determine los factores multiplicadores del índice
estacional. Se supone que un ciclo completo es de 1 año.

Año Proporcion Factor estacional

Bimestre ventas Y = 122 + 1,136X
real/Tendencia
01 109 123,1 0,8855
I 0,89
02 104 124,2 0,8374
2008

03 150 125,3 1,1971

II 0,85
04 170 126,4 1,3449
05 120 127,5 0,9412
III 1,20
06 100 128,6 0,7776

07 115 129,7 0,8867

IV 1,36
08 112 130,8 0,8563
2009

09 159 131,9 1,2055

V 0,94
10 182 133,0 1,3684
11 126 134,1 0,9396
VI 0,78
12 106 135,2 0,7840

78 1.553
 d) Con los resultados de los incisos b) y c), prepare un pronóstico para el año entrante.

Año Bimestre Y = 122 + 1,136X Factor Estacional pronostico

13 136,8 0,89 120,8
14 137,9 0,85 116,4
2010

15 139,0 1,20 166,4

16 140,2 1,36 189,4
17 141,3 0,94 132,3
18 142,4 0,78 110,7

ventas año 2008 a 2009 y Pronostico 2010

Producto "ABC"
200
180
y = 1.1364x + 122.03
160
140
120
100
80
60
40
20
0
3. Tucson Machinery, Inc., fabrica maquinas controladas numéricamente, que se venden a un
precio promedio de 0.5 millones de dólares cada una. Las ventas de estas maquinas durante los
2 años anteriores son:

2006 2007
CANTIDAD CANTIDAD
TRIMESTRE TRIMESTRE
(Unidades) (Unidades)
I 12 I 16
II 18 II 24
III 26 III 28
IV 16 IV 18

a) Trace a mano una recta (o haga una regresión en Excel).

Ventas Maquinas Tucson año 2006 y 2007

30

25
y = 1.0238x + 15.143
20

15

10

0
ene-feb 08 mar-abr 08 may-jun 08 jul-ago 08 sep-oct 08 nov dic 08 ene-feb 09 mar-abr 09

Para el desarrollo de los puntos c y d utilizaremos los métodos de Desestacionalización con

Tendencia Ajustada manualmente y con Tendencia Ajustada por Regresión lineal.

b) Encuentre la tendencia y los factores estacionales.

Desestacionalización con tendencia ajustada Manualmente.

Teniendo en cuenta que la ecuación es: Y = 1,023 + 15,14X El modelo de regresión simple
quedaría de la siguiente manera:
 Proporción Factor
Año Periodo Trimestre ventas Y = 15,1 + 1,024X
real/Tendencia estacional

1 I 12 16,1 0,745
I 0,771
2006

2 II 18 17,1 1,053
3 III 26 18,1 1,436
II 1,095
4 IV 16 19,1 0,838
5 I 16 20,1 0,796
III 1,352
2007

6 II 24 21,1 1,137
7 III 28 22,1 1,267
IV 0,808
8 IV 18 23,1 0,779

Desestacionalización con Tendencia Ajustada por Regresión Lineal.

Promedio de
Factor Ventas
Año Periodo Trimestre ventas Trim de Cada Y=16,52 + 0,718X
Estacional Desestacionalizadas
Año

1 I 12 14 0,709 16,93 17,2

2006

2 II 18 21 1,063 16,93 18,0

3 III 26 27 1,367 19,02 18,7

4 IV 16 17 0,861 18,59 19,4

5 I 16 0,709 22,57 20,1

2007

6 II 24 1,063 22,57 20,8

7 III 28 1,367 20,48 21,5

8 IV 18 0,861 20,91 22,3

Con las ventas Desestacionalizadas y el valor de cada periodo se aplca regresión lineal y se
obtiene el valor de A y B de la ecuación de la recta promedio

Coeficientes
Intercepción 16,5202414
Variable X 1 0,71772413

La ecuación de la tendencia es: Y = 16,52 + 0,718Xa

Con esta ecuación ya podemos proyectar los trimestres del año 2008.
 c) Pronostique las ventas para 2008.

Desestacionalización con tendencia ajustada Manualmente.

Año Periodo Trimestre Y = 15,1 + 1,024X Factor Estacional pronostico

9 I 24,1 0,771 19
2008

10 II 25,1 1,095 27
11 III 26,1 1,35 35
12 IV 27,1 0,808 22

Desestacionalización con Tendencia Ajustada por Regresión Lineal.

Año Periodo Trimestre Y=16,52 + 0,718X Factor Estacional pronostico

9 I 23,0 0,709 16
2008

10 II 23,7 1,063 25
11 III 24,4 1,37 33
12 IV 25,1 0,861 22

A continuación presentamos un grafico comparativo entre los dos métodos:

Ventas Maquinas Tucson año 2006 a 2007 y

Pronostico 2008
40

35

30

25

20

15

10

0
4. La tabla siguiente contiene la demanda de los últimos 10 meses.

DEMANDA DEMANDA
MES MES
REAL REAL
1 31 6 36
2 34 7 38
3 33 8 40
4 35 9 40
5 37 10 41

a) Calcule el pronóstico con suavización exponencial simple de estos datos con una α de 0.30 y
un pronóstico inicial (F1) de 31.

DMA SESGO
SUAVIZAMIENTO
DEMANDA SEÑAL DE
PERIODO EXPONENCIAL
REAL RELATIVO ACUMULADO RELATIVO ACUMULADO RASTREO
SIMPLE

01 31
02 34 31,0 3,0 3,0 3,0 3,0 1,00
03 33 31,9 1,1 2,1 1,1 2,1 2,00
04 35 32,2 2,8 2,3 2,8 2,3 3,00
05 37 33,1 3,9 2,7 3,9 2,7 4,00
06 36 34,2 1,8 2,5 1,8 2,5 5,00
07 38 34,8 3,2 2,6 3,2 2,6 6,00
08 40 35,7 4,3 2,9 4,3 2,9 7,00
09 40 37,0 3,0 2,9 3,0 2,9 8,00
10 41 37,9 3,1 2,9 3,1 2,9 9,00
 b) Calcule el pronóstico con suavización exponencial con tendencia para estos datos, con una α
de 0.30, δ de 0.30, un pronóstico de tendencias inicial (T1) de 1 y un pronóstico uniforme
exponencial inicial de 30.

VALOR DMA SESGO

DEMANDA TENDENCIA PRONOSTICO SEÑAL DE
PERIODO SUAVIZADO
REAL (T) (PTA) REL. ACUM. REL. ACUM. RASTREO
(PS)

01 31 30
02 34 30,30 1,09 31,39 2,6 2,6 2,6 2,6 1,0000
03 33 32,17 1,32 33,50 0,5 1,6 -0,5 1,1 1,3592
04 35 33,35 1,28 34,63 0,4 1,2 0,4 0,8 2,1414
05 37 34,74 1,31 36,05 0,9 1,1 0,9 0,9 3,1000
06 36 36,34 1,40 37,74 1,7 1,2 -1,7 0,3 1,3744
07 38 37,22 1,24 38,46 0,5 1,1 -0,5 0,2 1,1203
08 40 38,32 1,20 39,52 0,5 1,0 0,5 0,2 1,6907
09 40 39,67 1,24 40,91 0,9 1,0 -0,9 0,1 0,8041
10 41 40,64 1,16 41,80 0,8 1,0 -0,8 0,0 0,0059

c) Calcule la desviación absoluta media (MAD) de cada pronóstico. ¿Cuál es el mejor?

EXPONENCIAL SIMPLE EXPONENCIAL DOBLE

MAD 26,128 / 9 = 2,903 MAD 8,807 / 9 = 0,979
SEÑAL RASTREO 26,128 / 2,903 = 9 SEÑAL RASTREO 0,0058 / 0,979 = 0,0059

Indudablemente el modelo con suavización exponencial Doble nos llevaría a un pronóstico más acertado.

5. A continuación se anotan las ganancias por acción de dos compañías, por trimestre, del primer
trimestre de 2004 al segundo de 2007. Pronostique las ganancias por acción para el resto de
2007 y para 2008. Use suavización exponencial para pronosticar el tercer periodo de 2007 y el
método de descomposición de series de tiempos para pronosticar los últimos dos trimestres de
2007 y los cuatro trimestres de 2008 (es mucho más fácil resolver el problema en una hoja de
cálculo computarizada, para ver lo que sucede).
 AÑO TRIMESTRE Compañía A Compañía B

I 1,67 0,17
II 2,35 0,24
2004
III 1,11 0,26
IV 1,15 0,34
I 1,56 0,25
II 2,04 0,37
2005
III 1,14 0,36
IV 0,38 0,44
I 0,29 0,33
II -0,18 (Perdida) 0,40
2006
III -0,97 (Perdida) 0,41
IV 0,20 0,47
I -1,54 (Perdida) 0,30
2007
II 0,38 0,47

a) Para el método de suavización exponencial, tome el primer trimestre de 2004 como el

pronóstico inicial. Haga dos pronósticos: uno con α = 0.10 y otro con α = 0.30.

COMPAÑÍA A (α = 0,1)
SUAVIZAMIENTO DMA SESGO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 1,67
02 II 2,35 1,67 0,7 0,7 0,7 0,7 1,00
2004
03 III 1,11 1,74 0,6 0,7 -0,6 0,0 0,08
04 IV 1,15 1,68 0,5 0,6 -0,5 -0,2 -0,77
05 I 1,56 1,62 0,1 0,5 -0,1 -0,1 -1,13
06 II 2,04 1,62 0,4 0,5 0,4 0,0 -0,24
2005
07 III 1,14 1,66 0,5 0,5 -0,5 -0,1 -1,33
08 IV 0,38 1,61 1,2 0,6 -1,2 -0,3 -3,20
09 I 0,29 1,48 1,2 0,7 -1,2 -0,4 -4,64
10 II -0,18 1,36 1,5 0,8 -1,5 -0,5 -6,08
2006
11 III -0,97 1,21 2,2 0,9 -2,2 -0,7 -7,54
12 IV 0,2 0,99 0,8 0,9 -0,8 -0,7 -8,52
13 I -1,54 0,91 2,5 1,0 -2,5 -0,8 -9,83
14 2007 II 0,38 0,67 0,3 1,0 -0,3 -0,8 -10,71
15 III 0,64
 COMPAÑÍA A (α = 0,3)
SUAVIZAMIENTO DMA SESGO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 1,67
02 II 2,35 1,67 0,7 0,7 0,7 0,7 1,00
2004
03 III 1,11 1,87 0,8 0,7 -0,8 0,0 -0,12
04 IV 1,15 1,64 0,5 0,6 -0,5 -0,2 -0,90
05 I 1,56 1,50 0,1 0,5 0,1 -0,1 -1,03
06 II 2,04 1,52 0,5 0,5 0,5 0,0 0,02
2005
07 III 1,14 1,67 0,5 0,5 -0,5 -0,1 -1,03
08 IV 0,38 1,51 1,1 0,6 -1,1 -0,2 -2,77
09 I 0,29 1,17 0,9 0,6 -0,9 -0,3 -4,00
10 II -0,18 0,91 1,1 0,7 -1,1 -0,4 -5,30
2006
11 III -0,97 0,58 1,6 0,8 -1,6 -0,5 -6,71
12 IV 0,2 0,12 0,1 0,7 0,1 -0,5 -7,19
13 I -1,54 0,14 1,7 0,8 -1,7 -0,6 -8,58
14 2007 II 0,38 -0,36 0,7 0,8 0,7 -0,5 -7,67
15 III -0,14

COMPAÑÍA B (α = 0,1)
DMA SESGO
SUAVIZAMIENTO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE

01 I 0,17
02 II 0,24 0,17 0,1 0,1 0,1 0,1 1,00
2004
03 III 0,26 0,18 0,1 0,1 0,1 0,1 2,00
04 IV 0,34 0,19 0,2 0,1 0,2 0,1 3,00
05 I 0,25 0,20 0,0 0,1 0,0 0,1 4,00
06 II 0,37 0,21 0,2 0,1 0,2 0,1 5,00
2005
07 III 0,36 0,22 0,1 0,1 0,1 0,1 6,00
08 IV 0,44 0,24 0,2 0,1 0,2 0,1 7,00
09 I 0,33 0,26 0,1 0,1 0,1 0,1 8,00
10 II 0,4 0,26 0,1 0,1 0,1 0,1 9,00
2006
11 III 0,41 0,28 0,1 0,1 0,1 0,1 10,00
12 IV 0,47 0,29 0,2 0,1 0,2 0,1 11,00
13 I 0,3 0,31 0,0 0,1 0,0 0,1 11,85
14 2007 II 0,47 0,31 0,2 0,1 0,2 0,1 12,86
15 III 0,32
 COMPAÑÍA B (α = 0,3)
DMA SESGO
SUAVIZAMIENTO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE

01 I 0,17
02 II 0,24 0,17 0,1 0,1 0,1 0,1 1,00
2004
03 III 0,26 0,19 0,1 0,1 0,1 0,1 2,00
04 IV 0,34 0,21 0,1 0,1 0,1 0,1 3,00
05 I 0,25 0,25 0,0 0,1 0,0 0,1 3,99
06 II 0,37 0,25 0,1 0,1 0,1 0,1 5,00
2005
07 III 0,36 0,29 0,1 0,1 0,1 0,1 6,00
08 IV 0,44 0,31 0,1 0,1 0,1 0,1 7,00
09 I 0,33 0,35 0,0 0,1 0,0 0,1 7,53
10 II 0,4 0,34 0,1 0,1 0,1 0,1 8,52
2006
11 III 0,41 0,36 0,1 0,1 0,1 0,1 9,50
12 IV 0,47 0,37 0,1 0,1 0,1 0,1 10,51
13 I 0,3 0,40 0,1 0,1 -0,1 0,1 8,82
14 2007 II 0,47 0,37 0,1 0,1 0,1 0,1 9,89
15 III 0,40

b) Con el método MAD para probar el desempeño del modelo de pronóstico, más datos reales
de 2004 al segundo trimestre de 2007, ¿qué tan bien funciono el modelo?

EXPONENCIAL SIMPLE COMPAÑÍA A (α = 0,1) EXPONENCIAL SIMPLE COMPAÑÍA A (α = 0,3)

MAD 12,517 / 13 = 0,963 MAD 10,224 / 13 = 0,786
SEÑAL RASTREO -10,3103 / 0,963 = -10,708 SEÑAL RASTREO -6,0338 / 0,786 = -7,672

EXPONENCIAL SIMPLE COMPAÑÍA B (α = 0,1) EXPONENCIAL SIMPLE COMPAÑÍA B (α = 0,3)

MAD 1,556 / 13 = 0,12 MAD 1,015 / 13 = 0,078
SEÑAL RASTREO 1,5391 / 0,12 = 12,858 SEÑAL RASTREO 0,7722 / 0,078 = 9,891

En ambas empresas podemos observar amplia dispersión en sus datos lo que es consecuente
con las señales de rastreo con valores tan distante de los limites de control. Se podría
modificar “α” ó usar otro modelo para llegar a unos pronósticos más acertados.
 c) Con la descomposición del método de pronóstico por series de tiempo, pronostique las
ganancias por acción para los dos últimos trimestre de 2007 y para los cuatro trimestres de
2008. ¿Hay algún factor estacional en las ganancias?

DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE COMPAÑÍA A

Proporción Factor
Año Periodo Trim. Ganancias y = 2,288+ -0,214X
real/Tendencia estacional

1 I 1,67 2,0743 0,805

2 II 2,35 1,8605 1,263
2004 I 1,504
3 III 1,11 1,6467 0,674
4 IV 1,15 1,4329 0,803
5 I 1,56 1,2191 1,280
6 II 2,04 1,0053 2,029 II 0,389
2005
7 III 1,14 0,7915 1,440
8 IV 0,38 0,5777 0,658
9 I 0,29 0,3639 0,797 III 5,781
10 II -0,18 0,1501 -1,199
2006
11 III -0,97 -0,0637 15,228
12 IV 0,20 -0,2775 -0,721
IV 0,247
13 I -1,54 -0,4913 3,135
2007
14 II 0,38 -0,7051 -0,539

Año Periodo Trimestre y = 2,288 + -0,214X Factor Estacional pronostico

15 -0,919 -5,31
2007

III
5,781
16 IV -1,133 0,247 -0,28
17 I -1,347 1,504 -2,03
2008

18 II -1,560 0,389 -0,61

19 III -1,774 5,78 -10,26
20 IV -1,988 0,247 -0,49
 DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE COMPAÑÍA B
Proporción Factor
Año Periodo Trim. Ganancias y = 0,217 + 0,017X
real/Tendencia estacional
1 I 0,17 0,2342 0,726
2 II 0,24 0,251 0,956
2004 I 0,785
3 III 0,26 0,2678 0,971
4 IV 0,34 0,2846 1,195
5 I 0,25 0,3014 0,829
6 II 0,37 0,3182 1,163 II 1,049
2005
7 III 0,36 0,335 1,075
8 IV 0,44 0,3518 1,251
9 I 0,33 0,3686 0,895 III 1,022
10 II 0,40 0,3854 1,038
2006
11 III 0,41 0,4022 1,019
12 IV 0,47 0,419 1,122
IV 1,189
13 I 0,30 0,4358 0,688
2007
14 II 0,47 0,4526 1,038

Año Periodo Trimestre y = 0,217 + 0,017X Factor Estacional pronostico

15 0,469 0,48
2007

III
1,022
16 IV 0,486 1,189 0,58
17 I 0,503 0,785 0,39
2008

18 II 0,520 1,049 0,55

19 III 0,537 1,02 0,55
20 IV 0,553 1,189 0,66

En la compañía B podemos notar un aumento gradual en sus factores estacionales, mientras que
en la compañía A encontramos factores muy dispersos, entre ellos un dato supremamente
atípico 5,781
d) Use sus pronósticos y comente sobre cada compañía.

PROMEDIO SIMPLE COMPAÑÍA A

PROMEDIO DMA SESGO SEÑAL DE
MES Ganancias
SIMPLE REL. ACUM. REL. ACUM. RASTREO
01 1,67
02 2,35 1,7 0,7 0,7 0,7 0,7 1,00
03 1,11 2,0 0,9 0,8 -0,9 -0,1 -0,28
04 1,15 1,7 0,6 0,7 -0,6 -0,3 -1,09
05 1,56 1,6 0,0 0,5 0,0 -0,2 -1,47
06 2,04 1,6 0,5 0,5 0,5 -0,1 -0,61
07 1,14 1,6 0,5 0,5 -0,5 -0,1 -1,58
08 0,38 1,6 1,2 0,6 -1,2 -0,3 -3,27
09 0,29 1,4 1,1 0,7 -1,1 -0,4 -4,62
10 -0,18 1,3 1,5 0,8 -1,5 -0,5 -6,01
11 -0,97 1,2 2,1 0,9 -2,1 -0,7 -7,46
12 0,2 1,0 0,8 0,9 -0,8 -0,7 -8,42
13 -1,54 0,9 2,4 1,0 -2,4 -0,8 -9,74
14 0,38 0,7 0,3 1,0 -0,3 -0,8 -10,62

PROMEDIO SIMPLE COMPAÑÍA B

PROMEDIO DMA SESGO SEÑAL DE
MES Ganancias
SIMPLE REL. ACUM. REL. ACUM. RASTREO
01 0,17
02 0,24 0,2 0,1 0,1 0,1 0,1 1,00
03 0,26 0,2 0,1 0,1 0,1 0,1 2,00
04 0,34 0,2 0,1 0,1 0,1 0,1 3,00
05 0,25 0,3 0,0 0,1 0,0 0,1 3,92
06 0,37 0,3 0,1 0,1 0,1 0,1 4,93
07 0,36 0,3 0,1 0,1 0,1 0,1 5,93
08 0,44 0,3 0,2 0,1 0,2 0,1 6,94
09 0,33 0,3 0,0 0,1 0,0 0,1 7,94
10 0,4 0,3 0,1 0,1 0,1 0,1 8,94
11 0,41 0,3 0,1 0,1 0,1 0,1 9,94
12 0,47 0,3 0,1 0,1 0,1 0,1 10,94
13 0,3 0,3 0,0 0,1 0,0 0,1 11,06
14 0,47 0,3 0,1 0,1 0,1 0,1 12,11
 PROMEDIO MOVIL SIMPLE (n=2) COMPAÑÍA A
DMA SESGO SEÑAL DE
MES Ganancias P.M.S
REL. ACUM. REL. ACUM. RASTREO
01 1,67
02 2,35 #¡DIV/0! #¡DIV/0! 0,00
03 1,11 2,0 0,90 0,90 -0,90 -0,90 -1,00
04 1,15 1,7 0,58 0,74 -0,58 -0,74 -2,00
05 1,56 1,1 0,43 0,64 0,43 -0,35 -1,65
06 2,04 1,4 0,69 0,65 0,69 -0,09 -0,56
07 1,14 1,8 0,66 0,65 -0,66 -0,21 -1,57
08 0,38 1,6 1,21 0,74 -1,21 -0,37 -3,00
09 0,29 0,8 0,47 0,71 -0,47 -0,39 -3,837
10 -0,18 0,3 0,52 0,68 -0,52 -0,40 -4,727
11 -0,97 0,1 1,03 0,72 -1,03 -0,47 -5,900
12 0,2 -0,6 0,78 0,73 0,78 -0,35 -4,786
13 -1,54 -0,4 1,16 0,76 -1,16 -0,42 -6,053
14 0,38 -0,7 1,05 0,79 1,05 -0,30 -4,537
15 -0,6 0,58 0,77 0,58 -0,23 -3,880
16 0,4 0,38 0,74 -0,38 -0,24 -4,537

PROMEDIO MOVIL SIMPLE (n=2) COMPAÑÍA B

DMA SESGO SEÑAL DE
MES Ganancias P.M.S
REL. ACUM. REL. ACUM. RASTREO
01 0,17
02 0,24 #¡DIV/0! #¡DIV/0! 0,00
03 0,26 0,2 0,06 0,06 0,06 0,06 1,00
04 0,34 0,3 0,09 0,07 0,09 0,07 2,00
05 0,25 0,3 0,05 0,07 -0,05 0,03 1,46
06 0,37 0,3 0,08 0,07 0,08 0,04 2,52
07 0,36 0,3 0,05 0,06 0,05 0,04 3,44
08 0,44 0,4 0,08 0,07 0,08 0,05 4,48
09 0,33 0,4 0,07 0,07 -0,07 0,03 3,387
10 0,4 0,4 0,02 0,06 0,02 0,03 4,000
11 0,41 0,4 0,05 0,06 0,05 0,03 4,886
12 0,47 0,4 0,06 0,06 0,06 0,04 5,932
13 0,3 0,4 0,14 0,07 -0,14 0,02 3,164
14 0,47 0,4 0,09 0,07 0,09 0,02 4,344
15 0,4 0,39 0,09 -0,39 -0,01 -0,975
16 0,5 0,47 0,12 -0,47 -0,04 -4,695
 P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAÑIA A
DMA SESGO SEÑAL DE
MES GANANCIAS P.M.P
REL. ACUM. REL. ACUM. RASTREO
01 1,67
02 2,35 #¡DIV/0! #¡DIV/0! 0,00
03 1,11 #¡DIV/0! #¡DIV/0! 0,00
04 1,15 1,4 0,26 0,26 -0,26 -0,26 -1,00
05 1,56 1,3 0,30 0,28 0,30 0,02 0,12
06 2,04 1,4 0,61 0,39 0,61 0,21 1,64
07 1,14 1,9 0,72 0,47 -0,72 -0,02 -0,16
08 0,38 1,4 0,98 0,57 -0,98 -0,21 -1,84
09 0,29 0,7 0,41 0,55 -0,41 -0,24 -2,683
10 -0,18 0,4 0,57 0,55 -0,57 -0,29 -3,707
11 -0,97 0,0 0,94 0,60 -0,94 -0,37 -4,975
12 0,2 -0,7 0,89 0,63 0,89 -0,23 -3,317
13 -1,54 -0,1 1,47 0,71 -1,47 -0,36 -4,984
14 0,38 -1,1 1,52 0,79 1,52 -0,19 -2,598
15 0,0 0,02 0,72 0,02 -0,17 -2,796

P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAÑIA B

DMA SESGO SEÑAL DE
MES GANANCIAS P.M.P
REL. ACUM. REL. ACUM. RASTREO
01 0,17
02 0,24 #¡DIV/0! #¡DIV/0! 0,00
03 0,26 #¡DIV/0! #¡DIV/0! 0,00
04 0,34 0,2 0,09 0,09 0,09 0,09 1,00
05 0,25 0,3 0,06 0,08 -0,06 0,01 0,37
06 0,37 0,3 0,10 0,09 0,10 0,04 1,51
07 0,36 0,3 0,02 0,07 0,02 0,04 2,14
08 0,44 0,4 0,09 0,07 0,09 0,05 3,24
09 0,33 0,4 0,09 0,08 -0,09 0,02 1,982
10 0,4 0,4 0,05 0,07 0,05 0,03 2,738
11 0,41 0,4 0,02 0,06 0,02 0,03 3,318
12 0,47 0,4 0,07 0,07 0,07 0,03 4,362
13 0,3 0,5 0,15 0,07 -0,15 0,01 1,805
14 0,47 0,3 0,13 0,08 0,13 0,02 3,292
15 0,4 0,44 0,11 -0,44 -0,01 -1,646
CONCLUSIONES

A lo largo de este ejercicio práctico hemos logrado fortalecer los conceptos y aplicaciones de los modelos
de pronósticos, Promedio Simple, Promedio Móvil Simple, Promedio Móvil Ponderado y Suavizamiento
Exponencial Simple, Suavizamiento Exponencial Doble, regresión Lineal, Método de Desestacionalizacion
con tendencia Ajustada manualmente y Metodo de Desestacionalizacion con tendencia Ajustada por
Regresión lineal, siendo capaces de escoger el modelo que más se adapte a la necesidad, de acuerdo al
principio de argumentación y contando con las herramientas para ello.
BIBLIOGRAFIA

BASTIDAS, Edwin. PRODUCCION II Tercer Semestre, Programa de Tecnología Industrial, Guía 1

Pronósticos, Cali 2009, P. 33 a P.35