Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Solucionario 160603140640 PDF
Solucionario 160603140640 PDF
Alumnos participantes:
ANDA CHRISTIAN
CRIOLLO MAURO
MANOBANDA DAVID
RAMÓN MARLON
Módulo y Docente: Administración de Producción Ing. John Reyes
1) RCB manufactura aparatos de televisión en blanco y negro para los mercados del
extranjero. Las exportaciones anuales durante los últimos seis años aparecen abajo en miles
de unidades. Dada esta declinación a largo plazo de las exportaciones, pronostique el número
esperado de unidades a exportar el año entrante.
Solución:
Año Exportaciones
x y x2 xy y2
1 33 1 33 1089
2 32 4 64 1024
3 29 9 87 841
4 26 16 104 676
5 27 25 135 729
6 24 36 144 576
21 171 91 567 4935
a = 34.8
b
b = -1.8
y = 34.8 + (–1.8x)
y = 34.8 – 1.8(7)
y = 22.2
2.-) Un pequeño hospital está planeando las necesidades de su ala de maternidad. Los datos
que aparecen a continuación muestran el número de nacimientos en cada uno de los últimos
ocho años.
a) Utilice la regresión lineal simple para pronosticar la cantidad anual de nacimientos para
cada uno de los tres años siguientes.
Solución:
Año Nacimientos
x y x2 xy y2
1 565 1 565 319225
2 590 4 1180 348100
3 583 9 1749 339889
4 597 16 2388 356409
5 615 25 3075 378225
6 611 36 3666 373321
7 610 49 4270 372100
8 623 64 4984 388129
36 4794 204 21877 2875398
a)
a = 566.67857
b= 7.23809
Año 9: 631.8214286
r = 0.92109
c)
r2 = (0.92109)2 * 100%
r2 = 85%
3) Integrated Products Corporation (IPC) necesita estimar sus ventas del próximo año. La
siguiente tabla contiene los ingresos de la línea de computadoras XT de la empresa de los
últimos seis años:
Ingresos de ventas
Año
(millones de dólares)
1 2,4
2 5,9
3 15,5
4 27,8
5 35,9
6 38,1
a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el año siguiente, utilice un análisis de regresión de serie tiempo para
pronosticar los ingresos por ventas de ese año (año 7).
Solución:
x y
xy
1 2,4 2,4 1 5,76
2 5,9 11,8 4 34,81
3 15,5 46,5 9 240,25
4 27,8 111,2 16 772,84
5 35,9 179,5 25 1288,81
6 38,1 228,6 36 1451,61
21 125,6 580 91 3794,08
r
√
Los años con los ingresos son directamente proporcionales, es decir conforme aumentan los
años, los ingresos también lo hacen
Si la estimación de las ventas para el sector industrial del año que viene es de 725 millones de
dólares, utilice una regresión lineal simple para pronosticar la demanda anual de vehículos
recreativos de la empresa para dicho año.
Solución:
X Y X^2 XY
536 98 287296 52528
791 137 625681 108367
650 112 422500 72800
813 145 660969 117885
702 120 492804 84240
575 103 330625 59225
684 116 467856 79344
∑= 4751 831 3287731 574389
Estableciendo la ecuación:
Determinando por gráfica:
160
140
120
100
80 y = 0.1643x + 7.1979
60
40
20
0
0 500 1000
1 2.4 4.6
2 5.9 8.6
3 15.5 10.7
4 2.8 14.8
5 35.9 18.5
6 38.1 19.4
a.) Haga un análisis de regresión entre los ingresos por ventas anuales de computadoras
personales XT y los ingresos por ventas anuales de PC en toda la industria. ¿Cuál es el
pronóstico de ingresos por ventas del año que viene (año 7) para las computadoras
personales XT, si la estimación del siguiente año de ingresos por ventas de PC para
toda la industria es de 21.900 millones de dólares?
b.) ¿Qué pronóstico – el pronóstico de serie de tiempo del problema 3 o el pronóstico de
este problema- parecería ser ¨mejor¨? ¿Por qué?
Solución:
a= -8.813333333
b= 7.308571429
y= a+bx
Y7= 42.34666667
c) ¿Recomendaría usted que CZC utilizará el pronóstico del inciso para planear una expansión
de las instalaciones? ¿Por qué? ¿Qué podría hacerse para mejorar el pronóstico?
Solución:
a)
X Y X˄2 XY Y˄2
2.1 230 4.41 483 52900
1.8 215 3.24 387 46225
2.4 270 5.76 648 72900
2.8 310 7.84 868 96100
3.1 360 9.61 1116 129600
2.6 370 6.76 962 136900
2.4 375 5.76 900 140625
17.2 2130 43.38 5364 675250
a = 17.724
b = 116.624
y = 17.724 + 116.624X
y = 17.724 + 116.624X
y = 17.724 + 116.624(2.6)
y = 320.946
y = 17.724 + 116.624X
y = 17.724 + 116.624(3)
y = 367.596
b)
r
√
r = 0.748
r2 = (0.748)2 * 100%
r2 = 56%
c) Sí, porque el coeficiente de correlación es de 0.76, es decir los cálculos son confiables,
ya que las ventas están en crecimiento es fiable la expansión de las instalaciones, porque
así se obtendrá mayores ventas y habrá mayores ingresos para la empresa.
b) ¿Qué porcentaje de variación en unidades arrendadas queda explicado por las inscripciones
en la universidad?
c) ¿Qué tan útil cree usted que sean las inscripciones a la universidad para pronosticar la
cantidad de apartamentos arrendados?
Solución:
Año U. Arrendadas
x y x2 xy y2
7.2 291 51.84 2095.2 84681
6.3 228 39.69 1436.4 51984
6.7 252 44.89 1688.4 63504
7 265 49 1855 70225
6.9 270 47.61 1863 72900
6.4 240 40.96 1536 57600
7.1 288 50.41 2044.8 82944
6.7 246 44.89 1648.2 60516
54.3 2080 369.29 14167 544354
a) a
a= - 196.380789
b
b= 67.23842196
y = 247.39344
b)
r
√
r= 0.962826
Existe una relación positiva fuerte entre el las inscripciones a la universidad y el número de
arriendos, por tanto, el dato es explicativo.
c)
r2 = (0.962826)2 * 100%
r2 = 93%
8) La planea de IPC estima la demanda semanal de los muchos materiales que tiene en
inventario. Está estudiando uno de estos componentes, el CTR 5922. Las 12 semanas más
recientes de demanda para el CTR 5922 son:
Utilice el método de promedios móviles para pronósticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un pronóstico de la demanda para el componente
CRT 5922.
Solución:
9) Holiday Lodge es un gran hotel y casino en Lago Tahoe, California. El hotel es relativamente
nuevo, dos años, y el gerente está intentando desarrollar un plan para el personal del
departamento de mantenimiento. El gerente del hotel desea utilizar dos años de datos que
aparecen a continuación para pronosticar con un mes de anticipación la cantidad de llamadas
para mantenimiento.
a.- Desarrolle pronósticos de promedio móvil para los últimos 10 meses (meses 15 - 24) con
número de promedios promediados de 2, 4, 6 y 8 meses.
Solución:
1 46
2 39
3 28
4 21
5 14
6 16
7 14
8 13
9 9
10 13
11 18
12 15
13 12
14 6
15 19 9 12,75 12,17 12,50
16 9 12,5 13 13,83 13,13
17 12 14 11,5 13,17 12,63
18 14 10,5 11,5 12,17 13,00
19 16 13 13,5 12,00 13,13
20 12 15 12,75 12,67 12,88
21 13 14 13,5 13,67 12,50
22 9 12,5 13,75 12,67 12,63
23 14 11 12,5 12,67 13,00
24 15 11,5 12 13,00 12,38
b.- ¿Qué cantidad de periodos promediados da como resultado el error de pronostico
medio absoluto más bajo? ¿Qué número de periodos promediados recomienda usted?
¿Por qué?
RESPUESTA:
Se recomienda el promedio móvil de 8 meses ya que este tiene el pronóstico medio absoluto
más bajo siendo este 2.38
25 13,13
10) El gerente del Holiday Lodge del problema 9 se pregunta si los datos del pasado más
reciente tiene mayor importancia que los más antiguos. Suponga que la cantidad de llamadas
para mantenimiento del mes 25 se pondera 0.5 y los pesos de los meses anteriores se reducen
de manera secuencial por un factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etcétera).
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de periodos
promediados =10.
Solución:
a)
PRONÓSTICOS MAD
MES 2 MES 4 MES 6 MES 8 MES 2 MES 4 MES 6 MES 8
MES LLAMADAS POR PESOS PARA CADA MES PESOS PARA CADA MES
MANTENIMIENTO 0.5 0.25 0.125 0.0625 0.5 0.25 0.125 0.0625
15 19 19 19 19 19 0 0 0 0
16 9 19 19 19 19 10 10 10 10
17 12 14 16.5 17.75 9.63 2 4.5 5.8 2.4
18 14 13 13.5 13.75 12.13 1 0.5 0.3 1.9
19 16 13.5 13.3 13.13 13.94 2.5 2.8 2.9 2.1
20 12 14.8 14.1 13.81 15.84 2.8 2.1 1.8 3.8
21 13 13.4 14.1 14.41 12.17 0.4 1.1 1.4 0.8
22 9 13.2 13.3 13.33 13.02 4.2 4.3 4.3 4.0
23 14 11.1 12.1 12.66 9.26 2.9 1.9 1.3 4.7
24 15 12.5 11.8 11.46 13.82 2.5 3.2 3.5 1.2
25 13.8 13.2 12.85 14.85
sumatoria MAD 28.2 30.3 31.3 30.9
11) La cantidad de auditores fiscales que necesita el Internal Revenue Service de Texas varia
de un trimestre a otro. Los últimos 12 trimestres aparacen a continuación:
1 1 132
2 139
3 136
4 140
2 1 134
2 142
3 140
4 139
3 1 135
2 137
3 139
4 141
Solución:
a)
Trimestre Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141
Trimestre Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141
Trimestre Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141
b)
12) Utilizando los datos del problema 2, determine si deberá utilizarse un numero de periodos
promediados=1, una cantidad de periodos promediados=2, o una cantidad de periodos
promediados=4 para desarrollar pronósticos de promedio móvil, de forma que el MAD de los
últimos cuatro periodos se reduzca al mínimo. Considerando el patrón de datos del pasado.
¿Por qué se esperaría que este valor de la cantidad de periodos nos diera una precisión de
pronóstico mayor?
13) The Sporting Charge Company adquiere grandes cantidades de cobre que se emplean en
sus productos manufacturados. Bill Bray está desarrollando un sistema de pronóstico para los
precios del cobre. Ha acumulado estos datos históricos.
a. Utilice la suavización exponencial para pronosticar los precios mensuales del cobre.
Calcule cuales hubieran sido los pronósticos para todos los meses de datos históricos
con α=0,1; α=0,3 y α=0,5 si para todas las α el pronóstico del primer mes fue de 99
centavos de dólar.
Si Entonces:
PRONÓSTICOS MAD
MES PRECIO DEL COBRE/LIBRA $ α=0,1 α=0,3 α=0,5 α=0,1 α=0,3 α=0,5
1 0,99 0,990 0,990 0,990 0,000 0,00 0,00
2 0,97 0,990 0,990 0,990 0,020 0,02 0,02
3 0,92 0,988 0,984 0,980 0,068 0,06 0,06
4 0,96 0,981 0,965 0,950 0,021 0,00 0,01
5 0,93 0,979 0,963 0,955 0,049 0,03 0,02
6 0,97 0,974 0,953 0,943 0,004 0,02 0,03
7 0,95 0,974 0,958 0,956 0,024 0,01 0,01
8 0,94 0,971 0,956 0,953 0,031 0,02 0,01
9 0,98 0,968 0,951 0,947 0,012 0,03 0,03
10 0,91 0,969 0,960 0,963 0,059 0,05 0,05
11 0,89 0,963 0,945 0,937 0,073 0,05 0,05
12 0,94 0,956 0,928 0,913 0,016 0,01 0,03
13 0,99 0,955 0,932 0,927 0,035 0,06 0,06
14 0,95 0,958 0,949 0,958 0,008 0,00 0,01
15 0,92 0,957 0,950 0,954 0,037 0,03 0,03
16 0,97 0,954 0,941 0,937 0,016 0,03 0,03
∑= 0,476 0,426 0,461
MAD 0,030 0,027 0,029
b. ¿Qué valor de alfa (α) resulta a lo largo del período de 16 meses en una desviación
media absoluta más baja?
La desviación media absoluta más baja se determina por:
El α=0,3 tiene una desviación media absoluta de 0,027 siendo ésta las más baja de las
tres pues MAD α0,1= 0,03 y MAD α0,5=0,029
c. Utilizando el alfa (α) del inciso b pronostique el precio del cobre para el mes 17.
Para el α=0,3 el pronóstico es:
14) Harlen Industries tiene un modelo de pronóstico simple: se toma la demanda real del
mismo mes del año anterior y se divide entre el número fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronóstico semanal del mismo mes este año. La técnica se usó para pronosticar ocho
semanas de este año, que se muestran a continuación junto con la demanda real.
Las siguientes ocho semanas muestran el pronóstico (basado en el año pasado) y la demanda
real:
a) Calcule el pronóstico con suavización exponencial simple de estos datos con una α de
0.30 y un pronóstico inicial (F1) de 31.
b) Calcule el pronóstico de 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.
Solución:
SEMANA 12
SEMANA 13
16) En los problemas 8 y 15, ¿Cuál sería el método de pronóstico preferido: el método de
promedios móviles con cantidad de períodos promediados = 3, o el método de suavización
exponencial, con α= 0.25? El criterio para elegir entre los métodos es la desviación media
absoluta a lo largo de las nueve semanas más recientes. Suponga que el pronóstico de
suavización exponencial para la semana 3 es la misma de la demanda real.
Solución:
185.000
180.000
175.000
Series1
170.000
165.000
0 5 10 15
Solución:
PRONOSTICO MAD
AÑO NACIMIENTOS α= 0.1 α= 0.5 α= 0.9 α= 0.1 α= 0.5 α= 0.9
1 565 565 565 565 0 0 0
2 590 565 565 565 25 25 25
3 583 567,5 565 565 15,5 18 18
4 597 569,05 566,25 565 27,95 30,75 32
5 615 571,845 567,65 565,625 43,155 47,35 49,375
6 611 576,1605 569,7475 566,6375 34,8395 41,2525 44,3625
7 610 579,64445 572,954 568,1925 30,35555 37,046 41,8075
8 623 582,680005 576,299225 570,57325 40,319995 46,700775 52,42675
∑ MAD 217,120045 246,099275 262,97175
Ẋ MAD 27,1400056 30,7624094 32,8714688
El indice de respuesta deseado (α) de 0.1 es la mejor constante de suavizacion de los tres. ya
que nos da en promedio la menor desviacion absoluta a comparacion con la α=0.5, α=0.9.
18) Utilice los datos del problema 2 para desarrollar un pronóstico para el año 9, utilizando el
modelo de suavización exponencial con tendencia. Inicie su análisis en el año 4; FT= 497, T4=
7, α= 0.4 y β= 0.3.
Solución:
AÑO NACIMIENTO Tt δ=0,30 Ft α=0,40 FITt
1 565
2 590
3 583
4 597 7,00 497,00 504,00
5 615 18,16 541,20 559,36
6 611 24,84 581,62 606,45
7 610 25,38 608,27 633,65
8 623 22,54 624,19 646,74
9 19,70 637,24 656,94
19) Utilice los datos del problema 3 para desarrollar un pronóstico para el año 7 utilizando el
modelo de suavización exponencial con tendencia. Indique su análisis en el año 1 y suponga
que α=0.3 y β=0.2. Estime FT1 y T1 como en el ejemplo 3.7.
INGR.
VENTAS
AÑO (MILLONES)
t At FTt + α(At - FTt) = St
1 2,4 2.4 + 0.3(2.4 - 2.4) = 2.4
2 5,9 9.6 + 0.3(5.9 - 9.6) = 8.49
3 15,5 15.7 + 0.3(15.5 - 15.7) = 15.6
4 27,8 22.6 + 0.3(27.8 - 22.6) = 24.2
5 35,9 31.1 + 0.3(35.9 - 31.1) = 32.5
6 38,1 39.8 + 0.3(38.1 - 39.8) = 39.3
INGR.
VENTAS
AÑO (MILLONES)
t At Tt-1 + β(FTt - FTt- - Tt- = Tt
1) 1)
1 2,4 7.2
2 5,9 7.2 + 0.2(9.6) - 2.4 - 7.2 = 7.2
3 15,5 7.2 + 0.2(15.7) - 9.6 - 7.2 = 6.98
4 27,8 6.98 + 0.2(22.6) - 15.7 - 6.98 = 6.9
5 35,9 6.9 + 0.2(31.1) - 22.6 - 6.9 = 7.22
6 38,1 7.22 + 0.2(39.8) - 31.1 - 7.22 = 8.7
INGR.
VENTAS
AÑO (MILLONES)
t At St-1 + Tt-1 = FTt
1 2,4 = 2.4
2 5,9 2.4 + 7.2 = 9.6
3 15,5 8.49 + 7.2 = 15.7
4 27,8 15.6 + 6.98 = 22.6
5 35,9 24.2 + 6.9 = 31.1
6 38,1 32.5 + 7.22 = 39.8
6 - 39.3 + 8.7 = 48
20) General Computer Services (GCS) suministra en la región de Seattle, Washington, servicios
de cómputo a pequeños fabricantes, bajo pedido. Los trabajos generalmente incluyen
procesamientos rutinarios de datos y de cómputo para aumentar el aprovechamiento de las
computadoras en las instalaciones de los clientes. Un analista de producción de GCS ha
desarrollado una ecuación de regresión lineal que estima el número de horas de facturación
de una orden de servicio:
Dónde:
Cantidad de órdenes en el pasado del cliente durante los últimos cinco años
Solución:
a)
b)
21) Haga un análisis de regresión sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos históricos de
la demanda.
a=
a= =
a=52.32
b=
b= =
b=91.01
22) La Burling Company ha observado que sus ventas mensuales parecen estar relacionadas
con el número de vendedores que contrata, con la cantidad gastada por publicidad y con el
precio de su producto. Ha desarrollado un modelo de pronósticos de ventas de regresión
múltiple.
Dónde:
Solución:
a)
Para el siguiente mes luego de obtener un pronóstico de regresión lineal múltiple se obtiene un
valor de 13352.748 unidades vendidas
b)
Mientras exista una mayor cantidad de vendedores a la ves también se desembolsará mayor
cantidad de dólares en publicidad para lo cual mediante el pronóstico se quiere establecer que
exista una disminución en el precio cargado por cada unidad la misma que permite una menor
dificultad en el instante de pronosticar y obtener una mayor ganancia en la cantidad de
unidades que se venden al mes.
Datos:
x y x^2 xy y^2
1 565 1 565 319225
2 590 4 1180 348100
3 583 9 1749 339889
4 597 16 2388 356409
5 615 25 3075 378225
6 611 36 3666 373321
7 610 49 4270 372100
8 623 64 4984 388129
36 4794 204 21877 22982436
a= 566,68
b=7,24
Para el año 11
y=566,68+7,24(11)
y= 646,32
Solución:
a)
Syx=√
Syx= √
Syx= 1830,636
b)
Límite superior
Límite inferior
Li=628,013
24) De los datos del problema 3. ¿Cuál es el rango del pronóstico para el año siguiente si solo
utiliza un intervalo de confianza del 95%?
Integrated Products Coporation (IPC) necesita estimar sus ventas del próximo año. La
siguiente tabla contiene los ingresos de la línea de computadoras XT de la empresa de los
últimos seis años.
a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el año siguiente, utilice un análisis de regresión de serie tiempo para
pronosticar los ingresos por ventas de ese año (año 7)
x y
xy
1 2,4 2,4 1 5,76
2 5,9 11,8 4 34,81
3 15,5 46,5 9 240,25
4 27,8 111,2 16 772,84
5 35,9 179,5 25 1288,81
6 38,1 228,6 36 1451,61
21 125,6 580 91 3794,08
r
√
Los años con los ingresos son directamente proporcionales, es decir conforme aumentan los
años, los ingresos también lo hacen
√
√
Df= 6-2=4
a.- Si usted todavía no lo ha hecho, calcule el pronóstico de los ingresos por venta de IPC para
el año que viene.
b.- ¿Cuál es el rango de modelo de pronóstico de ingresos de ventas de IPC para el año que
viene si se utiliza un nivel de significancia de 0.01% (un intervalo de confianza de 99%)?
X media^2
12,25
b= 8,02 a= -7,15 Y = -7,12 -8,02x
n Año Pronóstico
7 Y7 = 49,01
8 Y8 = 57,04
9 Y9 = 65,06
10 Y10 = 73,08
b) El rango de modelo de pronóstico de ingresos de ventas de IPC para el año que viene si se
utiliza un nivel de significancia de 0.01% (un intervalo de confianza de 99%).
n Año (x) Ingresos por
ventas de PC
en toda la
Industria
(miles de
millones de
dólares)
1 1 4,60
2 2 8,60
3 3 10,70 n Año Pronóstico
4 4 14,80 7 Y7 = 49,01
5 5 18,50
6 6 19,40
FITt-1 19,40
=
δ= 0,01
Ft = 49,01 Tt = 6,2961
Tt-1 = 6
26) Haga un análisis de regresión sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos históricos de
la demanda.
a=
a= =
a=52.32
b=
b= =
b=91.01
trimestres
año 1 2 3 4
1 9,2 5,4 4,3 14,1 33
2 10,3 6,4 5,4 16 38,1
19,5 11,8 9,7 30,1 71,1
promedio 9,75 5,9 4,85 15,05 35,55
I=8,8875
Id= promedio/I
Nuevo=demanda real/índice
datos destacionalizados
año 1 2 3 4
1 8,38615385 8,13432203 7,87963918 8,32649502
2 9,38884615 9,64067797 9,89536082 9,44850498
regresión lineal
trimestre "X" ventas "Y" x² xy y²
1 8,38615385 1 8,38615385 70,3275763
2 8,13432203 4 16,2686441 66,167195
3 7,87963918 9 23,6389175 62,0887135
4 8,32649502 16 33,3059801 69,3305193
5 9,38884615 25 46,9442308 88,1504321
6 9,64067797 36 57,8440678 92,9426716
7 9,89536082 49 69,2675258 97,9181659
8 9,44850498 64 75,5880399 89,2742464
36 71,1 204 2559,6 636,19952
12
10 y = 0.2689x + 7.6775
R² = 0.7065
6 Series1
Lineal (Series1)
4
0
0 2 4 6 8 10
Y=ax+b
a 0,2689 b= 7,6775
Y= 0,2689x+7,6775
x y
1 9,2
2 5,4
3 4,3
4 14,1
5 10,3
6 6,4
7 5,4
8 16
9 11,0775359
10 6,88183966
11 5,80384698
12 18,4652281
13 12,257519
14 7,59588073
15 6,39081294
16 20,286638
28.-) Un distribuidor de tractores ha estado operando durante tres años y medio y necesita
estimar las ventas del año que vine. Las ventas de los años pasados han tendido a ser
estacionales como se observa a continuación.
29) A continuación se encuentran los ingresos por ventas de una compañía de servicios
públicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuición o sentido común en cuanto a qué modelo o método usar, así como el periodo de
datos que incluir.
Y= bx + a
Y= 55.62x + 5050,44
Periodo Pronostico
12 5717,88
13 5773,5
14 5829,12
361 3 66 59225,
15 5884,74
=
(506 ) 66
a= 5050,44
b= 55,62
Periodo 12
Y= 55.62x + 5050.44
Y= 55.62(12) + 5050.44
Y=5717.88
Periodo 13
Y= 55.62x + 5050.44
Y= 55.62(13) + 5050.44
Y=5773.5
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62(14) + 5050.44
Y=5829.12
Periodo 15
Y= 55.62x + 5050.44
Y= 55.62(15) + 5050.44
a)
Datos:
1 1 132
2 139
3 136
4 140
2 1 134
2 142
3 140
4 139
3 1 135
2 137
3 139
4 141
1 1 132
2 139
3 136
4 140
2 1 134
2 142
3 140
4 139
3 1 135
2 137
3 139
4 141
4 1
Trimestres Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141
Trimestres Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141
b)
Si porque se necesitan alrededor de 138 auditores cada primer trimestre del año, además el
número no varía significativamente durante el resto del año.
c)
Año Q1 Q2 Q3 Q4 total
1 132 139 136 140 547
2 134 142 140 139 555
3 135 137 139 141 552
Total 401 418 415 420 1654
Promedio 133,666667 139,3333333 138,3333333 140 137,833333
trimestral
promedio 133,828295
móvil 4
Promedio 134,1919589
móvil 8
Ejercicios del libro de CHASE
Mes Demanda
(Unidades)
Enero 4 200
Febrero 4 300
Marzo 4 000
Abril 4 400
Mayo 5 000
Junio 4 700
Julio 5 300
Agosto 4 900
Septiembre 5 400
Octubre 5 700
Noviembre 6 300
Diciembre 6 000
a) Con un análisis de regresión por 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 pronóstico de la hoja de cálculo.
x y xy y
̅ ̅ ̅
̅ ̅ ̅
Mes Pronóstico
13 6266,658
14 6458,965
15 6651,272
16 6843,579
17 7035,886
18 7228,193
19 7420,5
20 7612,807
21 7805,114
22 7997,421
23 8189,728
24 8382,035
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?
a) Usando un promedio móvil ponderado con pesos de 0.60, 0.30 y 0.10, calcule el pronóstico de
julio.
d) Con un análisis de regresión lineal simple, calcule la ecuación de relación de los datos precedentes
de la demanda.
e) Con la ecuación de regresión del punto d), calcule el pronóstico para julio.
3) El gerente del Holiday Lodge del problema 9 se pregunta si los datos del pasado más
reciente tiene mayor importancia que los más antiguos. Suponga que la cantidad de llamadas
para mantenimiento del mes 25 se pondera 0.5 y los pesos de los meses anteriores se reducen
de manera secuencial por un factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etcétera).
b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de periodos
promediados =10.
Solución:
a)
b)
PRONÓSTICOS MAD
MES 2 MES 4 MES 6 MES 8 MES 2 MES 4 MES 6 MES 8
MES LLAMADAS POR PESOS PARA CADA MES PESOS PARA CADA MES
MANTENIMIENTO 0.5 0.25 0.125 0.0625 0.5 0.25 0.125 0.0625
15 19 19 19 19 19 0 0 0 0
16 9 19 19 19 19 10 10 10 10
17 12 14 16.5 17.75 9.63 2 4.5 5.8 2.4
18 14 13 13.5 13.75 12.13 1 0.5 0.3 1.9
19 16 13.5 13.3 13.13 13.94 2.5 2.8 2.9 2.1
20 12 14.8 14.1 13.81 15.84 2.8 2.1 1.8 3.8
21 13 13.4 14.1 14.41 12.17 0.4 1.1 1.4 0.8
22 9 13.2 13.3 13.33 13.02 4.2 4.3 4.3 4.0
23 14 11.1 12.1 12.66 9.26 2.9 1.9 1.3 4.7
24 15 12.5 11.8 11.46 13.82 2.5 3.2 3.5 1.2
25 13.8 13.2 12.85 14.85
sumatoria MAD 28.2 30.3 31.3 30.9
RESPUESTA:
Desestacionalizacion de los datos dividiendo el valor de cada periodo para el índice estacional
PERIODO TRIMESTRE x y
Pronóstico
Indice y*Indice
x y
estacional estacional
13 2023.13062 1.2299 2488.24835
14 1854.89062 0.8877 1646.5864
15 1686.65062 1.123 1894.10865
16 1518.41062 0.7594 1153.08102
5) Los datos de ventas de 2 años son los siguientes. Los datos están acumulados con dos
meses de ventas en cada “período”.
a) Trace la gráfica.
b) Componga un modelo de regresión lineal simple para los datos de ventas
c) Además del modelo de regresión, determine los factores multiplicadores del índice
estacional. Se supone que un ciclo completo es de 1 año.
d) Con los resultados de los incisos b) y c), prepare un pronóstico para el año entrante
a)
Ventas 1 Ventas 2
180 200
170
160 180 182
150 160
140 159
140
120 120
109 120 126
100 104 100 115 112
100 106
80
80
60
60
40 40
20 20
0 0
1 2 3 4 5 6 0 2 4 6 8
b)
x y x*x x*y y*y
1 109 1 109 11881
2 104 4 208 10816
3 150 9 450 22500
4 170 16 680 28900
5 120 25 600 14400
6 100 36 600 10000
7 115 49 805 13225
8 112 64 896 12544
9 159 81 1431 25281
10 182 100 1820 33124
11 126 121 1386 15876
12 106 144 1272 11236
Sumatoria 78 1553 650 10257 209783
a=
a= =
a=122.0303
b=
b= =
b=1.1364
c)
√[ ][ ]
√[ ][ ]
d)
PRONOSTICO
Ventas
Enero -feb 123.1703
Marzo- abril 124.3103
Mayo-junio 125.4503
Julio-agosto 126.5903
Sept- octub 127.7303
nov-diciem 128.8703
N° TS1
1 -2,7
2 -2,32
3 -1,7
4 -1,1
5 -0,87
6 -0,05
7 0,1
8 0,4
9 1,5
10 2,2
3
10, 2.2
2
señal de seguimiento 1
0
Series1
0 2 4 6 8 10 12
-1
-2
-3
Periodo
3
10, 2.74
señal de seguimiento
1
Series1
0
0 5 10 15
-1
-2
Periodo
TS 2: Esto está dentro de los límites. Por lo tanto, el pronóstico es aceptable.
N° TS3
1 0,1
2 0,43
3 1,08
4 1,74
5 1,94
6 2,24
7 2,96
8 3,02
9 3,54
10 3,75
4
10, 3.75
3.5
Señal de Seguimiento
3
2.5
2
1.5 Series1
1
0.5
0
0 2 4 6 8 10 12
Periodo
Trimestre yd x2 X*yd
(x)
1 159,473737 1 159,473737
2 167,540167 4 335,080334
3 157,927985 9 473,783955
4 158,568354 16 634,273416
5 214,292834 25 1071,46417
6 206,203282 36 1237,21969
7 215,834913 49 1510,84439
8 215,199909 64 1721,59927
36 1495,04118 204 7143,73897
250
200
150
y = 9.906x + 142.3
100
50
0
0 2 4 6 8 10
Ecuación general:
Intercepto en el eje Y
Reemplazando en la ecuación general:
Trimestre 1: Trimestre 2:
Trimestre 3: Trimestre 4:
x y x^2 xy
1 12 1 12
2 18 4 36
3 26 9 78
4 16 16 64
5 16 25 80
6 24 36 144
7 28 49 196
8 18 64 144
36 158 204 754
Ventas
Ventas promedio para Factores Factor estacional
Pasadas cada triemestre Estacionales promedio
(158/8)
12 19,75 12/19,75 = 0,61 0,71
19,75 1,063
18 18/19,75 = 0,911
[ ]
[ ]
[ ]
[ ]
Con un promedio móvil de tres semanas, ¿cuál sería su pronóstico para la semana
entrante?
SEMANAS ARTICULOS
F1 1 300
F2 2 400
F3 3 600
F4 4 700
F5 5 567
F4 = F3 + ( (A3 – F3) )
F4= 400
F5 = F4 + ((A4 – F4) )
F5 = 460
10) Dada la siguiente historia, aplique un pronóstico enfocado al tercer trimestre de este año.
Use tres estrategias de pronóstico enfocado.
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Año
100 125 135 175 185 200 150 140 130 200 225 250
pasado
Este
125 135 135 190 200 190
año
Se trata de reglas simples y de sentido común que se formulan y prueban para ver si deben
conservarse. Entre los ejemplos de reglas simples de pronóstico se encuentran:
1. Lo que se haya vendido en los tres últimos meses será probablemente lo que se venda en los
tres meses siguientes.
2. Lo que se vendió en el mismo trimestre del año pasado se venderá probablemente en ese
periodo de este año (esto daría cuenta de los efectos estacionales).
3. Es probable que se venda 10 por ciento más en los siguientes tres meses que en los tres
meses anteriores.
4. Es probable que se venda 50 por ciento más en los tres meses siguientes que en los mismos
tres meses del año anterior.
5. Cualquiera que haya sido el cambio porcentual de los últimos tres meses de este año en
comparación con los mismos tres meses del año pasado, será probablemente el mismo cambio
porcentual que se tendrá en los siguientes tres meses del año.
Para solucionarlo usaremos los tres primero pronósticos. Cada estrategia será utilizada para
predecir el segundo trimestre de este año, entonces el mejor será usado para predecir el tercer
trimestre del año.
Trimestres
I II III IV
Año pasado 360 560 420 675
Este año 395 580
Estrategia 1:
Nuestro pronóstico para el segundo trimestre sería 395, y el actual fue de 580
Estrategia 2:
Nuestro pronóstico para el segundo trimestre sería 560, y el actual fue de 580
Estrategia 3:
Por lo tanto el mejor método fue el tercero, así que, según la estrategia, el pronóstico para el
tercer trimestre de este sería el mismo que el anterior, dándonos por resultado 420.
11) A continuación se da la demanda tabulada actual de un artículo durante un periodo de
nueve meses (de enero a septiembre). Su supervisor quiere probar dos métodos de prueba
para ver cual resultó mejor en el periodo.
b) Mediante suavización exponencial simple con una alfa de 0.3, calcule de abril a septiembre.
c) Use la MAD para decidir que método produjo el mejor pronóstico en el periodo de seis
meses.
Mes Real
Enero 110
Febrero 130
Marzo 150
Abril 170
Mayo 160
Junio 180
Julio 140
Agosto 130
Septiembre 140
b) Mediante suavización exponencial simple con una alfa de 0.3, calcule de abril a septiembre.
Pronostico MAD
Mes Real α= 0.3
Enero 110
Febrero 130
Marzo 150
Abril 170 170 0
Mayo 160 170 10
Junio 180 167 13
Julio 140 170.9 30.9
Agosto 130 161.63 31.63
Septiembre 140 152.141 12.141
sumatoria MAD 97.671
MAD 16.27
c) Use la MAD para decidir que método produjo el mejor pronóstico en el periodo de seis meses.
12) Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis meses. Aquí están
la demanda pronosticada y la real.
Pronostico Real
Abril 250 200
Mayo 325 250
Junio 400 325
Julio 350 300
Agosto 375 325
Septiembre 450 400
Encuentre la señal de seguimiento y diga si cree que el modelo usado da respuestas aceptables.
Solución:
MAD 58,3333333
Senal de -6
seguimiento
No hay suficientes pruebas para rechazar el modelo de pronóstico, asi que se aeptan sus
recomendaciones.
13) Harlen Industries tiene un modelo de pronóstico simple: se toma la demanda real del
mismo mes del año anterior y se divide entre el número fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronóstico semanal del mismo mes este año. La técnica se usó para pronosticar ocho
semanas de este año, que se muestran a continuación junto con la demanda real.
Las siguientes ocho semanas muestran el pronóstico (basado en el año pasado) y la demanda
real:
d) Calcule el pronóstico con suavización exponencial simple de estos datos con una α de
0.30 y un pronóstico inicial (F1) de 31.
e) Calcule el pronóstico de 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.
Calcule el pronóstico con suavización exponencial simple de estos datos con una α de
0.30 y un pronóstico inicial (F1) de 31.
F2= 31
F2 = F1 + ( (A1– F1) )
F3= F2 + ( (A2– F2) )
F7= 34.77
F4 = F3 + ( (A3– F3) )
F8= 35.74
F5 = F4 + ( (A4– F4) )
F9= 37.02
Calcule el pronóstico de 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.
FIT1=30+1 FT3=32+0.30(31-32)
FIT1=31 FT3=32.60
FT2=31+0.30(31-31) T3=1+0.30(32.60-32)
FT2=31 T3=1.18
T2=T1+δ(F2-FIT1)
T2=1 FIT3=32.60+1.18
FIT3=33.78
FIT2=31+1 FT4=33.78+0.30(31-33.78)
FIT2=32 FT4=33.55
T =T3+δ(F -FIT3) T6=T5+δ(F6-FIT5)
T4=1.18+0.30(33.55-33.78) T6=1.14+0.30(36.23-35.90)
T4=1.11 T6=1.24
FIT4=33.55+1.11 FIT6=36.23+1.24
FIT4=34.66 FIT6=37.47
FT5=34.66+0.30(31-34.66) FT7=37.47+0.30(31-37.47)
FT5=34.76 FT7=37.03
T5=1.11+0.30(34.76-34.66) T7=1.24+0.30(37.03-37.47)
T5=1.14 T7=1.11
FIT5=34.76+1.14 FIT7=37.03+1.11
FIT5=35.90 FIT7=38.14
FT6=35.90+0.30(31-35.90) FT8=38.14+0.30(31-38.14)
FT6=36.23 FT8=38.10
T =T +δ(F -FIT7) T10=T9+δ(F10-FIT9)
T8=1.11+0.30(38.10-38.14) T10=1.17+0.30(40.42-40.60)
T8=1.10 T10=1.11
FIT8=38.10+1.10 FIT10=40.42+1.11
FIT8=39.19 FIT10=41.54
FT9=39.19+0.30(31-39.19)
FT9=39.43
T9=T +δ(F9-FIT8)
T9=1.10+0.30(39.43-39.19)
T9=1.17
FIT9= F9+T9
FIT9=39.43+1.17
FIT9=40.60
FT10=40.60+0.30(31-40.60)
FT10=40.42
c) Calcule la desviación absoluta media (MAD) de cada pronóstico. ¿Cuál es el mejor?
MAD=(3.00+1.10+2.77+3.94+1.76+3.23+4.26+2.98+3.09)/9
MAD=(2.00+0.78+0.34+1.10+1.47+0.14+0.81+0.60+0.54)/9
MAD=0.86
a)Calcule el pronóstico con suavización exponencial simple de estos datos con una α de 0.30 y
un pronóstico inicial (F1) de 31.
b)Calcule el pronóstico de 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.
16) La planea de IPC estima la demanda semanal de los muchos materiales que tiene en
inventario. Está estudiando uno de estos componentes, el CTR 5922. Las 12 semanas más
recientes de demanda para el CTR 5922 son:
Utilice el método de promedios móviles para pronósticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un pronóstico de la demanda para el componente
CRT 5922.
Solución:
DEMANDA
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75
a) Con un promedio móvil simple a cuatro meses, calcule un pronóstico para octubre
b) Mediante suavización exponencial simple con α= 0.2 y un pronóstico para
septiembre =65, calcule un pronóstico para Octubre.
c) Mediante regresión lineal simple, calcule la recta de la tendencia de los datos
históricos. En el eje de las x, sea Abril=1, Mayo=2, etc…, mientras que en el eje
de las y esta la demanda.
d) Calcule un pronóstico para Octubre
SOLUCION:
a)
b)
MES DEMANDA α=0.2
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75 65
Octubre 67
c)
100
y = 3.8571x + 54
50
0
0 2 4 6 8
d)
81.02
18) Las ventas por trimestre del último año y los tres primeros trimestres de este año son
como sigue:
I 23000 1900
II 27000 24000
IV 9000
ESTRATEGIA A:
Últimos tres meses =24000 27000/15000= 1.8*100% =180%
ESTRATEGIA E:
24000/15000=1.6*100%=160%
(24000/27000)18000= 16000
18000/15000=1.2*100%=120%
ESTRATEGIA C:
Trimestre actual=15000
ESTRATEGIA D:
(15000/18000)9000= 7500
Pronóstico Real
1500 1550
1400 1500
1700 1600
1750 1650
1800 1700
MAD = 90
RSFE = 10,0000
b) Comentario
Se puede decir que el método de pronóstico de es aceptable ya que la suma se sus errores
pronosticados no son muy elevados.
20) Su gerente trata de determinar que método de pronostico usar. Basándose en los
siguientes datos históricos, calcule los siguientes pronósticos y especifique que procedimiento
utilizaría?
a)
b)
d)
α= 0.3 β =0.3
MES DEMANDA REAL Tt Ft S
1 62 1.8 60 61.8
2 65 1.82 61.86 63.68
3 67 1.94 64.07 66.01
4 68 2.03 66.31 68.34 0.33
5 71 2.00 68.23 70.23 0.77
6 73 2.07 70.46 72.53 0.47
7 76 2.11 72.67 74.78 1.22
8 78 2.22 75.14 77.36 0.64
9 78 2.28 77.55 79.83 1.83
10 80 2.11 79.28 81.39 1.39
11 84 1.99 80.98 82.97 1.04
12 85 2.08 83.27 85.35 0.35
Sum MAD 8.04
MAD X 0.89
e)
a=
a= =
a=52.32
b=
b= =
b=91.01
Para verano es de 962.42
22) Los siguientes son los resultados de los últimos 21 meses de ventas reales de cierto
producto.
Elabore un pronóstico para el cuarto trimestre usando tres reglas de pronóstico enfocado
(observe que para aplicar correctamente el procedimiento, las reglas se prueban primero en el
tercer trimestre; la de mejor desempeño se usa para pronosticar el cuarto trimestre). Haga el
problema con trimestres, en lugar de pronosticar meses separados.
SOLUCIÓN:
trimestre
I II III IV
2006 1,125 1,310 1,075 1,550
2007 1,000 1,175 975
Cada estrategia es usada para predecir el tercer trimester de este año. Luego la mejor
estrategia es usada para predecir el cuarto trimestres de este año.
ESTRATEGIA A: en el pasado tres meses es cual nosotros podríamos decir en los siguientes tres
meses. Te hay nuestro pronóstico es 1175. Actualmente fue 975. 1,175/975 = 121%.
ESTRATEGIA B: en el los mismos periodo de tres meses el pasado año, nosotros podríamos
decir que en el periodo de tres meses de este año. De ahí nuestro pronóstico es 1,075. Actual fue
975. 1,075/975 = 110%.
ESTRATEGIA C: Nosotros podriamos decir ue el 10% más en los siguientes tres meses que
nosotros deciamos en elos pasados tres meses . nuestro pronóstico es 10(1,175) = 1,292.5.
Actual fue 975. 1,292.5/975 = 133%.
ESTRATEGIA D: Nosotros podriamos decir que hay una probabilidad del 50% mas sobre los
siguientes tres meses que nosotros hicimos por los mismos tres meses del pasado año. El
pronostico podría ser 1.50(1,075) = 1,612.5. Actual fue 975. 1612.5/975 = 165%.
ESTRATEGIA E: EL PORCENTAJE cambia nossotros tenemos para los pasados meses de este
año comparando para los mismos tres meses pasados la probabilidad podría ser el mismo
porcentaje cambio que nosotros podrias tener para el siguiente meses de este año. El pronóstico
podria ser (1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.
Si solo los tres primeros son usados, el mejor método será el Bel pronóstico para el cuarto
trimestre es 1550.
Si todo los cinco métodos enlistados en el texto son usados, luego el mejor método es el E.
aplicando esto el cuarto trimestre de este año produce un pronóstico de
Datos:
x y x^2 xy y^2
1 565 1 565 319225
2 590 4 1180 348100
3 583 9 1749 339889
4 597 16 2388 356409
5 615 25 3075 378225
6 611 36 3666 373321
7 610 49 4270 372100
8 623 64 4984 388129
36 4794 204 21877 22982436
a= 566,68
b=7,24
Para el año 11
y=566,68+7,24(11)
y= 646,32
Solución:
a)
Syx=√
Syx= √
Syx= 1830,636
b)
Límite superior
Ls= 664,626
Límite inferior
Li=628,013
24) Después de aplicar su modelo de pronóstico durante seis meses, decide probarlo con MAD
y una señal de seguimiento. Lo que sigue es el pronóstico y la demanda real del periodo de
seis meses:
3
2
1
0
-1 0 200 400 600 800
-2
-3 o
-4
El TS es aceptable. Sin embargo, el TS va y vienen entre positivo y negativo. Si esta tendencia
continúa, las previsiones serán inaceptables. Este pronóstico debe vigilarse de cerca para ver si
la tendencia a la baja continúa.
trimestres
año 1 2 3 4
1 9,2 5,4 4,3 14,1 33
2 10,3 6,4 5,4 16 38,1
19,5 11,8 9,7 30,1 71,1
promedio 9,75 5,9 4,85 15,05 35,55
I=8,8875
Id= promedio/I
Nuevo=demanda real/índice
datos destacionalizados
año 1 2 3 4
1 8,38615385 8,13432203 7,87963918 8,32649502
2 9,38884615 9,64067797 9,89536082 9,44850498
regresión lineal
trimestre "X" ventas "Y" x² xy y²
1 8,38615385 1 8,38615385 70,3275763
2 8,13432203 4 16,2686441 66,167195
3 7,87963918 9 23,6389175 62,0887135
4 8,32649502 16 33,3059801 69,3305193
5 9,38884615 25 46,9442308 88,1504321
6 9,64067797 36 57,8440678 92,9426716
7 9,89536082 49 69,2675258 97,9181659
8 9,44850498 64 75,5880399 89,2742464
36 71,1 204 2559,6 636,19952
12
10 y = 0.2689x + 7.6775
R² = 0.7065
6 Series1
Lineal (Series1)
4
0
0 2 4 6 8 10
Y=ax+b
a 0,2689 b= 7,6775
Y= 0,2689x+7,6775
x y
1 9,2
2 5,4
3 4,3
4 14,1
5 10,3
6 6,4
7 5,4
8 16
9 11,0775359
10 6,88183966
11 5,80384698
12 18,4652281
13 12,257519
14 7,59588073
15 6,39081294
16 20,286638
26) A continuación se encuentran los ingresos por ventas de una compañía de servicios
públicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen juicio,
intuición o sentido común en cuanto a qué modelo o método usar, así como el periodo de
datos que incluir.
Y= bx + a
Y= 55.62x + 5050,44
Periodo Pronostico
12 5717,88
13 5773,5
14 5829,12
15 5884,74
361 3 66 59225,
=
(506 ) 66
a= 5050,44
b= 55,62
Periodo 12
Y= 55.62x + 5050.44
Y= 55.62(12) + 5050.44
Y=5717.88
Periodo 13
Y= 55.62x + 5050.44
Y= 55.62(13) + 5050.44
Y=5773.5
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62(14) + 5050.44
Y=5829.12
Periodo 15
Y= 55.62x + 5050.44
Y= 55.62(15) + 5050.44
Y=5884.7
103
27) Mark Price, nuevo gerente de producción de Speakers y Company, tiene que averiguar que
variable afecta más la demanda de su línea de bocinas para estereofónicos. No está seguro de
que el precio unitario del producto o los efectos de mayor marketing sean los principales
impulsores de las ventas y quiere aplicar un análisis de regresión para averiguar que factor
impulsa más demanda de su mercado. La información pertinente se recopilo en un extenso
proyecto de marketing que se extendió a los últimos 10 años y que se vacío en los datos
siguientes:
a.) Realice en Excel un análisis de regresión basado en estos datos. Con sus resultados
conteste las preguntas siguientes.
Estadísticas de la regresión
Coeficiente de correlación 0,854969139
múltiple
Coeficiente de determinación 0,730972229
R^2
R^2 ajustado 0,67118828
Error típico 146,6234467
Observaciones 12
104
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 525718,3339 262859,1669 12,2268977 0,002716984
Residuos 9 193485,9161 21498,43512
Total 11 719204,25
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 2191,337362 826,082598 2,652685539 0,026359912 322,608696 4060,066028 322,608696 4060,066028
Variable X 1 -6,909379925 2,915890727 -2,369560649 0,041939148 -13,50558302 -0,313176831 -13,50558302 -0,313176831
Variable X 2 0,325020441 0,238512793 1,36269605 0,2060985 -0,214532982 0,864573863 -0,214532982 0,864573863
b.) ¿Qué variable, el precio o la publicidad, tiene un mayor efecto en las ventas y como se
sabe?
La variable x1 la cual corresponde al precio tiene mayor efecto en las ventas porque el valor de
la pendiente es mucho más alto -6,9094 frente a 0,3250 que es la de la publicidad. El precio en
realidad tiene un efecto negativo, ya que al aumentar el precio las ventas disminuyen.
c.) Pronostique las ventas anuales promedio de bocinas de Speaker and Company basándose
en los resultados de la regresión , si el precio fue de 300 dólares por unidad y el monto
gastado en publicidad (en miles ) fue de 900 dólares.
28.) Suponga una Ft inicial de 300 unidades, una tendencia de 8 unidades, una alfa
de 0.30 y una delta de 0.40. Si la demanda real fue finalmente de 288, calcule el
pronóstico para el siguiente periodo.
Solución:
105
t At Ft Tt FITt
(Demanda Real) (Unidades) (Tendencia)
1 288 300 8 308
2 288 302 5.6 307.6
FITt = Ft + Tt
FITt = 300 + 8
FITt = 308
Ft+1 = 302
Tt+1 = 5.6
FITt+1 = 307.6
29) La tabla siguiente contiene el número de quejas recibidas en una tienda departamental
durante los primeros seis meses de operación.
QUEJAS
106
Enero 36
Febrero 45
Marzo 81
Abril 90
Mayo 108
Junio 144
Si se usara un promedio móvil a tres meses, ¿cuál habría sido el pronóstico de mayo?
PRONÓSTICO DESVIACIÓN
QUEJAS 3 MESES 3 MESES
Enero 36
Febrero 45
Marzo 81
Abril 90 54 36
Mayo 108 72 36
Junio 144 93 51
Desviación Abs. 123
Total
MAD 41
F3(Abril) 54
F3(mayo) 72
F3(Junio) 93
El pronóstico del mes de mayo luego de haber utilizado el promedio móvil para los tres meses
sería 72.
30) El siguiente es el número de cajas de vino merlot vendidos en la vinatería Connor Owen en
un período de 8 años.
107
Estime el valor de uniformidad calculado a fines de 2001, usando un modelo de suavización
exponencial con un valor alfa de 0.20. Use la demanda promedio de 1998 a 2000 conforme su
pronóstico inicial.
PROMEDIO(1998- 341.3333
2000)
MAD 68.2667
108