Administracion de La Produccion PDF

UNIVERSIDAD TÉCNICA DE AMBATO
Profesional
Séptimo Industrial "A"
Administración de la producción
lng. John Reyes Mg.
Ambato - Ecuador
PRINCIPTnS DH ADMINISTRACIÓN
DE OPERACIONES
JOMA Edición
Barry Render
JayHeizer
FACULTAD DE INGENIERÍA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
PERÍODO ACADÉMICO: SEPTIEMBRE 2018 - FEBRERO 2019
Libro de Heize, pág. 144.
Ejercicio 4.1 La tabla siguiente da el número de unidades de sai~gre tipo A que el hospital
W oodlawn utilizó en las últimas 6 semanas:
Semana ele Uniclacles usaclas

Agosto 31 360
Septiembre 7 389
Septiembre 14 410
Septiembre 21 381
Septiembre 28 368
Octubre S 374
a) Pronostique la demanda para la semana del 12 de octubre usando un promedio
móvil de 3 semanas.
b) Utilice un promedio móvil ponderado de tres semanas, con ponderaciones de .1 .
.3 y .6. usando .6 para la semana más reciente. Pronostique la demanda para la
semana del 12 de octubre.
c) Calcule el pronóstico para la semana del 12 de octubre usando suavizamiento
exponencial con un pronóstico de 360 para el 31 de agosto y a= .2.
PERÍODO ACADÉMICO: MARZO - AGOSTO 2018
Libro de Heizer, pag 144
Ejercicio 4.2:
Year 1 2 3 4 5 6 7 8 9 10 11
Demand 7 9 5 9 13 8 12 13 9 11 7
a) Plot the above data on graph. Do you observe any trend, cycles, or
random variations?
b) Starting in year 4 and going to year 12, forecast demand using a 3 year
moving average. Plot your forecast on the same graph as the original data
e) Starting in year 4 and going to year 12, forecast demand using a 3-year
moving average with weights of 1,3 and 6, using 6 for the most recent
year. Plot this forecast with the original data, which seems to give the
better results?
PERÍODO ACADÉMICO: SEPTIEMBRE 2018- FEBRERO 2019
Libro de Heizer, pág. 144.
Ejercicio 4.3: Regrese al problema 4.2. Desanolle un pronóstico para los años 2 a 12
usando suavizamiento exponencial con a= .4 y un pronóstico para el año 1 de 6. Grafique
su nuevo pronóstico junto con los datos reales y un pronóstico intuitivo. Con base en una
inspección visual, ¿cuál pronóstico es mejor.
)
Libro de administración de operaciones 7MA_ ED_ Heizer, pág. 147.
Ejercicio 4.4 Un centro de procesamiento de cheques usa el suaviza miento

exponencial para pronosticar el número de cheques entrantes cada mes. El número de
cheques recibidos en junio fue de 40 millones, aunque el pronóstico era de 42 millones.
Se usó una constante de suavizamiento de 0.2.
a) ¿Cuál es el pronóstico para julio?
b) Si el centro recibió 45 millones de cheques en julio, ¿cuál será el pronóstico para
agosto?
c) ¿Por qué podría ser inapropiado este método de pronóstico para esta situación?
d)
o)
Libro de Heiser, pág. 144.
Ejercicio 4.5: El hospital Carbondale está considerando comprar una nueva ambulancia.
La decisión dependerá, en paiie, del número de millas que deberá recorrerse el próximo
año. Las millas rec01T1'das durante 1os 5 anos
- anter10res
· ·
son como sigue:
Año Número de millas
1 3,000
2 4,000
3 3,400
4 3,800
5 3,700
a) Pronostique el número de millas para el próximo año usando un promedio móvil de 2
años.
b) Encuentre el MAD para el pronóstico con promedio móvil de 2 años del inciso (a).
(Sugerencia: Tendrá sólo 3 años de datos c01Tespondientes).
c) Use un promedio móvil ponderado de 2 años con ponderaciones de .4 y.6 para
pronosticar el número de millas para el próximo año. (El peso de .6 es para el año más
reciente). Qué MAD resulta del uso de este método de pronóstico? (Sugerencia: Tendrá
sólo 3 años de datos correspondientes).
d) Calcule el pronóstico para el año 6 usando suavizamiento exponencial, un pronóstico

inicial para el año 1 de 3.000 millas y a=.5.
FACULTAO DE INGENIERÍA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
Libro de Heizer pág. 145

Ejercicio 4.6: Las ventas mensuales en Telco Batteries, Inc., fueron como sigue:
Mes Ventas
Enero 20
Febrero 21
Marzo 15
Ab1ü 14
Mayo 13
Junio 16
Julio 17
Agosto 1S
Septiembre 20
Octubre 20
Noviembre 21
Diciembre 23
a) Grafique los datos de las ventas mensuales.

b) Pronostique las ventas para enero usando cada una de las técnicas siguientes:
i) Método intuitivo.
ii) Un promedio móvil de 3 meses.
iii) Un promedio móvil ponderado de 6 meses empleando .1,.1, .1, .2, .2 y .3, con
las ponderaciones más altas a los meses más recientes.
iv) Suavizamiento exponencial con a= .3 y un pronóstico para septiembre de 18.
v) Una proyección de tendencia.
c) Con los datos proporcionados, ¿qué método le permitiría elaborar el pronóstico de
ventas para el mes de marzo?
1
b):
)¡( ~~~i\l r.~\i.\ \)ti\'\&:$\ª() ~ G \\"\~2,,C2.;i \_Q(\ .\ ;

" 1 )
$<:i\\~~10c\C\\"-b \\I~ \:\\\~ \} \,,-"' ;:..\<:.::,<:5;. '''°"'-' $.'<:\~~<:.¡:, •
li\\\D ~
lú~ ( c<(\p,¿) -~
·~~·\'>\\\"!.1.\\\\\1;\\o l?x\l"'i\\•71N\ '"e;\ ~~ ~

~ \li\ ~1G<iÍ-~~1.c \>0'() s~\c,,\ w $Q \~.
~ G" \1;¡;, ~~\)~ , ~ a\l~ ,~~(> º" \~ ~, \\1\.. 1~ !(\~,,\Y

~\ \l \\A'\~}\\_Cc <.\Q \;)(•~(\.:_, ~ (,} \Ü. e\ ~ \,¿;\( \~'\J \\' Q2) ~\(..
\'í\ () \ -:?:.() ;
Libro de Heizer
4.7 La demanda real de los pacientes en la clínica médica Omaha Emergency para las
primeras seis semanas de este año es como sigue:
Semana Núm. Real de pacientes

1 65
2 62
3 70
4 48
5 63
6 52
El administrador de la clínica; Mare Schiniederjans, quiere que usted pronostique la

demanda de pacientes en la clínica para la semana 7 usando estos datos. Usted decide usar
un promedio medio ponderado para encontrar este pronóstico. Su método utiliza cuatro
niveles de demanda real, con ponderaciones de 0,333 en el periodo actual, de 0.25 hace
un periodo de 0,25 hace dos periodos y de 0,167 hace tres periodos.
¿Cuál es valor de su pronóstico?

Ejercicio 4.8: Las altas temperaturas diarias en St. Louis durante la última semana son
las siguientes: 93, 94, 95, 96, 88, 90 (ayer).
a) Pronosticar la temperatura alta hoy, usando un promedio móvil de 3 días.

b) Pronosticar la temperatura alta hoy, usando un promedio móvil de 2 días.
c) Calcule la derivación absoluta media basada en un promedio móvil de 2 días.
d) Calcule el eITor de la media al cuadrado para el promedio móvil de 2 días.
e) Calcule el error porcentual absoluto medio para el promedio móvil de 2 días.
Q_' 'j ~ + '7¡4 + ':l '.'., -:: = '1
:i ¡__¡ -t- '3 ,'., + "'.j( :: :;¿r-¿3/?:, ';j4' 1
':;13 + 'J(_, + c.
u"C"' - n:i - :J ,l
".jb + + jD :: Q--¡_q ::::_ 9
'1t-) ".!3
"H_
91 ".l :$ +
¡:t.H:'./:)
"' +9
Vle/l 6 + ':l .::
1
)
';lS + b
'::U
'j'{
•;L) s:H j'i /!l - :J3, s
':)$ ")Lj + '}3 /). '3 3 s
:; 6 "JJ -t :)6 ')LJ < s 'd'e ';M,S 6,S
<fi'ó ~6 +- s 'Ú (;¿ 72
Sü 00 t 30 ::: '08
'3 's
~s :::
FACULTAD DE INGENIERÍA EN SISTEMAS; ELECTRÓNICA E INDUSTRIAL
11 3
\..¡
'3 "') 5
6 93.S (x ) ::: .!<., 6'' Lf ¿
::: JB
SJ = lZ
Libro de Heizer
Ejercicio 4.9: Lenovo usa el chip en algunas de sus computadoras portátiles. Los precios
del chip durante los últimos 12 meses fueron como sigue:
Semana Precio del chip Semana Precio del chip
Enero $ 1.80 Enero $ 1.80
Febréro $1.67 Febrero $1.83
Marzo $1.70 Marzo $1.70
Abril $1.85 Abril $1.65
May $1.90 May $1.70
Junio $1.87 Junio $1.75
Use tm promedio móvil de 2 meses en todos los datos y grafique los promedios y los
prec10s.
Use un promedio móvil de 3 meses y agréguelo en la gráfica creada en el inicio (a).
¿Cuál es mejor (usando la desviación absoluta media): el promedio de 2 meses o el de 3
meses?
Calcule el pronóstico para cada mes usando suaviza miento exponencial y un pronóstico
inicial para enero de $1.80. Utilice primero u=l después u=3 y por ultimo a,=5.
Empleando MAD. ¿Qué es mejor?
Ejercicio 4.10: Data collected on the yearly registrations for a Six Sigma seminar at the
Quality College are shown in the following table:
a) Develop a 3-year moving average to forecast registrations from year 4 to year 12.
b) Estimate demand again for years 4 to 12 with a weighted moving average in which
registration in the most recent year are given a weight of 2 and the registrations in the
other 2 years are each given a weight of 1.
e) Graph the original data and the two forecasts. Which of the two forecasting methods
seems better?
, l ' ---
iuY l~büt Ji »n& ~= ( flffilJ1k h. o o ~+)¡3

ale
1 i 1
,: - .--¡
{4~ · ;g ~> ~~: 6t>6~-
! ' - -----!--
: Ó__f 11/?-
1 ---------
~-
1
1
•
1
..... ---lciió .3,..:.-
1
.. _!:
' .
.J 1
C1~:
' • '2.
¡__ ;
! J
: 1
:
:
• 1
¡-- -!-----!--
!
• 1
T
)r-1- ! CJI ' ~-J-, ---+---/ : -
aR. ~ e/ CP/te. ~~ ¡
1
~··.,11: •• ·..
¡ 11~-: ' t; ~ ii)/(!1112)

1
:' .
. •
~----+- ' '
1
i
'-- -1----~--- '
¡
Q[ -- ¡ --,---
-~--
1
Ab
---¡
I~
1il
1
\O --
8
1
--4
9..
o 1
-1 !). i 4 s ::¡ 8
Libro de Principios de administración de operaciones 7MA_ ED_Heizer, pág.145.
Ejercicio 4.11: a) Use suavizamiento exponencial con constante de suavizamiento de 0.3

para pronosticar las inscripciones al seminario del problema 4.10. Para comenzar el
procedimiento, suponga que el pronóstico para el año 1 fue una inscripción de 5,000
personas.
b) ¿Cuál es la MAD?
·?ro
(!J1) O". =01 '3
b) NA~,.,. Sorne. c.\é Je.h.fictdvn cJbJolv/-t.,.d, _

n
Libro de Principios de administración de operaciones 7MA_ED_ Heizer, pág. 147.
Ejercicio 4.12: Considere los siguientes niveles de demanda real y pronosticada para
las hamburguesas Big Macen un restaurant McDonald's local:
DIA DEMANDA REAL DEMANDA

PRONOSTICADA
Lunes 88 88
Martes 72 88
Miercoles 68 84
Jueves 48 80
Viernes
El pronóstico para el lunes se obtuvo observando el nivel de demanda para el lunes y

estableciendo el nivel pronosticado a este mismo nivel real. Los pronósticos
subsecuentes se obtuvieron usando suavizamiento exponencial con una constante de
suavizamiento de O.25. Usando este método de suavizam9ento exponencial, ¿Cuál es el
pronóstico para la demanda de Big Mae el viernes?
t.····
lJNIVERSI TÉCNICA AM
PERÍODO ACADÉMICO: 2019
Ejercicio 4.13. As you can ín the following table, demand for heart trasplant surgery at
'};/ashington General Hospital has increased steadily in the past few years:
Year 1 2 6
Heart 45 50 58 '?
Trasplants
The director of medical services predicted 6 years ago that demand in year 1 be 41
sugeries.
a) Use exponential smoothing, first with a smoothing constant of .6 and then with one of
0.9 to develop forecasts for years 2 through 6.
b) Use a 3-year moving average to forecast demand in years 4, 5, and 6.
c) Use the trend-projection method to forecast demands in years I tlu·ough 6.
el) With l\/lAD as the criterion, which of the four forecasting methods is best?
(\ L ~:: O¿,,
Actt;:,,
;
A. ·~t ::;tt-1 ·t.°' (1\t-\ -·h,1) tt 6(0\1\
l ! <t 1 4
¿ (\( t <f G
(¡ éj ~
3
l\ s6
.s <'.j
:::,
,e)
----
h,-~Q et,, H !tr~~rl
UNIVERSIDAD TÉCNICA DE AM
2018 ~FEBRERO 2019
\~¡
t Li
l )' Q
J
4
5
G
Principios de administración de operaciones 7MA_ ED_ Heizer, PROBLEMAS P AG

147.
Ejercicio 4.14: A continuación se presentan dos pronósticos semanales realizados

mediante dos métodos diferentes para el número de galones de gasolina, en miles,
demandando en una gasolinera local. También se muestran los niveles reales de demanda,
en miles de galones:
Pronósticos
Semana Método 1 Método 2 Demanda real
1 0.90 0.8 0.70
2 1.05 1.20 1.00
3 0.95 0.90 1.00
4 1.20 1.11 1.00
¿Cuáles son los valores de la MAD Y MSE para cada método?
-:::; f-t,, - 0,10

Ft(_,-::::',-+ o,=lo . r 01 5 (1 1 0.s-1,20) """A¡tJo1.
ft3 = '1, o o t 0 1s ( 0 1 as - 0 '30) ·: :; ~ ºº~

I
fl4 ":::
1, ºº t O¡ S ( J, I 20 - ,fI 11¡ } ·= 1, 3"¿
&VY)'.:1f)C~ 1 De_ VYJ(l \/\el Cl ~o)/ Oe~v
.lt Q":{. 0,10 1

'2 ~/o ~I O-{ -=l,5
s ~I o 1, 2. f'21 ':75
t1 ~,o ~, 32 s, b 3
-<::: \De>" l -==- 1 -1 ·-;¡, s +lL./=+ s ~ s, h3

¿ \ Oesv \ '=- ~ 515
-=)> H ~ID -=- z \Oelv _~~

V\
HS G: _ :¿ \ geoJ . -P1006siw'.) L~

\/\,
PERÍODO ACADÉMICO: SEPTIEMBRE 2018 -FEBRERO 2019
'·
Libro de ~e\$·•r. versión inglés, pág.558.
Ejercicio q,15 :Consulte el Problema resuelto 4.1 en la página 144.

a) Use un promedio móvil de 3 años para pronosticar las ventas de Volkswagen
Beetles en Nevada hasta el año 6.
b) ¿Qué es la MAD?
e) ¿Qué es MSE?
a)
b)
Añ.o ~YOI /1AD

TÉCNICA AMB.ATO
e)
ffOn~ ~(,() }/5E

----+-~------1~'---~º"-J''----~-+-----~---~-~--~---+-------.
Libro Principios de administración de Heizer, pág. 146.
Ejercicio 4.16: Retome el problema resuelto 4.1. Usando el método de proyección de

tendencia pronostique las ventas de Volkswagen Beetle en Nevada durante 2008. ¿Cuál
es laMAD?
Las ventas del popular Beetle de Volkswagen (VW) han crecido de manera estable
durante los últimos 5 años en los establecimientos de Nevada (vea la tabla siguiente). El
gerente de ventas pronosticó en 2002 que las ventas de 2003 serían de 410 VW. Use
suavizamiento exponencial con una ponderación a= .30 para desatTollar los pronósticos
de 2004 a 2008.
Año Ventas Pronóstico
2003 450 410

2004 495 L¡.2_1,Q
2005 518 4l\'?>.Y
2006 563 ll66'· l
2007 584 4~.¿
2008 ? óZ\.t)
so 1IJ(.10()
'/
"'>
~fu ~ \Q\b~ ~~) y,2-
)(~
21J00 -{ L\.SO { i...\
.t;()O<..( 1- \.{~ '-( qqo
.2.oo :::i 3 S16 Cf \ss~t
R.Oo6 \.j S6::, i6 2.ió:t.

-WOr s Sgt¡ .ts z_q;z..o
to os
ix~\~ ~=-~{O fx2=~ fxy =-ª-166.
-
X=- t:/s =>311 S= u13 :. )12,//
=-:> 336 = C>-s, 6 //

'º
::: l!1~.'J + 3~,6., X

-;>
-~'> ~2-t3 + (33 6 ·+
1
6) ==> (,J..!L9//
'"P<2< 'o,
" ci n Veolo~:: ' J
1 ·{·()POS' 1 CO
j ,, Ex101
,.
Lr~ fc!Y] -
.2
1 l{SQ lj-{Q lfo 1600

2 qq5 llti 7'j s::izq
3 S-t8 4 lJ;'JoC( 1Y, 1 5<-\C\O. 81
~ 563 l{ ff,, ~ Cl6.9 CJ.'.)&1. 6j
5 ss~ l!C(S.2, 88,8 188'.::i.4l\
<;, 622.q S2L5 iO(. I io.tt1 • 21
¿ lj 7'.).9 :t.. jq C\~fi. Ot
MA O "' f. l &al - "Rono5trco 1

\'\
MSE,;: !. ( t(fO{f's cb p<oncíshcof = 2íl9i6 .m ":> 'G ~ . 6=l I/

n Ei
Ejercicio4.17: Retome el problema resuelto 4.1. Usando constantes de suavizamiento de

.6 y .9, desarrolle pronósticos para las ventas de Volkswagen Beetle. ¿Qué efecto tiene la
constante de suavizamiento en el pronóstico? Use MAD para determinar cuál de las tres
constantes de suavizamiento (.3, .6 y .9) da el pronóstico más aceitado.
Ejercicio 4.18: Tenga en cuenta los siguientes niveles de demanda reales y pronosticados
(F,) para un teléfono multilínea comercial en Office max:
1 50 50
2 42 50
3 56 48
4 46 50
5
El primer pronóstico, F1, se derivó observando A1 y estableciendo F1 igual a A i. Los

promedios subsiguientes del pronóstico se obtuvieron mediante un suavizado
exponencial. Utilizando el método de suavizado exponencial. encuentre el pronóstico
para el período de tiempo 5. (Sugerencia: primero debe encontrar la constante de
suavizado. u.)
Ejercicio 4.19: Los ingresos en el estudio de arquitectura Spraggins and Yunes para el
período de febrero a julio fueron los siguientes:
Mes febrero marzo abril Mayo Junio julio
Ingresos 70.0 68.5 64.8 71.7 71.3 72.8

(en$1,000)
Utilice el suavizado exponencial ajustado a la tendencia para pronosticar los ingresos de

agosto de la empresa. Suponga que el pronóstico para julio sin ajuste de tendencia es de
$ 65,000 y la estimación de tendencia para julio es O. Establezca las constantes de
suavizado a= 0.1 y ~ = 0.2.
AGDSTO
Libro de Heizer 7MA_ED, PAG 146
Ejercicio 4.20: Resuelva el problema 4.19 con a= .1 y~= .8. Usando MSE, determine
la constante de suavizarniento que proporciona el mejor pronóstico.
Los ingresos en el despacho de abogados Srnith and Wesson para el periodo de febrero
a julio han sido corno sigue:
Mes Febrero Marzo Abril Mayo Junio Julio
Ingreso en 70.0 68.5 64.8 71.7 71.3 72.8
Miles
Use suavizarniento exponencial con ajuste de tendencia para pronosticar el ingreso de
agosto para este despacho de abogados.
Suponga que el pronóstico inicial para febrero es de 65,000 dólares y el ajuste de
tendencia inicial es de O. Las constantes de suavizarniento seleccionadas son a, ~
Ejercicio 4.20.
:' ;
pf0'1OJ7: f f.? l_)¿'SV1?.t-J,•o;:,
i .
nu :r,,,,j "~'º
...y-. l/~f ~;: 1
011 ! 1
Abs
'Fe6+eY? ,7Q
i
i
6 5' 1 5
nov. o: 6 f~s i 6 ~5:
i J
' 1 ' 1
)/.n'( 1 6yi g :
es ¡
lg 1
1 ¡ 6;¡
1
1
fi?tt 'ií o -7/ '.'?·
r
1
Ju/);10 71~ .':] i M/ j

·n!, B t'6
)
ti 1
1
1
i
n ¡ 1 ,1 I
rY'<?no.r-h~o 12)esv,'ac,'o·~,
1 '
/?&,reo ! re/?
:~
~:: Dei='
AJ-n'I Do-1:
/?f./rro
.'i)1·'v'::
Pes·v j;;_
Ali Yt!
í>r..r v : 6 Y;
f)e¡v,,:. I
;Ja~ o
1
Püv .Z
: i
·, ~·.,_,}Ü="='"-<iríJ=c.LJ.."1<-.,.-'.4~6s,_,_! Dt'fV ¿_-:
b
J;:V rJ i.:J.
' '
1!1A-D ., _i_6_ : ~
- + 5
:
t!)rov /li,,J,·o lu,;./i:v.'l,/v
/7.5E -' (S .'f2')~ .
1
oÚe :::· t.s; v- 1&µ
' , n
1 : ,17'.J"E : : e-:J, J, y :
V,t!o/ 0~
Pron~5ffro 1 9(JJV1\0-<'1'b~J :
.11,,~,!:-JO e
¡)
il?o , . .. / ,¿f /,5
i
F)¿,,,,º 7o 6} ,5
i
/ZJ Y7-D Ml1 ; &h 'os
,/
A'h,,,/ 6'1; e ¿;,gl 6 }/ B
¡ '.
i1ctjt> . l!, f 6>;?6
. '
¡~/'/r
Suy¡ ,l-v 1- l¡: j' 7-6/t'P !l; f]J'
Jvko 7-2, B 12; 13 ~
001:
: i . (B1 J9
P,-0110) .f1c; V f?4rP l
'
08
i
1
-j
1
J
'r(cw"f'o :>(<:: 6>i' 1- o.í'1\:i (7 o ' -6.S)i,

), :: ' d~ ,
X :: : 6~ -1 /;tj '3 i( 6 B, t -b S)
- tif'/ 6 i ' .
X :: ~g/ ¿, '¡ l~B) /sv,,

~
B- lts/6) ::: 6S.1s-6j
Oe~-v ::: t¿¡S
: • 1 : •
X
1
¡j;,· Sb 1 : ! ·
i / . .i ' í '
X ;:' 6;>í>6 + /zj,S) lf 1)7 - ¡65~-56) í
!Dt:rvl 2 6 ~(Y
!
><': ,7),,/ tr.:f¡ 1 1 i0t;fV ~-- ;:, 6
X :: ~,o 1 l/7 ~-t/;8)/ 17'J,J
1
. -
. :
l;zo/Y-7,) 9~) ;:: )Z.(
/
j;z ,_/sjs-6
.
>< : = '7- ¡21 ¡ 3 l ii)hv! '.: 6;h' :
i J~nlo Í)p,JVJ e '71 J', :;J - 7, O,, i¿ '¡Z
i ¡ 1 i
1 :DoJ ?-
'2¡ 1f-35
: i '
1
i
Ju/.'i:>. - ·72)B
/?AD::: '18/J't
6
17,4 /)::
1Sld ¿s- _± !1 2-f. ~iAD

1
:ls«JX :: !
1
11 .2,i> { 51,.
,, D.>6) 1
,)Jx ::'.; 31 'PZ

UNIVERSIDAD TÉCNICA DE A!VIBATO
FACULTAD DE INGENIERÍA EN SISTE:MAS, Ell:CTRÓNICA 1: lNDUSTRIAt
PERÍODO ACADÉIV!!CO: SEPTIEMBRE 201!! - FEBRERO 2019
Ejercido 4.21: Consulte el suavizamiento exponencial con ajuste de tendencia del

ejemplo 7 en las páginas 122 y 123. Usando a= 0.2 y~= 0.4, pronosticamos las ventas
de 9 meses y mosiramos ei deialie de ios cákuios para ios meses 2 y 3. En el problema
resuelto 4.2 continuamos el proceso para el mes 4. 1
En este problema muestre sus cálculos para los meses 5 y 6 para Ft, Tt y F!Tt.
l\'JES A.
··i
1<.
- l Ti F!Ti
2 17 12,8 1,92 14,72
3 20 15,18 2,1 17,28
4 19 i 7,82 2}2 20,14
5 24 ? ? ?
6 21 ')
l ? ?
1
1
11
1
1
1
1
1
UNIVERSIDAD TÉCNICA AMBATO
- FEBRERO 2019
Ejercicio 4.22: Consulte el problema 4.21. Complete los cálculos de pronóstico de

suavizado exponencial ajustado por tendencia para Jos períodos 7, 8 y 9. Confirme que
sus números para Ft, 1't y FITt coincidan con los de la tabla 4.2 (p. 123).
1
() 1 )
o< ( A .1 ,) .\ ( F ·I 1 ·\
r( . )
¡,
T-I ~
(<
( f)V .Je f y'Oot (\ ( r1' (_()
) .l.
1
(). (S ) ( e, 1 1
Cf0""1 ./r ri~)
,, 1, :J:, u t,,;,)'/:'-. /;,),)_,''\ /
"
T-1 - f? ( r r( , ·) + ( 1 ¡1 ) r1 . <
( --T.i_ l
l{ -- ?ro V'cD~ ),(_p e/(' _';e!'::\ u: )'!OM-,'il'-\ J:, ('X f'21V\ 01 ( i()J re''- O l-o. Je, te J Q_
cL., -~DS C'n (l'<v t,•1 An .
A1 -::: 1)(" V\ I C\ I•\ nlQ ocJ,,iA \ cJ q,, ' (,,, ,,1., --(
tX ::- 0vi() )<\•·\ J-Q Je )(J~_u~ ,/--\:'\ f\A-1 'pJA lo ó)é'¡ 1 L') J f, º \"' r.,L"o {o~ O< ~¡1 )
(ji -- fov-1(> JC\'I•\ Je do ' " q0,' 'jo,v'·cr'c._,, Jo r'"-VU lp )r.q-,-Jev1 e ;'C_\ (o ¿_
r /t)
Libro de Principios de administración de operaciones 7MA_ED_Heizer, pág. 147.
Ejercicio 4.23: La tabla siguiente muestra las ventas de deshidratadores de vegetales

registradas durante el año pasado en la tienda departamental de descuento Bud Banis de
St. Louis. Los administradores prepararon un pronóstico empleando una combinación de
suavizamiento exponencial y su juicio colectivo para los siguientes 4 meses (marzo, abril,
mayo y junio de 2007).
l\.lt,"'> 20116-2007
lu!tu H.Wl
,,\;.t1}0.to
ljf¡
Odúhtc. ! 111
l'\p\ léftlÍtfC J.24
o,~·1i:mh1e 1
l;nn"
h:ht<:ft\ in
!'vb111> IOI
Mml ifrf1 ¡.¡
¡¡<¡ 111
11)~
a) Calcule la MAD y el MAPE como técnica de la administración.

b) ¿Los resultados de la administración superaron (tienen MAD y MAPE menores que) el
pronóstico intuitivo?
c) ¿Qué pronóstico recomendaría usted, con base en el menor error de pronóstico 7
'P1oni»ltu.) ck \c.i MhPE

c1c.l vn \ n~~O(.~c',,,
Juho IC
A ~w\u
JeP,ltcrob•r
Dc..h>\:>1 t
JJo u\ eY{Ib• (
'D r'-1em'v1 e
ene1'1)
febce•o
(laq.P
A'b.r\
riu:JO
h1n'to
b) 1
e)
UNIVERSIDAD TÉCNICA
Ejercicio 4.24: A continuación, se detallan Jos accidentes ocurridos en la autopista 1O1

dd estado de Florida durante los últimos meses:
.Januarv 30
Febrary 40
·-~=-=~--~~~-~-~·~--·-~~r-----
60
90
Pronostique el número de accidentes que ocurrirán en Mayo, utílízando la regresión de

mínimos cuadrados para derivar una ecuación de tendencia.
J.
1
D. 6 ~,o - 1( ( J , ) ( ·,
() - '-1. ( 51 ' '-
b ..
6. ¿o
PERIODO ACADÉMICO: SEPTIEMBRE 2018 - FEBRERO 2019
é\ :::_
j - bx
a - s s - ( 20) ( ~.s)
Q s
e;J "
j -- 5 -\ }o><
~\ -, '."i 1 /00
~j ·-
4.25 In this past, Peter Kelles's tire dealership in Baton Rouge soldan average of 1000
radials each year. In the past 2 years, 200 and 250, respectively, were solid in fall, 350
and 300 in winter, 150 and 165 in spring, and 300 and 285 in summer. With a major
expansion planned, Kelle projects sales next year to increase to 1200 radials. What will
be the demand during each season?
/000
I E olono !), P
O.P. E
Ejercicio 4.26: En el pasado, la distribuidora Arup Mukherjee vendió un promedio de

1,000 llantas radiales cada año. En los dos años anteriores vendió 200 y 250,
respectivamente, durante el otoño, 350 y 300 en invierno, 150 y 165 en primavera, y 300
y 285 en verano. Con una ampliación importante en puerta, Mukherjee proyecta que las
ventas se incrementarán el próximo año a 1,200 llantas radiales. ¿Cuál será la demanda
en cada estación?
UNIVERSIDAD TÉCNICA DE AM.BATO
Libro Principios de administración de Heizer, pág. 147.
Ejercicio 4.27 La asistencia al nuevo parque tipo Disney en Los Ángeles,Vacation

World, ha sido la siguiente:
Asistentes Asistentes
Trimestre (en miles) Trimestre (en miles)
Inviemo 2005 73 Verano2006 124
Primavera 2005 104 Otofio 2006 52
Verano2005 168 Invierno 2007 89
Otofio 2005 74 Primavera 2007 146
Invierno 2006 65 Verano2007 205
Primavera 2006 82 Otoño 2007 98
Calcule los índices estacionales usando todos los datos.
<Q~och ~oniedi'o
/(1~±~e 2CX)~) .2006 90')1 .~.~.:::__.200_1._ _ _.Q,_ h
:!\'\ \l it?W'O 73 6S gq /"¿6C'6 1Qs i bb q1C:R3
rf\ ~ íHJ \!(::>((\ ·lQll 8~ 1% {10; (:fí:, i(ti ) 66 f1 0Jf$
\JC"(C(\0 {68 -(1.t¡ 2[j) ·(6S, 666 (Ck,¡ I 66 1,553!
ob10 t ll S2.. ces t~ / 666 { ó~, l f, 0; -/({X)
Zr.: ~i6í666lf ¡
""" <f.2J, 1 66GC/ -:;: 10S; E66 I

l-/
Yroned10 %Jf) -2-fXJt

o.
"'> SI '.:e (_~Q qv:::: eCíC{ cf ~\~fYK.-"J~'<e ~ e:i 1 rúr~:xo cb C6i':'JC::n~0;)

~-L:ü ~ m:'I ~ d? (:, cL-i1n1cb [LíC. acb t t~1T1c_~+íe '.ít:-\lb el st:ft:.te.
tiernrnéh
~"me) J'fQ --~-~"-'b'-·,,_ __
::1-'nv\'erno ~/t1 .it q KR3 "' 88 66.2.s
1
R, \1Y\'.;. ve<o. c:{)J/L¡ }t i 1 03 iS ~9-Q 1 681-S

\K,)(C<\0 ::1x/L\ .:f!: ·(, SS?\ ·r::lll 1 i?J-tS
O\o,~ .<:m/L \ ·*' 0, .:f<X:() :;. 8 -t ) ::ax)
Ejercicio 4.28: North Dakota Electríc Company estima que su línea de tendencia de la
demanda (en millones de kilovatios /hora) es: D = 77 + 0.43Q donde Q se refiere al
número de trimestre secuencial y Q = 1 para el invierno del Año 1. Además, los factores
estacionales multiplicativos son los siguientes:
Invierno .8
. Primavera 1.1
Verano 1.4
Otoño .7
9wnos1icor el ojo ele ener9i'o, pur~ lo5 C(JO l1D ~ 11' (Y\ e S ./-f C,_5 d(l 0 hO :2 b
e6 dLeC:r lo:s \Y1Vhe.5f<e::> ,tDA CA .{0 li} (Of'vl('htCIY'do (t'.)/"\ rt 1'f'\U{f1(l<").
L' l
l (
Libro de fleizer, pág.150.

Ejercicio. 4.29:La cantidad de unidades de disco (en millones) realizadas en una planta
en Taiwán durante los últimos 5 años es la siguiente:
a) Pronostique el número de unidades de disco que se realizarán el próximo año,
usando regresión lineal.
b) Calcule el error cuadrático medio (MSE) al usar la regresión lineal.
c) Calcule el error porcentual absoluto medio (MAPE).
Año (x) X
2 >< '/
a ';: ¿-x ¿ "k: Y ·-r;;; >< ~x 1

n ;Ex·'}. - f L' x) 2
b - Y1 X Y ·- :;f X ·~
Y'\ -;E__ X¿ - ( ¿ >< )2.
a-
b-
/ .i FACULTAD DE INGENIERÍA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
.,
()) y ;;:
b) MS E .-
MSt:-:
Libro de Principios de administración de operaciones 7MA_ED_Heizer, pág. 147.
Ejercicio 4.30.- La doctora Susan Sweeney, psicóloga radicada en Providence, se

especializa en el tratamiento de pacientes con agorafobia (es decir, miedo a salir de
casa). La tabla siguiente indica cuántos pacientes ha atendido anualmente durante los
últimos 1O años. Asimismo señala el índice de robos registrados en Providence para el
mismo año.
AÑO 1 2 3 4 5 6 7 8 9 10
Número 36 33 40 41 40 55 60 54 58 61
de
pacientes
Indice de 58.3 61.1 73.4 75.7 81.1 89.0 101.1 94.8 103.3 116.2
robos por
cada 1000
habitantes
Usando el análisis de tendencia, pronostique el número de pacientes que la doctora

Sweeney atenderá en los años 11 y 12. ¿Qué tan bien se ajusta el modelo a los datos?
~
A 50)1530 ~
i 4S) tlbS<b J-j
) L/S; 51.~ l s
'-1 ~i) bs'!i~ Jb
s ssJ l-3>~ri 2-S
l 51 /il./l ::¡ ?Jl
i 51) !~55 4~
i S~\ O?iSS b'-1
$ 55/1-32'2 'ti
10 l3/l4bb lOO
H 1 ~) l)J~ lil
li 60)40~i) \l-\ t,\
r~ ttJ, 5~%? Jb';>
11\ 1-~, lb~i~ i~5
~s i5, 9-3~5 1~~
'{, 43)_~3ol c:t.s b
11 %o> <ti 11 ~<b~
X X'),
'
~i ~0;55~5 3:¿y
CbLtr§~lb
'~
Qo
3b1
30; bl~-::¡ L100
~JO '.)3?:i~ ~~10

1_ =
.....•
,,,
j
Ejercicio 4.31:Las llamadas de emergencia al sistema 911 de Durham, Carolina del

Norte, durante las últimas 24 semanas se muestran en la siguiente tabla:
a) Calcule el pronóstico de llamadas exponencialmente suavizado para la semana
de caché. Supongamos un pronóstico inicial de 50 llamadas en la primera
semana, y usea a= 0.2. ¿Cuál es el pronóstico para la semana 25?
b) Reprogramar cada periodo utilizando a = 0.6
c) Las llamadas reales durante la semana 25 fueron 85; ¿Qué constante calmante
proporciona un pronóstico superior? Explica y justifica la medida de error que
usaste.
( '
- \
UNIVERSIDAD T~CNICA AMBATO
FACULTAD DE INGENIERfA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
Ejercicio 4.32 Using the 911 call data in problem 4,31. Forecast calls far week 2 to week
25 with a trend-adjusted exponential smoothing model. Assume an initial farecast of 50 calls
far week 1 and initial trend of zero. Use smoothing constants of a= 0.3 and ~= 0.2. Therefare,
the next period would be 89. Is this model better than that of problem 4.31? What adjustment
might be useful far further improvement? (Again, assume that actual calls in week 25 were
85).
-¡- --
__ 40 - 1
' __ ;__
SS
3S
¡5, ~5
ll) • 35:
/T 55
.__ .1e 1
._,
.4Cl
¡g: '~5 - 1-
io ' 1
60
ti: 1s
9,_9., '.~
9.) 40,
;_ 4 65, ¡ .•
e ls
i .
--- !
: - , __
Libro de Heizer, pag 148
Ejercicio 4.33: Storrs Cycles has just started selling the new Cyclone mountain bike
with monthly sales as show in the table. First, co-owner Bob Day wants to forecast by
exponential smoothing by initially setting February's forecast equal to January's sales
with a=0.1. Co-owner Sherry Snyder wants to use a three- period moving average
Sales Bob Sherry Bob's Sherry's

Error Error
January 400 -----
February 380 400
March 410
April 375
May
a) Is there a strong linear trend in sales over time?

b) Fill in the table with what Bob and Sherry each forecast for May and the
earlier months, as relevant.
e) Assume that May's actual sales figure turns out to be 405. Complete the
table' s columns and then calculate the mean absolute deviation for both
Bob's and Sherry's methods.
d) Based on these calculations, which method seems more accurate?
Libro de lti¿hti-, pág. 517.

Ejercicio 4.34 Boulanger Savings and Loan está orgulloso de su larga tradición
en Winter Park. Florida. Iniciado por Michellc Boulanger 22 años después de la
Segunda Guerra Mundial, el S&L ha rechazado la tendencia de los problemas
financieros y de liquidez que han plagado repetidamente a la industria. Los
depósitos se han incrementado lentamente a lo largo de los años, a pesar de las
recesiones en 1983, 1988, 1991, 2001 y 2010. La Sra. Boulanger cree que es
necesario tener un plan de estrategia a largo plazo para su Firma. Incluyendo
pronostico a 1 año y preferible incluso a pronóstico de depósitos de 5 años. Ella
examina los datos de depósitos pasados y también examina el producto estatal
bruto (SGP) de la Florida durante los mismos 44 años. (El SGP es análogo al
producto nacional bruto [PNB] pero a nivel estatal.) Los siguientes datos se
encuentran en la siguiente tabla.
.25 A
. T 13 .50 1.2
2 .24 .4 14 .95 1.2
3 .24 .5 15 1.70 1.2
4 26 7 16 2.3 1.6
5 .25 .9 17 2.8 1.5
6 .30 1.0 18 28 1.6
7 .31 1.4 9 2.7 1 ,7
8 .32 i. 7 20 3.9 1.9
9 .24 L3 21 4.9 1 9
1.0 .26 L2 22 5.3 23
11 25 1.1 23 6,2 25
12 ;33 .9 24 4,1 2.8
26 6 1 3A 36 .7 4.1
27 77 4.0
G1 4.1 38 479 45
'5 49 1 4.6
rn 1 4.0 40 55.8 4.5
31 24 l 3.9 41 10 l
25.6 42 70.9 4.6
33 30.3 43 79 1 4.7
3.7 44 94.0 5.0
*En millones de dólares.

*En miles de millones de dólares.
a) Primero utilice suavizamiento exponencial con a = .6, después análisis de

tendencia, y por último regresión lineal para analizar cuál modelo de
pronóstico es mejor para el plan estratégico de Boulanger. Justifique la
elección de un modelo sobre el otro.
b) Examinar cuidadosamente los datos. ¿puede presentar un caso para
excluir una parte de la información? ¿por qué? ¿sería ese chango tu
elección de modelo?
1 ! e>, <5 o1 o
2 Cl1!7'1 <'.1 1 ~5so o,~I 0 1rJOol
3 o:-7•1 - Q\'2'-1<¡ 64<1 o

~
-- _eJ.t(I, - 0,1'l2 o, 01g .o1ooo;ii,.s _
~ Ci¡zs ey:i:s1 1 D10::!3 6,\)6~ ~/Ób
" 1 1
'f 1
q,~
0 1 ~1
.011.SI
Ó¡(ge;,
'.Qºs'
o,~31
<l¡OO 2
o 1roo3
\
i? ! (\3'2 ó1.l:is 01t:l2? !'.'ill:!:l o'f
9 Ó¡'t'I 01)\\ 'd1o-¡I 6,005'. __
fJ 1 C'i 1.'{63 l'\Q:>'.'!
1_6¡1(. - ---- o,"'00'n
(1 .
:6l2s V1.J! o? o, oos1
12 -- ~133 C!1 & é1
/} !:,\$" 0,1 0,030:1
/<(
º1~J o,~·w O¡"U~
($ QlltS
11'.l- ó 1Ha
lt, 2i3 lr31~ ó¡ 9B:1 01%'.)' 1
17
111
1
21~
.;>,e,
1t ':lo{,
!l('i '1 l
!
º'
-ºi36
!?C'l ·- (),?\Jj
ó1\2:
l':f b{¡§:SJ-
º'º~j o1oQ 1'0
20 'it¡b'b:l <'>¡0~3 01Q<:>t8
1
-
2! v~ 31'1/J 11117 t 1i_"."I 1
)/. s,3 '1 t3ó3 ~I

ó ';1.. '1,gm o
2•11
~!1 ~tbBI \,b~\
ls - ----- 1 'i\:S ti,'l?.l ----- 1 -
.'.\'1_~-;i
2{, 1 ~il \/ ,.5,<i¡ _()J'l:~ t'.l 1 oS.)~
;--- ---
1
11] 7:>\_t¡,n ,.L1 So ----,- "11112

fÓ¡_I 6¡(j'{'j _¿_,í.bs 'i1'5.52
IS 1i ~I '3,t~ __ ló¡l6 s~
1
1~,1 14 ¡65,\ b1~tj --- '--fl¡ lt::J --
2~¡¡ t) \ .>¡'((, :Z,{}

'! is,.-
1
'5 1 l'6G: 67- 1 ()1
fl_ J013 -- : ;>-:i 1 (.'.;)__ ~,n'l ,~\}~
J!1 1
~1-. (5(, - '16<:i'J} (31 6'i!S'1
!
~I
,r. i,¡ el.\ 1 6f,. 3¡3'1 '1
Jh 1JI¡} )f ,125 t1.J <\?lt
3r 3s,s 31,1'5 1'.1(<">2.$ e, ,CDD<,
se '\1-,'J 3\, 1-l i:;,-:¡-ga '-{6 1 \D"I
13,) "2,S 1 rl5'1 l.<1 llG 1'16 l 1-.')?

J3
'{ti -ss, '5 '\) 0.S•¡
1
6¡0'1_(, 3;:.,,::,<;3')
'(I fo,1. '\(, l{,~\ e¡ df'i\ 'j3,\ 1 \'IE,
'-\,'.) ?01-' '37-, 153 l1 ¡.'>.5 3 21. 1\lo'
'13 7'.:l,l (? 1 "'/2.J ?,9··t-b. GJ 1 61, '1

!Jy Gl~:1og . 1 ~1'15 \~5, '/-G?
4'1
'fS )1 a<>, U)
frll> o: 3¡ 'i2
fY)SE ::e 3213'.:'>
el't5 Ó¡ z.s o c,s

~ Oll'i o 1 2:s1 e o C..\l,so
3 (:)ll.'"\ O¡):l~'f ~a 1 ac~ C.l'U!:l
.., C>¡U C>¡:l.4 ~ -01001./.,. ti¡HS
s 0¡?$ C.¡.t.s~ ~,cc;;1c:. 01 "'-'S'O
G C.¡ 3 o1;¡s¡ o 1003€. 01 'lS~
~i31 c,~f.
t C¡2€0 0¡02.'f
;i~s 6¡C.\'8 C.¡33;s

g ~a3~ 01
~ ll>¡l.~ ~¡~i< "C¡C)/ ó¡bl+S
te 0¡2' c. ,Lb; ·- O¡C21 e 1vo

1( 0¡'l$ 6¡-,¿i;3 e. e; lJ c.,t~j
e¿ ºd'} o ,.is.s 610.ll 0¡ '.!.ll
(J ó,S c.,3 o i lij c!l¡ ~!(,I
l "1 O¡'-"S º•'l'LD C¡~ll ~, S<t~
Is 1.1 t>, 1J~ o 1J!iS(, (dOI
~'°"°
lt. l.13 t ¡..31,S' O¡ti'/1
tl :t,~ \1~ C.1 t.S'H ;<, "~
lt ~"'
I'<> ~1'/<Jl º' Jl'j; 31ScS
lj 21l j,¡<o:q -<>1011111 ·31'tOI
Jo ~¡'j 2. t 6'63 O¡l3~ ~I c:JfJ

i1 't,~ 3 ¡ 'f13 C1~6'!,[ 3:~~
22 .5¡3 \¡ 13o2> e; ¡83).,'j 61fH

C:>¡&v't1 :;, 'Ice.
/?3 c..~ l¡ J Cjc:l.
f2y 'S 1 e,~ -o 1 .S&<¡l r¡O'Js
'hl
~s
'2b
'f,s 4 1 rJ'l ~ °' ""'t:.í 'i, 110
41 :s <;)) ~?I ,,,
"" 01381~
FACULTAD DE INGENIERIA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
;(~ 1-, }- s ¡'i':ll ' C¡t(, y " ,S"¡blo
~e. (t., 1 G«oe\5 '7>1~\.'i)'f 'O ,;¿!t_.5

~l¡l;,j)
.i~ 1512 ~ ¡ l8'6 l1&S3.
.so ti11 1.l, 1C.$~ l-1)J~I 11,?~
¿;¡ ~'<d I~ 1 91'1 j ¡'j'<!,S :.zi, 113

AB 1 'to-6
~:l. ).S'¡{, i).<::J¡°'i;(, 'f,' f!'
s,'ICl3i
:.s 3c.13 1..b\b~ '.3c1 '1 lS
3<t Jb ::l.~ 1 t. l>(ó >¡ '1SS/ 3'-lc o~I

·~/¡/ J,l:íi~ 3~ 1%zc..
3-s 2~,t.f.
3t. '31, ¡ 31 ¡1U 4 {>O'J'8 lS 'O\~
;J'i ~~t:S C¡'f'l 01'U/.L J 1, ~"

3~
'H,~ 1' )•¡lc,~3 - l 1 1"'%-J :fl-, l:¡<,.3
;¡~ 'i'Y1I ~,{)~"~ '?101.C:.S SD¡f2.'t
lto Ss1s &.'07~ b¡%3@. $:;,'Be.~
'11 fC¡j ~Los •o b¡P$'0 61 18S 1.

'H. ;Jo,~ ~0,01 lo 101 1-tS 1 ~¡'1
"1~¡1 .,_, 11 :l -~,IH "!!O 1 '1.?&
'1~
·st, ~., '8"\
""
'H
~.., 1; 1 Sl~!;
' ~, /(,,5
ti
Ejercicio 4.35: John Howard, un corredor de bienes raíces de Mobile, Alabama, ha

diseñado un modelo de regresión que le ayuda a determinar los precios de las casas
residenciales localizadas al Sur de Alabama. El modelo se desarrolló empleando las
ventas recientes registradas en un vecindario en particular. El precio de la casa (Y) se
basa en su tamaño (pies cuadrados =X). El modelo es:
y= 13,473 + 37.65X.
El coeficiente de correlación para el modelo es de 0.63.
a) Use el modelo mencionado para predecir el precio de venta de una casa que tiene
1,860 pies cuadrados.
b) Una casa con 1,860 pies cuadrados se vendió recientemente en 95,000 dólares.
Explique por qué esta cifra no se corresponde con la predicción del modelo. c) Si
usara regresión múltiple para desarrollar dicho modelo, ¿cuáles otras variables
cuantitativas podrían incluirse? d) ¿Cuál es el valor del coeficiente de
determinación en este problema?
c) Si usara regresión múltiple para desarrollar dicho modelo, ¿cuáles otras variables
cuantitativas podrían incluirse?
d) ¿Cuál es el valor del coeficiente de determinación en este problema?
Libro de Heizer (versión en inglés), pág. 151
Ejercicio 4. 43:
Mark Gershon, propietario de una distribuidora de instrnmentos musicales, piensa que la

demanda de guitarras puede estar relacionada con el número de apariciones en televisión
del popular grupo Maroon 5 durante el mes anterior. Mark ha recopilado los datos que se
muestran en la siguiente tabla:
Demanda de guitarras 3 6 7 5 10 7
Apariciones en televisión en Maroon 5 3 4 7 6 8 5
a. Grafique estos datos para ver si una ecuación lineal podría describir la relación
entre los programas de televisión del grupo y las ventas de guitarras
b. Utilice el método de regresión de mínimos cuadrados para derivar una ecuación
de pronóstico
c. ¿Cuál es su estimación para las ventas de guitarra si Maroon 5 se presentó en la
televisión nueve veces el mes pasado?
d. ¿Cuáles son el coeficiente de correlación (r) y el coeficiente de detenninación (r2)
para este modelo, y qué significan?
j-'(AY>l.ú-1\J>L j. ~l~ ('-\) 3 (, -1- 5 )() :¡..

1
R~~.;_<.Nüfi> VV\. í \ [ ('X.) "

d '-1 1- i. e 'O
1
lo
'
l¡ .
J3 ~d
·;.,;9-J Q.
[( l'i'\) (3e,)] - [ ( ~-b) (;i_u n
:; q .., [ ((;) (Yl'\} J- (n1-)
,)
,)
4 ~ ,:¿4 J(:, 3b
t l t.¡q L¡~ l¡~ Q ., _ ~J (, t-<;,1
b 5 30 J{, ':;z·o
..-
~ )(', 8<J f/l )(X) h.,, [(G)(Q.'.l.+)J ·- [C~1)(3s)J
e:o
"?,i>
.1
3.C:.
'5 5
--:--__ ,--_:-==--ce
,2..':{,1-
--
:{,5
l'N
-
~H
.l.ll ()
re(¡ )Ü'19 n ~- (;s7<-)
r.. r)
b~ 1.)o.Z€5-
~=q
j ~ 0.)<ó-ib 1 +- [(J JGQ.f:)S)t<i,)]
d} Y,, rn __ 2 'X~ - Z: X 2. tJ
VDn i'Jl~ -(f.x_, ]["1. z:.:)~ -CZ:-x.):i.
Y 1
r~ cc~)(;'.Z.2_,~)J -[(3~)(3f!,)J
Jcu,'Jcn.::i.I -c~~/-)JUb)Cz&e) - (31;)'-l.n'
Libro de Heizer Décima Ed. Libro Ingles, PAG 151.
Ejercicio 4.44: Lori Cook ha desarrollado el siguiente modelo de pronóstico:

36 + 4.3xy=
Donde:
y = Demanda de aires acondicionados
x = La temperatura exterior (ºF)
a) Pronostique la demanda de para aire acondicionado cuando la temperatura es de
70ºF.
b) ¿Cuál es la demanda cuando la temperatura es de 80ºF?
c) ¿Cuál es la demanda cuando la temperatura es de 90ºF?
:;
:'j
1
- i i
l{) 't •
'
'
'
:
1t._
l'L· -t".°rt"'J-1t't<C(
'
i 1
A.
y - 3,6 ~tt,3[7-0?>1
/\! 1
&! "2 :J() f 301
!J,)
q ~
! ¡
y ~·
LI
1
;:se?
'
Pi 6 ' .
s;or;
'
e)
g: 5 ¡; t t 3¡ r4 oºf")
1
"--¡___c'----------'-------'--l> ,,; f
'!;O"F
'-
'
Libro de Heiser, pág. 149.

Ejercicio 4.45: El Gerente de Café Michigan Gary Stark, sospecha que la demanda de
café moca con leche depende del precio que se cobra. Basado en reservas históricas.
Gary ha recopilado los siguientes datos, que muestran los números de estos cafés
vendidos en más de seis valores de precios diferentes:
2,70 760
3,50 510
2,00 980
4,20 250
3,10 320
4,05 480
Usando estos datos, cuántos cafés con café moca se pronosticarán para venderse según
una regresión lineal simple si el precio por taza fuera de $ 2,80.
Libro de Heizer pág. 141.
Ejercicio 4.46: Los siguientes datos relacionan las cifras de ventas del bar en la pequeña
posada de alojamiento y desayuno de Mark Kaltenbach en Portand, con el número de
huéspedes re istrados esa semana:
1 16
$330
2 12 $270
3 18 $380
4 14 $300
a) Realice una regresión lineal que relacione las ventas de barras con los invitados
(no con el tiempo).
b) Si el pronóstico es para 20 invitados la próxima semana. ¿Cuáles son las ventas
que se espera que sean?
.:-MES H\JtúPE()_ hd VE-NI f\S ( 'I) i)_ X'/
1 l(i ji i33L~ i~ib 5L'lO

¡e¡, ;~x..Llo
t dJ 9.-=lo 11.!4
1 ·o ~ 3[50- J~4 Vi// o
Jlj ji '600 1q() Lj¡WO
1 60 1~io q)lo \.q fj 6 o

--
~ " (l. + 6)(
. 2·~ L'.~ ~· Zx:Z:x~ b n1.·x9 ~

2.·it E. 't)
a
n l:x.1- .. ('Z:;e,)1" n (t.x') - l1"1<')'l-
(l ~ ('\'l.O)ll;L'to) - (<io)(IQs<.=,o) b -- L\ (lqs{,o) - (6ülil'-8o)~

!..j(<\to)- lt,0)2- '-1 (q,lo) - (6 o )2.
a. Ljooo b 14 lJ o
so 80
(l so 18
8 ~ vo + l&{íwJ
8 :; 1.110
Ejercicio 4.47: El número de accidentes automovilísticos en Atenas, Ohio, está

relacionado con el número regional de automóviles registrados en miles (x1 ), las ventas
de bebidas alcohólicas en $ 1O,OOOs (x2), y la lluvia en pulgadas (x3). Además, la
fórmula de regresión se ha calculado como:
Y= a+ blxl + b2x2 + b3x3
Donde:
Y= número de accidentes automovilísticos.
a=7.5
b1=3.5
b2=4.5
b3=2.5
Calcule el número esperado de accidentes automovilísticos en las condiciones a, b y c.
Libro de administración de operaciones 7MA_ED_Heizer, pág. 151.
Ejercicio 4.48: Rhonda Clark, una conedora de bienes inmuebles, ha ideado un modelo
de regresión para ayudar a determinar precios de alojamiento residenciales en
Pensylvania noroeste. El modelo fue desarrollado usando ventas recientes en una
vecindad patiicular. El precio (Y) de la casa está basado en el tamaño (pies cuadrados
=X) El modelo es:
Y= 13,473 + 37.65X
El coeficiente de correlación para el modelo es de 0.63.

a) Use el modelo mencionado para predecir el precio de venta de una casa que
tiene 1,860 pies cuadrados.
b) Una casa con 1,860 pies cuadrados se vendió recientemente en 95,000 dólares.
Explique por qué esta cifra no se c01Tesponde con la predicción del modelo.
e) Si usara regresión múltiple para desarrollar dicho modelo, ¿cuáles otras
variables cuantitativas podrían incluirse?
d) ¿Cuál es el valor del coeficiente de determinación en este problema?
u)
b)
Ejercicio 4.49: Salinas Savings and Loan está orgullosa de su larga tradición en Topeka,
Kansas. Iniciada por Teresita Salinas 18 años después de la Segunda Guerra Mundial,
S&L ha sorteado con éxito la tendencia a los problemas financieros y de liquidez que han
plagado a la industria desde 1985. Los depósitos se han incrementado de manera lenta
pero segura, sin importar las recesiones de 1983, 1988, 1991 y 2001. La señora Salinas
piensa que es necesario contar con un plan estratégico de largo plazo para su empresa,
incluido el pronóstico para los depósitos a un año y de preferencia a 5 años. Ella examina
los datos de los depósitos pasados y también estudia el producto estatal bruto (PEB) de
Kansas durante los mismos 44 años. (El PEB es análogo al producto nacional bruto
[PNB], pero a nivel estatal). Los datos resultantes se presentan en la tabla siguiente:
Año Depósitosª PEBb Año Depósitosª PEBb
1964 .25 .4 1986 6.2 2.5
1965 .24 .4 1987 4.1 2.8
1966 .24 .5 1988 4.5 2.9
1967 .26 .7 1989 6.1 3.4
1968 .25 .9 1990 7.7 3.8
1969 .30 1.0 1991 10.l 4.1
1970 .31 1.4 1992 15.2 4.0
1971 .32 1.7 1993 18.1 4.0
1972 .24 1.3 1994 24.l 3.9
1973 .26 1.2 1995 25.6 3.8
1974 .25 1.1 1996 30.3 3.8
1975 .33 .9 1997 36.0 3.7
1976 .50 1.2 1998 31.l 4.1
1977 .95 1.2 1999 31.7 4.1
1978 1.70 1.2 2000 38.5 4.0
1979 2.3 1.6 2001 47.9 4.5
1980 2.8 1.5 2002 49.1 4.6
1981 2.8 1.6 2003 55.8 4.5
1982 2.7 1.7 2004 70.1 4.6
1983 3.9 1.9 2005 70.9 4.6
1984 4.9 1.9 2006 79.l 4.7
1985 5.3 2.3 2007 94.0 5.0
ªEn millones de dólares.

ºEn miles de míllones de dólares.
a) Primero utilice suavizamiento exponencial con a = .6, después análisis de tendencia,
y por último regresión lineal para analizar cuál modelo de pronóstico es mejor para el
plan estratégico de Salinas. Justifique la elección de un modelo sobre el otro.
b) Examine cuidadosamente los datos. ¿Podría excluirse parte de la información? ¿Por
qué? ¿Cambiaría esto la elección del modelo?
Gráfica de suavización para PEB

Método exponencial simple Suavización exponencial simple para PEB
100 Variable
Datos PEB
Actual
---11-- Ajustes Longitud 44
Pronósticos
IP de 95,0%
80
Constante de suavización Constante de suavización
a 0,6
Medidas de exactitud a: o, 6
60 MAPE 21,0467
MAD 3,3881
MSD 34,5633
ffl Medidas de exactitud
c.
40' HAPE 21,0467
HAD 3, 3881
HSD 34, 5633
20'
Prc,nósticos
Períodei Pronóstico Inferior Superior

45 86, 2173 77, 9168 94,5179
10 15 20 25 30 35 40 45 46 86, 2173 77, 9168 94,5179
Índice 47 86, 2173 77, 9168 94,5179
Gráfica de análisis de tendencia de PEB Análisis de tendencia para PEB

Modelo de tendencia lineal
Yt = -18,75 + 1,62Sxt Datos PEB
Longitud 44
100 Variable Número de valores faltantes O
Actual
- -m - Ajustes
Pronósticos
Ecuación de tendencia ajustada
75 Medidas de exactitud
MAPE 548,918
MAD 10,977 Yt = -18,75 + l,625Xt
MSD 160,311
50 Medidas de exactitud
"'c.
w MAPE 548,918
MAD 10,977
25 MSD 180,311
Pronósticos
Período Pronóstico
45 54,3746
46 55,9996
45 47 57,6245
10 15 20 25 30 35 40
Índice
Gráfica de dispersión de PEB vs, Año Gráfica de dispersión de Depósito vs. Año
too 100
75
50 .2 so
ffi
Q. l¿¡
2S 25
''
1960 1970 1980 1990 2000 2010

1960 1970 1980 1990 2000 2010
Mo Año
Análisis de r-egr-esión: PEB vs. Depósito
CC•:'. Ajust:.
2€€32,9
l'-l<'.:' AjU$C1:.
26€32, 9
Val.c·r
3241-6, 34
.F
,_..,.;~·~C•~
F\ ... gr...-e:i.-!·n.
.:.CG32, 9 2GC32, '.? 324.LC, 34 o. 0•)0
Er~~~<!·,..i.tc.- 34, 5 o, o
F.,.1t:.- d.,._ .,.jui>t,.. 3C 33, € o,'.?
T-o::·~~~<::·:t'." puro
e <:), 9 •),J..
2CCC7, 4
f':-cuact.
s :P.-cu"'d. (..,justad·:::·)
O, S>OE:?E7 ':•':•, 87 ... 99, E'7'rt-
EE: cl...-1
c-:::- ... f . Valo:i:;:- T v.;;d.c·r p
-o, oso a, l 6 9 -o, 53 o, ss.s,
,_,ooos<C 0,.0055€ ico,oc; o,ouo
~l':B = - 0 , <J90 + .i., OOOSE O'"':E'ó"':i.t:c•
Ajust""
.l., 900 3, 0.J.3 - l , 9.l.3 - 2 , ..1.4
- 3 , 2E
!, ""ºº
2, 300
4, é<1- 3 - 2 . 91 3
-~. q l -~ - 3 , 2<=
"'· 2 l 3
43 79, _¡_uo 79, U.55 " • ,-,45 n, os
44 o;o.q, ouo ?3, ";;€.3 ' " 037 u, us
g r ... nd.,,. F
X P'~·CC· c-::am:in X
Ejercicio 4.50: El gobierno de la ciudad ha recopilado los siguientes datos sobre las
recaudaciones de impuestos sobre las ventas anuales y los registros de automóviles
nuevos
Recaudación anual de 1.0 1.4 1.9 2.0 1.8 2.1 2.3

impuestos de ventas
Matriculaciones de 10 12 15 16 14 17 20
coches nuevos
Determine las preguntas

a) La ecuación de regresión de mínimos cuadrados
b) Utilizando los resultados de la parte a, encuentre las recaudaciones de impuestos
sobre las ventas estimadas si los registros de automóviles nuevos suman un total
de 22,000
c) Los coeficientes de correlación y determinación.
u) ·~::: ct\\o1 Xi\- 6-iX.tt b~X3
'i ":" 1\ ) T 3 1 ~X1 \- L\t) Xi i ~ 1 'S X3
'( ~ l", .~'J ~ ~l ~~ l J.-) +~\ ) j 1..
b)
fl...\Q~í(· \'e cu.\> OC\ e U) ~~'º ~ecc.
io 'lº L\ l 2. l ll
19- "1 L\ s
' 1
l 1\ Ll".>
1'5 ll 4 G :z1 ~l ltñ
~b 1. \o b 't>
l lll
1~ 1t '{) lll \ l ~'
~t J.1 l t,H .21 3\
.w J-, '> ts l 1. 11 \l'CJ
e)
2&\ - (''(\
~
.. .
- 2~.~
.2 'f._2
- 2 .xi.
\\
cX_ -::
~ -p;
Libro de Heizer pág. 152 (edición 10)

Ejercicio 4.51:
Utilizando los datos del problema 4.30, aplique la regresión lineal para estudiar la relación
entre la tasa de robo y la carga de pacientes del Dr. Fok. Si la tasa de robo aumenta a
131.2 en el año 11, ¿a cuántos pacientes fóbicos tratará el Dr. Fok? II 'la tasa de robersión
cae a 90.6, ¿cuál es la proyección del paciente?
4.30 La Dra. Lillian Fok, psicóloga de Nueva Orleáns, se especializa en el tratamiento de
pacientes agorafóbicos (es decir, temerosos de abandonar sus hogares). El siguiente cable
indica cuántos pacientes ha visto el Dr. Fok cada año durante los últimos 10 años.
También indica lo que fue la rafola de robo en Nueva Orleans durante el año sano:
1-
4 ,1 6 'e/
1 8 1Cl
40 S5
7 .4 75,~l 11 .o 1o1 1 11
Usando el análisis de tendencias (regresión lineal), predice el número de pacientes que el

Dr. Fok verá en los años 11y12 como una función del tiempo. ¿Qué tan bien se ajusta el
modelo a los datos?
\Gcib 5 ?,<ti"+ 1 \)e,

l GB 1
1
!(;; S+ 3G, t\~ 3\'J'2;,1-1
\ l\Ds,s . Ú,c:io ~s GS:+\ 'J.,\ ?>~\\ \\
15~\j 30';LS ;e:;. -::¡ \\~J l.\~qs
4q 1o:i.\l1 , :i. \ <0 O<OCO
<e.%H,\l11 511 q 'l
\OE:iiO/óq
-1 '(\~)'¡\y),
Q,~ ,~ SJ «¿<l,l\
\Ji L\ 1 ~'-\
D~"' O)V)ó-~--+
~-= :i~jwa~-\- ~1'2i'-\x1 -\-- o,s:?i--\-+Y.<:L
~J cg.._ \1_, \ur_,c, ~ "~º Q'-'mC'~l'- C\ \ó\,ci.., el"\ ~ (}~O \\ ~ °' '-\l&;'\\~ ~M_\\:~~ ~Ób\t(Js
$~G\& ~ $~ ~0\,._ ~
Ejercicio 4.52: Se cree que el número de pasajeros de autobús y metro para los meses
de verano en Londres, Inglaterra, está ligado en gran medida al número de turistas que
visitan la ciudad. Durante los últimos 12 años, se han obtenido los datos de la página
siguiente:
7 1.5
2 2 LO
3 6 u
4 4 1.5
5 1'1 2.S
6 15 2.7
7 16 14
8 12 2.0
9 14 27
10 20 4.4
1t 15 3.4
12 7 17
a) Grafique estos datos y decida si un modelo lineal es razonable

b) Desarrollar una relación de regresión.
c) ¿Qué se espera de la cantidad de pasajeros si 10 millones de turistas visitan
Londres al año?
d) Explique el número de pasajeros previsto si no hay ningún turista.
e) ¿Cuál es el error estándar de la estimación?
f) ¿Cuál es el coeficiente de correlación y el coeficiente de determinación del
modelo?
e X-::.
?.O
'
~ 10 1¿ 1'1
eal fO ~ona ble.

Sb~~l..l~enda bs- dobíS CAwl"f du o lo ,R;frn1Jq.

·0
X ~ X~ ')(l ~l. \ tl!D QJ) f 6 ¡ ()<?Ce::,¡ x; (\.
7 l¡S to,~ ~9 t,2is ~:~ ~ 132 :::::> .1. 1.

2 l. y \ V\ lZ
6 "º
l.~ 1/~ 3 (, .>.., <,9
4 ¡,S b l (, '2,26 -~~ ':.
-'2-1 : : >'2., '2S8
i,S &5 l<H, 6, 2S V\ 12
'l,l ~0¡'5 Vt6 }, iq
j{¡ (\~ 8'6,~ (S(:. 311~ b-: 352 ,g - l 2 (L l ~ 2, 2.SB) => ~¡ ó~~
ll '(,O 2-'1 l \{~ li l,tc\6 ·- \'2. X l.U ) c.. 34 \f
2., 1 31-1'& L% l,iq
1
'-l.~ ~~ \i,QJ lct,ób b::o"> 01 lSC\\.{ ] =·,, rebuon c\e íE'E)iE'0i() ()
31~ '5 l 'l'Ur ~l.56
O:S-bi }reb~¡o'~, Je.,e~e:::iio n
1
1 lit t\,q ~q 2.,sq
1~7.. l1,1 §'[¡<'.\ 11% }l1S<\ Q-:."-12se.- lo,1sq4. 11)
O.-:. '21 l.S8- i, rS3 <..¡
Cl-:..O,so'-H.)
C.Po.,ro mi
\..o" tl. re 'S •
Ejercicio 4.53: Trece estudiantes ingresaron al programa de negocios en Santa Fe hace

2 años. La siguiente tabla indica qué anotó cada estudiante en el examen de matemáticas
SAT de la escuela secundaria y sus promedios de calificaciones (GPA) después de que
los estudiantes estuvieron en el programa Santa Fe durant.e 2 años.
a) ¿Existe una relación significativa entre los puntajes de matemáticas del SAT y las
calificaciones?
b) Si un estudiante obtiene un 350, ¿cuál cree que será su GPA?
c) ¿Qué pasa con un esh1diante que puntúa 800?
i. 5
'
3,0 -
~o
)
L
e)
Libro de Heizer 7MA__ED, pág. 147.
Ejercicio 4.54: Dave Fletcher, gerente general de North Carolina Engíneering

Corporation (NCEC), cree que los servicios de ingeniería de su empresa contratados a
empresas de construcción de carreteras están directamente relacionados con el volumen
de negocios de construcción de carreteras contratados con empresas en su área geográfica.
Se pregunta si esto es así y si lo es, ¿puede su información ayudarlo a planificar mejor
sus operaciones al pronosticar la cantidad de servicios de ingeniería que requieren las
empresas de construcción en cada trimestre del año? La siguiente tabla presenta las ventas
de sus servicios y los montos totales de contratos para la construcción de carreteras en los
últimos ocho trimestres:
TRIMESTRE 1 ~ 3 4 5 6 1 8
Ventas de 8 10 15 9 12 13 12 16
servicios NCEC
(en miles de
dólares)
Contratos 153 172 197 178 185 199 205 226
liberados (en miles
de dólares)
a) Utilizando estos datos, desarrolle una ecuación de regresión para predecir el nivel
de demanda de los servicios de NCEC.
b) Determine el coeficiente de correlación y el error estándar de la estimación.
\
4.59 Sales oftable computers at Ted Glickman's electronics store in Washington, D.C.,
over the past 1O weeks are shown in the table below:
'(,1
l
\;;
.ir,
·I
a) Forecast demand for each week, including week 1O, using exponential
smoothing with a=0.5(initial forecast =20).
b) Compute the MAD
e) Compute the tracking signal
· :Sarnono.
l
Cóku\o dv la c\esv1ac1on obsolub ff\<ZO ia ( Ml\D)
MAD _ ~ ~, 1 i !\ t - ¡:- l: 1
n
Ronóstico a~o,s
Pronos. 0<.::0,5 t_rrOr l:::nor Em:>1 d<t: Pron. "Enor d<e fion h/\() 55
Ac.vmu\o.~i\!Q Ab.so\l5\o A'os. AeonwL
o o
~.i) (). '.;
1:)5 '.l. (:
i(3 s.-·)
1'5& !) "(
j(,.E:; L¡ 1
2Y LJ sl
il-t. 2 s1
\?. 2 !) .. ,,
l'-1 L 50
Ejercicio 4.60: Los siguientes son niveles actuales mensuales y de predicción para
mayo hasta diciembre para unidades de un producto manufacturado por la compañía D.
BISHOP en des moines:
"! j
¿Cuál es el valor de la señal de seguimiento a partir de finales de diciembre?
..
REGRESIÓN T¿INEAL MÚLTIPLE
Ejercicios con computador
y sin comp11tador
María Pérsico
PERÍODO 2013 - 2019
Libro Regresión Lineal Multiple(María Persico ), pág. 17.
Ejercicio Sin computador 1: las ventas anuales de una industria en millones de pesos
están correlacionados con el ingreso total de los habitantes del país en millones de
pesos(X 1), los gastos en publicidad ele la industria en millones ele pesos(X2) y los costos
ele producción en millones de pesos (X3), como sigue para 1975 - 1982.
Y=l 86+5xl + 10x2 - 8x3 R2= 0.876
(0.3) (4. 7) (0.2)
Donde los números encerrados en corchetes son los errores estándares de los coeficientes
respectivos.
Para cada una de la afirmaciones que se hacen a continuación, indique si está usted de
acuerdo o no, justificando su respuesta.
a) El ingreso total de los habitantes del país tiene un efecto más importante sobre las
ventas de la industria, del que tienen los costos de producción.
b) Si, se registró un aumento de un millón de pesos en los gatos en publicidad en un
año dado, manteniéndose constantes los demás factores, en promedio las ventas
disminuirán en 1O millones de pesos.
c) Los costos de publicidad no tienen influencia significativa en las ventas.
d) Aproximadamente el 12% de la varianza de las ventas debe ser explicada con
variables distintas al ingreso total, el gasto en publicidad y el costo de producción.
e) El hecho de que el coeficiente de x2 sea aproximadamente dos veces el coeficiente
de xl, significa que x2 explica el doble de la variabilidad en y que xl.
f) Los cuadrados de los coeficientes de correlación simple entre Y y las otras
variables x 1, x2, x3, respectivamente, deben sumar 0.876
g) Las variaciones en x 1, x2, x3 sirven para explicar una considerable proporción ele
las variaciones en Y.
Libro de María Pérsico, pág. 17

Ejercicio 2 (sin computador):
Un analista está interesado en estimar las ventas futuras de una industria. Una parte
substancial de los negocios de la compañía es la fabricación de parabrisas y ventillas para
automóviles nuevos. Además, la compañía fabrica vidrios y productos de pinturas
utilizadas en la construcción. Por lo ato, el analista recoge los siguientes daros para los
años 1953 - 1970 (en miles de millones de pesos),
Xl: venta de los fabricantes de automóviles (en millones de pesos)
X2: venta de los productos de la construcción (en millones de pesos)
:Lx1=627,7 l,;x2::::1.121 I:y::::13,366
r x1 ~ ?.3.525,97}.: x?:,,, 74.546,8:.> l y 1 : 10./69392

I. x1y:::::501,2448 I. x2y;;:;: 894,5262}.; x 1x2 4 U::ilrt,99
S Xl :::: 9,5355 S x2 = 16,~163 S y:.:: 0,216589
a. Calcule la ecuación lineal de regresión múltiple.

b. ¿cuál es el significado de bl en este caso particular?
c. ¿es apropiado hacer la estimación de las ventas de la industria a través de la
ecuación lineal de regresión múltiple? Justifique.
d. ¿Cuál es el porcentaje de variación de las ventas de la industria debida a la
variación conjunta de las ventas de utensilios para automóviles y de productos
para la construcción?
e. ¿Cuál de las dos variables independientes tiene un efecto mayor sobre la variable
dependiente? (Explique). ¿es este efecto significativo?
f. Para el siguiente año se espera que las ventas en utensilios de automóviles
asciendan a $35.000.000, y se espera que los ingresos obtenidos de los materiales
de construcción sean de $60.000.000, ¿a cuánto ascenderán las ventas de la
industria con un 95% de confianza para el próximo afio?
i 3, M6 = J& u.. + tS:i..1:-_,1- 6 1 -\- .1 --> ) ~ 1 b ;,..,
1
5o~ _p..445 :o 6Q,+" f- u.. + Q, ~ '5.Z5._, c¡f- b, + i..¡ .~ ·~/n-,1'"\''\ b,'L

Í;)'iY_,'Jb(,~H::: J):Z.1 Q. Ht- L¡4 ~'i1-.,9'i bJ + f-l\ 'D%,)'6~ bo..,
b..2..:. o 00'ioZ.l560
"
b1 = <o<> <ool-~
Q_ -- - o ) o~'O-Oi
f ex, fl-CJ : : <>.o <t e:i~oei
~I
(D.Q.¡
+ rix, 'X:i.i P.1-0
+ f3 j
~
;o
-r<;t.
Y-x, ~
ª
~I + 0 0 <:_)Oü t¡,') ~ fa.:i -: : . c 0 <l'-l€ ~J'l.2>

o..''CXJ""!>~ ~p.¡ + (91 -""' º" 1ei:lli~~~-~~~
r 1 : ó) ':>QJJO'<J 1 +-
'
A:;_; O
,)
l'i 1i 11b5'&
b1 = <\,oo~68uc
b 2i " <t <:iCJ <l..i ":t ss-c:ia
a..~ -a-:iae:ie~~102..i
~ = -e:>_, at)tii<S+ + a.:.oa?!:L6E:i'0~1 +- <:::>C)a~<\2..2.=t-5 /..,9J
b-) fro"6 ~ ~~ d ~ 1
C¡WL ~j_WA_ ~ 0Q;4o.o d~ ~ ~b{,~ rc\ 1
o.1-Ja'l'~0-1\lY' -~ ~ ~~ ~ l~ ~M _ d• lm r~~ di~~_,

~w u.11~-<2>·::i cl' k t "-d.u.J.-A.,_,~ Q\.1,Ni\.uAwvi._ <'"-'\ lP '.i- :2.tl!i 8(X) .
e;) 6';J'Li X,?., ~ OJ ~le\ 15
f(2.i = ~ _ o a~<tJS f 11-<ó Q,
o .)
;ti(:,",)~'\ 2.
ró~ J. ''\stc : : ~ .,b'&

Tc.\.k ~ (\(¡'}"' ~ (,J~
~ cJ.~ff{\L'\;;./~ ~ ó_~O y.:o.d~- ~~ ~ tic~ ~ Q,__ ~~'i' ~)'-'\ <>\'

J. r~()e <!\e ~ ~ ~ d1cr-).,~00 .
d) 'f~'J "<J}\L\ "5 3::4 :J.> i''l,L ¡¡__0 = a_, '1·1.5:2..k
fi(x,)::. ojcieiet- - a.:i<.\8~a -=-o al~ -;:p
( 1 J
Al'll~J::. éJ 'i~~ct-\:) - o J l,456 :l.
~
::; o a-e,ES2ó ~
ACx.,<)_,-¿) : O/\e)t:t- - a.)a86.'Z.3 - 0.,0~~3'6 =o.:> 8t-l ~ 8

'J~ h~.. ~ Bt- J "'le.
~ ~ 1 >(!>EJ... l.v:i ~:J

()~ f.~j_C);) d1 C§M.t:;t(\I..\_~~~ hq_~ l>v-A. ~
~ ~ a.:vu ~ d ' ))u. 'tfhJ:l\,_,_j ~<SL
Q'J
o
Libro de María Persico, pág. 17.
Ejercicio 3: Suponga que hemos estimado la regresión de mínimos cuadrados de y

considerando xl y x2 y ésta es:
y= a+ blxl + b2x2
En cada una de las siguientes afirmaciones indique si está o no de acuerdo, justifique su
respuesta, suponiendo que
R2 = 0,982
y se utilizaron 30 datos para realizar la estimación.
a) Si bl es 10 veces más grande que b2, entonces podemos inferir que xl es

considerablemente más importante que x2 en relación a la variación de y.
b) Se pretende que b 1 mida el cambio esperado en y en respuesta de un aumento
unitario en xl.
c) Las variaciones en xl y x2 sirven para explicar una significativa proporción de las
vanac10nes en y.
d) Aproximadamente el 2% de la varianza de y debe ser explicada con vadables
distintas de xl y x2.
Texto de ejercicios: María Pérsico, Sin computador.
Ejercicio 4: Una empresa constructora de caminos presenta gastos enormes por concepto
de consumo de petróleo.
Realizando un análisis, se concluyó que los tres factores que más incide en el consumo
de petróleo al día (en litros), eran:
El número de horas máquina trabajadas durante el día. (x1 )
La distancia recorrida por los transportes realizados durante el día (en kilómetros).
(Xz)
El rendimiento promedio de los motores que se utilizan en la faena diaria (en horas
por litro). (x3 )
Recorriendo los datos de estas cuatro variables durante 9 días consecutivos y realizando
un estudio estadístico de los mismos, se obtuvieron los siguientes datos:
Ecuación de Regresión:
Y= -26,0134 + 11,3x1 + 0,24x2 - 4.71x3

X1 = 90 Sx1 =114,71
Xz = 3.554 Sx2 = 4.806,32
X3 = 1,29 Sx3 = 1.46
y= 1.228,8 Sy = 2.440
El 0,2% del consumo de petróleo es explicado por factores no considerados por la

empresa en el estudio.
a) Si el aporte conjunto que realizan las variables independientes consideradas en la

ecuación encontrada alcanza a un 63,84%, ¿a cuánto se espera que en promedio
ascienda cada uno de los aportes individuales de las tres variables consideradas
para la predicción del consumo de petróleo diario de esta empresa?
b) Si se sabe que hoy el rendimiento de los motores debiera ser el mismo que el de
dos últimos días, debido a un recipiente ajuste de los mismos, y que se espera que
las horas trabajadas por las máquinas en total también sea igual a las que se han
utilizado durante el último tiempo, ¿qué le ocurrirá al consumo de petróleo si hoy
se recorren 5 kilómetros más que ayer con los transportes que se realizan?
c) Si se espera que para mañana las máquinas trabajen durante 9 horas, la distancia
que recorran los transportes sea de 3.554 kilómetros y el rendimiento de los
motores alcance en promedio a 1,29 horas por litro.
l. ¿Cuánto vale el error de estimación que debe utilizarse para predecir el número
de litros de petróleo necesarios para realizar el trabajo de mañana con cierto nivel
de seguridad?
2. ¿Con qué nivel de seguridad puede afirmarse que como máximo se estarán
utilizando 2.150 litros de petróleo en el día de mañana?
d) Si durante dos días consecutivos las máquinas trabajan en total, por día, 25 horas
y la distancia recorrida por los transportes alcanzó a 750 kilómetros por día, ¿es
posible afirmar que, si el rendimiento de los motores disminuyera en una hora por
litro el segundo día con respecto al primero, en este segundo día el consumo de
petróleo aumentara en 4.71 litros? Justifique su respuesta.
e) Si el aporte que realiza la variable número de horas máquina trabajadas durante el
día, sobre el consumo de petróleo diario, es significativo con un 95% de seguridad,
¿es posible afirmar que todas las demás variables en forma individual también
aportarán, al menos el mismo con el mismo nivel de seguridad, significativamente
en la explicación del consumo de petróleo? ¿Por qué?
o.)
b)
e)
J)
e)
Libro de María Pérsico, pág. 29. {Computador)
Ejercicio 1: En un cierto país XX se tienen datos de la remuneración media por hora y

la tasa de desempleo entre los años 1968 y 1980 inclusive, los que se muestran a
continuación:
REMUNERACION POR HORA TASA DE DESEMPLEO (en%) xl TIEMPO (en años) x2

(en dólares)
2,19 6,1 1968 (1)
2,26 6,2 1969 (2)
2,32 7,8 1970 (3)
2,39 5,8 1971 (4)
2,46 5,7 1972 (5)
2,53 5,0 1973 (6)
2,61 4,0 1974 (7)
2,72 3,2 1975 (8)
2,83 3,6 1976 (9)
3,01 3,3 1977 (10)
3,19 3,3 1978 (11)
3 36 5,6 1979 (12)
3,56 6,8 1980 (13)
a) ¿Qué significado tiene a, bl, b2 y R2 en el ejercicio si lo que desea estimar es la

remuneración por hora?
b) Calcule la ecuación de regresión múltiple lineal de mínimos cuadrados.
c) Pruebe con un 99% de confianza
Ho: bl =O
Ha: bl -f- O
Explique el significado de esta prueba para el modelo planteado y explique su
conclusión en este caso.
d) Pruebe con 99% de confianza
Ho: bl =b2 =O
Ha: algún bi -f- O
Explique el significado de esta prueba para el modelo planteado y explique su
conclusión en este caso.
e) Calcule lo que está pasando con la remuneración, si la tasa de desempleo, para el
año 1981, es 6,5 %. ·
t jResumen
2!~~~~-,-~----~
3 1 f<lodhtlcos de la regmlón
!
4 Jcoeflciente de correlación mültiple
5 1Coeficiente de determinación RA2 (l,~JQ53

¡
6 R..,,2 ajustado 0,913861184
7 ¡Errortiplco 0,070921167
g IObseNacioner> 13
9 f
10 IANÁUSIS DE VARIANZA
11 Grados de ttbertod Suma de cuadrados Promedio de los cuudrodos F Valor aitko de F !
12 !R.1Re;g;gr:;<es1!.lrón;-------"="-='-"=~2==t,2,25S8~24~9S~8:..:.==~1:'f:,1294~124~79-·--=4~,90369E~~~:
13 ¡Residuos 10 o,050298119 0,005029812
14 ·Total 12 2,309123077
1S
16~:======-::::_-::::_-:::_-:::_-:::_-:::_~~~-~~....,.,-~-~--::-----,.-,-,-,-,..-m~,¡.,-m-,~~,--+;-~-Pffl!X-,-,~=4'-m~tt-m-99-,~..,,,..--~-rior~99~,~,.,...
17 ¡1nte«:epdón l,3!19430793: 1,851lóó119 1,291915611 l,941*S1301
18:variableX1 0,00530977 0,019913703¡ 0,08728728 o,0056841188 0,101SUl095
19 'variable X2 O,lOS771986: 0,13174SS4 0,10021!6559 o,137230968
Para un mismo afio por cada 1 % que aumente la tasa de desempleo, la

remuneración por hora aumentara en 0,0536 dólares.
Para cada afio que trascurre la remuneración por hora aumentara en O, 12
dólares, si la tasa de desempleo se mantiene fija.
a: 1,62 Para el afio 1968, si no existió desempleo, la remuneración por hora fue
de 1,62 dólares.
Y= 1,62 + 0,0563Xl + 0,1187X2
txl= 3,54 > t Tabla al 99% 3,055
La variable tasa de desempleo si influye significativamente sobre la remuneración por
hora.
F 224,54 > F Tabla al 99%
La ecuación es confiable, por lo que la remuneración por hora puede ser explicada por
la ecuación de regresión.
Calcule lo que está pasando con la remuneración, si la tasa de desempleo, para el afio
1981, es 6,5 %.
Xl 0,034840319
X2
Y=fiflffj
y= 1,62 +0,0536*0,65 + 0,1187*14 =3,31
Libro de María Pérsico, pág. 29.
Ejercicio 2: El gerente de finanzas de la empresa "ALGOF" desea hacer una inversión

de acciones. La política de la empresa es diversificar sus inversiones de la siguiente
forma:
~ 30 % en inversiones a corto plazo
~ 30 % en acciones
~ 20 % en Fondos mutuos e instrumentos de alta rentabilidad
~ 20 % en otros instrumentos
Dada la variabilidad de precios que presentan las accione, el gerente de finanzas está
interesado en poder predecir el comportamiento de éstos. Para ello se ha basado en
investigaciones pasadas donde se ha determinado que el precio promedio de las acciones
de una empresa depende de los siguientes factores:
~ La utilidad mensual de la empresa, Xl (en millones de $).
~ El porcentaje que la oferta sobrepasa a la demanda, en el mercado por la acción,
X2 (en%)
~ La variación mensual del I.P.C., X3 (en%)
~ La variación promedio en el precio de otras acciones de empresas del sector con
respecto al mes anterior, X4 (en $)
Considerando las mismas cuatro variables como explicativas del precio, el gerente de
finanzas reunió datos sobre estas variables durante los últimos 6 meses, obteniendo los
siguientes datos:
a) Encuentre la ecuación de regresión múltiple, indique el significado de "b2" y "a"

en el contexto del problema y señale si la relación que se establece entre X2 e Y
es lógica, justificando su respuesta.
b) ¿Son las variables independientes, consideradas por el gerente de finanzas,
suficientes como para predecir en forma correcta el precio de las acciones de una
empresa?
c) ¿Cuál de las variables independientes considera usted que explica mejor el
comportamiento del precio de las acciones para un mes determinado de una
empresa?
d) Si la empresa "ALGOF" piensa destinar el próximo mes $ 10.000.000 en
inversiones de distinto tipo. ¿Cuántas acciones podrá comprar si se decide utilizar
un solo tipo de acción cuya empresa presentó una utilidad el mes pasado de $
2.200.000 la oferta sobrepasó a la demanda en un 2%, la variación del IPC alcanzó

un 1.9% y el precio de las acciones de las otras empresas del sector aumentó en
2$?
e) Al gerente se le ha informado que existe una empresa cuyo precio por acción en
promedio al mes, el 99% de las veces no supera los $300. Si se tiene el antecedente
que: esta empresa tuvo el último mes utilidades de $3.000.000, que el IPC se
espera que aumente un 2.1 % con respecto al mes anterior y que el precio promedio
por acción de las otras empresas del sector ha disminuido en $10, ¿Qué relación
debiera existir entre la oferta y la demanda de las acciones de dicha empresa, para
que la infonnación dada del gerente sea verdadera?
INGRESOS
POR VENTAS
INGRESOS
EN TODA LA
POR VENTAS
MESES INDUSTRIA
(MILLONES
(MILES DE
DE DÓLARES)
MILLONES
DE DÓLARES)
1 2,4 4,6
2 5,9 8,6
3 1505 10,7
4 27,8 14,8
5 35,9 18,5
b)
INGRESOS
INGRESOS
POR VENTAS
POR VENTAS
EN TODA LA
n MES(X) (MILLONES XA2 Y"2 X""Y y
INDUSTRIA
DE DÓLARES)
(MILLONES
(Y)
DE DÓLARES)
1 1 2,40 4,60 1,00 5,76 2,4

20,93
2 2 5,90 8,60 4,00 34,81 11,8
3 3 15,50 10,70 9,00 240,25 46,5
4 4 27,80 14,80 16,00 772,84 111,2 X
5 5 35,90 18,50 25,00 1288,81 179,5
3,5
6 6 38,10 19,40 36,00 1451,61 228,6
SUMA 21 125,60 76,60 91,00 3794,08 580
--
b-EXY-nX•Y
¿xLnXZ a= y-bx y=a+bx
XA2
b= 8,02 12,25 a= -7,15 y=-7,12-8,02X
n MES PRONÓSTICO
7 Y7 49,01
8 Y8 57,04
9 Y9 65,06
10 Y10 73,08
REGRESIÓN LINEAL MÚLTIPLE (MARÍA PERSICO), EJERCICIOS CON

COMPUTADOR Y SIN COMPUTADOS (TODOS)
Ejercicio 3 : Una empresa constructora de caminos presenta gastos enormes por concepto
de consumo de petróleo.
Realizando un análisis, se concluyo que los tres factores que mas inciden en el consumo
de petróleo al dia (en litros), eran:
El numero de horas-maquinas trabajadas durante el dia
La distancia recorrida por los transporte realizados durante el dia (en kilómetros).
El rendimiento promedio de los motores que se utilizan en la faena diaria (en horas
por litro).
Recogiendo los datos de estas cuatro variables durante 9 dias consecutivos, se obtuvieron
los siguientes datos:
320 20 630 2,4

200
-----
10 398
----
4,0
785 50 1395 1,8
376 22 720 2,6
2405 120 4230
----
0,6
893
-- -
40
- ---- ----
1752
--------- ·- __QJ
1930
----- -
93
---
4000 ----
0,05
8010 380
- - -
15780 0,01
1540 75 3080 0,04
a) Ajuste la función de regresión múltiple que permite predecir el consumo de

petróleo e indique si utilizarla para dicho fin, es adecuado o no, justificando
su respuesta.
b) ¿Cuál de las tres variables independientes aporta más a la explicación del
consumo de petróleo? Justifique su respuesta.
c) Explique el significado de los coeficientes de las variables: números de hora-
máquina y rendimiento de los motores, en el contexto del problema.
d) Si se sabe que en un día determinado las maquinas trabajaran durante 40 horas
y a la distancia total a recorrer por los camiones será de 1000 km, ¿Cuál debe
ser el rendimiento promedio de los motores de modo que el consumo de
petróleo no supere los 800 litros con un 95% de seguridad, sabiendo que el
error poblacional es solo un 5% mayor que el error muestral de estimación?
e) Calcule los coeficientes estándares de las tres variables independientes e
indique si a través de los resultados obtenidos puede llegarse a la misma
conclusión de la letra (b).
f) Si al realizar un ajuste de regresión múltiple, considerando solo como
variables independientes el rendimiento de los motores y la distancia recorrida
por los transportes el porcentaje de explicación del consumo de petróleo fuese
de 83%, ¿Qué porcentaje de explicación del consumo se perdería?
a) Ajuste la función de regresión múltiple que pe1mite predecir el consumo de

petróleo e indique si utilizarla para dicho fin, es adecuado o no, justificando su
respuesta.
Consumo diario de
petróleo maquinas transportes promedio motores
320 20 630 2,4
200 ---
10 398 4,0
785 ---------------
50 1395 1,ª-----
376 22 720 2,6
2405 120 4230 Q,6
~
893
-
40 1752 0,1
. 1930 93 4000 _9,05
8010 380 15780 0,01
1540 75 3080 O_,Q4
W) .::¡p r:. Uu\•

F-!11'1
Ecuación:
y= -26,01+11,3X1+0,237X2 - 4,71X3
----·-----------·---------------·---·----------·----------]-
Lo anterior indica que la ecuación es confiable, por lo que si es recomendable utilizar esta
ecuación para predecir el consumo diario de petróleo ya que el coeficiente de regresión
múltiple es el 99% de seguridad.
-~----------------------~-----------~------------·-- ·------------~----
b) ¿Cuál de las tres variables independientes aporta más a la explicación del consumo
de petróleo? Justifique su respuesta.
11.3
x1 =-=4.091
2.76
0.237
x2 = 0. = 3.587
066
0.237
x3 = ü.066 = 3.587
!De acuerdo a la ponderación número de horas-hombre es la variable que mas influye

!sobre el consumo de petróleo dh;irio.
~ '
c) Explique el significado de los coeficientes de las variables: números de hora-

máquina y rendimiento de los motores, en el contexto del problema.
b3 = -4,71
- -
or cada 1 hora/ litro que aumente el rendimiento de los motores, el consumo diario de
etróleo disminuirá en 4,71 litros, si el numero de horas que trabajan las ma.quinas y la
stancia recorrida por los transportes se m~tiene~igu~~-----~--------------------
d) Si se sabe que en un día determinado las maquinas trabajaran durante 40 horas y

a la distancia total a recorrer por los camiones será de 1000 km, ¿Cuál debe ser el
rendimiento promedio de los motores de modo que el consumo de petróleo no
supere los 800 litros con un 95% de seguridad, sabiendo que el error poblacional
es solo un 5% mayor que el error muestra! de estimación?
y= -62,74 * 2,306 = 800

y= 655,32
655,32 = -26,01 + (11,3 *40) + (0,237*1000)-4,71 * X3
X3= 1,63
El rendimiento de los motores debería ser 1,63 horas/litro.
e) Calcule los coeficientes estándares de las tres variables independientes e indique

si a través de los resultados obtenidos puede llegarse a la misma conclusión de la
letra (b).
108,15
{31 = 11,3 * 2300,7 = 0,5312
4531,44
{32 = 0,254 * 2300,7 = 0,4727
1,382
/33 = -4,71 * 2300,7 = -0,00283
Como 1 es la mayor, el numero de horas-maquinas es la variable qµe meis influye sobre
~t eon~~mXl):c;te
petróleq c;lieirio.
t) Si al realizar un ajuste de regresión multiple, considerando solo como variables

independientes el rendimiento de los motores y la distancia recorrida por los
transportes el porcentaje de explicación del consumo de petróleo fuese de 83%,
¿Qué porcentaje de explicación del consumo se perdería?
Y = a + b3 * X3 + B2 * X2
R2 = 0,83
Y = a + b1 * X1 + b3 * X3 + b2 * X2
R 2 = 0,996
99,96% - 83% = 16,16% se perdera
Libro de Pérsico, pág. 31.

Ejercicio con computador 4: la gerencia de una gran empresa textil, que otorga el
reajuste de remuneraciones a fines de junio de cada afio, le ah planteado al sindicato de
trabajadores, que este afio no podrá mantener el reajuste porcentual de sueldos como el
del afio pasado, si las variables que siempre ha considerado para su otorgación, que son:
El paso del tiempo (en afios) (XI)
La utilidad anual de la empresa (en millones de $) (X2)
La variación acumulada anual del IPC (en%) (X3)
El reajuste anual promedio de la competencia (en%) (X4)
No tiene un comportamiento favorable.
El sindicato, recogiendo los datos de los últimos 7 afios y analizándolos estadísticamente
a tJ:·avé s de un a1us
. te de regres1'ó n mu, lt1p
. le con 1os srnmentes
. . datos:
Xl X2 X3 X4 y
1984 3 31 29,6 29
1985 28 19 32 14,9
1986 12 19,8 24,5 23,l
1987 9 21 22 29,8
1988 14 18,7 17,8 12
1989 -1 22,6 19,8 23,6
1990 5 26,8 22 33,6
Error estándar de estimación poblacional:
7 .5% más alto que el muestral concluye que:
a) La gerencia no ha otorgado sus reajustes considerando una relación loica con las
utilidades de la empresa.
b) Sea otorgado la mayor imp01iancia al paso del tiempo, variable que es imposible
evitar que ocurra y que se modifique.
c) La competencia en promedio otorga un reajuste más elevado que el de esta
empresa a sus u·abajadores.
d) Considerando para el próximo afio una utilidad total de $30 000 000 (mas alta que
la mayor obtenida en las últimos 1Oafio) y una variación anual del IPC acumulado
de 35%, la competencia tendría que otorgar un reajuste del 50% en los sueldos de
sus trabajadores de modo de lograr, con un 95% de confianza, que esta empresa
de u reajuste no inferior a la variación del IPC acwnulado del afio.
e) Solo la variación del IPC acumulado es un buen indicador que explica por si solo
en forma adecuada las variaciones que se han producido, durante los últimos siete
afios, en el reajuste otorgado por la empresa a sus trabajadores.
f) El modelo matemático que entJ:·ega la ecuación de regresión múltiple no responde
a la realidad de esta empresa por lo que las variables a considerar en la
determinación del reajuste a los trabajadores deben ser cambiadas por otras o
agregadas a ou·as que logren explicar más las variaciones en los reajustes
salariales de la empresa.
Indique si las conclusiones antes sefialadas son verdaderas o falsas justificando sus
respuestas
Explique claramente el significado de los coeficientes de las variables X2 X4 en el
contexto del problema.
PERÍODO ACAD~MICO: SEPTIEMBRE 2018 - FEBRERO 2019
f.
Libro María Persico, pág. 19.
Ejercicio 5:
Una empresa ha decidido utilizar los utilizadas en el ajuste de la ecuación
datos de los últimos 1O meses de: el de regresión multiple obtenida por la
numero de vendedores que tienen empresa?
contratados (Xl ), el monto mensual de b) ¿Qué probabilidad existe de
la inversión en publicidad que ha equivocarse en la predicción del
realizado (X2) y el precio de venta porcentaje de ventas de la
unitario de su producto de fabricación producción que logrará la empresa
(X3) para construir un modelo durante un mes determinado, al
matemático que le permita explicar el utilizar la ecuación de regresión
comportamiento de las ventas de la multiple encontrada?
empresa como un porcentaje de la c) Explique el significado de "b3"
producción total mensual. en el contexto del problema.
Si la inversión en publicidad fue d) Si usted tuviera que decidir entre
expresada en millores de $ y el pr.ecio las siguientes alternativas:
de venta unitario del producto en $, al 1. - contratar a un vendedor más, o
realizar el ajuste de una ecuacion de 2.- aumentar la inversión en
regresión lineal multiple, se obtuvo: publicidad en $1.000.000
Y=89+ l,3Xl+3,2X2-0,5X3 ¿Cuál elegiría? ¿Por qué?
Desviación estándar de Xl= 0,8 e) Si el aporte que realiza el monto
vendedores de la inversión en publicidad, que
Desviación estándar de X2= $ realiza la empresa, sobre el
2.100.000 porcentaje de la producción que se
Desviación estándar de X3= $ 29 logra vender es significativo, ¿es
Desviación estándar de Y= 5% posible afirmar que el aporte del
a) Si el error muestral de precio de venta unitario del producto
estimación de esta ecuación es la también lo es? ¿Por qué?
cuarta parte de la desviación estándar f) Si actualmente la empresa
del porcentaje de la producción cuenta con 9 vendedores y está
mensual que se logra vender, ¿Qué invirtiendo $ 55.320.000 en
parte de la variabilidad que presentan publicidad del producto, ¿a qué
los distintos porcentajes de ventas precio deberá vender su producto
que se logran tener en la empresa para lograr vender todo lo que
sobre su producción mensual, no fue produce?
posible de explicar con las variables
o)
b/
e)
d)
1 I "> J l ->
e)
/ > / ~ I
·~) Xr ·le
Libro de Regresión lineal múltiple (MARÍA PERSICO), pág. 20.
Ejercicio 6:
~i. !~.~)r'HJ11~11~ lft:: Lw1,;J \JrtJ.n u:npn::~íl !8t.W, :J)Cu11wd8rit1',dO plf,'J '"I pró:dP'-1) ilTI:) Ufli'l
q1J:.: olu10ü 1;! 1u,_i,j1J0i1> de t(!·'l'1tJrin1nciunut< ¡_1__ ut.:liüad lutd ¡fo S.:HHltlD.llOO (mirn aili:I q1rn
~ines dr. ¡i1nJ1 dr. e;¡¡!'; rJito, l¡i I ül p;·Hntf'iliki ;ii la nlil)'N ot1tonld;·1 ü(I los 1:i111111m; 1() ;i'.bs)
:.tind1;;.':~o du lrab¡ij;.u:'.1)/'i:s, q1,c C'.\1u rti 10 111:1
1 ~· IH',¡J vafir1ción H'iiJHI (iCI 1r:•c (JOUllliJlfJílu
pr1,:k:\ 11'•(ff,t•<'inr o\ rn;ij11r,t~1 11orc1+nU:i' 1:ii' dA :1s·x., :acm11pe1Hncia tff1d;faq•J•J oto1g.::r
(:Ueloios GOíllO ('I (ÍOI nf:P si lii!' u11 M}'-~;u~fB U8: [!{)'"_~<~ fH1 !os f;11nldor- do :,1rn
ViHifllllw; quo siH111p11·: !rn t:u11.sií!orndc. p;,;rn tr;;baj¡¡u'omr; do rnodo dt1 lo1,J1m, ¡:1~11 u11
'.>IJ 1:ln1qa11iionln, qmi SDIL DG'X:, dH c1.:nfi.F·1r1.:i. que es~n ü(np1o:HJ dü
d 1-''"'"-'·:kl lkn11¡.iu (en um1n:1 i,~i) 11n urnju~•lü nu· i11lcrlo1 <1 In 'Ji'idfl!:d:.n 1~¡;,I
IP(; i'.\rn1nul¡1d0 cel ilf;O,
k1 u:1!.d•1d total anmd dH l;1 r.lllprr.si'!l (<.Jn
r11l\lonw; d;i S) (x~') H)Siiio la •J,'lJiacíón rlel IPC ar:uirul.Jdü C!:i un
la v1,ri1ir:1lm ;w.HnuladD anJDI dol ll'C (on buon i1uJ1wLf_1.Joí 1,:¡:Jo fH\.Dlí-1::a por Y:.~ ::}r':lo iRn
,-'.,~')} ·iX])
ffJflYlfl ;vfHr::,1.:::id~1 IM:::; VC'Jrmciune:~ ~tl{?
" ul rnaju~•lO fül:V'll fll nlf\Hdin lill la t:wnµti·
lrnn prnuucldo, durar.to lor; 1'd1in·'rn siidt'
1onr:ia (F.in ,,}S) {>:4}
d!JGG, on fJI ri;..Jjl!F:.ti3 n~n1 pnr IH
cncpr!éc-<> :1 •;us trabHj;Hturu:,;.
no tienen 1m 1:011q1:}tla111ionto hwo1ablo.
El sir:iiicat;o, tut:(l<,fn:,ndo l<:n rfatos do loe;
!'¡ CI modelo ms1on1iltie0 (¡,UR olmqa
Ú',tHf1(J:t. / años ,,~ RnHtLl~{H~otl:•H RS!Hdfs-
;¡_¡
¡,r:;1ar:irin de f.i"l.Jn)ti i'.:n mdll ¡;lu 11u tuspcnde
t•G[llliúf!IO .;¡ 1f,eiv0s de 1m iljt1.~t«1 ;Ja rm¡rl'lsii111
la nL~11iu;~u~J cJi; est~~:¡ 0111¡~1rüfja pnr \n q 1JH
r11r'Jl\iple qun i'e ontrn(:Jl1 lil Gi•;¡uiontc
!tfU V~tHi1bff.;~. ('.f)p~;idcq;lr f:!fl 1a CF.~t:;H~
inloHrü-11: útL
m 11acil'lr1 del 1n;ijr1slo li:·'.; 11 abé1,ad::ro~;
:Ji1LJC1\ -~>(1i G~iiilhÍ·~HiHS ¡:l(J( Llt(ü_G O ;H]tf?~
0,.54 ;.:2 1 [1,::~J 0.97 A4 H ol1% qLo lo·;:iren <.!P:pJ.c;H 11d1G
f2',(.! •i>,!:!J l,Sn ~.l)l Vi·Lrl;1dn:11.'!1 1A) in;; fA,'-;iju~--;tHs ;::uln1ínlo~. df'~,
(_;uul_·Jlí;.1tr: dn 1ktfGf·rir:1r,,~;·1 P,f1':'1~J·1t\( J;~ R\''fHHf-1Si:L
f 11i:1 1'n:,l.l t'1/Ji' du ,.¡t,11-Y)C,,';-'1 r.11H;~.jn1
fl.,(J;r
e
1: rrc; 1 c~lílr;rf;J~ rln (·:í~i1nw.i6n i:·:_:bJ,-w¡1y1~1I · l .h~·'.1 m.Jiri

lndkpl·:~ !=."; .r::_on~:.lu:..ii•)l'C,~) ;1nto:-: ::-;0fin~
tJfq q1:¡; r,1 •Td:!:;rrn¡
l"1d.c¡s snn •/H11!.vkJ1n:; o lolsm;,
Sd i'P"'if}IPJ'.-.UL
f1}1. a ~H1u:1dd no TkJ ü1uf'Q:¿J:iu s:J::i tiHHjus1Hs 1-x:ilii¡uc duL1n:(T1tn oi si;¡r·iiiulilo tlé '«:i
(:i:11--1«)ii.f,)1,·:(1d(1 1_;t1n 1<::i'.tJi:i(1q k~yku 1;on lüs L:G011ck!ff~rJ.~, d::-~ ·'¡;c1::.~ 1.!.~1mblot~ :i<2 f'
c-r:: e:
Hii:i;JadM:> dE! '"f'lfllf!'.;H, ccn1e:\1,;-1 df::d prnhll·!l\l·L
b)Hn h., dor[Jilr;u la rrv1•1•cr impc·tinncia Ji

¡Plf•O 1:tel !innpo, vririr1ble qu-e '""
do uvihH q1a: uc-.unr·1 y qu~ :+M Jfl::nil"q1u+.
r::11 a •;r:mp,,t,;,nc;h nn pro11rr_:d.u otc•rlll' un

n~aj,Js(a 1rHis. el'f!v;~:ín qli•3 el d!J Of;1fl
ut'.1ptt:·t:n.1 u su~;; traba¡ado:et-),
J)
e)
Libro de María Persico, pág. 17

Ejercicio 7.- Una entidad financiera, que cuenta wn 20 empleados - captadores, ha
decidido establecer un modelo matemático que le permita a la gerenda determinar el
porcentaje de captadores que requiere capacitar al mes.
!~ Con este propósito se recogieron datos del último afü" ~.:>bre:
~ • La productividad promedio por captador, como el nú1ne· · 1 • ~licülc;., nuevos
i captados en promedio durante el mes anterior (xl).
• El valor del curso de capacitación para captadores que éstos req u ·.eren por persona
1 (en$) (x2).
Y se realizó un análisis de regresión múltiple que entrego los siguientes resultados:
• Ecuación de Regresión: Y= 70 - 0,25 xl + 0,001 x2
• Desviación estándar del porcentaje de captadores capacitados al mes, durante el
último año = 5%.
• Error poblacional es un 2% más alto que el error muestra! de estimación.
a) Si esta financiera se da cuenta de que los cursos de capacitación podrá

descontarlos de los impuesto y que durante el mes pasado no se logró captar
nuevos clientes, ¿Cuántos captadores deberá mandar esta empresa a que realicen
el curso de capacitación que requieren durante este mes?
1,
b) ¿Es lógica la relación entre "xl" e "Y" establecida por el análisis estadístico
realizado? ¿Por qué?
c) Si existe un 95% de seguridad de que, al lograr los captadores tener 5 clientes

nuevos durante el mes anterior y el precio del curso de capacitación qu~ necesitan
tiene un valor de$ 15.000 por persona, el porcentaje de captadores que ..-..e deberían
capacitar alcanzara como máximo a un 89,5%, ¿Qué parte de la 11::i1·i"11ilidad que
oresenta los distintos porcentajes de captadores q'J': .;e capa. t;•n al !111"<; no está
c,<:plica.da por las variables independientes consideradas en la ieg , = úi;ütilJH?
d) ¿Es posible afirmar que el análisis estadístico realizado indica que por cada 4
clientes nuevos que en promedio logre captar los captadores al mes, la empresa
tendría que disminuir en 1 empleado el número de ellos que se capacitaran durante
el siguiente mes? Justifique su respuesta.
se
e) ¿Es el análisis estadístico realizado lo suficientemente confiable como para que la

empresa lo utilice para establecer su política de capacitación de sus captadores?
UNIVERSIDAD TECNICA DE AMBATO
'f
1,
PERIODO ACAD~MICO: SEPTIEMBRE 2018 ~FEBRERO 2019
PERÍODO ACADÉMICO: SEPTIEMBRE 2018 FEBRERO 2019
Libro de MARÍA PÉRSICO, pag. 22
Ejercido 8.- Con la finalidad de estudiar cómo esta las variables:

Y= l\!Ionto, en miles ele pesos gastados por concepto de rembolso de atenciones médicas
de libre elección
Xl = Número de profesionales médicos con convenio con la ísapre.
X2 = número de convenios colectivos que tiene la ísapre.
a) La iqapre "Crnz :Medica", utilizo los datos de los últimos doce meses llegando a
las siguientes conclusiones numéricas.
Ecuación de regresión: Y= 3.750 - 0.7xl - 45 X2
Sbl = 0.1284
Sbl = 0.1284
Sb2 = 8.12 ,
R2 = 0.82
Explique, en el contexto de la situación, el significado de cada coeficiente ele la
ecuación.
b) Cuál es el significado, en la situación, del valor de R 2
e) ¿Cuál de las dos variables independientes tiene un efecto menor sobre el monto
de los reembolsos? Justifique
d) Es apropiado hacer estimaciones de los reembolsos a través de les variables:
número de profesionales médicos inscritos y número de convenios colectivos
existentes en la Isapre? Justifique.
e) Prnebe con un 95% de seguridad la hipótesis
Ho: b2 =O
Ha: b2 :f::. O
Explique el significado de esta prneba para la situación planteada y explique fa
conclusión.
f) Si se sabe que la desviación estándar del monto de los reembolsos es
$ 1.788.000, haga una estimación con un 95% de seguridad del monto de los
reembolsos si se sabe que hay 513 profesionales inscritos en "Crnz Medica" y
que existen en esta Isapre 20 convenios colectivos. (Dato: Sy 2 =2.150.08)
J
PERÍODO ACADÉMICO: SEPTIEMBRE 2018 -·FEBRERO 2019
7_
Libro de Regresión lineal múltiple (MARÍA PERSICO), pág. 22.
Ejercicio 9:
~J. ·U-~:lüd e~·l'::~ (:f;i\S.!dr~?.~f\l]O pod&H pn.HÍHCÍI h:~¿L·:~ ,u11s,;bln r~f:r111:H q:H~ 8t pnrr:·r~nt.1je d{!
<JdlÍ'ltJiild•i.:J dtJ V811~:ir,. rfonirlti ;1, h

con1p~1J'1ic1, ¡:artir 1iP. l,, 1ii110rP.nr:i;i En .,,¡ (!f:·,J~1C-i(1:·1 du •'ü(J1CG!Ú,'.I, U'.:- i-tl.'.Hplrjb1H ~11-](,:)
¡-irr~ciDd€-! Vti"~Pbt 11nHnriu q1xu ~, c1·11•.' f n (;ü1nprJi"1ln i11kn1nr pnJ[ii.· Ci( ltE. 'lU'11f1:; 1n1:1 nrn;1l~1:> dc1
c1:·1i .:cspc:.::~o al precio .;:te '+lenta ur11tad:J !::,¡ c:ülf"P•~nJ._'j, i;·:1·1 ld'i ·y)';.~I :Ú! Sf!lJIH;.d,"ffi
¡:.•n:..mcdio ele J.:is rnnprp:•:;Jf, r.ü~ l,011:rnnp!:!lwwi:1 (ncc\L:in1e lo.:...z ~ialu'u;~ df:• ::<1 ·~,1 ::<~>?
i'.)( t} y f;1 !1! 1.·~~rsi(1q lllHt'i~~ll?-JI HD ~J.;Jtllrc,1f;.J1j dH
:-;11 1:(1111¡EJ11li1 íl:2f d<JI t.'llliilll" c!:'10. 1-).~,C,ud:; do \'LH·;.t;:J!w") ir1dRr8nriiAr1H:r,
;]p01itl tJ:-1 r:1nGfH11:1jo !..~1q~1i~.-i)~i1lVL1 Uo 1.~)
){'i : >HrJ /rvhi1HkL1d de
•1 uri nivül do (:lJl'IÍid111.:1
)G~ : cri e 1!!llur JC).S. du $ :ft C·,01 ',·'
\' fl/I ¡pj¡j,:p¡~S d.:.'.! ~f.
d) i. !-:!,, ¡:•)f, :i-.1::• que· :;u •o.q:uu::;l.a 1;11 ¡1:¡· lrmp.~

1(i:L,_1;.1')11 J(:q!i:u t:(1n 1 1-r~~fll)üt•1n en (bl·?
(, f¡t1<1'l
é!)Lxpliq;JA clflrilrnF.ntei Hl-o-lqnif,c~H1odH •'IJ1 ·

y "a'· du la aum11.::")r,_ fin al i.:u111o:~o crnl
lJ(4!)'~'':J·~
prubicrn;i.
;:1J111pt'J: ~,t , ~· t
~~ ,¡¡-111 e 1·1dr:1dr1~; di"; 1:1 , ,-¡,;~·#·;11d(1nc.:, (1'3 I~~; Vt n:.::.~•
,,-,:;¡1;·1:< rc1r-:n·:11,1 1jn r:-~ T J;·1r'1Pt 'l .-11
n)Pti o npínfu ac- ·ti:_; v.:aiulikJ~,

í11rif'P'"1·1d 1clltP.'i nr1 lo vn1·í:1i}ilídmf do lc1u
\•t-:ldH:-1 111H~1:~.t1al~:-; ~·t(1:1 lot-, sifJ\l;nrih"~fi ·
/\(){ t :i / ~';!
1
f' .t\(X2) :!,r:.'>~~" ¿q1111;
:it: In •;c¡¡.;:;_b 1i:kid la~: "'Cfi\dci
r,u u:~lr'.$ r};.:pL1:;11,H po: Rl ani:rtt;
vo.1t:1 lJ le~. í.:H.it~¡:·1e-nd.:u 1t uri '.'
b)
L _]
d)
Libro Regresión lineal múltiple de María pérsico Pérsico, pág. 23.
Ejercicio 10: Una empresa que necesita comprar una máquina alemana, ha realizado un
análisis de su valor comercial a través de los últimos 8 meses, considerando como
variables independientes de un modelo de regresión múltiple:
X 1: variación mensual del IPC (en %)
X2: cambio de dólar promedio mensual (en$ por dólar)
Para el análisis se consideran los siguientes datos:
Error estándar muestral de estimación del V!ll()~·<!~!~P~<JUlI!~ 0.268544 •
¡ Coeficiente estándar de la variación del IPC ! 0.084226 l
Coeficiente estándar del valor del dólar -0.64449

· Desviación estándar de variación IPC . 0.567019 .
Desviación estándar del valor del dólar 12.05867 .
• Desviación estándar del valor de la máquina 0.30683
Promedio de variación del IPC 1.40125 •
! Promedio del valor del dólar 295.7925
: Promedio del valor de la máquina 3.907772
1: X1 Y ::: 44,73945 :E X2 Y ::: 9225,773 L X2 X1 = 3266,069
C11 ::: 2,25635 C22::: 0,00499 C12:: C21 = 1,05678
a) Detennine la ecuación de regresión múltiple y explique el significado de "a" y

"b2'', en el contexto del problema.
b) Si Ja variación del IPC para este mes se espera en un 1,8% y el valor del dólar
promedio en S300,98 ¿es posible afirmar que el valor comercial de la máquina
sobrepasará los $5.000.000, con un 95% de seguridad? Justifique su respuesta.
e) ¿El valor del dólar o la variación porcentual del IPC i11fluye más sobre el valor de
la máquina? ¿es la influencia mayor significativa? Justifique su respuesta.
d) ¿Es posible afirmar que el aporte conjunto de ambas variables independientes,
sobre el valor de la máquina, es lo suficientemente alto como para contrarrestar
los bajos aportes individuales (A(Xl) = 2?8%, A(X2) = 5,2%) y hacer de la
ecuación de regresión un buen instrumento para realizar estimaciones del valor de
la máquina?
CA) : :. '/-J. '{ - Y.A.* y

Sy. 1 SJ
X -;¡y - )( 4 <1< ~ - ~_¡_J~_12_Í_J> --___ '!::!i~_]!L'25 ~ 3- D

SY i · SJ 12 1 os 86? '.):! o_, ,?JL-:. 6
)<' J \( ¿ - XI 4 ><L - }2b{,1D6lf/8 -Á1 '-H.Jvfl5~ ¿q5 '¡-q'C,,'::>

5'.<J • 3X¡ C>¡:5G. 1 a 1q ..¡ 2. 0 S .
0
- C!,, C/O& (3 2 -::. b/:;,o.J>36
~~-
B"2. = - '::,, 'f ,(1
(.:J1-::. ~962..
p z :: º/1º?
_9)06~3 - c:¿o:Src,k¡ty
o,. .56'70 IL/
bi -; f-ri. ~
"'
- s. b 2 D1 Jub~) -=. - ~ 0-1 5tB
3 (<,l. ,( 2_ I O 5 ,}>(:, 't
l.\ -::. y . b Xi - b 2, ){¿
a 'd. 4q~5.
'
'/ ~ 8. 4 q ;sq .¡... b, 0 58 X'.¡ -go-15753 y 2
u ::. 8, \.¡ q ) bz.. :::..- 0 6

1 151!;}~\
b) X{ ';'.. )) 'O ·r. Xz ':. .// Jo01 q¿ h :::. :y
f 2..; * 1. o 5 G i ~ { ,1, g - I; 4 D,/ l ..5 /
(j y x u<. 1
cj
b1"- O 10 6'61../ '-( ':o ~ .¡L{ b-( t Y.'7..::: -o,.o..f57'b
-:::. - º133
bl L( c_,o-<q
J?,2.:5b'3j -:::. º1 '1

5b ,¡ •• b, ).,<::, '8 :5 l-.J4
'Sb:i.._,::. (J ')..(, 'O;:)~ l.(

/
/ C>_;oo4 -;e¡ -- 01 o..f1
f;;.0/22/2 f fc<blú._ C<( qs/. ;;_ 5. T-q

01 7+ /6 F fc,b(q ct 1 qq /. -;;:_,{ 3. 3
o 26 ·"Z:.S'-14 L
o ;,o 6 ~ 3
I
No e.s svf/c,'<?11fe o( Ctpór{e G2>r¡}Jrdo pu_r-c, CJO.r(lfúffesfqr

lo bcy.::i de Les qpot.f.es t'rid,'v/doq(e,J 'j OO(r<>r
( C\. <7 C..) q G·~ C..(>10 f)t Cicla..
1
Libro de María Pérsico, pág. 23.
Ejercicio 11: Una empresa ha decidido que el monto de la inversión anual que realice en
capacitación de los empleados podrá estimarla a través de la ecuación de regresión,
obtenida con los datos de los 8 últimos años de la empresa.
Así:
Y = 0,0001 + 0,2x1 + 0,01x2 + 0,15x3

(0,06) (0,008) (0,05)
Donde los valores entre corchetes representan los errores del coeficiente y,
Y= monto invertido en capacitacion (en millones de$)
X1 =utilidad total de la empresa (en millones de$)
X2 = produccion total mensual promedio (en ciento de unidades)
X3 =numero de empleados nuevos contratados durante el año
Si existe un 30% del monto invertido en capacitación que no se logra explicar a través de
la ecuación de regreso calculada:
a) ¿Recomendaría usted utilizar esta ecuación de regresión para estimar el monto a
invertir en capacitación? Justifique su respuesta.
b) ¿Cuál de las variables independientes utilizadas aporta más a la explicación del
monto a invertir en capacitación de los empleados? Justifique su respuesta.
c) Indique el significado de b3 en el contexto del problema.
U41\¡
f<T\
Libro de María Persico, pág. 23.

12. Un ilistituto de educación superior ftmdado en 1982 ha realizado un estudio para establecer
cuáles son las variables que vas inciden en el ingreso total anual (Y) (en millones de $) de la
institución.
Para ello se ha considerado realizar 1m estudio predictivo considerado las siguientes variables
como posibles explicadoras del ingreso.
X1 = número de alumnos nuevos matrfC1tlados al año.}

X2 = inversion anual en publicidad (en millones de$)
X 3 =tiempo de funcionamiento del instituto (en afios)
X4 = número de instituciones de educación superior que imparten las mismas carreras
La ecuación lineal de regresión múltiple (con origen en 1982= O) que mejor se ajusta a la realidad,
füe:
Y= 0,11X1 + 2,2X2 - 0,8X3 - O,SX4 + 8

Errores de los
0,053 0,8 0,38 1 0,2
coeficientes 1 1 1
Nº de años del estudio= 1
a) Explique el significado de la constante "8" de la ecuación en el contexto del problema e

indique si este valor puede ser lógico.
b) ¿Qué porcentaje de variabilidad que presentan los ingresos totales anuales de la muestra
como máximo no fue posible de explicar a través de la ecuación si esta permitió con un
95% de seguridad predecir correctamente el ingreso anual total del instituto a füturo?
i /'
Y~ o.Ll(o) 1- 2){o) -o,8/o) -qs[o) 1-B

\; h
Roeho ¡::::
Libro de María Pérsico pág. 24

Ejercicio 13:
13.-Una empresa ha determinado que la mejor forma de calcular el precio de venta que
deberá tener un reloj hecho a mano que está lanzado al mercado, es a través de la siguiente
ecuación de regresión múltiple:
Y= 0.12 + 0,05 XI+ 0,03 X2 -0.001 X3
Donde.
Y = precio 40 Venia unitario del reloj (en UF)
XI= número de horas-hombre ocupadas en la elaboración de un lelo)
X2= demanda por el reloj en la última semana (en unidades)
X3= costo en materia prima de un reloj (en 3$)
Si la muestra para la obtención de la ecuación de regresión estuvo conformada por 15

relojes, existiendo un 22% del precio de venta que no se pudo explicar a través de ella.
a) Indique el significado de 'a" y de algún "bi" en el contexto de la situación.
b) ¿Cree usted que le empresa hace bien en utilizar esta ecuación para determinar
el precio de venta del reloj? Justifique su respuesta
UNIVERSIDAD AMBATO
Libro de Maria Persíco, pág. 24.
Ejercicio 14: Una empresa desea estudiar el comportamiento que está teniendo la
demanda de los "blue jeans" que produce (como porcentaje de la produccíón del mes).
De acuerdo s los conocimientos que se poseen y los antecedentes con que se cuenta, se
ha escogido las si&,rtlientes variables como las m~jorcs para explicar la demanda:
Xl: Diforencia de precios entre el de esta empresa y el precio promedio de la competencia
(en$).
X: Número de "blue jeans", de cualquier marca que se vendieron en el mes anterior (en
miles).
Y = l.5 - 6X1 + 2X2
Además, se sabe que:
11 cry = 8% oXl = $540 aX2 = 101.000 unidades
111 Aporte conjunto de variables independientes sobre la demanda de "blue jeans" de
esta empresa = 9%.
111 Error muestra! equivalente a la mitad de la variabilidad de la demanda real de los
últimos 8 meses.
a. Si se sabe que ambas variables independientes son igualmente importantes para
predecir el comportamiento de la demanda de "bluc jcans", ¿a cuánto asciende el
aporte que realizan cada una de ellas por si solas en la explicación de la demanda?
b. Si el presente mes se espera producir 215.000 "blue jeans" y esta empresa tiene el
mismo precio de venta que el promedio de la competencia, ¿Cuántos "blue jeans''
más podría vender esta empresa durante este mes sí en vez de venderse el mes
anterior 120.000 ''blue jeans" de cualquier marca se hubiesen vendido 121.000?
() 1 '.:/ '__, ~ ?. ¡\ ( >( i ) -\ o 1 () :')
<\ ()
1 X1 1/ c.1/e
r< ?. ~· ) - 'r? o,·.-¡::__,

<(i'L
XJ :: o
X2 ).fa(). () é)c) -\;'> x~ ,Ul. ()¿){_)
/\
'( •.. j e -- (, -,~: o ·{ ,-? /9~1
'"°
A
y - J 1/ 1¡ 5
/\.
Y ),:--)- Ó·KO + 2 ·K /,~,,{
><
1'C <-
2l.S. OC)O
Libro de Regresión lineal múltiple de María Pérsico, pág. 25
Ejercicio 15: Un grupo de empresarios e inversionistas hoteleros ha encargado un

estudio estadístico con la finalidad de confirmar la opinión antes vertida respecto a que:
"Las altas cifras de pasajeros ingresados al país, se explican por las inversiones hechas
en infraestructura y en promoción externa del producto Chile en los últimos años".
Recogiendo información de los últimos 1O años, se obtuvieron las siguientes variables:
Y =número de en
chilenos (,en rníles)
X1 =rnverslon anual en 'y
(en rnillones de US$)
anuar en publicidad en el (en
millones de
X3 = liompo (en con origen 011 1982
1982).
Obteniéndose la siguiente ecuación de regresión múltiple y su respectivo coeficiente de

c01Telación múltiple:
Y= 108 +5Xl +15X2 + 8X3
R2 =0.36
Indique si las siguientes afirmaciones son verdaderas o falsas, justificando su respuesta.
a) A medida que transcun-e el tiempo, el número de personás que se hospedan en
hoteles chilenos ha tendido a aumentar, pero siendo menor a 108.000 por año.
b) El hecho de que el 64% de las fluctuaciones del número de pasajeros alojados al

año en los hoteles del país no logran ser explicados por las variables
consideradas, no invalida la posibilidad de hacer predicciones adecuadas con la
ecuación.
c) La constante de la ecuación de regresión múltiple significa que para el año 1982,
habiéndose invertido US$ 5.000.000 en construcción y remodelación hotelera y
US$ 15.000.000 en publicidad en el exterior, el número de pasajeros que se
hospedan en hoteles chilenos alcanza a 108.000.
PERÍODO ACADEMICO: SEPTIEMBRE 2018 - FEBRERO 2019
Libro de Persico pág. 25.
Ejercicio 16: Una empresa que se dedica a la producción y venta de alfombras tejidas a
telar, ha decidido realizar una investigación estadística que le permita analizar el
comportamiento del precio de venta (en $) que tienen sus alfombras de acuerdo a las
siguientes variables:
./ el número de kilos de lana utilizados en la producción de una alfombra (XI)

./ el número de horas -hombre utilizados en la producción de una alfombra (X2)
./ la demanda por este tipo de alfombra durante el mes anterior (X3) (como% de la
producción de dicho mes)
Analizando las cifras de la empresa para 8 tipos distintos de alfombras elegidas al azar de
la producción total, se obtuvieron los siguientes resultados:
./ Y = 780X1 + 360X2 + 2DOOX3
./ Diferencia promedio entre los precios de venta reales cobrados por cada tipo de
alfombra y los calculados a través de la ecuación= $1 .500 .
./ Aporte conjunto que realizan las variables independientes sobre la explicación del
precio de venta de las alfombras= 0,02%.
a) Sabiendo que se utilizaron 10 kilos de lana y 30 horas-hombre en la producción de un
tipo de alfombra, ¿qué le pasaría al precio de venta de estas alfombras si en vez de
vender el mes anterior 40 alfombras de este tipo se hubiesen vendido 41 de las 11 O
que se fabricaron?
b) ¿Qué valor deberá haber tomado como mínimo la desviación estándar del precio de
venta de las alfombras de la muestra, para afirmar con un 99% de seguridad que la
ecuación encontrada permitirá realizar estimaciones correctas del precio de venta que
debieran tener los distintos tipos de alfombras producidas por esta empresa?
c) Explique el significado que tiene el hecho de que en la ecuación no aparezca el valor
de "a". ¿Es lógico esto?
d) Considerando que el análisis estadístico realizado permitió encontrar una ecuación
confiable para la estimación del precio de venta de las alfombras, ¿es posible afirmar
que al menos una de las variables independientes consideradas debe estar influyendo
significativamente sobre el precio de venta de las alfombras? ¿Por qué?
'/{1 ;Ki/oJ de /una

'Xl " ~/o<ct " hombie,0
'"/..~ " /)eniu.nJ1~. ( /o)
51
-
' Lj()
:: '3 6¡ '36 ;y;, 1.L : :- 31¡ ';l:¡
/ ID //U
r?o•ü X.J -;. tflomenJó,
'/{J "' <>7, :;¿-:¡ ~ 36, 3() ::;

o,91%
K; ef dt r,Mdonfs
N: # dt olfofflb1w Ctnú/,tV.Jw
'j),~/r;);;uc:.V; F con 01 01 N1ocl d( .S1gn'1.P1conc'1l1
6rado~ de /;be,/od del nvrl1trC<do1 : J

Grudo~ Jt 7;&,.,rl< d dl dtfllJm1110Jo1 LJ
1
, . f = IG 1 1
16 /1 ~ <7t/'J
(! .. ({~/
/6¡1 ci~¡,r) = 0. R')
LJ,116~ '4J16f e: y;) R l
R~.::0¡9U
o/1 f¿(, = I >-· /51i-D

J!/'-
Wondo o-::o JU1r1e drc11 gvc oo;poro. (uriu 0t1 lr:i f10duc~
{l)JJt
dt hv, olfomb(c~s y. lc:1mpow hmus -.hbrrJ6rr !) le) drmondo ~d 1ne5

an/rt(bl hubtesr sido (ff() ,, el f'r'ÓO de /i-1 a/fbmPIO Sfl7ú Jj ()
Si 1 yo _<j!fl e/
Gfoi/c flJ fJ1U,J bc¡jo et c·c~ome nJc .{0¡09... %) fv1 lo
3~( . neces(1Mmcntc of mn1.»J <me• de las uonub}eJ eflu mffv¡pndo
619/lliccd!IJorf/CJ.. fC11ú hútel !F I u ewodo~ ,:;J'ú CDnfmb~,
Libro de María Pérsico, pag 213
Ejercicio 17: Un distribuidos de helados que vende sus productos en una playa de un
balneario de costa chilena, ha comprobado que el monto de las ventas semanales ( en $ )
que logra tener, se comporta principalmente según la siguiente ecuación, de acuerdo a
los datos de los dos meses del verano pasado.
Y = 3000 X1 + 3000 X2 - 3000 X3

Donde:
Xl = N. º de helados de distinto tipo que tiene la venta
X2= Temperatura máxima diaria (en grados Celsius)
X3= Valor cobrado al día por el estacionamiento de cada automóvil, en las cercanías de
la playa (en cientos de $)
Error de estimación = $30
Error Muestrea! = $ 869 .48
a) ¿Qué significado tiene en la ecuación el hecho de no estar presente la constate

"a"?
b) ¿Qué le conviene más a este distribuidor:
- Surtirse de un tipo de helado más barato o
-Bajar el costo del estacionamiento de cada auto en $100?
c) ¿Cuánto es el máximo que puede lograr vender en una semana este distribuidos
si mantiene 8 tipos distintos de helados la venta, la temperatura máxima
promedio alcanzó a los 28º C y el precio del estacionamiento alcanzó a $ 500
cada auto, con un 90% de seguridad?
Libro de María Pérsico

Ejercicio 18: Un particular que desea comprar una embotelladora de bebidas, quiere
poder estimar la capacidad de producción (en unidades) con que esta empresa cuenta
para lo cual solicita al dueño actual que le entregue infonnación del último año sobre;
• El número de horas-hombre perdidas por atrasos o inasistencias a mes de los
empleados (X 1).
• El número de máquinas paralizadas por mal funcionamiento en cada mes(X2)
• La inversión total mensual promedio por obrero que trabaja en el proceso de
producción (en$) (X4).
Una vez que el particular cuenta con la información solicitada construye un modelo
matemático de regresión múltiple que tiene como resultado.
Ecuación de regresión:
Y=5000-5Xl-200X2+ 1080X3+8,7X4
Porcentaje de la producción que no se logra explicar a través de la ecuación: 14%
Desviación estándar de Y: cr y =350

cr xl = crx2= crx3= crx4
Error poblacional es equivalente al error muestra.
a) Explique el significado de "bl" de la ecuación en el contexto del problema.
b) ¿Cuál de las variables independientes consideradas en la ecuación de regresión
deberá controlar con mayor rigurosidad el particular si se decide a comprar la
empresa, con el propósito de garantizar una mayor producción? ¿Por qué?
c) Si el particular comprara en este momento la empresa, recibiría con; un promedio
de 50 horas hombre perdidas al mes por atrasos e inasistencias, con 3 máquinas
paralizadas y un último aumento de remuneración equivalente a $200 mensuales
en promedio. ¿Cuál debería ser el monto de la inversión que tendría que realizar
el particular al mes en tecnología, para asegurase con un 95% de confianza que la
producción mensual al mes 6.800 unidades?
d) Si la suma de los aportes individuales que realiza cada una de las variables
independientes sobre la producción de la empresa, es pequeña ¿es posible afirmar
que el aporte conjunto que realizan ellas a través de la ecuación es lo
suficientemente grande como para contrarrestar lo pequeño de los apo1ies
individuales y permitir así estimaciones confiables de la producción? ¿Por qué?
e) Si el particular al adquirir esta empresa se reunieron con los obreros para
informarles que:
a. Durante los próximos meses las remuneraciones permanecerán igual como
están en este momento.
b. Todas las maquinas han sido relacionadas por lo que se encuentra en
excelente estado pera un óptimo funcionamiento.
c. Se espera que ningún trabajador llegue atrasado a falte a sus labores.
d. La empresa no realizara nuevas inversiones en tecnología.
¿A cuánto se espera que ascienda la producción del próximo mes?

PERÍODO ACADEMICO: SEPTIEMBRE 2018 - FEBRERO 2019
i -
Libro de MARÍA PERSICO Pág. 27
Ejercicio 19. Una fábrica de bebidas ha realizado un análisis para tratar de explicar por qué
algunos de sus distribuidores han disminuido considerablemente el monto de los pedidos (en
unidades (Yl}) y la frecuencia de ellos (en días (Y2)) durante un mes.
Para tal efecto se realizó un análisis a una muestra de 14 distribuidores donde se recogió
información sobre:
El tiempo que se tarda en despachar los pedidos desde que llega a la fábrica hasta el momento
en que el distribuidor lo recibe (en días) (Xl) y,
El precio de venta a los distribuidores por unidad (en$) (X2).
Realizando un estudio estadístico de regresión múltiple para cada una de las variables que
preocupa a la empresa, se obtuvieron los siguientes datos:
Yl = 8.000 - 50x1 - 45x2
Yl = 2500
Y2 = 1 + 2x1 + 1.5x2
Y2 = 2.8
a yx1x2 = 1150
a y2x1x2 = 1.36
Errores poblacionales son un 3% más alto que los errores muéstrales.
a) Explique el significado de algún coeficiente de las variables independientes, para una

de las ecuaciones planteadas.
b) ¿Para cuál de las variables dependientes, la ecuación logra explicar de mejor forma su
comportamiento?
c) ¿Puede afirmarse que lo mejor que podría sucederle a esa empresa es que los pedidos
le llegaron todos los días y que éstos fueron de 8.000 unidades cada uno? Justifique su
respuesta.
~ VLt )1'able irul}pé~n0'l9JJ I)

¡ ---- !
Ykricll ~/:
' 1 '
fctYdd ;en ~;pat0~v

Xi
1
! de:
!01 c!rr h-i~l.J/dor,,)
1 1 i
1 i 1 .<l
@ooo l(Y,oXt
< • ¡ ' '~~--- : ¡
i ¡
l"J= e·/
prec/v. f'e v1n.ia' p
/(/)' /¡yf>-1'bb/d;,,-p.f'
fO / CtülQ : J11/cfa
' 1
~11 q, Yz__
~) i
¡
- ,-
Libro de Pérsico María.
Ejercicio 20: Un banco ha establecido una política de préstamos a sus clientes, en base
a:
• El ingreso mensual actual (Xl ), en $
• El número de veces que el cliente ha estado con morosidad en sus pagos con el
banco (X2)
• El monto de la deuda actual que tiene el cliente con el banco (X3), en millones
de$.
• La antigüedad en el empleo actual del cliente (X4), en años.
Si el monto del réstamo (en $) se calcula en base a la ecuación:

Y=95.000+2,8Xl-500.000X2-50.000X3+300.000X4
Obtenida de los datos de 300 clientes del banco.

Además, se sabe que: Aporte conjunto de las variables independientes=6,83%,
equivalente a la décima parte de los aportes individuales en su totalidad.
Error poblacional equivalente a un 103% del error muestral.
Desviación estándar de los montos prestados=%398.530
Desviación estándar del nº de morosidades =1.25
Desviación estándar del monto de las deudas=$870.000
Desviación estándar de la antigüedad de los empleos=2.57 años.
a) ¿Qué porcentaje de la variabilidad que tienen los montos prestados por el banco,
no logra explicar la política establecida de los préstamos?
b) Si un cliente, que es empleado de una empresa, durante los últimos 8 meses: ¿no
ha obtenido reajuste en sus remuneraciones, no se ha retrasado en el pago de sus
deudas y no ha pedido nuevos préstamos al banco, 'en cuanto le cambiará el
monto del préstamo que podría obtener del banco con respecto de 2 meses atrás?
c) ¿Qué valor debe tener como mínimo la desviación estándar del ingreso mensual
de los 300 clientes considerados en el estudio, como para afirmar que esta
variable es la que explica en mejor forma el monto de los préstamos que otorga
el banco a sus clientes?
d) Si usted es un cliente del banco que nunca se ha retrasado en el pago de sus
deudas actualmente, pero que acaba que quedar cesante:
l. ¿En cuanto dinero se aleja usted como cliente del banco para obtener un
préstamo de la realidad de los 300 clientes considerados en el estudio?
2. ¿Con qué nivel de seguridad puede esperar que el banco al menos le preste
$50.000?
cu 1( 1 :: Aex~)+ A ()(¡'X l )b XL\)

'K2., o.683 + 0 106'5·3 =-:> o,·1s13
l - Q\ o, 2 4 B7- ::::> 2 4, g +% 0,1{, .. ,~oc, ooo = so, ooo

e~- dl(l:: ? de rrtDÓO C\~ 1 ) :~ ~ '2 ~ '°\

2-.e d)s:i. "> ~·ººº Í0.161) ~ &>o.ooc (1, ·zs) j sc:o.0co(z,s 1)
39S.52i0 3C\B.Só0 .39S,sso Bct8,S;b
0,00COOt dX1 > <0 1 l. i ~ l.Sl ~ ~. Q3:5
O, Ccoro t d Xl > 1,(\3S
d 'X .l. , '2 16' q28' 5 i
L- ~~ = ?
d ~y1'1 >Ci x~~ Xlt = Vs,y. ,)( i X3 x \.f., + ::-r::,?..'
· G~x· )(iX.1'X.4 ~ .\.03 ~_jx1XiX~
'i<\ 0, 1S\3: .L. ~Y>X1 Xi X3. ·x11 i - 5~)(, XtX.3 X~ ::::i i°ttb, 14(,
óQt&, ~e?.
O~'t1Xi)(~)('1: 1,03. i.~'B, 1l\b
d ~ '/..1 "~ t 'K~ )('1 = 2.0Y , ·m~
204, 10~ ·~ V10¡ ~. ·+11 b ., \- s~' '

~s = <-1<1. 04"1
A .. .
~=qs.o::::o.- qscco - 2.D4. 109, E= So.c:co
'2,;0( 22. ~ \1, 42'1.
LOGÍSTICA
ADMINISTRACIÓN DE LA CADENA
DE SUMINISTRO
Ronald H. Ballou
Libro de Ballou, pág. 317.
Ejercicio 1: Por qué y hasta qué punto está el responsable de la logística interesado en
el pronóstico de la demanda? Como cree usted que el interés podría ser diferente si el
responsable de la logística estuviera relacionado con
a) Un fabricante de alimentos?
b) Un productor de aviones?
c) Una gran cadena de menudo?
d) Un hospital?
Ejercicio 2: De ejemplos de:

a. Demanda espacial y demanda temporal.
b. Demanda regular y demanda irregular.
c. Demanda derivada y demanda derivada.
UNIVERSIDAD TÉCNICA
Ejercicio 3: Contraste los modelos cualitativos, de proyección histórica y causales para

los pronósticos.
¿Qué fortalezas identifica en cada tipo? ¿Cómo podría utilizar cada uno el responsable
de la logística? Clasifique los modelos de la tabla 8-1 en estos tres tipos básicos.
UNIVERSIDAD AMBATO
Libro de Ballow, pág. 317.

Ejercicio 4: La compaftía ACE Trncking debe detenninar el número de conductores y
camiones que tiene disponibles sobre una base semanal. El programa estándar es enviar
a los conductores sobre la rnta de recolección y entrega el lunes y regresados al punto
original el viernes. Los requerimientos de camiones pueden determinarse a prutir del
volumen total que se desplazru·á pru·a la semana; sin embru·go, ellos deben conocerse con
una semana de anticipación pru·a propósitos de planeación. El volumen pru·a las últimas
diez semanas se da a continuación:
Sem<lna Volwnen Semana Volumen

10 semanas atrás 2,056,000 5 semanas atrás 2,268,000
9 2,349,000 4 2,653,000
8 1,895,000 3 2,039,000
7 1,514,000 2 2,399,000
6 1,194,000 1 (esta semana) 2,508,000
a. Utilizando el modelo de nivelación exponencial más simple (sólo nivel), haga una
predicción sobre el volun1en esperado pru·a la siguiente semana. [Nota: Necesitará estimru·
una constante de ajuste exponencial (ex) que núnimizru·á el error de pronóstico. Utilice
las cuatro semanas más antiguas de información pru·a iniciru· el proceso de pronóstico, es
decir, encuentre Fo, y busque ex en incrementos de O. l.]
b. Estime el error de pronóstico (SF)' Utilice los últimos seis periodos semanales.
c. Encuentre el rango sobre el cual es más probable que el volumen real vru·íe.
(Sugerencia: Aquí deberá calculru· un intervalo de confianza estadística. Suponga un
intervalo de confianza de 95% y una distribución normal de los requerimientos).
et)
b)
LIBRO BALLOW (Pag 317)
Ejercicio 5. Suponga que la información del problema 4 fuera:

Semana Volumen Semana Volumen
1Osemanas atrás 1567000 5 semanas antes 2056000
9 1709000 4 2088000
8 1651000 3 1970000
7 1778000 2 1925000
6 1897000 1 (esta semana) 2003000
a) Utilizando la versión de tendencia conegida del modelo de nivelación exponencial

con a=~=0.2, pronostique el volumen de la siguiente semana
b) Estime el enor en el pronóstico anterior (St). Utilice los últimos seis periodos
semanales
c) Construya un intervalo de confianza de 95% sobre el pronóstico suponiendo una
distribución normal de los requerimientos.
Semt\\\Ct ~lt1 \J-e0\cl'J '\)d\' ~ºj·

1
'JD 'S. Qt1CI.:) L q 4S8 15& -~ceo 156 Seco

9 1 /15 \.\ .Q. ~ 1bqoo0 no 'lSoc)
8 3 l4489 ~b'::> lOOD l 6S :iOSO
1- ~ 15 \5 4 ~ '\-}BoD l+-:t-cic.ioo
6 5 ~ 116q ~8~1-0CO ~f:,c¡ sqoo
5 b1 Jl 514 '2056CW .2-D5' 6 c¡ go
4 . 't l .i ~ .13 .2.o'880Có ..tó8Cf81-0
3 B l8D'lB ~ 'l10CDO I 4 2 b'D8(l)
.:.{ q ,_2J 0:!}:) 1 ((2.SCCCó /q3SC(oo
L }O ,¡.:l~B5 ;{OC>~OOO .QCOScioo
G,,w~,
·~oroteü:>~
~){Xl"l 1 \,\t\lo
~º"~º"' &\ r\),oflÓ::,\\c,c;,
b"l(X
0e\
--eo\(,\
b q .'O o 1 4 66
s o.·1 ot o:.,t;
"\ \ 1 1 01063
~ ei,~ C?, 4 ~s
~
~'I .2. C:\1 ~\
\. 31l O 1S'O l
~6 1 3 .L 00
Sern. ·-Inc\\ ce E~\C\(\()(\ó,\
~o o l-:r~
e¡ o 01 l
'b ~,P
•t ~1~t
6 ~ 1 9,3
s o,~9
~ o '6\J
l
3 ~\O\.\
Q. ~, 14
L ) 1 .i~
Ejercicio 6: La compañía High-Volt Electric tiene dificultades para predecir las ventas
trimestrales para su línea de aire acondicionado para habitaciones, debido a la sustancial
estacionalidad de la venta del producto.
La información de ventas trimestrales para los últimos tres años se muestra a
continuación:
a) Determine la mejor tendencia de línea recta utilizando análisis de regresión

simple.
b) Determine los índices estacionales para cada trimestre utilizando los valores de
línea de tendencia en sus cálculos de índices estacionales.
c) Mediante la descomposición clásica de series de tiempo, pronostique las ventas
para los siguientes cuatro trimestes.
q
lü
q
n
Ejercicio 7: El gerente de materiales de Metropolitan Hospitals debe planear los

inventarios en tres ubicaciones de hospitales dentro de la región. Su plan es asignar
inventario a estas ubicaciones. Resulta necesario predecir las ventas para tener un base
para asignar el inventario. El gerente se pregunta si sería más preciso generar un
pronóstico para cada hospital o generar un pronóstico a partir de la infmmación agregada
y distribuirlo en forma proporcional a cada región (cuanto más preciso sea el pronóstico
para cada región, menores serán los inventarios).
Para validar la idea, el gerente armó la siguiente información de utilización mensual para
. 1ar durante e1 ano
una iennga particu - pasado:
Región 1 Región 2 Región 3 Combinado
Enero 236 421 319 976
Febrero 216 407 295 918
Marzo 197 394 305 896
Abril 247 389 287 923
Mayo 256 403 300 959
Junio 221 410 295 926
Julio 204 427 290 921
Agosto 200 386 285 871
Septiembre 185 375 280 840
Octubre 199 389 293 881
Noviembre 214 401 305 920
Diciembre 257 446 337 1,040
Total 2,632 4,848 3,591 11,071
Si el gerente utilizara el ajuste exponencial simple (sólo nivel) con a= 0.2, ¿cuál método
debería utilizar? ¿Por qué? [Tip: Encuentre el pronóstico inicial ( F0 ) promediando los
primeros cuatro valores en cada serie. Además, recuerde la ley de la varianza, donde S~=
Si1 +Si2 + Si3 Y compare los effores totales del pronóstico].
Libro de Ballou, pág. 320
Ejercicio 8: Un fabricante tejado de tuberías de concreto y de otros productos de

concretos prefabricados para autopistas, granjas y constrncción comercial deseaba
proyectar las ventas para mejorar las operaciones de planeación de la producción y la
logística. Se consideró que muchas variables afectaban las ventas, como: tiempo,
población inicios de urbanización, empleo en la constrncción, número de unidades
residenciales, proyecciones de presupuestos para autopistas, número de granjas,
permisos de construcción de estrncturas comerciales y número de empresas
competidoras en el estado. Un análisis de regresión múltiple mostró tres variables clave
para la proyección del año anterior.
a) ¿Cree usted que existe una relación de causa y efecto entre las variables y las
ventas de la compañía?
b) ¿Existen otras variables importantes que deberían considerarse y que no se
encontraban en la lista original?
Libro de Ballow (pág. 317)

Preguntas:
Varios de los problemas de este capítulo pueden resolverse, o al menos en forma
parcial, con la ayuda de software de computadora. El paquete de software más popular
en este capítulo es:
1.- ¿Por qué y hasta qué punto está el responsable de la logística interesado en el
pronóstico de la demanda? ¿Cómo cree usted que el interés podría ser diferente si el
responsable de la logística estuviera relacionado con
a.- Un fabricante de alimentos?
b.- Un productor de aviones?
c.- Una gran cadena de menudeo?
- d.- Un hospital?
A.L1-\ui::1v111Lv; SEPTIEMBRE 2018 - FEBRERO 2019
Pregunta · De ejemplos de:

Demanda espacial y demanda temporal
' )?fü\ \)<l(\ o:l\l(\(\ (:¡
Demanda irregular y demanda regular

Demanda derivada y demanda independiente

\ ~ (\ '\ \
(~1JQh7llnlJ~ uem1;qd\Cw1le '.
1
\
Pregunta 3: FORECAST (F) de LOGWARE. El icono de CD (F) aparecerá donde el software

FORE-CAST sea adecuado. Se ha preparado una base de datos para el caso de estudio de World
Oíl.
Contraste los modelos cualitativos, de proyección histórica y causales para los pronósticos.
¿Qué fortalezas identifica en cada tipo? ¿Como podría utilizar cada uno el responsable de la
logística? Clasifique los modelos de la tabla 8-1 en estos tres tipos básicos.
, 1
o2J)
i
!
í
.
1 1
Libro de Ballow, pág.321.
Estudio de Caso World Oil: World Oíl es un refinador y distribuidor mundial de

productos combustibles para automóviles, aviones, operaciones marinas, estaciones de
servicio e instalaciones de volumen corno puntos de distribución. Mantener más de 1000
puntos de distribución bien suministrados es un importante problema de operación para
compañía. Conservar los niveles de combustible adecuados en las estaciones de servicio
en su principal preocupación, ya que el combustible genera el mayor ingreso para la
empresa y tiene la mayor demanda de servicio al cliente (disponibilidad del producto).
Ser capaces de pronosticar tasas de utilización por producto en estas estaciones de servicio
es uno de los elementos clave de una buena operación de distribución. En particular, los
despachadores de los camiones tanque requieren un pronóstico preciso de la utilización
de combustible con objeto de programar entregas de combustible en las estaciones de
servicio para evitar carencias.
OPERACIÓN DE LAS ESTACIONES DE SERVICIO.
Las estaciones de servicio pueden manejar tres o cuatro diferentes categorías de
combustible, incluyendo gasolina de 87, 89 y 92 octanos y diésel, que se almacenan en
tanques subterráneos. Debido a las variaciones en las tasas de utilización entre las
estaciones y las capacidades limitadas de estos tanques, la frecuencia de reabastecimiento
puede ir desde dos o tres veces por día a sólo algunas veces por semana. Cada tanque se
dedica a un tipo de combustible. Los niveles de combustible se miden periódicamente
colocando una vara calibradora dentro de un tanque de almacenamiento, aunque algunas
estaciones más modernas cuentan con dispositivos de medición electrónicos en sus
tanques. Los camiones tanque por lo regular cuentan con cuatro compartimientos de
combustible, utilizados para reabastecimiento.
UNA SITUACIÓN DE PRONÓSTICO
Cada categoría de combustible de la estación de serv1c10 representa una situación
específica de pronóstico. Un ejemplo claro es una de las estaciones de menor volumen al
vender combustible de 87 octanos de los lunes para los últimos años para la estación de
bajo volumen. En la figura 1 se muestra una gráfica de esta serie de tiempo.
PREGUNRAS
1.- Desarrolle un procedimiento de pronóstico para esta estación de trabajo. ¿Por qué
seleccionó su método?
2.- ¿Cómo deberían manejarse en el pronóstico las promociones, festividades u otros
períodos donde las tasas de utilización del combustible se debían de los patrones
normales?
3.- Pronostique la utilización próximo lunes e indique la probable precisión del
pronóstico.
')
,l
lt
7 :-11.'
lJ
.11
''.1
Figura 1 Utili1aci611 cu1nbu!c>1ib!e on lw1es en w1 •.1 L'~ttlciún do lwjo vufunHH1 dutülllí.:

nproxímodan1entc lo~ últimor; do~ anos.
9'JU
o
n
ff>lJ
·n
(""j
"o
:~
<.') b60
'.'.',bü
4Sü
u
¡..
t'le:' O<) ~
., )i~o DJ:Jt~ R)'\~'1
Pr\<ln l:S ,d, \->-
LO
~/\"(\().~"<)- {, r'ºJ]!)Ml
~ - s ..P..r
Orn.\00~1
'()
.~ 3l.82.i ~{ .bl 6l+.1~
C~tu~l,_¿ ' 9'> .,- ';)
1
1S .t)G :L. 13 6't-. es<::i 6Gt>. :Lb
&0~\ ,3 ).0 J8 ·'\+ 11. :':i() t(IJ. t-1 6"15 ."'.\-'S'
~~~t::r .01 • !)_, .'-\ b'J .Q"\ ·-6.~6 11 ()_ '.'.\- 4
b.f
~ 6'~ .'-l/o :i~·~). :»3
.\
S\'('r'i)'ú.¡A 31-.1~
~~~-J2~ d~ )'-\ ~ ü j f-. t-l2> t ~~

h,,,~Jc ~ J·~~~Aº
('o:}('(\~~
~l aj~ l~ ~_J,;' ck jlo_, Jfli'.\}<JJn-i., c.:,"'~

.. ('1n od:,i ~~/JVlsYú ~ ~ vi~~,"~c~, ,
foo_\t\o fm<d~oO.Ll.-CN'-0.{D rvc.~ ;;_>QJL rrn~,~~.,__(_\_CV <'f<'-()...<l\..\..)._.:_·-Sls,.-&rv:l ~- ,
.,,),") ~~
, , \ ~ _. "~)\¡¡_. ._,, , . o ....,,._,,.\,,....
c~'--".:ISIA~~
o¿ ::> ,,
v_,
~:::, ~ •
.l
R .•
~~ -
O .J~
., ci J'
1.:
~
: : C.:) ._)'-\
<fb~--=j:L 'p'úJ~ Ckf'<\. ¿:} J'bi:..-..n.<ü.~C> cL u.rn.<J.. ~<i,0... d<t usf!J'"~ <Ll) ".\Sto
~i)'i_ ¿, r~c~ . 1=t. ;rV'l<~~Y\ d~ '~ ("\~ e,\ wYY\.\.i;i).\.~·,\J;Eo j 0)11~1',
CrF .~ R)\bE A CF
=- .4\.\_. 1+ . ~
y~,,
::> L\lt) t ~ 1,,c:i-:-)1.1
-;:_ ).4 Jq, 7.>6
,
ADMTNISTRACTON EN LA CADENA
DE SUMINISTRO
Estrategia, planeación y operación
Sunil Chopra
Peter Meindl
Libro de Chopra, pág. 214.
Ejercicio 1:
Considere la demanda mensual de ABC Corporation que se muestra en la tabla 7-3.
Pronostique la demanda mensual para el año 6 empleando el método estático. Evalué el
sesgo, TS, MAD, MAPE y MSE. Evalué la calidad del pronóstico .
flll .f \thJ J
,, ' :•.1
+1 ,, .·i,I I(• ·' !J;< 1
I;¡ l ¡ 1.:; ,,¡;11

,,, 1
!' 1 14 1
a\,.* 1 1: 1 li
tl lt ,.
•~,'
1 ll• <!I 1 '¡
!l
tlj :l 1 : 1 ll 1.ri¡ 1
11 1 1 ll• t (f 1 1;
¡ ., ,,r
1l l ¡ 1 ll• ftf 1
., 1 fl;
'll 1 ' J 1
r ! í .1 llt ¡¡ 1
'·' ¡.
1 !•;
; ''·' 111
So\uú Ón
Uen ~05 Año e:, ruº' AhsoluL SulV\t:i ~0)1<.¡
'1)Qmu11Av V\t l 'Pru1~ \o.Lo ( ¡: /) (Al- - rl) ~ 111.A A!b
Enero
Peh1Q1v
H un.o
Ab¡, 1
lt U>'¡)
':Svf\\o
·:Juho
/J. !.P~ \o
Ser t1afYlbu?
Oclv b•e
H0U1Qmb~e
l.J·10Qf\'\\>1e
T.5
Libro Chopra: pág. 213:
Ejercicio 2: Las ventas semanales de Hot Pizza son las siguientes:
Semana Demanda($) Semana Demanda($) Semana Demanda($)

1 108 5 96 9 112
2 116 6 119 10 102
3 118 7 96 11 92
4 124 8 102 12 91
Estime la demanda para las cuatro siguientes semanas empleando el promedio móvil de
cuatro semanas como también el suavizamiento exponencial simple con a=0.1. Evalúe
MAD, MAPE, MSE, sesgo y TS en cada caso. ¿Cuál de los dos métodos prefiere? ¿Por
qué?
Al
At
Ejercicio 3: Las ventas trimestrales de las flores con un mayorista son las siguientes:
Vc111us Vc11tus
Trimestre ('(){){) $) Año TrimL'slre f'OOO S)
98 3 138
II 106 11 130
JIJ 109 JU 147
IV 133 lV 141
130 4 l 144
JI 11 (¡ u 1112
m t:B Ill 165
IV 116 IV 1n
Pronostique las ventas tiimestrales para el año 5 utilizando el suavizamiento exponencial

simple con oc= 0.1, así como con el modelo de Holt con oc= 0.1 y f3 = 0.1. ¿Cuál de los
dos métodos prefiere? ¿Por qué?
Libro de Chopra, pág. 213

Ejercicio 4:
Considere la demanda mensual de ABC Corporation que se muestra en la tabla 7-3.
Pronostique la demanda mensual para el año 6 empleando el promedio móvil, el
suavizamiento exponencial simple, el modelo de Holt y el modelo de Winter. En cada
caso, evalué el sesgo, TS, MAD, MAPE y MSE. ¿Qué método de pronóstico prefiere?
¿Por qué?
lTABLA7·3
¡ : ·.. .
:bémanda.. mensÚal 'de.ABO
''',' . .
','•
·CÓrporatiori
. ' ' ' ''
A.1101 2 .4iio 3 Afio 4 AñoS
Enero 2,000 3,000 2,000 5,000 5,000
Febrero 3,000 4,000 S,000 4,()00 2,00{)
l\farzo 3,000 3,000 5,000 4.000 3,000
Abril 3,000 5,000 3.000 2,000 2,000
Mayo 4,000 5,000 4,000 5,000 7,00()
Junio 6,000 8,000 6,000 7,000 6,0(K)
Julio 7,000 3,000 7.000 10,000 8,0U()
Agoslo 6,000 8,000 10,000 14,000 10,ono
&ptiembn: 10,000 12,000 15,000 16,000 20,000
Octubrn 12,000 12,000 15,000 16,00fl 2ó,OOO
Noviembre 14,000 16,000 18,000 20,000 ?.2,(l(l{J
Dici1.1mbrc 8,000 J0,000 8,UOO 12,000 8,000
Total 78,000 89,000 98,000 115,000 IU,000
\)~(\).\) '/u• - ~Á. L"tt .i) :''"

~ }\jl)O :)
1
iOO HS~o ü-00
Te.P.suuo 'bbeo ?> l>oo 1~%0 000
~::t,q¡,o
~
bbOO (>{,oc ººº
5coo J'S-;)3 1) ·• SMi .; b M 'i L\ Dei .'\
~ 5000 0\-\•oo .l 60::.0 ~6bo
+ 41-0"1~.'l
ooo
Jw.:ta f:,t,oo
o 8 "'' ~ b a.H?.-:>;>,
c}.)}~o lo~o <-t e.G(:.ü (, ,;:¡__~ !,(> ~·~ l.\ "'<>•jo 'ib ~ . 'i
¡(1,8~;\:, ~Hoo b:2.lQo -;) \J,OC> JI 5b0 üoo
~e,-m\.wi. )4 600 i-+'l:io,3 1'.:.ei (,(, ..,:+. '-n. "-151 '5íot . ''
Dáu,'oJÚL l'fi ()CQ .IOl\Go 4t,oo ,S¿) 1bo Cf.:.;C:,
e).) o.;...~~ .!€i ooo .1~ ()(:,(, ~:+- l{q]¡i) ,)3 !¿'\ 3~:¡.... l.J'if:\~)
ª~~ 'i:lPo Jf¡ 6(,(,,, t - 6(,(:>6.. ;+ ti'-1 L\'14 eiee~
(n~ -\1
\.J~-' -'f, J
-1~1h 'A 10 1º
l/.(, 1- ).. Jo'º
(l. C.l- 'A \'D lo
-~ i'ilA ltf)~. hl
lJ. c~)b), ID"'

.9-.,ol1 'Xla'º
't.+~ ~ 10'()
'.).\'Ja~ )( 10"'
;,,u'J 'J..1011
1
'l. t-3 1- \0 "'
.l .. ~ "$) 1\
'ib ~ 10
11
·-::i.
"7l J ·i:-l- l .i..ol,{ ~l-1 . l=t.~
o(..:i.o,9
t ,, C1ft.C> 'b\\t:r.;, j\.\OC>
~~ '",.)l,oo '/f\\JQ
)\~ 'Xt10 -;')"~)e,4~ t . ~?i<\Jl,_,~t

~:\:IN.' ~ Z>f,'\8.e t . )106 ¡ 6~ s;;, '?:i
')-\~ '5-~ aQ%}1
'J~w bb<::{) 1.1600.)
"3""-\'Zi:::, ?cc:,o <il.t~'5 "'\-
"
(<l, '?P·Ji,:, %~ 6'i 6'1 ¡ a
~~QJ~~ J4 (.,oo ci..~:ltl. 1i '·.'
O·"~ 15 tfJJ 11...\.;J.:OO ~

~cu:~~~ )fx:ioo .14 ~b8... +·'
$~\wi. q:Jj)O .htb'::i .,; 1
'1~ º i=t., +o(_ (R1., - Ti .•)
fr, p (H -·Tt-~ )"\- Ü-P )Tr-1
ou:: o.)e
Onw:J 3·c100 )qO<J o {?>" eiJI
-¡:;~ ~".>(,<:!')
3'Zii:>;-t 1(,,5'-l :'¡'~()()
¿,(,o,:) ;)'Jfü) q
-~l!f" ti5% )s .U$)~
fl.b.,,:~ 3co.o ';)lc:k., 4 "ji.,() ~(,(l~ ,"-\ H6 f, 4.z., o-eiq 1:z.(. /l

(>l<üg:> tJOGO Lj(.l(;.J- JJ.k, 1-1 .J01-3 ,l:.. H/\ E" ~ Q.i~ ./?Mi
Ó'""'~" 'i2.16}\ 41-'13, .l.,
bb()O RBl}t
~ x~ 1-000 31./..,ol k,(56b) 1i
1.)"" o Htl'l,5
~J\, 'Hio':::i 'INl,·I <S~ts W~,€

"".>f('\}.jll¿ )L¡(¡oo 131-SL, 1 ~12., e, '1b%, b
o~. J'é>()QO /'i'l'll,O (\'\()) {, )\.\(,(, L\_, "\
0Jou1 .,,<V\\w,. Jeml$ {t<,33,+ JllS.,1. 1~8()~,G
Üi-<\<LNll\~ 'i::l.Po Joei-s1. 'I '31r,q H.n·l\'\"L1
~ ;,iioc. ~;~
fu= l~co J, 1
~ 'J6co J, ~ :: ·~ ~:)'.) u:;
A~~\. 3eico ~.I \te.o o o9 )11\E ~ .l.-t :¡.2. ;u
·'
~ ~~ a
',j()CO
i '\~';),;~ J1U
JUM'io (;.()oo (, lt+, -¡;· J..1,,3}1 A, l
º.J..M() ·:i-ooo (,bc:,t1;t. .l.rt).\ J' ~
Jl~ ~¡,,ºº ll:'.>11'\ t '1b?,,2 o,'1
~~l\.bvi. Jc.i <.ce lL\J.\?:J../\ ~ 6'i,~ A' <O
o~ .As- eco JIV.1.ob,~ ~'l l-J \~ el)
dJoU:XV'M.k /8000 lt,c:¡~ .) '5 Jc;,4 'S ,,\ -- J
)
ci~o /'
Ül<l. l?J'M_L:wi. .to ~11.i .:. 4 -~10)~ ()
PERfODO ACADÉMICO: SEPTIEMBRE 2018 - FEBRERO 2019
Estudio de Caso:
SPE<'IAl_'."l'Y P'A('KA<ilN(i (~()H_J>()l<A'l'l()N,

PARrI'E A
J11Jj,_~ \\'iHlí1n1>.. 1i:nfa rnurhn t'H qu..: rl·n'.<tr ('1.mnd.:i ~<,dk, dv b bkt»»l p1 Pltt;~lii H n1}ah11 ;:¡1J·~ \' }:) infof 1Hí101)ti
·<tLt .J..' i~1nt.1" tli: Sj'~Tiaftv PiKl~aµin!! t'nrpu1.~1ton {SP< t l.Htl.c» ~~e >i.Pf.' cnlHP Ut. jp.; oi.'}Íi.,t!k;;. lH·dt' p;;:'íJ11H-.ti\.u M...'f\ in11
>'11 .1•1.:ri·n1t· dt,i dí\ j-.h'w k: ÍJ:1hi~1 in~o1 nu1dn qul.' si:tiH n1tHI) lt;~~-·.: p:uu UH'iPLH ¡J.,_, ia, \:Htllf•:dlÍH! ):1
.t llll 1_'L!ui¡io lJLh~' f~:.ittha h1HndJn pni t:l \ J,.: quu ln1 µi...'t1..•nks pndi ían utiH1:·.do p~Hd i:tLHtl',Jr l.1 pt1.1Ju •.:-·
m.t1kl'lltl)' ,1.; ~I'( \' m1.:111hrm dd per·,¡¡n;il <k Sil' prmdpa· i; ¡..._111, f_.,1c,,: pr1•!~d!1ltetP·, J11;_'¡1n,tdth pc-.:nY'tillt~dn Sl~ llh'lºI~H
dL~ntv>.. La rnl,.'l.;1 ·d ..' t'"'k t'·tf,\Hf'~' t'Li !T:t'ior;n-- el 1kscmp~' '-11 .;k'<i..:1np._.'Úil l'Jlff';,,'r~:L
i111 ,d.._" Ll t~1J.kn.11.k \J:Ht::;rúsirt\ ~·,J ,.Jlk~ SP\' h~1bf.1 ,idu ~n1..«1p;:,:
di.; ~.al!sLh .,~t L1 ... L.::n¡.111d,,~ n1,ti;4;fll .:h.·-. t lYa 1~·u }o':\ nil~J:-~ SPC
h:riutc .... J·;;to L'on ~r.:cucnn;i di·Jab.~ ol ~~"" d1L·n1t:i.. ~'H di-"·
i;;nnl·,'n, ~.r.•tn¡n.tn d>.'' 1;ntnrHr t~1"" ilt'fll,t1HLt~ ~k· j,:.,,, niievü,., l•k i,,/rf't'kl:·~hk1.; r-tr.~ l:i \ntiH'\111.i ;-dmh'nli\'Í . L 1J
dtcHk"'- ~l'·n·,;.1roen1.:11tll•h~ll\ 1,,'pí\ 'º"' dln1t...··.,,,, \J,,: SP< y
1
...,. n1rnpr.1 t'(Hno rnab:ría pt'H1Jil i''ll la lonni~ -de p1'fu~íll11•; -lL.'
!>-i: f1rq~un1uh.1 ~·útnH ;1: 1 h.'!~·H h \';1h<.;r a 1».,.h: p1c,t.'"'1• Su p·,·,:·nt~ tt""'in:t. J th'~:n tkv~,HC'-'' 1,.k In"' cool,,.:n\'.d1:ni:,;~ ~k f . .'thN,\HHl
tk 11;th1t1n d1,iP qu,.,· h JHlff¡..·1·11 LH1.:.t di'f l·-,¡1df'1~ l·t;i " ... ta o 1,·;i~(¡~fHk--; 11·m11iqth: ... dth d» ;¡frqa~'t:lH1tdt·1HP,·p:o ;f lit"" ;id
Paso l Pa<;o 1.
FIGURA 7-9
Procesos de
fsbrlcacl.ón
y oscuros
n.·mm1dtt rle ¡1/íutha duro
(O(J{J
ll l.
11 !A!2
IV
1 ;.·~11
11 !,H:t
11 ' 1'>'J
!\' l,:1q
1 -t ,?-{!
11
m l1.fr.lt1
J\'
1 'A'll
11 ,1,
ll
1\
1
11 j(,,_',IJf
11 s..::J!'t
!\' ,'.\_;¡t.
FIGURA 7-10 de la O€mtmda trimestral de

n!;cm1trr;1n lrar1spamn!€J~l y P1:!t:1.1ros
<¡
1li,Orn1 11
j\
1\
1 1
1 1
1 \
1 \
l:IJl\lO 1 1
1 \
1 1
-:;J HU1'l0 1 1
1 l
,:::! 1 \
1 \
·;:¡ X,001J f \
::i 1 1
1
l
\\
·l.O\lO
b
lkn1:11ui.itk
pl;¡,li,«.1 dai'11
0'--"'"--'---'~'---'----'-~~-'-....__~__,~"'--'---'----''--~~__..~,__,
201L1
1\IÍtl
kh1 k . u to . . 1.:u\'a,,,t·,.;, tk t.:nü;ida cu pfn~\.·~o lh: d11s p;1~ .. r-.. ·dn, h 11!.111(,1 l'.'>'. f1.n1,1,d,1 :t aln1:~t'i'IJ'.}f i1p.nlt:11in di· ..,,uf;; f1.pt1
Pfi~n,.:,1(1. Lt h..''>h'.a u.,u, ... ~\o~ta ;.~un 1'\lltJ:-.1t1, ~·I ~:u~d Lt

"Í\.. ~k hnJa \·un ,ottki~1,u ion a Lt 'kH1a1hJ~. ;uti,11
J J Lthh1 1 j
l''Hl\.H'Jh.' .,:·n tltH hnjü 1k pnf¡t·~ti1l.c·nnq1h' ~.1· t:111n!b:;. J·t pfi; ... b1 ltt!Utd :: to m111:,,.,or.n L.i ,kH"ldtHid hiuh "bit! hi-.1t'11h 1 d11.·
lÍtn i..·i1.'1h dt~"> fur111;1"-. d,,;o \ H."\.'1HP, I o..., 1qJh\.., -..L' u~.Ht (-Hb l,H:o tft._• fn'< ~·g¡\,l'·;,. \ l'.t'ft!IP'. r i•\l'Ufn•,j, J;l 1~qllÍf;11 J¡,f fllH
in\ d1~t.n,, d" SP< ~-d 1nut;n 1·u fH.._'ft~;\ f:t.,,
1
ii11w.,dí;1H1mr1\lc ~1,u .1 !~d~rirar k··, t B\'¡p.i, o étbn,1u.. n:H~ dilú·ndo de t.r..
'S1..·~t.1ndo. }o-.... i~iJhh '.."µ,,: c~ug.w en b.,, pL.·n:h1-; lctrnof(fJJtJ;iJu, 1;~.:11fd, p~..'rdid?h p;~l,{ ohk11i:r b di..'JH;Hid,1 t:1.,.·gb1Jt· t 1J ~in b
Li·.... L1~ LUuk" dun .1 L1 hnj:J k<l tun;t;J J,;.: ::V'!é"·· lo~~ f..:'l.ldh::l p:u ticip~:t:t1_lo tk l'hi.'Hk~~ ~:u v"k \.'»-1uip•\ SP't fllhlt.:;1 \.'.(tlJ"-}·
i.:utl:ui v ~1.:pm.H1 Ji: la lhtja. 1 Jus JL.t'i1.1~ d,,,: ía!t1k:td1"-n .._:¡¿n,1 L''-.L; iuti:111n::t.:ión. pt.it.:"b' que- ~,1 ~·p1np,uhiJ rtu h:1t."1.'
nllh.-\lrdll \.'n b h,11,ttr;1 1-'i, ·~.cr 1 uimientP d·>.: loii pt'd1d<r~ Pl'fthdo,,.,
1 n in<.. ú~iim.1~s. 'l.'Ínco i..:I ni,,·1~01.:io t!od cO\'""•J.lo í,. n
pti,tko fLI ... n:rtlftl ilc Y~í.ttL:t.l :">.O"'it~·n:da, i ,:1 t.h:Hl.Hid.1 \.k· i:n~ PRONÓSTICO
Ll'.o!L''i d~: u t:L1H~ \'tCik' dt: Í.r'- hcn~b~ fl1hh1ri'-J,h, p:t\Ü'· ( ~1r11~\ pl'int..:r p:t"l1• l'll b toai.~ d~ d,._'d-..;•1ni:,., t.'i.fUtptJ~i:.,1c
ii.:rúi\: ~ ri. "lLtUl'.Jllk" l A"i t1 ..:mL1\ di.• u~1ni1f11 y \Uf'i"I mror1..HJn.,. qui.,,h~ pr•.lno\a1: . .,;n J,t d ..·ntdll•.h fJ imr-•,h.il d,,, cnt1 unn -t.k 111.L,
l.'ntph·.tn !,1:-. t"1.tnivnrd1.1F; 'i ¡•...,(Ufl•h \{ll)h~ h.m,h..~.r·. p;ira ''m~ dn-; tipui.; th," .:dlll"'Yh'tk•f{'-'.-J p:n.i h~"' ;11),~,, .'.c~r/ ,\ ::t::M:A.J, <'o:·i
rq~·,lf y \.,,/r\.!1. 1 :t .J.,-:ni.tnda ti~: }'l"j'I,:,;¡•<'~ ib:· ri:;'r.li(o tf;'Jf¡'<.r,1 h;;'-.\.'. en ti-;., h:1HL.:nn.r~ hí~h~q.,,,,i~;, <...e 'l·">pt-r:i 1p1.;,_· b d,.. 1n.1nd;1
h"Hl,1,.: ;.,i• ltlr~r,'Uh'il!L~ ~·ü in\ dd \'•·l,lfiP, OlÍ 1~'PH;t~; !1lll" 1J \.'·;HPiHüi.· t,.'fl'!(j;,. Hl.t~J h;~:--,L! ~Oíl'} 1h:·,¡1~1~:;.. dd 1,:11:~1 ;.,..- ~-,,,,p~·1;~
d1:111•.1fld,t di.: l H\ .,,, d.~, ¡:U~tk·n n1:i:u10 "\l' tm·tt,'Uh nt;¡. dt ( J ~p1; •·"t.1hílk,', J111i.·· ~l•hl' sd~·tTÍPJ1;1f el nh'l~hllf ""'"'" '"'
q111f!1t, l •.:,dp:1~·jd,ut dr h1·:;, ~:\Hli!in1._1,, JH'I ">tifi,:i(nt\:· ptHa df'. fH.\lOt~Stil·<1 y ;'-..JillLtl
~·uhd1L11ti'n).l!Hia tJur:rnh: f;¡, 1.. '~LH ÍHlh'~ ptr,}. ( 'own"' ¡,CYn; fYh;tddd d1·b-,' ~- ... ~·ur .. ~ .'
'f;"1;}npc.' e.le Q¡
'Pe.-fo(:do
{Zs.fc1d/.d-;-c1.1 c:k /l<'¡1e.Jlc,]

t/v !~·ple R.
n ()Jad,u r!o
A; oJi:,id!!) fZ
t) fo~ clt;~ E tr0· 1
'2b 9. í!\ütbS
Dbse,11c1i;.ro{1 /6
df
lley1eJfof>
no u.lw4 I
·-JO:/t.t!
P- tJa/.,' In/e.lo, 9~"Í )~e,iD< 9{).

lnh'c e(J ·Íc.d ·1312/F3
·1,«!rn¡Jo Je
¡Jeri'o 'elo
Q1
Q~
Gl:>
ÜerMí\clc, de
·11C:>\c.'tC Ohíw1e
fa/-,J1JÁ«:ci.r ele lley1cJ/o/J

;lvlh'¡Jlc· f2
(l woJ,ciclo
J:j'vs)¿¡'}o (( CvciJic,~
t:110• C>.Íunclar
ob.S"e, vac1Ó/Jc'J
df SS
fle3 ( e;,~on
n~~rdvo
Oemo ndo. de 1 'Deml'..lfl&l de ·~en'lf o di! QJ Q2.

P.lci.1ki:.-o ()b3ct)O fldjfiw da10 qeáoóc
7'empo ch,
fi?,rdcJo
'EJf<.;<,l/J/v cGtJ el• )1cy•t'I tv ;J

tiv iJ.~ I e' ¡¡---~------- ------
/l wúd~e¿tJo
l:v'wkth 12
Et(OI 5J¡;¡y¡J6 i
ObJc::>, <-t:~do1¡e.J
4NDV/)
Libro de Chopra Pág. 213
Pegunta 1. ¿Qué papel desempeña el pronóstico en la cadena de suministro de un

fabricante que produce bajo pedido como Dell?
¡
¡
' 1
])cll/ 1
-----1 -
kh7J>~J!:-). '~ f~ª:

1
't
1
);, '°¿.,.,f t i Y¡ 1::t t" .f'v.>¡ ip llct1;ef

1 '
1
-- '¡
.. Pn~t
1
'c/r
1

Ejercicio 2 ¿Cómo podría Dell emplear el pronóstico colaborativo con sus proveedores
para mejorar la cadena de suministros?
PERÍ000 ACADÉMICO: MARZO - AGOSTO 2018
Libro Chopra, pag 213
Pregunta 3: ¿Qué papel desempeña el pronóstico en la cadena de suministro de una

compañía de ventas por correo como L.L. Bean?
Libro Chopra: pág. 213

Pregunta 4: ¿Qué componentes sistemático y aleatorio esperaría en la demanda de
chocolates?
¡I
Se espoorw crno
. le. /( b'. o vrnck
!Jif- 6fnt1 k di:mcmc/o real º' ~ J<fe
emprcsc, yu • (!fl(f:t
ol prorJutln, k com(Jrme nks s1Jfcmdlctb t>/c, e,/ mismP (li11c/ I k acJvc./

dnnundo dese sJcnwmdi todo ¡ /cnd~nc;c, I
Je, lt1Séi de crrcim~Mh u /o
J'1sm1t1Ucwr;
'/ de lo Jemnndo (>(
(,
f'tlodo }o t"J lu.cl0(/(1 liicd
~
(lC11lJ ffOX1(T1i.>
luJ f/vcÍu¡,tclxmC) cJ lnávnole, f f( Jeci b)t> d< lo. dernunda.

1
fo Jemllndo. de: chocv/DJeJ CJ ro6(J{:);mr11fc rnu9 f)u().011ci Ull» c'J(lt r(J '(/ o
_qtt k1 dor1C! r1 de1 Je flCo parC! clr1!m d:c1s JA.h'uO;; cOfflo 5011 Uvlc~rl»f)
/lollow liffl ~ Jfou1 Jod JWTI 1w uc11lu1 mw 0/1,_if.

Libro de Chopra, pág 213

Pregunta 5: ¿Por qué debe mostrarse suspicaz un gerente cuando alguien afirma que
puede pronosticar la demanda histórica sin en-or alguno de pronóstico?
Libro de CHOPRA pág. 213

Pregunta 6:
6. De ejemplos de productos que muestran estacionalidad en la demanda

7. ¿Cuál es el problema de que el gerente emplee los datos de las ventas del año anterim, en lugar
de la demanda del año anterior, para pronosticar la demanda para el año siguiente?
Libro Administración de la cadena de suministro CHOPRA, pág. 213.
Pregunta 8
¿En que difieren los métodos de pronóstico estático y adaptativo?
f/ ay¿fu:,;{o edóttco ~ <:;¡lil ch ocue~do ca cl~bs f11sfórl°cos

bs
m 1J von"odon 211 el nivel , tGnÓ20c\o rit C?:>faci'OOCtltd::du
E/ rr:elc.Jo C:':J~PffD e?/ cQrip:xLYJ;~~b ck b cbllrrxKt< m fU11C(Jn del
h:sbtco , ~'º 'f<::bli°ro'í esb e'~J?rr-c<ci°on ~ ~·~e d2scEnk°'1·{C(
b ~1~~. c:>~c::·utf 'f~(8:)10f'í2:) /1°1"C-úk, rcro C~'::A-trn:r ~t ni°velJ fG,_
cbx:,o O 'sbciom /:el-et'
t11eol<0:, c¡ve -hb .oifLkva "'/ n.\e/, b ~Bd.iic.G ':l
e/
6 C<;:,bc1orcltdd ~ ven od<-¡G 1°/ú'Klo de~:>s et? cccb ob:c5(- -
VX1°01 de.? lo derncncb r?í lo ccc/ f,<:?<J2 coro VQ(rlr:j::< (fu2 los
cblCX> obs::_~~ ~ \.Cn iúlCCTpa'o1cb o bs edi°1'YL!cimes.
f0 e) l"fí2fcdo 0J:p~J,'vo cacb V2t qt.€ [[GfBICkl'Ya ce lrufcx-.
U'O ckO''cr-eb 0uevo ~ {;m:.n en cuei b le cbm:i')Ct1 cnl~ov
h"Ó'.':J el 'fl(,(_JVO p-c:XlÓS ftco ..
Pregunta 9: ¿Qué información proporciona la MAD y el MAPE al gerente? ¿Cómo

puede el gerente emplear esta información?
(\
h/\D" ~ t,-:-f I fl{ - Fl I

n.
(

Pregunta 10:
¿Qué información proporciona el sesgo y la TS al gerente? ¿Cómo puede el gerente
utilizar esta información?
,
ADMINISTRACION DE
PRODUCCIONES
Producción y cadenas de suministros
Richard B. Chase
F. Robert Jacons
Nicho/as J. Aquilano
PERÍODO ACADÉMICO: SEPTIEMBRE 2018 ~FEBRERO 2019
LIBRO CHASE 13 EDICIÓN: PAG 517
CASO: AL TAVOX ELECTRONICS
Altavox es fabricante y distribuidor de diversos En la tabla siguiente se muestra la demanda del

instrnmentos y aparatos electrónicos, como producto en las últimas 13 serrnmas.
nrnltimetros digitales mrnlógicos, generadores ele Estos datos se encuentran en una hoja de cálculo de
ftmción, osciloscopios, contadores de frecuencia y Excel, A/tavox Data. La demm1da de las regiones
otras máquinas para prnebas y mediciones. Altavox varía entre m1 máximo de 40 unidades en promedio
vende una linea de medidores de prneba populares semanal en Atianta y 48 unidades en Dallas. Los
entre los electrícistas profesimrnles. datos de este trimestre están muy cerca de la dernmida
El modelo VC202 se vende por conducto de seis del trimestre pasado.
distribuidoras a tiendas rninoristas de Estados Unidos. La gerencia quisiera que usted expelimentara con
Las distribuidora<: están en Atlmüa, Boston, Chicago, algunos modelos de pronóstico para determinm· cuál
Dallas y Los Ángeles, y se escogieron para atender debe lL~arse en un nuevo sistema que va a
regiones diversas del p;ús. establecerse. El nuevo sistema está progrmnado pm·a
El modelo VC202 se ha vendido bien durante afíos lL~ar llllO de dos modelos: promedio móvil simple o
por su confiabilidad y sólida constrncción. Altavox suavización expm1encial.
no lo cmlh'idera un producto estacional, pero hay
alguna vm·iabilidad en la demanda
5effli)!1¡t z '~· 6 7 8 9
---
w 11 12 B Promedio
:\lid1il.\
-,·,
-,- -15 .~7 "~f~ ~~5 Jil ¡•·
·' :i :~ . r.: ~17 .:;3 '=~
-.fo .fll
B11\l1.w¡ 26 -~~' ..¡¡ ~il 4« ~~~) SS Pl {¡~ ..!.j_ :n .~) 50 .,f.'~
t...:hi . .-:1.~1·i ~--+ -'-1 22 ~' -!~

'/ j , -,
,1-..:_
,,,
_,_:,) 17 \J) .·.\5 -15 _¡;7 -1;
27 ·:::;; -W 51 7U h~ ~5 4_; J~ -fl '"
U11l1:1«
"
-<~ l\4 -+-' -->"
Lu-. )_'¡
~l3 :1...¡. -W _f,{¡ 7l 1\\ J ;1 --+5 .-.:~~ -f:S )('i ~.(f ~{·
",')·";
T.-•t:il Jü~ JlJ9 IS9 ~ 1:\ 2-Ui ]~X 24~ 20-I ::!. ~{{j ~57 17-+ ~-f~, ~~l.J
1. Piense en usm llll modelo de promedio móvil 2. A continuación piense en usar un modelo de
simple. suavización expmiencial simple. En su m1álisis,
Expe1imente con modelos que aplican datos de cinco prnebe dos valores alfa, .2 y .4. Use los mismos
y tres semarrns miteriores. A continuación se clm1 críteiios que en la pregunta 1 para evaluar- el modelo.
datos previos ele cada región (la semana -1 es la Suponga que el pronóstico :inicial anteiior pm-a el
previa a la semana 1 ele la tabla, la -2 es dos semanas modelo con un valor alfa de .2 es el promedio de las
antes de la semana 1, etc.). Evalúe los pronósticos últimas tres semanas. Para el modelo que usa un alfa
que se hablian hecho en las 13 últimas semarrns de .4, suponga que el pronóstico ariterior es el
tomando como criterios la desviación absoluta media prmnedio de las cinco semmrns anteriores.
y la sefíal de seguimiento. 3. Altavox estudia una nueva opción para disilibuir el
modelo VC202 en la que, en lugar· de cinco
S<lm~M -5 -4 -~ -J. -- l
proveedores, haya solo mio.
,\1!.11na -+5
-,¡,
,ltf _\!) .(is '-¡
.~' . Evalúe esta opción mrnlizando la exactitud de un
í-51 "~il \ il1 6~~ I"" _l':· -t(~ :{5 pronóstico basado en la demanda agregada en todas
"'
(:!2 l l
J)
-' -t~ -+S las regiones. Use el modelo que crea mejor a partir de
sus análisis de las preg1mlas 1 y 2. ¿Cuáles son las
l.Mb J'} -10 (i-f. J'
-·'
{_U'\ /·~n.!;L'J(>,
,, q ventajas y desventajas de la demm1da agregada desde
~· "$ 411 -fh :15
To!;ll 25-+ l ·) i ,;_¡__¡ J.~ _: !9-'i
el punto ele vista del prm1óstico? ¿Hay otras cosas q11e
deben considerar-se cum1do se pasa ele vm.ios
distribuidores a uno solo?
1)
UNIVERSIDAD TÉCNICA AM
PERÍODO AO:\DÉMICO: SEPTIEMBRE 2018 - FEBRERO 2019
Jil.
a~
9\t0.1*e-Q. \ \') t-1'00.il· \,, ~\lWU1 '!e€ .:5 6CJY\l\I\..\ /\)
:; Q¡. ) \1: r
31 t
6 (l ó
o
(>
S1
~ ~()¡':\ ~\l~ \o l-t1a \l \ (,, ?\ i'\ ?U5
J
Libro Chase 13 edición: pág. 525.

Caso: Altavox Electronics
3.- Altavox estudia una nueva opción para distribuir el modelo VC202 en la que, en
lugar de cinco proveedores, haya solo uno. Evalué esta opción analizando la exactitud
de un pronóstico basado en la demanda agregada en todas las regiones. Use el modelo
que crea mejor a partir de sus análisis de las preguntas 1 y 2. ¿Cuáles son las ventajas y
desventajas de la demanda agregada desde el punto de vista del pronóstico? ¿Hay otras
cosas que deben considerarse cuando se pasa de varios distribuidores a uno solo?
1?1\J)')l'QrLj~
nt~i\~/\tJ
·
r~ ~l
_L?
1
1
5'.:) l¡ () 1/D 3~
Bo\t:n\ )JLj ''.JD LIS 5o t12 ~9-

1
i}R 1
l¡r.J 1q
( \
·~-J(~fü~'Y- ..
:Js ?>5 )Jl L(i
T)c1~t0A L/j )%
1
) 1·~1 t\ 9_ L(1 LJ'i,
~,1J ~/)\8~9~ . 3C6 l¡(~ r; 6 (:; l) L¡ b ~-) l
(r. 0t0
~
- -- - -~---~-
9S1
·-·~--·--
;J ·~1.1 11 l¡Cb 32 (~) 99-'!>

FACUL TAO DE INGENIERÍA EN SISTEMAS, ELECTRÓNICA E INDUSTRIAL
Lj ::; 1 2,, 1 'P(l1s

30 ?Jo 5q) ') 1 L/'.L
~o L/% L/O 3S L//
:z11 1% LIJ\ ~q) .50
~]S L¡() bL¡ l\) L¡S
L¡O YI >1 l0 '),..
'.)..) L\LJ
r·¡) ) 911 11 )S'l .!~(b
---~··· ----·-~~-
- --- ----~---- -~- -
Libro de Chase , pág. 51 7.
Pregunta 1: Examine la ilustración 15.3 y señale qué modelo usaría para:
a) La demanda de trajes de baño, b) la demanda de casas nuevas, c) consumo de

electricidad y d) planes de expansión de nuevas plantas.
ILUSTRACIÓN 15.3 Guía para seleccionar un método de pronóstico <lpropiado.
Regresión lineal De 10 a 20 observaciones para la Estacionarios. tendencias y Corto a mediano

temporalidad, al menos einrn temporalidad
observaciones
Promedio móvil simple 6 a 12 meses: a menudo se utilizan Los datos deben ser estacionarios (es Corto
e datos semanales deeir, sin tendencia ni temporalidad)
Promedio móvil ponderado Para empezar se necesitan de 5 a Los datos deben ser estacionarios Corto
y suavización cxponcneial 1O observaciones
simple
Suavización exponencial con Para empezar se necesitan de 5 a Estaeionarios y tendencias Corto
tendencia 1O observaciones
Chase: pág. 517 (preguntas)
Pregunta 2: En qué se fundamenta el método de mínimos cuadrados del análisis de

regresión lineal?
Libro de Chaise, pág. 517.
Pregunta 3:
Explique el procedimiento para crear un pronóstico mediante el método de
descomposición de la regresión por mínimos cuadrados.
a.,
.t.
6.
Libro de Chase, pag 517

Ejercicio 4 Mencione algunas reglas simples para manejar la demanda del producto de una
empresa (un ejemplo es "limitarse al inventario disponible").
Libro Administración de operaciones CHASE, pág. 517.
Pregunta 5
¿Qué estrategias aplican los supermercados, líneas aéreas, hospitales, bancos y
fabricantes de cereal para influir en la demanda?
=> Lo':::> ktx(ccol~ cb ce~.:c / ahc.ccGf\ 0fl ¡ncc&'nl,_'f? exi'KA ch> p-a:lxclo
<jícf 1::, :; of'{c:t:E>n u:rrp::&$ fe«tff'Cú':l Q ~fC-t:GS dQ C(?K-CI.
Libro de Chase, pág. 517.

6. Todos los métodos de pronóstico que usan suavización exponencial, suavización adaptativa y
suavización exponencial con tendencia requieren valores iniciales para que funcionen las
ecuaciones. ¿Cómo escogetia el valor inicial para, digamos, Ft- I?
Libro de administración de operaciones CHASE 13 edición pág. 517

Ejercicio 7: De la elección entre un promedio móvil simple, promedio móvil ponderado,
suavización exponencial y análisis de ·regresión lineal, ¿Qué técnica de pronosticar le
parecería más precisa? ¿Por qué?
Libro de Chase, pág. 517

Pregunta 8: Dé ejemplos que tengan una relación multiplicadora de la relación de
tendencia estacional.
PERfODO ACADÉMICO~ SEPTIEMBRE 2018 - FEBRERO 2019
Pregunta 9: ¿Cuál es la principal desventaja del pronóstico diario mediante análisis de

regresión?
Libro de Chase Pág. 517
Pregunta 10. ¿Cuáles son los principales problemas de la suavización exponencial

adaptativa para realizar pronósticos?
i ~ ~ !
~l;Ji{vi' t-e1J, 10;,, 2'~vn~nc.'t:t/ fi'~J?e ¿_,_ l de..rv6~

1
'j_t:t_ e,· 1 l-i:t\U'tf

1
1
r
! ' : ! 1 1 :
~;· I CQ>Jnb; Dj ér'f

\ " \
1
:
/¿-¡ , d{>.Jnqy1/d
1
i/ , p-rdnusf/'ro
: • 1 :
o v;? c4cYC'm<"'nr~/ p~-ro

1 !: ¡ ¡
1 '
cvaric/o
i
1
J
/
'
d >re,1c·ct'd;; ~ R/ ~~ .lnu lm.0-
1
i 1 ¡ ; i ¡ ! ;
! ! !
~ttilo¡ c{e. ct!~/ '

'ef
/'
1
• P, r~J;Jo5flL:o
1 !
.
J ' ; ' 1 1 '
! ! 1 ! ! 1 !
{a te~/.·Vca/ fJ : Jt/t;n ~tiS J??/,

' ' [ !
la · c~»nahd'd 1 reqJ/ es _.fr06~6(e:: . sv,,PL/.r

' ! ! 1 1 1
ft:/l~~[,Jai.
: ,
~'/ n~¡ ~ei 1'h.• c/1,;'f~.
1 e '
n!1'
' ! !
h:nofé~cí'cl
1
'Y !'.'f:te61;t>n ct'

! j
errore[.
Pregunta 11: ¿Cómo se calcula un índice estacional a partir del análisis de una recta de
regresión?
Ejercicio 12: Comente las diferencias básicas entre la desviación absoluta media y la
desviación estándar.
i I Xi - X, 1
MAD = h•----
\'\
Libro de Chase 13 Edicion, pág. 517.

Preguntas de repaso y análisis.
Pregunta 13: ¿Qué implicaciones tiene los errores de pronostico en la búsqueda de

modelos de pronostico estadístico muy complejos?
Libro de Administración de operaciones Producción y cadena de suministros, pág. 517.
Pregunta 14: ¿Las relaciones causales son potencialmente más útiles para qué
componente de una serie de tiempo?
ADMINISTRACIÓN DE
OPERACIONES PROCESOS Y
CADENAS DE VALOR
Lee J. Krajewski
Libro de Krajewski 8va Edición, pág. 320
Ejercicio 1: La dueña de una tienda de computadoras alquila impresoras a algunos de

sus mejores clientes. Ahora le interesa elaborar un pronóstico de sus operaciones de
alquiler para poder. comprar la cantidad correcta de suministros para sus impresoras. A
continuación, se presentan los datos correspondientes a las 1Oúltimas semanas.
Alqulleret
;>.j
a) Prepare un pronóstico para las semanas 6 a 1O, usando un promedio móvil de

cinco semanas. ¿Cuál será el pronóstico para la semana 11?
b) Calcule la desviación media absoluta al final de la semana 1O
F,,('lM2'-\~~<)J%13\) /s 2.1
f=fo1?_J2bt2>i izs~31)/s 18
f ::( eiC?t-2> \+IB+ól+,'):s/'s 'óo
F.::(2-b 1311-28+oiJ0:':>)/5 .60
·~~~-~~~~d,.1L~iBJ~'L~~1z~)Ls__- ._._,_2>~0_:_~---- , . ,
6.- Al er '¡ (D(\~~-:: \ ¡\ - ~ \
21 1
º-e l\
~o 5
a'D t.¡
o
'U:~ ,'o¿,;·c~, mec\1 )

o )(:)Ol(J~ ~:> l\
Libro de Krajewski, pág. 555.
Pregunta 2: Kary Míchael Passe dírigen What's Happennig?, un periódico bisemanal que
publica noticias locales. What's Happennig?, tiene pocos suscriptores y se vende
generalmente en las cajas registradoras de las tiendas. Gran paiie de sus ingresos proviene
de sus anuncios de ventas de garaje y ofe1ias especiales de supe1mercados. Con el
propósito de reducir los costos asociados con la impresión de muchos ejemplares o la
entrega de periódicos en el lugar equivocado, Michael estableció un sistema
computarizado para la recolección de datos sobre ventas. Los escáneres instalados en los
mostradores de ventas registran con precisión los datos de las ventas en cada lugar. Desde
que se implementó el sistema, los volúmenes totales de ventas han disminuido
constantemente. La venta de espacio de publicidad y el mantenimiento de espacio de
anaqueles en los supermercados se han vuelto más difíciles.
La reducción de los ingresos hace que el control de costos sea aún más impmiante.
Para cada número de su periódico, Michael elabora un pronóstico cuidadoso basado en
los datos sobre ventas que se recopilan en cada establecimiento. A continuación, ordena
que se impriman y distribuyan los periódicos en las cantidades señaladas en el pronóstico.
El pronóstico de Michael refleja una tendencia descendente, la cual está presente en los
datos de ventas. Ahora sólo quedan unos cuantos periódicos sobrantes en un reducido
número de establecimientos. Sin embargo, aunque los pronósticos de ventas ofrecen una
previsión precisa de las ventas reales en la mayoría de los casos, What' s happening? Ha
empezado a descender la cuesta del olvido. Kay sospecha que Michael está cometiendo
algún enor en la elaboración del pronóstico, pero no ha podido encontrar errores
matemáticos. Explíquele usted qué está pasando.
Libro de Krajewisky pág. 256

Caso Yankees:
n1f'tr·:1nrfi,'i.~
ir¡lf~'s~·n!;m 1.mil imh1,11ia 1wi ·
mn1mnl<·'i
i1Kre11wm41s \'t·n111" no
l!llií ínn'~''m''' ¡mr rnantFJWl'>t:' al
fr«n!t• t!P la t: m!lpt'H'llt j¡¡ Nudit• nmon' p,,,¡¡¡ "ÍHMI km qlít'
\',.mLt't'.
Hnbens 1,.1lwí1i1r•
1rn \ ithH<, ''NÍ!H1e";bll'H'.• [L
inra Sh;mm l'lnn· qtw rxamhw
íf¡>¡)!(I)
i11h•r'f;!Í!I'> d1• lma dl1 l!fülll{H d~· llhtd~·1,1111<1·

1.:ia1, un ,Ju íl 411c um: di <tb,•1.al ;J( nl.Jt!l':I! u11 de nwt,¡J
qtw u•ím•1?.1 d umHk 1·1.mu w hht>tia 1•11 H
U!!tl (h.1 mt:ta! ;,,o!dw.!a i''\llt:fllll'> dd
th.>hla ~~11 :,u le u:1l!i...1l, ft;¡ Ht;mtfo uua ''"''""''''41
Fl rihHifü1 íit..•m
PERÍODO ACADÉMICO: SEPTIEMBRE 2018· FEBRERO 2019
1
f,htnl!o~ d<' HH j14l! !111''>, p.t1,1 ('l ,j!JO ;,\ ( <l!liÍ'lfül·
t ';lfil~ uiltll!n,,,
hin, u11; p.J,.,l!I Fram am1·n1", "'''*"'
HH·kH t:'>lill in!1:1du~. ~tinl q~o 1,,k
Ml'> •!U(uf('•., Debt• 11:nm 1111ahn nüd,1d11 p1•1qm' •:l'l1t'hf<1t!Hu~
¡mM l<'HL'I' Ífü!t'!l
mmhfü <1duh f)Jra t;t·iww;1r tm yirugrnH1;¡

defüfüiw. que n1i!r1w ,foh1·rt¡ n'dhlr ílí• la:;
de 111ewl lomt•¡1do dt~ matkr.A. rJ sbtnua ÍU1Kinw1
hi.~·n ~i lo" r·I
HH~tlW de
1
;.,olam1:nt~· ti
hlé11 ml«r't;1t·11P1J rn la ~¡1hrk;1d1'm
P1w~1n 1iiw PI
d1>n lt11l;1
!fon ,:\wLm1">
l,l
1
n111wntano.; dP M;u1ion
IU'i \'O'ifO'i j:!'lll !l!illik
~k·rt1 1amhiét1 eizheml•' qtw a
11
PREGUNTAS
1
¡ TABLA
Mes Afio 1 Añ<l2 Año3 Año 4
:VbJ/!1 :Q,1[0 ii?,J7.'

l
:.; f;,.1.r1 ,ii,W·l
21 .31,J'.·1')
l'Olh fü ·n r Jl, lf•1
,1\Hd
l~.~·
I"
11 1'~1 .i. ;; ¡ 1, ' Í•,1.1/ .1
J! t~l,1!.0
h
' " ,,, ,¡ ,.
¡ J J ('1
",, ¡.;
J :1 '¡
' 1
' '
1. Desarrollar su propio pronóstico para el arco rastrillos para cada mes del año
siguiente (año 5). Justificar la previsión y el método que utilizó.
Lo primero es desarroilar un análisis cuantitativo para poder realizar las proyecciones y

obtener datos mucho más reales y confiables.
Vamos a realizar gráficos de tendencia y poder obtener el tipo de tendencia de la demanda

anual y el tipo de patrón reflejado. Por lo tanto primero debemos establecer la demanda
anual de los 4 años y el promedio mensual el cual se relaciona a continuación.
Tabla 1 Demanda anual y promedio mensual 4 años
MES [tf/llF~.. AN02 AÑ03 AÑ04

1 55200 39875 32180 62337
2 57350 64128 38600 66501
3 15445 47653 25020 31404
4 27776 43050 51300 36504
5 21408 39359 31790 16888
A 1711A 1m17 ::\?1ílíl rn~mq
7 18028 45194 59832 35500

8 19883 46530 30740 51250
9 15796 22105 47800 34443
10 53665 41350 73890 68088
11 83269 46024 60202 68175
12 72991 41856 55200 61100
SUMATORIA 457929 487441 538654 551099
PROMEDIO POR MES

38160,75 40620,08333 44887,83333 45924,91667
Una vez obten1dos los datos anteriores debemos establecer el crecim1ento porcentual y
mensual.
Tabla 2 Crecimiento porcentual y mensual.
1
MES AN04
1 55200 39875 62337
2 57350 64128 38600 66501
3 15445 47653 25020 31404
4 27776 43050 51300 36504
5 21408 39359 31790 16888
6 17118 10317 32100 18909
7 18028 45194 59832 35500
8 19883 46530 30740 51250
9 15796 22105 47800 34443
10 53665 41350 73690 66066
11 83269 46024 60202 68175
12 72991 41856 55200 61100
SUMATORIA 457929 487441 538654 551099
38160,7 40620,08333 44887,83333 45924,91667

1 6% 11% 2% 42% 30% 7%
Con los datos anteriormente calculados, podemos graficar la tendencia de crecimiento de la

demanda anual y la tendencia de crecimiento de la demanda mensual.
Figura 1 Tendencia crecimiento anual 4 años
TENDENCIA DE CRECIMIENTO ANUAL

1 600000
500000
457929
400000
300000
200000 1
100000
o
l 2 3
11
Figura 2 Tendencia de crecimiento mensual 4 años.
TENDENCIA DE CRECIMIENTO MENSUAL

90000
80000
70000
GOOOO
50000
40000
3(XJOO
20000
10000
o
l. 2 3 4 6 7 8 9 10 11 12 1
AÑO 1 AÑO 3 AÑ04
1
Como podemos analizar en los gráficos anteriores, la tendencia tiende a proyectarse de tipo
lineal, esto nos ayudará a obtener datos futuros mediante la aplicación de análisis de
tendencia para tiempo, aplicando la metodología de los mínimos cuadrados realizados en
Excel.
Tabla 3 Calculo de variables mínimos cuadrados
·ii~> .. - .;;.;.~.;r¡'ri' 7;;= 1

AfllOS PRODUCTO
1 457.929
1 2
3
487.441
538.654
4 551.099
. MÉTODO MÍNIMOS CUADRADOS • Mínimos Cuadrados

rlv_=__a_+_b_x----~,----------.-1~--------~ x Años
y Ventas
_II~y-=_n_._a_+~¿~x_.b_______.l2 n Número de años ,
IIxv =¿x.a + ¿x2.b la

Al\IOS X y XY
1 1 457.929 457.929 1
2 2 487.441 974.882 4
3 3 538.654 1.615.962 9
4 4 551.099 2.204.396 16
T L 10
UNIVERSIDAD TÉCNiCA DE AMBATO
Ahora debemos hallar con los datos anteriores el pronóstico para el arco de rastrillos
con-espondiente al año 5.
Tabla 4 Solución de ecuaciones mínimos cuadrados

1
• REEMPLAZA en ecuación 02
2.036.123 4 a 10 b
REEMPLAZA en ecuación 03
1Dcy =¿x.a + ¿x.b
6.263.169 10 a 30 b
Comparamos
2.036.123 4 a 10 b
6.263.169 10 a 30 b
2.036.123 4 a 10 b
6.263.169 10 a 30 b
7.288.292 14 a 40 b
b= 33.078
2.036.123 4 a 10 33.078
2.036.123 4 a 330.783
a= 426100
!!!
UNIVERSIDAD TÉCNiCA DE AMBATO
Tabla 5 Cálculo Ventas proyectadas año 5.
1 Pronosticar las Ventas para el año 5.
!y= a+ bx
y 5 426100 33.078 5
Ventas proyectada AÑO 5 591.492

1
Por medio de la metodología de los mínimos cuadrados, obtuvimos el valor de lademanda anual el
cual tiene un valor de $ 591492. Por consiguiente para obtener el valor de la demanda mensual del
año 5 realizaremos la metodología del índice estacional.
Tabla 6 Demanda mensual año 5
Indice
MES Año 1 Año 2 Año3 Año4
Crecimiento anual 4 aV4~ estacionarí
Demanda lo!.
años anteriores y
promedio
(meses) J0 j
42396 í,i i793009 ¡
1
PERÍODO ACADÉMICO: SEPTIEMBRE2018- FENRERO 2019
Figura 3 Tendencia mensual año 5
TENDENCIA MENSUAL AÑO 5

80000
70000
GOOOO
50000
1!Q(JOO
30000
20000
10000
o
1 2 3 4 5 6 7 8 10 11 12
1
ADMLNISTRACIÓN DE
OPERACIONES
Bienes, servicios y cadenas de valor
David A. Collier
2019
Libro de Collier, pág. 150.
Ejercicio 1: Los pronósticos y las ventas reales de aparatos de MP3 en Just Say Music
son las siguientes:
Mes Pronostico Ventas
Reales --
Marzo 150 170
Abril 220 229
Mayo 205 192
Junio 256 271
Julio 250 238
Agosto 260 255
Septiembre 270 290
Octubre 280 279
Noviembre 296 301
a. Grafique los datos y apotie ideas acerca de la serie de tiempo

b. ¿Cuál es el pronóstico para diciembre, si se utiliza un promedio móvil de tres periodos?
c. ¿Cuál es el pronóstico para diciembre, si se utiliza un promedio móvil de cuatro
periodos?
d. Calcule el MAD, MAPE, y MSE de las paiies by c y compare sus resultados.
e. ¿Funcionaría mejor un suavizarniento exponencial doble? Justifique su respuesta. Use el
CBPredictor para responder esta pregunta .
..
Libro de Collier 2da pág., 473

Ejercicio 02.- Para los datos del problema 1, encuentre el mejor modelo de suaviza
miento exponencial simple ·mediante la evaluación del MSE para a 0.1 a 0.9 en
incrementos de 0.1
Problema 1.- Los pronósticos y las ventas reales de aparatos de MP3 es Just Say Music
son las siguientes.
Mes Pronostico Ventas Reales

Marzo 150 170
Abril 220 229
Mayo 205 192
Junio 256 271
Julio 250 238
Agosto 260 255
· Septiembre 270 290
Octubre 280 279
Noviembre 296 301
f ·l;: ,¡1;0 ·1 () }~ (r10 - /')OJ .~

)'] <) !l
F·I ~
'.220 -1 O¡~. (299- l9()) ::::::

'.19-IJ~) 11:
{ ;::.
'.) 0~) l () } ,) •'
( ~s2 - :Jos) :::::. 2o1) 1 11
'.') () 1 ) Á s ')_ .:: ,\) j 1 I/.

\\ ¡1'
r) J './i I
.l1
/
1}J.¡:11); 1¡,¡m ~o )1/)\; 1 l(J 1 1\j ) .1/ J
1 1:,;1)1 i'
í
F·I ;:.
5 s (? ·+ Ü¡ /.¡ ( 9 -~ 1 9 (~ ¿) ') /; ') 11
r·{ ::.. CJ so 1 D ¡ '5 ( () 3(b - ')':Jo J .::::: .2 lJ L/ //
Fl :::
D&o -¡ o;!) (:is';;- 9 ¿o) .') s ! ll
1 //
1\ l.
'tQ
1
(} 1)
I
(l 11 f)J.(1\1)
f
(});\º ru
9 l O t O1 .i ( ~J ~H) ~no) -:-( 2 C/J L) ':){)! ':300)
) (· iY
2(b o + o b ( _') 1t) 1
1 '.) ')Cb<)G
~ e) D
Co>s) 1
¿10 (; + 0 _L) ( : Í) / 1
11 '.) ¿) '
\\ lp 1
i! l(J ~
dv~VV
1 · 1\1¡~)1\i t",0 ·.'al:)
,\YUt1 ··)/\\/' 1
tl)L,J/ e-'\
i DJ S'J (1/\ \~\ j/)\0(
Libro de Collier 2da Ed. pág., 473.
Ejercicio 3: Las ventas mensuales de un software de negocios nuevo en una tienda local
de descuento fueron las siguientes:
Semana ! 2 3 4 2. 6
Ventas 360 415 432 460 488 512
a) Grafique los datos y proporcione ideas acerca de la serie de tiempo.

b) Encuentre el mejor número de semanas que utilizar en un pronóstico de promedio
móvil basado en MSE.
c) Encuentre el mejor modelo de suavizamiento exponencial simple para pronosticar
estos datos.
b)
o)
Libro de Collier, pág. 473

Pregunta 4: ¿Cuál es la función de la elaboración de pronósticos en los procesos de
planeación de la demanda?
UNIVERSIDAD T~CNICA DE AMBATO
PERIODO ACAD~MICO: SEPTIEMBRE 1018 - FEBRERO 1019
UNIVERSI TÉCNICA AMBATO
2018 - FEBRERO 2019
Libro Collier 2DA PÁG,473
Ejercicio 5. Canton Supplies, Inc. es una empresa de servicio que utiliza aproximadamente 100
personas. Debido a la necesidad ele cumplir con obligaciones mensuales en efectivo, el director
de finanzas quiere desaffollar un pronóstico de los requerimientos mensuales de efectivo.
Debido a un cambio reciente en el equipo y en la política operativa, solo se consideran
relevantes los últimos 7 meses ele datos.
Efectivo requerido Efectivo requerido

($1,000) Mes ($1,00Ql
205 5 230
212 6 240
3 218 7 246
4 224
a) Grafique los datos.

b) ¿Qué método ¡xira la elaboración de pronósticos recomienda y por qué?
c) Utilice su recomendación para obtener un pronóstico para el mes 8.
UNIVERSI TÉCNICA AM
d. t b'A
Libro de Collier 2da Edición, pág. 473.
Ejercicio 6. Costello Music Company ha estado en operación durante 5 años, en los

cuales sus ventas de órganos eléctricos han crecido de 12 ha 76 unidades por año. Fred
Costello, propietario de la empresa, quiere pronosticar la venta de órganos del siguiente
año. Los datos históricos se presentan a continuación:
Año 1 ~ 3 4 5
Ventas 12 28 34 50 76
a) Construya un diagrama para esta serie de tiempos.

b) ¿Qué método para la elaboración de pronósticos recomendaría y por qué?
c) Utilice su recomendación para obtener un pronóstico para los años 6 y 7.
b)
e) /Jffe Veht<i!J
x ) X e y ''"' X),
J n 14 ~
:;
Libro de Collier, pág. 474.
Ejercicio 7: Considere las ventas trimestrales paraKilbourne Health Club que se muestra
a continuación:
1 4 2 1
2 6 4 4
3 10 3
4 12 9 7
5 18 10 13
a) Desarrole un modelo de promedio móvil de cuatro periodos y calcule el MAD,
MAPE y MSE para sus pronósticos.
b) Encuentre un buen valor de oc para un modelo de suavizamiento exponencial
simple y compare sus resultados con la parte a.
c) Aplique CBPredictor para determinar el mejor modelo para pronosticar las ventas
para los siguientes cuatro trimestres
Gráfica de promedio móvil de C2

401 Variable
Actual
- n- - Ajustes
1
Promedio móvil
30 l Longitud 5
Medidas de exactitud
1 MAPE 40,2810
i MAD 5,0667
!
¡ MSD 56,6773
N
u
20/1
1
1
10 l
ol l -
2 4
(
G '
10 12' 14 - 16
Índice
COLLIER2DAPÁG, 473
Ejercicio 8. El número de partes componentes utilizadas en un proceso de producción

cada una de las ultimas 1Osemanas es el siguiente
Semana Partes Semana Partes

1 200 6 210
2 350 7 280
3 350 8 350
4 360 9 290
5 250 10 320
a) Desarrolle modelos de promedios móvil con 2,3 y 4 periodos. Comparemos al

utilizar MAD, MAPE Y MSE para determinar cuál es el mejor.
b) Utilice CBpredictor para encontrar el mejor pronóstico para la siguiente salida.
X..,_
5:'/W1Ck\'lft ~ X·Y
~ ~(ctn) -As ('lffio)
~
.{ '20-0 Qoo A Q
¿ sSO '=1-oo · '-1 ,S(SS)-()S') 1
3 3SO -:::/:C>O ~
360 ~ 3'Ó 16 a.::::-}._¿ 6
s 2so SOC> 'i5
'"' .{¿,00
G ZfÓ 36
·1 2BD ,{ <J óD Ll ~ b ~ s (2®)-ili}u.m)
8 sSD 2/4 so b~ se~) ~(ts;i
'J 280 ,.{ 6 f]b 81
.~o s2-D 60 zD IDO b-=-16
Y::: Gt b',(, Hs é ::: }foo -:::::- Jéo

)O
Y~J2,b+.-<BX
y ~) 2b f 's (h) ~ c¿,3 4 1
HAP G =A.f¿ 23 :::3r 2-
.0 )
'2
LOO
'260
23
~2 µAD :::: 2: lOe~v)
3 ?60 Á G/-:/- V)
4 -t ~o L.'4¡ s
s r¿_,::¡ () 2Jo1 '0 HAO
ro 2,4 {o 'l-4¡ 2-
..:+ 'Ls 1 '01/ ~
8 l.- s ":l ¿,3¡6
8 ?.,68 31¡1
le) ¿;-=¡lf 3z,s
Libro de Collier 2da, Pág. 4 73

Ejercicio 9: Un fabricante de asaderos de gas para exteriores proporciona los datos de
ventas para los últimos tres afios de la siguiente fonna:
Numero de trimestres
Aílo l 2 3 4
l 20,000 50,000 50,000 20,000
2 30,000 60,000 60,000 50,000
3 40,000 50,000 70,000 60,000
a. Desarrollar modelos de suavizamiento exponencial simple con a=0.2, 0.4, 0.6.
compárelos con las métricas de MAD, MAPE y MSE para identificar el mejor.
b. Use CBPredictivo para encontrar el mejor modelo de pronósticos, ¿Cuáles son sus
pronósticos para los siguientes cuatro trimestres?
1-
Libro de Collier, pág.475.
Ejercicio lO: La demanda histórica para el sacapuntas Panasonic Model 304 es: enero,
80; febrero, 100; marzo, 60; abril, 80 y mayo, 90 unidades.
a. Con un promedio móvil de cuatro meses, ¿Cuál es el pronóstico para junio? Si en
junio se experimentó una demanda de 101, ¿Cuál es el pronóstico parnjulio?
b. Utilizando un suavizamiento exponencial simple con un a= 0.2, si el pronóstico
para enero había sido 70, calcule cual hubiera sido el pronóstico exponencial para
los meses restantes hasta junio.
c. Desarrolle un modelo de regresión lineal y calcule un pronóstico para junio, julio
y agosto.
d. Si se usa un promedio móvil ponderado con pesos de 0.30, 0.25, 0.20, 0.15 y 0.1 O,
¿Cuál es el pronóstico de junio?
? rOV][)
1-
S --;LC.1.:-_'l ~UVL•'O
[J
' l -
Dl 1
V1
L(
0.2 I ::,)
,1no
1 ¡
r+ ~ o< D{ , -1- {1 - O(
\ i-
1 ,-+-1
71,6~
·¡. (,L,,. /) ~111, o 'ó / /

1
l (1"""" \
1
r (j,,".-")
Libro de Collier 2DA PÁG,473

Ejercicio 11.- Dos gerentes experimentados se resisten a la introducción de un sistema
de suavizamiento exponencial computarizado, ya que afirman que sus pronósticos de
valoración son mucho mejores que los que cualquier computadora podría hacer. Su
reE:,ristro de pronósticos pasado es el siguiente.
l 4,000 4,500
2 . 4,200 ·.5.ooo
'3 4,200 4,000
!4 1 3,000 : 3,800
5 3,800 3,600
6 ¡ 5,000 : 4,000
7 5,500 6,000
8 1 4,400 1 4,800
9 5,000 4,000
i 10 4,800 5,000
Con base en cualquier cálculo que considere apropiado, ¿los pronósticos de valoración
de los gerentes se desempeñan en forma satisfactoria?
ctZ1nona ~~~
-1 4
J_ ~~ 4f- V¡:l,{4--4 )=-4 ~ A
* ~ = -4 ~ v, f2 C4, 2-A = -4, o.4

~A
i:;:::.
3
4 4~ 4«)41- CJ,uZ,(4,2.-4,04) ;:- 4,01-2 ~
5 = -41 01 ·J- O/:Jí 3-4,o?-): .3185 6. e:-

6 J = 3/ 8 56 f Orl( 3r 8 - 3, 856) ~ ~· 85 .e: .L\
·1 /-=. 3,..85 + 0r1e5 - 3,. 86) ::. 4,08 !::::::.
8 ~ ;.: AcoB+or:Z...l S. s-4,oS):: 4,36 ~ ~

<j . -::. 4i 3 6 + 0( :;_ { 4, 4 - 4, 36) ~ 4, 3 7- r::::. .4
lo ofto = 4, 3 7- f.. C>/l_ (5- Lt3 ·1 l = .4, 5 e 5
~ Á- dco-77 eÁ
u ¡f?~~CJ7~
~.'6 f ~'"'e/ __at c/)~,6CéJ ~ ba4o,
/)c9. &:? &02? tt~.
FACULTAD DE INGENIERÍA EN SISTEMAS, Et.ECTRÓNICA E INDUSTRIAL
Libro de COLLIER PÁG, 473.
tJw·icio· H: Una cadena de tiendas de abaITotes tuvo a siguiente demanda semanal

(casos) de una marca de detergente en particular
Semana 1 2 3 4 5 6 7 8 9 10
Demanda 31 22 33 26 21 29 25 22 20 26
a) DesalTolle pronósticos de promedio móvil de tres y cuatro periodos y calcule el MSE
para cada uno. ¿Cuál proporciona un mejor pronostico? ¿Cuál seria su pronóstico para
la semana 11?
b) Desarrolle pronósticos de suavizamiento exponencial con constantes de
suavízamiento exponencial de a= 0.1 y 0.3 ¿Cuál sería su pronostico para la semana
11?
e) Calcule la sefial de rastreo para cada uno de sus pronósticos de las partes a) y b).
¿existe alguna evidencia de desviación?
d) ¿Podría algún modelo diferente brindar m~jores resultados?
1 J ,l /i /··1\
- -1-- ;1
s JI
u
(
1
2
El ~~'f ~u~110L,l :.ie dq
tu~i (~ Qf ,-·1 odos.
L) -~~~íK\W-\ c~\lfl(\l/\.dC\
t;
({'"'CJ¡ t
17
~,+cr(A11
) rJ
r¡ ;l ,.
J
l(l ~ n~v¿6Y 1(l10rio~J;co V)v1 <X~,1

'~·
TÉCNICA AM
SEPTIEMBRE 2018 - FEBHERO 2019
n1· \(
\\' ¡aJoo
'1
f flOí' 1\I. i ~ j: na(•l.
I .¡
Libro Collier, pág. 273

Ejercicio 13: Se presentan a continuación las ventas de las tablas de smf por los últimos
cinco afios, en millones de dólares.
i\:lfü Tl:irpestre Tiempo VJ!ntas
1 T1 1 2
1 T2 2 4
1 T3 3 5
1 . T4 4 4
2 T1 5 3
2 T2 6 5
2 T3 7 7
2 T4 8 5
3 Tl 9 4
3 T2 10 8
3 T3 11 9
3 • T4 12 6
4 : T1 13 5
4 T2 14 8
4 T3 15 10
4 T4 16 6
5 T1 17 6
. T2 18 5 7
T3 19 59
T4 20 57
a) Pronosticar los cuatro trimestres del año 6 con CBPredictor
Grafi ca de Estacionalidad
1 ("' HírtoriCi~I Data · Seasonality
¡ Edtt Vie:w Prtfuence:~ Help
' 20 v.iu..
2,00
6,00
10.00
2.13
---- { ~Auto~~-~\
l¡ung·Sox 51.5925 lp:0,00)
So<~.iu..¡._ .. CO<fficient .... -¡
0,7202 lp:0.03-03)
0.3971 l»0.3SS9)
0.0315 po{),SSS4)
10 12 16 10 20
Data Is season•I will\ a c-¡cle of 4 quarters (AutoDetect)
SeasoooM}' and at.Aocorrel.aoos
Sea:s.ooal (or crdica!) data is irrd1ca!ed by strc,ng autoc«felatioos al
v'
specitlc time íntervats (lags). F« exarr:i>le. mc..11hly dara that Í:S seasonaJ
on ~ ;,·ear!y t.asís v.i!! haye sln:,r,.g av:tc-.conelations at lag 12.
Seasc>0ahty: :h.JtoDet.eci.
Grafica de Pronostico para Jos 4 periodos del siguiente año

( ' Predictor Results o X
Edít Víew Analyze Prelerence' Help
20V.olutt
20
MfndrrUrn 2.00
Mean 6.00
Ma<imum 10.00
Standard Davlation 2.13
ljung-&x 28.92
Seasooali)'
Staiísti~ - [Fore:co.Ú.ccumcy]
RMSE 0.85
Theil's U 0.3f49
Durbln-'Natson 1,92
... Statis!ic MIMA -1
1.00
10 12 14 18 18 20 22 24 AlC --0,1101
SIC -0,0107
-=-Historlcal -Forecas.t Lower: 2,5% "Upper. 97,5% AICc -0.07~
Seies Forecast.s
Series: 'Ventas Periods to forecast·
'--·--·----··-·-·-- -·-----·----·--'""
Method: ; BEST: SARIMA<0.1, 1)(1.0,0) . Cc'11fidence ir11erval: f2.5'; and 97.Sl;
Override Bes! Method Adjvst ...

.! :
'
Paste ...
Tabla de Pronósticos
!0 Predictor R~sults: o X
Analyze Preferences Help
Table V..-,, OScreooed Value•
His!Ofl""1 ¡ Fil& --IJpper~ll i" S!allstíc Dala
Dala i Lower. 2,5'1, forecast 97,5~. P.e!id\1a!s i Data vatues 2()
1.q 9.oo· · 8,57 '· . 0.43 ! ~~nlmum 2.00
12: 6.00' -088 J M<'an 6.00
13 5.00 -0.65 i M.aY.irrn..!ln 10.00
14 i s.oo. 9,11 ·1.11: S!andard Deviáion 2.13
.¡:¡ 10.00)
600/
--
j
9.64
·I
7,00 ¡
5.i3 ¡
I
1
0,3& 1
·1.00 !
[Jung.&x
Seasonally
28.92
17 I
· isJ
6.00!
-!.(){)r_ -··- ~ssf
i
_¡_
0,27 i
·--- .1,ssj RMSE
- _S!alíslíc l _Forecast kcura<:y
0.85
-· 19¡ 9.00
. -· ..
J 9.!ll!, -O.SS.
Thcl's U 0,3649
Du<bmWat""' 1,92
;m¡ 1.00• 5.89• 1.11;
ARIMA
Ste!istíc
21 ¡ 4,61 ! 6.27; 7,94j
T1ansfonne!ioo u.mbda 1.00
221 5.43J 7,201 8.96i AlC --0,1101
23j 7,18¡ 9.04/_ 10.00!
... !J.1~1
BIC 0,0107
24J 5,24 7,20\ AICc -0,07~
forecasls
;Ventas V¡ Periods to forecast:
Metl1o:t : BEST; SARIMAf0.1, 1X1:0.0) v; Cwfidence mlerval;
Ovecri~ Bes! Method AdjusL !i Paste ..

b) Si se pronosticó que las ventas anuales en el año 6 serían de 40 millones de dólares

¿Cuál es el pronóstico de ventas por ttimestres?
Grafica de pronósticos de ventas por ttimestre
1 ( 1 Prf:dictor Re..sults o
' fdit View Analyze Prefe:rences Help
21,17
Ma,.;.'murn 40.00
Standard Ot:viatíon 9.41
ljung-Box 0.3753
Seasooal::ty Í'l-On..<J;P.asona!
St.at;roc
RMSE
TI>e<l'sU
Durbifi·Watson
-- - ~~~~~
Tranlifotrnation Lembdo
10 AJC
BIC
=Hlstorit& -Forecast Lower; 2,6% , · · Upper: !t7,5% AICc
Serles Foreca:rts
""
Series: ¡VerdasaJ11J<lks Periods to fcrecast
: BEST: ARIM!\!1.0.0)
Paste ...
Tabla de Valores
O X
Analyze Preference.s Help
--1-G:_64J
15.aB I
i6:74J
17.60 ¡
-19,31 f-
20,17[
21,33j _ 37,31_L _
- 1 forecast Í>ccur..:y
· - - .. - ... -a.15·
i
RMSE-
13,961 35.ooi 111e<l'sU
8,93¡ __33.02¡ Durl:.ITT-\Vatoon
5~22! 31,33¡
Statistic- ARIMA
1
T~sfon~;,.,,;~ 1,00
AJC 4,86
BIC 4,79
AICc 5,53
Foreca~·
Períods to forecasl: "

y
: BEST: ARIM!\!1.0.0J v¡ Corrfid-t'f:ce intm·G!: : 2,51. and 97,5'.\ <...·;
Ovenide Bes! Methoo AdilisL P.ste.

Administracion de La Produccion PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Administracion de La Produccion PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TÉCNICA DE AMBATO

Séptimo Industrial "A"

lng. John Reyes Mg.

Libro de Heize, pág. 144.

Semana ele Uniclacles usaclas

Libro de Heizer, pag 144

Libro de Heizer, pág. 144.

Libro de administración de operaciones 7MA_ ED_ Heizer, pág. 147.

Ejercicio 4.4 Un centro de procesamiento de cheques usa el suaviza miento

Libro de Heiser, pág. 144.

d) Calcule el pronóstico para el año 6 usando suavizamiento exponencial, un pronóstico

Libro de Heizer pág. 145

a) Grafique los datos de las ventas mensuales.

)¡( ~~~i\l r.~\i.\ \)ti\'\&:\(\ª() ~ G \\"\~2,,C2.;i \_Q(\ .\ ;

\)<:i\\~~10c\C\\"-b \\I~ \:\\\~ \} \,,-"' ;:..\<:.::,<:5;. '''°"'-' \(.'<:\~~<:.¡:, •

·~~·\'>\\\"!.1.\\\\\1;\\o l?x\l"'i\\•71N\ '"e;\ ~~ ~

~ G" \1;¡;, ~~\)~ , ~ a\l~ ,~~(> º" \~ ~, \\1\.. 1~ !(\~,,\Y

Semana Núm. Real de pacientes

El administrador de la clínica; Mare Schiniederjans, quiere que usted pronostique la

¿Cuál es valor de su pronóstico?

Libro de Heizer, pág. 147.

a) Pronosticar la temperatura alta hoy, usando un promedio móvil de 3 días.

Q_' 'j ~ + '7¡4 + ':l '.'., -:: = '1

:i ¡__¡ -t- '3 ,'., + "'.j( :: :;¿r-¿3/?:, ';j4' 1

".jb + + jD :: Q--¡_q ::::_ 9

•;L) s:H j'i /!l - :J3, s

':)$ ")Lj + '}3 /). '3 3 s

:; 6 "JJ -t :)6 ')LJ < s 'd'e ';M,S 6,S

<fi'ó ~6 +- s 'Ú (;¿ 72

6 93.S (x ) ::: .!<., 6'' Lf ¿

Libro de Heizer, pág. 148.

iuY l~büt Ji »n& ~= ( flffilJ1k h. o o ~+)¡3

¡ 11~-: ' t; ~ ii)/(!1112)

~----+- ' '

Libro de Principios de administración de operaciones 7MA_ ED_Heizer, pág.145.

Ejercicio 4.11: a) Use suavizamiento exponencial con constante de suavizamiento de 0.3

b) NA~,.,. Sorne. c.\é Je.h.fictdvn cJbJolv/-t.,.d, _

Libro de Principios de administración de operaciones 7MA_ED_ Heizer, pág. 147.

DIA DEMANDA REAL DEMANDA

El pronóstico para el lunes se obtuvo observando el nivel de demanda para el lunes y

Libro de Heizer, pág. 446.

Principios de administración de operaciones 7MA_ ED_ Heizer, PROBLEMAS P AG

Ejercicio 4.14: A continuación se presentan dos pronósticos semanales realizados

¿Cuáles son los valores de la MAD Y MSE para cada método?

-:::; f-t,, - 0,10

ft3 = '1, o o t 0 1s ( 0 1 as - 0 '30) ·: :; ~ ºº~

&VY)'.:1f)C~ 1 De_ VYJ(l \/\el Cl ~o)/ Oe~v

.lt Q":{. 0,10 1

-<::: \De>" l -==- 1 -1 ·-;¡, s +lL./=+ s ~ s, h3

-=)> H ~ID -=- z \Oelv _~~

HS G: _ :¿ \ geoJ . -P1006siw'.) L~­

Ejercicio q,15 :Consulte el Problema resuelto 4.1 en la página 144.

Añ.o ~YOI /1AD

ffOn~ ~(,() }/5E

Libro Principios de administración de Heizer, pág. 146.

Ejercicio 4.16: Retome el problema resuelto 4.1. Usando el método de proyección de

Año Ventas Pronóstico

2003 450 410

R.Oo6 \.j S6::, i6 2.ió:t.

=-:> 336 = C>-s, 6 //

::: l!1~.'J + 3~,6., X

1 l{SQ lj-{Q lfo 1600

¿ lj 7'.).9 :t.. jq C\~fi. Ot

··\'>\\\"!.1.\\\\\1;\\o l?x\l"'i\\•71N\ '"e;\ ~

HS G: _ :¿ \ geoJ . -P1006siw'.) L~