1.

La demanda de audífonos para aparatos estereofónicos y reproductores de MP3 para trotadores permitió
a Nina Industries crecer casi 50% el año pasado. El número de trotadores sigue en aumento, así
que Nina espera que la demanda también se incremente, porque, hasta ahora, no se han promulgado
leyes de seguridad que impidan que los trotadores usen audífonos. La demanda de audífonos del año
pasado fue la siguiente:
a) Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que fuera la demanda de
cada mes del año entrante? Con una hoja de cálculo, siga el formato general de la ilustración 15.5.
Compare sus resultados con los obtenidos mediante la función de pronóstico de la hoja de cálculo.
b) Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres errores estándar por seguridad.
¿Cuántas unidades adicionales debe retener para alcanzar este nivel de confianza?

Demanda
Mes x x^2 XY Pronostico
(Unidades)
Enero 1 4200 -11 121 -46200 -1057.69211
Febrero 2 4300 -9 81 -38700 -865.384416
Marzo 3 4000 -7 49 -28000 -673.076724
Abril 4 4400 -5 25 -22000 -480.769031
Mayo 5 5000 -3 9 -15000 -288.461339
Junio 6 4700 -1 1 -4700 -96.1536468
Julio 7 5300 1 1 5300 96.1540455
Agosto 8 4900 3 9 14700 288.461738
Septiembre 9 5400 5 25 27000 480.76943
Octubre 10 5700 7 49 39900 673.077122
Noviembre 11 6300 9 81 56700 865.384815
Diciembre 12 6000 11 121 66000 1057.69251
13 13 169 0 1250.0002
SUMA 78 60200 0 572 55000
a 0.00019934
b 96.1538462
N 12

Pronostico
utilizando 6266.66667
excel
Pendiente 96.1538462 5016.666667
Error de 11.2831108 77.89978221
pendiente
R^2 0.87896868 269.8527614
72.6232394 10

Desviacion
estandar 2609.57626
Error 1 786.816847
Error 2 825.220471
Error 3 869.858753
 Unidades
necesarias 2481.89607
para tener
confianza
 Demanda (Unidades)
7000

6000
f(x) = 192.307692307692 x + 3766.66666666667
R² = 0.87896867675261
5000

4000

3000

2000

1000

0
0 2 4 6 8 10 12 14
2. La demanda histórica del producto es
a) Con un promedio móvil ponderado y ponderaciones de 0.60, 0.30 y 0.10, calcule el pronóstico de
julio.
MESES DEMANDA Pronostico 1 Pronostico 2 Pronostico 3 α
ENERO 1 12 12 12 12 0.6
FEBRERO 2 11 12 12 12 0.3
MARZO 3 15 11.6 12 12 0.1
ABRIL 4 12 12.96 11.72 12
MAYO 5 16 12.576 12.588 11.748
JUNIO 6 15 13.9456 12.5796 12.504
JULIO 7 14.36736 13.5358 12.57204

b) Con un promedio móvil simple de tres meses, determine el pronóstico de julio.

Demanda Pronostico
ABRIL 4 12
MAYO 5 16
JUNIO 6 15
JULIO 7 0 14.3333333

N 3

c) Mediante suavización exponencial simple con = 0.2 y un pronóstico para junio de 13, calcule el
pronóstico de julio. Haga todas las suposiciones que quiera.

Mes Demanda 0.2

enero 12
febrero 11
marzo 15
abril 12
mayo 16
junio 15 13
julio 13.4

d) Con un análisis de regresión lineal simple, calcule la ecuación de regresión de los datos precedentes
de la demanda.
MES DEMANDA X X^2 XY Y^2
ENERO 1 12 -5 1 12 144
FEBRERO 2 11 -3 4 22 121
MARZO 3 15 -1 9 45 225
ABRIL 4 12 1 16 48 144
MAYO 5 16 3 25 80 256
JUNIO 6 15 5 36 90 225
JULIO 7 0 0 0
SUMA 21 81 0 91 297 1115
 N 6

a 13.5 Pronostico 16.2

b 0.306397306
e) Con la ecuación de regresión del inciso d), calcule el pronóstico para julio.

Pronostico
para Julio
16.2
 Demanda
Pronostico 18
16
11.9680135 14
16
12.5808081
f(x) = 0.771428571428571 x + 10.8 12
14
13.1936027 R² = 0.484385382059801
13.8063973 12 10
14.4191919 10 8
15.0319865 8
6
16
6
4
4
2
2
0
0 0 1 2
0 1 2 3 4 5 6 7
8
6
6
4
4
2
2
0
0 0 1 2
0 1 2 3 4 5 6 7
 Pronostico
16

14

12

10

0
0 1 2 3 4 5 6 7
6

0
0 1 2 3 4 5 6 7
Las siguientes tabulaciones son ventas unitarias reales de seis meses y un pronóstico inicial para enero.
a) Calcule los pronósticos para los cinco meses restantes con suavización exponencial simple con
= 0.2.
b) Calcule la DAM de los pronósticos

MESES REAL PRONOSTICO DAM

ENERO 1 100 80 3.33333333
FEBRERO 2 94 84 1.66666667
MARZO 3 106 86 3.33333333
ABRIL 4 80 90 1.66666667
MAYO 5 68 88 3.33333333
JUNIO 6 94 84 1.66666667

α 0.2
n 6
Zeus Computer Chips, Inc., tenía contratos importantes para producir microprocesadores tipo Centrino.
El mercado declinó los tres años anteriores debido a los módulos dual-core, que Zeus no pro -
duce, así que tiene la penosa tarea de pronosticar el año entrante. La labor es desagradable porque la
empresa no ha logrado encontrar sustitutos para sus líneas de productos. Aquí está la demanda de los
12 trimestres pasados:

PRONOSTIC PROMEDIO
AÑO 2007 CANTIDAD AÑO 2008 CANTIDAD AÑO 2009 CANTIDAD POR CADA
O PMS TRIMESTRE

I 4800 I 3500 I 3200 3833.33 3116.66667

II 3500 II 2700 II 2100 2766.67 3116.66667
III 4300 III 3500 III 2700 3500.00 3116.66667
IV 3000 IV 2400 IV 1700 2366.67 3116.66667
15600 12100 9700 12466.6667
 DEMANDA PRONOSTIC
PROMEDIO
FACTOR ESPERADA DE VENTAS O
PARA EL ESTACIONAL
ESTACIONAL SIGUIENTE POR CADA PARA EL
TRIMESTRE
AÑO AÑO 2010

1.2299 3740 4600

0.8877 3740 3320
1.1230 3740 4200
0.7594 3740 2840
14960 14960
Los datos de ventas de dos años son los siguientes. Los datos están acumulados con dos meses de
ventas en cada “periodo”.
MESES Ventas 1 Ventas 2
Enero-Febrero 109 115
Marzo- Abril 104 112
Mayo- Juio 150 159
Julio- Agosto 170 182
Septiembre- Octubre 120 126
Noviembre- Diciembre 100 106
total 753 800
a) Grafique los datos.

Ventas 1 Ve
180 200
160 180

140 160

120 140
120
100
100
80
80
60
60
40
40
20 20
0 0
0 1 2 3 4 5 6 7 0 1 2 3

b) Componga un modelo de regresión lineal simple para los dato

MESES Ventas 1 Ventas 2 Ventas totales Pronostico

Enero-Febrero 109 115 112 196.0716
Marzo- Abril 104 112 108 193.6144
Mayo- Juio 150 159 154.5 222.17935
Julio- Agosto 170 182 176 235.3868
Septiembre- Octubre 120 126 123 202.8289
Noviembre- Diciembre 100 106 103 190.5429
total 753 800 776.5

Ventas totales
200
180
160
140
120 f(x) = 0.614285714285711 x + 127.266666666667
R² = 0.001535639884557
100
80
60
180
160
140
120 f(x) = 0.614285714285711 x + 127.266666666667
R² = 0.001535639884557
100
80
60
40
20
0
0 1 2 3 4 5 6 7
 Ventas 2

1 2 3 4 5 6 7
Las señales de seguimiento calculadas con el historial de la demanda pasada de tres productos es la
siguiente. Cada producto usa la misma técnica de pronóstico.

Periodo SS1 SS2 SS3 EJERCICIO 6

1 -2.7 1.54 0.1
2 -2.32 -0.64 0.43 SS1 Linear (SS1) SS2
Linear (SS2) SS3 Linear (SS3
3 -1.7 2.05 1.08
5
4 -1.1 2.58 1.74
4
5 -0.87 -0.95 1.94 f(x) = 0.413818181818182 x − 0.196
3 R² = 0.982308181451567
6 -0.5 -1.23 2.24
2
7 0.1 0.75 2.96

Axis Title
1
8 0.4 -1.59 3.02 f(x) = 0.486 x − 3.71488888888889
0 f(x)
R² ==0.980385802658927
− 0.032727272727273 x + 0.752
9 1.5 0.47 3.54 0 R² = 20.003743784047444
4 6 8
-1
10 2.2 2.74 3.75
-2
-3
-4

Las 3 señales de seguimiento tienen un comportamiento muy diferente.

La señal 1( SS1) comienza con un desenso a la baja y desde el punto mas bajo comienza a elevarse,dando una mejora.
la señal 2 (SS2) tienen un comportamiento muy inusual tienen altos y bajos con picos super elevados, y su linea de pronosti
La señal 3 (SS3) es la que tiende a una alza considerable y su linea de pronostico es sumamente favorable .
EJERCICIO 6
Linear (SS1) SS2
SS3 Linear (SS3)

1818182 x − 0.196
451567

1488888888889
72727273 x + 0.752
658927
047444
4 6 8 10 12

evarse,dando una mejora.

elevados, y su linea de pronostico esta marcando a la baja lo que esta señal no es muy aceptable en su analisis
ente favorable .
En la tabla siguiente se muestran los dos años previos de información de las ventas trimestrales. Suponga
que hay tendencias y factores estacionales, y que el ciclo estacional es de un año. Con series de
tiempo de descomposición pronostique las ventas trimestrales del año siguiente.

Trimestre Ventas X X^2 XY Pronostico

1 160 -7 49 -1120 161.7
2 195 -5 25 -975 168.9
3 150 -3 9 -450 176.1
4 140 -1 1 -140 183.3
5 215 1 1 215 190.5
6 240 3 9 720 197.7
7 205 5 25 1025 204.9
8 190 7 49 1330 212.1
Suma 1495 0 168 605

N 8

a 186.875

b 3.60119048
Tucson Machinery, Inc., fabrica máquinas controladas numéricamente que se venden a un precio
promedio de 0.5 millones de dólares cada una. Las ventas de estas máquinas durante los dos años
anteriores son:
a) Trace a mano una recta (o haga una regresión con Excel).
2008
Cantidad
Año Trimestre 2008 Linear (2008)
(Unidades)
2008 I 12 30

II 18
25

CANTIDADES (UNIDADES)
III 26
IV 16 20 f(x) = 2 x + 13
R² = 0.192307692307692
15

Año Trimestre Cantidad 10

(Unidades)
5
2009 I 16
II 24 0
III 28 0.5 1 1.5 2 2.5 3

IV 18 TRIMESTRE

b) Encuentre la tendencia y los factores estacionales.

Cantidad Y=15,1+1,02 Proporcion Factor

Año Periodo Trimestre (Unidades) 4x real/ tendencia estacional

2008 1 I 12 16.124 0.744

I
2 II 18 17.148 1.050 0.897
3 III 26 18.172 1.431
II
4 IV 16 19.196 0.834 1.132
2009 5 I 16 20.22 0.791
III
6 II 24 21.244 1.130 0.961
7 III 28 22.268 1.257
IV
8 IV 18 23.292 0.773 1.015

Promedio VENTAS
Cantidad de Trim de Fator
Año Periodo Trimestre DESESTACIO
(Unidades) cada Año estacional
NALIZADAS

2008 1 I 12 13 0.709 16.93

 2 II 18 20 1.063 17.93
3 III 26 29 1.367 19.02
4 IV 16 20 0.861 18.59
2009 5 I 16 0.709 22.57
6 II 24 1.063 22.57
7 III 28 1.367 20.48
8 IV 18 0.861 20.92
 2008 2009
2009 Linear (2009)
2008 Linear (2008)
30

25

CANTIDADES (UNIDADES)
f(x) = 0.999999999999999 x + 19
20 R² = 0.054945054945055
3
7692307692
15

10

0
0.5 1 1.5 2 2.5 3 3.5 4
2 2.5 3 3.5 4 4.5
TRIMESTRE
TRIMESTRE
9
Linear (2009)

x + 19

2.5 3 3.5 4 4.5

MESTRE
13. Harlen industrias tiene un modelo de pronostico simple se toma una demanda real del mismo mes del año anterior y se di

semana demanda/pronosticada demanda/real semana

1 140 137 5
2 140 133 6
3 140 150 7
4 140 160 8

Meses Pronostico Real Desviacion RS.FE

1 140 137 -3 -3
2 140 133 -7 10
3 140 150 10 0
4 140 160 20 20
5 140 180 40 -80
6 150 170 20 -40
7 150 185 35 -70
8 150 205 55 -110
21.25

Para el mes 8 el MAD. Es 23,75

real del mismo mes del año anterior y se divide entre el numero fraccional de semanas de ese mes. Esto da a la demanda semanal se pron

demanda/pronosticada demanda/real
140 180
150 170
150 185
150 205

Desviacion Absoluta suma de desviaciones absolutas

3 3
7 10
10 20
20 40
40 80
20 40
35 70
55 110
23.75
sto da a la demanda semanal se pronostican las demandas del mismo mes de este año. La tecnica se uso para pronosticar ocho semanas d
nosticar ocho semanas de este ano que se muestra a continuacion junto a la demanda real. las siguientes ocho semanas demuestran el pr
manas demuestran el pronostico basado en el año pasadoy la demanda real.
16) La planea de IPC estima la demanda semanal de los muchos materiales que tiene en inventario. Está estudiando
uno de estos componentes, el CTR 5922. Las 12 semanas más recientes de demanda para el CTR 5922 son:
ntario. Está estudiando
a el CTR 5922 son:
 a) Con un promedio móvil simple a cuatro meses, calcu
b) Mediante suavización exponencial simple con α= 0.2
17) La demanda histórica de un producto es como sigue: c) Mediante regresión lineal simple, calcule la recta de
d) Calcule un pronóstico para Octubre
MESES DEMANDA
abril 60 A)
Mayo 55
Junio 75 F Octubre junio + julio + agosto + septiembre / 4
Julio 60
Agosto 80 F Octubre 72.5
Septiembre 75

D)
PRONOSTICO PARA OCTUBRE X=

y= a+bx
81
ple a cuatro meses, calcule un pronóstico para octubre
nencial simple con α= 0.2 y un pronóstico para septiembre =65, calcule un pronóstico para Octubre.
mple, calcule la recta de la tendencia de los datos históricos. En el eje de las x, sea Abril=1, Mayo=2, etc…, mientras que en el eje de las y e

B) C)
Meses Demanda α=0.2 SUMATORIA MES DEMANDA
Abril 60 1 60
Mayo 55 2 55
Junio 75 3 75
Julio 60 4 60
Agosto 80 5 80
Septiembre 75 65 6 75
Octubre 67 Σ= 21 405

a
x= 7b
y

7
que en el eje de las y esta la demanda.

X^2 X*Y Y^2

1 60 3600
4 110 3025
9 225 5625
16 240 3600
25 400 6400
36 450 5625
91 1485 27875

54
3.857142857
a+bx Y=54+3,85x
 18) Las ventas por trimestre del último año y los tres primeros trimestres de este año son como sigue:

I II III IV
Año pasado 23000 27000 18000 9000
Este año 19000 24000 15400

Con el procedimiento de pronóstico enfocado descrito en el texto, pronostique las ventas esperadas para el cuarto trimestr

TRIMESTRE AÑO PASADO ESTE AÑO MEJOR ESTRATEGIA

I 23000 19000 16000
II 27000 24000 1.06666666666667
III 18000 15400 106.67
Iv 9000
La mejor estrategia es la anterior y lo aplicamos

(1500/18000)*9000
7500
res de este año son como sigue:

ventas esperadas para el cuarto trimestre de este año.

ACTUAL
15000

jor estrategia es la anterior y lo aplicamos para el cuarto trimestre de este año

19) En la tabla siguiente se muestra la demanda de un producto con cierto método de pronóstico, junto con la

PRONOSTICO REAL a) Calcule la señal de seguimiento con la desviación absoluta media

1500 1550 b) Comente si su método de pronóstico da buenas predicciones.
1400 1500
1700 1600
1750 1650 A)
1800 1700 n Pronostico (Ff) Demanda Real (At)
1 1500 1550
2 1400 1500
3 1700 1600
4 1750 1650
5 1800 1700
SUMATORIA =
MAD =
e pronóstico, junto con la demanda real.

sviación absoluta media y la suma continua de errores de pronóstico.

buenas predicciones.

B) Suma continua de errores de pronóstico, malas predicciones

(At-Ft) n Pronostico (Ff) Demanda Real (At) (At-Ft)
50 1 1500 1550 50
100 2 1400 1500 100
100 3 1700 1600 100
100 4 1750 1650 100
100 5 1800 1700 100
450 SUMATORIA = 450
90 MAD = 90
RSFE = 450
s predicciones FORMULA
Ts=(At-Ft)/MAD RSFE TS=RSFE/MAD
0.5556 50
1.1111 100
1.1111 100
1.1111 100
1.1111 100
5.0000 450
20) Su gerente trata de determinar que método de pronostico usar. Basándose en los siguientes datos históricos, calcule l
pronósticos y especifique que procedimiento utilizaría

MES DEMANDA REAL MES DEMANDA REAL

1 62 7 76

2 65 8 78

3 67 9 78 a) Calcule un promedio de pro

Calcule el promedio móvil pon
4 68 10 80 un pronóstico de suavización ex
0.30
pronóstico de suavización exp
5 71 11 84 tendencia inicial (T1) de 1.8, un

absoluta media (MAD) de los

6 73 12 85

A) B)
Desviacion
MESES DEMANDA REAL 3 MESES Absoluta MESES
1 62 1
2 65 2
3 67 3
4 68 64.67 3.33 4
5 71 66.67 4.33 5
6 73 68.67 4.33 6
7 76 70.67 5.33 7
8 78 73.33 4.67 8
9 78 75.67 2.33 9
10 80 77.33 2.67 10
11 84 78.67 5.33 11
12 85 80.67 4.33 12

DESVIACION TOTAL ABSOLUTA 36.65

MAD 4.07222

D)

α= 0.3 β =0.3
DEMANDA REAL Tt Ft
S S
MESES
1 62 1.8 60 61.8
2 65 1.82 61.86 63.68
 3 67 1.94 64.07 66.01
4 68 2.03 66.31 68.34 0.34
5 71 2 68.23 70.23 0.77
6 73 2.07 70.46 72.53 0.47
7 76 2.11 72.67 74.78 1.22
8 78 2.22 75.14 77.36 0.64
9 78 2.28 77.55 79.83 1.83
10 80 2.11 79.28 81.39 1.39
11 84 1.99 80.98 82.97 1.03
12 85 2.08 83.27 85.35 0.35
∑ MAD 8.04
MAD X 0.89333
tes datos históricos, calcule los siguientes
ía

a) Calcule un promedio de pronostico simple a tres meses para los periodos 4 a 12 b)

alcule el promedio móvil ponderado a tres meses con pesos de 0.50, 0.30 y 0.20 para los periodos de 4 a 12 c) Calcule
n pronóstico de suavización exponencial simple para los periodos de 2 a 12 usando un pronóstico inicial F1 de 61 y alfa de
0.30 d) Calcule el
pronóstico de suavización exponencial con componente de tendencia para los periodos de 2 a 12 con un pronóstico de
ndencia inicial (T1) de 1.8, un pronóstico de suavización exponencial inicial (F1) de 60, una α de 0.30 y una δ de 0.30
e) Calcule la desviación
absoluta media (MAD) de los pronósticos hechos con cada técnica en los periodos 4 a 12. ¿Qué método de pronósticos
prefiere?

C)
Desviacion DEMANDA REAL α = 0.3
DEMANDA REAL 3 MESES Absoluta MESES
62 1 62 61
65 2 65 61.3
67 3 67 62.41
68 65.4 2.6 4 68 63.79
71 67.1 3.9 5 71 65.05
73 69.3 3.7 6 73 66.84
76 71.4 4.6 7 76 68.68
78 74.1 3.9 8 78 70.88
78 76.4 1.6 9 78 73.02
80 77.6 2.4 10 80 74.51
84 79 5 11 84 76.16
85 81.6 3.4 12 85 78.51
∑ MAD
DESVIACION TOTAL ABSOLUTA 31.1
MAD 3.45556 MAD X

E)

RESPUESTA: Se recomienda utilizar el pronóstico de suavización exponencial con

componente de tendencia para los periodos debido a que nos brinda el MAD más
pequeño.
Desviacion
Absoluta 0.3

4.21
5.95
6.16
7.32
7.12
4.98
5.49
7.84
6.49

55.56
6.17333
21) Haga un análisis de regresión sobre la demanda sin factores estacionales para pronosticar la demanda en el verano de 2
datos históricos de la demand

AÑO ESTACIÓN DEMANDA REAL ESTACIÓN

2008 PRIMAVERA 205 X
VERANO 140 1
OTOÑO 375 2
INVIERNO 575 3
2009 PRIMAVERA 475 4
VERANO 275 5
OTOÑO 685 6
INVIERNO 965 7
8
∑ 36

A
B
nosticar la demanda en el verano de 2008, dados los siguientes
and

DEMANDA REAL
Y X^2 X*Y Y^2
205 1 205 42025
140 4 280 19600
375 9 1125 140625
575 16 2300 330625
475 25 2375 225625
275 36 1650 75625
685 49 4795 469225
965 64 7720 931225
3695 204 20450 2234575

52.321428571429 Y= a+bx
91.011904761905 Y= 52,32+91,01x

Para verano (x)= 10

Y 962.44
22) Los siguientes son los resultados de los últimos 21 meses de ventas reales de cierto producto

Elabore un pronóstico para el cuarto trimestre usand

reglas se prueban primero en el tercer trimestre; la de
MESES 2008 2009
Enero 300 275
Febrero 400 375 TRIMESTRE Solucion: Sumamos
Marzo 425 350 I II
Abril 450 425 2008 1.125 1.31
Mayo 400 400 2009 1 1.175
Junio 460 350
Cada estrategia es usada para predecir
Julio 400 350 pred
Agosto 300 275

Septiembre 375 350

ESTRATEGIA 1: en el pasado tres meses
Octubre 500
Noviembre 550
ESTRATEGIA2: En el los mismos periodo
Diciembre 500 De ah

ESTRATEGIA 3: Nosotros podriamos de

nuestro p

ESTRATEGIA 4: Nosotros podriamos de

los mismos tres meses del pasa

ESTRATEGIA 5: EL PORCENTAJE cambia

pasados la probabilidad podría ser
pronóstico

SOLUCIÓN: Si solo los 3 primeros son u

Si todo los cinco método

cuarto trim
 cuarto trimestre usando tres reglas de pronóstico enfocado (observe que para aplicar correctamente el procedimiento, las
el tercer trimestre; la de mejor desempeño se usa para pronosticar el cuarto trimestre). Haga el problema con trimestres, en
lugar de pronosticar meses separados.

Solucion: Sumamos de tres en tres meses

III IV
1.075 1.55
975

es usada para predecir el tercer trimester de este año. Luego la mejor estrategia es usada para
predecir el cuarto trimestres de este año.

en el pasado tres meses es cual nosotros podríamos decir en los siguientes tres meses. Te hay nuestro pronóstico es 1175.
Actualmente fue 975. 1,175/975 = 121%.

n el los mismos periodo de tres meses el pasado año, nosotros podríamos decir que en el periodo de tres meses de este año.
De ahí nuestro pronóstico es 1,075. Actual fue 975. 1,075/975 = 110%.

Nosotros podriamos decir ue el 10% más en los siguientes tres meses que nosotros deciamos en elos pasados tres meses .
nuestro pronóstico es 10(1,175) = 1,292.5. Actual fue 975. 1,292.5/975 = 133%.

Nosotros podriamos decir que hay una probabilidad del 50% mas sobre los siguientes tres meses que nosotros hicimos por
mos tres meses del pasado año. El pronostico podría ser 1.50(1,075) = 1,612.5. Actual fue 975. 1612.5/975 = 165%.

: EL PORCENTAJE cambia nossotros tenemos para los pasados meses de este año comparando para los mismos tres meses
probabilidad podría ser el mismo porcentaje cambio que nosotros podrias tener para el siguiente meses de este año. El
pronóstico podria ser (1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.

olo los 3 primeros son usados, el mejor método será el TERCERO, es el pronóstico para el cuarto trimestre es
1550.
Si todo los cinco métodos enlistados en el texto son usados, luego el mejor método es el E. aplicando esto el
cuarto trimestre de este año produce un pronóstico de: (975/1,075) 1,550 = 1,406.
 24) Después de aplicar su modelo de pronóstico durante seis meses, decide probarlo con MAD y una señal de seguimie
demanda real del periodo de seis meses:

PERIODO PRONÓSTICO REAL a) Encuentre la señal de seguimiento.

Mayo 450 500 b) Decida si su rutina de pronóstico es aceptable
Junio 500 550

PERIODO PRONOSTICO REAL

Julio 550 400
Agosto 600 500 MAYO 450 500
Septiembre 650 675 JUNIO 500 550
Octubre 700 600 JULIO 550 400
AGOSTO 600 500
SEPTIEMBRE 650 675
OCTUBRE 700 600
 con MAD y una señal de seguimiento. Lo que sigue es el pronóstico y la
de seis meses:

tico es aceptable

DESVIACIÓN RSFE DESVIACIÓN SUMA DE DESVIACIONES MAD TS

ABSOLUTA ABSOLUTAS

50 50 50 50 50 1
50 100 50 100 50 2
-150 -50 150 250 83.33 -0.6
-100 -150 100 350 87.5 -1.71
25 -125 25 375 75 -1.67
-100 -225 100 475 79.17 -2.84
475
23)

X Y X^2 XY Y^2
1 565 1 565 319225
2 590 4 1180 348100
3 583 9 1749 339889
4 597 16 2388 356409
5 615 25 3075 378225
6 611 36 3666 373321
7 610 49 4270 372100
8 623 64 4984 388129
SUMA 36 4794 204 21877 2875398
25)
AÑO TRIMESTRE VENTAS AÑO TRIMESTRE VENTAS
1 1 9.2 2 1 10.3
1 2 5.4 2 2 6.4
1 3 4.3 2 3 5.4
1 4 14.1 2 4 16

TRIMESTRE
AÑO 1 2 3 4
1 9.2 5.4 4.3 14.1 33
2 10.3 6.4 5.4 16 38.1
12
19.5 11.8 9.7 30.1 71.1
PROMEDIO 9.75 5.9 4.85 15.05 35.55
10
f(x) = 0
R² = 0.7
8
DATOS ESTACIONALES
AÑO 1 2 3 4 6
1 8.386153846 8.134322034 7.879639175 8.326495017
2 9.388846154 9.640677966 9.895360825 9.448504983 4

REGRESION LINEAL 0
TRIMESTRE X VENTAS Y X^2 XY Y^2 0 1 2

1 8.386153846 1 8.386153846 70.32757633

2 8.134322034 4 16.26864407 66.16719495
3 7.879639175 9 23.63891753 62.08871353
4 8.32649502 16 33.30598008 69.33051932
5 9.388846154 25 46.94423077 88.1504321
6 9.640677966 36 57.8440678 92.94267165
7 9.895360825 49 69.26752577 97.91816585
8 9.448504983 64 75.58803987 89.27424642
36 71.1 204 331.2435597 636.1995202
 INDICE ESTACIONARIO1.097046414 0.663853727 0.545710267 1.693389592

12

10
f(x) = 0.268894278824309 x + 7.6774757457142
R² = 0.706510649298232
8

0
0 1 2 3 4 5 6 7 8 9
26)

AÑOS X INGRESOS Y Y*X X^2 Y^2

1 4865.9 4865.9 1.0 23676982.81
2 5067.4 10134.8 4.0 25678542.76 7000

3 5515.6 16546.8 9.0 30421843.36 6000

4 5728.8 22915.2 16.0 32819149.44
5 5497.7 27488.5 25.0 30224705.29 5000

6 5197.7 31186.2 36.0 27016085.29 4000

7 5094.4 35660.8 49.0 25952911.36
3000
8 5108.8 40870.4 64.0 26099837.44
9 5550.6 49955.4 81.0 30809160.36 2000
10 5738.9 57389 100.0 32934973.21
1000
11 5860 64460 121.0 34339600
SUMA 66 59225.8 361473 506 319973791.3 0
1 2 3 4

PERIODO PRONOSTICO
12 5717.88 a=
13 5773.50 b=
14 5829.12
15 5884.74
 INGRESOS Y
7000

6000

5000

4000

3000

2000

1000

0
1 2 3 4 5 6 7 8 9 10 11

5050.44
55.62
28)

t A1 F1 T1 FIT1
1 288 300 8 308
2 288 302 5.6 307.6
29)
PRONÓSTICO DESVIACIÓN
MES QUEJAS 3 MESES 3 MESES
ENERO 36 ABRIL
FEBRERO 45 MAYO
MARZO 81 JUNIO
ABRIL 90 54 36
MAYO 108 72 36
JUNIO 144 93 51
DESVIACIÓN 123
MAD 41
54
72
93
30)
DEMADNA REALPRONÓSTICO MAD
AÑOS UNIDADES 0.20 a=0,20
1998 270 270.000 0.000
1999 356 270.000 86.000
2000 398 287.200 110.800
2001 456 309.360 146.640
2002 358 338.668 19.332
2003 500 342.550 157.450
2004 410 374.040 35.960
2005 376 381.232 5.232
DESVIACIÓN TOTAL 561.414
MAD 70.174
PROMEDIO 341.333
MAD 68.266