FACULTAD DE INGENIERÍA ELÉCTRICA

Y ELECTRÓNICA

INGENIERÍA DE LA PRODUCCIÓN

Deber: 6

Tema: Preguntas y ejercicios Pronósticos

Grupo: GR – 1

Realizado por: Cisneros Pablo

Flores Jefferson
Gualotuña Darwin
Solórzano Bryan
Taco Erick

Fecha de Entrega: 05 – 07 – 2020

Semestre 2020-A
Preguntas.

1.- ¿Qué es un modelo de pronóstico cualitativo y cuando es apropiado su uso?

Se dice que es la estimación anticipada del valor de una variable, por ejemplo: la demanda de un producto.
Valor anticipado de la variable que una compañía está en posibilidad de concretizar, por ejemplo: la cantidad
de producto que la compañía decide fabricar en función de la demanda y de la capacidad instalada.
El conocimiento de las técnicas de pronósticos es de poco valor a menos que puedan aplicarse efectivamente
en el proceso de planeación de la organización.

Usos de los pronósticos:

Mercadotecnia
Tamaño del mercado
Participación en el mercado
Tendencia de precios
Desarrollo de nuevos productos
Producción
Costo de materia prima
Costo de mano de obra
Disponibilidad de materia prima
Disponibilidad de mano de obra
Requerimientos de mantenimiento
Capacidad disponible de la planta para la producción
Finanzas
Tasas de interés
Cuentas de pagos lentos

2.- Identifique y describa brevemente los dos enfoques generales del pronóstico.

Se dice que existen dos enfoques pronosticados, uno de ellos es el análisis cuantitativo y el otro es el análisis
cualitativo.

Análisis Cuantitativo. - Estos utilizan una serie de modelos matemáticos que se apoyan en datos históricos o
en variables causadas para pronosticar la demanda.

Análisis Cualitativo. - Estos incorporan factores como la intuición o las decisiones para llevar un pronóstico.

3.- Identifique los tres horizontes de tiempos para pronosticar. Establezca una duración aproximada
para cada uno.

Ahora todos los administradores posen la capacidad de utilizar técnicas de análisis de datos muy complejas para
fines de pronóstico, y una comprensión de dichas técnicas es esencial hoy en día para los Administradores de
Empresas.

Los pronósticos a largo plazo son necesarios para establecer el curso general de la organización para un largo
periodo; de ahí que se conviertan en el enfoque particular de la alta dirección. Los pronósticos a corto plazo se
utilizan para diseñar estrategias inmediatas y que usan los administradores de rango medio y de primera línea
para enfrentar las necesidades del futuro inmediato.
4.-Describa brevemente los pasos necesarios para desarrollar un sistema de pronóstico.

1. Recopilación de datos 2. Reducción o condensación de datos

3. Construcción del modelo 4. Extrapolación del modelo

El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son correctos. Con frecuencia
este paso es el mayor reto de todo el proceso de pronóstico y el más difícil de controlar, ya que los pasos
siguientes se efectúan sobre los datos, sean o no relevantes para el problema en cuestión. Siempre que se hace
necesario obtener datos pertinentes en una organización, abundan los problemas de recopilación y control de
calidad.

El paso 2, la reducción de datos con frecuencia es necesaria ya que en proceso de pronóstico es posible tener
muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reducirían la
precisión del pronóstico. Otros datos pueden ser los adecuados, pero sólo en ciertos periodos históricos. Por
ejemplo, en el pronóstico de ventas de automóviles compactos podría desearse emplear sólo datos de ventas de
automóviles a partir del embargo petrolero de la década de 1970, en vez de datos de los últimos 50 años.

El paso 3, la construcción del modelo, implica ajustar los datos reunidos en un modelo de pronóstico que sea el
adecuado para minimizar el error del pronóstico. Entre más sencillo sea el modelo, será mejor para lograr la
aceptación del proceso por parte de los administradores que toman las decisiones en la empresa. Con frecuencia
se debe establecer un balance entre un enfoque de pronóstico complejo que ofrezca ligeramente más precisión
y un enfoque sencillo que sea fácil de entender y ganar el apoyo de quienes toman las decisiones, de manera
que lo utilicen efectivamente. Es obvio que los elementos de juicio forman parte de este proceso de selección.

El paso 4 consiste en la extrapolación en sí del modelo de pronóstico, lo cual ocurre una vez que se recolectaron
y tal vez redujeron, los datos adecuados y que se seleccionó un modelo de pronóstico apropiado. Es común que
quien realizó el pronóstico revise la precisión del proceso mediante el pronóstico de periodos recientes de los
que se conocen los valores históricos reales. Es entonces cuando se observan los errores de pronóstico y se
resumen de algún modo. Ciertos procedimientos de pronósticos, suman los valores absolutos de los errores y
pueden reportar esta suma, o dividirla entre el número de intentos de pronóstico para obtener el error de
pronóstico promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se compara luego
con cifras similares de métodos de pronóstico alternativos.
 5.-Un administrador escéptico pregunta para que pueda usarse un pronóstico de mediano plazo,
sugiérale tres usos o pronósticos posibles

Se puede mejorar la utilidad de los pronósticos si los administradores adoptan una actitud más realista. No se
debe ver al proceso como un sustito de la profecía, sino como la mejor forma de identificar y extrapolar patrones
o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud, se deben considerar inevitablemente
los errores de pronóstico e investigar las circunstancias que los generan.

6.- Explique qué técnicas de pronósticos, como promedios móviles, promedios móviles ponderados y
suaviza miento exponencial no son apropiadas para las series de datos que presentan una tendencia

Para una buena selección de la técnica de pronóstico adecuada, el pronosticado deberá poder hacer lo
siguiente:

-Definir la naturaleza del problema de pronóstico.

-Explicar la naturaleza de los datos bajo investigación.
-Describir las capacidades y limitaciones de las técnicas de pronóstico potencialmente útiles.
-Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisión de la selección.

-Un factor principal que influye en la selección de una técnica de pronóstico consiste en la identificación y
comprensión de patrones históricos en los datos. Si se pueden reconocer patrones de tendencia, cíclicos o estacionales,
entonces se pueden seleccionar las técnicas con la capacidad de utilizar eficazmente estos patrones.

Técnicas de pronóstico para datos estacionarios

Una serie estacionaria es aquella cuyo valor promedio no varía a través del tiempo. Estas situaciones se presentan cuando
los patrones de demanda que influyen sobre la serie son relativamente estables.
El pronóstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor
promedio, el cual se convierte después en el pronóstico de valores futuros. Las técnicas más sofisticadas comprenden la
actualización de la estibación, al haber nueva información.

Las técnicas de pronóstico estacionarias se emplean siempre que:

-Las fuerzas que generen una serie se han estabilizado y el medio en el que existe la serie permanece relativamente sin
cambios. Ejemplos de ello son las fallas por semana en una línea de ensamble que tiene una fase de producción
uniforme, las ventas unitarias de un producto o servicio en la etapa de maduración de su ciclo de vida y el número de
ventas resultantes de un nivel constante de esfuerzo.
-Se requiere un modelo muy sencillo debido a la falta de datos o para facilitar su explicación o implementación. Un
ejemplo serio cuando un negocio u organización es nuevo y hay disponible muy poca información histórica.
-Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la población e
inflación. Ejemplos de esto son modificar el ingreso por el ingreso per cápita, o las ventas en dólares por montos en
dólares constantes.
-La serie se puede transformar en una serie estable. Como ejemplo, está la transformación de series mediante
logaritmos, raíces cuadradas o diferencias.
-La serie es un conjunto de errores de pronóstico que se considera adecuada.

Técnicas De Pronóstico Para Datos Con Una Tendencia

Una serie con tendencia como una serie de tiempo que contiene un componente de largo plazo que representa el
crecimiento o declinación de la serie a través de un periodo amplio. Tiene una tendencia si su valor promedio varía a
través del tiempo, de modo que se espera que aumente o disminuya durante el periodo para el que desea pronóstico. Es
común que las series económicas contengan una tendencia.

Las técnicas de pronóstico para series con tendencia se utilizan siempre que:

-Una productividad creciente y la nueva tecnología conducen a cambios en el estilo de vida. Como ejemplos se pueden
citar la demanda de componentes electrónicos, que se incrementó con el advenimiento de la computadora; y el uso del
ferrocarril que se disminuyó con la aparición del avión.
-El incremento en la población provoca un incremento en la demanda de bienes y servicios. Ejemplo de estos son las
utilidades por venta de bienes de consumo, la demanda en el consumo de energía eléctrica y el uso de materias primas.
-El poder de compra del dólar afecta las variables económicas por causa de la inflación. Los ejemplos son los salarios,
costos de producción y precios.
-Aumenta la aceptación en el mercado. Un ejemplo sería el periodo de crecimiento en el ciclo de vida de un nuevo
producto.

Técnicas De Pronóstico Para Datos Con Estacionalidad

Una serie estacional como una serie de tiempo con un patrón de cambio que se repite a si mismo año tras año. Por lo
regular, el desarrollo de una técnica de pronóstico estacional comprende la selección de un método multiplicativo o uno
de adición y estimar después índices estaciónales a partir de la historia de la serie. Estos índices se usan posteriormente
para incorporar la estacionalidad al pronóstico para eliminar tales efectos de los valorares observados.

Las técnicas de pronóstico para datos estaciónales se usan siempre que:

-El clima influyente en la variable de interés. Como ejemplos están el consumo de energía eléctrica, las actividades de
verano e invierno, el guardarropa y las estaciones de desarrollo agrícola.
-El año calendario influye en la variable de interés. Ejemplos de ello son las ventas al menudeo influidas por dais
festivos, fines de semana de tres días y los calendarios escolares.
Técnicas De Pronóstico Para Series Cíclicas

Es la fluctuación en forma de onda alrededor de la tendencia. Los patrones cíclicos tienden a repetirse en los datos cada
dos, tres o más años.

Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor de la tendencia rara vez se repiten en intervalos
fijos de tiempo y también varía la magnitud de las fluctuaciones.

Las técnicas de pronóstico para datos cíclicos se utilizan siempre que:

-El ciclo del negocio influye sobre la variable de interés. Como ejemplos están los factores económicos de mercado y
de la compendia.
-Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la música y la alimentación.
-Se presenta cambios en la población. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres
naturales.
-Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introducción, crecimiento, maduración,
saturación y declinación del mercado.

7.- ¿Cuál es la diferencia básica entre promedios móviles ponderados y suavizamiento exponencial?

El promedio ponderado es una forma un poco más compleja de calcular la media, pero de gran utilidad práctica.

El método de suavización exponencial a diferencia de los promedios móviles, este método pronostica otorgando
una ponderación a los datos dependiendo del peso que tengan dentro del cálculo del pronóstico. Esta
ponderación se lleva a cabo a través de otorgarle un valor a la constante de suavización, 1, que puede ser mayor
que cero y menor que uno.

8.- ¿Cuáles los tres métodos empleados para medir la exactitud de cualquier método de pronósticos?
como determinaría usted si es mejor una regresión de series de tiempos o un suavizante exponencial
para una aplicación especifica?

Un método para evaluar una técnica de pronóstico consiste en obtener la suma de los errores absolutos. La
Desviación Absoluta de la Media (DAM) mide la precisión de un pronóstico mediante el promedio de la
magnitud de los errores de pronóstico (valores absolutos de cada error). La DAM resulta de gran utilidad cuando
el analista desea medir el error de pronóstico en las mismas unidades de la serie original.

Otra técnica para evaluar una técnica de pronóstico es el Error Medio Cuadrado (EMC). Cada error o residual
se eleva al cuadrado; luego estos valores se suman y se divide entre el número de observaciones. Este enfoque
penaliza los errores mayores de pronósticos, ya que eleva cada uno al cuadrado. Esto es importante pues en
ocasiones pudiera ser preferible una técnica que produzca errores moderados a otra que por lo regular tenga
errores pequeños, pero que ocasionalmente arroje algunos en extremo grandes.
En ocasiones, resulta más útil calcular los errores de pronóstico en términos de porcentaje y no de cantidades.
El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en cada periodo,
dividiendo éste entre el valor real observado, para ese periodo y después promediando estos errores absolutos
de porcentaje. Este enfoque es útil cuando el tamaño o magnitud de la variable de pronóstico es importante en
la evaluación de la precisión del pronóstico. El PEMA proporciona una indicación de que tan grandes son los
errores de pronóstico comparados con los valores reales de la serie. También se puede utilizar el PEMA para
comparar la precisión de la misma u otra técnica sobre dos series completamente diferentes.

A veces resulta necesario determinar si un método de pronóstico está sesgado (pronóstico consistentemente alto
o bajo). En estos casos, se emplea el Porcentaje Medio de Error (PME), que se calcula encontrando el error en
cada periodo, dividiendo esto entre el valor real de ese periodo y promediando después estos porcentajes de
error. Si un enfoque de pronóstico no está sesgado, la ecuación del PME producirá un porcentaje cercano a cero.
Si el resultado es un porcentaje negativo grande, el método de pronóstico está sobrestimado de manera
consistente.

Una parte de la decisión para utilizar una técnica de pronóstico en particular es la determinación de si la técnica
producirá errores de predicción que se juzguen como suficientemente pequeños. Es en este efecto realista
esperar que una es en efecto realista esperar que una técnica produzca errores de pronóstico relativamente bajos
sobre una base consistente.

Las cuatro mediciones de precisión de un pronóstico que acabamos de describir se utilizan de la siguiente
manera:

-La comparación de la precisión de dos técnicas diferentes.

-La medición de la utilidad o confiabilidad de una técnica.
-La búsqueda de una técnica óptima.

9.-Imvestigue y describa brevemente el método de Delphi ¿Cómo podría usarlo alguno de los jefes para
los que usted ha trabajado?

Su objetivo es la consecución de un consenso basado en la discusión entre expertos. Es un proceso repetitivo.

Su funcionamiento se basa en la elaboración de un cuestionario que ha de ser contestado por los expertos. Una
vez recibida la información, se vuelve a realizar otro cuestionario basado en el anterior para ser contestado de
nuevo. Finalmente, el responsable del estudio elaborará sus conclusiones a partir de la explotación estadística
de los datos obtenidos.

Las organizaciones empresariales tienen como objetivo tanto obtener los mayores beneficios económicos como
ser capaces de existir durante el máximo tiempo posible. Para ello realizan un plan estratégico en el que se
reflejan cuáles son las líneas productivas que se deben seguir manteniendo, cuáles deberían implantarse y qué
modificaciones debe sufrir la organización para lograr sus objetivos.
Para conseguir que este plan tenga éxito, la empresa debe conocer el entorno en el que se desarrolla su actividad.
Así, debe conocer cuáles son los peligros que la amenazan (pérdida de competitividad, desconocimiento de las
nuevas tecnologías, pérdida de mercado, ...) y cuáles las oportunidades que aparecen (utilización de nuevas
tecnologías que mejoran el rendimiento en la organización, fortalecimiento de la posición ante el mercado, ...).
Además, las empresas estarán interesadas en conocer la evolución que va a sufrir este entorno en el futuro.

Para ello, los métodos de prospectiva estudian el futuro en lo que se refiere a la evolución de los factores del
entorno tecno-socio-económico y las interacciones entre estos factores. De esta manera las organizaciones
podrán desarrollar sus planes estratégicos con la seguridad de que se van a conseguir los objetivos a largo plazo
que tenía previstos.

10.- ¿Cuál es la principal diferencia entre un modelo de series de tiempo y un modelo asociativo?

Los modelos de series de tiempo son las técnicas de pronósticos que se basan únicamente en la historia de la
demanda del ítem que se está pronosticando. Trabajan capturando los patrones en los datos históricos
extrapolándolos en el futuro. Los Modelos de series de tiempo son adecuados cuando se puede asumir una
cantidad razonable de datos y una continuidad en el futuro próximo de las condiciones que se presentaron en el
pasado. Estos modelos se adaptan mejor al corto plazo del pronóstico. Esto se debe a la hipótesis de que los
patrones pasados y las tendencias actuales se asemejan a los patrones y tendencias que se van a presentar en el
futuro. Esto es una suposición razonable en el corto plazo, pero va perdiendo validez en el largo plazo.

11.- Defina que es una serie de tiempo,

Una serie de tiempo o serie temporal es una colección de observaciones tomadas a lo largo del tiempo cuyo
objetivo principal es describir, explicar, predecir y controlar algún proceso. Las observaciones están ordenadas
respecto al tiempo y sucesivas observaciones son generalmente dependientes. De hecho, esta dependencia entre
las observaciones jugará un papel importante en el análisis de la serie. El análisis de series de tiempo desempeña
un papel importante en el análisis requerido para el pronóstico de eventos futuros.

12.- ¿Qué efecto tiene el valor de la contante de suaviza miento en la ponderación dadas a los valores
recientes?

Para dar más peso esto es cuando alfa es más alto.

13.- Explique el valor que tienen los índices estacionales al pronosticar ¿en que difieren los patrones
cíclicos y los patrones estacionales.

Esto es importante para saber la demanda mayor, el patrón estacional se repite después de un periodo.

14.- ¿Qué técnica de pronóstico da más importancia a los valores recientes? ¿Cómo hace esto?

Periodo móvil ponderado =sumatoria (ponderación pa el periodo M) (demanda en el periodo M)

Sumatoria de ponderados
15.- Explique con sus propias palabras que s un pronóstico adaptable

Es un pronóstico que se puede adaptar a diversas áreas ya sea económico tecnológico etc.

Se ajusta debido a variables como la estacionalidad y la tendencia.

16.- ¿Cuál es el propósito de señales de control?

Esto es muy importante para los pronósticos ce tiempo.

17.- explique con sus propias palabras cual es el significado del coeficiente de correlación. Analice el
significado de un valor negativo del coeficiente de correlación

Es el que mide la relación lineal entre dos variables cuantitativas.

18.- ¿Cuál es la diferencia entre una variable dependiente y una variable independiente?

VARIABLE INDEPENDIENTE. -Produce modificaciones y otra variable con la cual está relacionada suele
llamársele variable causal.

VARIABLE DEPENDIENTE. -Es modificada siempre que la variable independiente cambia de valor o
modalidad conocida como variable efecto.

19.-Mencione algunos ejemplos de industrias afectadas por la estacionalidad ¿Por qué estos negocios
desearían no depender de la estacionalidad?

Esto depende de una constante y la otra no.

20.- De algunos ejemplos de industrias donde el pronóstico de la demanda depende de la demanda de

otros productos

Las ventas de cortadoras de césped incluyen factores como la construcción de nuevas viviendas.

La compañía constructora Nodel renueva casas antiguas en West Bloomfield, Michigan. Con el tiempo, la
compañía ha encontrado que su volumen de dólares por trabajos de renovación depende de la nómina del área
de West Bloomfield.

Las líneas de ensamble de Glidden Paints llenan miles de latas cada hora. parte de las pinturas Glidden se vende
al menudeo a clientes que ya poseen casas o negocio

21.- ¿Qué ocurre con nuestra capacidad para pronosticar cuándo pronosticamos periodos cada vez más
lejanos en el futuro?

La probabilidad de erros se hace más grande.

Problemas.
3. Regrese al problema 4.2. Desarrolle un pronóstico para los años 2 al 12 mediante suavizamiento
exponencial con a=.4 y un pronóstico para el 1 de 6. Grafique su nuevo pronostico junto con los datos
reales y un pronóstico intuitivo, con base en su inspección visual. ¿Qué es pronóstico es mejor?

Año Demanda Pronostico

1 7 6

2 9 6.4 6+0.4 (7-6) = 6.4

3 5 7.44 6.4+0.4 (9-6.4) =7.6

4 9 6.4640 7.44+0.4 (5-7.44) = 6.4640

5 13 7.4784 6.4640+0.4 (9-6.4640) = 7.4784

6 8 9.6870 7.4784+0.4 (13-7.4784) = 9.6870

7 12 9.0122 9.6870+0.4 (8-9.6870) = 9.0122

8 13 10.2073 9.0122+0.4 (12-9.0122) =10.2073

9 9 11.3244 10.2073+0.4 (13-10.2073) =11.3244

10 11 10.3946 11.3244+0.4 (9-11.3244) =10.3946

11 7 10.6368 10.3946+0.4 (11-10.3946) = 10.6368

12 9 9.1821 10.6368+0.4 (7-10.6368) =9.1821

El pronóstico mejor es el del año 9 con 11.3244.

6. Las ventas en Bettern Inc., fueron como sigue:

Mes Ventas
Enero 20
Febrero 21
marzo 15
Abril 14
Mayo 13
Junio 16
Julio 17
Agosto 18
Septiembre 20
Octubre 20
Noviembre 21
Diciembre 23
 25
ventas 20
15 mes
10 ventas
5
0
1 3 5 7 9 11 13
meses

a.

Mes Ventas PROMEDIO MOVIL 3 MESES

Enero 20
Febrero 21
marzo 15
Abril 14 20+21+15=56/3=18.66
Mayo 13 21+15+14=50/3=16.66
Junio 16 15+14+13=42/3=14
Julio 17 14+13+16=43/3=14.33
Agosto 18 13+16+17=46/3=15.33
Septiembre 20 16+17+18=51/3=17
Octubre 20 17+18+20=55/3=18.33
Noviembre 21 18+20+20=58/3=19.33
Diciembre 23 20+20+21=61/20.33

Suavizamiento potencial

a=.3 y un pronóstico de septiembre de 18

Mes Ventas Pronosticos

Enero 20
Febrero 21
marzo 15
Abril 14
Mayo 13
Junio 16
Julio 17
Agosto 18
Septiembre 20 18
Octubre 20 18.6 18+0.3 (20-18) =18.6
Noviembre 21 19.02 18.6+0.3 (20-18.6) =19.02
Diciembre 23 19.61 19.02+0.3 (21-19.02) =19.61
 Enero 20.63 19.61+0.3 (23-19.61) =20.63

c. Con los datos dados ¿Qué método le permitiría elaborar el pronóstico de ventas para el próximo mes
de marzo? El suavizamiento potencial.

9 P.D. usa un chip x63 en algunas de sus computadoras. Los precios del chip durante los últimos 12
meses.

Mes Precio por Chip Promedio móvil de 2 meses

Enero $ 1,80
Febrero $ 1,67
marzo $ 1,70 1.80+1.67 = 3.47/2 = 1.735
Abril $ 1,85 1.67+1.70 = 3.37/2 = 1.69
Mayo $ 1,90 1.70+1.85 = 3.55/2 = 1.78
Junio $ 1,87 1.85+1.90 = 3.75/2 = 1.875
Julio $ 1,80 1.85+1.90 = 3.75/2 = 1.875
Agosto $ 1,83 1.90+1.87 = 3.77/2 = 1.89
Septiembre $ 1,70 1.87+1.80 = 3.67/2 = 1.84
Octubre $ 1,65 1.83+1.70 = 3.53/2 = 1.77

Noviembre $ 1,70 1.70+1.65 = 3.35/2 = 1.68

Diciembre $ 1,75 1.65+1.70 = 3.35/2 = 1.68

1.70+1.75 = 3.45/2 = 1.73

2
1.9 precio por chip
precio

1.8
1.7 promedio movil
1.6 2 meses
1.5
1 3 5 7 9 11 13
promedio
b. use un promedio móvil de 3 meses y agréguelo en la gráfica creada en el inicio a.

Mes Precio por Chip Promedio móvil de 3 meses

Enero $ 1,80
Febrero $ 1,67
marzo $ 1,70
Abril $ 1,85 1.80+1.67+1.70/3=1.7233
Mayo $ 1,90 1.67+1.70+1.85/3=1.74
Junio $ 1,87 1.70+1.85+1.90/3=1.8166
Julio $ 1,80 1.85+1.90+1.87/3=1.8733
Agosto $ 1,83 1.90+1.87+1.80/3=1.8566
Septiembre $ 1,70 1.87+1.80+1.83/3=1.8333
Octubre $ 1,65 1.80+1.83+1.70/3=1.7766
Noviembre $ 1,70 1.83+1.70+1.65/3=1.7266

Diciembre $ 1,75 1.70+1.65+1.70/3=1.6833

1.65+1.70+1.75/3=1.7

2
1.9
precio por chip
precio

1.8
1.7 promedio movil
1.6 2 meses
1.5 promedio movil
1 3 5 7 9 11 13 3 meses
promedio

c. cual es mejor (usando la desviación absoluta media) el promedio de 2 meses o el promedio de 3 meses?

R= usando la desviación absoluta media, pensaría que es la mejor para sacar pronósticos.

d. calcule el pronóstico para cada mes con suavizamiento exponencial y un pronóstico inicial para enero
de $1.80 a=.3 y por último a=5 según MAD que a es mejor?

Mes Precio Pronostico Suavizamiento Exponencial

Enero $ 1,80 $ 1,80
Febrero $ 1,67 $ 1,84
marzo $ 1,70 $ 1,79 1.80+.3(1.80-1.80)=1.80
Abril $ 1,85 $ 1,76 1.84+0.3 (1.67-1.84)=1.79
Mayo $ 1,90 $ 1,79 1.79+0.3 (1.70-1.79)=1.763
Junio $ 1,87 $ 1,82 1.763+0.3 (1.85-1.763)=1.79
Julio $ 1,80 $ 1,84 1.79+0.3 (1.90-1.79)=1.823
Agosto $ 1,83 $ 1,83 1.823+0.3 (1.87-1.823)1.8371
Septiembre $ 1,70 $ 1,83 1.8371+0.3 (1.80-1.8371)=1.8260
Octubre $ 1,65 $ 1,79 1.8260+0.3 (1.83-1.8260)=1.8272
 Noviembre $ 1,70 $ 1,75 1.8272+0.3 (1.70-1.8272)=1.7890
Diciembre $ 1,75 $ 1,73 1.7890+0.3 (1.65-1.7890)=1.7473
1.7473+0.3 (1.70-1.7473)=1.7331

12 En los problemas 4.10 y 4.11 se desarrollaron tres pronósticos de las inscripciones al seminario que
son pronóstico móvil de 3 meses, ponderado y suavizamiento exponencial. Con MAD como criterio ¿Cuál
de los tres métodos de pronósticos es mejor explique su respuesta?

Prom. Prom. Suavizante

Mes Inscripción Móvil MAD Móvil Ponderado MAD Exponencial MAD
1 4 5 1.00
2 6 4.7 1.30
3 4 5.09 1.09
4 5 4.67 0.32 4.5 0.50 4.8 0.20
5 10 5 5.00 5 5.00 4.8 5.20
6 8 6.33 1.67 7.25 0.75 6.3 1.70
7 7 7.67 1.67 7.75 0.75 6.9 0.10
8 9 8.33 0.67 8 1.00 6.9 2.10
9 12 8 4.00 8.25 3.75 6.9 5.10
10 14 9.33 4.67 10 4.00 8.5 5.50
11 15 11.67 3.33 12.25 2.75 10.1 4.90

20.33 18.50 28.19

MAD = Desviaciones = 2.54 2.31 2.56

El mejor método de Pronostico es el Promedio Móvil Ponderado…porque su MAD es mas pequeño 2.31
que los otros dos
Pronostico

15 Retome el problema resuelto 4.1 de la página 140. Use un promedio móvil de 3 años para
pronosticar las ventas de Volkswagen Beetle en Nevada durante 2008. ¿Cuál es la MAD?

Año Ventas Pronóstico Error

2003 450 410 40
2004 495
2005 518
2006 563 487,666667 75,33333333
2007 584 525,333333 58,66666667
2008 555 555 0
174
MAD 43,5
La Desviación Media Absoluta (MAD) es de 43,5, es decir la desviación entre el pronóstico y las
ventas reales es de 43,5.

18. Considere los siguientes niveles de la demanda real (At) y pronosticada (Ft) para un
producto:

Periodo de tiempo [t] Demanda real [At] Demanda pronosticada [Ft]

1 50 50
2 42 50
3 56 48
4 46 50
5

El primer pronóstico, F1, se obtuvo observando A1 y estableciendo F1 igual a A1. Los

pronósticos subsecuentes se obtuvieron mediante suavizamiento exponencial. Usando el método
de suavizamiento exponencial, encuentre el pronóstico para el quinto periodo. (Sugerencia:
Primero es necesario encontrar la constante de suavizamiento, α).
𝐹𝑡 = 𝐹𝑡−1 + 𝑎(𝐴𝑡−1 − 𝐹𝑡−1 )

𝑝𝑒𝑟𝑖𝑜𝑑𝑜 2: 50 = 50 + 𝑎(50 − 50)

𝑝𝑒𝑟𝑖𝑜𝑑𝑜 3: 48 = 50 + 𝑎(42 − 50) 𝑎 = 0.25

𝑝𝑒𝑟𝑖𝑜𝑑𝑜 4: 50 = 48 + 𝑎(56 − 48) 𝑎 = 0.25

𝑝𝑒𝑟𝑖𝑜𝑑𝑜 5: 𝑥 = 50 + 0.25(46 − 50) 𝑥 = 49

El pronóstico para el quinto periodo es de 49.

4.21 Vea la ilustración de suavizamiento exponencial con ajuste de tendencia del ejemplo 7 en
las páginas 119 y 121. Usando α = .2 y β = .4, pronosticamos las ventas de 9 meses y mostramos
el detalle de los cálculos para los meses 2 y 3. En el problema resuelto 4.2 continuamos el proceso
para el mes 4. En este problema muestre sus cálculos para los meses 5 y 6 para Ft, Tt y FITt.

𝐹𝑡 = 𝑎 ∗ 𝐴𝑡−1 + (1 − 𝑎)(𝐹𝑡−1 + 𝑇𝑡−1 )

𝑇𝑡 = 𝛽 ∗ (𝐹𝑡 − 𝐹𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1

𝐹𝐼𝑇𝑡 = 𝐹𝑡 + 𝑇𝑡

Mes (t) Demanda real (At) Mes (t) Demanda real (At)
1 12 6 21
2 17 7 31
3 20 8 28
4 19 9 36
5 24 10
Para el periodo 5:

𝐹5 = 𝑎 ∗ 𝐴4 + (1 − 𝑎)(𝐹4 + 𝑇4 )
 𝐹5 = 0.2 ∗ 19 + (1 − 0.2)(17.82 + 2.32) = 19.91

𝑇5 = 𝛽 ∗ (𝐹5 − 𝐹4 ) + (1 − 𝛽)𝑇4
𝑇5 = 0.4 ∗ (19.91 − 17.82) + (1 − 0.4) ∗ 2.32 = 2.228

𝐹𝐼𝑇5 = 𝐹5 + 𝑇5 = 22.138
Para el periodo 6:

𝐹6 = 𝑎 ∗ 𝐴5 + (1 − 𝑎)(𝐹5 + 𝑇5 )
𝐹6 = 0.2 ∗ 24 + (1 − 0.2)(19.91 + 2.228) = 22.51

𝑇6 = 𝛽 ∗ (𝐹6 − 𝐹5 ) + (1 − 𝛽)𝑇5

𝑇6 = 0.4 ∗ (22.51 − 19.91) + (1 − 0.4) ∗ 2.228 = 2.376

𝐹𝐼𝑇6 = 𝐹6 + 𝑇6 = 24.886

24. Howard Weiss, propietario de una tienda distribuidora de instrumentos musicales, cree que
la demanda de tambores bajos puede estar relacionada con el número de apariciones en
televisión del popular grupo de rock Stone Temple Pilots durante el mes pasado. Weiss ha
recopilado los datos que se muestran en la tabla siguiente:

Demanda de tambores bajos 3 6 7 5 10 7

Apariciones en televisión de Stone Temple Pilots 3 4 7 6 8 5

a) Grafique con estos datos para saber si una ecuación lineal podría describir la relación
que hay entre las apariciones en televisión del grupo y la venta de tambores bajos.

Demanda tambores = f(Apariciones en

televisión)
12

10
y = 1,0286x + 0,6762
8

0
0 1 2 3 4 5 6 7 8 9
 b) ¿Cuál sería su estimación de las ventas de tambores bajos si los Stone Temple Pilots
hubiesen aparecido nueve veces en televisión el mes anterior?

𝑦 = 1.0286(9) + 0.6762 = 9.93

La estimación de ventas de tambores sería de 10.
c) ¿Cuáles son el coeficiente de correlación (r) y el coeficiente de determinación (r2) para
este modelo, y qué significan?
El coeficiente de correlación y de determinación representan el grado de dependencia lineal entre
dos variables, en este caso es interpretado como la relación entre las ventas de tambores bajos con la
aparición en televisión del grupo musical STP, siendo muy relacionados para este caso.

27. Mark Cotteleer posee una compañía que fabrica lanchas. Las demandas reales de las lanchas
de Mark durante cada temporada desde 2004 hasta 2007 fueron como sigue:

Año
Temporada 2004 2005 2006 2007
Invierno 1400 1200 100 900
Primavera 1500 1400 1600 1500
Verano 100 2100 200 1900
Otoño 600 750 650 500

Mark ha pronosticado que la demanda anual de sus lanchas en 2009 será igual a 5,600. Con base
en estos datos y el modelo estacional multiplicativo, ¿cuál será el nivel de la demanda para las
lanchas de Mark en la primavera de 2009?

Año
Temporada 2004 alfa 2005 alfa 2006 alfa 2007 alfa
Invierno 1400 1,556 1200 0,881 100 0,178 900 0,75
Primavera 1500 1,667 1400 1,028 1600 2,844 1500 1,25
Verano 100 0,111 2100 1,541 200 0,356 1900 1,583
Otoño 600 0,667 750 0,55 650 1,156 500 0,417

Suma/V.Ideal 3600 900 5450 1363 2550 562,5 4800 1200

Año 2009
Temporada Alpha Promedio Ideal Pronostico
Invierno 0,75 1400 1050
Primavera 1,25 1400 1750
Verano 1,583333333 1400 2216,66667
Otoño 0,416666667 1400 583,333333

Total 5600 5600

30 .Brian Buckley ha desarrollado el siguiente modelo de pronóstico:

y=36+4.3x

a) Pronostique la demanda de Aztec cuando la temperatura es de 70°F.

y=36+4.3(70)=337 aires acondiconados

b) ¿Cuál es la demanda cuando la temperatura es de 80°F?

y=36+4.3(80)=380 aires acondiconados

c) ¿Cuál es la demanda cuando la temperatura es de 90°F?

y=36+4.3(90)=423 aires acondicionados

33. En la tabla siguiente se muestra el número de transistores (en millones) fabricados en una
planta de Japón durante los últimos 5 años:

Año Transistores
1 140
2 160
3 190
4 200
5 210

a) Usando regresión lineal, pronostique el número de transistores que se fabricará el próximo año.

Año Transistores
x y x^2 x*y
1 140 1 140
2 160 4 320
 3 190 9 570
4 200 16 800
5 210 25 1050
Suma 15 900 55 2880
Promedio 3 180 11 576

Y=18x+126

Y(6)=18*(6)+126=236 transistores

b) Calcule el error cuadrático medio (MSE) cuando use la regresión lineal.

Año Transistores Pronostico

x y y=18x+126 (R-P)^2
1 140 144 16
2 160 162 4
3 190 180 100
4 200 198 4
5 210 216 36
Suma 160
MSE 32

d) Calcule el error porcentual absoluto medio (MAPE).

Año Transistores Pronostico

x y y=18x+126 (R-P)/R
1 140 144 0,02857143
2 160 162 0,0125
3 190 180 0,05263158
4 200 198 0,01
 5 210 216 0,02857143
Suma 0,13227444
MAPE 2,64548872

36.Los contadores de la empresa Michael Vest creen que algunos ejecutivos estaban incluyendo
en sus cuentas facturas de gastos inusualmente altas cuando regresaban de sus viajes de negocios.
Primero tomaron una muestra de 200 facturas entregadas durante el año pasado. Después
desarrollaron la siguiente ecuación de regresión múltiple para relacionar el costo esperado del
viaje con el número de días de viaje (x1) y la distancia recorrida (x2) en millas:

El coeficiente de correlación calculado fue de .68.

a) Si Wanda Fennell regresa de un viaje de 300 millas por el que estuvo 5 días fuera de la ciudad,
¿cuál es la cantidad esperada que debe solicitar por los gastos?

Y=$90+$48.5x1+$40x2

Y=$90+$48.5(5)+$40(300)=12.332.5$

b) Fennell introdujo una solicitud de reembolso por 685 dólares, ¿qué debe hacer el contador?

El contador debe verificar que cumple con el coeficiente de correlación de 68, y con el exceso de
costo no se van cumplir quiere decir que se esta cobrando extra y no es necesario realizar un
rembolso.

39. 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 10 años.

Asimismo, señala el índice de robos registrados en Providence para el mismo año.

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?

Se usa el software Excel:

Año Pacientes Índice de robos

1 36 58,3

2 33 61,1

3 40 73,4

4 41 75,7

5 40 81,1

6 55 89

7 60 101,1

8 54 94,8

9 58 103,3

10 61 116,2
 y = 1,6648x + 5,8219 Indice de robos
R² = 0,9044
140

120

100

80

60

40

20

0
0 10 20 30 40 50 60 70

y = 1,6648x + 5,8219

Para el año 11: 𝑦=1.6648(11)+5.8219 𝑦=24.1347

Para el año 12: 𝑦=1.6648(12)+5.8219 𝑦=25.8

42. Des Moines Power and Light ha recabado los datos de la demanda de energía eléctrica en su
subregión oeste sólo para los 2 últimos años. La información se muestra en la tabla siguiente:
Para planear una expansión y acordar el préstamo de energía con otras compañías de servicio
público durante los periodos pico, Des Moines necesita estar en posibilidad de pronosticar la
demanda de cada mes para el próximo año. Sin embargo, los modelos de pronóstico estándar
analizados en este capítulo no se ajustan a los datos observados durante los 2 años.

a) ¿Cuáles son las debilidades de las técnicas de pronósticos estándar al aplicarse a esta
serie de datos?

El análisis se basa en intuición y análisis de datos previos, por lo tanto se puede afirmar que la
técnica es inexacta puesto que no presenta un argumento matemático fuerte

b) Como los modelos conocidos no son realmente apropiados para este caso, haga una
propuesta para aproximarse al pronóstico. Aunque no existe una solución perfecta para
manejar datos de este tipo (en otras palabras, no existen respuestas que sean un 100%
correctas o incorrectas), justifique su modelo.

Se sugiere utilizar el método ponderado. Con este método lo que se hace es determinar un
promedio, sumando los valores existentes en el inventario con los valores de las nuevas compras,
para luego dividirlo entre el número de unidades existentes en el inventario incluyendo tanto los
inicialmente existentes, como los de la nueva compra

c) Pronostique la demanda para cada mes del próximo año con el modelo que usted
propuso.

Año1 Año2 Año3

Enero 5 17 11

Febrero 6 14 10

Marzo 10 20 15

Abril 13 23 18

Mayo 18 30 24

Junio 15 38 26,5

Julio 23 44 33,5

Agosto 26 41 33,5

Septiembre 21 33 27

Octubre 15 23 19

Noviembre 12 26 19

Diciembre 14 14 15,5
45. En la tabla siguiente se muestran los niveles de la demanda real y pronosticada desde mayo
hasta diciembre para las unidades de un producto fabricado por la compañía farmacéutica N.
Tamimi:

¿Cuál es el valor de la señal de control al final de diciembre?

ERROR SCEP-RSFE Error Error MAD Señal de

absoluto de absoluto control
pronostico acumulado
del
pronostico

0 0 0 0 0 0

-24 -24 24 24 12 -2

11 -13 11 35 11.6 -1.12

14 1 14 49 12.25 0.08

1 2 1 50 10 0.2

6 8 6 56 9.3 0.86

20 28 20 76 10.85 2.58

11 39 11 87 10.87 3.58

87
𝑀𝐴𝐷 = = 10.87
8

𝑆𝐶𝐸𝑃 39
𝑆𝑒ñ𝑎𝑙 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙 = = = 3.58
𝑀𝐴𝐷 10.87
48. Sundar Balakrishnan, gerente general de Precision Engineering Corporation (PEC), cree que
los servicios de ingeniería de las empresas de construcción de carreteras que contratan a su
compañía se relacionan directamente con el volumen de negocios de construcción de carreteras
que contrata a las compañías ubicadas en su área geográfica. Se pregunta si realmente es de
esta forma, y si lo es, ¿le ayudaría esta información a planear mejor sus operaciones
pronosticando la cantidad de sus servicios de ingeniería requeridos por las empresas de
construcción en cada trimestre del año? En la tabla siguiente se presentan los datos de ventas
de sus servicios y los montos totales de los contratos de construcción de carreteras de los
últimos 8 trimestres:

a) Usando estos datos, desarrolle una ecuación de regresión para predecir el nivel de
demanda de los servicios de PEC.

Se usa el software Excel:

y = 0,1121x - 9,3495 Título del gráfico

R² = 0,8034
18
16
14
12
10
8
6
4
2
0
0 50 100 150 200 250

y = 0,1121x - 9,3495

b) Determine el coeficiente de correlación y el error estándar de la estimación.

r=0,8964

Error=0.05
Bibliografía:

https://books.google.com.ec/books?id=tTWGDwAAQBAJ&pg=PA11&lpg=PA11&dq=Se+dice+que+
es+la+estimaci%C3%B3n+anticipada+del+valor+de+una+variable,+por+ejemplo:+la+demanda+de+
un+producto.+Valor+anticipado+de+la+variable+que&source=bl&ots=cBnL_CuV7S&sig=ACfU3U0x
sIsldRjUGgSF4QEFQcDDU-9xDg&hl=es-
419&sa=X&ved=2ahUKEwiC3d38_bPqAhUhc98KHdbLBSMQ6AEwAHoECAsQAQ#v=onepage&q=Se
%20dice%20que%20es%20la%20estimaci%C3%B3n%20anticipada%20del%20valor%20de%20una
%20variable%2C%20por%20ejemplo%3A%20la%20demanda%20de%20un%20producto.%20Valor
%20anticipado%20de%20la%20variable%20que&f=false

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EDescrip/tema7.pdf

https://es.slideshare.net/rogersps16/variables-e-hiptesis-60978398

http://home.ubalt.edu/ntsbarsh/Business-stat/stat-data/Forecasts.htm