Variacion 680

explicada
Variacion no 2480
explicada
Variacion total 3160
Coeficiente de 0.22
deteminacion
Coeficiente de 0.46
correlacion
El coeficiente de determinacion es 0.22 lo cual indica que el
22% de cambios en la demanda de ladrillos puede ser
explicado por cambios en el numero de casas que se
construyen, mientras el 78% a otros factores no
considerados.
El coeficiente de determinacion es 0.46 lo cual indica que
existe una correlacion debil y directa entre x y las
ventas.Cuando aumenta la construccion del numero de casas
se incrementa la demanda de ladrillos
Variable Y: Ventas de autoviles de lujo Fuentes:
Variable x1: Poder adquisitivo del consumidor objetivo https://www.revistagq.com/la-buena-vida/articulo/compra
Variable x2: Avances tecnologicos de los vehiculos https://presslatam.cl/2019/08/el-segmento-automotriz-de-
Variable x3: Trato con el cliente personalizado
Variable x4: Exclusividad del producto
Variable x5: Marketing mix del producto

Variable Y: Los viajes internacionales por avion Fuentes:

Variable x1: Restricciones del trafico aereo http://blog.columbia.edu.pe/por-que-hay-retrasos-en-la-sa
Variable x2 Condiciones climaticas https://www.cerodosbe.com/es/transportes/aerolineas/y-l
Variable x3 Tiempo empleado en la aplicación de medidas de seguridad en los aviones antes de viajar
Variable x4 n° aviones que tenga la aerolinea
Variable x5 Tiempo de retraso del pasajero/Retiro del equipaje del avion
Variable x6 Precio del pasaje

Variable Y: Consumo de gas natural

Variable x1: Cantidad de personas que vivan en un hogar con conexión de gas natural
Variable x2 Precio por metro cubico del gas natual
Variable x3 n° hogares que consumen gas natural
Fuentes:
Variable Y: La utilizacion de la varilla de soldadura en un astillerohttps://es.slideshare.net/RamonVelascoStoll/unidad-6-proc
Variable x1: Cantidad de barcos que se van a fabricar
Variable x2 Cantidad de piezas del barco a unir
Variable x3 Proceso de soldadura
Variable x4 La habilidad o pericia del soldador

Variable Y: La venta de paquetes de computadora

Variable x1: Marketing mix del paquete de la computadora
Variable x2 Prestigio de la marca que vende los paquetes de computadora
Variable x1: Calidad del paquete de la computadora
/la-buena-vida/articulo/compradores-coches-de-lujo
08/el-segmento-automotriz-de-lujo-ha-crecido-alrededor-de-un-14/

e/por-que-hay-retrasos-en-la-salida-de-los-vuelos
m/es/transportes/aerolineas/y-las-tres-principales-causas-de-retrasos-en-los-vuelos-son_19574_102.html

monVelascoStoll/unidad-6-proceso-soldadura-de-la-construccin-naval
 Periodo Precio S/. Ventas X2 XY
enero 24 2,000 576 48000
febrero 26 1,900 676 49400
Marzo 27 1,800 729 48600
abril 27 1,700 729 45900
mayo 28 1,820 784 50960
junio 30 1,900 900 57000
julio 32 2,050 1024 65600
Suma 194 13170 5418 365460
n° de datos 8 8
promedio 24.25 1646.25
b 9.39
a 1418.44

a)Pronostico de venta de alicates para Agosto si el precio fuera S/. 30.50

Periodo Precio S/. Ventas

Agosto 30.5 1704.96
Rspta: Se estima para el mes de agosto las ventas de 1704 con un precio de S/. 30.5

b)Pronostico del precio para el mes de Agosto si se estima una venta de 2150

Periodo Precio S/. Ventas

Agosto 77.87 2150.00
Rspta: Se estima para el mes de Agosto vender 2150 alicates al precio de S/. 77.87

c)Pronostico del precio de ventas Febrero a Junio si el pronostico de ventas para Julio hubiera sido 1995 alicates con Alfa igu

Comparacion entre el p
alfa 0.3
3,500

3,000

2,500
 Comparacion entre el p
3,500
Periodo Ventas Pronostico( Comprobacion
alfa=0.3) del pronostico 3,000
enero 2,000 3145 3145
2,500
febrero 1,900 2801 2801
Marzo 1,800 2531 2531 2,000
abril 1,700 2312 2312
mayo 1,820 2128 1,500
2128
junio 1,900 2036 2036 1,000
julio 2,050 1995 1995
500

0
enero febrero Marzo abril m
o 1995 alicates con Alfa igual a 0.3

omparacion entre el pronostico y la demanda real

omparacion entre el pronostico y la demanda real

Ventas
Pronostico(alfa=0.3)

febrero Marzo abril mayo junio julio

 Hace 4 Hace 3 Hace 2 Semana
semanas semanas semanas pasada
Lunes 2200 2400 2300 2400
Martes 2000 2100 2200 2200
Miércoles 2300 2400 2300 2500
Jueves 1800 1900 1800 2000
Viernes 1900 1800 2100 2000
Sábado
2800 2700 3000 2900
Domingo

Demanda 2167 2217 2283 2333

diaria media

a) Por día, con un promedio móvil simple para las ultimas cuatro semanas.
Promedio 2250
movil(n=4)
Rspta: El promedio movil(demanda total diaria) es igual a 2250 hogazas

Demanda
Indice Media movil
Semanas media estacional ponderada
diaria
Hace 4 2167 0.4 867
semanas
Hace 3 2217 0.3 665
semanas
Hace 2 2283 0.2 457
semanas
Semana 2333 0.1 233
pasada

Demanda
estimada 2222
para la
semana 5
 Rspta La demanda estimada para esta semana es de 2222 hogazas

Suavización exponencial 2190.00 hogazas/ día

con a= 0.1

Hace 4 Hace 3 Hace 2 Semana Semana

5(Este
semanas semanas semanas pasada semana)
semana:
At 2166.7 2216.7 2333.33 2100.0
F t 2195.40466 2197.5308642 2211.11111 2200.00 2190.00
Error -28.7 19.1 122.2 -100.0

Rspta: El pronostico para esta semana es de 21900 hogazas

Suavización exponencial 2196.00 hogazas/ día

con a= 0.1

Este Proxima
semana:
semana) semana
At 2250
Ft 2190.00 2196
Error 60.00

Rspta: La cantidad de hogazas que se estima que demandaran la proxima semana son 2196 hogazas
son 2196 hogazas
 Día
Demanda
Semana Lunes Martes Miércoles Jueves Viernes Sábado media
semanal
1 4,000 3,950 4,035 3,800 4,100 3,900 3,964
2 4,100 3,980 4,050 3,850 4,050 4,100 4,022
3 4,200 4,200 3,990 4,200 3,990 4,050 4,105

Demanda total semanal media 4,030

Demanda
Indice Media movil
Semanas media
estacional ponderada
miercoles
1 4,035 0.25 1009
2 4,050 0.35 1418
3 3,990 0.4 1596

Demanda en la semana 4 4022

Rspta La demanda para el miercoles de la semana 4 es de 4022 panes ciabatas

Suavización exponencial 2863.00 panes ciabata/ día

con a= 0.3

Proxima
semana: Semana 3 semana
At 3,990
Ft 2380.00 2863
Error 1610.00

Rspta: La cantidad de panes ciabatasque se estima que demandaran la proxima semana son 2196 hogazas
son 2196 hogazas
 Mes enero Febrero Marzo abril mayo junio
Ventas 18,600 17,900 20,450 20,700 21,850 21,750
(paquetes)

a)      Los pronósticos de ventas de paquetes de pañales para los meses de julio y agosto.
Tasa de crecimiento 1.0085

Mes enero Febrero Marzo abril mayo junio

Bebes(X) 235500 237502 239521 241556 243610 245680
Ventas 18,600 17,900 20,450 20,700 21,850 21,750
(paquetes)
X2 55460250000 5.6407E+10 5.737E+10 58349513344 5.9346E+10 60358834952
XY 4380300000 4251281325 4898194529 5000218292.5 5322871267 5343547638

b 0.391
a 114169.490

Mes Julio Agosto

Bebes(X) 247769 249875
Ventas 210946 211768
(paquetes)

Rspta: Se pronostica que para el mes de Julio se vendera 210946 pañales y para Agosto 211678

b)      Calcule y grafique la señal de rastreo para los meses de febrero a junio.

Mes Bebes Ventas(real) Pronostico error SAEP modulo error

enero 235500 18,600 206154 -187554 -187554 187554

Febrero 237502 17,900 206936 -189036 -376589 376589
Marzo 239521 20,450 207724 -187274 -563863 563863
abril 241556 20,700 208519 -187819 -751683 751683
mayo 243610 21,850 209321 -187471 -939154 939154
junio 245680 21,750 210130 -188380 -1127534 1127534

Señal de rastreo Respuesta:Se obtuvo la señal de rastre

grafica nos señala que existe una tend
5.000 valores de la señal de rastreo, lo cual
4.000 regresion:114169+0.391X no es la ade
3.000 ventas.Se tendria que ajustar a una ec
o suavizarlo exponencialemnte, y com
2.000 cada metodo y graficar las curvas de p
1.000 ajusta mejor a los datos de las ventas
0.000 Mediante la aplicacion tendencia en
 Señal de rastreo Respuesta:Se obtuvo la señal de rastre
grafica nos señala que existe una tend
5.000 valores de la señal de rastreo, lo cual
4.000 regresion:114169+0.391X no es la ade
3.000 ventas.Se tendria que ajustar a una ec
o suavizarlo exponencialemnte, y com
2.000
cada metodo y graficar las curvas de p
1.000 ajusta mejor a los datos de las ventas
0.000 Mediante la aplicacion tendencia en
1 2 3 4 5 6 observado visualmente en los datos,
-1.000
incrementarse.
-2.000
-3.000
-4.000
-5.000

Señal de rastreo Linear (Señal de rastreo )

Limite superior Limite inferior
 N° de
Suma datos Promedio
1443369 6 240561.454

121250 6 20208.3333

347291427418
29196413052

gosto 211678

Señal de Limite Limite

MAD rastreo superior inferior
187554 -1.000 4 -4
282071 -0.749 4 -4
376002 -0.667 4 -4
469922 -0.625 4 -4
563769 -0.600 4 -4
657729 -0.583 4 -4

Respuesta:Se obtuvo la señal de rastreo, el cual mediante la

grafica nos señala que existe una tendencia al incremento en los
valores de la señal de rastreo, lo cual indica que la ecuacion de
regresion:114169+0.391X no es la adecuada para pronosticar las
ventas.Se tendria que ajustar a una ecuacion de grado mayor a 1
o suavizarlo exponencialemnte, y comparar mediente el MAD de
cada metodo y graficar las curvas de pronostica para ver cual se
ajusta mejor a los datos de las ventas de pañales.
Mediante la aplicacion tendencia en excel comprobamos lo
Respuesta:Se obtuvo la señal de rastreo, el cual mediante la
grafica nos señala que existe una tendencia al incremento en los
valores de la señal de rastreo, lo cual indica que la ecuacion de
regresion:114169+0.391X no es la adecuada para pronosticar las
ventas.Se tendria que ajustar a una ecuacion de grado mayor a 1
o suavizarlo exponencialemnte, y comparar mediente el MAD de
cada metodo y graficar las curvas de pronostica para ver cual se
ajusta mejor a los datos de las ventas de pañales.
Mediante la aplicacion tendencia en excel comprobamos lo
observado visualmente en los datos, estas tiendan a
incrementarse.
Año 2003 2007 2008 2009 2010
Población total 435.5 436.8 445.7 448.5 454.6
(miles)

a)      Población total para el año 2011.

Año 2007 2008 2009 2010 Suma

Periodo(X) 1 2 3 4 10
Población total 436800 445700 448500 454600 1785600
X2 1 4 9 16 30
XY 436800 891400 1345500 1818400 4492100

b 5620
a 432350

Año Periodo Pronostico

2011 5 460450

Rspta: Para el año 2011 se estima que habra una poblacion de 460450 personas

   Composición de la población por género:

Hombres 0.475
Mujeres 0.525

Año 2003 2007 2008 2009 2010

Población total
435.5 436.8 445.7 448.5 454.6
(miles)
Poblacion de 206.86 207.48 211.71 213.04 215.94
hombres(miles)
Poblacion de 228.64 229.32 233.99 235.46 238.67
mujeres(miles)
Asistencia de hombres (Temporada A )

Año 2007 2008 2009 2010 Suma

Periodo 1 2 3 4 10
Hombres(miles) 27 30.1 30.2 35.6 122.9
X2 1 4 9 16 30
XY 27 60.2 90.6 142.4 320.2

b 2.59
a 24.25

Año Periodo Pronostico

2011 5 37.2

Asistencia de hombres (Temporada B)

Año 2007 2008 2009 2010 Suma

Periodo 1 2 3 4 10
Hombres(miles) 20.1 20.6 21 24.5 86.2
X2 1 4 9 16 30
XY 20.1 41.2 63 98 222.3

b 1.36
a 18.15

Año Periodo Pronostico

2011 5 24.95

Asistencia de mujeres (Temporada A)

Año 2007 2008 2009 2010 Suma

Periodo 1 2 3 4 10
Mujeres(miles) 38.7 43.6 44.1 47.5 173.9
X2 1 4 9 16 30
XY 38.7 87.2 132.3 190 448.2

b 2.69
a 36.75

Año Periodo Pronostico

2011 5 50.2

Asistencia de mujeres (Temporada B)

 Año 2007 2008 2009 2010 Suma
Periodo 1 2 3 4 10
Mujeres(miles) 34.8 37.9 40.1 43.3 156.1
X2 1 4 9 16 30
XY 34.8 75.8 120.3 173.2 404.1

b 2.77
a 32.1

Año Periodo Pronostico

2011 5 45.95

Rspta: Temporada A Temporada B

Hombres (miles) 37.2 24.95
Mujeres (miles) 50.2 45.9500000000001
N° de Promedio
datos
4 2.5
4 446400

Intención de asistencia a los gimnasios(2009)

Temporada Temporada
Genero
A B

Hombres 32% 20%

Mujeres 47% 34%

N° de
Promedio
datos
4 2.5
4 30.725

N° de
Promedio
datos
4 2.5
4 21.55

N° de Promedio
datos
4 2.5
4 43.475
N° de
datos Promedio
4 2.5
4 39.025
a)    Calcular los índices estacionales promedios para los trimestres.

Año Trimestre Ingresos(miles)

1 730
Promedio(valo
Promedio 1 Promedio 2 res
2 520 n=4 n=4 estacionales
Indice est.
1
irregulares)
3 370 560 567.5 563.75 0.656
4 620 567.5 572.5 570 1.088
1 760 572.5 582.5 577.5 1.316
2 540 582.5 590 586.25 0.921
2
3 410 590 600 595 0.689
4 650 600 612.5 606.25 1.072
1 800 612.5 622.5 617.5 1.296
2 590 622.5 632.5 627.5 0.940
3
3 450
4 690

Trimestre Por media movil centrada

1 1.31
2 0.93
3 0.67
4 1.08

Ingresos
Ingresos(mil Indice
Año Trimestre Periodo desestacion X2
es) estacional
alizados
1 1 730 1.31 559.05 1
2 2 520 0.93 558.73 4
1
3 3 370 0.67 550.02 9
4 4 620 1.08 574.10 16
1 5 760 1.31 582.03 25
2 6 540 0.93 580.22 36
2
3 7 410 0.67 609.49 49
4 8 650 1.08 601.88 64
1 9 800 1.31 612.66 81
2 10 590 0.93 633.95 100
3
3 11 450 0.67 668.95 121
4 12 690 1.08 638.92 144
Suma 78 7170.02 650.00
n° de datos 12 12
 promedio
b 9.579
a 535.24
6.5 597.50
La serie lineal parece tener una tendencia lineal ascendente. Para
identificar esta tendencia encontramos el valor de a y b.Una vez
encontrados se obtuvo esta ecuacion:535.24+9.579t.La pendiente
9.579 indica que durante los 12 trimestres anteriores la empresa Lobo
de Mar ha experimentado un crecimiento desestacionalizado medio en
los ingresos de 9579 euros.

Si suponemos que la tendencia de los 12 trimestres en datos de ingresos es un indicador bastante bueno del
futuro, podemos utilizar esta ecuacion para proyectar el componente de tendencia de los 12 trimestres para
los proximos 4 trimestres del año 4

b)   Pronosticar los ingresos del año 4.

Ajustar la proyeccion de tendencia

Proyeccion de Pronostico
Año Trimestre
tendencia(miles) trimestral

13 659.765 861.5
14 669.344 622.9
4
15 678.923 456.7
16 688.502 743.5
El trimestre de mejores de ventas es el primero que
promedia el 31% por encima del valor medio
trimestral.
El trimestre con peores ventas, o el mas lento, es el
tercero con un indice estacional de 0.67 que muestra
que las ventas promediaron 33% por debajo de las
ventas medias trimestrales.

Ingresos desestacionalizados
XY 800.00
f(x) = 73.8075631337104 x
700.00
Ingresos desestacionalizados

559.05 600.00
1117.47 500.00
1650.07 400.00
2296.42
300.00
2910.13
200.00
3481.35
100.00
4266.41
4815.07 0.00
0 2 4 6 8 10 12 14
5513.94 Periodo trimestrales
6339.49
7358.43
7667.08
47974.92
encia lineal ascendente. Para
os el valor de a y b.Una vez
:535.24+9.579t.La pendiente
stres anteriores la empresa Lobo
ento desestacionalizado medio en

or bastante bueno del

os 12 trimestres para
 Año 1 2 3 4 5
Trasplantes de
corazón 45 50 52 48 58

a)  Use suavizamiento exponencial, primero con una constante de 0,6 y después de 0,9 para determinar los pronós

Año 1 2 3 4 5
Trasplantes de 45 50 52 48 58
corazón
Pronostico(alfa=0.6) 32 44 46.4
Desviacion 20 4 11.6
absoluta(alfa=0.6)
Pronostico(alfa=0.9) 32 50 48.2
Desviacion 20 2 9.8
absoluta(alfa=0.9)

Rspta: Se uso suavizamiento exponencial y se hallo el MAD encontrandose que la suavizamiento que genera
n° de trasnplantes de corazon es cuando el alfa es igual a 0.9

b)  Utilice promedio móvil de 3 años para pronosticar la demanda de los años 4, 5 y 6.

Año 1 2 3 4 5
Trasplantes de 45 50 52 48 58
corazón

32 49 50
Promedio movil (3 años)

Rspta: Se uso promedio movil de 3 años pronosticandose para el año 4, 49 transplantes, para el año 5, 50 tr
52.7 transplantes

c)        Si usted fuera el director de servicios médicos ¿Cual de los tres modelos utilizaría?
Justifique su respuesta utilizando la señal de rastreo total de cada modelo.
Señal de rastreo cuando alfa=0.6
Suma
Transplantes al Pronostico(a Error
Periodo Error acumulativa de
corazon lfa=0.6) absoluto
errores(CFE)
 1 52 32 20 20 20
2 48 44 4 24 4
3 58 46.4 11.6 35.6 11.6
4 60 53.36 6.64 42.24 6.64
Suma 42.24 42.24

Desviacion media
10.56 Señal de rastreo 4.00
absoluta(MAD)
5
Desviacion absoluta 42.24 Suma de las 42.24 4
total desviaciones 3
2
n° periodos Desviacion
4 10.56 1
pronosticados media absoluta
0
-1
Si bien es cierto la señal de rastreo esta dentro de los limites de control
permitidos ± 4 MAD se observa que hay una tendencia a que la señal de rastreo -2
se incremente con el pasar de los periodos.Su rango de comportamiento se -3
desplaza desde 1 hasta los 4 MAD. -4
-5

Señal de rastreo(MAD)
Señal de rastreo cuando alfa=0.9
Suma
Periodo Transplantes al Pronostico(a Error acumulativa de Error
corazon lfa=0.9) absoluto
errores(CFE)
1 52 32 20 20 20
2 48 50 -2 18 2
3 58 48.2 9.8 27.8 9.8
4 60 57.02 2.98 30.78 2.98
Suma 30.78 34.78

Desviacion media
8.695 Señal de rastreo 3.54
absoluta(MAD)
5
Desviacion absoluta Suma de las
total 34.78 30.78 3
desviaciones
1
n° periodos Desviacion
4 8.695 -1
pronosticados media absoluta
-3
-5
Si bien es cierto la señal de rastreo esta dentro de los limites de control
permitidos ± 4 MAD se observa que hay una tendencia a que la señal de Señal de rastre
rastreo se incremente con el pasar de los periodos.Su rango de Limite superior
comportamiento se desplaza desde 1 hasta 3.54 MAD

Señal de rastreo cuando se emplea el promedio movil para hacer pronosticos

 Suma
Transplantes al Promedio Error
Periodo Error acumulativa de
corazon movil errores(CFE) absoluto

1 52 32 20 20 20
2 48 49 -1 19 1
3 58 50 8 27 8
4 60 52.7 7.33 34.33 7.33
Suma 34.33 36.33

Desviacion media Se
9.08 Señal de rastreo 3.78
absoluta(MAD)
5
Desviacion absoluta Suma de las 4
total 36.33 34.33
desviaciones 3
2
n° periodos Desviacion
4 9.08 1
pronosticados media absoluta
0
1 2
-1
Si bien es cierto la señal de rastreo esta dentro de los limites de control -2
permitidos ± 4 MAD se observa que hay una tendencia a que la señal de
rastreo se incremente con el pasar de los periodos.Su rango de -3
comportamiento se desplaza desde 1 hasta 3.78 MAD -4
-5

Señal de rastreo(MAD
Rspta: Si fuera director de servicios medicos no emplearia ninguno de los 3
metodos de pronostico:suavizamiento exponencial con alfa=0.6 y alfa=0.9 y
la media movil porque las señales de rastreo tienden a incrementarse a
travez del tiempo y ese incremento puede generar que la señal de rastreo
este sobre el limite superior lo cual señala que algo anda mal con el
pronostico.El que tiene menor dispersion es el metodo de suavizamiento
exponencial con alfa =0.9 porque tiene el menor MAD y el limite superior de
la señal de rastreo es el menor
 6
60

0,9 para determinar los pronósticos de los años 4, 5 y 6.

6 Suma n° periodos MAD

60
53.36

6.64 42.24 4 10.56

57.02

2.98 34.78 4
8.7

e que la suavizamiento que genera pronosticos mas cercanos a

6
60

52.7

9 transplantes, para el año 5, 50 transplantes, y para el año 6

Señal de Limite Limite

MAD
rastreo(MAD) superior inferior
 20.00 1 4 -4
12.00 2 4 -4
11.87 3 4 -4
10.56 4 4 -4

Chart Title
5
4
3
2
1
0
-1
-2
-3
-4
-5

Señal de rastreo(MAD) Limite superior Limite inferior

MAD Señal de Limite Limite

rastreo(MAD) superior inferior

20.00 1 4 -4
11.00 1.64 4 -4
10.60 2.62 4 -4
8.70 3.54 4 -4

Señal de rastreo
5
3
1
-1
-3
-5

Señal de rastreo(MAD) Linear (Señal de rastreo(MAD))

Limite superior Limite inferior
 Señal de Limite Limite
MAD
rastreo(MAD) superior inferior

20.00 1 4 -4
10.50 1.81 4 -4
9.67 2.79 4 -4
9.08 3.78 4 -4

Señal de rastreo
5
4
3
2
1
0
1 2 3 4
-1
-2
-3
-4
-5

Señal de rastreo(MAD) Limite superior Limite inferior

 Mes Ventas(miles)
Enero 100
Febrero 94
Marzo 106
Abril 80
Mayo 68
Junio 94

a)  Calcule cuales hubieran sido los pronósticos del mes 2 hasta el mes 5 utilizando un suavizamiento exponencial
alfa 0.2
Mes Enero Febrero Marzo Abril Mayo Junio
Ventas(miles) 100 94 106 80 68 94
Pronostico 100 100 98.8 100.24 96.19 90.55

b) Ahora, si usted consigue un pronóstico de S/. 80 para el primer mes, gracias a la intervención de un experto, calcule
cuales hubieran sido los pronósticos de cada mes (del mes 2 al 5) utilizando un suavizamiento exponencial con ά = 0.2.

alfa 0.2
Mes Enero Febrero Marzo Abril Mayo Junio
Ventas(miles) 100 94 106 80 68 94
Pronostico 80 84 86 90.00 88.00 84.00

c) Determine la señal de rastreo para evaluar los dos pronósticos anteriores (a y b). Presente sus conclusiones.

Pronostico para el mes 1 igual 100

Pronostico(a Suma acumulativa Error

Mes Ventas Error MAD
lfa=0.2) de errores(CFE) absoluto

1 100 100 0 0 0.0 0.0

2 94 100 -6 -6.0 6.0 3.0
3 106 98.8 7.2 1.2 7.2 4.4
4 80 100.2 -20.24 -19.0 20.2 8.4
5 68 96.2 -28.192 -47.2 28.2 12.3
6 94 90.6 3.4464 -43.8 3.4 10.8
Suma -43.7856 65.1

Seña
Desviacion media
10.85 Señal de rastreo -4.04
absoluta(MAD) 5
4
3
2
1
0
-1
-2
 Seña
5
4
Desviacion 3
65.1 Suma de las -43.7856 2
absoluta total desviaciones
1
Desviacion 0
n° periodos
6 media 10.85 -1
pronosticados absoluta(MAD) -2
-3
Se observa una tendencia de decremento de la señal de rastreo a travez de los -4
meses.Por otro lado la señal de rastreo se ubica por debajo de los 4 MAD lo cual -5
señala que algo anda mal con el pronostico por lo cual es ncesario cambiar el
metodo de pronostico o la constante de suavizamiento. Señal de rastreo(MAD)

Pronostico para el mes 1 igual 84

Pronostico(a Suma acumulativa Error

Mes Ventas Error MAD
lfa=0.2) de errores(CFE) absoluto

1 100 84 16 16 16.0 16.0

2 94 87.2 6.8 22.8 6.8 11.4
3 106 88.56 17.44 40.2 17.4 13.4
4 80 92.0 -12.048 28.2 12.0 13.1
5 68 89.6 -21.6384 6.6 21.6 14.8
6 94 85.3 8.68928 15.2 8.7 13.8
Suma 15.24 82.6

Desviacion media Se
13.77 Señal de rastreo 1.11
absoluta(MAD)
5
4
Desviacion 82.6 Suma de las 15.24 3
absoluta total desviaciones
2
n° periodos Desviacion 1
6 media 13.77 0
pronosticados
absoluta(MAD)
-1
-2
No se observa alguna tendencia(aumento o decremento) lo cual se comprobo -3
con la funcion tendencia de excel.Por otro lado la señal de rastreo esta dentro -4
de los limites permitidos, su rango de comportamiento se desplaza desde 0 -5
hasta 1.11.
Señal de rastreo(M
Limite superior

Conclusiones:Me equivoque al decir en este momento que la constante hay que

cambiarla, no fue la constante que genero que el metodo adecuado para
realizar el pronostico sea mediante la suavizacion exponencial , sino un
pequeño cambio de datos en el pronostico en el 1° mes.Este me enseña a ver
que los datos sobre los cuales se realiza el pronostico influyen en que el metodo
o constante sean o no adecuados para pronosticar las ventas en el siguiente
periodo.
amiento exponencial con ά = 0.2.

de un experto, calcule
ponencial con ά = 0.2.

sus conclusiones.

Señal de Limite Limite

rastreo(MAD) superior inferior

0 4 -4
-2.0 4 -4
0.3 4 -4
-2.3 4 -4
-3.8 4 -4
-4.04 4 -4

Señal de rastreo
 Señal de rastreo

Señal de rastreo(MAD) Limite superior Limite inferior

Señal de Limite Limite

rastreo(MAD) superior inferior

0 4 -4
2.0 4 -4
3.0 4 -4
2.2 4 -4
0.4 4 -4
1.11 4 -4

Señal de rastreo

Señal de rastreo(MAD) Linear (Señal de rastreo(MAD))

Limite superior Limite inferior
 alfa 0.2
Mes Hace 3 meses Hace 2 meses Mes pasado Este mes
Venta 400 350 325
Pronostico 450 440 422 402.6

Rspta Utilizando el metodo de suavizamiento exponencial simple se pronostico que la

demanda sera de 402.6 unidades
 Pronostico
Indice
Mes Ventas Pronostico desestacion
estacional
alizado
Enero 344 0.8 400
Febrero 414 0.9
Marzo 1.2
Revisar https://www.ingenieriaindustrialonline.com/pronostico-de-la-demanda/variacion-estacional-con-tendencia/
n-estacional-con-tendencia/
 La desestacionalizacion de los datos de la serie permite comparar
los datos de distintos periodos prescindiendo de los efectos
oscilaciones.
Para eliminar la influencia estacional en la serie observada, se
dividen los datos por su respectivo indice de variacion estacional
expresado en tanto por uno.

Trimestre 2010 2011 2012

1 120 110 125
2 130 130 150
3 105 95 100
4 155 145 165

N° de
Año 2010 2011 2012 Suma Promedio
datos
Periodo(X) 1 2 3 6 3 2
Demanda 510 480 540 1530 3 510
X2 1 4 9 14
XY 510 960 1620 3090

b 15
a 480