144 —Copiule d+ Pronésticos 15, Explique con ss propias palabras qué es un prondstco adaptable 16, {Coal es el propssica de las sales de contol? 17. Explique con sus propias palabras cules el significado del coeficiente de corelacin. Analice el significado de un valor rnepativo del coefiiente de corrlacin, 48, {Cuil es la diferencia entre una variable de ‘arisble independiente? endiente y una En 2006, el consejo de regentes que era responsable del finan- iamiento de Ia educavién publica profesional en uno de los estados {el oeste medio de Estados Unidos contrats a un consultor para + 48 Las temperaturas méximas diatias en Saint L durante la dima semana fueron las siguientes: 93, 94, 93, 95, 96, 88, 90 (ayer), 8) Peonostigue Ia temperatura maxima para hoy usando un prome: dio mévil de 3 dias Pronostique lat dio mévil de 2 dias ©) Calcule In desviacién absoluta media con base en un promedio rmévil de 2 dis, 4) Caleule el ero cusdetico medio para un promedio mvil de 2 6s, ©) Caleule el error porcentual absoluto medio para el promedio mévil de 2 dias. > ++ 49) Dell usa ol chip CRS en alguns de ss computadors pomtiles. Los precios del chip durante los dltimos 12 meses fueron ‘como sigue b ratura mséxima pata hoy usando un prose Problemas 145; Precio por chip | Mes Precio por chip Enero $1.80) Tilo 1.80) Febrero 167 ‘Agosto 183 Marzo 170 Septiembre 170 Abril 185 ctube 165 May 190) Noviembre 170 Junio 187 Diciembre 175 4) Use un promedio mévil de 2 meses en todos os datos y grafique los promedis y los precios. 'b) Use un promedio mévil de 3 meses y agréguelo en la erica «reads en el incso (a) ©) {Cuil es mejor (usando In desviaciéa absoluta medi): el prome- dio de 2 meses o el de 3 meses? 48) Caleule el pronéstico para cada mes usando suavizamiento exponencial y un pronésticoinicial para enero de $1.80. Utilice primero a =I, después a =.3, y por sltimo a =-5, Empleando MAD, jque a es mejor? "2€ ++ 4.10-Los datos recopilados en las inscripeiones anual para ‘un seminario de Seis Sigma en Quality College se muestran en la tabla siguiente Ano T2358 3 67 8 9 0 1 Inseripcons 46 <4 5 10879 12 1 15 (000) 4) Desarrolle un promedio mévil de 3 afos pata pronosticar las inscripeiones del ao 4 al aio 12. 'b Estime la demanda de nuevo para los afios 4a 12.con un prome- io movil ponderado donde ls inseripeién del ao més reciente tenga un peso de 2y en los ottos dos afios un peso de | ©) Grafique los datos originales y los dos pronésticos, {Cul de los ddos métodos de prondstico parece mejor? 2 + 4.1L a) Use suavizamicnto exponencial con constante de ‘uavizatniento de 0.3 pata pronosticat las inseripciones sl seminario Gel problema 4.10. Para comenzar el procedimiento,suponga que el pronéstco para el aio I fue una insripeién de 5,000 personas. ) iCudles la MAD? DC 4.12 Considere Jos siguientes aiveles de demanda real y pronosticada para las hamburguesas Big Mac en un restaurante ‘MeDonald’s local ia Demanda real Demmanda pronosticada Lanes 8 38 Mares n 88 Migrcoles 68 4 Jueves 48 x0 Viernes EI pronéstico para el lunes se obtuvo observando el nivel de ‘demand para lunes y estableciendo el nivel pronosticad a este mismo nivel real. Los prondsticos subsecuentes se obtuvieron usando suavizamiento exponencial con una constante de suaviza- ‘miento de 0.25, Usando este método de suavizamiento exponencial, {eu el pronéslico para la demanda de Big Mac el viercs? © + 413 Como se puede observar en Ia tabla siguiente, Ia ‘demanda de cirugies para trasplante de corazsn en el Hospital General de Weshington ha aumentado de manera estable durante los ‘kimos aos ‘Ato a Tieasplantes de corardn 5902S) SR El director de servicios médicos pronosticé hace 6 aifos que la ‘demanda en el ao I sera de 41 cits146 Capitulo + Pronésticos 4) Use suavizamiento exponencial, primero con una constants de suavizamiento de 6 y después de 9, y desarolle el pronéstico paralos anos 2a 6, 'b) Uilice un promedio mévil de 3 aos para pronosticar la demands de los aos 4, 5y 6, ©) Use el método de proyeccién de tendencia y pronostique la sdemanda para los aos 1 6. 4) Con la MAD como eriterio, jeudl de los cuatro métodos de proyeceién es cl mejor? 2 s+ 4.14 A continuscién se presentan dos pronGstcos semanales realizados mediante dos métodos diferentes para el ndmero de slones de gasolina, en miles, demandago en una gasolinera local También se muestran los niveles reales de demanda, en miles de glones Prondsticos Semana Método1 _Mélodo2___Demanda real T 090 080 070 2 Los 120 1.00 2 09s 0.30 1.00. 4 120 1 1.00. {Cues son og valores de la MAD ye! MSE para cada método? + 4.15 Retome el problema resuelto 4.1 dela pigina 140. Use ‘un promedio mévil de 3 afjos para pronosticat Tas ventas. de ‘Volkswagen Beetle en Nevada durante 2008, ;Cuil es la MAD? 36 + 4.16 Retome el problema resuelto 4.1, Usando el método de proyeccisn de tendencia pronostique las ventas de Volkswagen Beetle en Nevada durante 2008. ,Cufl es la MAD? 2€ + 4.17 Retome cl problems resuelto 4.1. Usando constantes e suavizamiento de.6 y 9, desarrlle pronésticos para las ventas de Volkswagen Beetle, {Qué efecto tiene ia constant de suavizamiento cenel pronéstico? Use MAD para determinar eu de las tes eonstan- tes de suavizamiento (3, 6 ¥.9) da el prondstico més acertado, -3€ + 4.18 Considere los siguientes niveles de la demanda real (A) {y pronosticada (,) para un producto: Periodo de tiempo Demanda real Demanda pronosticada t Ay F, T 30 30 2 2 50 3 56 48 4 45 50 5 El primer pronéstico, F;, se obtuvo observando A, y estableciendo F; igual A, Los pronésticassubsecuentes se obtuvieron mediante suavizamiento exponencial. Usando el método de suavizamiento exponencal, enevenire el prondstio para el quito periodo, (Suge rencia: Primero es necesario encontrar la conslante de suaviza riento, a), 4.19 Los ingresos en el despacho de abogados Smith and ‘Wesson para el perodo de febrero a julio han sido como sigue Me Febrero Marzo Abril Mayo Junio Julio Ingres 700 8S 688 717 71a 728 (en males) Use suavizamiento exponencial con ajuste de tendencia para pro nosticar cl ingreso de agosta para este despacho de abogados. Suponga que el pronésticoinicial para febrero es de 65,000 délares Y cl ajste de tendencia nical es de O, Las constants de suaviza riento seleceionadas son a =.1y B=.2. © 4.20 Resuelva el problema 4.19 con a =.1 y B=.8, Usando “MSE, determine la constante de suavizamiento que proporciona el mejor prondstico, 2% + 421 Ves la ilustracién de suavizamiento exponencial con ‘juste de tendencia del ejemplo 7 en las péginas 119 y 121, Usando = .2y B=, pronosticamos las ventas de 9 meses y mostramos el detale de Ios culos para los meses 2y 3. En e problema resueto 4.2-continuamos el proceso para el mes 4 En este problema muestre sus eélculos para los meses Sy 6 para F,T,y FI, + 422 Retome el problema 4.21. Complete los edleulos del pronésico de suviramient exponsncal can ajste de tendeneia Paras peiodos 7.89. Confme qe sts ita para FT, FI, Eorrespondan alos dela tbla (pap. 120). 96 423 La tabla siguiente muestra las ventas de deshidrata- ores de vegetales repistradas durante el afo pasado en la tienda departamental de descuento Bud Banis de St. Louis. Los admins ‘wadotes prepararon un pronéstico empleando una combinacién de suavizamiento eaponencal y su jicio colectve p 4 meses (marzo, abril, mayo y junio de 2007), Jos siguientes Ventas unitarias Mes: 2006-2007 Tullo 100) ‘Agosto 93 Septiembre 965 ctubre 110 Noviembre 124 Diciembre 19 Enero 2 Febrero 3 Marzo 101 120 ‘Abril 96 14 Mayo 39 110 unio. 108, 1081) Caleule la MAD y el MAPE como técnica de la administracin, ») {Los resultados de la adminisracién superaron (ienen MAD y MAPE menores que) el pronéstico inuitivo? ©) UQué pronéstico recomendarfa usted, con base en el menor error de pronéstico? ++ 4224 Howard Weiss, propictario de una tienda distibuidora de instrumentos musicales, cree que la demanda de tambores bajos pede estar elacionada con el nimero de apariciones en television el popular grupo de rock Stone Temple Pilots durante el mes pasado. Weiss ha recopilado los datos que se muestran en Ia tabla siguiente Demanda de fambores bs o 7307 ‘Aparicionesentelvisiin 3 4 =°7°=«6~=O8 |S 148 Copiuled + Pronésticos + 4.32 Los siguientes datos relacionan ls cifras de ventas del ppequetio bar de [a casa de huéspedes Marty and Polly Start, en Marathon, Flori, con el nimero de hugspedes registrados en la 4) Desarolle una regresién lineal que relacione las ventas del bar con los huéspedes (no con el tiempo). Si el pronéstico para la somana siguiente es de 20 huéspedss, {de cudnt se espera que sean las ventas? 2 » + 4.33 En te tabla siguiente se muestra el aimero de transis- {ores (en millones) fabricados en una planta de Jap6n durante los ‘ikimos 5 aos: iano “Transistores 140) 160 190 200 210 8) Usando regresin Tinea, pronostique el mtimero de transistores {que se fabricar el préximo aio 'b) Caleule el error euadrtico medio (MSE) cuando us la regresion linea ©) Caleuie el error porcentual absoluto medio (MAPE). "2 + 434 El nimero de accidentes automovilisticos en cierta regiGn estécelacionada con ef nimero de automsviles registrados cen miles (X,), la venta de bebidas alcohdlicas en unidades de $10,000 (X,), y 1a cantidad de Tluvia medida en pulgadas (X,) ‘Adem, a frmula de egresion se ha calculado como: Ya a+byX,+bXy+ bX donde Y= nero de secidentes automovilisticos a=75 by=38 baa b= 25 Calcul el nimero esperado de accidentes bajo las condiciones a,b, ye b) Una casa con 1,860 pies cuadrados se vendis recientemente en 95,000 dolares. Explique por qué esta cifta no se corresponde con la prediccién del modelo. ©) Si usara regresion motile para desarrollar dicho modelo, {eusles otras variables cuantitativas podrianinclurse? 4) {Cul es ef valor det coefiiente de determinacign en este pro- blema? >€ + 436 Los contadores de Ia empresa Michael Vest ereen que algunos ejecutives estaban ineluyendo en sus cuentas facturas de fastosinusualmente alts cuando represaban de ss visjes de nego ios. Primero tomaron una muestra de 200 facturas entregades Alurant et afo pasado, Despuss deserollaron la siguiente ecuacién de regresisn miltiple para relaionar el costo esperado del viaje con ol nimero de dies de viaje (2, y la distancia recorida (x3) en mills 5 =$90,00+548 05, +8.405, El coefciente de corelacin calculado fue de 68, 8) Si Wanda Fennell regresa de un viaje de 300 millas por el que estuvo 5 dias fuera de la ciudad, cou es la cantidad esperada aque debe solicitar por ls gastos? bb) Fennell introdujo una solicitud de reembolso por 685 délares, {que debe hacer el contador? ©) {Deberian incluirse ots variables? ;Cusles? ;Por qué? s+ 4.37 Las ventas de las pasadas 10 semanas registradas en la tienda de misica Johnay Ho en Columbus, Ohio, se muestran en 1 abla siguiente. Pronostgue la demanda pera cada semana, ineli- yendo la semana 10, usando suavizamiento exponescial eon a= .S (pronsstico iicil = 20 ‘Semana Demanda ‘Semana Demands 1 20 6 29 2 2 7 36 3 28 5 2 4 37 9 25 5 25 10 28 2) Caleule la MAD, ') Caleule la seal de control. ++ 4.38 El gobierno de Ia ciudad ha recopilado los siguientes datos de la recatadacion anual de impuestos sobre ventas y registos de automéviles nuevos! Tmpucstosanualesrecaudados 101419201821 25 % % % por ventas (en millones) 2 7 0 ‘Registros de muevos automéviles 10 12 15 16 14 17 20 3 5 1 ccamilles) 4 1 2 1.35 John Howard, un comredor de bienesraices de Mobile, ‘Alabama, ha disefado un modelo de regresin que le ayuda a deter- minar los precios de las casas residenciales localizadas al Sur de ‘Alabama, El modelo se desarollé empleando las venta recientes ‘egistradas en un vecindario en particular El precio de la casa (Y) se ‘nasa en su tamafo (pies cuadrados = X). El modelo es: 3473 +37.08x El eocficiente de corrlacin para cl modelo es de 0.63. 8) Use el modelo mencionado para predecir el precio de venta de tuna casa que tiene 1,860 pies eusdrados, Determine lo siguiente: 1) La ecuacién de regresién de minimos cuadrados. b) A partir de ls resultados det inciso (a, encuenite Ia reeaudacién estimada de impuests por ventas silos registros de automeviles ‘nuevos ascienden a 22,000, ©) Los coefiientes de corrlacisa y determinacién, "2 439 La doctora Susan Sweency, psicéloga radicada on Providence, se expecializa en el tatamienta de pacientes con ago rafobia (es deci, miedo a sali de casa). La tabla siguiente indica ‘cuits pacientes ha atendido anuainente durante les dtinos 10 alos, ‘Asimismo sefiaa el indice de robos registrados en Providence para {el mismo ano.ate 2 7 7 Nimeods == «ws OS paceter Ince erobor 583 GLI TA 757 #1 WHO TOLL OAR 10ND 116 {patente Usando et anliss de tendencia,pronostique el nimero de pacientes que la doctora Sweeney atenderd en los alos 11 y 12. Qué tan bien Se ajustael modelo alos datos? 2€ ++ 440 Con los datos del problema 4,39, apique regres I neal para estudiar la relacisn que hay entre el indice de robos y la catga de pacientes de la doctora Sweeney, Si el indice de robos se incremeata a 131.2en el ao 11, geudncos pacientes con fobia ten dora a doctora Sweeney? Si el indice de robos eae 490.5, ceudl es proyeccicn de pacientes? 2€ 441 Se cree que los viajes en autobis y tren subterrénco durante los meses de verano en Londres est estrechamente rela cionados con el nimero de tristas que visitan la ciudad, Durante ios limos 12 afios x han obtenido los siiientes datos Namero de Ao turistas _Namero de viajes (meses de verano) (en millones) (en millones) 7 7 1S 2 2 10 3 6 13 4 4 1s 5 “4 25 6 15 27 7 16 2a 5 2 20 9 4 27 10 20 44 0 15 34 2 z 7 8) Grafique estos datos y decida si es razonable emplear el modelo inal. by Desarolle una reac de segresin, ©) {Cusl es el nimero de viajes esperado si en un af visitan Londres 10 millones de tristas? ‘pligue el comportamienta de los viajes pronosticados si no hubiea trstas, ©) {Cuil ese errr estindar dela estimacién? 4) {Cusles son el coeficiente de cortelacisn y el coeficiente de tterminacion del modelo? | 9€ 0 Prolemas 149 ++ 4.42. Des Moines Power and Light ha recahado fos datos de |i demanda de energiaeléetrica en su subregign oeste slo para los 2altimos aos. La informacion se muestra en la tabla siguiente: ‘Demanda en megawatts Mes ‘Afo pasado Ao actual Enero 3 7 Febrero 6 4 Marzo 10 20 Abril B B Mayo 18 30 Junio Is 38 Julio a “4 Agosto 26 41 Septiembre 21 3 Octubre Is 23 Noviembre 2 26 Diciembre 14 17 Para planese una expansisn y acordar el préstamo de energia con ‘tres compatias de servicio publica durante los periodos pico, Des ‘Moines necesita estar en posibilidad de pronosticar la demands de ceada mes para el préximo afo. Sin embargo, los modelos de pronés- tico estindar analizados en este capitulo no se ajustan alos datos ‘observados durante los 2 aos 8) {Cudles son ls debilidades de Ins tenieas de prondstcos estin- Gar al aplicarse a esa serie de datos? 'b) Como los modelos eonocidos no son realmente aprapiados pars este caso, haga una propuesta para aproximarse al pronéstico, ‘Aunque no existe una soucidn perfeta para manejar datos de este lipo (en otras palabras, no exisienrespuestas que sean un 100% correcta 9 incorrectas), justiique su modalo. ©) Pronostigue la demanda para cada mes del prGximo aio con el modelo que usted props, e+ 443. En la tbla siguiente se muestran las Tamads de emer- {gencia hechas al sistema 911 durante las timas 24 semanas en Gainesville, Florida Seuma—st eS eT OTD Liamadas 50 35 25 40 45 35 20 30 35 20 15 40 ‘Semana 13 14 15 16 17 18 19 20 21 22 23 24 Llamadas 55 35 25 5555 40.35.60 7550 40 65 4) Caleule el pronéstico suavizado exponencialmente de las la- :madas para eads semana. Suponga un pronéstico inieial de $0 lamadas en la primera semana, y use a = 2. ,Cual es el pronés- tico para la seman 25? 'b) Pronostique de nuevo cada periodo usando a = 6, ©) Las lamadas reales durante Ie semana 25 fueron 85. ,Qué cons- tunte de svavizamiento proporciona un prondstico superior? Explique yjusifigue la medida de eror que use, 2% + 4.44 Usendo los datos de las lamadas al 911 del problema 4.43, pronostique las Hamadas para las semanas 2225 con un mo= elo de suavizamiento exponencial con ajusle de tendencia ‘Suponga un pronéstico iniial de 50 llamadas para la semana 1 y ‘una tendencia incl de ceo, Use eonstantes de sbavizamiento a= .3 Yi =.2.ZEs éste un mejor modelo que el del problema 4.437 ,Qué ajuste podea ser dtl para mejorarlo ain més? (De nuevo suponga {Que las lamas reales on Ia semana 25 fueron 85). + 4.45 En la tabla siguiente se muestran Ios niveles de 1a ‘demands realy pronosticada desde mayo hasta diciembre pars las unidades de un producto fabricado por la eompania farmacéutica N. Tamim:150 Capitulo 4 + Pronésticos Mes Demanda real__Demanda pronosticada Mayo 100 100) Junio 80 104 Julio 10 9 us 101 10s 104 0 104 125 105 120 109, {Cuil es el valor de Insel de control al final de diciembre? s+ 4.46 Trece estudiantes entearon al programa de adminis- tracign de operaciones en Hillerest College hace 2 aftos. La tabla ‘Siguiente indica los puntos que abtuvo cada estuianteenel examen de ‘matemitices de preperatoria SAT y los promedios finales (GPA) ‘después de su participacign ene programa de Hillerest durante 2 afos, 4) {Existe alguna relacién significativa entre fos puntos obtenidos fen matematicas en el SAT y los promedios finales? bb) Siun estudiante obtuvo 350 puntos, zcusl seré su GPA? ©) {Qué ocurte can un estadiante que obtuve 800? Eaudante ABO DOE PuniosSAT 421377 585690 608 290415 2.90293 300 345 3.66 288 215 ae HT 7K LM PuntosSAT 481 729 501 613 709 366 GPA __253_322 1.99275 _3.90_1.60 ood see 4.47 Laempresa City Cycles acaba de comenzar a vender la nueva bieicleta de montana 7-10, con las Ventas mensusles que se ‘muestran en la tabla siguiente. Primero, el copropietario Amit {uiere pronosticar con suavizamiento exponeneial estableciendo {niialmente el pronéstico de febrero igual las venas de enero con ‘a-=.1, La copropietaria Barbara quiere usar wn promedio mévil de tues periodos Error de Error de Ventas Amit Barbara Amit Barbs Enero 400 — Febrero 380400 4) ZBxiste una tendencia lineal fuerte en las ventas a través del tiempo? >) Complete la tabla con las ciftas que Amit y Bérbara pronostican separadamente pata mayo y los meses anteriores. ©) Suponga que les ventas reales para mayo resultan ser de 405, ‘Complete Tas columnas de Ia tabla y luego caleule Ts desviacién absoluta media para los métodos de Amit y Birbara 8) Con base en estos eéleulos, ,eudl metodo parece ser més pre- iso? 2 s+ 4.48 Sundar Balakrishnan, gerente general de Precision Engineering Corporation (PEC), cree que los servicios de ingeniera, 4e las empresas de consteuccidn de carteteras que contratan & $i ‘compalifa se relacionan directamente con el volumen de negocios {e construceiGn de eareteras que contrat alas compafs ubicadas fen st Stea geozrfica. Se pregunta si realmente e= de esta form, ¥ st Toes, cle ayudar esta informacidn a planear mejor sus operaciones pronostcund la eantidad de sus servicios de ingenieriarequeridos or las empresas de construccin en cada trimeste del alo? En la tabla siguiente se presentan los datos de ventas de sus servicios y los rmontos totales de Tos contratos de consteuccign de earreteras de ios tims # timestres "Trimestre 2s 4s 67 8 Ventas deseriiosde 8 10:15 9 12 18 12 16 PEC (en miles de dares) CContratosfirmados 153.172 197 178 185 199 205 226 (enmiles de détares) 18) Usando estos datos, desarolle una ccuacién de regresién para predecic el nivel de demaada de Tos servicios de PEC by Determine el coeficiente de correlacisn y el erorestindar de la estimaciga, > + 449 Salinas Savings and Loan esté orgullosa de su larga teadicin on Topeka, Kansas, Iniciada por Teresita Salinas 18 aftos después dela Segunda Guerra Mundial, S&L sorteado con Exito ia tendencia a los problemas financiers y de liquider que han ple szado a la industria desde 1985, Los depésitos se han inerementado de manera lenta pero segura, sin importar las recesiones de 1983, 1988, 1991 y 2001. La sefiora Salinas piense que es necesatio con: tar con un plan estratégico de largo plazo para su empresa, incluido el pronéstico para los depésitos aun ato de preferencia aS aio, ls examina los datos de los cepdsitospusados y también estudi el producto estatal bruto (PEB) de Kansas durante los mismos 44 afis. (EI PEB es andlogo al producto nacional bruto [PNB], pero a nivel estatal), Los datos resultantes se presentan en Ia tabla siguiente: “Ato Depisitos ‘Rito __Depésitos™ PE 1962s 1986 62 28 196528 1987 4128 196624 1938, 45 29 1967 26 1989 e134 1968 25 1990 1 38 1969 30 1991 10d 1970 31 199215240 171 32 199318140 wm 28 199 413.9 1973 26 195056 3.8 197425 1996 30338 is 3 1997 36037 1975 50 1998 31d 1977 gs 199317, 1978 1.70 200038540 199923 20141945 198028 20249146 Isl 28 200355845 ws 27 2008 70146 19839 2050946 lost 49 205 798:1 47 Iss 53 200794050 8) Primero uiilice suavizamiento exponencial con a = 6, después snilisis de endeneia, y por dlimo regresisn lineal para anaizar cull modelo de pronéstico es mejor para cl plan estratégico de Salinas. Jstiique la eleeci de un modelo sobre el ov. by Examine evidadosament lo dato, Pastis excluies pate de la informacién? ;Por qué? ;Cambiaria esto la eleceién del mo- delo? 3€