Está en la página 1de 23

1. Cuál es la diferencia entre demanda dependiente e independiente?

La demanda de los artículos en los inventarios de producción depende de forma


directa de algunos elementos internos. Las que provienen de las políticas de
gestión de inventarios se denomina demanda dependiente; mientras que las que
provienen de los clientes internos o externos se conoce como demanda
independiente.

2. ¿En qué se justifica el método de mínimos cuadrados en el análisis de regresión


lineal?
El método de los mínimos cuadrados se utiliza para calcular la recta de regresión
lineal que minimiza los residuos, esto es, las diferencias entre los valores reales
y los estimados por la recta. Se revisa su fundamento y la forma de calcular los
coeficientes de regresión con este método.

3. Explique el procedimiento para crear un pronóstico usando el método de


descomposición de la regresión por mínimos cuadrados.
La descomposición de una serie de tiempo significa encontrar los componentes
básicos de la serie de tendencia, estacional y cíclico. El proceso:

Descomponer las series de tiempo en sus componentes.


a) Encontrar el componente estacional.
b) Descontar las variaciones de temporada de la demanda.
c) Encontrar el componente de la tendencia
 Pronosticar valores futuros de cada componente.
a) Pronosticar el componente de la tendencia en el futuro.
b) Multiplicar el componente de la tendencia por el
c o m p o n e n t e estacional
4. Dé algunas reglas simples que usaría para manejar la demanda del producto de
una empresa (un ejemplo es “limitado al inventario disponible”).

Gestión de la demanda puede ser en términos de: orden control- "limitado a


las existencias disponibles," conducir "de tiempo entre seis semanas para la
entrega, “menor dominio "suministrar las piezas de inoperantes unidades de
primera." tiempo abierto "de cerca temprano todos días, "o" cerrado los sábados ",
además de otros c o m o s e m e n c i o n a e n e l t e x t o , c o m o l o s r e c o r t e s d e
p r e c i o s , i n c e n t i v o s , promociones, etc.
5. Examine la ilustración 15.4 y señale qué modelo usaría para a) la demanda de
trajes de baño, b) la demanda de casas nuevas, c) consumo de electricidad, d)
planes de expansión de nuevas plantas.
 La demanda de trajes de baño: Se debería utilizar
e l m é t o d o d e descomposición de series de tiempos.
 La demanda de casas nuevas: se debería utilizar un
modelo de regresión causal.
 El consumo de electricidad: se debería utilizar un modelo
exponencial.
 Los planes de expansión de nuevas plantas: se debería
utilizar un método exponencial simple por que como la
planta va a ser nueva no vamos a tener datos registrados.
6. ¿Qué estrategias se usan en supermercados, líneas aéreas, hospitales, bancos
y cereal eras para influir en la demanda?
 Supermercados-varios artículos de venta, artículos de regalo gratis
(como una libra de mantequilla o una barra de pan), un ocasional "locura
de medianoche “venta donde la tienda está abierto hasta tarde o incluso
durante toda la noche.
 En los supermercados se considera que la manera que influyen ellos
es en el b r i n d a r d e s c u e n t o s o p r o m o c i o n e s p a r a l o s
p r o d u c t o s , a d e m á s d e q u e so l a m e n t e so n d u r a n t e u n ci e r t o
p e ri o d o . L í n e a s a é re a s p u e s s e p o d r í a considerar que de
igual manera brindando promociones o también con el
movimiento de sus precios, los hospitales es difícil de influir pero
se puede considerar que influyen con las campañas de salud
que se encuentran por ciertas temporadas, los bancos de igual
manera es muy difícil que influyan pero con la realización de
ciertos tramites solo ciertos días o el vencimiento para el pago de
sus tarjetas de crédito, las fábricas de cereales influyen con el
lanzamiento de promociones en conjunto con sus productos o el
lanzamiento de una nueva variedad del producto podría captar la
atención del público

7. Todos los métodos de pronóstico que usan suavización exponencial, suavización


adaptativa y suavización exponencial con tendencia requieren valores iniciales
para que funcionen las ecuaciones. ¿Cómo escogería el valor inicial para, por
ejemplo, Ft − 1?
Se escogería la opción más viable sería el utilizar el valor de la demanda
real del periodo anterior.
8. De la elección de un promedio móvil simple, promedio móvil ponderado,
suavización exponencial y análisis de regresión lineal, qué técnicas de pronóstico
le parecería más precisa? ¿Por qué?
Probablemente la precisión de la técnica en cuestión podría depender del total
de datos registrados con anterioridad, pero al final podríamos considerar
el método de regresión lineal como el más exacto, debido a que busca que
todos los datos registrados antes se ajusten a una línea central y a su vez
basa en una tendencia histórica de los datos antes registrados.

9. Dé ejemplos que tengan una relación multiplicadora de la tendencia estacional.


Lo importante es indicar que una tendencia multiplicadora en la
tendencia estacional implica que la tendencia no es una suma sobre la base
original sino un porcentaje y por ende todo crece en ese porcentaje. Es decir,
la tendencia no es que aumente en 5 productos la cantidad vendida,
sino en un 5%, por ejemplo, lo que implica que si en enero se vendían
100 productos y en junio20 0, la te nde ncia mul tip licado ra indi ca rá qu e
en enero se vend erá n 105 productos y en junio 210. El cálculo de la
tendencia y el factor estacional a partir de una recta ajustada a mano son
otro ejemplo de esto ya que muestran el factor estacional y la variación
estacional multiplicativa.
10. ¿Cuál es la principal desventaja del pronóstico diario con análisis de regresión?
La principal desventaja al calcular un promedio móvil es que
t o d o s l o s elementos individuales se deben manejar como información
porque un nuevo p e r i o d o d e p r o n ó s t i c o c o m p r e n d e a g r e g a r d a t o s
n u e v o s y e l i m i n a r l o s primeros. Para un promedio móvil de tres o seis
periodos, lo anterior no es muy complicado. Pero graficar un promedio móvil
de 60 días sobre el uso de cada uno de los 20 000 elementos en un
inventario comprendería el manejo de una gran cantidad de información.
11. ¿Cuáles son los principales problemas de la suavización exponencial adaptada
para realizar pronósticos?
La principal desventaja es la necesidad de manejar en forma continua
gran cantidad de datos históricos (esto también sucede con las técnicas de
análisis de regresión, que se estudiarán en breve). En estos métodos, al
agregar cada nueva pieza de datos, se elimina la observación anterior y se
calcula el nuevo pronóstico.
12. ¿Cómo se calcula un índice estacional a partir de un análisis de recta de la
regresión?
Paso 1. Determinar el factor (o índice) estacional.
Paso 2. Descontar las variaciones de temporada de los datos originales.
Paso 3. Trazar una recta de regresión por mínimos cuadrados para los
datos descontados de las variaciones de temporada.
El objetivo es desarrollar una ecuación para la recta de la tendencia Y, que
después se modifica con el factor estacional.
El procedimiento es el mismo de antes: Y = a + bxDonde
yd = descuento de las variaciones de temporada de la demanda

13. Comente las diferencias básicas entre la desviación absoluta media y la


desviación estándar.
La desviación estándar es la medida más común de variabilidad y se usa con
frecuencia para determinar la volatilidad de los mercados bursátiles u otras
inversiones. La desviación promedio, o desviación media absoluta, es otra
medida de variabilidad que utiliza valores absolutos en sus cálculos.
14. ¿Cuáles son las ventajas más fuertes del pronóstico enfocado?
Por lo tanto, los dos componentes del sistema de pronóstico enfocado son
1) Varias reglas de pronóstico muy simples.
2) simulación por computadora de estas reglas sobre datos del pasado.

EJERCICIOS:

1. La demanda de audífonos para estereofónicos y reproductores de discos compactos para


trotadores ha llevado a Nina Industries a crecer casi 50% en 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 estéreos del año pasado fue la siguiente:

DEMANDA DEMANDA
MES MES
(Unidades) (Unidades)
Enero 4.200 Julio 5.300
Febrero 4.300 Agosto 4.900
Marzo 4.000 Septiembre 5.400
Abril 4.400 Octubre 5.700
Mayo 5.000 Noviembre 6.300
Junio 4.700 Diciembre 6.000

a) Con un análisis de 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 15.11.
Compare sus resultados con los obtenidos usando la función pronostico de la hoja de
cálculo.
 Inicialmente tabulamos y graficamos los datos y establecemos la recta de regresión lineal
por medio de la ecuación Y = a + bXb

Errores
Trim Demand Trim. Demandas Trim*Demand
2 2 Y = 441,6 + 359,6X Sesgo2 estimado
. a a
s
01 4.200 1 17.640.000 4.200 3.958,9 58.129,2  
02 4.300 4 18.490.000 8.600 4.151,2 22.141,4  
117.992,
03 4.000 9 16.000.000 12.000 4.343,5 445,3
3
04 4.400 16 19.360.000 17.600 4.535,8 18.441,6 329,2
05 5.000 25 25.000.000 25.000 4.728,1 73.929,6 311,3
06 4.700 36 22.090.000 28.200 4.920,4 48.576,2 291,2
07 5.300 49 28.090.000 37.100 5.112,7 35.081,3 273,6
164.025,
08 4.900 64 24.010.000 39.200 5.305,0 299,5
0
09 5.400 81 29.160.000 48.600 5.497,3 9.467,3 279,7
10 5.700 100 32.490.000 57.000 5.689,6 108,2 261,7
174.807,
11 6.300 121 39.690.000 69.300 5.881,9 283,4
6
12 6.000 144 36.000.000 72.000 6.074,2 5.505,6 269,9
78 60.200 650 308.020.000 418.800

b=
∑ xy-n( y )( x ) =418 . 800-12(5 .016,66 )(6,5 ) =27 . 500 =192,308
∑ x 2 -n(x )2 650−12( 42. 25 ) 143

a= y -b x=(5.016,66)−(192,308)(6,5)=3766,607

Habiendo hallado a y b obtenemos la siguiente ecuación: Y = 192,3 + 3766,6Xa


Demanda Audifonos año 2009
7,000

6,000
f(x) = 192.31 x + 3766.67
5,000

4,000

3,000

2,000

1,000

PRONOSTICOS
Funcion
Periodos (X) Y = 441,6 + 359,6X
Pronostico Excel
13 6266,7 6.266,5
14 6459 6.458,8
15 6651,3 6.651,1
16 6843,6 6.843,4
17 7035,9 7.035,7
18 7228,2 7.228,0
19 7420,5 7.420,3
20 7612,8 7.612,6
21 7805,1 7.804,9
22 7997,4 7.997,2
23 8189,7 8.189,5
24 8382,1 8.381,8
Demanda Audifonos año 2009 y Pronostico 2010
9,000
8,000 f(x) = 192.31 x + 3766.67
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
ene 09

mar 09

jun 09

ago 09

sep 09

oct 09

ene 10

mar 10

abr 10

ago 10

sep 10
feb 09

abr 09

may 09

jul 09

nov 09

dic 09

feb 10

may 10

jun 10

jul 10

oct 10

nov 10

dic 10
Podemos notar que la diferencia entre resolver este modelo de forma manual y con la función
pronóstico de Excel no es más que unos cuantos decimales.

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?

Con el complemento Regresión de Excel obtenemos:

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,938
Coeficiente de determinación R^2 0,879
R^2 ajustado 0,867
Error típico 269,853
Observaciones 12,000

ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
  F Valor crítico de F
libertad cuadrados cuadrados
Regresión 1 5.288.461,538 5.288.461,538 72,623 0,000006741
Residuos 10 728.205,128 72.820,513    
Total 11 6.016.666,667      
Podemos notar que en el complemento de Excel el error estándar del estimado es 269,853 y
el Coeficiente de Determinación es 0,867, como Nina Industries eligió usar tres errores
estándar tenemos:

3(269,853)(0.687) = 556.16 und a

Nina debe contar con 556 unidades adicionales a lo pronosticado para alcanzar el nivel de
confianza esperado.

2. Los datos de Ventas de 2 años son los siguientes. Los datos están acumulados con dos meses de
ventas en cada “periodo”

MES VENTAS MES VENTAS

Enero-Febrero 109 Enero-Febrero 115


Marzo-Abril 104 Marzo-Abril 112
Mayo-Junio 150 Mayo-Junio 159
Julio-Agosto 170 Julio-Agosto 182
Septiembre-Octubre 120 Septiembre-Octubre 126
Noviembre-Diciembre 100 Noviembre-Diciembre 106

a) Trace la gráfica.

ventas Producto "ABC" año 2008 y 2009


200
180
160
140
120 f(x) = 1.14 x + 122.03
100
80
60
40
20
0
0 8 08 08 08 08 08 0 9 09 09 09 09 09
eb br un -ag
o ct d ic eb br un -ag
o ct di c
e-f r-a y-j j ul
-o v e-f r-a y-j j ul
-o v
en ma ma sep no en ma ma sep no
b) Componga un modelo de regresión lineal simple para los datos de ventas.

Teniendo en cuenta que la ecuación es: Y = 122 + 1,136X El modelo de regresión simple
quedaría de la siguiente manera:

Año Bimestre ventas Y = 122 + 1,136X


01 109 123,1
02 104 124,2
2008

03 150 125,3
04 170 126,4
05 120 127,5
06 100 128,6
07 115 129,7
08 112 130,8
2009

09 159 131,9
10 182 133,0
11 126 134,1
12 106 135,2

78 1.553

c) Además del modelo de regresión, determine los factores multiplicadores del índice
estacional. Se supone que un ciclo completo es de 1 año.

Año Proporcion
Bimestre ventas Y = 122 + 1,136X Factor estacional
real/Tendencia
01 109 123,1 0,8855
I 0,89
02 104 124,2 0,8374
2008

03 150 125,3 1,1971


II 0,85
04 170 126,4 1,3449
05 120 127,5 0,9412
III 1,20
06 100 128,6 0,7776
07 115 129,7 0,8867
IV 1,36
08 112 130,8 0,8563
2009

09 159 131,9 1,2055


V 0,94
10 182 133,0 1,3684
11 126 134,1 0,9396
VI 0,78
12 106 135,2 0,7840

78 1.553

d) Con los resultados de los incisos b) y c), prepare un pronóstico para el año entrante.
Año Bimestre Y = 122 + 1,136X Factor Estacional pronostico
13 136,8 0,89 120,8
14 137,9 0,85 116,4
2010
15 139,0 1,20 166,4
16 140,2 1,36 189,4
17 141,3 0,94 132,3
18 142,4 0,78 110,7

ventas año 2008 a 2009 y Pronostico 2010 Producto "ABC"


200
180
160
140
f(x) = 1.14 x + 122.03
120
100
80
60
40
20
0

b0
8
r0
8 08 08 t0
8
c0
8 09 09 09 09 t0
9
c0
9 10 r1
0 10 10 t1
0
c1
0
-fe -ab -ju
n
ago -oc di -feb -abr -ju
n
ago -oc di -feb -ab -ju
n
ago -oc di
e r l - v e r l - v e r l - v
en m
a ay ju se
p
no en m
a ay ju se
p
no en m
a ay ju se
p
no
m m m

3. Tucson Machinery, Inc., fabrica maquinas controladas numéricamente, que se venden a un


precio promedio de 0.5 millones de dólares cada una. Las ventas de estas maquinas durante los
2 años anteriores son:
2006 2007
CANTIDAD CANTIDAD
TRIMESTRE TRIMESTRE
(Unidades) (Unidades)
I 12 I 16
II 18 II 24
III 26 III 28
IV 16 IV 18

a) Trace a mano una recta (o haga una regresión en Excel).

Ventas Maquinas Tucson año 2006 y 2007


30

25 f(x) = 1.02 x + 15.14

20

15

10

0
ene-feb mar-abr may-jun jul-ago 08 sep-oct nov dic ene-feb mar-abr may-jun jul-ago 09 sep-oct nov dic
08 08 08 08 08 09 09 09 09 09

Para el desarrollo de los puntos c y d utilizaremos los métodos de Desestacionalización con


Tendencia Ajustada manualmente y con Tendencia Ajustada por Regresión lineal.

b) Encuentre la tendencia y los factores estacionales.

Desestacionalización con tendencia ajustada Manualmente.

Teniendo en cuenta que la ecuación es: Y = 1,023 + 15,14X El modelo de regresión simple
quedaría de la siguiente manera:

Proporción Factor
Año Periodo Trimestre ventas Y = 15,1 + 1,024X
real/Tendencia estacional
1 I 12 16,1 0,745
I 0,771
2006 2 II 18 17,1 1,053
3 III 26 18,1 1,436
II 1,095
4 IV 16 19,1 0,838
5 I 16 20,1 0,796
2007

III 1,352
6 II 24 21,1 1,137
7 III 28 22,1 1,267 IV 0,808
8 IV 18 23,1 0,779

Desestacionalización con Tendencia Ajustada por Regresión Lineal.

Promedio de Factor Ventas


Period
Año Trimestre ventas Trim de Cada Estaciona Desestacionalizada Y=16,52 + 0,718X
o
Año l s

1 I 12 14 0,709 16,93 17,2


2006

2 II 18 21 1,063 16,93 18,0


3 III 26 27 1,367 19,02 18,7
4 IV 16 17 0,861 18,59 19,4
5 I 16   0,709 22,57 20,1
2007

6 II 24   1,063 22,57 20,8


7 III 28   1,367 20,48 21,5
8 IV 18   0,861 20,91 22,3

Con las ventas Desestacionalizadas y el valor de cada periodo se aplca regresión lineal y se
obtiene el valor de A y B de la ecuación de la recta promedio

Coeficientes
Intercepció
n 16,5202414
Variable X 1 0,71772413

La ecuación de la tendencia es: Y = 16,52 + 0,718Xa


Con esta ecuación ya podemos proyectar los trimestres del año 2008.

c) Pronostique las ventas para 2008.

Desestacionalización con tendencia ajustada Manualmente.

Año Periodo Trimestre Y = 15,1 + 1,024X Factor Estacional pronostico


9 I 24,1 0,771 19

2008
10 II 25,1 1,095 27
11 III 26,1 1,35 35
12 IV 27,1 0,808 22

Desestacionalización con Tendencia Ajustada por Regresión Lineal.

Año Periodo Trimestre Y=16,52 + 0,718X Factor Estacional pronostico


9 I 23,0 0,709 16
2008

10 II 23,7 1,063 25
11 III 24,4 1,37 33
12 IV 25,1 0,861 22

A continuación presentamos un grafico comparativo entre los dos métodos:

Ventas Maquinas Tucson año 2006 a 2007 y Pronostico 2008


40

35

30

25

20

15

10

0
0 6 6 6 6 7 7 7 7 8 8 8 8
ar u n0 ep
0
i c0 ar
0
u n0 ep
0
i c0 ar
0
u n0 ep
0
i c0
e-m r -j l -s t -d e-m r -j l -s t -d e-m r -j l -s t -d
en ab ju oc en ab ju oc en ab ju oc

4. La tabla siguiente contiene la demanda de los últimos 10 meses.


DEMANDA DEMANDA
MES MES
REAL REAL
1 31 6 36
2 34 7 38
3 33 8 40
4 35 9 40
5 37 10 41

a) Calcule el pronóstico con suavización exponencial simple de estos datos con una α de 0.30 y
un pronóstico inicial (F1) de 31.

DMA SESGO
SUAVIZAMIENTO
DEMANDA SEÑAL DE
PERIODO EXPONENCIAL
REAL RELATIVO ACUMULADO RELATIVO ACUMULADO RASTREO
SIMPLE

01 31            
02 34 31,0 3,0 3,0 3,0 3,0 1,00
03 33 31,9 1,1 2,1 1,1 2,1 2,00
04 35 32,2 2,8 2,3 2,8 2,3 3,00
05 37 33,1 3,9 2,7 3,9 2,7 4,00
06 36 34,2 1,8 2,5 1,8 2,5 5,00
07 38 34,8 3,2 2,6 3,2 2,6 6,00
08 40 35,7 4,3 2,9 4,3 2,9 7,00
09 40 37,0 3,0 2,9 3,0 2,9 8,00
10 41 37,9 3,1 2,9 3,1 2,9 9,00

b) Calcule el pronóstico con suavización exponencial con tendencia para estos datos, con una α
de 0.30, δ de 0.30, un pronóstico de tendencias inicial (T1) de 1 y un pronóstico uniforme
exponencial inicial de 30.

SEÑAL DE
VALOR DMA SESGO
PERIOD DEMANDA TENDENCIA PRONOSTICO RASTREO
SUAVIZADO
O REAL (T) (PTA)
(PS) REL. ACUM. REL. ACUM.
01 31     30          
02 34 30,30 1,09 31,39 2,6 2,6 2,6 2,6 1,0000
03 33 32,17 1,32 33,50 0,5 1,6 -0,5 1,1 1,3592
04 35 33,35 1,28 34,63 0,4 1,2 0,4 0,8 2,1414
05 37 34,74 1,31 36,05 0,9 1,1 0,9 0,9 3,1000
06 36 36,34 1,40 37,74 1,7 1,2 -1,7 0,3 1,3744
07 38 37,22 1,24 38,46 0,5 1,1 -0,5 0,2 1,1203
08 40 38,32 1,20 39,52 0,5 1,0 0,5 0,2 1,6907
09 40 39,67 1,24 40,91 0,9 1,0 -0,9 0,1 0,8041
10 41 40,64 1,16 41,80 0,8 1,0 -0,8 0,0 0,0059

c) Calcule la desviación absoluta media (MAD) de cada pronóstico. ¿Cuál es el mejor?

EXPONENCIAL SIMPLE EXPONENCIAL DOBLE


MAD 26,128 / 9 = 2,903 MAD 8,807 / 9 = 0,979
SEÑAL RASTREO 26,128 / 2,903 = 9   SEÑAL RASTREO 0,0058 / 0,979 = 0,0059

Indudablemente el modelo con suavización exponencial Doble nos llevaría a un pronóstico más acertado.

5. A continuación se anotan las ganancias por acción de dos compañías, por trimestre, del primer
trimestre de 2004 al segundo de 2007. Pronostique las ganancias por acción para el resto de
2007 y para 2008. Use suavización exponencial para pronosticar el tercer periodo de 2007 y el
método de descomposición de series de tiempos para pronosticar los últimos dos trimestres de
2007 y los cuatro trimestres de 2008 (es mucho más fácil resolver el problema en una hoja de
cálculo computarizada, para ver lo que sucede).

AÑO TRIMESTRE Compañía A Compañía B

I 1,67 0,17
II 2,35 0,24
2004
III 1,11 0,26
IV 1,15 0,34
I 1,56 0,25
2005 II 2,04 0,37
III 1,14 0,36
IV 0,38 0,44
I 0,29 0,33
II -0,18 (Perdida) 0,40
2006
III -0,97 (Perdida) 0,41
IV 0,20 0,47
I -1,54 (Perdida) 0,30
2007
II 0,38 0,47

a) Para el método de suavización exponencial, tome el primer trimestre de 2004 como el


pronóstico inicial. Haga dos pronósticos: uno con α = 0.10 y otro con α = 0.30.

COMPAÑÍA A (α = 0,1)
SUAVIZAMIENTO DMA SESGO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 1,67            
02 II 2,35 1,67 0,7 0,7 0,7 0,7 1,00
2004
03 III 1,11 1,74 0,6 0,7 -0,6 0,0 0,08
04 IV 1,15 1,68 0,5 0,6 -0,5 -0,2 -0,77
05 I 1,56 1,62 0,1 0,5 -0,1 -0,1 -1,13
06 II 2,04 1,62 0,4 0,5 0,4 0,0 -0,24
2005
07 III 1,14 1,66 0,5 0,5 -0,5 -0,1 -1,33
08 IV 0,38 1,61 1,2 0,6 -1,2 -0,3 -3,20
09 I 0,29 1,48 1,2 0,7 -1,2 -0,4 -4,64
10 II -0,18 1,36 1,5 0,8 -1,5 -0,5 -6,08
2006
11 III -0,97 1,21 2,2 0,9 -2,2 -0,7 -7,54
12 IV 0,2 0,99 0,8 0,9 -0,8 -0,7 -8,52
13 I -1,54 0,91 2,5 1,0 -2,5 -0,8 -9,83
14 2007 II 0,38 0,67 0,3 1,0 -0,3 -0,8 -10,71
15 III   0,64          

COMPAÑÍA A (α = 0,3)
SEÑAL DE
SUAVIZAMIENTO DMA SESGO
RASTREO
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
SIMPLE REL. ACUM. REL. ACUM.

01 I 1,67            
02 II 2,35 1,67 0,7 0,7 0,7 0,7 1,00
2004
03 III 1,11 1,87 0,8 0,7 -0,8 0,0 -0,12
04 IV 1,15 1,64 0,5 0,6 -0,5 -0,2 -0,90
05 I 1,56 1,50 0,1 0,5 0,1 -0,1 -1,03
06 2005 II 2,04 1,52 0,5 0,5 0,5 0,0 0,02
07 III 1,14 1,67 0,5 0,5 -0,5 -0,1 -1,03
08 IV 0,38 1,51 1,1 0,6 -1,1 -0,2 -2,77
09 I 0,29 1,17 0,9 0,6 -0,9 -0,3 -4,00
10 II -0,18 0,91 1,1 0,7 -1,1 -0,4 -5,30
2006
11 III -0,97 0,58 1,6 0,8 -1,6 -0,5 -6,71
12 IV 0,2 0,12 0,1 0,7 0,1 -0,5 -7,19
13 I -1,54 0,14 1,7 0,8 -1,7 -0,6 -8,58
14 2007 II 0,38 -0,36 0,7 0,8 0,7 -0,5 -7,67
15 III   -0,14          

COMPAÑÍA B (α = 0,1)
DMA SESGO
SUAVIZAMIENTO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE

01 I 0,17            
02 II 0,24 0,17 0,1 0,1 0,1 0,1 1,00
2004
03 III 0,26 0,18 0,1 0,1 0,1 0,1 2,00
04 IV 0,34 0,19 0,2 0,1 0,2 0,1 3,00
05 I 0,25 0,20 0,0 0,1 0,0 0,1 4,00
06 II 0,37 0,21 0,2 0,1 0,2 0,1 5,00
2005
07 III 0,36 0,22 0,1 0,1 0,1 0,1 6,00
08 IV 0,44 0,24 0,2 0,1 0,2 0,1 7,00
09 I 0,33 0,26 0,1 0,1 0,1 0,1 8,00
10 II 0,4 0,26 0,1 0,1 0,1 0,1 9,00
2006
11 III 0,41 0,28 0,1 0,1 0,1 0,1 10,00
12 IV 0,47 0,29 0,2 0,1 0,2 0,1 11,00
13 I 0,3 0,31 0,0 0,1 0,0 0,1 11,85
14 2007 II 0,47 0,31 0,2 0,1 0,2 0,1 12,86
15 III   0,32          

COMPAÑÍA B (α = 0,3)
DMA SESGO
SUAVIZAMIENTO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE

01 I 0,17            
02 II 0,24 0,17 0,1 0,1 0,1 0,1 1,00
2004
03 III 0,26 0,19 0,1 0,1 0,1 0,1 2,00
04 IV 0,34 0,21 0,1 0,1 0,1 0,1 3,00
05 I 0,25 0,25 0,0 0,1 0,0 0,1 3,99
06 II 0,37 0,25 0,1 0,1 0,1 0,1 5,00
2005
07 III 0,36 0,29 0,1 0,1 0,1 0,1 6,00
08 IV 0,44 0,31 0,1 0,1 0,1 0,1 7,00
09 I 0,33 0,35 0,0 0,1 0,0 0,1 7,53
10 II 0,4 0,34 0,1 0,1 0,1 0,1 8,52
2006
11 III 0,41 0,36 0,1 0,1 0,1 0,1 9,50
12 IV 0,47 0,37 0,1 0,1 0,1 0,1 10,51
13 I 0,3 0,40 0,1 0,1 -0,1 0,1 8,82
2007
14 II 0,47 0,37 0,1 0,1 0,1 0,1 9,89
15 III   0,40          

b) Con el método MAD para probar el desempeño del modelo de pronóstico, más datos reales
de 2004 al segundo trimestre de 2007, ¿qué tan bien funciono el modelo?

EXPONENCIAL SIMPLE COMPAÑÍA A (α = 0,1) EXPONENCIAL SIMPLE COMPAÑÍA A (α = 0,3)


MAD 12,517 / 13 = 0,963   MAD 10,224 / 13 = 0,786
SEÑAL RASTREO -10,3103 / 0,963 = -10,708 SEÑAL RASTREO -6,0338 / 0,786 = -7,672
EXPONENCIAL SIMPLE COMPAÑÍA B (α = 0,1) EXPONENCIAL SIMPLE COMPAÑÍA B (α = 0,3)
MAD 1,556 / 13 = 0,12   MAD 1,015 / 13 = 0,078
SEÑAL RASTREO 1,5391 / 0,12 = 12,858 SEÑAL RASTREO 0,7722 / 0,078 = 9,891

En ambas empresas podemos observar amplia dispersión en sus datos lo que es consecuente
con las señales de rastreo con valores tan distante de los limites de control. Se podría
modificar “α” ó usar otro modelo para llegar a unos pronósticos más acertados.

c) Con la descomposición del método de pronóstico por series de tiempo, pronostique las
ganancias por acción para los dos últimos trimestre de 2007 y para los cuatro trimestres de
2008. ¿Hay algún factor estacional en las ganancias?

DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE COMPAÑÍA A

Proporción Factor
Año Periodo Trim. Ganancias y = 2,288+ -0,214X
real/Tendencia estacional

1 I 1,67 2,0743 0,805


2 II 2,35 1,8605 1,263
2004 I 1,504
3 III 1,11 1,6467 0,674
4 IV 1,15 1,4329 0,803
5 I 1,56 1,2191 1,280
2005 II 0,389
6 II 2,04 1,0053 2,029
7 III 1,14 0,7915 1,440
8 IV 0,38 0,5777 0,658
9 I 0,29 0,3639 0,797 III 5,781
10 II -0,18 0,1501 -1,199
2006
11 III -0,97 -0,0637 15,228
12 IV 0,20 -0,2775 -0,721
IV 0,247
13 I -1,54 -0,4913 3,135
2007
14 II 0,38 -0,7051 -0,539

Año Periodo Trimestre y = 2,288 + -0,214X Factor Estacional pronostico


15 III -0,919 -5,31
2007

5,781
16 IV -1,133 -0,28
0,247
17 I -1,347 1,504 -2,03
2008

18 II -1,560 0,389 -0,61


19 III -1,774 5,78 -10,26
20 IV -1,988 0,247 -0,49

DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE COMPAÑÍA B


Proporción Factor
Año Periodo Trim. Ganancias y = 0,217 + 0,017X
real/Tendencia estacional
1 I 0,17 0,2342 0,726
2 II 0,24 0,251 0,956
2004 I 0,785
3 III 0,26 0,2678 0,971
4 IV 0,34 0,2846 1,195
5 I 0,25 0,3014 0,829
6 II 0,37 0,3182 1,163 II 1,049
2005
7 III 0,36 0,335 1,075
8 IV 0,44 0,3518 1,251
9 I 0,33 0,3686 0,895 III 1,022
10 II 0,40 0,3854 1,038
2006
11 III 0,41 0,4022 1,019
12 IV 0,47 0,419 1,122 IV 1,189
2007 13 I 0,30 0,4358 0,688
14 II 0,47 0,4526 1,038

Año Periodo Trimestre y = 0,217 + 0,017X Factor Estacional pronostico


15 III 0,469 0,48
2007
1,022
16 IV 0,486 0,58
1,189
17 I 0,503 0,785 0,39
2008

18 II 0,520 1,049 0,55


19 III 0,537 1,02 0,55
20 IV 0,553 1,189 0,66

En la compañía B podemos notar un aumento gradual en sus factores estacionales, mientras que
en la compañía A encontramos factores muy dispersos, entre ellos un dato supremamente
atípico 5,781

d) Use sus pronósticos y comente sobre cada compañía.

PROMEDIO SIMPLE COMPAÑÍA A


PROMEDI DMA SESGO SEÑAL DE
MES Ganancias
O SIMPLE REL. ACUM. REL. ACUM. RASTREO
01 1,67            
02 2,35 1,7 0,7 0,7 0,7 0,7 1,00
03 1,11 2,0 0,9 0,8 -0,9 -0,1 -0,28
04 1,15 1,7 0,6 0,7 -0,6 -0,3 -1,09
05 1,56 1,6 0,0 0,5 0,0 -0,2 -1,47
06 2,04 1,6 0,5 0,5 0,5 -0,1 -0,61
07 1,14 1,6 0,5 0,5 -0,5 -0,1 -1,58
08 0,38 1,6 1,2 0,6 -1,2 -0,3 -3,27
09 0,29 1,4 1,1 0,7 -1,1 -0,4 -4,62
10 -0,18 1,3 1,5 0,8 -1,5 -0,5 -6,01
11 -0,97 1,2 2,1 0,9 -2,1 -0,7 -7,46
12 0,2 1,0 0,8 0,9 -0,8 -0,7 -8,42
13 -1,54 0,9 2,4 1,0 -2,4 -0,8 -9,74
14 0,38 0,7 0,3 1,0 -0,3 -0,8 -10,62
PROMEDIO SIMPLE COMPAÑÍA B
PROMEDIO DMA SESGO SEÑAL DE
MES Ganancias
SIMPLE REL. ACUM. REL. ACUM. RASTREO
01 0,17            
02 0,24 0,2 0,1 0,1 0,1 0,1 1,00
03 0,26 0,2 0,1 0,1 0,1 0,1 2,00
04 0,34 0,2 0,1 0,1 0,1 0,1 3,00
05 0,25 0,3 0,0 0,1 0,0 0,1 3,92
06 0,37 0,3 0,1 0,1 0,1 0,1 4,93
07 0,36 0,3 0,1 0,1 0,1 0,1 5,93
08 0,44 0,3 0,2 0,1 0,2 0,1 6,94
09 0,33 0,3 0,0 0,1 0,0 0,1 7,94
10 0,4 0,3 0,1 0,1 0,1 0,1 8,94
11 0,41 0,3 0,1 0,1 0,1 0,1 9,94
12 0,47 0,3 0,1 0,1 0,1 0,1 10,94
13 0,3 0,3 0,0 0,1 0,0 0,1 11,06
14 0,47 0,3 0,1 0,1 0,1 0,1 12,11

PROMEDIO MOVIL SIMPLE (n=2) COMPAÑÍA A


DMA SESGO SEÑAL DE
MES Ganancias P.M.S
REL. ACUM. REL. ACUM. RASTREO
01 1,67            
02 2,35     #¡DIV/0!   #¡DIV/0! 0,00
03 1,11 2,0 0,90 0,90 -0,90 -0,90 -1,00
04 1,15 1,7 0,58 0,74 -0,58 -0,74 -2,00
05 1,56 1,1 0,43 0,64 0,43 -0,35 -1,65
06 2,04 1,4 0,69 0,65 0,69 -0,09 -0,56
07 1,14 1,8 0,66 0,65 -0,66 -0,21 -1,57
08 0,38 1,6 1,21 0,74 -1,21 -0,37 -3,00
09 0,29 0,8 0,47 0,71 -0,47 -0,39 -3,837
10 -0,18 0,3 0,52 0,68 -0,52 -0,40 -4,727
11 -0,97 0,1 1,03 0,72 -1,03 -0,47 -5,900
12 0,2 -0,6 0,78 0,73 0,78 -0,35 -4,786
13 -1,54 -0,4 1,16 0,76 -1,16 -0,42 -6,053
14 0,38 -0,7 1,05 0,79 1,05 -0,30 -4,537
15   -0,6 0,58 0,77 0,58 -0,23 -3,880
16   0,4 0,38 0,74 -0,38 -0,24 -4,537
PROMEDIO MOVIL SIMPLE (n=2) COMPAÑÍA B
DMA SESGO SEÑAL DE
MES Ganancias P.M.S
REL. ACUM. REL. ACUM. RASTREO
01 0,17            
#¡DIV/0
02 0,24     #¡DIV/0!   0,00
!
03 0,26 0,2 0,06 0,06 0,06 0,06 1,00
04 0,34 0,3 0,09 0,07 0,09 0,07 2,00
05 0,25 0,3 0,05 0,07 -0,05 0,03 1,46
06 0,37 0,3 0,08 0,07 0,08 0,04 2,52
07 0,36 0,3 0,05 0,06 0,05 0,04 3,44
08 0,44 0,4 0,08 0,07 0,08 0,05 4,48
09 0,33 0,4 0,07 0,07 -0,07 0,03 3,387
10 0,4 0,4 0,02 0,06 0,02 0,03 4,000
11 0,41 0,4 0,05 0,06 0,05 0,03 4,886
12 0,47 0,4 0,06 0,06 0,06 0,04 5,932
13 0,3 0,4 0,14 0,07 -0,14 0,02 3,164
14 0,47 0,4 0,09 0,07 0,09 0,02 4,344
15   0,4 0,39 0,09 -0,39 -0,01 -0,975
16   0,5 0,47 0,12 -0,47 -0,04 -4,695

P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAÑIA A


DMA SESGO SEÑAL DE
MES GANANCIAS P.M.P
REL. ACUM. REL. ACUM. RASTREO
01 1,67            
02 2,35     #¡DIV/0!   #¡DIV/0! 0,00
03 1,11     #¡DIV/0!   #¡DIV/0! 0,00
04 1,15 1,4 0,26 0,26 -0,26 -0,26 -1,00
05 1,56 1,3 0,30 0,28 0,30 0,02 0,12
06 2,04 1,4 0,61 0,39 0,61 0,21 1,64
07 1,14 1,9 0,72 0,47 -0,72 -0,02 -0,16
08 0,38 1,4 0,98 0,57 -0,98 -0,21 -1,84
09 0,29 0,7 0,41 0,55 -0,41 -0,24 -2,683
10 -0,18 0,4 0,57 0,55 -0,57 -0,29 -3,707
11 -0,97 0,0 0,94 0,60 -0,94 -0,37 -4,975
12 0,2 -0,7 0,89 0,63 0,89 -0,23 -3,317
13 -1,54 -0,1 1,47 0,71 -1,47 -0,36 -4,984
14 0,38 -1,1 1,52 0,79 1,52 -0,19 -2,598
15   0,0 0,02 0,72 0,02 -0,17 -2,796
P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAÑIA B
DMA SESGO SEÑAL DE
MES GANANCIAS P.M.P
REL. ACUM. REL. ACUM. RASTREO
01 0,17            
02 0,24     #¡DIV/0!   #¡DIV/0! 0,00
03 0,26     #¡DIV/0!   #¡DIV/0! 0,00
04 0,34 0,2 0,09 0,09 0,09 0,09 1,00
05 0,25 0,3 0,06 0,08 -0,06 0,01 0,37
06 0,37 0,3 0,10 0,09 0,10 0,04 1,51
07 0,36 0,3 0,02 0,07 0,02 0,04 2,14
08 0,44 0,4 0,09 0,07 0,09 0,05 3,24
09 0,33 0,4 0,09 0,08 -0,09 0,02 1,982
10 0,4 0,4 0,05 0,07 0,05 0,03 2,738
11 0,41 0,4 0,02 0,06 0,02 0,03 3,318
12 0,47 0,4 0,07 0,07 0,07 0,03 4,362
13 0,3 0,5 0,15 0,07 -0,15 0,01 1,805
14 0,47 0,3 0,13 0,08 0,13 0,02 3,292
15   0,4 0,44 0,11 -0,44 -0,01 -1,646

También podría gustarte