EJERCICIOS DE REGRESION POR MINIMOS CUADRADOS

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
MES
(UNIDADES)
Enero 4200
Febrero 4300
Marzo 4000
Abril 4400
Mayo 5000
Junio 4700
Julio 5300
Agosto 4900
Septiembre 5400
Octubre 5700
Noviembre 6300
Diciembre 6000

SOLUCION:
a) Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que fuera la demanda de cada mes del año entrante? Con una hoja
de cálculo, siga el formato general de la ilustración

(1) (2) (3) (4) (5) (6)

x y xy x2 y2 Y
1 4200 4200 1 17640000 3958.97

2 4300 8600 4 18490000 4151.28

3 4000 12000 9 16000000 4343.59

4 4400 17600 16 19360000 4535.90

5 5000 25000 25 25000000 4728.21

6 4700 28200 36 22090000 4920.52

7 5300 37100 49 28090000 5112.83

8 4900 39200 64 24010000 5305.14

9 5400 48600 81 29160000 5497.45

10 5700 57000 100 32490000 5689.76

11 6300 69300 121 39690000 5882.07

12 6000 50400 144 36000000 6074.38

∑ x = 78 ∑ y = 60200 ∑xy = 418800 ∑y2 = 308020000

∑x2 = 650
x́ = 6.5 ý = 5016.67
 I. a= ý−b x́ = 5016.67- 192.31 x 6.5 = 3766.66

∑ xy −n x́ . ´y 418800−12∗6.5∗5016.67
I. b=
∑ x 2−n x́ 2 = 650−12∗6.52 = 192.31

Ecuación de recta es

II. Y = a + bx = 3766.66+192.31(x)

MES Periodo Y
3766.66+192.31(x)
Enero 13 6266.69
Febrero 14 6459
Marzo 15 6651.31
Abril 16 6843.62
Mayo 17 7035.93
Junio 18 7228.24
Julio 19 7420.55
Agosto 20 7612.86
Septiembre 21 7805.17
Octubre 22 7997.48
Noviembre 23 8189.79
Diciembre 24 8382.1
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?
n

s yx =
√ ∑ ( y i−Y i )2
i=1
n−2

(4200−3958.97)2 +(4300−4151.28)2+ … … … … … … … … .(6000−6074.38)2

√
s yx =
12−2

s yx = 269.85

2. La demanda histórica del producto es:

 Meses Demanda
Enero 12
Febrero 11
Marzo 15
Abril 12
a) Usando un Mayo 16 promedio móvil ponderado con pesos de
0.60, 0.30 y 0.10, Junio 15 calcule el pronóstico de julio.

Mes Demanda Peso

Abril 12 0.1
Mayo 16 0.3
Junio 15 0.6
Julio 15

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

 Meses Demanda Pronostico de 3
MESES
Enero 12
Febrero 11
Marzo 15
Abril 12 12.67
Mayo 16 12.67
Junio 15 14.33
Julio 14.33
c) Mediante suavización exponencial simple con α = 0.2 y
un pronóstico para junio de 13, calcule el pronóstico de julio. Haga
todas las suposiciones que quiera.

Ft = Ft−1 + α (At−1 − Ft−1)

Meses Ft-1 α At-1 Ft

Julio 13 0.2 15 13.4
d) Con un análisis de regresión lineal simple, calcule la ecuación de relación de los datos precedentes de la demanda.

(1) (2) (3) (4) (5) (6)

x y xy x2 y2 Y
1 12 12 1 144 11.58

2 11 22 4 121 12.35

3 15 45 9 225 13.12

4 12 48 16 144 13.89

5 16 80 25 256 14.66

6 15 90 36 225 15.43

∑ x = 21 ∑ y = 81 ∑xy = 297 ∑y2 = 1115

∑x2 = 91
x́ = 3.5 ý = 13.5

II. a= ý−b x́ = 13.5- 0.77x 3.5 = 10.81

∑ xy −n x́ . ´y 297−6∗3.5∗13.5
I. b=
∑ x 2−n x́ 2 = 91−6∗3.52 = 0.77

Ecuación de recta es:

II. Y = a + bx = 10.81+0.77(x)
e) Con la ecuación de regresión del punto d), calcule el pronóstico para julio.

P. de Julio = 10.81+0.77 (7)

P. de Julio = 16.2

3. Las siguientes tabulaciones son ventas unitarias reales para seis meses y un pronóstico inicial para enero.

Meses Real Pronostico

Enero 100
Febrero 94
Marzo 106
 80
Abril 80
Mayo 68
Junio 94

a) Calcule los pronósticos para los cinco meses restantes con suavización exponencial simple con α0.2.
 Ft = Ft−1 + α (At−1 − Ft−1)
Meses Ft-1 α At-1 Ft
Febrero 80 0.2 100 84
Marzo 84 0.2 94 86
Abril 86 0.2 106 90
Mayo 90 0.2 80 88
Junio 88 0.2 68 84
b) Calcule el MAD de los pronósticos.

SUAVIZACION EXPONENCIAL SIMPLE

Pronóstico
EJERCICIOS DE
Mes de la Real Desviación Desv. Abs.
DESCOMPOSICION demanda
4. Zeus Computer Chips,
Febrero 84 94 10 10
Inc., tenía contratos Marzo 86 106 20 20
importantes para Abril 90 80 -10 10
Mayo 88 68 -20 20
producir Junio 84 94 10 10
microprocesadores Suma total de las desviaciones absolutas 70 tipo
MAD 14
Pentium. El mercado ha ido
a la baja en los últimos 3 años por los chips dual-core, que Zeus no produce, así que tiene la penosa tarea de pronosticar el año entrante. La
tarea es penosa porque la empresa no ha podido encontrar chips sustitutos para sus líneas de productos. Aquí está la demanda de los últimos
12 trimestres:

Trimestre Trimestre Trimestre Trimestre

Ventas Ventas Ventas Ventas
Año 2005 Año 2006 Año 2007 Año 2008
I 4800 I 3500 I 3200 I 2473.15

II 3500 II 2700 II 2100 II 1634.43

III 4300 III 3500 III 2700 III 1889.94

IV 3000 IV 2400 IV 1700 IV 1153.37

Solución:
(1) (2) (3) Demanda -4 -5 -6 -7 -8
 real
Promedio del mismo Factor Demanda no
Periodo (Y) x2 x × yd
Trimestre trimestre cada año estacional estacional
(x)
    (5)=(4)/Y (yd) (Col. 1)2  
      Col. (3) ÷ Col. (5)   Col. (1) × Col. (6)
1 I 4800 3833.33 1.23 3902.44 1 3902.44

2 II 3500 2766.67 0.89 3932.58 4 7865.16

3 III 4300 3500 1.12 3839.29 9 11517.87

4 IV 3000 2366.67 0.76 3947.37 16 15789.48

5 I 3500 1.23 2845.53 25 14227.65

6 II 2700 0.89 3033.71 36 18202.26

7 III 3500 1.12 3125.00 49 21875

8 IV 2400 0.76 3157.89 64 25263.12

9 I 3200 1.23 2601.63 81 23414.67

10 II 2100 0.89 2359.55 100 23595.5

11 III 2700 1.12 2410.71 121 26517.81

12 IV 1700 0.76 2236.84 144 26842.08

37400 37575.14
͞ x = 6.5 ∑ x2 =650 219013.04
ỹ͞͞ =3116.67 ỹ͞͞ d=3116.05
b =∑xyd - n ( ͞x) ỹ͞͞ d: ∑ x2 – n (͞x)2
B=219013.04- 12(6.5)3116.05/ (650-12*6.5 2)
B= -168.10

a= ỹ͞͞ d - b ͞x
A= 3116.05-(-168.10)*6.5
A=4208.05
Y= a+bx
Período
Y=4208.7+(-168.10)*X
13 2023.4
14 1855.3
15 1687.2
16 1519.1

Pronóstico
Y de la recta de la
Periodo Trimestre Factor estacional (Y × factor
regresión
estacional
13 I 2023.4 1.23 2488.782
14 II 1855.3 0.89 1651.22
15 III 1687.2 1.12 1889.66
16 IV 1519.1 0.76 1154.52
5. Los datos de ventas de 2 años son los siguientes. Los datos están acumulados con dos meses de ventas en cada “periodo”.

Meses Ventas Meses Ventas Meses Ventas

Enero-febrero 109 Enero-febrero 115 Enero-febrero 118

Marzo-abril 104 Marzo-abril 112 Marzo-abril 113.37

Mayo-junio 150 Mayo-junio 159 Mayo-junio 163.68

Julio-agosto 170 Julio-agosto 182 Julio-agosto 188.37

Septiembre- Septiembre- Septiembre-
120 126 132.50
octubre octubre octubre
Noviembre- Noviembre- Noviembre-
100 106 112.34
diciembre diciembre diciembre

Solución:
a) Trace la gráfica.

ventas
170
182
150
159
136
120
109
115 104
112 100
106

Axis
Axis Title
Title

ventas
ventas
 (3) Demanda
-4 -5 -6 -7 -8
real
(1) Promedio del mismo Factor Demanda no
Periodo (2) Meses (Y) x2 x × yd
trimestre cada año estacional estacional
(x)
    (5)=(4)/Y (yd) (Col. 1)2  
      Col. (3) ÷ Col. (5)   Col. (1) × Col. (6)
1 E-F 109 112 0.87 125.29 1 125.29

2 M-A 104 108 0.83 125.30 4 250.6

3 M-J 150 154.5 1.19 126.05 9 378.15

4 J-A 170 176 1.36 125 16 500

5 S-O 120 123 0.95 126.32 25 631.6

6 N-D 100 103 0.80 125 36 750

7 E-F 115 0.87 132.18 49 925.26

8 M-A 112 0.83 134.94 64 1079.52

9 M-J 159 1.19 133.61 81 1202.49

10 J-A 182 1.36 133.82 100 1338.2

11 S-O 126 0.95 132.63 121 1458.93

12 N-D 106 0.80 132.5 144 1590

1553 1552.64
͞ x = 6.5 ∑ x2 =650 10230.04
ỹ͞͞ =129.42 ỹ͞͞ d=129.39
b =∑xyd - n ( ͞x) ỹ͞͞ d: ∑ x2 – n (͞x)2
B=10230.04- 12(6.5)129.39/ (650-12*6.5 2)
B= 0.96

a= ỹ͞͞ d - b ͞x
A= 129.39-0.96*6.5
A=123.15
Y= a+bx
Período
Y=123.15+0.96*X
13 135.63
14 136.59
15 137.55
16 138.51
17 139.47
18 140.43

Pronóstico
Y de la recta de la
Periodo Meses Factor estacional (Y × factor
regresión
estacional
13 E-F 135.63 0.87 118
14 M-A 136.59 0.83 113.37
15 M-J 137.55 1.19 163.68
16 J-A 138.51 1.36 188.37
17 S-O 139.47 0.95 132.50
18 N-D 140.43 0.80 112.34
7. En la tabla siguiente se muestran los 2 años previos de información de las ventas trimestrales. Supóngase que hay tendencias y factores
estacionales y que el ciclo estacional es de 1 año. Use series de tiempo de descomposición para pronosticar las ventas trimestrales del año
siguiente.

Trimestre Ventas Trimestre Ventas Trimestre Ventas

1 160 5 215 9 231.89

2 195 6 240 10 280.48

3 150 7 205 11 239.11

4 140 8 190 12 230.20

Solución:

(3)
Demanda -4 -5 -6 -7 -8
real
(1)
(2) Promedio del mismo Factor Demanda no
Periodo (Y) x2 x × yd
Trimestre trimestre cada año estacional estacional
(x)

    (5)=(4)/Y (yd) (Col. 1)2  

      Col. (3) ÷ Col. (5)   Col. (1) × Col. (6)
1 I 160 187.5 1 160 1 160
2 II 195 217.5 1.16 168.10 4 336.20
3 III 150 177.5 0.95 157.89 9 473.67
4 IV 140 165 0.88 159.09 16 636.36
5 I 215 1 215 25 1075
6 II 240 1.16 206.90 36 1241.4
7 III 205 0.95 215.79 49 1510.53
8 IV 190 0.88 215.91 64 1727.28
1495 1498.68
͞ x = 4.5 ∑ x2 =204 7160.44
ỹ͞͞ = 186.88 ỹ͞͞ d=187.34
b =∑xyd - n ( ͞x) ỹ͞͞ d: ∑ x2 – n (͞x)2
B=7160.44- 8(4.5)187.34/ (204-8*4.52)
B= 9.9

a= ỹ͞͞ d - b ͞x
A= 187.34-9.9*4.5
A=142.79
Y= a+bx
Período
Y=142.79+9.9*X
9 231.89
10 241.79
11 251.69
12 261.59

Pronóstico
Y de la recta de la
Periodo Trimestre Factor estacional (Y × factor
regresión
estacional
9 I 231.89 1 231.89
10 II 241.79 1.16 280.48
11 III 251.69 0.95 239.11
12 IV 261.59 0.88 230.20
8. Tucson Machinery, Inc., fabrica máquinas controladas numéricamente, que se venden a un precio promedio de 0.5 millones de dólares cada
una. Las ventas de estas máquinas durante los 2 años anteriores son:

Trimestre Trimestre Trimestre

Ventas Ventas Ventas
Año 2006 Año 2007 Año 2008

1 12 5 16 9 16.32

2 18 6 24 10 25.13

3 26 7 28 11 33.47

4 16 8 18 12 21.63
 Solución:

(3)
Demanda -4 -5 -6 -7 -8
real
(1)
(2) Promedio del mismo Factor Demanda no
Periodo (Y) x2 x × yd
Trimestre trimestre cada año estacional estacional
(x)

    (5)=(4)/Y (yd) (Col. 1)2  

      Col. (3) ÷ Col. (5)   Col. (1) × Col. (6)
1 I 12 14 0.71 16.90 1 16.90
2 II 18 21 1.06 16.98 4 33.96
3 III 26 27 1.37 18.98 9 56.94
4 IV 16 17 0.86 18.60 16 74.4
5 I 16 0.71 22.54 25 112.7
6 II 24 1.06 22.64 36 135.84
7 III 28 1.37 20.44 49 143.08
8 IV 18 0.86 20.93 64 167.44
158 158.01
͞ x = 4.5 ∑ x2 =204 741.26
ỹ͞͞ = 19.75 ỹ͞͞ d=19.75
b =∑xyd - n ( ͞x) ỹ͞͞ d: ∑ x2 – n (͞x)2
B=741.26- 8(4.5)19.75/ (204-8*4.52)
B= 0.72

a= ỹ͞͞ d - b ͞x
A= 19.75-0.72*4.5
A=16.51
Y= a+bx
Período
Y=16.51+0.72*X
9 22.99
10 23.71
11 24.43
12 25.15

Pronóstico
Y de la recta de la
Periodo Trimestre Factor estacional (Y × factor
regresión
estacional
9 I 22.99 0.71 16.32
10 II 23.71 1.06 25.13
11 III 24.43 1.37 33.47
12 IV 25.15 0.86 21.63
21. Haga un análisis de regresión sobre la demanda sin factores estacionales para pronosticar la demanda en el verano de
2008, dados los siguientes datos históricos de la demanda.

Año Estación Demanda real

Primavera 205
Verano 140
2006
Otoño 375
Invierno 575
Primavera 475
Verano 275
 2007
Otoño 685
Invierno 965
Primavera 526.45
Verano 345.22
2008
Otoño 946.31
Invierno 1467.28
Solución:

(3)
Demanda -4 -5 -6 -7 -8
real
(1)
(2) Promedio del mismo Factor Demanda no
Periodo (Y) x2 x × yd
Estación trimestre cada año estacional estacional
(x)

    (5)=(4)/Y (yd) (Col. 1)2  

      Col. (3) ÷ Col. (5)   Col. (1) × Col. (6)
1 Primavera 205 340 0.74 277.03 1 277.03

2 Verano 140 207.5 0.45 311.11 4 622.22

3 Otoño 375 530 1.15 326.09 9 978.27

4 Invierno 575 770 1.67 344.31 16 1377.24

5 Primavera 475 0.74 641.89 25 3209.45

6 Verano 275 0.45 611.11 36 3666.66

7 Otoño 685 1.15 595.65 49 4169.55

8 Invierno 965 1.67 577.84 64 4622.72

3695 3685.03
͞ x = 4.5 ∑ x2 =204 18923.14
ỹ͞͞ = 461.88 ỹ͞͞ d=460.63
b =∑xyd - n ( ͞x) ỹ͞͞ d: ∑ x2 – n (͞x)2
B=18923.14- 8(4.5)460.63/ (204-8*4.5 2)
B= 55.73

a= ỹ͞͞ d - b ͞x
A= 460.63-55.73*4.5
A=209.85
Y= a+bx
Período
Y=209.85+55.73*X
9 711.42
10 767.15
11 822.88
12 878.61

Pronóstico
Y de la recta de la
Periodo Trimestre Factor estacional (Y × factor
regresión
estacional
9 Primavera 711.42 0.74 526.45
10 Verano 767.15 0.45 345.22
11 Otoño 822.88 1.15 946.31
12 Invierno 878.61 1.67 1467.28
11. A continuación se da la demanda tabulada actual de un artículo durante un periodo de nueve meses (de enero a
septiembre). Su supervisor quiere probar dos métodos de prueba para ver cuál resultó mejor en el periodo.

Mes Real
Enero 110
Febrero 130
Marzo 150
Abril 170
Mayo 160
Junio 180
Julio 140
Agosto 130
Septiembre 140

a) Pronostique de abril a septiembre con un promedio móvil a tres meses.

Mes Real Pronostico de 3 meses

Enero 110
Febrero 130
Marzo 150
Abril 170 130
Mayo 160 150
Junio 180 160
Julio 140 170
Agosto 130 160
Septiembre 140 150
b) Mediante suavización exponencial simple con una alfa de 0.3, calcule de abril a septiembre.
Ft = Ft−1 + α (At−1 − Ft−1)

Meses Ft-1 α At-1 Ft

Abril 120 0.30 150 129.00
Mayo 129.00 0.30 170 141.30
Junio 141.30 0.30 160 146.91
Julio 146.91 0.30 180 156.84
Agosto 156.84 0.30 140 151.79
Septiembre 151.79 0.30 130 145.25

c) Use la MAD para decidir qué método produjo el mejor pronóstico en el periodo de seis meses.
 Promedio móvil

PROMEDIO MOVIL SIMPLE

Pronóstico
Mes de la Real Desviación Desv. Abs.
demanda

Abril 130 170 40.00 40.00

Mayo 150 160 10.00 10.00
Junio 160 180 20.00 20.00
Julio 170 140 -30.00 30.00
Agosto 160 130 -30.00 30.00
Septiembre 150 140 -10.00 10.00
Suma total de las desviaciones absolutas 140.00

MAD 23.33
  Suavización exponencial

SUAVIZACION EXPONENCIAL SIMPLE

Pronóstico
Mes de la Real Desviación Desv. Abs.
demanda

Abril 129.00 170 41.00 41.00

Mayo 141.30 160 18.70 18.70
Junio 146.91 180 33.09 33.09
Julio 156.84 140 -16.84 16.84
Agosto 151.79 130 -21.79 21.79
Septiembre 145.25 140 -5.25 5.25
Suma total de las desviaciones absolutas 136.66
MAD 22.78

- El método que resultó mejor el pronóstico en el período de seis meses es de “Suavización exponencial” con un MAD
de 22.78
16. Supóngase que sus existencias de mercancía para venta se mantiene sobre la base de la demanda pronosticada. Si el
personal de ventas de la distribuidora llama el primer día de cada mes, calcule su pronóstico de ventas con los tres
métodos solicitados aquí.

Real
Junio 140
Julio 180
Agosto 170
a) Con un promedio móvil simple de tres meses, ¿cuál es el pronóstico para septiembre?

Mes Real Pronostico de 3 meses

Junio 140
Julio 180
Agosto 170
Septiembre 163.33

b) Con un promedio móvil ponderado, ¿cuál es el pronóstico para septiembre con valores relativos de 0.20, 0.30 y 0.50
para junio, julio y agosto, respectivamente?

Mes Demanda Peso

Junio 140 0.2
Julio 180 0.3
Agosto 170 0.5
Septiembre 167
c) Mediante suavización exponencial simple, y suponiendo que el pronóstico de junio fue de 130, pronostique las ventas
de septiembre con una constante α de suavización de 0.30.
Ft = Ft−1 + α (At−1 − Ft−1)

Meses Ft-1 0.2 At-1 Ft

Julio 130.00 0.30 140.00 133.00
Agosto 133.00 0.30 180.00 147.10
Septiembre 147.10 0.30 170.00 153.97

17. La demanda histórica de un producto es como sigue:

Demanda
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75
a) Con un promedio móvil simple a cuatro meses, calcule un pronóstico para octubre.

Meses Demanda Pronostico de 4

MESES
Abril 60
Mayo 55
b) Mediante suavización Junio 75 exponencial simple con α =
0.2 y un pronóstico para Julio 60 septiembre = 65, calcule un
pronóstico para octubre. Agosto 80 62.5
Septiembre 75 67.5
Octubre 72.5
 Ft = Ft−1 + α (At−1 − Ft−1)
Meses Ft-1 0.2 At-1 Ft
octubre 65 0.2 75 67

c) Mediante regresión lineal simple, calcule la recta de la tendencia de los datos históricos. En el eje de las x, sea abril =
1, mayo = 2, etc., mientras que en el eje de las y está la demanda.

(1) (2) (3) (4) (5)

x y xy x2 y2
1 60 60 1 3600

2 55 110 4 3025

3 75 225 9 5625

4 60 240 16 3600

5 80 400 25 6400

6 75 450 36 5625

∑ x = 21 ∑ y = 405 ∑xy = 1485 ∑y2 = 27875

∑x2 = 91
x́ = 3.5 ý = 67.5

III. a= ý−b x́ = 67.5- 3.86x 3.5 = 53.99

 ∑ xy −n x́ . ´y 1485−6∗3.5∗67.5
III. b=
∑ x 2−n x́ 2 = 91−6∗3.52 = 3.86

Ecuación de recta es:

IV. Y = a + bx = 53.99+3.86(x)

d) Calcule un pronóstico para octubre.

P. de octubre= 53.99+3.86 (7)
P. de octubre= 81.01

20. Su gerente trata de determinar qué método de pronóstico usar. Basándose en los siguientes datos históricos, calcule el
siguiente pronóstico y especifique qué procedimiento utilizaría
 MES DEMANDA
(UNIDADES)
1 62
2 65
3 67
4 68
5 71
6 73
7 76
8 78
9 78
10 80
11 84
12 85

a) Calcule un pronóstico de promedio móvil simple a tres meses para los periodos 4 a 12.
 Meses Demanda Pronostico de 3
(unidades) MESES
1 62
2 65
3 67
4 68 64.67
5 71 66.67
6 73 68.67
7 76 70.67
8 78 73.33
9 78 75.67
10 80 77.33
11 84 78.67
12 85 80.67

b) Calcule el promedio móvil ponderado a tres meses con pesos de 0.50, 0.30 y 0.20 para los periodos 4 a 12.
 Demanda Pronostico de 3
Meses
(unidades) MESES
1 62  
2 65  
3 67  
4 68 65.40
5 71 67.10
6 73 69.30
7 76 71.40
8 78 74.10
9 78 76.40
10 80 77.60
11 84 79.00
12 85 81.60

c) Calcule un pronóstico de suavización exponencial simple para los periodos 2 a 12 usando un pronóstico inicial (F1) de
61 y una α de 0.30.
 Ft = Ft−1 + α (At−1 − Ft−1)

Meses Ft-1 α At-1 Ft

2 61 0.3 62 61.30

3 61.30 0.3 65 62.41

4 62.41 0.3 67 63.79

5 63.79 0.3 68 65.05

6 65.05 0.3 71 66.84

7 66.84 0.3 73 68.68

8 68.68 0.3 76 70.88

9 70.88 0.3 78 73.02

10 73.02 0.3 78 74.51

11 74.51 0.3 80 76.16

12 76.16 0.3 84 78.51

d) Calcule el pronóstico de suavización exponencial con componente de tendencia para los periodos 2 a 12 con un
pronóstico de tendencia inicial (T1) de 1.8, un pronóstico de suavización exponencial inicial (F1) de 60, una α de 0.30 y
una δ de 0.30.
 Ft-1 Tt-1 FITt-1 α δ At-1 Ft Tt FITt
Meses
60 1.8 61.8 0.3 0.3 62 61.86 1.82 63.68
3 61.86 1.82 63.68 0.3 0.3 65 64.07 1.94 66.01
4 64.07 1.94 66.01 0.3 0.3 67 66.31 2.03 68.33
5 66.31 2.03 68.33 0.3 0.3 68 68.23 2.00 70.23
6 68.23 2.00 70.23 0.3 0.3 71 70.46 2.07 72.53
7 70.46 2.07 72.53 0.3 0.3 73 72.67 2.11 74.78
8 72.67 2.11 74.78 0.3 0.3 76 75.14 2.22 77.36
9 75.14 2.22 77.36 0.3 0.3 78 77.55 2.28 79.83
10 77.55 2.28 79.83 0.3 0.3 78 79.28 2.11 81.39
11 79.28 2.11 81.39 0.3 0.3 80 80.97 1.99 82.96
12 80.97 1.99 82.96 0.3 0.3 84 83.27 2.08 85.35

e) Calcule la desviación absoluta media (MAD) de los pronósticos hechos con cada técnica en los periodos 4 a 12. ¿Qué
método de pronóstico prefiere?
 Promedio móvil simple
PROMEDIO MOVIL SIMPLE

Pronóstico de la
Mes Real Desviación Desv. Abs.
demanda

4 64.67 68 3.33 3.33

5 66.67 71 4.33 4.33
6 68.67 73 4.33 4.33
7 70.67 76 5.33 5.33
8 73.33 78 4.67 4.67
9 75.67 78 2.33 2.33
10 77.33 80 2.67 2.67
11 78.67 84 5.33 5.33
12 80.67 85 4.33 4.33
Suma total de las desviaciones absolutas 36.67

MAD 4.07

 Promedio móvil ponderado

 PROMEDIO MOVIL PONDERADO

Pronóstico
Mes de la Real Desviación Desv. Abs.
demanda

4 65.40 68 2.60 2.60

5 67.10 71 3.90 3.90
6 69.30 73 3.70 3.70
7 71.40 76 4.60 4.60
8 74.10 78 3.90 3.90
9 76.40 78 1.60 1.60
10 77.60 80 2.40 2.40
11 79.00 84 5.00 5.00
12 81.60 85 3.40 3.40
Suma total de las desviaciones absolutas 31.10

MAD 3.46

 Suavización exponencial simple

 SUAVIZACION EXPONENCIAL

Pronóstico de la
Mes Real Desviación Desv. Abs.
demanda

4 63.79 68 4.21 4.21

5 65.05 71 5.95 5.95
6 66.84 73 6.16 6.16
7 68.68 76 7.32 7.32
8 70.88 78 7.12 7.12
9 73.02 78 4.98 4.98
10 74.51 80 5.49 5.49
 11 76.16 84 7.84 7.84
12 78.51 85 6.49 6.49
Suma total de las desviaciones absolutas 55.57
MAD 6.17
Suavización exponencial con componente de tendencia
SUAVIZACION EXPONENCIALCON COMPONENTE DE TENDENCIA

Pronóstico
Mes de la Real Desviación Desv. Abs.
demanda

4 68.33 68 -0.33 0.33

5 70.23 71 0.77 0.77
6 72.53 73 0.47 0.47
7 74.78 76 1.22 1.22
8 77.36 78 0.64 0.64
9 79.83 78 -1.83 1.83
10 81.39 80 -1.39 1.39
11 82.96 84 1.04 1.04
12 85.35 85 -0.35 0.35
Suma total de las desviaciones absolutas 8.05
MAD 0.89
26. continuación se encuentran los ingresos por ventas de una compañía de servicios públicos grande de 1997 a 2007.
Pronostique los ingresos de 2008 a 2011. Use su buen juicio, intuición o sentido común en cuanto a qué modelo o método
usar, así como el periodo de datos que incluir.

Año Ingresos (millones)

1997 4 865.9
1998 5 067.4
1999 5 515.6
2000 5 728.8
2001 5 497.7
2002 5 197.7
2003 5 094.4
2004 5 108.8
2005 5 550.6
2006 5 738.9
2007 5 860.0

Solución:
 (1) (2) (3) (4) (5) (6)
x y xy x2 y2 Y
1 4865.90 4865.9 1 23676983 5106.07

2 5067.40 10134.8 4 25678543 5161.69

3 5515.60 16546.8 9 30421843 5217.31

4 5728.80 22915.2 16 32819149 5272.93

5 5497.70 27488.5 25 30224705 5328.55

6 5197.70 31186.2 36 27016085 5384.17

7 5094.40 35660.8 49 25952911 5439.79

8 5108.80 40870.4 64 26099837 5495.41

9 5550.60 49955.4 81 30809160 5551.03

10 5738.90 57389 100 32934973 5606.65

11 5860.00 64460 121 34339600 5662.27

∑ x = 66 ∑ y = 59225.8 ∑xy = 361473 ∑y2 = 319973791

∑x2 = 506
x́ = 6 ý = 5384.16
 I. a= ý−b x́ = 5384.17- 55.62 x 6 = 5050.45

∑ xy −n x́ . ´y 361473−11∗6∗5384.16
II. b=
∑ x 2−n x́ 2 = 506−11∗62 = 55.62
Ecuación de recta es

III. Y = a + bx = 5050.45+55.62(x)

Pronosticando los ingresos del 2008 al 2011

MES Periodo Y
5050.45+55.62(x)
2008 12 5717.89
2009 13 5773.51
2010 14 5829.13
2011 15 5884.75
b) Para tener alguna seguridad de cubrir la demanda la compañía de servicios públicos, se usa el error estándar por seguridad, que
determinara cuántas unidades adicionales debe retener la compañía para alcanzar este nivel de confianza
n

s yx =
√ ∑ ( y i−Y i )2
i=1
n−2

(4 865.9−5106.07)2+(5 067.4−5161.69)2 +… … … … … … … … .(5 860.0−5662.27)2

s yx =
√ 11−2

s yx = 289.08