PRONÓSTICOS 

TALLER PRACTICO: MODELOS DETERMINISTICOS

ELABORADO POR: 

KAREN BERDUGO
MARIA DEL MAR LOZANO
LEYDY JOHANNA ORTIZ AGUILAR 
JOSE DAVID PINZON COY
JOSE EDUARDO BACCA BENAVIDES

PRESENTADO A:

PROF: FAUSTO ARTEAGA

UNIVERSIDAD AUTÓNOMA DE OCCIDENTE

FACULTAD DE CIENCIAS ADMINISTRATIVAS
 SANTIAGO DE CALI - VALLE DEL CAUCA
2022

SOLUCION TALLER

Taller Práctico Pronósticos – Modelos Determinísticos

Profesor Fausto Arteaga

1. Transporte Automotor” opera una flota de camionetas para transportar tanto personas
mayores como personas discapacitadas. El registro de la gasolina comprada por galones
de esta flota de camionetas, se presenta en la tabla siguiente:

SEMANA GALONES SEMANA GALONES SEMANA GALONES

1 275 11 302 21 310
2 291 12 287 22 299
3 307 13 290 23 285
4 281 14 311 24 250
5 295 15 277 25 260
6 268 16 245 26 245
7 252 17 282 27 271
8 279 18 277 28 282
9 264 19 298
10 288 20 303

a) Prepare una gráfica de serie de tiempo de datos e inspecciónela en forma visual para
determinar las características que ve en esta serie. Describa el patrón que percibe.

EMPRESA DE TRANSPORTE
350
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

SEMANAS GALONES

R/ En esta grafica se puede observar que los datos presentan un patrón estacionario –
horizontal y los métodos para estas graficas son:

 Método ingenuo
 Suavización simple
 Promedio móvil
  Box Jenkins
 Regresión

b) Use un modelo de suavización de 0.1 y 0.2 (Alpha) para desarrollar un pronóstico de

las compras en galones de la próxima semana y explique por qué lo seleccionó.

SUAVIZACION SIMPLE
SEMANAS GALONES
0,1 0,2
1 275    
2 291 276,6  
3 307 292,6 278,2
4 281 304,4 294,2
5 295 282,4 301,8
6 268 292,3 283,8
7 252 266,4 289,6
8 279 254,7 264,8
9 264 277,5 257,4
10 288 266,4 276
11 302 289,4 268,8
12 287 300,5 290,8
13 290 287,3 299
14 311 292,1 287,6
15 277 307,6 294,2
16 245 273,8 304,2
17 282 248,7 270,6
18 277 281,5 252,4
19 298 279,1 281
20 303 298,5 281,2
21 310 303,7 299
22 299 308,9 304,4
23 285 297,6 307,8
24 250 281,5 296,2
25 260 251 278
26 245 258,5 252
27 271 247,6 257
28 282 272,1 250,2

c) Use adicionalmente modelos de promedio móvil con k=2 y k=3 para pronosticar las
compras de galones de gasolina.

SEMANAS GALONES Pron Prom Mov K=2 Pron Prom Mov K=3

1 275    
2 291    
3 307 283
 4 281 299 291,00
5 295 294 293,00
6 268 288 294,33
7 252 281,5 281,33
8 279 260 271,67
9 264 265,5 266,33
10 288 271,5 265,00
11 302 276 277,00
12 287 295 284,67
13 290 294,5 292,33
14 311 288,5 293,00
15 277 300,5 296,00
16 245 294 292,67
17 282 261 277,67
18 277 263,5 268,00
19 298 279,5 268,00
20 303 287,5 285,67
21 310 300,5 292,67
22 299 306,5 303,67
23 285 304,5 304,00
24 250 292 298,00
25 260 267,5 278,00
26 245 255 265,00
27 271 252,5 251,67
28 282 258 258,67

d) Realice una gráfica de los valores reales y los pronosticados (4 pronósticos). Compare
y elija el mejor pronóstico, explique.

VALORES REALES Y PRONOSTICOS

1600
1400
1200
1000
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

GALONES Pron Prom Mov K=2 Pron Prom Mov K=3

Pron SES K=2 Pron SES K=3

R/: Se evidencia en la gráfica que tiende a ser positiva, pero los datos se vuelven
estacionarios – Horizontal.
 ERROR CUADRATICO SIMPLE

Pron Prom Mov K=2 Pron Prom Mov K=3 Pron SES α = 0,2 Pron SES α = 0,1
       
       
576,00   829,44  
324,00 100,00 8,76 2,6
1,00 4,00 135,30 107,3
400,00 693,44 313,09 63,9
870,25 860,44 909,36 0,0
361,00 53,78 8,27 435,8
2,25 5,44 161,28 762,2
272,25 529,00 191,56 47,7
676,00 625,00 628,62 213,6
64,00 5,44 25,58 30,5
20,25 5,44 49,65 183,7
506,25 324,00 709,53 2,9
552,25 361,00 161,05 33,5
2401,00 2272,11 1776,82 286,6
441,00 18,78 10,75 154,8
182,25 81,00 5,65 932,7
342,25 900,00 364,73 1,8
240,25 300,44 411,21 7,3
90,25 300,44 539,30 173,7
56,25 21,78 57,43 261,2
380,25 361,00 63,00 341,7
1764,00 2304,00 1709,82 53,5
56,25 324,00 532,68 48,9
100,00 400,00 1119,84 929,9
342,25 373,78 0,59 472,9
576,00 544,44 107,81 771,2
446,06 470,75 416,58 292,75

R/: El mejor pronóstico según la tabla es PRONOSOTICO MEDIO MOVIO K=3 con valor
de 266,00 pero al realizar el error cuadrático medio nos afirma que el mejor es
PRONOSTICO SES con valor de 292,75.
 ERROR CUADRATICO SIMPLE
f)
8000
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

Pron Prom Mov K=2 Pron Prom Mov K=3 Pron SES α = 0,2 Pron SES α = 0,1
Con el mejor modelo seleccionado (argumentado en el punto anterior), defina el
pronóstico de la semana 29, Cual es ese valor y por que cree Ud. que es mejor a los otros
pronósticos.

Pron Prom Pron Prom Pron SES K=2 Pron SES K=3
SEMANAS GALONES
Mov K=2 Mov K=3
0,2 0,1
29   276,5 266,00 273,69 278,37

R/: VALOR: 266,00  Porque tiene mayor certeza de proyección que los demás datos,
pero igual no es suficiente para decir que sea el mejor modelo o pronóstico, para eso
tenemos que realizar el error cuadrático, por lo tanto, al realizarlo nos dimos cuenta que el
mejor modelo es el pronóstico SES con tiempo K=3 ya que arroja menos error en el
momento de realizar la proyección.

2. Una empresa productora de tapas herméticas para productos de consumo masivo

utiliza un método de moldeo por inyección. El moldeo funciona mejor a una temperatura
ambiente de 20° C. La planta está equipada con un horno de gas para clima frio y
acondicionadores de aire para clima caliente. Por esta razón, el consumo de energía
eléctrica es estacional con picos en los meses de verano y baja en los meses de invierno.
Se tienen las siguientes observaciones de consumo de energía en Kwh:

AÑO TRIMESTRE DEMANDA AÑO TRIMESTRE DEMANDA

2.009 1 2319
2 4422
3 6498
4 4902
2.010 1 2300
2 2696
3 5882
4 4378
2.011 1 2360
2 3076
3 5793
4 5350
2.012 1 2310
2 3600
3 6650
4 5245
a) Grafique los datos y presente un informe

Consumo de Energía
7000
6000
5000
4000
3000
2000
1000
0
ene- abr- ago- dic- ene- abr- ago- dic- ene- abr- ago- dic- ene- abr- ago- dic-
09 09 09 09 10 10 10 10 11 11 11 11 12 12 12 12
2009 2010 2011 2012

T DEMANDA

R/: INFORME  Se observa en la gráfica que en los meses de verano se presenta una
tendencia positiva y en los meses de invierno una tendencia negativa.

b) Pronostique con un modelo de suavización exponencial doble el primer trimestre de

2.013, teniendo las constantes α =0.1 , y γ =0.2

MODELO DOBLE O HOLT

AÑO Trimestre T Demanda Ft Tt Y^
2013 ene-13 1   5433,6 179,8 5613,4

c) Pronostique con un modelo de suavización exponencial triple el primer trimestre de

2.013, teniendo las constantes α =0.1 , β=0.3 y γ =0.2

MODELO TRIPLE - WINTER

AÑO Trimestre T Demanda Ft St It Y ESTIMADO
2013 ene-13 1   3210,98 0,49 -405,23 2943,25
d) Muestre en una tabla de Excel los valores referentes de los modelos utilizados y la
serie de datos reales y los dos modelos de pronósticos desarrollados.

MODELO DOBLE O HOLT

AÑO Trimestre T Demanda Ft Tt Y^
ene-09 1 2319      
abr-09 2 4422 442,2 88,4 530,6
2009
ago-09 3 6498 1127,4 207,8 1335,2
dic-09 4 4902 1691,8 279,1 1971,0
ene-10 1 2300 2003,9 285,7 2289,6
abr-10 2 2696 2330,2 293,8 2624,1
2010
ago-10 3 5882 2949,8 359,0 3308,8
dic-10 4 4378 3415,8 380,4 3796,1
ene-11 1 2360 3652,5 351,7 4004,2
abr-11 2 3076 3911,4 333,1 4244,4
2011
ago-11 3 5793 4399,3 364,1 4763,4
dic-11 4 5350 4822,0 375,8 5197,8
ene-12 1 2310 4909,0 318,0 5227,1
abr-12 2 3600 5064,4 285,5 5349,9
2012
ago-12 3 6650 5479,9 311,5 5791,4
dic-12 4 5245 5736,7 300,6 6037,3
2013 ene-13 1   5433,6 179,8 5613,4

MODELO TRIPLE - WINTER

AÑO Trimestre T Demanda Ft St It Y ESTIMADO
ene-96 1 2319   0,55    
abr-96 2 4422 1768,80 0,81 530,64  
2009
ago-96 3 6498 3978,86 1,46 1034,47 2299,44
dic-96 4 4902 4968,80 1,17 1021,11 5013,33
ene-97 1 2300 4513,94 0,54 578,32 3283,53
abr-97 2 2696 4133,76 0,80 290,77 4145,27
2010
ago-97 3 5882 5007,51 1,44 465,66 6481,46
dic-97 4 4378 5035,11 1,14 334,24 6419,46
ene-98 1 2360 4165,61 0,55 -26,88 2922,61
abr-98 2 3076 3713,64 0,80 -154,41 3302,08
2011
ago-98 3 5793 4452,74 1,42 113,65 5110,59
dic-98 4 5350 4879,83 1,14 207,68 5217,35
ene-99 1 2310 3976,51 0,55 -125,62 2780,51
abr-99 2 3600 3750,53 0,82 -155,73 3084,15
2012
ago-99 3 6650 4816,88 1,42 210,90 5113,18
dic-99 4 5245 5114,67 1,13 236,96 5721,28
2013 ene-13 1   3210,98 0,49 -405,23 2943,25
e) Determine el mejor modelo que se ajusta a estos datos

R/: El mejor modelo que se ajusta a los datos es el MODELO TIPLE O WINTER.

f) En un breve informe explique cuál fue el mejor modelo y el pronóstico del periodo
pedido que debería utilizar como recomendación suya.

R/: INFORME  El mejor modelo para desarrollar un pronóstico aproximado para la

empresa productora de tapas herméticas es el MODELO TRIPLE O WINTER, ya que
arrojó menor valor estimado, comparándolo con el otro modelo de Holt dado que su
estimación o pronostico en el modelo Winter fue de 2943,25 inferior al modelo Holt con un
valor de 5613,4; por este dato, se afirma que el mejor modelo empleado es el de
WINTER.

3. Con los datos trabajados en clase para los modelos determinísticos, presente un
informe general sobre los resultados de la serie.

a. Grafica y patrón de datos.

Importaciones
600.00

500.00

400.00

300.00

200.00

100.00

0.00
1 10 19 28 37 46 55 64 73 82 91 100109118127136145154163172181190199208217226235244

R/: PATRON DE DATOS 

 b. Los resultados del pronóstico del periodo siguiente (periodo 51) de los cinco modelos
trabajados en clase (ingenuo simple, ingenuo con variación, promedio móvil K=2,
promedio móvil K=3 y Suavización exponencial simple (Alpha=0,2).

Variables 0,5 K=2 K=3 0,2    

error ^2
Pron Pron Pron Pron Pron
Período Importaciones ing
IngSimple IngVar PromMov PromMov SES
simple
51 385,65 294,27 294,27 295,515 272,03 290,33 8350,30

error ^2 ingenuo Error de pronóstico Error ^2 prom Error ^2 Pron

simple ingSimple Error ^2 prom mov mov SES

8350,30 8441,57 8124,32 12910,26 7990,21

c) Definición del mejor modelo y por qué?

R/: El mejor modelo es SES ya que el error es 7990,21 el cual nos arroja el menor valor
por tanto es considerado el mejor modelo para pronosticar

d) Gráfica del mejor modelo vs el valor real (importaciones).

Mejor Modelo vs Valor Real

600.00

500.00

400.00
Importaciones
Pron SES
300.00

200.00

100.00

0.00
1 12 23 34 45 56 67 78 89 100 111 122 133 144 155 166 177 188 199 210 221 232 243