Desde mi perspectiva, el del promedo, ya que a traves del promedio podemos ir pronosticando.

a)

VALORES DE LA PRONOSTICO ERROR

SEMANA ERROR
SERIE DE TIEMPO SEMANA 4 CUADRADO

1 17
2 21
3 19
4 23
5 18 20 -2 4
6 16 20.25 -4.25 18.0625
7 20 19 1 1
8 18 19.25 -1.25 1.5625
9 22 18 4 16
10 20 19 1 1
11 15 20 -5 25
12 22 18.75 3.25 10.5625
b) CME 9.6484375

c) El promedio a 3 semanas, ya que como se nos indica tiene un CEM de 10.22

PRONOSTICO ERROR
ERROR
SEMANA 5 CUADRADO

19.6 -3.6 12.96

19.4 0.6 0.36
19.2 -1.2 1.44
19 3 9
18.8 1.2 1.44
19.2 -4.2 17.64
19 3 9
CME 7.405714285714
 VALORES DE
ERROR ERROR
SEMANA LA SERIE DE α=0.1 ERROR
TIEMPO ABSOLUTO CUADRADO

1 17 17.0 0.0 0.0 0.0

2 21 F2 17.0 4.0 4.0 16.0
3 19 F3 17.4 1.6 1.6 2.6
4 23 F4 17.6 5.4 5.4 29.6
5 18 F5 18.1 -0.1 0.1 0.0
6 16 F6 18.1 -2.1 2.1 4.4
7 20 F7 17.9 2.1 2.1 4.5
8 18 F8 18.1 -0.1 0.1 0.0
9 22 F9 18.1 3.9 3.9 15.3
10 20 F10 18.5 1.5 1.5 2.3
11 15 F11 18.6 -3.6 3.6 13.2
12 22 F12 18.3 3.7 3.7 13.9
101.8
a) CME 9.3
En este caso solo escogeria 0.02, ya que si aumenta, poco pero aumenta.
b) EAM 2.6

c)
 ERROR PORCENTUAL
PORCENTUAL ABSOLUTO

0 0
19.04761904762 19.04761904762
8.421052631579 8.421052631579
23.65217391304 23.65217391304
-0.57777777778 0.577777777778
-13.085 13.085
10.5788 10.5788
-0.53231111111 0.532311111111
17.78984363636 17.78984363636
7.6119452 7.6119452
-24.1989990933 24.19899909333
16.96879601091 16.96879601091

i aumenta, poco pero aumenta.

EPAM 12.9513016747
a) Existe un patron estacional.
x y
mes embarques mensuales 86
1 80
85
2 82
84
3 84
4 83 83

5 83 82
6 84 81
7 85 80
8 84 79
9 82
78
10 83
77
11 84 1 2 3 4 5 6 7 8
12 83

b) PROMEDIO MOVIL A 3 MESES

mes embarques pronostico error error cuadrado
1 80
2 82
3 84
4 83 82 1 1
5 83 83 0 0
6 84 83.3333333 0.66666667 0.44444444
7 85 83.3333333 1.66666667 2.77777778
8 84 84 0 0
9 82 84.3333333 -2.33333333 5.44444444
10 83 83.6666667 -0.66666667 0.44444444
11 84 83 1 1
12 83 83 0 0
c) 83.3333333

SUAVIZAMIENTO EXPONENCIAL α=0.2

MES EMBARQUES α=0.2 ERROR ERROR
ABSOLUTO
 1 80 80.0 0.0 0.0
2 82 F2 80.0 2.0 2.0
3 84 F3 80.4 3.6 3.6
4 83 F4 81.1 1.9 1.9
5 83 F5 81.5 1.5 1.5
6 84 F6 81.8 2.2 2.2
7 85 F7 82.2 2.8 2.8
8 84 F8 82.8 1.2 1.2
9 82 F9 83.0 -1.0 1.0
10 83 F10 82.8 0.2 0.2
11 84 F11 82.9 1.1 1.1
12 83 F12 83.1 -0.1 0.1
c) 83.1 CME
4 5 6 7 8 9 10 11 12

CME 1.85185185

ERROR ERROR PORCENTUAL

CUADRADO PORCENTUAL ABSOLUTO
0.0 0 0
4.0 2.43902439 2.43902439
13.0 4.28571429 4.28571429
3.5 2.26506024 2.26506024
2.3 1.8313253 1.8313253
4.9 2.63809524 2.63809524
7.7 3.26211765 3.26211765
1.5 1.45028571 1.45028571
1.1 -1.25049756 1.25049756
0.0 0.21647422 0.21647422
1.3 1.3615939 1.3615939
0.0 -0.10242036 0.10242036
4.4 con este obtenemos una mayor
exactitud.
 semana valor
1 7.35
2 7.4
3 7.55
4 7.56
5 7.6
6 7.52
7 7.52
8 7.7
9 7.62
10 7.55

a) Existe un patron horizontal y algo estacional

7.8

7.7

7.6

7.5

7.4

7.3

7.2

7.1
1 2 3 4 5 6 7 8 9 10

b) α=0.2

SEMANA VALORES DE LA α=0.2 ERROR ERROR ERROR ERROR

SERIE DE TIEMPO ABSOLUTO CUADRADO PORCENTUAL

1 7.35 7.4 0.0 0.0 0.0 0

2 7.4 F2 7.4 0.1 0.1 0.0 0.67567568
3 7.55 F3 7.4 0.2 0.2 0.0 2.51655629
4 7.56 F4 7.4 0.2 0.2 0.0 2.14285714
5 7.6 F5 7.4 0.2 0.2 0.0 2.23157895
6 7.52 F6 7.5 0.1 0.1 0.0 0.74042553
 7 7.52 F7 7.5 0.0 0.0 0.0 0.59234043
8 7.7 F8 7.5 0.2 0.2 0.0 2.80045714
9 7.62 F9 7.5 0.1 0.1 0.0 1.21401785
10 7.55 F10 7.5 0.0 0.0 0.0 0.0530666
d) 7.5 CME 0.0
c) α=0.3

VALORES DE LA ERROR ERROR ERROR

SEMANA SERIE DE TIEMPO α=0.3 ERROR ABSOLUTO CUADRADO PORCENTUAL

1 7.35 7.4 0.0 0.0 0.0 0

2 7.4 F2 7.4 0.1 0.1 0.0 0.67567568
3 7.55 F3 7.4 0.2 0.2 0.0 2.45033113
4 7.56 F4 7.4 0.1 0.1 0.0 1.8452381
5 7.6 F5 7.5 0.1 0.1 0.0 1.81118421
6 7.52 F6 7.5 0.0 0.0 0.0 0.2174867
7 7.52 F7 7.5 0.0 0.0 0.0 0.15224069
8 7.7 F8 7.5 0.2 0.2 0.0 2.44173961
9 7.62 F9 7.6 0.1 0.1 0.0 0.6772935
10 7.55 F10 7.6 0.0 0.0 0.0 -0.44865119
d) 7.6 CME 0.0
PORCENTUAL
ABSOLUTO

0
0.67567568
2.51655629
2.14285714
2.23157895
0.74042553
0.59234043
2.80045714
1.21401785
0.0530666

PORCENTUAL
ABSOLUTO

0
0.67567568
2.45033113
1.8452381
1.81118421
0.2174867
0.15224069
2.44173961
0.6772935
0.44865119
 t Y
1 120
2 110
3 100
4 96
5 94
6 92
7 88
8 80.2812

a) 8
140

120
f(x) = − 4.92857142857143 x + 119.714285714286
100 R² = 0.894924812030075
80

60

40

20

0
1 2 3 4 5 6 7

b) Y= 119.71-4.9286x

c) Y= 119.71-4.9286(8)
Y=80.2812
 año costo unitario
1 20
2 24.5
3 28.2
4 27.5
5 26.6
6 30
7 31
8 36
9 35.9572

a) Es un patron ascendente
40
35
f(x) = 1.77380952380952 x + 19.9928571428571
30 R² = 0.849858899153089
25
20
15
10
5
0
1 2 3 4 5 6 7 8

b) Y=19.993+1.7738x
c) Han aumentado en un 20%

d) Y=19.993+1.7738(9)
Y=35.9572
 año ventas
1 400
2 390
3 320
4 340
5 270
6 260
7 300
8 320
9 340
10 370

a) Es conveniente porque nos ayuda a visulizar la linea de tendencia

450
400 f(x) = 5.30303030303029 x² − 62.8787878787878 x + 472.666666666666
350
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10

b) Y= 5.303x2 - 62.879x + 472.67

 Y= 5.303x2 - 62.879x + 472.67

C) El pronostico para el año 11 es de:

422.664

d) Se sugiere la misma, debido a que es la que mejor se ajusta al comportamiento de la grafica.

e la grafica.
 x y
YEAR PERIOD VALUE
1998 1 227
1999 2 305
2000 3 332
2001 4 367
2002 5 419
2003 6 547
2004 7 609
2005 8 715
2006 9 837
2007 10 911
2008 11 1076

a) Existe una tendencia positiva estable

VALUE
1200

1000

800

600

400

200

0
1 2 3 4 5 6 7 8 9 10 11

VALUE

b) ECUACION CUADRATICA

VALUE
1200

1000 f(x) = 5.1958041958042 x² + 20.1048951048951 x + 217.181818181818

800

600

400

200

0
1 2 3 4 5 6 7 8 9 10 11

VALUE Polynomial (VALUE)

c) ECUACION EXPONENCIAL

VALUE
1200
1000 f(x) = 208.211842183649 exp( 0.151264174005431 x )

800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11

VALUE Exponential (VALUE)

d) ECUACIÓN LINEAL

VALUE
1200

1000
f(x) = 82.4545454545454 x + 82.0909090909092
800

600

400

200

0
1 2 3 4 5 6 7 8 9 10 11

VALUE Linear (VALUE)

e) Usaría la cuadrática, es un poco más exacta

f) El valor de 2009 sería de:

1206.6352
Año 4

Gráfico de series de tiempo

9
8
7
6
5
4
3
2
1
0
1 2 3 4

Año1 Año2 Año3

Tienen una relación constante con el paso de los años, va en aumento, aunque en el segundo trimestre
a) decaiga

b)
Trimestre Valor
1 4 Valor
2 2 9
3 3 8
4 5 7 f(x) = 0.405594405594406 x + 2.53030303030303
5 6 6
6 3
5
7 5
4
8 7
3
9 7
10 6 2

11 6 1
12 8 0
1 2 3 4 5 6 7 8 9 10 11 12
TRIM 1 (13) 8
PRON TRIM 2 (14) 8 Valor Linear (Valor)
TRIM 3 (15) 9
TRIM 4 (16) 9

c) Los pronósticos trimestrales son

Trim 1 8
Trim 2 8
Trim 3 9
trim 4 9
n el segundo trimestre

8 9 10 11 12

ar (Valor)
 15 de julio 25 28 35 50 60 60
16 de julio 28 30 35 48 60 65
17 de julio 35 42 45 70 72 75

a)

b) No se hace

c) Estimación para el 18 de Julio

A través de método promediado se estiman los siguientes pronósticos:
18 de Julio 29 33 38 56 64 67

d)
Gráfico de series de tiempo
80
70
60
50
f(x) = − 1.61305361305361 x + 50.7070707070707
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12

15 de julio 16 de julio
17 de julio 18 de Julio
Linear (18 de Julio)

La ecuación que estima el comportamiento de niveles de dioxido de carbono el día 18 de Julio

esta dado por la ecuación y=50.707-1.6131x
 40 35 30 25 25 20
50 40 35 25 20 20
60 45 40 25 25 25

50 40 35 25 23 22

ía 18 de Julio
 Periodo de tiempo Lunes Martes Miercoles Jueves
12-4am - 19281 31209 27330
4-8am - 33195 37014 32715
8-12pm - 99516 119968 152465
12-4pm 124299 123666 156033 -
4-8pm 113545 111717 128889 -
8-12am 41300 48112 73923 -

a)

Ahorros
180000

160000

140000

120000

100000

80000

60000

40000

20000

0
12-4am 4-8am 8-12pm 12-4pm 4-8pm 8-12am

a) Gráfica de serie de tiempo

b) ?
c) ?
d) ?
Year 1 Year 2 Year 3
1690 1800 1850
940 900 1100
2625 2900 2930
2500 2360 2615

3500

3000

2500

2000

1500

1000

500

0
1 2 3

Year 1 Year 2 Year 3

Ventas
1690 Ventas
940 3500
2625
3000
2500
1800 2500
900
2900 2000

2360 1500
1850
1100 1000
2930
500
2615
0
1 2 3 4 5 6 7 8 9 10

c)
Ventas Promedio móvil 4 trim Prom Movil centrado 2 trim Factor estacional
1690
940
2625 1938.75 1952.5 1.3444302176697
2500 1966.25 1961.25 1.2746972594009
1800 1956.25 1990.625 0.9042386185243
 900 2025 2007.5 0.4483188044832
2900 1990 1996.25 1.4527238572323
2360 2002.5 2027.5 1.1639950678175
1850 2052.5 2056.25 0.8996960486322
1100 2060 2060 0.5339805825243
2930
2615
 3 4

ar 2 Year 3

ntas

7 8 9 10 11 12

e) f) d) Tiene mayor ínidce en el Quarter 3 de cada

Índice estacional Desestacionalizar Con ecuación
0.9019673335783 1873.68204710413 1868.123
0.4911496935037 1913.87679241799 1893.346
1.398577037451 1876.90769239589 1918.569
1.2193461636092 2050.27913697627 1943.792
1995.63768330618 1969.015
y si estoy de acuerdo porque en la primer g
se demuestra que sí.
f) y=1842.9+25.223x
Gráfico de desest
2500

2000 f(x) = 25.2226819761423 x + 1842.89

 Gráfico de desest
1832.43522678319 1994.238
2500
2073.53611731355 2019.461
1935.4635053056 2044.684
2000 f(x) = 25.2226819761423 x + 1842.89
2051.07206339801 2069.907
2239.64305495723 2095.13
2094.98649094093 2120.353 1500
2144.59197727718 2145.576
1000

500

0
1 2 3 4 5 6
idce en el Quarter 3 de cada año
uerdo porque en la primer gráfica

Gráfico de desestacionalización

x) = 25.2226819761423 x + 1842.89521616975
 Gráfico de desestacionalización

x) = 25.2226819761423 x + 1842.89521616975

2 3 4 5 6 7 8 9 10 11 12
 Día/hora 1 2 3 4 5 6
Jul-15 25 28 35 50 60 60
Jul-16 28 30 35 48 60 65
Jul-17 35 42 45 70 72 75

a) En este caso se visualiza tendencia negativa para los 3 días de dioxido de carbono

Gráfico de series de tiempo

80

70

60

50

40

30

20

10

0
1 2 3 4 5 6 7 8 9 10 11 12

b)
Periodo Nivel CO2 Prom Movil Prom M. Cent Fact est Indice Est
1 25
2 28
3 35
4 50
5 60
6 60
7 40 36.083333333 36.2083333333 1.1047180667 0.7699400413
8 35 36.333333333 36.4166666667 0.9610983982 0.8622868609
9 30 36.5 36.5 0.8219178082 0.9520683321
10 25 36.5 36.4166666667 0.6864988558 1.3897561727
11 25 36.333333333 36.3333333333 0.6880733945 1.5684872525
16 de jul 12 20 36.333333333 36.5416666667 0.5473204105 1.6675375261
13 28 36.75 37.1666666667 0.7533632287 1.2052426025
14 30 37.583333333 37.7916666667 0.7938257993 0.992276278
15 35 38 38.2083333333 0.9160305344 0.8484589041
16 48 38.416666667 38.4166666667 1.2494577007 0.6456687828
17 60 38.416666667 38.2083333333 1.5703380589 0.5779548259
18 65 38 38 1.7105263158 0.5026678388
19 50 38 38.2916666667 1.3057671382
20 40 38.583333333 39.0833333333 1.0234541578
21 35 39.583333333 40 0.875
22 25 40.416666667 41.3333333333 0.6048387097

17-Jul
 23 20 42.25 42.75 0.4678362573
17-Jul 24 20 43.25 43.6666666667 0.4580152672
25 35 44.083333333 44.5 0.7865168539
26 42 44.916666667 45.125 0.9307479224
27 45 45.333333333 45.5416666667 0.9881061299
28 70 45.75 45.75 1.5300546448
29 72 45.75 45.9583333333 1.5666364461
30 75 46.166666667 46.1666666667 1.6245487365
31 60
32 45
33 40
34 25
35 25
18-Jul 36 25
37
38
39
40
41
42
43
44
45
46
47
19-Jul 48
 7 8 9 10 11 12
40 35 30 25 25 20
50 40 35 25 20 20
60 45 40 25 25 25

60
Desest

50
f(x) = 0.392994416329449 x + 33.0078604319425
40

30

20

10

0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536

c) f) d) y=33.008+.393x
Desest Con ecuación
32.4700609
32.4717925
36.7620672
35.977534
38.253419
35.9811993
33.1883389
35.2724345
35.358224
38.7195427
43.2559759
39.7877056
36.3664682
34.7912062
36.7620672
34.5384327
38.253419
38.9796325
41.4854237
40.3113537
41.2512614
38.7195427
34.6047807
39.7877056
45.4580852
48.7076887
47.265515
50.3685476
45.9041028
44.9764991
49.7825084
45.3502729
47.1442987
38.7195427
43.2559759
49.734632
47.549
47.942
48.335
48.728
49.121
49.514
49.907
50.3
50.693
51.086
51.479
51.872
 Semana Demanda Promedio movil 3 sem prom movil cent factor estacional
1 22
2 18
3 23 21 20.833333333333 1.104
4 21 20.6666666666667 20.5 1.0243902439024
5 17 20.3333333333333 20.5 0.8292682926829
6 24 20.6666666666667 20.5 1.1707317073171
7 20 20.3333333333333 20.666666666667 0.9677419354839
8 19 21 20 0.95
9 18 19 19.166666666667 0.9391304347826
10 21 19.3333333333333 19.333333333333 1.0862068965517
11

a)
Demanda
30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10

Datos esta
25

20 f(x) = − 0.150173547767387 x + 20.9462064425951

15

10

0
1 2 3 4 5 6 7 8 9 10
 Indice Datos esta Con ecuacion Suavización
21.805199136 20.7958
17.840617475 20.6456
1.00893369 22.796344551 20.4954
20.814053721 20.3452
16.84947206 20.195
23.787489966 20.0448
19.822908305 19.8946
18.83176289 19.7444
17.840617475 19.5942
20.814053721 19.444
19.2938 19.7552
 Semana ventas Suavización b)
1 2750
2 3100 2750
3 3250 2890
4 2800 3034
5 2900 2940
6 3050 2924
7 3300 2975
8 3100 3105
9 2950 3103
10 3000 3042
11 3200 3025
12 3150 3095
13 3117

a) Tendencia positiva

ventas
3400
3300
3200
3100
3000
2900
2800
2700
2600
2500
2400
1 2 3 4 5 6 7 8 9 10 11 12
a) Mes Ventas Sua .3 Sua .4 Sua .5 Por ecuación
1 293 249.454
2 283 293 293 293 288.388
3 322 290 290 292 327.322
4 355 300 300 296 366.256
5 346 316 316 306 405.19
6 379 325 325 316 444.124
7 549 341 341 328 483.058
8 544 404 404 366 521.992
9 601 446 446 406 560.926
10 587 492 492 449 599.86
11 644 521 521 485 638.794
12 660 558 558 521 677.728
b) Entre más nivel, más exacto es el resultado, por lo tanto el mejor es .5

c)

Ventas
700
f(x) = 38.9335664335664 x + 210.515151515151
600

500

400

300

200

100

0
1 2 3 4 5 6 7 8 9 10 11 12

d) Le recomendaría el de suavizaación, da resultados más factibles y más específicos de pronóstico

o el mejor es .5

s de pronóstico
 1 205
2 212
3 218
4 224
5 230
6 240
7 246

Ft=Ft-1 +α(At-1-Ft-1)
a)

Chart Title
250
246
240 240

230 230
224
220 218
210 212
205
200

190

180
1 2 3 4 5 6 7

b) α= 0.6

Suavizamiento
mes $ exponencial
1 205 205
2 212 205
3 218 209
4 224 214
5 230 220
6 240 226
7 246 234
8 241
α= 0.4

Suavizamiento
mes $ exponencial
1 205 205
2 212 205
3 218 208
4 224 212
5 230 217
6 240 222
7 246 229
8 236

c) t y ty tt
1 205 205 1
 2 212 424 4 b1:
3 218 654 9 b0:
4 224 896 16
5 230 1150 25 y=
6 240 1440 36
7 246 1722 49
28 1575 6491 140
4 225
n: 7
8 -680.84
9 -794.8

d) Recomendaria el metodo de suavecimiento esponencial de holt, da mejores resultados.

 246
240

6 7
 113.96
-230.84

230.84-113.96 t

res resultados.
year Quarter 1 Quarter 2 Quarter3 Quarter 4 Total yearly
1 4 2 1 5 12
2 6 4 4 14 28
3 10 3 5 16 34
4 12 9 7 22 50
5 18 10 13 35 76
Efectos estacionales Pronostico
1 40
2 47
3 53.333333333
4 63
5 76
year Quarter 1 Quarter 2 Quarter3 Quarter 4 Total yearly
1 4 2 1 5 12
2 6 4 4 14 28
3 10 3 5 16 34
4 12 9 7 22 50
5 18 10 13 35 76

Chart Title
80

70

60

50 f(x) = 11.6857142857143 x − 14.7333333333333

R² = 0.680672747617917
40

30

20

10

0
year Quarter 1 Quarter 2 Quarter3 Quarter 4 Total yearly

Row 16 Row 17 Row 18

Row 19 Row 20 Linear (Row 20)
 Promedio Móvil 12M Prom movil Centrado 2 meses Factor estacional Indice estacional
40 87 0.1379310344828 18.4
47 100.333333333333 0.2790697674419 21.75
53.3333333333333 116.333333333333 0.2922636103152 24.333333333333
63 139 0.3597122302158 28.5
76 76 1 35

Quarter 4 Total yearly

ow 20)
Datos desestacionalizados
0.271739130434783
0.64367816091954
0.657534246575343
0.771929824561403
1
year Quarter 1 Quarter 2 Quarter 3 Quarter 4 Total yearly
1 6 15 10 4 35
2 10 18 15 7 50
3 14 26 23 12 75
4 19 28 25 18 90
5 22 34 28 21 105
6 24 36 30 20 110
7 28 40 35 27 130

Chart Title
300

250
1
105
200
90

150 75

21 2
100 50 18 3
28
35 12 25
23 34 3
50 7
15 28
4 26
10 18 22 2
15 14 19
6 10 4 5 6
0 1 2 3
1 2 3 4 5 6

year Quarter 1 Quarter 2 Quarter 3 Quarter 4 T

 Promedio Móvil 12M Prom movil Centrado 2 meses Factor estacional Indice estacional
85 178.333333333333 0.196261682243 15.571428571429
93.3333333333333 195.333333333333 0.2559726962457 17.5
102 210.75 0.355871886121 19.6
108.75 223.75 0.4022346368715 21.5
115 235 0.4468085106383 22.666666666667
120 250 0.44 23.5
130 130 1 27

Chart Title

130

110
105
90

27
21 20 35
18 28 30
25 40
34 36
28
22 24 28
19
4 5 6 7
4 5 6 7

Quarter 2 Quarter 3 Quarter 4 Total yearly

Datos desestacionalizados Pronostico
62.2857142857143 354.56938776
122.5 403.28333333
235.2 459.44
387 515.5
476 558.33333333
470 599.5
729 729