1. Audífonos.

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:

a) Resolver a mano y con EXCEl o STATGRAPHICS y/o SPSSS

Excel:
Mes Demanda (unidades) X^2 y^2 x*y
1 4200 1 17640000 4200
2 4300 4 18490000 8600
3 4000 9 16000000 12000
4 4400 16 19360000 17600
5 5000 25 25000000 25000
6 4700 36 22090000 28200
7 5300 49 28090000 37100
8 4900 64 24010000 39200
9 5400 81 29160000 48600
10 5700 100 32490000 57000
11 6300 121 39690000 69300
12 6000 144 36000000 72000
78 60200 650 308020000 418800 Total

n= 12
a= 3766.666667
b= 192.3076923
Pronostico de la demanda a+b*x

Mes Periodo Proyección

Enero 13 6266.66667
Febrero 14 6458.97436
Marzo 15 6651.28205
Abril 16 6843.58974
Mayo 17 7035.89744
Junio 18 7228.20513
Julio 19 7420.51282
Agosto 20 7612.82051
Septiembre 21 7805.12821
Octubre 22 7997.4359
Noviembre 23 8189.74359
Diciembre 24 8382.05128

b) Graficar los datos históricos.

Pronostico
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12
c) Con un análisis de regresión por mínimos cuadrados, cual estimaría que fuera la
demanda de cada mes del año entrante? Graficar proyección y generar
conclusiones.
Mes Periodo Proyección
Enero 13 6266.66667
Febrero 14 6458.97436
Marzo 15 6651.28205
Abril 16 6843.58974
Mayo 17 7035.89744
Junio 18 7228.20513
Julio 19 7420.51282
Agosto 20 7612.82051
Septiembre 21 7805.12821
Octubre 22 7997.4359
Noviembre 23 8189.74359
Diciembre 24 8382.05128

2. Dispositivo electrónico
La demanda histórica de 6 meses de un dispositivo electrónico está en la siguiente
tabla
Demanda
12
Febrero 11
Marzo 15
Abril 12
Mayo 16
Junio 15
Julio 14

A) Resolver a con el uso de la calculadora (manualmente) y con Excel o cualquier software

12+11+15+12+16+15
julio= 6
= 14

Grafiar datos históricos:

DEMANDA
20
10
0
 3. Caja de velocidades.
Las siguientes tabulaciones son ventas unitarias reales para 6 meses en piezas
para una empresa refaccionaria y un pronóstico inicial para enero de cajas de
velocidades:

MESES REAL PRONOSTICO

ENERO 100 80
FEBRERO 94
MARZO 106
ABRIL 80
MAYO 68
JUNIO 94

A) Grafique los datos históricos

REAL
120
100
80
60
40
20
0

B) Calcule los pronósticos para los cinco meses restantes con suavización exponencial simple con
A=0.2 y pruebe para dos valores A al doble y al triple de la original.

0.2 0.4 0.6

MESES REAL PRONOSTICO PRONOSTICO PRONOSTICO
ENERO 100 80 80 80
FEBRERO 94 84 88 92
MARZO 106 86 90.4 93.2
ABRIL 80 90 96.64 100.88
MAYO 68 88 89.98 88.35
JUNIO 94 84 81.19 76.14

𝐹𝑡 = 80 + 0.2 (100 − 80) = 84

𝐹𝑡 = 84 + 0.2 (94 − 84) = 86
𝐹𝑡 = 86 + 0.2 (106 − 86) = 90
𝐹𝑡 = 90 + 0.2 (80 − 90) = 88
𝐹𝑡 = 88 + 0.2 (68 − 88) = 84

𝐹𝑡 = 80 + 0.4 (100 − 80) = 88

𝐹𝑡 = 88 + 0.4 (94 − 88) = 90.4
𝐹𝑡 = 90.4 + 0.4 (106 − 90.4) = 96.64
𝐹𝑡 = 96.64 + 0.4 (80 − 96.64) = 89.98
𝐹𝑡 = 89.98 + 0.4 (68 − 89.98) = 81.19

𝐹𝑡 = 80 + 0.6 (100 − 80) = 92

𝐹𝑡 = 92 + 0.6 (94 − 92) = 93.2
𝐹𝑡 = 93.2 + 0.6 (106 − 93.2) = 100.88
𝐹𝑡 = 100.88 + 0.6 (80 − 100.88) = 88.35
𝐹𝑡 = 88.35 + 0.6 (68 − 88.35) = 76.14

B) Grafique el pronóstico, genere conclusiones.

PRONOSTICO 0.2 gráfico

150
100
50
0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO

REAL PRONOSTICO

PRONOSTICO 0.4 gráfico

150
100
50
0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO

REAL PRONOSTICO
 PRONOSTICO 0.6 gráfico
150
100
50
0
ENERO FEBRERO MARZO ABRIL MAYO JUNIO

REAL PRONOSTICO

4. Zeus Computer.
Zeus Computer Chips, Inc., tenía contratos importantes para producir
microprocesadores Kpo PenKum. 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:

a) Graficar los datos históricos y usando

Pronostico
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12

b) tendencia lineal de crecimiento para pronosticar los cuatro trimestres de 2008

y grafique el pronóstico.
Periodo Trimestre x y X^2 y^2 x*y
8 X1 1 3903 1 15233409 3903
8 X2 2 3943 4 15547249 7886
8 X3 3 3829 9 14661241 11487
8 X4 4 3951 16 15610401 15804
9 X1 5 2846 25 8099716 14230
9 X2 6 3042 36 9253764 18252
9 X3 7 3117 49 9715689 21819
9 X4 8 3161 64 9991921 25288
10 X1 9 2602 81 6770404 23418
10 X2 10 2366 100 5597956 23660
10 X3 11 2404 121 5779216 26444
10 X4 12 2239 144 5013121 26868
Total 78 37403 650 121274087 219059

c) Promedios móviles para pronosticar los cuatro trimestres de 2008 y grafique el

pronostico
Pronostico.
2500

2000

1500

1000

500

0
1 2 3 4

d) Compare los pronósticos y genere conclusiones.

Periodo Trimestre x y
11 X1 13 2023.25758
11 X2 14 1855.00233
11 X3 15 1686.74709
11 X4 16 1518.49184
Ambos pronósticos son prácticos con la ligera diferencia de que uno es más
concreto y fácil de realizar, mientras que el otro es mas complejo y veraz.
 5. Mantenimiento automotriz
Los datos de ventas de 2 años son los siguientes, de una empresa de servicios de
mantenimiento automotriz. Los datos están acumulados con dos meses de ventas
en cada “periodo”.

a) Trace la gráfica de datos histórico

b) Determine el pronóstico para los siguientes dos meses mediante la tendencia

lineal de crecimiento.
c) Determinar el pronóstico por promedios móviles
d) Grafique el pronóstico y genere conclusiones.
 6. MUEBLES PARA EL HOGAR
En la tabla siguiente se muestran los 2 años previos de información de las ventas
trimestrales de muebles para el hogar. Supóngase que hay tendencias y factores
estacionales y que el ciclo estacional es de 1 año.

Grafique los datos históricos

• Use series de tiempo mediante tendencia lineal para pronosticar las ventas
trimestralesdel año siguiente.
• Grafique los datos pronosticados
• Realice un análisis y genere conclusiones del caso.

Factores estacionales:
160 + 215
𝑃𝑉1 = = 187.5
2
 195 + 240
𝑃𝑉2 = = 217.5
2

150 + 205
𝑃𝑉3 = = 177.5
2

140 + 190
𝑃𝑉4 = = 165
2
∑ 𝑣𝑒𝑛𝑡𝑎𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 =
𝑛 𝑑𝑒 𝑡𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒𝑠
1495 𝑣𝑒𝑛𝑡𝑎𝑠
𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 =
8 𝑡𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒𝑠

𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 = 186,875

𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎𝑠 𝑝𝑎𝑠𝑎𝑑𝑎𝑠
𝐹𝑒 =
𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑝𝑜𝑟 𝑎ñ𝑜
Promedio de Ventas Factor
ventas promedio estacional fe
pasadas
Estación 1 187.5 186,875 1,0033
Estación 2 217.5 186,875 1,1639
Estación 3 177.5 186,875 0,9498
Estación 4 165 186,875 0,8829
Descontando las variaciones de temporada:
Ventas reales Factor Demanda no
estacional estacional yd
160 1,0033 159,473737

195 1,1639 167,540167

150 0,9498 157,927985

140 0,8829 158,568354

215 1,0033 214,292834

240 1,1639 206,203282
205 0,9498 215,834913
190 0,8829 215,199909
Ajuste por mínimos cuadrados:
 Trimestre (x) yd X2 X*yd
1 159,473737 1 159,473737
2 167,540167 4 335,080334
3 157,927985 9 473,783955
4 158,568354 16 634,273416
5 214,292834 25 1071,46417
6 206,203282 36 1237,21969
7 215,834913 49 1510,84439
8 215,199909 64 1721,59927
36 1495,04118 204 7143,73897

Ecuación general:
𝑌 = 𝑚𝑥 + 𝑏
Pendiente de la recta de tendencia:

𝒏(∑ 𝒙𝒚) − ∑ 𝒙 (∑ 𝒚)
𝒎=
𝒏 ∑ 𝒙𝟐 − (∑ 𝒙)𝟐
𝟖(𝟕𝟏𝟒𝟑, 𝟕𝟑𝟖𝟗𝟕) − 𝟑𝟔(𝟏𝟒𝟗𝟓, 𝟎𝟒𝟏𝟏𝟖)
𝒎=
𝟖(𝟐𝟎𝟒) − (𝟑𝟔)𝟐
𝒎 = 𝟗, 𝟗𝟎𝟔
Intercepto en el eje y
∑ 𝒙𝟐 ∑ 𝒚 − ∑ 𝒙 ∗ ∑ 𝒙𝒚
𝒃=
𝒏 ∑ 𝒙𝟐 − (∑ 𝒙)𝟐
 𝟐𝟎𝟒(𝟏𝟒𝟗𝟓, 𝟎𝟒𝟏𝟏𝟖) − 𝟑𝟔(𝟕𝟏𝟒𝟑, 𝟕𝟑𝟖𝟗𝟕)
𝒃=
𝟖(𝟐𝟎𝟒) − (𝟑𝟔)𝟐
𝒂 = 𝟏𝟒𝟐, 𝟑

Remplazando en la ecuación general:

𝑌 = 9,906 + 142,3
Calculando los promedios de ventas de los siguientes cuatro trimestres:
Trimestre 1:
𝑌 = 9,906 + 142,3
𝑌 = 9,906(9) + 142,3
𝑌 = 231 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
Trimestre 2:
𝑌 = 9,906 + 142,3
𝑌 = 9,906(10) + 142,3
𝑌 = 241 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
Trimestre 3:
𝑌 = 9,906 + 142,3
𝑌 = 9,906(11) + 142,3
𝑌 = 251 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
Trimestre 4:
𝑌 = 9,906 + 142,3
𝑌 = 9,906(9) + 142,3
𝑌 = 261 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

7. TUCSON MACHINERY
Tucson Machinery, Inc., fabrica máquinas para ensamble de celulares que son
controladas numéricamente, se venden a un precio promedio de 0.5 millones de
dólares cada una. Las ventas, en unidades de estas máquinas durante los 2 años
anteriores son:
Statgrapics

Regresión lineal.
Grafica de dispersión.
 8. Ejercicio:
Dada la siguiente historia, aplique un pronóstico enfocado al tercer trimestre de este año.Use tres
estrategias diferentes de pronóstico enfocado.

• Grafique los datos históricos

 • Utilice tres técnicas de pronósticos que usted considereGrafique la proyección.
Promedio Móvil (Promedio móvil de 3 meses):

Proyección para julio: (200 + 190 + 190) / 3 = 193.33

Proyección para agosto: (190 + 190 + 193.33) / 3 = 191.11

Proyección para septiembre: (190 + 193.33 + 191.11) / 3 = 191.48

Proyección para octubre: (193.33 + 191.11 + 191.48) / 3 = 192.31

Proyección para noviembre: (191.11 + 191.48 + 192.31) / 3 = 191.97

Proyección para diciembre: (191.48 + 192.31 + 191.97) / 3 = 191.92

Suavizado Exponencial:

Estimación inicial (S0) = 200 (dato de junio)

Factor de suavizado (α) = 0.2 (puede ajustarse según la preferencia)

Proyección para julio: S1 = α * Valor observado + (1 - α) * S0 = 0.2 * 190 + 0.8 * 200 = 198

Proyección para agosto: S2 = α * Valor observado + (1 - α) * S1 = 0.2 * 190 + 0.8 * 198 = 197.6

Proyección para septiembre: S3 = α * Valor observado + (1 - α) * S2 = 0.2 * 190 + 0.8 * 197.6 = 197.52

Proyección para octubre: S4 = α * Valor observado + (1 - α) * S3 = 0.2 * 191.48 + 0.8 * 197.52 =

196.15

Proyección para noviembre: S5 = α * Valor observado + (1 - α) * S4 = 0.2 * 191.97 + 0.8 * 196.15 =

195.35

Proyección para diciembre: S6 = α * Valor observado + (1 - α) * S5 = 0.2 * 191.92 + 0.8 * 195.35 =

194.76
 9. ACCESORIO DE COMPUTADORA
A continuación, se da la demanda tabulada actual de un accesorio para
computadora 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.

a) Grafique los datos históricos

200 170 180
150 160
130 140 130 140
150 110
100

50

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

Mes Real 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

c) Mediante suavización exponencial simple con una alfa de 0.3, calcule de abril
a septiembre.
Mes Real Pronostico MAD
Enero 110 0.3
Febrero 130
Marzo 150
Abril 170 170 0
Mayo 160 170 10
 Junio 180 167 13
Julio 140 170.9 30.9
Agosto 130 161.63 31.63
Septiembre 140 152.141 12.141
MAD 16.279

d) Grafique ambos resultados de pronósticos y concluya cual se adapta mejor.

200
180
160
140
120
100
80
60
40
20
0

10. ACCESORIO PARA COMPUTADORA

A continuación, se da la demanda tabulada actual de un accesorio para
computadora 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.

a) Calcule el pronóstico con suavización exponencial simple de estos datos con

una α de 0.30 y un pronóstico inicial (F1) de 31.
𝐹1 = 31 𝐹2 = 𝐹1 + (𝛼 ∗ (𝐴1 − 𝐹1)) 𝐹3 = 𝐹2 + (𝛼 ∗ (𝐴2 − 𝐹2))

𝐹2 = 31 + (0.30 ∗ (31 − 31)) 𝐹3 = 31 + (0.30 ∗ (34 − 31))

𝐹2 = 31 𝐹3 = 31.90

𝐹4 = 31.90 + (0.30 ∗ (33 − 31.90)) 𝐹5 = 32.23 + (0.30 ∗ (35 − 32.23))

𝐹4 = 32.23 𝐹5 = 33.06

𝐹6 = 33.06 + (0.30 ∗ (37 − 33.06)) 𝐹7 = 34.24 + (0.30 ∗ (38 − 34.24))

𝐹6 = 34.24 𝐹7 = 34.77

𝐹8 = 34.77 + (0.30 ∗ (38 − 34.77)) 𝐹8 = 34.77 + (0.30 ∗ (38 − 34.77))

𝐹8 = 35.74 𝐹8 = 35.74

b) Calcule el pronóstico de suavización exponencial con tendencia para estos

datos, con una α de 0.30, B de 0.30, un pronóstico de tendencias inicial (T1)
de 1 y un pronóstico uniforme exponencial inicial de 30.
Demanda Ft
Columna1 Mes Tt δ=0.30 FITt
Real α=0.30
F1 1 31 1 30 31
F2 2 34 1 31 32
F3 3 33 1.18 32.60 33.78
F4 4 35 1.11 33.55 34.66
F5 5 37 1.14 34.76 35.90
F6 6 36 1.24 36.23 37.47
F7 7 38 1.11 37.03 38.14
F8 8 40 1.10 38.10 39.19
F9 9 40 1.17 39.43 40.60
F10 10 41 1.11 40.42 41.54
α= 0.30

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

Demanda Pronostico Desviación

Columna1 Mes
Real α=0.30 Absoluta
F1 1 31 31 0
F2 2 34 31 3
F3 3 33 31.9 1.10
F4 4 35 32.23 2.77
F5 5 37 33.06 3.94
 F6 6 36 34.24 1.76
F7 7 38 34.77 3.23
F8 8 40 35.74 4.26
F9 9 40 37.02 2.98
F10 10 41 37.91 3.09
α= 0.30 MAD= 2.90

Demanda Ft Desviación
Columna1 Mes Tt δ=0.30 FITt
Real α=0.30 Absoluta
F1 1 31 1 30 31 0.00
F2 2 34 1 31 32 2.00
F3 3 33 1.18 32.60 33.78 0.78
F4 4 35 1.11 33.55 34.66 0.34
F5 5 37 1.14 34.76 35.90 1.10
F6 6 36 1.24 36.23 37.47 1.47
F7 7 38 1.11 37.03 38.14 0.14
F8 8 40 1.10 38.10 39.19 0.81
F9 9 40 1.17 39.43 40.60 0.60
F10 10 41 1.11 40.42 41.54 0.54
α= 0.30 MAD= 0.86

¿Cuál es el mejor? R: Ya calculado MAD de cada pronostico exponencial

observamos que el modelo de pronóstico es el mejor