4.

1 La tabla siguiente da el número de litros de sangre tipo B Tarea= Deisy Espinola Mequer
que el hospital Woodlawn utilizó en las últimas 6 semanas:
b= 372.9
a) Pronostique la demanda para la semana del 12 de octubre usando c= 374.26
un promedio móvil de 3 semanas.

b) Utilice un promedio móvil ponderado de tres semanas, con ponde-

raciones de 0.1, 0.3 y 0.6, usando .6 para la semana más reciente.

Pronostique la demanda para la semana del 12 de octubre.

c) Calcule el pronóstico para la semana del 12 de octubre usando
suavización exponencial con un pronóstico de 360 para el 31 de
agosto y a =0,2.
ejercicio a n= 3 ejercicio c pronostico del periodo anterior + a *(demanda real -pronostico anterior)
semana de litros usados ejercicio b
Agosto 31 360 38.1 semana de litros usados pronostico
septiembre 7 389 110.4 Agosto 31 360 360
septiembre 14 410 224.4 septiembre 7 389 360
septiembre 21 381 septiembre 14 410 365.8
septiembre 28 368 372.9 septiembre 21 381 374.64
octubre 5 374 septiembre 28 368 375.912
octubre 12 374.3333333 octubre 5 374 374.3296
octubre 12 374.26368

4.2
a) Grafique los datos anteriores. ¿Observa alguna tendencia, ciclos o
variaciones aleatorias?
año 1 2 3 4 5 6 7 8 9 10 11 12
b) Comenzando en el año 4 y hasta el año 12, pronostique la deman- demanda 7 9 5 9 13 8 12 13 9 11 7
da usando promedios móviles de 3 años. Grafique su pronóstico en promedio movil -- -- -- 7 7.666666667 9 10 11 11 11.33333333 11 9
promedio ponderado -- -- -- 6.4 7.8 11 9.6 10.9 12.2 10.5 10.6 8.4
la misma gráfica que los datos originales.

c) Comenzando en el año 4 y hasta el año 12, pronostique la deman-

da usando un promedio móvil de 3 años con ponderaciones de .1,

0.3 y 0.6, usando 0.6 para el año más reciente. Grafique su pronós-
tico en la misma gráfica.

d) Al comparar cada pronóstico contra los datos originales, ¿cuál pa-

rece proporcionar mejores resultados?
Proporciona mejores resultado el año 6 con 9.6 un pronóstico promedio, en comparación con la demanda real 8

4.3 Regrese al problema 4.2. Desarrolle un pronóstico para

los años 2 al 12 usando suavización exponencial con a 0.4 y un
pronóstico para el año 1 de 6. Grafique su nuevo pronóstico junto con año 1 2 3 4 5 6 7 8 9 10 11 12
los datos reales y un pronóstico intuitivo. Con base en una inspección demanda 7 9 5 9 13 8 12 13 9 11 7
visual, ¿cuál pronóstico es mejor? promedio movil -- -- -- 7 7.666666667 9 10 11 11 11.33333333 11 9
promedio ponderado -- -- -- 6.4 7.8 11 9.6 10.9 12.2 10.5 10.6 8.4
suavisacion exponencial 6 6.4 7.44 6.464 7.4784 9.68704 9.012224 10.2073344 11.32440064 10.39464038 10.63678423 9.182070538
pronostico del periodo anterior + a *(demanda real -pronostico anterior)

4.5 El hospital Carbondale está considerando comprar una año numero de milllas promedio movil Real - pronostico,movil promedio ponderado Real - promedio ponde
nueva ambulancia. La decisión dependerá, en parte, del número de 1 3000 - -
2 4000 - -
millas que deberá recorrerse el próximo año. Las millas recorridas du- 3 3400 3500 100 3600 200
rante los 5 años anteriores son como sigue: 4 3800 3700 100 3640 160
a) Pronostique el número de millas para el próximo año (sexto) usan- 5 3700 3600 100 3640 60
do un promedio móvil de 2 años. 6 3750 3740
total 300
b) Encuentre la MAD para el pronóstico con promedio móvil de 2 MAD.promedio movil 100 MAD.PONDERACION 140
años (Dato: Tendrá sólo 3 años de datos correspondientes).
c) Use un promedio móvil ponderado de 2 años con ponderaciones año numero de milllas pronostico, suavizacioon exp.
de 0.4 y 0.6 para pronosticar el número de millas para el próximo 1 3000 3000
2 4000 3000
año. (El peso de 0.6 es para el año más reciente). ¿Qué MAD resul- 3 3400 3500
ta del uso de este método de pronóstico? (Dato: Tendrá sólo 3 años 4 3800 3450
5 3700 3625
de datos correspondientes). 6 3662.5

d) Calcule el pronóstico para el año 6 usando suavización exponen-

cial, un pronóstico inicial para el año 1 de 3000 millas, y a = 0.5. pronostico del periodo anterior + a *(demanda real -pronostico anterior)

4.6 Las ventas mensuales en Yazici Batteries, Inc., fueron las

siguientes: Mes ventas
a) Grafique los datos de las ventas mensuales. enero 20
b) Pronostique las ventas para enero usando cada una de las técnicas febrero 21
siguientes: marzo 15
i) Método intuitivo. abril 14
ii) Un promedio móvil de 3 meses. mayo 13
iii) Un promedio móvil ponderado de 6 meses empleando 0.1, 0.1, junio 16
0.1, 0.2, 0.2 y 0.3, con las ponderaciones más altas para los julio 17
meses más recientes. agosto 18
septiembre 20
iv) Suavización exponencial con a = 0.3 y un pronóstico para sep- octubre 20
tiembre de 18. noviembre 21
diciembre 23
v) Una proyección de tendencia.
c) Con los datos proporcionados, ¿qué método le permitiría elaborar
el pronóstico de ventas para el próximo mes de marzo? Mes ventas proostico.intuitivo promedio movil, 3 meses promedio pomderado suavizacion exponencial
enero 20
febrero 21 20
Con suavizamiento exponencial, ya que en los demás nos marzo 15 21
faltarían datos reales de enero y febrero, pero en este caso abril 14 15 18.66666667
solo necesitamos un dato para febrero, el cual se podría sustituir mayo 13 14 16.66666667
con un pronóstico junio 16 13 14
julio 17 16 14.33333333 40
agosto 18 17 15.33333333 41.6
septiembre 20 18 17 41.8 18
octubre 20 20 18.33333333 46.4 18.6
noviembre 21 20 19.33333333 49.8 19.02
diciembre 23 21 20.33333333 51.9 19.614
Enero 23 21.33333333 55.7 20.6298

4.12 Considere los siguientes niveles de demanda real y pronos- Dia demanda Real demanda pronosticada
ticada para las hamburguesas Big Mac en un restaurante McDonald’s lunes 88 88
martes 72 88
El pronóstico para el lunes se obtuvo observando el nivel de demanda
para el lunes y estableciendo el nivel pronosticado a este mismo nivel
real. Los pronósticos subsecuentes se obtuvieron usando suavización
exponencial con una constante de suavización de 0.25. Usando este

método de suavización exponencial, ¿cuál es el pronóstico para la de-

manda de Big Mac el viernes? miércoles 68 84
la demanda pronosticada para el viernes es de 72 jueves 48 80
viernes 72
pronostico del periodo anterior + a *(demanda real -pronostico anterior)

4.41 Se cree que los viajes en autobús y tren subterráneo du- AÑO NÚMERO DE TURISTAS NÚMERO DE VIAJES
rante los meses de verano en Londres están muy relacionados con el (MESES DE VERANO) (EN MILLONES) (EN MILLONES)
1 7 1.5
número de turistas que visitan la ciudad. Durante los últimos 12 años 2 2 1
se han obtenido los siguientes datos: 3 6 1.3
4 4 1.5
a) Grafique estos datos y decida si es razonable emplear el modelo 5 14 2.5
lineal. no es razonable usar modelo lineal 6 15 2.7
b) Desarrolle una relación de regresión. la regresion seria= 0.50 +- 0.15x 7 16 2.4
c) ¿Cuál es el número de viajes esperado si en un año visitan Londres 8 12 2
10 millones de turistas? 9 14 2.7
10 20 4.4
d) Explique el comportamiento de los viajes pronosticados si no hu- 11 14 3.4
biera turistas. 12 7 1.7

e) ¿Cuál es el error estándar de la estimación?

año turistas, x viajes y x al cuadrado y al cuadrado xy
f) ¿Cuáles son el coeficiente de correlación y el coeficiente de deter- 1 7 1.5 49 2.25 10.5
minación del modelo? 2 2 1 4 1 2
3 6 1.3 36 1.69 7.8
4 4 1.5 16 2.25 6
c 5 14 2.5 196 6.25 35
2.099031008 6 15 2.7 225 7.29 40.5
d. El comportamiento de los datos de los viajes registrados por 7 16 2.4 256 5.76 38.4
año, tendrían cambios bastantes significativos, es decir, por 8 12 2 144 4 24
temporadas se disparan las cantidades entre año y año ya sea 9 14 2.7 196 7.29 37.8
más altas o más bajas. Los pronósticos serían muy distintos e 10 20 4.4 400 19.36 88
imprecisos ya que, no se sabría cuanta gente está viajando en 11 15 3.4 225 11.56 51
ese año, por lo tanto, los viajes pronosticados serían muy 12 7 1.7 49 2.89 11.9
diferentes a los que se podrían pronosticar con este dato. suma 132 27.1 1796 71.59 352.9

e
raiz((suma y^2-a.sumay -bsumaxy)/n-2) ´x= sumax/n 11
ý= sumay/n 2.258333333
0.1659399225
0.4073572419 b= (sumaxy -n´xý)/sumax^2 -n´x^2 0.1593023256
f)
0.9166689899 a= ý -b´x 0.5060077519
0.83

Ejercicio de casos
CASO PRONOSTICOS HARD ROCK

1) Describa tres aplicaciones diferentes del pronóstico en hard rock. mencione otras
tres áreas en las que considere que hard rock podría usar modelos de pronósticos
Aplicaciones diferentes:
Promedio móvil: el promedio móvil para suavizar los datos y reducir las
fluctuaciones aleatorias en una serie de tiempo. Promedio móvil ponderado:
El promedio ponderado consiste en establecer dicho peso, también conocido
como ponderación, y utilizar dicho valor para realizar el cálculo del promedio.
Regresión múltiple:La regresión lineal es una técnica estadística destinada
a analizar las causas de por qué pasan las cosas, es la técnica estadística
para comprobar hipótesis y relaciones causales

áreas:
Mercadotecnia, contabilidad, producción, investigación, Logística.

2) ¿Cuál es el papel de sistema de punto de venta en los pronósticos de hard rock?

Los datos de ventas se transmiten diamente
a la base de datos principal para
pronosticar la cuenta mensual realizado por un equipo financiero Y el
pronostico diario por el gerente de cada área.
Y esa fuente de datos de todos los cafés sirve como puente para realizar los pronósticos
de todo
s los cafés considerando su plazo de duración.
Sin embargo, en la mayoría de las ocasiones, sus decisiones son mejores cuando usan
cifras cuantificadas por el uso de la estadística para pronosticar ya que nos sirve como
referencia para tener un nivel de ex
actitud en el pronóstico de ventas, ya que también
la estadística nos ayuda a anticiparnos ante posibles problemas.

3. Justifique el uso del sistema de ponderación usado para evaluar a los ge-
rentes y emitir bonos anuales.
si se pronostican ventas por medio de la ponderación y
son superadas por los gerentes se ganan un incentivo de bonos.

4. Cite algunas variables que no se hayan mencionado en el caso y que pu-

dieran utilizarse como elementos de predicción de las ventas diarias en cada cafe

Eventos Locales:
Los gerentes de cada café toman en cuenta eventos locales, como convenciones, eventos deportivos y conciertos, al realizar los pronósticos diarios. Estos eventos pueden afectar la afluencia de clientes.
Datos de la Cámara de Comercio y Oficina de Turismo:
Además de eventos, se menciona que los gerentes obtienen información de la cámara de comercio o la oficina de turismo sobre eventos próximos. Esta información ayuda a ajustar los pronósticos en función de la actividad local.
Datos del Punto de Venta:
El sistema de punto de venta es fundamental para el proceso de pronóstico. Captura datos de transacciones sobre cada cliente, lo que incluye la venta de cada elemento. Estos datos se utilizan para calcular las ventas diarias y se transmiten a las oficinas corporativas.
Promedio Móvil Ponderado de 3 Años:
Para evaluar a los gerentes y establecer bonos, se aplica un promedio móvil ponderado de 3 años a las ventas de cada café. Este promedio tiene ponderaciones específicas para los últimos tres años y se utiliza como medida de desempeño a largo plazo.
Regresión Múltiple en la Planeación del Menú:
En la planificación del menú, se utiliza la regresión múltiple para calcular el efecto sobre la demanda de otros artículos cuando se cambia el precio de uno. Esta técnica estadística ayuda a prever cómo los cambios en un elemento del menú afectarán las ventas de otros.

Mes 1 2 3 4 5 6 7 8 9 10
cuenta de clientes 21 24 27 32 29 37 43 43 54 66
publicidad 14 17 25 25 35 35 45 50 60 60

Coeficiente de correlacion multiple 0.9418

coeficiente de determinacion R elevado 2 0.8869
R elevado 2 ajustado 0.8728
error tipico 5.0618

Analisis de varianza Grados de libertad

suma de cuadrados
promedio de los cuadrados f valor critico
Regrecion 1 1607.4245 1607.4245 62.7363 0
Residuos 8 204.9755 25.6219
9 1812.4

coeficiente error tipico estadistico probabilidad

Intercepcion 8.3363 4.0265 2.0704 0.0722
publicidad 0.7996 0.1009 7.9206 0

8.3363 + 0.7996 x
51982.3363