EJERCICIO 1

Las ventas de los últimos 12 meses en una empresa de computadoras se dan enseguida.

a) Utilice un promedio móvil de tres meses para pronosticar la venta de enero del siguiente año

Prom_Moviles
Simples 3

MES VENTAS (MILLONES) D* |Dt - F*|

Enero 20
Febrero 24
Marzo 27
Abril 31 23.67 7.33
Mayo 37 27.33 9.67
Junio 47 31.67 15.33
Julio 53 38.33 14.67
Agosto 62 45.67 16.33
Septiembre 54 54.00 0.00
Octubre 36 56.33 20.33
Noviembre 32 50.67 18.67
Diciembre 29 40.67 11.67
Enero 32.3333

b) Use un promedio móvil de cuatro meses para pronosticar la venta de enero del siguiente año

Prom_Moviles
Simples 4
MES VENTAS (MILLONES) D* |Dt - F*|
Enero 20
Febrero 24
Marzo 27
Abril 31
Mayo 37 25.50 11.50
Junio 47 29.75 17.25
Julio 53 35.50 17.50
Agosto 62 42.00 20.00
Septiembre 54 49.75 4.25
Octubre 36 54.00 18.00
Noviembre 32 51.25 19.25
Diciembre 29 46.00 17.00
Enero 37.7500
c) Compare el desempeño de los dos métodos utilizando la desviación media absoluta como criterio

Prom_Moviles Prom_Moviles
Simples 3 Simples 4
MES VENTAS (MILLONES) D* |Dt - F*| D*
Enero 20
Febrero 24
Marzo 27
Abril 31 23.67
Mayo 37 27.33 9.67 25.50
Junio 47 31.67 15.33 29.75
Julio 53 38.33 14.67 35.50
Agosto 62 45.67 16.33 42.00
Septiembre 54 54.00 0.00 49.75
Octubre 36 56.33 20.33 54.00
Noviembre 32 50.67 18.67 51.25
Diciembre 29 40.67 11.67 46.00
Enero 32.33 37.75
S 106.67 S
n 8 n
MAD 13.33 MAD

d) Compare el desempeño de los dos métodos usando el error porcentual medio como criterio de de

Prom_Moviles Prom_Moviles
Simples 3 Simples 4
MES VENTAS (MILLONES) D* |Dt - F*| D*
Enero 20
Febrero 24
Marzo 27
Abril 31 23.67 7.33
Mayo 37 27.33 9.67 25.50
Junio 47 31.67 15.33 29.75
Julio 53 38.33 14.67 35.50
Agosto 62 45.67 16.33 42.00
Septiembre 54 54.00 0.00 49.75
Octubre 36 56.33 20.33 54.00
Noviembre 32 50.67 18.67 51.25
Diciembre 29 40.67 11.67 46.00
Enero 32.33 37.75
o del siguiente año

RPTA:
La venta pronosticada para enero del proximo año utilizando
un promedio movil de 3 meses es de 32,33 millones de computadoras.

o del siguiente año

RPTA:
La venta pronosticada para enero del proximo año utilizando
un promedio movil de 4 meses es de 37,75 millones de computadoras.
absoluta como criterio de desempeño. ¿Qué método recomendaría?

Prom_Moviles
Simples 4
|Dt - F*|

11.50 RPTA:
17.25 Se recomienda el promedio movil de 3 meses que es de 13,33 millones de computadoras;
17.50 ya que se va a tener un valor menor que el del promedio movil de 4 meses
20.00
4.25
18.00
19.25
17.00

124.75
8
15.59

dio como criterio de desempeño. ¿Qué método recomendaría?

Prom_Moviles Prom_Moviles Prom_Moviles

Simples 4 Simples 3 Simples 4
|Dt - F*| |Dt - F*|/Dt |Dt - F*|/Dt

0.24
11.50 0.26 0.310810810810811
17.25 0.33 0.367021276595745
17.50 0.28 0.330188679245283
20.00 0.26 0.32258064516129
4.25 0.00 0.078703703703704
18.00 0.56 0.5
19.25 0.58 0.6015625
17.00 0.40 0.586206896551724

S 2.68 S 3.09707451
n 8 n 8
MAPE 33.4765% MAPE 38.71%
llones de computadoras;
EJERCICIO 2

Considere los datos anteriores:

a) Utilice un promedio móvil ponderado para pronosticar la venta de enero del siguiente año. Use l

Prom_Moviles
Ponderado

MES VENTAS (MILLONES) D* |Dt - F*|

Enero 20
Febrero 24
Marzo 27
Abril 31 24.82 6.18
Mayo 37 28.49 8.51
Junio 47 33.32 13.68
Julio 53 40.98 12.02
Agosto 62 48.30 13.70
Septiembre 54 56.48 2.48
Octubre 36 56.47 20.47
Noviembre 32 46.36 14.36
Diciembre 29 37.06 8.06
Enero 31.1800

b) Utilice suavizamiento exponencial con α=0.6, 0.4, 0.2 para pronosticar la venta de febrero del sig

a = 0.6 a =

Suavizamiento Suavizamiento
exponencial exponencial
MES VENTAS (MILLONES) D* |Dt - F*| D*
Enero 20 20.00 20
Febrero 24 20.00 4.00 20.00
Marzo 27 22.40 4.60 21.60
Abril 31 25.16 5.84 23.76
Mayo 37 28.66 8.34 26.66
Junio 47 33.67 13.33 30.79
Julio 53 41.67 11.33 37.28
Agosto 62 48.47 13.53 43.57
Septiembre 54 56.59 2.59 50.94
Octubre 36 55.03 19.03 52.16
Noviembre 32 43.61 11.61 45.70
Diciembre 29 36.65 7.65 40.22
Enero 22 32.06 10.06 35.73
Febrero 26.0233 30.2388
S 111.92 S
n 12.00 n
MAD 9.33 MAD
del siguiente año. Use los pesos (3/6), (2/6) y (1/6), dando más peso al dato más reciente. b

Pesos
0.17
0.33
0.5

RPTA:
La venta pronosticada para enero del proximo año por promedio movil ponderado
es de 31,18 millones de computadoras

venta de febrero del siguiente año. Suponga que el pronóstico inicial para enero era $22 millones.

0.4 a = 0.2

Suavizamiento Suavizamiento
exponencial exponencial
|Dt - F*| D* |Dt - F*|
20
4.00 20.00 4.00
5.40 20.80 6.20 RPTA:
7.24 22.04 8.96 Las ventas para febrero del proximo año con suavizamiento exponencial
10.34 23.83 13.17 respectivamente son de: 26,02; 30,24 y 34,50 millones de computadoras
16.21 26.47 20.53 Si se tuviera que escoger la mejor demanda para el proximo año seria
15.72 30.57 22.43 la de α=0,6 con unas ventas de 26,02 millones de computadoras
18.43 35.06 26.94
3.06 40.45 13.55
16.16 43.16 7.16
13.70 41.73 9.73
11.22 39.78 10.78
13.73 37.62 15.62
34.4996
135.22 S 159.07
12.00 n 12.00
11.27 MAD 13.26
zamiento exponencial
ones de computadoras
proximo año seria
omputadoras
EJERCICIO 3

El número de cirugías del corazón realizadas en el Hospital General ha aumentado en forma estable en lo
La administración del hospital está buscando el mejor método para pronosticar la demanda de esas cirugí
Los datos de los últimos quince años se muestran en la tabla.

La administración del hospital está considerando los siguientes métodos de pronósticos.

Comience la medida del error en el año tres para comparar todos los métodos en los mismos años.

Método Ingenuo

AÑO DEMANDA (Dt) F* (1) |Dt - F*| (Dt - F*)2 |Dt - F*|/ Dt (Dt - F*)/ Dt
1 145
2 150 145 5 25 0.033 0.033
3 152 150 2 4 0.013 0.013
4 156 152 4 16 0.026 0.026
5 158 156 2 4 0.013 0.013
6 162 158 4 16 0.025 0.025
7 166 162 4 16 0.024 0.024
8 160 166 6 36 0.038 -0.038
9 155 160 5 25 0.032 -0.032
10 180 155 25 625 0.139 0.139
11 195 180 15 225 0.077 0.077
12 200 195 5 25 0.025 0.025
13 180 200 20 400 0.111 -0.111
14 163 180 17 289 0.104 -0.104
15 192 163 29 841 0.151 0.151
16 192

S 143 2547 0.811 0.240

n 14 14 14 14
MAD 10.214
EMC 181.929
MAPE 5.790%
MPE 1.716%

a) Indicar el MAD, MEC, MAPE para un pronóstico ingenuo de la demanda.

El MAD resultante es de 10,214

El MEC es de 181,929
El MAPE es de 5,79%

b) Suavizamiento exponencial con α=0.6. EL pronóstico inicial para el año uno es 145, igual que la

El pronostico del numero de cirugias para el año 16 por medio del suavizamiento exponencial con 0,6 es

c) Suavizamiento exponencial con α=0.9. El pronóstico inicial para el año uno es 145, igual que la d

El pronostico del numero de cirugias para el año 16 por medio del suavizamiento exponencial con 0,9 es

d) Promedio móvil de dos años.

El pronostico del numero de cirugias para el año 16 por medio del promedio movil de dos años es de 177

e) Promedio móvil ponderado, con pesos d e0.6 y 0.4, dando más peso al dato más reciente

El pronostico del numero de cirugias para el año 16 por medio del promedio movil ponderado es de 180,4
ado en forma estable en los últimos años.
la demanda de esas cirugías en el año seis.

n los mismos años.

Pesos
a = 0.6 a = 0.9 0.4
0.6
Suavizamiento Suavizamiento Prom_Moviles Prom_Moviles
exponencial exponencial Simples 2 Ponderado
D* |Dt - F*| D* |Dt - F*| D* |Dt - F*| D* |Dt - F*|
145 145
145.00 5.00 145.00 5.00
148.00 4.00 149.50 2.50 147.5 4.50 148.00 4
150.40 5.60 151.75 4.25 151 5.00 151.20 4.8
153.76 4.24 155.58 2.43 154 4.00 154.40 3.6
156.30 5.70 157.76 4.24 157 5.00 157.20 4.8
159.72 6.28 161.58 4.42 160 6.00 160.40 5.6
163.49 3.49 165.56 5.56 164 4.00 164.40 4.4
161.40 6.40 160.56 5.56 163 8.00 162.40 7.4
157.56 22.44 155.56 24.44 157.5 22.50 157.00 23
171.02 23.98 177.56 17.44 167.5 27.50 170.00 25
185.41 14.59 193.26 6.74 187.5 12.50 189.00 11
194.16 14.16 199.33 19.33 197.5 17.50 198.00 18
185.67 22.67 181.93 18.93 190 27.00 188.00 25
172.07 19.93 164.89 27.11 171.5 20.50 169.80 22.2
68.83 16.49 177.5 180.40

S 158.47 S 147.95 S 164.00 S 158.80

n 14.00 n 14.00 n 13.00 n 13.00
MAD 11.3193 MAD 10.5681 MAD 12.6154 MAD 12.2154
Entre los dos suavizamientos exponenciales Entre los dos promedio movilessimple y ponderado
se escoge el de 0,9 ya que obtuvo un se escoge el ponderado ya que obtuvo un MAD de 12,22
MAD menor
uno es 145, igual que la demanda real.

o exponencial con 0,6 es de 73,61

no es 145, igual que la demanda real

o exponencial con 0,9 es de 18,93

ovil de dos años es de 177,5

to más reciente

ovil ponderado es de 180,40

EJERCICIO 4

La demanda histórica para un producto es:

Pesos
0.4
0.3
0.2 a =
0.1

Prom_Moviles Prom_Moviles Suavizamiento

Ponderado Simples 3 exponencial
MES DEMANDA D* |Dt - F*| D* |Dt - F*| D*
Enero 120 120
Febrero 110 120.00
Marzo 150 118.00
Abril 120 126.67 6.67 124.40
Mayo 160 123 37.00 126.67 33.33 123.52
Junio 150 129 21.00 143.33 6.67 130.82
Julio 143 143.3333 134.65
S 58.00 S 40.00 S
n 2.00 n 2.00 n
MAD 29.00 MAD 20.00 MAD
Entre los dos promedios movil simple y ponderado Entre los dos suavizamientos el men
se escogera el del MAD menor que es el de promedio MAD obtenido es el de α=0,7 por lo
movil simple y con una demanda de 143,33 demanda para Julio sera de 149,91 pr

a) Use un promedio móvil ponderado con valores de 0.40, 0.30, 0.20 y 0.10 para determinar el pron

La demanda del producto por medio del promedio movil ponderado para el mes de Julio sera de 143 prod

b) Use un promedio móvil simple de tres meses para determinar el pronóstico para julio.

La demanda del producto por medio del promedio movil simple para el mes de julio es de 143,33 produc

c) Use el suavizamiento exponencial simple de α = 0.2 y 0.7.

La demanda del producto por medio del suavizamiento exponencial de α=0,2 es de 134,65 productos y pa

d) ¿De los pronósticos anteriores determine cuál es el mejor pronóstico para Julio?
Entre los dos promedios movil simple y ponderado se escogera el del MAD menor que es el de promedio
con una demanda de 143,33 productos para el mes de Julio
Entre los dos suavizamientos el menor MAD obtenido es el α=0,7, por lo que la demanda para Julio sera
 0.2 a = 0.7

Suavizamiento Suavizamiento
exponencial exponencial
|Dt - F*| D* |Dt - F*|
120
10.00 120.00 10.00
32.00 113.00 37.00
4.40 138.90 18.90
36.48 125.67 34.33
19.18 149.70 0.30
149.91
102.06 S 34.63
5.00 n 2.00
20.4128 MAD 17.31
ntre los dos suavizamientos el menor
MAD obtenido es el de α=0,7 por lo que la
emanda para Julio sera de 149,91 productos

.10 para determinar el pronóstico para julio.

mes de Julio sera de 143 productos.

nóstico para julio.

de julio es de 143,33 productos.

,2 es de 134,65 productos y para un α=0,7 es de 149,91 productos

para Julio?
menor que es el de promedio movil simple

ue la demanda para Julio sera de 149,91 productos

EJERCICIO 5

Embotelladora Andina produce bebidas, que se venden a supermercados y bodegas. Las ventas mensuale
de paquetes se muestran en la tabla siguiente: Obs. Mes Demanda Obs. Mes Demanda

Pesos
0.6
0.3
0.1
Prom_Moviles Prom_Moviles
Simples 6 Ponderado
OBS MES DEMANDA D* |Dt - F*| D* |Dt - F*|
1 Enero 48.50
2 Febrero 46.00
3 Marzo 54.40
4 Abril 49.80 48.34 1.46
5 Mayo 48.10 48.90 0.80
6 Junio 55.00 52.39 2.61
7 Julio 47.70 50.30 2.60 49.81 2.11
8 Agosto 45.20 50.17 4.97 50.13 4.93
9 Septiembre 51.00 50.03 0.97 51.83 0.83
10 Octubre 47.50 49.47 1.97 47.28 0.22
11 Noviembre 49.10 49.08 0.02 47.17 1.93
12 Diciembre 50.80 49.25 1.55 49.76 1.04
13 Enero 48.90 48.55 0.35 48.31 0.59
14 Febrero 49.50 48.75 0.75 49.59 0.09
15 Marzo 59.00 49.47 9.53 50.10 8.90
16 Abril 56.00 50.80 5.20 50.09 5.91
17 Mayo 49.30 52.22 2.92 53.00 3.70
18 Junio 58.50 52.25 6.25 57.13 1.37
19 Julio 53.00 53.53 0.53 54.24 1.24
20 Agosto 48.60 54.22 5.62 52.43 3.83
21 Septiembre 50.80 54.07 3.27 55.86 5.06
22 Octubre 53.40 52.70 0.70 51.46 1.94
23 Noviembre 49.80 52.27 2.47 49.74 0.06
24 Diciembre 56.30 52.35 3.95 51.48 4.82
25 Enero 51.98 52.6100
PROMEDIO 51.0917 S 53.60 S 48.57
n 18.00 n 18.00
MAD 2.9778 MAD 2.70

Teniendo en cuenta que el departamento de planeación maneja la demanda como un proceso constante, d

a) Promedio de todos los datos

El promedio de todos los datos es de 51,09 bebidas

b) Promedio móvil con N = 6

Con un promedio movil se obtiene una demanda pronostica para el mes de Enero del año 2017 sera de 51

c) Promedio móvil ponderado, de 0.6,0.3 y 0.1

Con un promedio movil ponderado la demanda pronostica para el mes de Enero del año 2017 sera de 52,

d) Suponga que la demanda real de Enero del 2017 es 55.2 miles de paquetes. Calcule el pronóstico

Prom_Moviles Prom_Moviles
Simples 6 Simples 3
OBS MES DEMANDA D* |Dt - F*| D* |Dt - F*|
1 Enero 48.50
2 Febrero 46.00
3 Marzo 54.40
4 Abril 49.80 49.63 0.17
5 Mayo 48.10 50.07 1.97
6 Junio 55.00 50.77 4.23
7 Julio 47.70 50.30 2.60 50.97 3.27
8 Agosto 45.20 50.17 4.97 50.27 5.07
9 Septiembre 51.00 50.03 0.97 49.30 1.70
10 Octubre 47.50 49.47 1.97 47.97 0.47
11 Noviembre 49.10 49.08 0.02 47.90 1.20
12 Diciembre 50.80 49.25 1.55 49.20 1.60
13 Enero 48.90 48.55 0.35 49.13 0.23
14 Febrero 49.50 48.75 0.75 49.60 0.10
15 Marzo 59.00 49.47 9.53 49.73 9.27
16 Abril 56.00 50.80 5.20 52.47 3.53
17 Mayo 49.30 52.22 2.92 54.83 5.53
18 Junio 58.50 52.25 6.25 54.77 3.73
19 Julio 53.00 53.53 0.53 54.60 1.60
20 Agosto 48.60 54.22 5.62 53.60 5.00
21 Septiembre 50.80 54.07 3.27 53.37 2.57
22 Octubre 53.40 52.70 0.70 50.80 2.60
23 Noviembre 49.80 52.27 2.47 50.93 1.13
24 Diciembre 56.30 52.35 3.95 51.33 4.97
25 Enero 55.20 51.98 3.22 53.17 2.03
26 Febrero 52.3500 53.77
 S 56.82 S 52.33
n 19.00 n 18.00
MAD 2.99 MAD 2.91

RPTA:
El pronostico para Febrero del año 2017 con promedio movil de 6 es de 52,35 bebidas

e) Usando el promedio Móvil que tenga el menor error (MAD) con N = 3 obs, 5 obs y 7obs.

Entre los tres promedios moviles utilizados el que mas conviene es el de 3 meses ya que obtuvo un MAD
bodegas. Las ventas mensuales observadas durante 2015 y 2016 en miles
s Demanda

como un proceso constante, determinar el pronóstico para enero del 2017, usando los siguientes métodos:
Enero del año 2017 sera de 51,98 bebidas

nero del año 2017 sera de 52,61 bebidas

quetes. Calcule el pronóstico para febrero usando promedio móvil con N = 6 obs.

Prom_Moviles Prom_Moviles
Simples 5 Simples 7
D* |Dt - F*| D* |Dt - F*|

49.36 5.64
50.66 2.96
51.00 5.80 49.93 4.73
49.16 1.84 49.46 1.54
49.40 1.90 50.17 2.67
49.28 0.18 49.19 0.09
48.10 2.70 49.09 1.71
48.72 0.18 49.47 0.57
49.46 0.04 48.60 0.90
49.16 9.84 48.86 10.14
51.46 4.54 50.83 5.17
52.84 3.54 51.54 2.24
52.54 5.96 51.80 6.70
54.46 1.46 53.14 0.14
55.16 6.56 53.46 4.86
53.08 2.28 53.41 2.61
52.04 1.36 53.60 0.20
52.86 3.06 52.80 3.00
51.12 5.18 51.91 4.39
51.78 3.42 52.91 2.29
53.10 52.44
 S 59.84 S 53.96
n 18.00 n 18.00
MAD 3.32 MAD 3.00

35 bebidas

3 obs, 5 obs y 7obs.

meses ya que obtuvo un MAD de 2,91, el cual el pronostico de bebidas seria de 53,77
EJERCICIO 6

A continuación se presenta la información de los ingresos por ventas en miles de soles, de la tienda EFE

a = 0.1

Método Ingenuo

AÑO TRIMESTRE VENTAS (Dt) F* (1) |Dt - F*| (Dt - F*)2 |Dt - F*|/ Dt
2009 1 500 500
2 350 500.00 150.00 22500.00 0.43
3 250 485.00 235.00 55225.00 0.94
4 400 461.50 61.50 3782.25 0.15
2010 5 450 455.35 5.35 28.62 0.01
6 350 454.82 104.82 10986.18 0.30
7 200 444.33 244.33 59698.86 1.22
8 300 419.90 119.90 14376.05 0.40
2011 9 350 407.91 57.91 3353.58 0.17
10 200 402.12 202.12 40852.14 1.01
11 150 381.91 231.91 53780.95 1.55
12 400 358.72 41.28 1704.33 0.10
2012 13 550 362.84 187.16 35027.05 0.34
14 350 381.56 31.56 996.06 0.09
15 250 378.40 128.40 16487.67 0.51
16 550 365.56 184.44 34016.68 0.34
2013 17 550 384.01 165.99 27553.51 0.30
18 400 400.61 0.61 0.37 0.00
19 350 400.55 50.55 2554.91 0.14
20 600 395.49 204.51 41823.74 0.34
2014 21 750 415.94 334.06 111594.53 0.45
22 500 449.35 50.65 2565.62 0.10
23 400 454.41 54.41 2960.80 0.14
24 650 448.97 201.03 40412.28 0.31
2015 25 850 469.07 380.93 145104.04 0.45
26 507.17
27 456.45
28 410.81

S 3428.40 727385.22 9.79

n 24.00 24.00 24.00
MAD 142.85
EMC 30307.72
MAPE 40.79%
MPE
les de soles, de la tienda EFE, en su línea blanca de electrodomésticos.

a = 0.6

(Dt - F*)/ Dt F* (1) |Dt - F*| (Dt - F*)2 |Dt - F*|/ Dt (Dt - F*)/ Dt
500
-0.43 500.00 150.00 22500.00 0.43 -0.43
-0.94 410.00 160.00 25600.00 0.64 -0.64
-0.15 314.00 86.00 7396.00 0.22 0.22
-0.01 365.60 84.40 7123.36 0.19 0.19
-0.30 416.24 66.24 4387.74 0.19 -0.19
-1.22 376.50 176.50 31150.84 0.88 -0.88
-0.40 270.60 29.40 864.45 0.10 0.10
-0.17 288.24 61.76 3814.38 0.18 0.18
-1.01 325.30 125.30 15699.02 0.63 -0.63
-1.55 250.12 100.12 10023.67 0.67 -0.67
0.10 190.05 209.95 44080.13 0.52 0.52
0.34 316.02 233.98 54747.14 0.43 0.43
-0.09 456.41 106.41 11322.57 0.30 -0.30
-0.51 392.56 142.56 20324.22 0.57 -0.57
0.34 307.03 242.97 59036.75 0.44 0.44
0.30 452.81 97.19 9445.88 0.18 0.18
0.00 511.12 111.12 12348.55 0.28 -0.28
-0.14 444.45 94.45 8920.73 0.27 -0.27
0.34 387.78 212.22 45037.39 0.35 0.35
0.45 515.11 234.89 55172.40 0.31 0.31
0.10 656.04 156.04 24349.97 0.31 -0.31
-0.14 562.42 162.42 26379.58 0.41 -0.41
0.31 464.97 185.03 34237.15 0.28 0.28
0.45 575.99 274.01 75083.20 0.32 0.32
740.39
296.16
118.46

-4.34 S 3502.97 609045.12 9.09 -2.05

24.00 n 24.00 24.00 24.00 24.00
MAD 145.96
EMC 25376.88
MAPE 37.89%
-18.0719% MPE -8.5608%
 EJERCICIO 7

LANDA SRLtda. produce carcasas para estabilizadores utilizados en la venta de computa

estima que el crecimiento de las ventas continuara y desea desarrollar un pronóstico a largo
necesidades de las instalaciones para los siguientes tres años. Se han totalizado las ventas c

X Y
AÑO VENTAS ANUALES (MILES UNID.) XY X^2
1 1000 1000 1
2 1300 2600 4
3 1800 5400 9
4 2000 8000 16
5 2000 10000 25
6 2000 12000 36
7 2200 15400 49
8 2600 20800 64
9 2900 26100 81
10 3200 32000 100
SUMATORIA 55 21000 133300 385

a) Elaborar un diagrama de dispersión y sacar conclusiones.

DIAGRAMA DE DISPERSION (MILES UNID.)

3500

3000

2500

2000

1500

1000

500

0
0 2 4 6 8 10 12

b) Hallar el coeficiente de correlación y determinación e interpretar los resultados

r 0.970203744582131
R^2 0.941295306001189
c) Encontrar la ecuación de regresión lineal por el método de mínimos cuadrados e in

X Y
AÑO VENTAS ANUALES (MILES UNID.)
1 1000
2 1300
3 1800 b
4 2000 a
5 2000
6 2000 Y11
7 2200 Y12
8 2600 Y13
9 2900
10 3200 CON EXCEL
11 3286.6670 3286.667
12 3502.42424242424 3502.42424
13 3718.18181818182 3718.18182
zados en la venta de computadoras. Rodrigo Gonzales, gerente de planta,
sarrollar un pronóstico a largo plazo que se utilizara para planear las
Se han totalizado las ventas correspondientes a los últimos 10 años:

Este es un gráfico con tendencia lineal en donde se puede ver que no todos
(MILES UNID.) los puntos estan sobre la linea de tendencia solo algunos y los demas
estan cerca.
Tambien nos quiere decir que ira en aumento las ventas de las computadoras
conforme pasen los años.

8 10 12

nterpretar los resultados

de mínimos cuadrados e indicar el pronóstico para el siguiente año.

𝑌𝑡=𝑎+𝑏𝑋

CON EXCEL
215.758 215.758
913.333 913.333

3286.667
3502.42424
3718.18182
ue no todos

computadoras
EJERCICIO 8

Canister se especializa en la fabricación de contenedores de plástico. Los datos de ventas mensuales de bo

a) Con el método más conveniente, calcule la proyección para todos los meses del siguiente año.

MES AÑO 1 AÑO 2 AÑO 3 AÑO 4

Enero 742 741 896 951
Febrero 697 700 793 861
Marzo 776 774 885 938
Abril 898 932 1055 1109
Mayo 1030 1099 1204 1274
Junio 1070 1223 1326 1422
Julio 1165 1290 1303 1486
Agosto 1216 1349 1436 1555
Septiembre 1208 1341 1473 1604
Octubre 1131 1296 1453 1600
Noviembre 971 1066 1170 1403
Diciembre 783 901 1023 1209

AÑO X MESES DESESTACIONALIZAR

1 1 Enero 742.0000 988.5533
2 Febrero 697.0000 991.5990
3 Marzo 776.0000 1001.9093
4 Abril 898.0000 988.1147
5 Mayo 1030.0000 984.8580
6 Junio 1070.0000 930.7221
7 Julio 1165.0000 987.1909
8 Agosto 1216.0000 985.9631
9 Septiembre 1208.0000 980.8457
10 Octubre 1131.0000 952.1299
11 Noviembre 971.0000 984.5167
12 Diciembre 783.0000 922.7533
2 13 Enero 741.0000 987.2210
14 Febrero 700.0000 995.8670
15 Marzo 774.0000 999.3271
16 Abril 932.0000 1025.5266
17 Mayo 1099.0000 1050.8340
18 Junio 1223.0000 1063.8067
19 Julio 1290.0000 1093.1127
20 Agosto 1349.0000 1093.8029
21 Septiembre 1341.0000 1088.8361
22 Octubre 1296.0000 1091.0348
 23 Noviembre 1066.0000 1080.8392
24 Diciembre 901.0000 1061.8145
3 25 Enero 896.0000 1193.7248
26 Febrero 793.0000 1128.1751
27 Marzo 885.0000 1142.6414
28 Abril 1055.0000 1160.8697
29 Mayo 1204.0000 1151.2321
30 Junio 1326.0000 1153.3996
31 Julio 1303.0000 1104.1286
32 Agosto 1436.0000 1164.3446
33 Septiembre 1473.0000 1196.0146
34 Octubre 1453.0000 1223.2049
35 Noviembre 1170.0000 1186.2869
36 Diciembre 1023.0000 1205.5896
4 37 Enero 951.0000 1267.0003
38 Febrero 861.0000 1224.9164
39 Marzo 938.0000 1211.0708
40 Abril 1109.0000 1220.2886
41 Mayo 1274.0000 1218.1642
42 Junio 1422.0000 1236.9036
43 Julio 1486.0000 1259.1980
44 Agosto 1555.0000 1260.8328
45 Septiembre 1604.0000 1302.3812
46 Octubre 1600.0000 1346.9565
47 Noviembre 1403.0000 1422.5303
48 Diciembre 1209.0000 1424.7877
5 49 Enero 1030.0000 1372.2506
50 Febrero 1032.0000 1468.1925
51 Marzo 1126.0000 1453.8014
52 Abril 1285.0000 1413.9503
53 Mayo 1468.0000 1403.6617
54 Junio 1637.0000 1423.9179
55 Julio 1611.0000 1365.1198
56 Agosto 1608.0000 1303.8065
57 Septiembre 1528.0000 1240.6724
58 Octubre 1420.0000 1195.4239
59 Noviembre 1119.0000 1134.5769
60 Diciembre 1013.0000 1193.8048
6 61 Enero 1044.5555 1391.6426
62 Febrero 983.4908 1399.1801
63 Marzo 1089.5325 1406.7175
64 Abril 1285.2769 1414.2550
65 Mayo 1486.9618 1421.7925
66 Junio 1643.2219 1429.3299
67 Julio 1695.6705 1436.8674
68 Agosto 1781.4016 1444.4048
69 Septiembre 1788.1980 1451.9423
 70 Octubre 1733.6622 1459.4798
71 Noviembre 1446.8761 1467.0172
72 Diciembre 1251.2296 1474.5547

b) Desarrolle una ecuación de regresión lineal simple para pronosticar la venta anual del año 6. E in

X Y
AÑO VENTAS XY X^2
1 742.0000 742 1
2 697.0000 1394 4
3 776.0000 2328 9
4 898.0000 3592 16
5 1030.0000 5150 25
6 1070.0000 6420 36
7 1165.0000 8155 49
8 1216.0000 9728 64
9 1208.0000 10872 81
10 1131.0000 11310 100
11 971.0000 10681 121
12 783.0000 9396 144
13 741.0000 9633 169
14 700.0000 9800 196
15 774.0000 11610 225
16 932.0000 14912 256
17 1099.0000 18683 289
18 1223.0000 22014 324
19 1290.0000 24510 361
20 1349.0000 26980 400
21 1341.0000 28161 441
22 1296.0000 28512 484
23 1066.0000 24518 529
24 901.0000 21624 576
25 896.0000 22400 625
26 793.0000 20618 676
27 885.0000 23895 729
28 1055.0000 29540 784
29 1204.0000 34916 841
30 1326.0000 39780 900
31 1303.0000 40393 961
32 1436.0000 45952 1024
33 1473.0000 48609 1089
34 1453.0000 49402 1156
35 1170.0000 40950 1225
36 1023.0000 36828 1296
37 951.0000 35187 1369
38 861.0000 32718 1444
39 938.0000 36582 1521
 40 1109.0000 44360 1600
41 1274.0000 52234 1681
42 1422.0000 59724 1764
43 1486.0000 63898 1849
44 1555.0000 68420 1936
45 1604.0000 72180 2025
46 1600.0000 73600 2116
47 1403.0000 65941 2209
48 1209.0000 58032 2304
49 1030.0000 50470 2401
50 1032.0000 51600 2500
51 1126.0000 57426 2601
52 1285.0000 66820 2704
53 1468.0000 77804 2809
54 1637.0000 88398 2916
55 1611.0000 88605 3025
56 1608.0000 90048 3136
57 1528.0000 87096 3249
58 1420.0000 82360 3364
59 1119.0000 66021 3481
60 1013.0000 60780 3600
SUMATORIA 1830 69705.0000 2284312 73810.0000

r 0.57629
R^2 0.33210
 de ventas mensuales de botellas de champú en los últimos cinco años son los siguientes:

eses del siguiente año.

AÑO 5 PROMEDIO INDICE ESTACIONAL

1030 872.00 0.7506
1032 816.60 0.7029
1126 899.80 0.7745
1285 1055.80 0.9088
1468 1215.00 1.0458
1637 1335.60 1.1496
1611 1371.00 1.1801
1608 1432.80 1.2333
1528 1430.80 1.2316
1420 1380.00 1.1879
1119 1145.80 0.9863
1013 985.80 0.8485
1161.75
venta anual del año 6. E indicar la pendiente, la intersección y coeficiente de regresión.

X Y
AÑO VENTAS CON EXCEL
1 742.0000 b 8.7974 8.797
2 697.0000 a 893.4288 893.429
3 776.0000
4 898.0000
5 1030.0000 𝑌𝑡=𝑎+𝑏𝑋
6 1070.0000
7 1165.0000
8 1216.0000
9 1208.0000
10 1131.0000
11 971.0000
12 783.0000
13 741.0000
14 700.0000
15 774.0000
16 932.0000
17 1099.0000
18 1223.0000
19 1290.0000
20 1349.0000
21 1341.0000
22 1296.0000
23 1066.0000
24 901.0000
25 896.0000
26 793.0000
27 885.0000
28 1055.0000
29 1204.0000
30 1326.0000
31 1303.0000
32 1436.0000
33 1473.0000
34 1453.0000
35 1170.0000
36 1023.0000
37 951.0000
38 861.0000
39 938.0000
40 1109.0000
41 1274.0000
42 1422.0000
43 1486.0000
44 1555.0000
45 1604.0000
46 1600.0000
47 1403.0000
48 1209.0000
49 1030.0000
50 1032.0000
51 1126.0000
52 1285.0000
53 1468.0000
54 1637.0000
55 1611.0000
56 1608.0000
57 1528.0000
58 1420.0000
59 1119.0000
60 1013.0000 CON EXCEL
61 1430.0712 1430.0712
62 1438.8686 1438.8686
63 1447.6660 1447.6660
64 1456.4634 1456.4634
65 1465.2609 1465.2609
66 1474.0583 1474.0583
67 1482.8557 1482.8557
68 1491.6531 1491.6531
69 1500.4505 1500.4505
70 1509.2479 1509.2479
71 1518.0453 1518.0453
72 1526.8428 1526.8428
EJERCICIO 9

Tom Plaz pronostica la demanda de electricidad para la compañía de luz Enersur. La compañía desea cer
para mantenimiento cuando se espere que la demanda sea baja. Después de cerrar, realizar el mantenimie
en marcha la planta toma de dos semanas. El servicio tiene sufieciente capacidad de generación en otras f
una demanda de 1550 megawats(MW), mientras la planta 2 está fuera de servicio. A continuación se mue
semanales (en MW) para varios otoños pasados. ¿Cuándo en el siguiente año debe la Planta 2 programar

MES AÑO 1 AÑO 2 AÑO 3 AÑO 4 AÑO 5

Agosto
Septiembre
Octubre
Noviembre
ersur. La compañía desea cerrar su planta de energía 2
cerrar, realizar el mantenimiento y poner de nuevo
cidad de generación en otras fuentes para satisfacer
rvicio. A continuación se muestra las demandas pico
o debe la Planta 2 programar mantenimiento?
 EJERCICIO 10

Swiss Milk fabrica y distribuye helado en 3 ciudades del país. La compañía quiere expandir sus operacio
El tamaño de la nueva planta se determinará en función de la demanda esperada del helado en el área aten
Se está realizando una investigación de mercado para determinar esa demanda. Swiss Milk desea estim
para el fabricante y el número de galones vendidos en un año para determinar la demanda de helado y, co

PLANTA COSTO (MILES GALONES) MILES DE GALONES VENDIDOS

1 1015 416.90
2 973 472.50
3 1046 250.00
4 1006 372.10
5 1058 238.10
6 1068 258.60
7 967 597.00
8 997 414.00
9 1044 263.20
10 1008 372.00

a) Desarrolle mediante una ecuación de regresión para pronosticar el costo por galón y luego desar

X Y
PLANTA COSTO (MILES GALONES) XY X^2
1 1015 1015 1
2 973 1946 4
3 1046 3138 9
4 1006 4024 16
5 1058 5290 25
6 1068 6408 36
7 967 6769 49
8 997 7976 64
9 1044 9396 81
10 1008 10080 100
SUMATORIA

11
ñía quiere expandir sus operaciones estableciendo otra planta en el norte.
sperada del helado en el área atendida por la planta.
manda. Swiss Milk desea estimar la relación entre el costo por galón
minar la demanda de helado y, con ella, el tamaño de la nueva planta. Se reunieron los datos siguientes:

el costo por galón y luego desarrolle el pronóstico como una función del número de galones producidos