Deber Final Presentar

UNIVERSIDAD TCNICA DE AMBATO
FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E INDUSTRIAL

PERODO ACADMICO: MARZO/2013 AGOSTO/2013

Administracin de la Produccin Pgina 1

FACULTAD DE INGENIERIA EN SISTEMAS
ELECTRONICA E INDUSTRIAL
CARRERA DE INGENIERIA INDUSTRIAL EN PROCESO
DE AUTOMATIZACION

ADMINISTRACION DE LA PRODUCCION

INTEGRANTES: LISSETTE FALCN
ROCO SNCHEZ

7MO SEMESTRE
PROFESOR: ING. JOHN REYES


DEBERES DE CHASSE

2.- La demanda histrica del producto es:

a) Usando un promedio mvil ponderado con pesos de 0.60, 0.30 y 0.10, calcule el
pronstico de julio.

b) Con el promedio mvil simple a tres meses, determine el pronstico de julio.

c) Mediante suavizacin exponencial simple con 0.2 y un pronstico para junio de 13,
calcule el pronstico de julio. Haga todas las suposiciones que quiera.
MES DEMANDA =0,2
ENERO 12
FEBRERO 11
MARZO 15
ABRIL 12
MAYO 16
JUNIO 15 13
JULIO 13,4



d) Con un anlisis de regresin lineal simple, calcule la ecuacin de relacin de los datos
precedentes de la demanda.

MES DEMANDA X^2 XY Y^2
1 12 1 12 144
2 11 4 22 121
3 15 9 45 225
4 12 16 48 144
5 16 25 80 256
6 15 36 90 225
= 21 81 91 297 1115

e) Con la ecuacin de regresin del punto d), calcule el pronstico para julio.

y = 0.7714x + 10.8
0
2
4
6
8
10
12
14
16
18
0 2 4 6 8
Series1
Linear (Series1)


4. Zeus Computer Chip. Inc., tena contratos importantes para producir
microprocesadores tipo Pentium. El mercado ha ido a la baja en los ltimos 3
aos por los chips dual-core, que Zeus no produce, as que tiene la penosa
tarea de pronosticar el ao entrante. La tarea es penosa porque la empresa no
ha podido encontrar chips sustitutos para sus lneas de productos. Aqu est
la demanda de los ltimos 12 trimestres:
2005 2006 2007
I 4800 I 3500 I 3200
II 3500 II 2700 II 2100
III 4300 III 3500 III 2700
IV 3000 IV 2400 IV 1700

Use la tcnica de la descomposicin para pronosticar los cuatro trimestres de 2008.
RESPUESTA:
Ano
Ventas Trimestrales (miles de unidades)

Q1 Q2 Q3 Q4 Total Suma Anual
2005 4800 3500 4300 3000 15600
2006 3500 2700 3500 2400 12100
2007 3200 2100 2700 1700 9700

Totales 11500 8300 10500 7100 37400

XQ1
PROMEDIO
XQ2
PROMEDIO
XQ3
PROMEDIO
XQ4
PROMEDIO
3833.3 2766.7 3500.0 2366.7



Q1 Q2 Q3 Q4
INDICE ESTACIONAL 1.2299 0.8877 1.1230 0.7594

Desestacionalizacion de los datos dividiendo el valor de cada periodo para el ndice
estacional

Ano Ventas Trimestrales (miles de unidades)
Q1 Q2 Q3 Q4
2005 3902.6087 3942.7711 3829.0476 3950.7042
2006 2845.6522 3041.5663 3116.6667 3160.5634
2007 2601.7391 2365.6627 2404.2857 2238.7324
Obtencin de la ecuacin de la recta
PERIODO TRIMESTRE x y

8 Q1 1 3903
1
15230355 3903
8 Q2 2 3943 4 15545444 7886
8 Q3 3 3829
9
14661606 11487
8 Q4 4 3951 16 15608064 15803
9 Q1 5 2846 25 8097736 14228
9 Q2 6 3042 36 9251125 18249
9 Q3 7 3117 49 9713611 21817
9 Q4 8 3161 64 9989161 25285
10 Q1 9 2602 81 6769047 23416
10 Q2 10 2366 100 5596360 23657
10 Q3 11 2404 121 5780590 26447
10 Q4 12 2239 144 5011923 26865
SUMATORIA 78 37400 650 121255020 219041



Pronostico
x y
ndice
estacional
y*ndice
estacional
13 2023.13062 1.2299 2488.24835
14 1854.89062 0.8877 1646.5864
15 1686.65062 1.123 1894.10865
16 1518.41062 0.7594 1153.08102

5. Los datos de ventas de 2 aos son los siguientes. Los datos estn
acumulados con dos meses de ventas en cada periodo.

a) Trace la grfica ca.
b) Componga un modelo de regresin lineal simple para los datos de ventas.
c) Adems del modelo de regresin, determine los factores multiplicadores del
ndice estacional. Se supone que un ciclo completo es de 1 ao.
d) Con los resultados de los incisos b) y c), prepare un pronstico para el ao
entrante.



x y x^2 xy y^2
1 109 1 109 11881
2 104 4 208 10816
3 150 9 450 22500
4 170 16 680 28900
5 120 25 600 14400
6 100 36 600 10000
7 115 49 805 13225
8 112 64 896 12544
9 159 81 1431 25281
10 182 100 1820 33124
11 126 121 1386 15876
12 106 144 1272 11236
78 1553 650 10257 209783

Y=a+bx
Y=122,33+1,14x
para el ao
entrante
y13= 136,80303
y14= 137,939394
y15= 139,075758
y16= 140,212121
y17= 141,348485
y18= 142,484848
0
100
200
300
400
500
600
700
0 2 4 6 8 10 12
Series1
Limites


6. Las seales de seguimiento calculadas con el historial de la demanda
pasada de tres productos es como sigue. Cada producto usa la misma tcnica
de pronstico..
Comente las seales de seguimiento de cada producto y seale sus
implicaciones.

N TS1
1 -2,7
2 -2,32
3 -1,7
4 -1,1
5 -0,87
6 -0,05
7 0,1
8 0,4
9 1,5
10 2,2



TS1: Dado que se ha producido un rpido aumento de la tendencia, la previsin en breve se
encuentre fuera de los lmites.
Por lo tanto, el modelo de pronstico es pobre
N TS 2
1 1,54
2 -0,64
3 2,05
4 2,58
5 -0,95
6 -1,23
7 0,75
8 -1,59
9 0,47
10 2,74

10, 2.2
-3
-2
-1
0
1
2
3
0 2 4 6 8 10 12
s
e
a
l

d
e

s
e
g
u
i
m
i
e
n
t
o

Periodo
Series1
S
e
a
l

d
e

s
e
g
u
i
m
i
e
n
t
o



TS 2: Esto est dentro de los lmites. Por lo tanto, el pronstico es aceptable.

N TS3
1 0,1
2 0,43
3 1,08
4 1,74
5 1,94
6 2,24
7 2,96
8 3,02
9 3,54
10 3,75

10, 2.74
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
3
3.5
0 2 4 6 8 10 12
s
e
a
l

d
e

s
e
g
u
i
m
i
e
n
t
o

Periodo
Series1
10, 3.75
0
0.5
1
1.5
2
2.5
3
3.5
4
0 5 10 15
S
e
a
l

d
e

S
e
g
u
i
m
i
e
n
t
o

Periodo
Series1


TS 3: Esta serie est aumentando rpidamente, y se encuentra fuera de los lmites. En
consecuencia, el modelo es pobre.
9. No todos los artculos de su tienda de artculos de papelera estn
distribuidos uniformemente en lo que concierne a la demanda, as que usted
decide pronosticar la demanda para planear su surtido. Los datos pasados de
libretas de cuentas usuales, para el mes de agosto, son los siguientes:

Con un promedio mvil de tres semanas, cul sera su pronstico para la semana entrante?
SEMANAS ARTICULOS
F1 1 300
F2 2 400
F3 3 600
F4 4 700
F5 5 567

F5 = (700 + 600 + 400)/3 = 567
Con suavizacin exponencial con = 0.20, si el pronstico exponencial de la semana 3 se
calcul como el promedio de las dos primeras semanas [(300 + 400)/2 = 350], cul sera su
pronstico para la semana 5?

F4 = F3 + ( (A3 F3) )
F4= 350 + (0 .20*(600 350) )
F4= 400
F5 = F4 + ( (A4 F4) )
F5 = 400 + (0.20*(700 400))
F5 = 460
SEMANAS ARTICULOS PRONOSTICO
F1 1 300
F2 2 400
F3 3 600 350
F4 4 700 400
F5 5 567 460


11. A continuacin se da la demanda tabulada actual de un artculo durante
un periodo de nueve meses (de enero a septiembre). Su supervisor quiere
probar dos mtodos de prueba para ver cual result mejor en el periodo. a)
Pronostique de abril a septiembre con un promedio mvil a tres meses. b)
Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de abril
a septiembre c) Use la MAD para decidir que mtodo produjo el mejor
pronstico en el periodo de seis meses.
Mes Real
Enero 110
Febrero 130
Marzo 150
Abril 170
Mayo 160
Junio 180
Julio 140
Agosto 130
Septiembre 140

a) Pronostique de abril a septiembre con un promedio mvil a tres meses.
Mes Real 3 Meses Des. 3
Meses
Enero 110
Febrero 130
Marzo 150
Abril 170 130 40
Mayo 160 150 10
Junio 180 160 20
Julio 140 170 30
Agosto 130 160 30
Septiembre 140 150 10
140
MAD 23.33

b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de abril a
septiembre.
Pronostico MAD
Mes Real = 0.3
Enero 110
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
sumatoria MAD 97.671
MAD 16.27
c) Use la MAD para decidir que mtodo produjo el mejor pronstico en el periodo de seis
meses.
El mtodo para ver cual result mejor en el periodo es mediante Suavizacin
Exponencial con un MAD = 16.27

12.-Se aplic cierto modelo de pronstico para anticipar un periodo de seis
meses. Aqu estn la demanda pronosticada y la real
Pronostico Real
Abril 250 200
Mayo 325 250
Junio 400 325
Julio 350 300
Agosto 375 325
Septiembre 450 400

Encuentre la seal de seguimiento y diga si cree que el modelo usado da respuestas
aceptables.
Solucin
Demanda
Real
Demanda
Pronostic
ada
Desviaci
n real
Desviaci
n
acumula
da
Desviaci
n
absolut
a
Abril 200 250 -50 -50 50
Mayo 250 325 -75 -125 75
Junio 325 400 -75 -200 75
Julio 300 350 -50 -250 50
Agosto 325 375 -50 -300 50
Septiem
bre
400 450 -50 -350 50


Desviacin Total
350
MAD 58,3333333
Seal de seguimiento -6

No hay suficientes pruebas para rechazar el modelo de pronstico, asi que se aeptan sus
recomendaciones.
13.-Harlen Industries tiene un modelo de pronstico simple: se toma la
demanda real del mismo mes del ao anterior y se divide entre el nmero
fraccional de semanas de ese mes. Esto da una demanda semanal promedio
para el mes. El promedio de esta semana se usa como pronstico semanal del
mismo mes este ao. La tcnica se us para pronosticar ocho semanas de este
ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao
pasado) y la demanda real:

a) Calcule el pronstico con suavizacin exponencial simple de estos datos con una
de 0.30 y un pronstico inicial (F1) de 31.
-6


b) Calcule el pronstico de suavizacin exponencial con tendencia para estos datos,
con una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un
pronstico uniforme exponencial inicial de 30.
c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?
MESES PRONOSTIC
O
REA
L
DESVIACION RSFE DESVIACION
ABSOLUTA
SUMA DE LAS
DESVIACIONE
S ABSOLUTAS
MAD TS
1 140 137 -3 -3 3 3 3.00 -1.00
2 140 133 -7 -10 7 10 5.00 -2.00
3 140 150 10 0 10 20 6.67 0.00
4 140 160 20 20 20 40 10.0
0
2.00
5 140 180 40 60 40 80 16.0
0
3.75
6 150 170 20 80 20 100 16.6
7
4.80
7 150 185 35 115 35 135 19.2
9
5.96
8 150 205 55 170 55 190 23.7
5
7.16

a) Para el mes 8, el MAD es 23,75
b) La seal de seguimiento de 8 meses es de 7.16
c) La seal de seguimiento es demasiado grande, por lo que el pronstico se debe
considerar pobres.
14. La tabla siguiente contiene la demanda de los ltimos 10 meses.

MES DEMANDA REAL
PRONOSTICO
=0,30
F1 1 31 31,00
F2 2 34 31,00
F3 3 33 31,90
F4 4 35 32,23
F5 5 37 33,06


Calcule el pronstico con suavizacin exponencial simple de estos datos con una de 0.30 y
un pronstico inicial (F1) de 31.
F1 = 31
F2 = F1 + ( (A1 F1) )
F2= 31+ (0 .30*(31 31) )
F2= 31

F3= F2 + ( (A2 F2))
F3= 31+ (0 .30*(34 31))
F3= 31.90

F4 = F3 + ( (A3 F3) )
F4= 31.90+ (0 .30*(33 31.90) )
F4= 32.23

F5 = F4 + ( (A4 F4) )
F5=32.23+(0 .30*(35 32.23) )
F5= 33.06

F6 = F5+ ( (A5 F5) )
F6= 33.06+(0 .30*(37 33.06) )
F6= 34.24

F7 = F6 + ( (A6 F6))
F7= 34.24+(0 .30*(36 34.24) )
F7= 34.77

F8= F7 + ( (A7 F7) )
F8= 34.77+(0 .30*(38 34.77) )
F8= 35.74

F9 = F8+ ( (A8 F8) )
F9= 35.74+(0 .30*(40 35.74) )
F9= 37.02

F10= F9+ ( (A9 F9) )
F10= 37.02+(0 .30*(40 37.02) )
F10= 37.91

Calcule el pronstico de suavizacin exponencial con tendencia para estos datos, con una
de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un pronstico uniforme
exponencial inicial de 30.
F6 6 36 34,24
F7 7 38 34,77
F8 8 40 35,74
F9 9 40 37,02
F10 10 41 37,91


MES DEMANDA REAL Tt =0,30 Ft =0,30 FITt
F1 1 31 1,00 30,00 31,00
F2 2 34 1,00 31,00 32,00
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

FIT1= F1+T1
FIT1=30+1
FIT1=31
FT2= FIT1+(A1- FIT1)
FT2=31+0.30(31-31)
FT2=31
T2=T1+(F2-FIT1)
T2=1+0.30(31-31)
T2=1

FIT2= F2+T2
FIT2=31+1
FIT2=32
FT3=32+0.30(31-32)
FT3=32.60
T3=T2+(F3-FIT2)
T3=1+0.30(32.60-32)
T3=1.18

FIT3= F3+T3
FIT3=32.60+1.18
FIT3=33.78
FT4= FIT3+ (A3- FIT3)
FT4=33.78+0.30(31-33.78)
FT4=33.55
T4=T3+ (F4-FIT3)
T4=1.18+0.30(33.55-33.78)
T4=1.11



FIT4= F4+T4
FIT4=33.55+1.11
FIT4=34.66
FT5=34.66+0.30(31-34.66)
FT5=34.76
T5=T4+(F5-FIT4)
T5=1.11+0.30(34.76-34.66)
T5=1.14

FIT5= F5+T5
FIT5=34.76+1.14
FIT5=35.90

FT6=35.90+0.30(31-35.90)
FT6=36.23
T6=T5+(F6-FIT5)
T6=1.14+0.30(36.23-35.90)
T6=1.24

FIT6= F6+T6
FIT6=36.23+1.24
FIT6=37.47
FT7=37.47+0.30(31-37.47)
FT7=37.03
T7=T6+ (F7-FIT6)
T7=1.24+0.30(37.03-37.47)
T7=1.11

FIT7= F7+T7
FIT7=37.03+1.11
FIT7=38.14
FT8=38.14+0.30(31-38.14)
FT8=38.10
T8=T7+(F8-FIT7)
T8=1.11+0.30(38.10-38.14)
T8=1.10

FIT8= F8+T8
FIT8=38.10+1.10
FIT8=39.19
FT9=39.19+0.30(31-39.19)
FT9=39.43
T9=T8+(F9-FIT8)
T9=1.10+0.30(39.43-39.19)
T9=1.17

FIT9= F9+T9
FIT9=39.43+1.17
FIT9=40.60
FT10=40.60+0.30(31-40.60)


FT10=40.42
T10=T9+(F10-FIT9)
T10=1.17+0.30(40.42-40.60)
T10=1.11

FIT10= F10+T10
FIT10=40.42+1.11
FIT10=41.54

c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?

MES DEMANDA REAL PRONOSTICO
=0,30
Desviacion Absoluta
F1 1 31 31,00 0,00
F2 2 34 31,00 3,00
F3 3 33 31,90 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
MAD= 2,90

MAD=(3.00+1.10+2.77+3.94+1.76+3.23+4.26+2.98+3.09)/9
MAD=2.90


MAD=(2.00+0.78+0.34+1.10+1.47+0.14+0.81+0.60+0.54)/9
MAD=0.86
RESPUESTA: De acuerdo al MAD de los pronsticos el exponencial simple con tendencia es
el mejor modelo de pronstico
17.- La demanda histrica de un producto es como sigue:
DEMANDA
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75

a) Con un promedio mvil simple a cuatro meses, calcule un pronstico para octubre
b) Mediante suavizacin exponencial simple con = 0.2 y un pronstico para
septiembre =65, calcule un pronstico para Octubre.
c) Mediante regresin lineal simple, calcule la recta de la tendencia de los datos
histricos. En el eje de las x, sea Abril=1, Mayo=2, etc, mientras que en el eje
de las y esta la demanda.
d) Calcule un pronstico para Octubre

SOLUCION

a)

MES Tt =0,30 Ft =0,30 FITt
F1 1 1,00 30,00 31,00
F2 2 1,00 31,00 32,00
F3 3 1,18 32,60 33,78
F4 4 1,11 33,55 34,66
F5 5 1,14 34,76 35,90
F6 6 1,24 36,23 37,47
F7 7 1,11 37,03 38,14
F8 8 1,10 38,10 39,19
F9 9 1,17 39,43 40,60
F10 10 1,11 40,42 41,54
MAD= 0,86
40
41
Desviacion absoluta
0,00
2,00
0,78
0,34
1,10
1,47
0,14
0,81
0,60
0,54
35
37
36
38
40
DEMANDA REAL
31
34
33


b)

c)
MES DEMANDA X^2 X*Y Y^2
1 60 1 60 3600
2 55 4 110 3025
3 75 9 225 5625
4 60 16 240 3600
5 80 25 400 6400
6 75 36 450 5625
= 21 405 91 1485 27875

MES DEMANDA =0.2
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75 65
Octubre 67


d)
Pronostico para Octubre x=7

81.02

18. Las ventas por trimestre del ltimo ao y los tres primeros trimestres de
este ao son como sigue:

Con el procedimiento de pronstico enfocado descrito en el texto, pronostique las ventas
esperadas para el cuarto trimestre de este ao.

y = 3.8571x + 54
0
10
20
30
40
50
60
70
80
90
0 2 4 6 8
Series1
Linear (Series1)
TRIMESTRE AO PASADO ESTE AO
I 23000 1900


ESTRATEGIA A:

ltimos tres meses =24000
Actuales tres meses=15000
24000/15000=1.6*100%=160%

ESTRATEGIA B:

III trimestre ao pasado= 18000
III trimestre ao actual= 15000
18000/15000=1.2*100%=120%

ESTRATEGIA C:

10% del trimestre anterior= 1.10
(24000)= 26400
Trimestre actual=15000
26400/15000= 1.76*100% = 176%

ESTRATEGIA D:
50% del trimestre III del ao anterior=
1.50*(18000)= 27000
Trimestre III del ao actual= 15000

27000/15000= 1.8*100% =180%

ESTRATEGIA E:

(24000/27000)18000= 16000
Actual =15000

16000/15000= 1.07*100%= 1207%

RESPUESTA:
La mejor estrategia es la E y lo aplicamos para el cuarto trimestre de este ao
(15000/18000)9000= 7500

19.- En la tabla siguiente se muestra la demanda de un producto con cierto
mtodo de pronstico, junto con la demanda real.
II 27000 24000
III 18000 15000
IV 9000


Pronstico Real
1500 1550
1400 1500
1700 1600
1750 1650
1800 1700
a) Calcule la seal de seguimiento con la desviacin absoluta media y la suma continua
de errores de pronstico.
b) Comente si su mtodo de pronstico da buenas predicciones.
SOLUCION
a) Desviacin absoluta media

n
Pronstico
(Ft)
Demanda Real (At) (At - Ft)
1 1500 1550 50
2 1400 1500 100
3 1700 1600 100
4 1750 1650 100
5 1800 1700 100
SUMATORIA = 450
MAD = 90
Suma continua de errores de pronstico

n
Pronstico
(Ft)
Demanda Real (At) (At - Ft)
Ts = (At -
Ft)/MAD
1 1500 1550 50 0,5556
2 1400 1500 100 1,1111
3 1700 1600 100 1,1111
4 1750 1650 100 1,1111
5 1800 1700 100 1,1111
SUMATORIA = 450 5,0000

MAD = 90
RSFE = 10,0000

b) Comentario
Se puede decir que el mtodo de pronstico de es aceptable ya que la suma se sus errores
pronosticados no son muy elevados.


20.-Su gerente trata de determinar que mtodo de pronostico usar.
Basndose en los siguientes datos histricos, calcule los siguientes
pronsticos y especifique que procedimiento utilizara?
MES DEMANDA REAL MES DEMANDA REAL
1 62 7 76
2 65 8 78
3 67 9 78
4 68 10 80
5 71 11 84
6 73 12 85
a) Calcule un promedio de pronostico simple a tres meses para los periodos 4 a 12
b) Calcule el promedio mvil ponderado a tres meses con pesos de 0.50, 0.30 y 0.20
para los periodos de 4 a 12
c) Calcule un pronstico de suavizacin exponencial simple para los periodos de 2 a 12
usando un pronstico inicial F1 de 61 y alfa de 0.30
d) Calcule el pronstico de suavizacin exponencial con componente de tendencia para
los periodos de 2 a 12 con un pronstico de tendencia inicial (T1) de 1.8, un
pronstico de suavizacin exponencial inicial (F1) de 60, una de 0.30 y una de
0.30
e) Calcule la desviacin absoluta media (MAD) de los pronsticos hechos con cada
tcnica en los periodos 4 a 12. Qu mtodo de pronsticos prefiere?
a)
MES DEMANDA
REAL
3 MESES Des. Absoluta
1 62
2 65
3 67
4 68 64.67 3.33
5 71 66.67 4.33
6 73 68.67 4.33
7 76 70.67 5.33
8 78 73.33 4.67
9 78 75.67 2.33
10 80 77.33 2.67
11 84 78.67 5.33
12 85 80.67 4.33
Desv. Absoluta Total 36.67
MAD 4.07
b)
MES DEMANDA REAL 3 MESES Des. Absoluta
1 62
2 65


3 67
4 68 65.40 2.60
5 71 67.10 3.90
6 73 69.30 3.70
7 76 71.40 4.60
8 78 74.10 3.90
9 78 76.40 1.60
10 80 77.60 2.40
11 84 79.00 5.00
12 85 81.60 3.40
Desv. Absoluta Total 31.10
MAD 3.46

c)
MES DEMANDA REAL = 0.3
1 62 61
2 65 61.30
3 67 62.41
4 68 63.79 4.21
5 71 65.05 5.95
6 73 66.84 6.16
7 76 68.68 7.32
8 78 70.88 7.12
9 78 73.02 4.98
10 80 74.51 5.49
11 84 76.16 7.84
12 85 78.51 6.49
MAD 55.57
MAD X 6.17

d)
= 0.3 =0.3
MES DEMANDA REAL Tt Ft S
1 62 1.8 60 61.8
2 65 1.82 61.86 63.68
3 67 1.94 64.07 66.01
4 68 2.03 66.31 68.34 0.33
5 71 2.00 68.23 70.23 0.77
6 73 2.07 70.46 72.53 0.47
7 76 2.11 72.67 74.78 1.22
8 78 2.22 75.14 77.36 0.64
9 78 2.28 77.55 79.83 1.83


10 80 2.11 79.28 81.39 1.39
11 84 1.99 80.98 82.97 1.04
12 85 2.08 83.27 85.35 0.35
Sum MAD 8.04
MAD X 0.89

e)
Se recomienda utilizar el pronstico de suavizacin exponencial con componente de
tendencia para los periodos debido a que nos brinda el MAD ms pequeo.
Haga un anlisis de regresin sobre la demanda sin factores estacionales para pronosticar la
demanda en el verano de 2008, dados los siguientes datos histricos de la demanda.
AO ESTACIN
DEMANDA
REAL
2006
Primavera 205
Verano 140
Otoo 375
Invierno 575
2007
Primavera 475
Verano 275
Otoo 685
Invierno 965

ndice estacional izado.
AO Primavera Verano Otoo Invierno
TOTAL
ANUAL
2006 205 140 375 575 1295
20007 475 275 685 965 2400
TOTAL 680 415 1060 1540 3695
340 207.5 530 770 307.9166667
I.
ESTACIONAL 1.10419486 0.6738836 1.721244926 2.50067659

Datos desestacionalizados
AO
Primavera Verano Otoo Invierno
2006 185.655637 207.751 217.865566 229.937771
20007 430.177696 408.08233 397.9677673 385.895563



Anlisis de regresin
AO ESTACION X Y X^2 X*Y
2006
Primavera 1 185.6556373 1 185.6556373
Verano 2 207.751004 4 415.502008
Otoo 3 217.865566 9 653.5966981
Invierno 4 229.9377706 16 919.7510823
2007
Primavera 5 430.1776961 25 2150.88848
Verano 6 408.0823293 36 2448.493976
Otoo 7 397.9677673 49 2785.774371
Invierno
8 385.8955628 64 3087.164502
TOTAL 36 2463.333333 204 12646.82676

Pronostico
a= 140.578086

b= 37.1863513

y= 140.5780585+37.18635131X

y= a+bx

Pronostico desestacionalizado
PRONOSTICO Ind. Estac. Prom. Estaci.
Y9 475.255248 1.1041949 524.7744006
Y10 512.441599 0.6738836 345.326003
Y11 549.62795 1.7212449 946.0443202
Y12 586.814302 2.5006766 1467.432786

El pronstico para verano es de 345 unidades
22 Los siguientes son los resultados de los ltimos 21 meses de ventas reales
de cierto producto.



Elabore un pronstico para el cuarto trimestre usando tres reglas de pronstico enfocado
(observe que para aplicar correctamente el procedimiento, las reglas se prueban primero en
el tercer trimestre; la de mejor desempeo se usa para pronosticar el cuarto trimestre).
Haga el problema con trimestres, en lugar de pronosticar meses separados.
SOLUCIN

trimester
I II III IV
2006 1,125 1,310 1,075 1,550
2007 1,000 1,175 975

Sumamos de tres en tres meses cada estrategia es usada para predecir el tercer trimestre de
este ao. Luego la mejor estrategia es usada para predecir el cuarto trimestres de este ao.
ESTRATEGIA A: en el pasado tres meses es cual nosotros podramos decir en los siguientes
tres meses. Te hay nuestro pronstico es 1175. Actualmente fue 975. 1,175/975 = 121%.
ESTRATEGIA B: en el los mismos periodo de tres meses el pasado ao, nosotros podramos
decir que en el periodo de tres meses de este ao. De ah nuestro pronstico es 1,075.
Actual fue 975. 1,075/975 = 110%.
ESTRATEGIA C: Nosotros podramos decir que el 10% ms en los siguientes tres meses que
nosotros decamos en los pasados tres meses. Nuestro pronstico es 10(1,175) = 1,292.5.
Actual fue 975. 1,292.5/975 = 133%.
ESTRATEGIA D: Nosotros podramos decir que hay una probabilidad del 50% ms sobre los
siguientes tres meses que nosotros hicimos por los mismos tres meses del pasado ao. El
pronstico podra ser 1.50 (1,075) = 1,612.5. Actual fue 975. 1612.5/975 = 165%.
ESTRATEGIA E: EL PORCENTAJE cambia nosotros tenemos para los pasados meses de este
ao comparando para los mismos tres meses pasados la probabilidad podra ser el mismo


porcentaje cambio que nosotros podras tener para el siguiente meses de este ao. El
pronstico podra ser (1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.
Si solo los tres primeros son usados, el mejor mtodo ser el Bel pronstico para el
cuarto trimestre es 1550.
Si todo los cinco mtodos enlistados en el texto son usados, luego el mejor mtodo es el
E. aplicando esto el cuarto trimestre de este ao produce un pronstico de
(975/1,075) 1,550 = 1,406.
24.- Despus de aplicar su modelo de pronostico durante seis meses , decide
probarlo con MAD y una seal de seguimiento. Lo que sigue es el pronstico y la
demanda real del periodo de seis meses:

a) Encuentre la seal de seguimiento.
b) Decida si su rutina de pronstico es aceptable.
PERIODO PRONOSTICO REAL
Mayo 450 500
Junio 500 550
Julio 550 400
Agosto 600 500
Septiembre 650 675
Octubre 700 600

PERIODO PRONOSTICO REAL DESVIACION RSFE DESVIACION
ABSOLUTA
SUMA DE
DESVIACIONE
S ABSOLUTAS
MAD TS
Mayo 450 500 50 50 50 50 50 1
Junio 500 550 50 100 50 100 50 2
Julio 550 400 -150 -50 150 250 83,33 -0,6
Agosto 600 500 -100 -150 100 350 87,5 -1,71
Septiembre 650 675 25 -125 25 375 75 -1,67


o
Octubre 700 600 -100 -225 100 475 79,17 -2,84

El TS es aceptable. Sin embargo, el TS va y vienen entre positivo y negativo. Si esta tendencia
contina, las previsiones sern inaceptables. Este pronstico debe vigilarse de cerca para ver si
la tendencia a la baja contina.
26. A continuacin se encuentran los ingresos por ventas de una compaa de
servicios pblicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a
2011. Use su buen juicio, intuicin o sentido comn en cuanto a qu modelo o
mtodo usar, as como el periodo de datos que incluir.

METODO DE REGRESION LINEAL

AO
INGRESOS
(MILLONES)
-4
-3
-2
-1
0
1
2
3
0 100 200 300 400 500 600 700 800


1997
4865,9
1998
5067,4
1999
5515,6
2000
5728,8
2001 5497,7
2002
5197,7
2003
5094,4
2004
5108,8
2005
5550,6
2006
5738,9
2007 5860,0



AO
INGRESOS
(MILLONES)

X Y X^2 XY

1 4865.9
1 4865.9

2 5067.4
4 10134.8

3 5515.6
9 16546.8

4 5728.8
16 22915.2

5 5497.7 25 27488.5

6 5197.7 36 31186.2

7 5094.4
49 35660.8

8 5108.8
64 40870.4

9 5550.6
81 49955.4

10 5738.9
100 57389

11 5860 121 64460
66 59225.8 506 361473

12
5717.883636

13
5773.503636

14
5829.123636

15
5884.743636
Periodo 12
Y= 55.62x + 5050.44
Y= 55.62 (12) + 5050.44
Y=5717.88
Periodo 13
Y= 55.62x + 5050.44
Y= 55.62 (13) + 5050.44
Y=5773.5
Periodo 14
Y= 55.62x + 5050.44
Y= 55.62 (14) + 5050.44
Y=5829.12
Periodo 15
Y= 55.62x + 5050.44
Y= 55.62 (15) + 5050.44


Y=5884.
28.) Suponga una Ft inicial de 300 unidades, una tendencia de 8 unidades, una
alfa de 0.30 y una delta de 0.40. Si la demanda real fue finalmente de 288,
calcule el pronstico para el siguiente periodo.
Ft = 300 = 0.30 = 0.40 At = 288 Tt = 8
Solucin:
t At
(Demanda Real)
Ft (Unidades) Tt (Tendencia) FITt
1 288 300 8 308
2 288 302 5.6 307.6

FITt = Ft + Tt
FITt = 300 + 8
FITt = 308

Ft+1 = FITt + (At - FITt)
Ft+1 = 308 + 0.3 (288 - 308)
Ft+1 = 302

Tt+1 = Tt + (Ft+1 - FITt )
Tt+1 = 8 + 0.40 (302 - 308 )
Tt+1 = 5.6

FITt+1 = Ft+1 + Tt+1
FITt+1 = 302 + 5.6
FITt+1 = 307.6
29. La tabla siguiente contiene el nmero de quejas recibidas en una tienda
departamental durante los primeros seis meses de operacin.

QUEJAS
Enero 36


Febrero 45
Marzo 81
Abril 90
Mayo 108
Junio 144

Si se usara un promedio mvil a tres meses, cul habra sido el pronstico de mayo?
PRONSTICO DESVIACIN
QUEJAS 3 MESES 3 MESES
Enero 36
Febrero 45
Marzo 81
Abril 90 54 36
Mayo 108 72 36
Junio 144 93 51
Desviacin Abs.
Total
123
MAD 41

F3(Abril)= 54
F3(mayo)= 72
F3(Junio)= 93

El pronstico del mes de mayo luego de haber utilizado el promedio mvil para los tres meses
sera 72 QUEJAS.



EJERCICIOS DEL LIBRO DE NORMAN GAITHER

4.- Una empresa necesita desarrollar un pronstico de ventas para el ao
siguiente para sus ventas de vehculos recreativos. Suponga que sus ventas
anuales estn relacionada con las ventas de su sector industrial y ha preparado
estos datos histricos.
Ventas del sector
industrial
(Millones de dlares)
Ventas anuales de la empresa
(Nmero de vehculos
recreativos)
536 98
791 137
650 112
813 145
702 120
575 103
684 116

Si la estimacin de las ventas para el sector industrial del ao que viene es de 725 millones de
dlares, utilice una regresin lineal simple para pronosticar la demanda anual de vehculos
recreativos de la empresa para dicho ao.
Definiendo la tabla de datos:

X Y X^2 XY
536 98 287296 52528
791 137 625681 108367
650 112 422500 72800
813 145 660969 117885
702 120 492804 84240
575 103 330625 59225
684 116 467856 79344
= 4751 831 3287731 574389

Estableciendo la ecuacin:



Determinando por grfica:

Reemplazando el valor correspondiente al ao siguiente para el pronstico:

5.- En el problema 3, IPC se pregunta si el anlisis de regresin de la serie de
tiempo es mejor manera de pronosticas las ventas del ao que viene. Estn
examinando los siguientes datos de la industria:
AO INGRESOS POR
VENTAS DE PC
XT(MILLONES DE
DOLARES)
INGRESOS POR
VENTAS DE PC EN
TODA LA INDUSTRIA
(MILES DE MILLONES
DE DOLARES)
1 2.4 4.6
2 5.9 8.6
3 15.5 10.7
4 2.8 14.8
5 35.9 18.5
6 38.1 19.4

a.) Haga un anlisis de regresin entre los ingresos por ventas anuales de computadoras
personales XT y los ingresos por ventas anuales de PC en toda la industria. Cul es el
pronstico de ingresos por ventas del ao que viene (ao 7) para las computadoras
personales XT, si la estimacin del siguiente ao de ingresos por ventas de PC para
toda la industria es de 21.900 millones de dlares?
y = 0.1643x + 7.1979
0
20
40
60
80
100
120
140
160
0 200 400 600 800 1000
Series1
Linear (Series1)


b.) Qu pronstico el pronstico de serie de tiempo del problema 3 o el pronstico de
este problema- parecera ser mejor? Por qu?

MES(X)
VENTAS(PC XT)
(Y) X^2 XY

1 2.4 1 2.4

2 5.9 4 11.8

3 15.5 9 46.5

4 2.8 16 11.2

5 35.9 25 179.5

6 38.1 36 228.6
TOTAL 21 100.6 91 480

a= -8.813333333

b= 7.308571429

y= a+bx

Por tanto el pronstico para el mes 7mo es:

Y7= -8.813333333 + 7.308571429(7)

Y7= 42.34666667

La venta es 42.34666667 millones de dlares.

6.) La Comfort Zone Company (CZC) es un fabricante mediano con 10 aos de
antigedad de equipo de calefaccin y enfriamiento. Las ventas estn creciendo
con rapidez y es necesario incrementar la capacidad de produccin. La gerencia
de la empresa se pregunta si los datos nacionales de construccin de vivienda
pudieran resultar un buen indicador de las ventas anuales de la empresa.
Ao Construccin de Viviendas
(millones)
Ventas anuales de Comfort
Zone (millones de dlares)
1 2.1 230
2 1.8 215
3 2.4 270
4 2.8 310
5 3.1 360
6 2.6 370


7 2.4 375

a) Desarrolle un anlisis de regresin simple entre las ventas de CZC y la construccin de
viviendas. Pronostique las ventas de CZC durante los siguientes dos aos. El National Home
Builders Association estima que la inversin en construccin de viviendas ser de 2.6
millones y de 3.0 millones para los dos aos siguientes.
b) Qu porcentaje de variacin en ventas de CZC queda explicado por la inversin en
construccin de viviendas?
c) Recomendara usted que CZC utilizar el pronstico del inciso para planear una expansin
de las instalaciones? Por qu? Qu podra hacerse para mejorar el pronstico?
Solucin:
a)
X Y X2 XY Y2
2.1 230 4.41 483 52900
1.8 215 3.24 387 46225
2.4 270 5.76 648 72900
2.8 310 7.84 868 96100
3.1 360 9.61 1116 129600
2.6 370 6.76 962 136900
2.4 375 5.76 900 140625
17.2 2130 43.38 5364 675250

a

a = 17.724

b

b = 116.624
y = 17.724 + 116.624X



La ecuacin de regresin para el ao 1 es:
y = 17.724 + 116.624X
y = 17.724 + 116.624(2.6)
y = 320.946

La ecuacin de regresin para el ao 2 es:
y = 17.724 + 116.624X
y = 17.724 + 116.624(3)
y = 367.596

b)
r

r = 0.748
Existe una relacin positiva fuerte entre el ao y los nacimientos.
r
2
= (0.748)
2
* 100%
r
2
= 56%

c) S, porque el coeficiente de correlacin es de 0.76, es decir los clculos son confiables, ya
que las ventas estn en crecimiento es fiable la expansin de las instalaciones, porque as se
obtendr mayores ventas y habr mayores ingresos para la empresa.
8. La planea de IPC estima la demanda semanal de los muchos materiales que
tiene en inventario. Est estudiando uno de estos componentes, el CTR 5922.
Las 12 semanas ms recientes de demanda para el CTR 5922 son:
SEMANA
DEMANDA
(UNIDADES)
SEMANA
DEMANDA
(UNIDADES)
SEMANA
DEMANDA
(UNIDADES)
SEMANA
DEMANDA
(UNIDADES)
1 169 4 171 7 213 10 158
2 227 5 163 8 175 11 188


3 176 6 157 9 178 12 169

Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con un promedio de
tres semanas, para desarrollar para la semana 13 un pronstico de la demanda para el
componente CRT 5922.
SEMANAS DEMANDA REAL
(UNIDADES)
3 SEMANA DESVIACION 3
SEMANA
1 169
2 227
3 176
4 171
5 163
6 157
7 213
8 175
9 178
10 158
11 188
12 169
13 166 171.667 2.667

Con un promedio de tres semanas, para desarrollar para la semana 13 el pronstico de la
semana 13 es 166 unidades

9.- Holiday Lodge es un gran hotel y casino en Lago Tahoe, California. El hotel es
relativamente nuevo, dos aos, y el gerente est intentando desarrollar un plan
para el personal del departamento de mantenimiento. El gerente del hotel
desea utilizar dos aos de datos que aparecen a continuacin para pronosticar
con un mes de
anticipacin la cantidad de llamadas para mantenimiento



a.- Desarrolle pronsticos de promedio mvil para los ltimos 10 meses (meses 15- 24) con
numero de promedios promediados de 2, 4, 6 y 8 meses
MES LLAMADAS POR
MANTENIMIENTO
MES 2 MES 4 MES 6 MES 8
1 46
2 39
3 28
4 21
5 14
6 16
7 14
8 13
9 9
10 13
11 18
12 15
13 12
14 6
15 19 9 12,75 12,17 12,50
16 9 12,5 13 13,83 13,13
17 12 14 11,5 13,17 12,63
18 14 10,5 11,5 12,17 13,00
19 16 13 13,5 12,00 13,13
20 12 15 12,75 12,67 12,88
21 13 14 13,5 13,67 12,50
22 9 12,5 13,75 12,67 12,63
23 14 11 12,5 12,67 13,00
24 15 11,5 12 13,00 12,38

b.- Que cantidad de periodos promediados da como resultado el error de pronostico medio
absoluto ms bajo? Que numero de periodos promediados recomienda usted? Porque?



RESPUESTA:
Se recomienda el promedio mvil de 8 meses ya que este tiene el pronstico medio absoluto
ms bajo siendo este 2.38

c.- Utilizando la cantidad de periodos promediados que usted recomienda, pronostique el
nmero de llamadas para mantenimiento pera en mes siguiente?

10. El gerente del Holiday Lodge del problema 9 se pregunta si los datos del
pasado ms reciente tiene mayor importancia que los ms antiguos. Suponga
que la cantidad de llamadas para mantenimiento del mes 25 se pondera 0.5 y
los pesos de los meses anteriores se reducen de manera secuencial por un
factor de 0.5 (es decir, 0.5 , 0.25, 0.125,etctera).

1 46
2 39
3 28
4 21
5 14
6 16
7 14
8 13
9 9
10 13
11 18
12 15
13 12
14 6
15 19 9,00 12,75 12,17 12,50 10,00 6,25 6,83 6,50
16 9 12,50 13,00 13,83 13,13 3,50 4,00 4,83 4,13
17 12 14,00 11,50 13,17 12,63 2,00 0,50 1,17 0,63
18 14 10,50 11,50 12,17 13,00 3,50 2,50 1,83 1,00
19 16 13,00 13,50 12,00 13,13 3,00 2,50 4,00 2,88
20 12 15,00 12,75 12,67 12,88 3,00 0,75 0,67 0,88
21 13 14,00 13,50 13,67 12,50 1,00 0,50 0,67 0,50
22 9 12,50 13,75 12,67 12,63 3,50 4,75 3,67 3,63
23 14 11,00 12,50 12,67 13,00 3,00 1,50 1,33 1,00
24 15 11,50 12,00 13,00 12,38 3,50 3,00 2,00 2,63
PROMEDIO= 36,00 26,25 27,00 23,75
MAD= 3,60 2,63 2,70 2,38
8 MESES
DESVIACION
2 MESES
DESVIACION
4 MESES
DESVIACION
6 MESES
DESVIACION
8 MESES
LLAMADAS POR
MANTENIMIENTO
MES 2 MESES 4 MESES 6 MESES
25 13,13


a) Desarrolle los pesos o coeficiente de ponderacin utilizarse en el pronstico de
promedios mviles ponderados.

b) Utilice los pesos del inciso a para pronosticar la cantidad de llamadas para
mantenimiento para el mes de 25 de los datos del problema 9 si la cantidad de
periodos promediados =10.
a)
Pronostico para cada MES
MES LLAMADAS POR
MANTENIMIENTO
MES 2 MES 4 MES 6 MES 8
15 19 0.5 0.25 0.125 0.0625
16 9
17 12 PESOS PARA CADA MES
18 14
19 16
20 12
21 13
22 9
23 14
24 15

b)

PRONSTICOS MAD

MES 2 MES 4 MES 6 MES 8 MES 2 MES 4 MES 6 MES 8
MES
LLAMADAS POR
MANTENIMIENTO
PESOS PARA CADA MES PESOS PARA CADA MES
0.5 0.25 0.125 0.0625 0.5 0.25 0.125 0.0625
15 19 19 19 19 19 0 0 0 0
16 9 19 19 19 19 10 10 10 10
17 12 14 16.5 17.75 9.63 2 4.5 5.8 2.4
18 14 13 13.5 13.75 12.13 1 0.5 0.3 1.9
19 16 13.5 13.3 13.13 13.94 2.5 2.8 2.9 2.1
20 12 14.8 14.1 13.81 15.84 2.8 2.1 1.8 3.8
21 13 13.4 14.1 14.41 12.17 0.4 1.1 1.4 0.8


22 9 13.2 13.3 13.33 13.02 4.2 4.3 4.3 4.0
23 14 11.1 12.1 12.66 9.26 2.9 1.9 1.3 4.7
24 15 12.5 11.8 11.46 13.82 2.5 3.2 3.5 1.2
25 13.8 13.2 12.85 14.85

sumatoria MAD 28.2 30.3 31.3 30.9

R: La cantidad de llamadas para el MES 25 es de 14 de acuerdo al pronostico de 2 meses
basado en el valor menor del MAD
11. La cantidad de auditores fiscales que necesita el Internal Revenue Service
de Texas vara de un trimestre a otro. Los ltimos 12 trimestres aparecen a
continuacin:
Ao Trimestre Auditores
1
1 132
2 139
3 136
4 140
2
1 134
2 142
3 140
4 139
3
1 135
2 137
3 139
4 141

a. Utilice los promedios mviles para pronosticar la cantidad de auditores que se
necesitan durante el trimestre siguiente, si la cantidad de periodos promediados=2, si
el nmero de periodos promediados=4, y si la cantidad de periodos promediados=6.
b. Cul de estos pronsticos, con base en la desviacin media absoluta, despliega mayor
precisin de pronstico a lo largo de los ltimos seis trimestres de datos histricos?
RESPUESTA
a.
Pronostico con cantidad de periodos promediados = 2


Trimestre Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141

Trimestre Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141



Trimestre Auditores
1 132
2 139
3 136
4 140
5 134
6 142
7 140
8 139
9 135
10 137
11 139
12 141

b.

Ao Trimestre Auditores 2
periodos
4
periodos
6
periodos
Desviacion
2 periodos
Desviacion
4 periodos
Desviacion
6 periodos
1 1 132
2 139
3 136 135.5


4 140 137.5
2 1 134 138 136.75
2 142 137 137.25
3 140 138 138 137.16667 2 2 2.8333333
4 139 141 139 138.5 2 0 0.5
3 1 135 139.5 138.75 138.5 4.5 3.75 3.5
2 137 137 139 138.33333 0 2 1.333333
3 139 136 137.75 137.83333 3 1.25 1.1666667
4 141 138 137.5 138.66667 3 3.5 2.3333333
Desviacin
absoluta
total
14.5 12.5 11.666666
MAD 2.41666667 2.0833333 1.9444444

Con base a la desviacin media absoluta a lo largo de los ltimos 6 trimestres de datos
histricos se obtiene que el ms preciso es aquel que se realiz con periodos promediados =6,
ya que al igual que el erros estndar, mientras ms bajos sean los valores obtenidos, el modelo
de pronsticos es mejor.

12.- Utilizando los datos del problema 2, determine si deber utilizarse un
numero de periodos promediados=1, una cantidad de periodos
promediados=2, o una cantidad de periodos promediados=4 para desarrollar
pronsticos de promedio mvil, de forma que el MAD de los ltimos cuatro
periodos se reduzca al mnimo. Considerando el patrn de datos del pasado.
por qu se esperara que este valor de la cantidad de periodos nos diera una
precisin de pronostico mayor?



13.- The Sporting Charge Company adquiere grandes cantidades de cobre que
se emplean en sus productos manufacturados. Bill Bray est desarrollando un
sistema de pronstico para los precios del cobre. Ha acumulado estos datos
histricos.

MES
PRECIO DEL
COBRE/LIBRA $ MES
PRECIO DEL
COBRE/LIBRA $
1 0,99 9 0,98
2 0,97 10 0,91
3 0,92 11 0,89
4 0,96 12 0,94
5 0,93 13 0,99
6 0,97 14 0,95
7 0,95 15 0,92
8 0,94 16 0,97

a. Utilice la suavizacin exponencial para pronosticar los precios mensuales del cobre.
Calcule cuales hubieran sido los pronsticos para todos los meses de datos histricos
con =0,1; =0,3 y =0,5 si para todas las el pronstico del primer mes fue de 99
centavos de dlar.

Si Entonces:

AO NACIMIENTO 1 2 4 DESVIACION 1 DESVIACION 2 DESVIACION 4
1 565
2 590
3 583
4 597
5 615 597 590 583,75 18 25 31,25
6 611 615 606 596,25 4 5 14,75
7 610 611 613 601,5 1 3 8,5
8 623 610 610,5 608,25 13 12,5 14,75
SUMA= 36 45,5 69,25
MAD= 9 11,38 17,31


PRONSTICOS MAD
MES PRECIO DEL COBRE/LIBRA $ =0,1 =0,3 =0,5 =0,1 =0,3 =0,5
1 0,99 0,990 0,990 0,990 0,000 0,00 0,00
2 0,97 0,990 0,990 0,990 0,020 0,02 0,02
3 0,92 0,988 0,984 0,980 0,068 0,06 0,06
4 0,96 0,981 0,965 0,950 0,021 0,00 0,01
5 0,93 0,979 0,963 0,955 0,049 0,03 0,02
6 0,97 0,974 0,953 0,943 0,004 0,02 0,03
7 0,95 0,974 0,958 0,956 0,024 0,01 0,01
8 0,94 0,971 0,956 0,953 0,031 0,02 0,01
9 0,98 0,968 0,951 0,947 0,012 0,03 0,03
10 0,91 0,969 0,960 0,963 0,059 0,05 0,05
11 0,89 0,963 0,945 0,937 0,073 0,05 0,05
12 0,94 0,956 0,928 0,913 0,016 0,01 0,03
13 0,99 0,955 0,932 0,927 0,035 0,06 0,06
14 0,95 0,958 0,949 0,958 0,008 0,00 0,01
15 0,92 0,957 0,950 0,954 0,037 0,03 0,03
16 0,97 0,954 0,941 0,937 0,016 0,03 0,03

= 0,476 0,426 0,461

MAD 0,030 0,027 0,029

b. Qu valor de alfa () resulta a lo largo del perodo de 16 meses en una desviacin
media absoluta ms baja?
La desviacin media absoluta ms baja se determina por:

Dato que ya se encuentra registrado en la tala anterior y muestra que:
El =0,3 tiene una desviacin media absoluta de 0,027 siendo sta las ms baja de las
tres pues MAD 0,1= 0,03 y MAD 0,5=0,029
c. Utilizando el alfa () del inciso b pronostique el precio del cobre para el mes 17.

Para el =0,3 el pronstico es:

15.-En el problema 8, si se utiliza una constante de suavizacin de 0.25 y el
pronstico de suavizacin exponencial de la semana 11 fue de 170.76 unidades,
Cul es el pronstico de suavizacin exponencial correspondiente a la semana 13?



SEMANAS DEMANDA
REAL
(UNIDADES)
=0.25
1 169
2 227
3 176
4 171
5 163
6 157
7 213
8 175
9 178
10 158
11 188 170.76
12 169 175.07
13 166 173.55

SEMANA 12

SEMANA 13

16.- En los problemas 8 y 15, Cul seria el mtodo de pronostico preferido: el
mtodo de promedios mviles con cantidad de periodos promediados =3, o el
mtodo de suavizamiento exponencial, con ? el criterio para elegir
entre los mtodos es la desviacin media absoluta a lo largo de las nueve
semanas mas recientes. Suponga que el pronstico de suavizamiento
exponencial para la semana 3 es la misma que la demanda real
Promediados =3

Semanas Demanda Pronostico=3 Desviacion
1 169
2 227


3 176
4 171 190,667 19,667
5 163 191,333 28,333
6 157 170,000 13,000
7 213 163,667 49,333
8 175 177,667 2,667
9 178 181,667 3,667
10 158 188,667 30,667
11 188 170,333 17,667
12 169 174,667 5,667
Desviacin Total
Absoluta 170,667
Desviacin Media
Absoluta 1.70

13 169 171,667

14 169 175,333

15 169 169,000

Con
Semanas Demanda
Pronostico
=0,25 Desviacin
1 169 169 0
2 227 169 58
3 176 170,75 5,25
4 171 172,06 1,06
0
50
100
150
200
250
0 5 10 15 20
Series1


5 163 172,04 9,04
6 157 169,78 12,78
7 213 166,58 46,42
8 175 178,19 3,19
9 178 177,39 0,61
10 158 177,54 19,54
11 188 172,66 15,34
12 169 176,49 7,49
Desviacin Total
Absoluta 178,718
Desviacin Media
Absoluta 1.78

13 169 174,620

14 169 173,215

15 169 172,161

El mtodo de pronostico preferido es el mtodo de suaviza miento exponencial con ya
que es el mejor se adapta al estudio de los componente de CRT 5922

17.- Utilizando los datos del problema dos, determonar si para desarrollar
pronosticos de suavizamiento exponenial deberia utilizarse una constante de
suavizamiento exponencial = 0.1, = 0.5, = 0.9 de forma que MAD quede
0
50
100
150
200
250
0 5 10 15 20
Series1


minimizado a lo largo de ocho periodos. Suponga que el periodo del primer
periodo es de 565. Por que se habria previsto que este valor de tendria la
mejor presicion del pronostico.

PRONOSTICO MAD
AO NACIMIENTOS = 0.1 = 0.5 = 0.9 = 0.1 = 0.5 = 0.9
1 565 565 565 565 0 0 0
2 590 565 565 565 25 25 25
3 583 567,5 565 565 15,5 18 18
4 597 569,05 566,25 565 27,95 30,75 32
5 615 571,845 567,65 565,625 43,155 47,35 49,375
6 611 576,1605 569,7475 566,6375 34,8395 41,2525 44,3625
7 610 579,64445 572,954 568,1925 30,35555 37,046 41,8075
8 623 582,680005 576,299225 570,57325 40,319995 46,700775 52,42675
MAD 217,120045 246,099275 262,97175
MAD 27,1400056 30,7624094 32,8714688

EL INDICE DE RESPUESTA DESEADO () DE 0.1 ES LA MEJOR CONSTANTE DE SUAVIZACION
DE LOS TRES. YA QUE NOS DA EN PROMEDIO LA MENOR DESVIACION ABSOLUTA A
COMPARACION CON LA =0.5, =0.9

18.- Utilice los datos del problema 2 para desarrollar un pronstico para el ao
9, utilizando el modelo de suavizacin exponencial con tendencia. Inicie su
anlisis en el ao 4; FT= 497, T4= 7, = 0.4 y = 0.3
AO NACIMIENTO Tt =0,30 Ft =0,40 FITt
1 565
2 590
3 583
4 597 7,00 497,00 504,00
5 615 18,16 541,20 559,36
6 611 24,84 581,62 606,45
7 610 25,38 608,27 633,65


8 623 22,54 624,19 646,74
9 19,70 637,24 656,94

19. Utilice los datos del problema 3 para desarrollar un pronstico para el ao 7
utilizando el modelo de suavizacin exponencial con tendencia. Indique su
anlisis en el ao 1 y suponga que =0.3 y =0.2. Estime FT1 y T1 como en el
ejemplo 3.7.

INGR.
VENTAS

AO (MILLONES)

t At
FTt + (At - FTt) = St
1 2,4 2.4 + 0.3(2.4 - 2.4) = 2.4
2 5,9 9.6 + 0.3(5.9 - 9.6) = 8.49
3 15,5
15.7 + 0.3(15.5 - 15.7) = 15.6
4 27,8
22.6 + 0.3(27.8 - 22.6) = 24.2
5 35,9
31.1 + 0.3(35.9 - 31.1) = 32.5
6 38,1
39.8 + 0.3(38.1 - 39.8) = 39.3

INGR.
VENTAS

AO (MILLONES)

t At
Tt-1 + (FTt -
FTt-
1) -
Tt-
1)
= Tt
1 2,4

7.2
2 5,9
7.2 + 0.2(9.6 - 2.4 - 7.2
= 7.2
3 15,5
7.2 + 0.2(15.7 - 9.6 - 7.2
= 6.98
4 27,8
6.98 + 0.2(22.6 - 15.7 - 6.98
= 6.9
5 35,9 6.9 + 0.2(31.1 - 22.6 - 6.9 = 7.22
6 38,1 7.22 + 0.2(39.8 - 31.1 - 7.22 = 8.7

INGR.
VENTAS

AO (MILLONES)

t At St-1 + Tt-1 = FTt
1 2,4

= 2.4
2 5,9 2.4 + 7.2 = 9.6
3 15,5 8.49 + 7.2 = 15.7


4 27,8 15.6 + 6.98 = 22.6
5 35,9 24.2 + 6.9 = 31.1
6 38,1 32.5 + 7.22 = 39.8
6 - 39.3 + 8.7 = 48

20.-General Computer Services (GCS) suministra en la regin de Seattle,
Washington, servicios de cmputo a pequeos fabricantes, bajo pedido. Los
trabajos generalmente incluyen procesamientos rutinarios de datos y de
cmputo para aumentar el aprovechamiento de las computadoras en las
instalaciones de los clientes. Un analista de produccin de GCS ha desarrollado
una ecuacin de regresin lineal que estima el nmero de horas de facturacin
de una orden de servicio:

Dnde:
Cantidad de horas de facturacin por orden de servicio
Cantidad de rdenes en el pasado del cliente durante los ltimos cinco aos
Numero de la semana en el mes cuando se recibi la orden (1, 2, 3, 4)
Inverso del nmero de empleados de servicio de computacin en las instalaciones del

cliente
0.89
a. Estime la cantidad de horas de facturacin requeridas en la siguiente orden, donde
2, y
.
b. Cul es el significado de
?
RESPUESTA:
a.

b.
El coeficiente de determinacin
es un parmetro que permite decidir si el ajuste lineal es

suficiente o se deben buscar modelos alternativos, en este caso el valor de 0.89 expresa que el
89% de la variacin total de la variable dependiente y queda explicada por x o por la lnea de
tendencia


22. La Burling Company ha observado que sus ventas mensuales parecen estar
relacionadas con el nmero de vendedores que contrata, con la cantidad
gastada por publicidad y con el precio de su producto. Ha desarrollado un
modelo de pronsticos de ventas de regresin mltiple.

Dnde:
Cantidad de unidades vendidas en un mes
= cantidad de vendedores contratados
Monto de dlares desembolsado en publicidad en un mes
Precio cargado por una unidad de producto

El gerente de ventas de Burling desea un pronstico de ventas para el mes siguiente, si se
utilizan 17 vendedores, se desembolsan 21 mil dlares en publicidad y el precio se fija en
31.99 dlares.
a) Utilice un modelo de pronstico de regresin mltiple para desarrollar un pronstico
para el nmero de unidades del producto que se vendern el mes siguiente.
b) Explique sus supuestos implcitos en su pronstico.
a)

Para el siguiente mes luego de obtener un pronstico de regresin lineal mltiple se obtiene
un valor de 13352.748 unidades vendidas
b)
Mientras exista una mayor cantidad de vendedores a la ves tambin se desembolsar mayor
cantidad de dlares en publicidad para lo cual mediante el pronstico se quiere establecer que
exista una disminucin en el precio cargado por cada unidad la misma que permite una menor
dificultad en el instante de pronosticar y obtener una mayor ganancia en la cantidad de
unidades que se venden al mes.

23.-De los datos del problema 2:
a. Calcule el error estndar del pronstico.
b. Determine los lmites de confianza superior e inferior que se pueden
estimar para el pronstico del ao 11 si se utiliza un nivel de
significancia de 0.01.



Datos:
x y x^2 xy y^2
1 565 1 565 319225
2 590 4 1180 348100
3 583 9 1749 339889
4 597 16 2388 356409
5 615 25 3075 378225
6 611 36 3666 373321
7 610 49 4270 372100
8 623 64 4984 388129
suma 36 4794 204 21877 22982436

a= 566,68
b=7,24
Para el ao 11
y=566,68+7,24(11)
y= 646,32

Solucin
a.
Syx=

Syx=
Syx= 1830,636

b.
Limite superior
Ls= YL1 + t Syx
Ls= 646,32 + (0.01) 1830,636
Ls= 664,626

Limite inferior


Li= YL1 +-t Syx
Li= 646,32 - (0.01) 1830,636
Li=628,013

24.- De los datos del problema 3. Cul es el rango del pronstico para el ao
siguiente si solo utiliza un intervalo de confianza del 95%?
Integrated Products Coporation (IPC) necesita estimar sus ventas del prximo
ao. La siguiente tabla contiene los ingresos de la lnea de computadoras XT de
la empresa de los ltimos seis aos.

a. Suponiendo que los datos de ventas arriba citados sean representativos de las ventas
que se esperan el ao siguiente, utilice un anlisis de regresin de serie tiempo para
pronosticar los ingresos por ventas de ese ao (ao 7)
x y

560
580
600
620
640
660
680
0 2 4 6 8 10 12
Series1
Limites
Ao Ingreso de ventas (millones de
dlares)
1 2.4
2 5.9
3 15.5
4 27.8
5 35.9
6 38.1
Ls
Li



xy

1 2,4 2,4 1 5,76
2 5,9 11,8 4 34,81
3 15,5 46,5 9 240,25
4 27,8 111,2 16 772,84
5 35,9 179,5 25 1288,81
6 38,1 228,6 36 1451,61
21 125,6 580 91 3794,08

El pronstico para el ao 7 es: 49
b. Determine el coeficiente de correlacin de los datos e interprete su significado
r

Los aos con los ingresos son directamente proporcionales, es decir conforme aumentan los
aos, los ingresos tambin lo hacen
c. Determine el coeficiente de determinacin de los datos e interprete su significado

Existe un alto grado de confiabilidad en los resultados obtenidos por el pronstico

RANGO DEL PRONSTICO CON UN NIVEL DE CONFIANZA DEL 95%



Df= 6-2=4

25.- De los datos del problema 5;
a.- Si usted todava no lo ha hecho, calcule el pronstico de los ingresos por
venta de IPC para el ao que viene.
b.- Cul es el rango de modelo de pronstico de ingresos de ventas de IPC para
el ao que viene si se utiliza un nivel de significancia de 0.01% (un intervalo de
confianza de 99%)?

Ao
Ingresos por ventas de PC
XT
(millones de dlares)
Ingresos por ventas de PC
en toda la Industria
(miles de millones de
dlares)
1 2.4 4.6
2 5.9 8.6
3 1505 10.7
4 27.8 14.8
5 35.9 18.5
6 38.1 19.4

Regresin de mnimos cuadrados para pronosticar el ao siguiente.


n Ao
(x)
Ingresos por
ventas de PC
XT (millones
de dlares)
(y)
Ingresos
por ventas
de PC en
toda la
Industria
(miles de
millones de
dlares)
x^2 y^2 x*y
1 1 2,40 4,60 1,00 5,76 2,40 20,93
2 2 5,90 8,60 4,00 34,81 11,80
3 3 15,50 10,70 9,00 240,25 46,50 X media
4 4 27,80 14,80 16,00 772,84 111,20
5 5 35,90 18,50 25,00 1288,81 179,50 3,50
6 6 38,10 19,40 36,00 1451,61 228,60
SUMA
=
21,00 125,60 76,60 91,00 3794,08 580,00

X media^2

12,25
b = 8,02 a = -7,15 Y = -7,12 -8,02x

n Ao Pronstico
7 Y7 = 49,01
8 Y8 = 57,04
9 Y9 = 65,06
10 Y10 = 73,08

b) El rango de modelo de pronstico de ingresos de ventas de IPC para el ao que viene si se
utiliza un nivel de significancia de 0.01% (un intervalo de confianza de 99%).

n Ao (x)
Ingresos por
ventas de PC
en toda la
Industria
(miles de
millones de
dlares)

1 1 4,60



2 2 8,60

3 3 10,70 n Ao Pronstico
4 4 14,80 7 Y7 = 49,01
5 5 18,50

6 6 19,40

FITt-1
=
19,40

=
0,01

Ft = 49,01

Tt = 6,2961

Tt-1 = 6

27 un fabricante de computadoras desea desarrollar los pronsticos
trimestrales de los ingresos por ventas del ao siguiente de su lnea de
computadoras personales. La empresa cree que los ocho trimestres ms
recientes de ventas deben ser representativos de las ventas del prximo ao:

Utilice el anlisis de regresin de series de tiempo estacionalizadas para desarrollar un
pronstico de los ingresos por ventas que viene para la lnea de computadoras personales.

ao trimestre ventas(millones
de dlares
ao trimestre ventas(millones de
dlares
1 1 9,2 2 1 10,3
1 2 5,4 2 2 6,4
1 3 4,3 2 3 5,4
1 4 14,1 2 4 16

trimestres
ao 1 2 3 4
1 9,2 5,4 4,3 14,1 33
2 10,3 6,4 5,4 16 38,1
19,5 11,8 9,7 30,1 71,1


promedio 9,75 5,9 4,85 15,05 35,55
I=suma de todos los datos dividido para el numero de datos
I=8,8875
Id= promedio/I

ndice
estacionario
1,09704641 0,66385373 0,54571027 1,69338959

Nuevo=demanda real/ndice

datos desestacionalizados
ao 1 2 3 4
1 8,38615385 8,13432203 7,87963918 8,32649502
2 9,38884615 9,64067797 9,89536082 9,44850498

Regresin Lineal
trimestre "X" ventas "Y" x xy y
1 8,38615385 1 8,38615385 70,3275763
2 8,13432203 4 16,2686441 66,167195
3 7,87963918 9 23,6389175 62,0887135
4 8,32649502 16 33,3059801 69,3305193
5 9,38884615 25 46,9442308 88,1504321
6 9,64067797 36 57,8440678 92,9426716
7 9,89536082 49 69,2675258 97,9181659
8 9,44850498 64 75,5880399 89,2742464
36 71,1 204 2559,6 636,19952

y = 0.2689x + 7.6775
R = 0.7065
0
2
4
6
8
10
12
0 2 4 6 8 10
Series1
Linear (Series1)


Y=ax+b
a 0,2689 b= 7,6775

Y= 0,2689x+7,6775
pronostico ndice
pronostico estacionalizado

trimestre "X" ao ventas "Y" estacional estacionalizado
9 1 8,38615385 10,0976 1,09704641 11,0775359
10 1 8,13432203 10,3665 0,66385373 6,88183966
11 1 7,87963918 10,6354 0,54571027 5,80384698
12 1 8,32649502 10,9043 1,69338959 18,4652281
13 2 9,38884615 11,1732 1,09704641 12,257519
14 2 9,64067797 11,4421 0,66385373 7,59588073
15 2 9,89536082 11,711 0,54571027 6,39081294
16 2 9,44850498 11,9799 1,69338959 20,286638

Todos los datos con estacionalidad
x y
1 9,2
2 5,4
3 4,3
4 14,1
5 10,3
6 6,4
7 5,4
8 16
9 11,0775359
10 6,88183966
11 5,80384698
12 18,4652281
13 12,257519
14 7,59588073
15 6,39081294


16 20,286638

28.-) U n distribuidor de tractores ha estado operando durante tres aos y
medio y necesita estimar las ventas del ao que vine. Las ventas de los aos
pasados han tendido a ser estacionales como se observa a continuacin.
Ao Ventas trimestrales (nmero de productos)
Q1 Q2 Q3 Q4
1 32
2 49 72 114 41
3 55 88 135 44
4 60 93 149 49
5 63

a.-) Desarrolle pronsticos para los siguientes cuatro trimestres.
Ao
Ventas trimestrales (nmero de productos)

Q1 Q2 Q3 Q4 Total anual
1 0 0 0 32
32
2 49 72 114 41
276
3 55 88 135 44
322
4 60 93 149 49
351
5 63 0 0 0
63
Totales 227 253 398 166 1044
Promedio Trimestral 45,4 50,4 79,6 33,2 52,2
Indice de
Estracionalidad
0,87 0,97 1,52 0,64

0
5
10
15
20
25
0 5 10 15 20
Series1


Ao
Datos trimestrales ajustados desestacionalizados
Q1 Q2 Q3 Q4
1 0 0 0 50
2
56,32 74,23 75,00 64,06
3
63,22 90,72 81,82 68,75
4
68,97 95,88 98,03 76,56
5
72,41 0 0 0

Periodos
x y y^2 x^2 xy
Ao 1 1 0 0 1 0
Ao 1 2 0 0 4 0
Ao 1 3 0 0 9 0
Ao 1 4 50 2500 16 200
Ao 2 5 56,32 3171,9424 25 281,6
Ao 2 6 74,23 5510,0929 36 445,38
Ao 2 7 75 5625 49 525
Ao 2 8 64,06 4103,6836 64 512,48
Ao 3 9 63,22 3996,7684 81 568,98
Ao 3 10 90,72 8230,1184 100 907,2
Ao 3 11 81,82 6694,5124 121 900,02
Ao 3 12 68,75 4726,5625 144 825
Ao 4 13 68,97 4756,8609 169 896,61
Ao 4 14 95,88 9192,9744 196 1342,32
Ao 4 15 98,03 9609,8809 225 1470,45
Ao 4 16 76,56 5861,4336 256 1224,96
Ao 5 17 72,41 5243,2081 289 1230,97
Ao 5 18 0 0 324 0
Ao 5 19 0 0 361 0
Ao 5 20 0 0 400 0
Totales 210 1035,97 79223,0385 2870 11330,97



Pronsticos descentralizados para los siguientes 4 trimestres:

Trimestres IE
Pronsticos
Descentralizados
Pronsticos
Estacionalizados
Q1 0,87 58,962 51,3
Q2 0,97 59,644 57,86
Q3 1,52 60,325 91,69
Q4 0,64 61,01 39,05

30. El siguiente es el nmero de cajas de vino merlot vendidos en la vinatera
Connor Owen en un perodo de 8 aos.

Estime el valor de uniformidad calculado a fines de 2001, usando un modelo de suavizacin
exponencial con un valor alfa de 0.20. Use la demanda promedio de 1998 a 2000 conforme su
pronstico inicial.

AOS
DEMANDA
REAL PRONSTICO() MAD
(UNIDADES) 0,20 = 0,20
1998 270 270,000 0,000
1999 356 270,000 86,000
2000 398 287,200 110,800
2001 456 309,360 146,640
2002 358 338,688 19,312
2003 500 342,550 157,450


2004 410 374,040 35,960
2005 376 381,232 5,232

DESVIACIN ABS.
TOTAL 561,394

MAD 70,174

PROMEDIO(1998-
2000) 341,3333
MAD 68,2667

Deber Final Presentar

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Deber Final Presentar

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD TCNICA DE AMBATO

FACULTAD DE INGENIERA EN SISTEMAS, ELECTRNICA E INDUSTRIAL

Numero de la semana en el mes cuando se recibi la orden (1, 2, 3, 4)

Inverso del nmero de empleados de servicio de computacin en las instalaciones del

es un parmetro que permite decidir si el ajuste lineal es

= cantidad de vendedores contratados

Monto de dlares desembolsado en publicidad en un mes

Precio cargado por una unidad de producto

You might also like