La empres xyz desea determinar si el pronostico realizado por el gerente de produccion es acertado para ello s

siguientes datos:

DEMANDA PRONOSTICO ERROR

132 127 5
141 130 11
137 133 4
159 135 24
146 139 7
162 144 18
166 149 17
175 155 20
194 161 33
181 169 12

REGRESION LINEAL

PERIODO (X) DEMANDA (Y) X2 Y2

1 132 1 17424
2 141 4 19881
3 137 9 18769
4 159 16 25281
5 146 25 21316
6 162 36 26244
7 166 49 27556
8 175 64 30625
9 194 81 37636
10 181 100 32761

55 1593 385

DEMANDA PRONOSTICO ERROR VALOR ABSOLUTO

132 131.0 1.0363636364 1.0363636364
141 137.3 3.7393939394 3.7393939394
137 143.6 -6.5575757576 6.5575757576
159 149.9 9.1454545455 9.1454545455
146 156.2 -10.1515151515 10.1515151515
162 162.4 -0.4484848485 0.4484848485
166 168.7 -2.7454545455 2.7454545455
175 175.0 -0.0424242424 0.0424242424
194 181.3 12.6606060606 12.6606060606
181 187.6 -6.6363636364 6.6363636364
r el gerente de produccion es acertado para ello suministra los

VALOR ABSOLUTO MAD SR

5 5 1
11 8 2
4 6.6666666667 3
24 11 4
7 10.2 5
18 11.5 6
17 12.2857142857 7
20 2.5 42.4
33 15.4444444444 9
12 15.1 10

ION LINEAL
A
124.666667
XY PRONOSTICO
132 131.0
282 137.3
411 143.6 B
636 149.9 6.3
730 156.2
972 162.4 Y
1162 168.7 131.0
1400 175.0
1746 181.3
1810 187.6

9281

MAD SR
1.0363636364 1
2.3878787879 2
3.7777777778 -0.471657754
5.1196969697 1.4382953537
6.1260606061 -0.4550850811
5.1797979798 -0.6248049922
4.832034632 -1.2379501881
0.0053030303 -1136
5.1696969697 1.2837045721
5.3163636364 -5.346081E-15
PERIODO (X) DEMANDA (Y)
1 132
2 141
3 137 Chart Title
4 159 250
5 146
200
6 162
f(x) = 6.296969697x + 124.6666666667
7 166 150
8 175
9 194 100
10 181
50

0
1 2 3 4 5 6 7
Col umn B
Li near (Col umn C)
 Chart Title

.6666666667

4 5 6 7 8 9 10
ol umn B Col umn C
near (Col umn C)
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9367308019
Coeficiente de determinación R^2 0.8774645953
R^2 ajustado 0.8621476697
Error típico 7.5566547032
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 3271.2757575758
Residuos 8 456.8242424242
Total 9 3728.1

Coeficientes Error típico

Intercepción 124.6666666667 5.1621779133
Variable X 1 6.296969697 0.8319603014

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 130.9636363636 1.0363636364
2 137.2606060606 3.7393939394
3 143.5575757576 -6.5575757576
4 149.8545454545 9.1454545455
5 156.1515151515 -10.1515151515
6 162.4484848485 -0.4484848485
7 168.7454545455 -2.7454545455
8 175.0424242424 -0.0424242424
9 181.3393939394 12.6606060606
10 187.6363636364 -6.6363636364
 Variable
15
10
5

Residuos
0
-5 0
-10
-15

Promedio de los cuadrados F Valor crítico de F

3271.2757575758 57.2872532 6.4921220433E-05
57.103030303

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%

Superior 95,0%
24.1500135721 9.2167E-09 112.762663052 136.57067 112.762663 136.57067
7.5688343381 6.4921E-05 4.3784658017 8.21547359 4.3784658 8.21547359
 Variable X 1 Gráfico de los residuales
15
10
5
Residuos

0
-5 0 2 4 6 8 10 12
-10
-15
Variable X 1
La empresa xyz presenta los siguientes datos
La empresa desea calcular los factores estacionales para una demanda de
1100 para el proximo año

VENTAS
PROMEDIO PARA
CADA FACTOR
ESTACION VENTAS TEMPORADA ESTACIONAL
PRIMAVERA 200 250 0.8
OTOÑO 300 250 1.2
VERANO 350 250 1.4
INVIERNO 150 250 0.6
1000

VENTAS
PROMEDIO PARA
CADA FACTOR
ESTACION VENTAS TEMPORADA ESTACIONAL
PRIMAVERA 275 0.8
OTOÑO 275 1.2
VERANO 275 1.4
INVIERNO 275 0.6

1100
a una demanda de

PRONOSTICO
ESTACIONAL
PROXIMO AÑO
220
330
385
165
 Una empresa desea pronosticar las ventas, en las cuales
desea vender 1200 unidades de computadores para ello
suministra la siguiente informacion

MESES VENTAS 2017 VENTAS 2018

ENERO 80 100
FEBRERO 75 85
MARZO 80 90
ABRIL 90 110
MAYO 115 131
JUNIO 110 120
JULIO 100 110
AGOSTO 90 110
SEPTIEMBRE 85 95
OCTUBRE 75 85
NOVIEMBRE 75 85
DICIEMBRE 80 80

MESES VENTAS 2017 VENTAS 2018

ENERO 80 100
FEBRERO 75 85
MARZO 80 90
ABRIL 90 110
MAYO 115 131
JUNIO 110 120
JULIO 100 110
AGOSTO 90 110
SEPTIEMBRE 85 95
OCTUBRE 75 85
NOVIEMBRE 75 85
DICIEMBRE 80 80
 s, en las cuales
adores para ello

VENTAS PROMEDIO MENSUAL PROMEDIO POR ESTACION INDICE ESTACIONAL

130
117.5
125
145
180.5
170
155
145
132.5
117.5
117.5
120
137.9583333333

VENTAS 2019 PROMEDIO POR ESTACION INDICE ESTACIONAL

100
100
100
100
100
100
100
100
100
100
100
100

1200
La empresa xyz desea determinar su pronostico para cada trimestre del año
2019, para ello sumis¡nistra los sigueintes datos

AÑO TRIMESTRE VENTAS REALES

2016 I 600
2016 II 1550
2016 III 1500
2016 IV 1500
2017 I 2400
2017 II 3100
2017 III 2600
2017 IV 2900
2018 I 3800
2018 II 4500
2018 III 4000
2018 IV 4900

TRIMESTRE PERIODO (X) DEMANDA (Y)

I 1 600
II 2 1550
III 3 1500
IV 4 1500
I 5 2400
II 6 3100
III 7 2600
IV 8 2900
I 9 3800
II 10 4500
III 11 4000
IV 12 4900

2779.1666666667

TRIMESTRE PERIODO (X) DESESTACIONALIZAR (Y)

I 1 735.6617647059
II 2 1412.3633879782
III 3 1543.9814814815
IV 4 1344.7580645161
I 5 2151.6129032258
II 6 2267.2149122807
III 7 2189.6464646465
IV 8 2066.5598290598
 I 9 2779.1666666667
II 10 2779.1666666667
III 11 2779.1666666667
IV 12 2779.1666666667
I 13 2779.1666666667
II 14 2779.1666666667
III 15 2779.1666666667
IV 16 2779.1666666667
I 17
II 18
III 19
IV

DESENTRALIZACION
e del año

PROMEDIO TRIMESTRAL INDICE ESTACIONAL DESESTACIONALIZAR PRONOSTICO

2266.6666666667 0.8155922039 735.6617647059
3050 1.0974512744 1412.3633879782
2700 0.9715142429 1543.9814814815
3100 1.1154422789 1344.7580645161
2066.6666666667 0.7436281859 3227.4193548387
2533.3333333333 0.9115442279 3400.8223684211
2200 0.7916041979 3284.4696969697
2600 0.9355322339 3099.8397435898
1266.6666666667 0.4557721139 8337.5
1500 0.5397301349 8337.5
1333.3333333333 0.4797601199 8337.5
1633.3333333333 0.5877061469 8337.5

X2 Y2 XY PRONOSTICO
1 541198.232050173 735.6617647059 1544.0
4 1994770.3397011 2824.7267759563 3088.0
9 2383878.81515775 4631.9444444445 4631.9
16 1808374.25208117 5379.0322580645 6175.9
25 4629438.08532778 10758.064516129 7719.9
36 5140263.45846799 13603.2894736842 9263.9
49 4794551.64013876 15327.5252525253 10807.9
64 4270669.52708379 16532.4786324786 12351.9
 81 7723767.36111111 25012.5 13895.8
100 7723767.36111111 27791.6666666667 15439.8
121 7723767.36111111
144 7723767.36111111
 A
#VALUE!

B
#VALUE!
 Y
#VALUE!