Professional Documents
Culture Documents
a) Usando un promedio móvil ponderado con pesos de 0.60, 0.30 y 0.10, calcule el
pronóstico de julio.
Fjulio = junio ∗ 0,6 + mayo ∗ 0,3 + abril ∗ 0,1
Fjulio = 15 ∗ 0,6 + 16 ∗ 0,3 + 12 ∗ 0,1
Fjulio = 15 unidades
12 + 16 + 15
Fjulio =
3
Ft = 13 + 0,3(15 − 13)
Ft = 13,4 unidades
d) Con un análisis de regresión lineal simple, calcule la ecuación de relación 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
Total 21 81 91 297 1115
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = 𝑎 + 𝑏𝑥 ⇝ 𝑦 = 𝑎 + 𝑏𝑥 ⇝ 𝑦 = 10,8 + 0,7714𝑥
e) Con la ecuación de regresión del punto d), calcule el pronóstico para julio.
y = 10,8 + 0,7714x
y = 10,8 + 0,7714(7)
y = 16,1998
a) Calcule los pronósticos para los cinco meses restantes con suavización exponencial
simple con α = 0.2.
a) 𝑭𝒕+𝟏 = 𝑭𝒕 + 𝜶(𝑨𝒕 − 𝑭𝒕 ), 𝜶 = 𝟎. 𝟐𝟎
DESVIACION
MESES DEMANDA PRONOSTICO
ABSOLUTA
ENERO 100 80 20
FEBRERO 94 84 10
MARZO 106 86 20
ABRIL 80 90 10
MAYO 68 88 20
JUNIO 94 84 10
TOTAL 90
𝟗𝟎
b) 𝑴𝑨𝑫 = = 𝟏𝟓
𝟔
4. Zeus Computer Chip. Inc., tenía contratos importantes para producir
microprocesadores tipo Pentium. El mercado ha ido a la baja en los últimos 3 años por
los chips dual-core, que Zeus no produce, así que tiene la penosa tarea de pronosticar el
año entrante. La tarea es penosa porque la empresa no ha podido encontrar chips sustitutos
para sus líneas de productos. Aquí está la demanda de los últimos 12 trimestres:
∑ 𝑄1
𝑋𝑄1 𝑃𝑅𝑂𝑀𝐸𝐷𝐼𝑂 =
𝑛𝑄1
∑ 𝑄2
𝑋𝑄2 𝑃𝑅𝑂𝑀𝐸𝐷𝐼𝑂 =
𝑛𝑄2
∑ 𝑄3
𝑋𝑄3 𝑃𝑅𝑂𝑀𝐸𝐷𝐼𝑂 =
𝑛𝑄3
XQ1 XQ2 XQ3 XQ4
PROMEDIO PROMEDIO PROMEDIO PROMEDIO
3833.3 2766.7 3500.0 2366.7
Q1 Q2 Q3 Q4
INDICE
ESTACIONAL 1.2299 0.8877 1.1230 0.7594
Q1 Q2 Q3 Q4
𝑦2 𝑥𝑦
PERIODO TRIMESTRE x y 𝑥2
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
∑ x 2 ∑ y − ∑ x ∑ xy
a=
n ∑ x 2 − (∑ x)2
650(37400) − 78(219041)
a=
12(650) − (78)2
a = 4210.25062
n(∑ xy) − ∑ x (∑ y)
b=
n ∑ x 2 − (∑ x)2
12(219041) − 78(37400)
b=
12(650) − (78)2
b = −168.24
Índice y*Índice
x y
estacional 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 años son los siguientes. Los datos están acumulados con dos
meses de ventas en cada “periodo”.
a) Trace la gráfica.
b) Componga un modelo de regresión lineal simple para los datos de ventas.
c) Además del modelo de regresión, determine los factores multiplicadores del índice
estacional. Se supone que un ciclo completo es de 1 año.
d) Con los resultados de los incisos b) y c), prepare un pronóstico para el año entrante.
200
180
160
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11
𝒙 𝒚 𝒙𝟐 𝒙𝒚 𝒚𝟐
𝑌 = 122,33 + 1,14𝑥
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
3
señal de seguimiento
1
-1
-2
-3
0 2 4 6 8 10 12
Periodo
3.5
3
2.5
señal de seguimiento
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
0 2 4 6 8 10 12
Periodo
TS 2: Esto está dentro de los límites. Por lo tanto, el pronóstico 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
4
3.5
Señal de Seguimiento
3
2.5
2
1.5
1
0.5
0
0 2 4 6 8 10 12
Periodo
SEMANAS ARTICULOS
F1 1 300
F2 2 400
F3 3 600
F4 4 700
F5 5 567
F1 1 300
F2 2 400
F3 3 600 350
F4 4 700 400
F5 5 567 460
𝐹4 = 𝐹3 + (𝛼 (𝐴3 – 𝐹3))
𝑭𝟒 = 𝟒𝟎𝟎
𝐹5 = 𝐹4 + (𝛼 (𝐴4 – 𝐹4) )
𝑭𝟓 = 𝟒𝟔𝟎
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 móvil a tres meses.
Enero 110
Febrero 130
Marzo 150
140
MAD 23.33
b) Mediante suavización exponencial simple con una alfa de 0.3, calcule de abril a
septiembre.
Pronostico MAD
Enero 110
Febrero 130
Marzo 150
MAD 16.27
c) Use la MAD para decidir que método produjo el mejor pronóstico en el periodo de seis
meses.
Pronostico Real
No hay suficientes pruebas para rechazar el modelo de pronóstico, asi que se aeptan
sus recomendaciones.
13.-Harlen Industries tiene un modelo de pronóstico simple: se toma la demanda real del
mismo mes del año anterior y se divide entre el número fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronóstico semanal del mismo mes este año. La técnica se usó para pronosticar ocho
semanas de este año, que se muestran a continuación junto con la demanda real.
Las siguientes ocho semanas muestran el pronóstico (basado en el año pasado) y la
demanda real:
a) Calcule el pronóstico con suavización exponencial simple de estos datos con una α
de 0.30 y un pronóstico inicial (F1) de 31.
b) Calcule el pronóstico de suavización exponencial con tendencia para estos datos,
con una α de 0.30, δ de 0.30, un pronóstico de tendencias inicial (T1) de 1 y un
pronóstico uniforme exponencial inicial de 30.
c) Calcule la desviación absoluta media (MAD) de cada pronóstico. ¿Cuál es el mejor?
SUMA DE LAS
DESVIACION
MESES PRONOSTICO REAL DESVIACION RSFE DESVIACIONES MAD TS
ABSOLUTA
ABSOLUTAS
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
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
Calcule el pronóstico con suavización exponencial simple de estos datos con una α de 0.30
y un pronóstico inicial (F1) de 31.
𝑭𝟏 = 𝟑𝟏 𝐹4 = 𝐹3 + (𝛼 (𝐴3– 𝐹3) )
𝑭𝟐 = 𝟑𝟏 𝐹5 = 𝐹4 + (𝛼 (𝐴4– 𝐹4) )
Calcule el pronóstico de suavización exponencial con tendencia para estos datos, con una α de
0.30, δ de 0.30, un pronóstico de tendencias inicial (T1) de 1 y un pronóstico uniforme
exponencial inicial de 30.
𝑭𝑻𝟐 = 𝟑𝟏 𝑻𝟒 = 𝟏. 𝟏𝟏
𝑻𝟐 = 𝟏 𝑭𝑰𝑻𝟒 = 𝟑𝟒. 𝟔𝟔
𝑭𝑻𝟑 = 𝟑𝟐. 𝟔𝟎 𝑻𝟓 = 𝟏. 𝟏𝟒
𝑻𝟑 = 𝟏. 𝟏𝟖 𝑭𝑰𝑻𝟓 = 𝟑𝟓. 𝟗𝟎
𝑻𝟔 = 𝟏. 𝟐𝟒 𝑭𝑰𝑻𝟖 = 𝟑𝟗. 𝟏𝟗
𝑭𝑻𝟕 = 𝟑𝟕. 𝟎𝟑 𝑻𝟗 = 𝟏. 𝟏𝟕
𝑻𝟕 = 𝟏. 𝟏𝟏 𝑭𝑰𝑻𝟗 = 𝟒𝟎. 𝟔𝟎
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
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
MES DEMANDA REAL Tt δ=0,30 Ft α=0,30 FITt Desviacion absoluta
F1 1 31 1,00 30,00 31,00 0,00
F2 2 34 1,00 31,00 32,00 2,00
F3 3 33 1,18 32,60 33,78 0,78
F4 4 35 1,11 33,55 34,66 0,34
F5 5 37 1,14 34,76 35,90 1,10
F6 6 36 1,24 36,23 37,47 1,47
F7 7 38 1,11 37,03 38,14 0,14
F8 8 40 1,10 38,10 39,19 0,81
F9 9 40 1,17 39,43 40,60 0,60
F10 10 41 1,11 40,42 41,54 0,54
MAD= 0,86
𝑀𝐴𝐷 = (2.00 + 0.78 + 0.34 + 1.10 + 1.47 + 0.14 + 0.81 + 0.60 + 0.54)/9
𝑀𝐴𝐷 = 0.86
DEMANDA
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75
SOLUCION
MES DEMANDA 𝜶 = 𝟎. 𝟐
Abril 60
Mayo 55
Junio 75
Julio 60
Agosto 80
Septiembre 75 65
Octubre 67
c)
MES DEMANDA 𝑿𝟐 𝑿𝒀 𝒀𝟐
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
𝜮 21 405 91 1485 27875
𝑦 = 𝑎 + 𝑏𝑥
𝛴𝑥 2 𝛴𝑦 − 𝛴𝑥. 𝛴𝑥𝑦
𝑎=
𝑛𝛴𝑥 2 − (𝛴𝑥)2
(91)(405) − (21)(1485)
𝑎=
6(91) − (21)2
𝒂 = 𝟓𝟒
𝑛𝛴𝑥𝑦 − 𝛴𝑥. 𝛴𝑦
𝑏=
𝑛𝛴𝑥 2 − (𝛴𝑥)2
(6)(1485) − (21)(405)
𝑏=
6(91) − (21)2
𝒃 = 𝟑. 𝟖𝟔
𝑦 = 𝑎 + 𝑏𝑥
𝒚 = 𝟓𝟒 + 𝟑. 𝟖𝟔𝒙
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = 54 + 3.86(7)
𝑦 = 81.02
18. Las ventas por trimestre del último año y los tres primeros trimestres de este año son
como sigue:
I 23000 1900
II 27000 24000
IV 9000
ESTRATEGIA A:
24000/15000=1.6*100%=160%
ESTRATEGIA B:
18000/15000=1.2*100%=120%
ESTRATEGIA C:
26400
= 1.76 × 100% = 176%
15000
ESTRATEGIA D:
ESTRATEGIA E:
(24000/27000)18000 = 16000
Actual = 15000
16000
= 1.07 × 100% = 1207%
15000
RESPUESTA:
Pronóstico Real
1500 1550
1400 1500
1700 1600
1750 1650
1800 1700
SOLUCION
MAD = 90
RSFE = 10,0000
b) Comentario
1 62 7 76
2 65 8 78
3 67 9 78
4 68 10 80
5 71 11 84
6 73 12 85
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
MAD 4.07
b)
DEMANDA
MES 3 MESES Des. Absoluta
REAL
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
MAD 3.46
c)
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)
𝜶 = 𝟎. 𝟑 𝜷 = 𝟎. 𝟑
MES DEMANDA Tt Ft S
REAL
1 62 1.8 60 61.8
MAD X 0.89
Haga un análisis de regresión sobre la demanda sin factores estacionales para pronosticar
la demanda en el verano de 2008, dados los siguientes datos históricos de la demanda.
Datos desestacionalizados
Análisis de regresión
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
22 Los siguientes son los resultados de los últimos 21 meses de ventas reales de cierto
producto.
Elabore un pronóstico para el cuarto trimestre usando tres reglas de pronóstico enfocado
(observe que para aplicar correctamente el procedimiento, las reglas se prueban primero
en el tercer trimestre; la de mejor desempeño se usa para pronosticar el cuarto trimestre).
Haga el problema con trimestres, en lugar de pronosticar meses separados.
SOLUCIÓN
trimester
I II III IV
ESTRATEGIA C: Nosotros podríamos decir que el 10% más en los siguientes tres meses
que nosotros decíamos en los pasados tres meses. Nuestro pronóstico es 10(1,175) =
1,292.5. Actual fue 975. 1,292.5/975 = 133%.
ESTRATEGIA D: Nosotros podríamos decir que hay una probabilidad del 50% más
sobre los siguientes tres meses que nosotros hicimos por los mismos tres meses del pasado
año. El pronóstico podría ser 1.50 (1,075) = 1,612.5. Actual fue 975. 1612.5/975 =
165%.
Si solo los tres primeros son usados, el mejor método será el Bel pronóstico para el cuarto
trimestre es 1550.
Si todo los cinco métodos enlistados en el texto son usados, luego el mejor método es el
E. aplicando esto el cuarto trimestre de este año produce un pronóstico de
975
(1,075) 1,550 = 1,406.
24.- Después de aplicar su modelo de pronostico durante seis meses , decide probarlo con
MAD y una señal de seguimiento. Lo que sigue es el pronóstico y la demanda real del
periodo de seis meses:
SUMA DE
DESVIACION
PERIODO PRONOSTICO REAL DESVIACION RSFE DESVIACIONES MAD TS
ABSOLUTA
ABSOLUTAS
-1 o
-2
-3
-4
0 100 200 300 400 500 600 700 800
26. A continuación se encuentran los ingresos por ventas de una compañía de servicios
públicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen
juicio, intuición o sentido común en cuanto a qué modelo o método usar, así como el
periodo de datos que incluir.
METODO DE REGRESION LINEAL
∑ x 2 ∑ y − ∑ x ∑ xy
a=
n ∑ x 2 − (∑ x)2
a = 5050.44364
n ∑ xy − ∑ x ∑ y
b=
n ∗ ∑ x 2 − (∑ x)2
b = 55.62
AÑO 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 pronóstico para
el siguiente periodo.
Solución:
FITt = Ft + Tt
FITt = 300 + 8
FITt = 308
Ft+1 = 302
Tt+1 = 5.6
FITt+1 = 307.6
29. La tabla siguiente contiene el número de quejas recibidas en una tienda departamental
durante los primeros seis meses de operación.
QUEJAS
Enero 36
Febrero 45
Marzo 81
Abril 90
Mayo 108
Junio 144
Si se usara un promedio móvil a tres meses, ¿cuál habría sido el pronóstico de mayo?
PRONÓSTICO DESVIACIÓN
Enero 36
Febrero 45
Marzo 81
Abril 90 54 36
Mayo 108 72 36
Junio 144 93 51
MAD 41
F3(Abril) 54
F3(mayo) 72
F3(Junio) 93
El pronóstico del mes de mayo luego de haber utilizado el promedio móvil para los tres
meses sería 72 QUEJAS.
8.Tucson Machinery, Inc., fabrica máquinas controladas numéricamente, que se venden
a un precio promedio de 0.5 millones de dólares cada una. Las ventas de estas máquinas
durante los 2 años anteriores son:
PRONOSTICO Y*
Y DE LA
FACTOR FACTOR ESTACIONAL
PERIODO TRIMESTRE RECTA DE LA
ESTACIONAL PARA EL AÑO
REGRESION
ENTRANTE
Junio 140
Julio 180
Agosto 170
Solución:
Ft = 163.33 ≅ 163
Ft = 133
21. Haga un análisis de regresión sobre la demanda sin factores estacionales para
pronosticar la demanda en el verano de 2008, dados los siguientes datos históricos de la
demanda.
23. . La demanda real de un producto en los tres meses anteriores fue:
a) Con un promedio móvil simple de tres meses, haga un pronóstico para este mes.
b) Si este mes la demanda real fue de 300 unidades, ¿cuál sería su pronóstico para el
mes entrante?
c) Con suavización exponencial simple, ¿cuál sería su pronóstico para este mes si el
pronóstico unifor- me exponencial de hace tres meses fue de 450 unidades y la constante
25. A continuación se anotan las ganancias por acción de dos compañías, por trimestre,
del primer trimestre de 2004 al segundo de 2007. Pronostique las ganancias por acción
para el resto de 2007 y para 2008. Use suavización exponencial para pronosticar el tercer
periodo de 2007 y el método de descomposición de series de tiempos para pronosticar los
últimos dos trimestres de 2007 y los cuatro trimestres de 2008 (es mucho más fácil
resolver el problema en una hoja de cálculo computarizada, para ver lo que sucede).
AÑO TRIMESTRE Compañía A Compañía B
I 1,67 0,17
II 2,35 0,24
2004
III 1,11 0,26
IV 1,15 0,34
I 1,56 0,25
II 2,04 0,37
2005
III 1,14 0,36
IV 0,38 0,44
I 0,29 0,33
II -0,18 (Perdida) 0,40
2006
III -0,97 (Perdida) 0,41
IV 0,20 0,47
I -1,54 (Perdida) 0,30
2007
II 0,38 0,47
COMPAÑÍA A (α = 0,1)
SUAVIZAMIENTO DMA SESGO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 1,67
02 II 2,35 1,67 0,7 0,7 0,7 0,7 1,00
2004
03 III 1,11 1,74 0,6 0,7 -0,6 0,0 0,08
04 IV 1,15 1,68 0,5 0,6 -0,5 -0,2 -0,77
05 I 1,56 1,62 0,1 0,5 -0,1 -0,1 -1,13
06 II 2,04 1,62 0,4 0,5 0,4 0,0 -0,24
2005
07 III 1,14 1,66 0,5 0,5 -0,5 -0,1 -1,33
08 IV 0,38 1,61 1,2 0,6 -1,2 -0,3 -3,20
09 I 0,29 1,48 1,2 0,7 -1,2 -0,4 -4,64
10 II -0,18 1,36 1,5 0,8 -1,5 -0,5 -6,08
2006
11 III -0,97 1,21 2,2 0,9 -2,2 -0,7 -7,54
12 IV 0,2 0,99 0,8 0,9 -0,8 -0,7 -8,52
13 I -1,54 0,91 2,5 1,0 -2,5 -0,8 -9,83
14 2007 II 0,38 0,67 0,3 1,0 -0,3 -0,8 -10,71
15 III 0,64
COMPAÑÍA A (α = 0,3)
SUAVIZAMIENTO DMA SESGO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 1,67
02 II 2,35 1,67 0,7 0,7 0,7 0,7 1,00
2004
03 III 1,11 1,87 0,8 0,7 -0,8 0,0 -0,12
04 IV 1,15 1,64 0,5 0,6 -0,5 -0,2 -0,90
05 I 1,56 1,50 0,1 0,5 0,1 -0,1 -1,03
06 II 2,04 1,52 0,5 0,5 0,5 0,0 0,02
2005
07 III 1,14 1,67 0,5 0,5 -0,5 -0,1 -1,03
08 IV 0,38 1,51 1,1 0,6 -1,1 -0,2 -2,77
09 I 0,29 1,17 0,9 0,6 -0,9 -0,3 -4,00
10 II -0,18 0,91 1,1 0,7 -1,1 -0,4 -5,30
2006
11 III -0,97 0,58 1,6 0,8 -1,6 -0,5 -6,71
12 IV 0,2 0,12 0,1 0,7 0,1 -0,5 -7,19
13 I -1,54 0,14 1,7 0,8 -1,7 -0,6 -8,58
14 2007 II 0,38 -0,36 0,7 0,8 0,7 -0,5 -7,67
15 III -0,14
COMPAÑÍA B (α = 0,1)
DMA SESGO
SUAVIZAMIENTO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 0,17
02 II 0,24 0,17 0,1 0,1 0,1 0,1 1,00
2004
03 III 0,26 0,18 0,1 0,1 0,1 0,1 2,00
04 IV 0,34 0,19 0,2 0,1 0,2 0,1 3,00
05 I 0,25 0,20 0,0 0,1 0,0 0,1 4,00
06 II 0,37 0,21 0,2 0,1 0,2 0,1 5,00
2005
07 III 0,36 0,22 0,1 0,1 0,1 0,1 6,00
08 IV 0,44 0,24 0,2 0,1 0,2 0,1 7,00
09 I 0,33 0,26 0,1 0,1 0,1 0,1 8,00
10 II 0,4 0,26 0,1 0,1 0,1 0,1 9,00
2006
11 III 0,41 0,28 0,1 0,1 0,1 0,1 10,00
12 IV 0,47 0,29 0,2 0,1 0,2 0,1 11,00
13 I 0,3 0,31 0,0 0,1 0,0 0,1 11,85
14 2007 II 0,47 0,31 0,2 0,1 0,2 0,1 12,86
15 III 0,32
COMPAÑÍA B (α = 0,3)
DMA SESGO
SUAVIZAMIENTO
SEÑAL DE
PERIODO AÑO TRIM. GANANCIAS EXPONENCIAL
REL. ACUM. REL. ACUM. RASTREO
SIMPLE
01 I 0,17
02 II 0,24 0,17 0,1 0,1 0,1 0,1 1,00
2004
03 III 0,26 0,19 0,1 0,1 0,1 0,1 2,00
04 IV 0,34 0,21 0,1 0,1 0,1 0,1 3,00
05 I 0,25 0,25 0,0 0,1 0,0 0,1 3,99
06 II 0,37 0,25 0,1 0,1 0,1 0,1 5,00
2005
07 III 0,36 0,29 0,1 0,1 0,1 0,1 6,00
08 IV 0,44 0,31 0,1 0,1 0,1 0,1 7,00
09 I 0,33 0,35 0,0 0,1 0,0 0,1 7,53
10 II 0,4 0,34 0,1 0,1 0,1 0,1 8,52
2006
11 III 0,41 0,36 0,1 0,1 0,1 0,1 9,50
12 IV 0,47 0,37 0,1 0,1 0,1 0,1 10,51
13 I 0,3 0,40 0,1 0,1 -0,1 0,1 8,82
14 2007 II 0,47 0,37 0,1 0,1 0,1 0,1 9,89
15 III 0,40
b) Con el método MAD para probar el desempeño del modelo de pronóstico, más datos
reales de 2004 al segundo trimestre de 2007, ¿qué tan bien funciono el modelo?
En ambas empresas podemos observar amplia dispersión en sus datos lo que es consecuente
con las señales de rastreo con valores tan distante de los limites de control. Se podría modificar
“α” ó usar otro modelo para llegar a unos pronósticos más acertados.
c) Con la descomposición del método de pronóstico por series de tiempo, pronostique las
ganancias por acción para los dos últimos trimestre de 2007 y para los cuatro trimestres de
2008. ¿Hay algún factor estacional en las ganancias?
DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE COMPAÑÍA A
Proporción Factor
Año Periodo Trim. Ganancias y = 2,288+ -0,214X
real/Tendencia estacional
III
5,781
16 IV -1,133 0,247 -0,28
17 I -1,347 1,504 -2,03
2008
III
1,022
16 IV 0,486 1,189 0,58
17 I 0,503 0,785 0,39
2008
a) Realice en Excel un análisis de regresión basado en estos datos. Con sus resultados,
conteste las preguntas siguientes.
b) ¿Qué variable, el precio o la publicidad, tiene un mayor efecto en las ventas y cómo se
sabe?
c) Pronostique las ventas anuales promedio de bocinas de Speakers and Company
basándose en los resultados de la regresión, si el precio fue de 300 dólares por unidad y
el monto gastado en publicidad (En miles) fue de 900 dólares.
a)
b)
Se sabe según la ecuación obtenida mediante Excel, y la variable que tiene más
efecto corresponde a X1(precio por unidad).
c)
Datos:
300 dólares por unidad
Publicidad fueron de 900 dólares.
10. Dada la siguiente historia, aplique un pronóstico enfocado al tercer trimestre de este
año. Use tres estrategias de pronóstico enfocado.
Se trata de reglas simples y de sentido común que se formulan y prueban para ver si deben
conservarse. Entre los ejemplos de reglas simples de pronóstico se encuentran:
1. Lo que se haya vendido en los tres últimos meses será probablemente lo que se venda
en los tres meses siguientes.
2. Lo que se vendió en el mismo trimestre del año pasado se venderá probablemente en
ese periodo de este año (esto daría cuenta de los efectos estacionales).
3. Es probable que se venda 10 por ciento más en los siguientes tres meses que en los
tres meses anteriores.
4. Es probable que se venda 50 por ciento más en los tres meses siguientes que en los
mismos tres meses del año anterior.
5. Cualquiera que haya sido el cambio porcentual de los últimos tres meses de este año
en comparación con los mismos tres meses del año pasado, será probablemente el
mismo cambio porcentual que se tendrá en los siguientes tres meses del año.
Para solucionarlo usaremos los tres primero pronósticos. Cada estrategia será
utilizada para predecir el segundo trimestre de este año, entonces el mejor será usado
para predecir el tercer trimestre del año.
Estrategia 1:
Nuestro pronóstico para el segundo trimestre sería 395, y el actual fue de 580
395
580 × = 68%
580
Estrategia 2:
Nuestro pronóstico para el segundo trimestre sería 560, y el actual fue de 580
560
580 × = 97%
580
Estrategia 3:
Nuestro pronóstico sería 1.10*(395) = 424.5, y el actual fue de 580
434.5
580 × = 75%
580
Por lo tanto el mejor método fue el tercero, así que, según la estrategia, el
pronóstico para el tercer trimestre de este sería el mismo que el anterior, dándonos
por resultado 420.
7. En la tabla siguiente se muestran los 2 años previos de información de las ventas
trimestrales. Supóngase que hay tendencias y factores estacionales y que el ciclo
estacional es de 1 año. Use series de tiempo de descomposición para pronosticar las
ventas trimestrales del año siguiente.
150+205
𝑃𝑉3 = 𝑃𝑉3 = 177,5 𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 = 186,875
2
140+190
𝑃𝑉4 = 𝑃𝑉4 = 165
2
Promedio ventas
Ventas promedio Factor estacional Fe
pasadas
Estación
187,5 186,875 1,0033
1
Estación
217,5 186,875 1,1639
2
Estación
177,5 186,875 0,9498
3
Estación
165 186,875 0,8829
4
Descontando las variaciones de temporada.
Trimestre yd x2 X*yd
(x)
1 159,473737 1 159,473737
2 167,540167 4 335,080334
3 157,927985 9 473,783955
4 158,568354 16 634,273416
5 214,292834 25 1071,46417
6 206,203282 36 1237,21969
7 215,834913 49 1510,84439
8 215,199909 64 1721,59927
𝑦 = 𝑚𝑥 + 𝑏
𝑛∑𝑥𝑦 − ∑𝑥∑𝑦
𝑚=
𝑛∑𝑥 2 − (∑𝑥)2
8(7143,73897) − (36)(1495,04118)
𝑚=
8(204) − (36)2
𝑚 = 9,906
Intercepto en el eje Y
∑𝑥²∑𝑦 − ∑𝑥∑𝑥𝑦
𝑏=
𝑛∑𝑥² − (∑𝑥)²
(204)(1495,04118) − (36)(7143,73897)
𝑏=
(8)(204) − (36)2
𝑏 = 142,3
𝑦 = 9,906𝑥 + 142,3
Trimestre 1: Trimestre 2:
Trimestre 3: Trimestre 4:
RSFE 1822,85
S .T . i 1
2,86
MAD 636,81