2.

- La demanda histórica del producto es:

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

b) Con el promedio móvil simple a tres meses, determine el pronóstico de julio.

abril + mayo + junio

Fjulio =
3

12 + 16 + 15
Fjulio =
3

Fjulio = 14,333 unidades

c) Mediante suavización exponencial simple con α 0.2 y un pronóstico para junio de

13, calcule el pronóstico de julio. Haga todas las suposiciones que quiera.

MES DEMANDA α=0,2

ENERO 12
FEBRERO 11
MARZO 15
ABRIL 12
MAYO 16
JUNIO 15 13
JULIO 13,4
 Ft = Ft − 1 + α(At − 1 − Ft − 1)

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

∑𝑥 2 ∑𝑦 − ∑𝑥 × ∑𝑥𝑦 (91)(81) − (21)(297)

𝑎= 2 2
⇝ 𝑎= ⇝ 𝑎 = 10,8
𝑛∑𝑥 − (∑𝑥) 6(91) − (21)2

𝑛∑𝑥𝑦 − ∑𝑥 × ∑𝑦 (6)(297) − (21)(81)

𝑏= 2 2
⇝ 𝑏= ⇝ 𝑏 = 0,7714
𝑛∑𝑥 − (∑𝑥) 6(91) − (21)2

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

𝐏𝐫𝐨𝐧ó𝐬𝐭𝐢𝐜𝐨 𝐣𝐮𝐥𝐢𝐨 = 𝟏𝟔 𝐮𝐧𝐢𝐝𝐚𝐝𝐞𝐬

3. Las siguientes tabulaciones son ventas unitarias reales para seis meses y un pronóstico
inicial para enero.

a) Calcule los pronósticos para los cinco meses restantes con suavización exponencial
simple con α = 0.2.

b) Calcule el MAD de los pronósticos

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:

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 técnica de la descomposición para pronosticar los cuatro trimestres de 2008.

RESPUESTA:

Ventas Trimestrales (miles de unidades)

Año
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

∑ 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

∑ Total Suma Anual

i=
ndatos
37400
i=
12
i = 3116.667
 𝑋𝑄 𝑃𝑅𝑂𝑀𝐸𝐷𝐼𝑂
𝑖𝑛𝑑𝑖𝑐𝑒 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑙 =
𝑖

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 índice

estacional
dato
desestacionalizacion =
indice estacional respectivo

Año 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

Obtención de la ecuación de la recta

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

𝐲 = 𝟒𝟐𝟏𝟎. 𝟐𝟓𝟎𝟔𝟐 − 𝟏𝟔𝟖. 𝟐𝟒𝐱

Pronostico

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

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

Periodo Pronostico simple Factor estacional

13 136,80303 0.865
14 137,939394 0.835
15 139,075758 1.194
16 140,212121 1.360
17 141,348485 0.950
18 142,484848 0.796

6. Las señales de seguimiento calculadas con el historial de la demanda pasada de

tres productos es como sigue. Cada producto usa la misma técnica de pronóstico.
Comente las señales de seguimiento de cada producto y señale 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
 3

señal de seguimiento
1

-1

-2

-3
0 2 4 6 8 10 12
Periodo

TS1: Dado que se ha producido un rápido aumento de la tendencia, la previsión en breve

se encuentre fuera de los límites.
Por lo tanto, el modelo de pronóstico 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

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

TS 3: Esta serie está aumentando rápidamente, y se encuentra fuera de los límites. En

consecuencia, el modelo es pobre.

9. No todos los artículos de su tienda de artículos de papelería están distribuidos

uniformemente en lo que concierne a la demanda, así 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 móvil de tres semanas, ¿cuál sería su pronóstico para la semana
entrante?

SEMANAS ARTICULOS

F1 1 300

F2 2 400

F3 3 600

F4 4 700

F5 5 567

700 + 600 + 400

𝐹5 = = 567
3

Con suavización exponencial con α = 0.20, si el pronóstico exponencial de la semana 3

se calculó como el promedio de las dos primeras semanas [(300 + 400)/2 = 350], ¿cuál
sería su pronóstico para la semana 5?

SEMANAS ARTICULOS PRONOSTICO

F1 1 300

F2 2 400

F3 3 600 350

F4 4 700 400

F5 5 567 460
 𝐹4 = 𝐹3 + (𝛼 (𝐴3 – 𝐹3))

𝐹4 = 350 + (0 .20 ∗ (600 – 350) )

𝑭𝟒 = 𝟒𝟎𝟎

𝐹5 = 𝐹4 + (𝛼 (𝐴4 – 𝐹4) )

𝐹5 = 400 + (0.20 ∗ (700 – 400))

𝑭𝟓 = 𝟒𝟔𝟎

11. A continuación se da la demanda tabulada actual de un artículo durante un periodo

de nueve meses (de enero a septiembre). Su supervisor quiere probar dos métodos de
prueba para ver cual resultó mejor en el periodo. a) Pronostique de abril a septiembre con
un promedio móvil a tres meses. b) Mediante suavización exponencial simple con una
alfa de 0.3, calcule de abril a septiembre c) Use la MAD para decidir que método produjo
el mejor pronóstico 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 móvil 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 suavización exponencial simple con una alfa de 0.3, calcule de abril a
septiembre.

Pronostico MAD

Mes Real α= 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 método produjo el mejor pronóstico en el periodo de seis
meses.

 El método para ver cual resultó mejor en el periodo es mediante “Suavización

Exponencial “con un MAD = 16.27
 12.-Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis meses. Aquí
están 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 señal de seguimiento y diga si cree que el modelo usado da respuestas

aceptables.

Demanda Demanda Desviación Desviación Desviación

Real Pronosticada real acumulada absoluta

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

Septiembre 400 450 -50 -350 50

MAD 58.3333333 Señal de seguimiento Desviación Total 350

 -6

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

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 10.00 2.00

5 140 180 40 60 40 80 16.00 3.75

6 150 170 20 80 20 100 16.67 4.80

7 150 185 35 115 35 135 19.29 5.96

8 150 205 55 170 55 190 23.75 7.16

a) Para el mes 8, el MAD es 23,75

b) La señal de seguimiento de 8 meses es de 7.16
c) La señal de seguimiento es demasiado grande, por lo que el pronóstico se debe
considerar pobres.

14. La tabla siguiente contiene la demanda de los últimos 10 meses.

 MES DEMANDA REAL PRONOSTICO α=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

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 = 𝐹1 + (𝛼 (𝐴1– 𝐹1) ) 𝐹4 = 31.90 + (0 .30(33 – 31.90) )

𝐹2 = 31 + (0 .30(31– 31) ) 𝑭𝟒 = 𝟑𝟐. 𝟐𝟑

𝑭𝟐 = 𝟑𝟏 𝐹5 = 𝐹4 + (𝛼 (𝐴4– 𝐹4) )

𝐹3 = 𝐹2 + (𝛼 (𝐴2– 𝐹2)) 𝐹5 = 32.23 + (0 .30(35– 32.23) )

𝐹3 = 31 + (0 .30(34 – 31)) 𝑭𝟓 = 𝟑𝟑. 𝟎𝟔

𝑭𝟑 = 𝟑𝟏. 𝟗𝟎 𝐹6 = 𝐹5 + ( (𝐴5– 𝐹5) )

 𝐹6 = 33.06 + (0 .30 ∗ (37– 33.06) ) 𝑭𝟖 = 𝟑𝟓. 𝟕𝟒

𝑭𝟔 = 𝟑𝟒. 𝟐𝟒 𝐹9 = 𝐹8 + (𝛼 (𝐴8– 𝐹8) )

𝐹7 = 𝐹6 + (𝛼 (𝐴6– 𝐹6)) 𝐹9 = 35.74 + (0 .30(40 – 35.74) )

𝐹7 = 34.24 + (0 .30(36 – 34.24) ) 𝑭𝟗 = 𝟑𝟕. 𝟎𝟐

𝑭𝟕 = 𝟑𝟒. 𝟕𝟕 𝐹10 = 𝐹9 + (𝛼 (𝐴9– 𝐹9) )

𝐹8 = 𝐹7 + (𝛼 (𝐴7– 𝐹7) ) 𝐹10 = 37.02 + (0 .30(40 – 37.02) )

𝐹8 = 34.77 + (0 .30(38 – 34.77) ) 𝑭𝟏𝟎 = 𝟑𝟕. 𝟗𝟏

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.

MES DEMANDA REAL 𝑻𝒕 𝜹 = 𝟎, 𝟑𝟎 𝑭𝒕 𝜶 = 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 𝐹𝑇4 = 𝐹𝐼𝑇3 + 𝛼 (𝐴3 − 𝐹𝐼𝑇3)

𝐹𝐼𝑇1 = 30 + 1 𝐹𝑇4 = 33.78 + 0.30(31 − 33.78)

𝑭𝑰𝑻𝟏 = 𝟑𝟏 𝑭𝑻𝟒 = 𝟑𝟑. 𝟓𝟓

𝐹𝑇2 = 𝐹𝐼𝑇1 + 𝛼(𝐴1 − 𝐹𝐼𝑇1) 𝑇4 = 𝑇3 + 𝛿 (𝐹4 − 𝐹𝐼𝑇3)

𝐹𝑇2 = 31 + 0.30(31 − 31) 𝑇4 = 1.18 + 0.30(33.55 − 33.78)

𝑭𝑻𝟐 = 𝟑𝟏 𝑻𝟒 = 𝟏. 𝟏𝟏

𝑇2 = 𝑇1 + 𝛿(𝐹2 − 𝐹𝐼𝑇1) 𝐹𝐼𝑇4 = 𝐹4 + 𝑇4

𝑇2 = 1 + 0.30(31 − 31) 𝐹𝐼𝑇4 = 33.55 + 1.11

𝑻𝟐 = 𝟏 𝑭𝑰𝑻𝟒 = 𝟑𝟒. 𝟔𝟔

𝐹𝐼𝑇2 = 𝐹2 + 𝑇2 𝐹𝑇5 = 𝐹𝐼𝑇4 + 𝛼 (𝐴4 − 𝐹𝐼𝑇4)

𝐹𝐼𝑇2 = 31 + 1 𝐹𝑇5 = 34.66 + 0.30(31 − 34.66)

𝑭𝑰𝑻𝟐 = 𝟑𝟐 𝑭𝑻𝟓 = 𝟑𝟒. 𝟕𝟔

𝐹𝑇3 = 𝐹𝐼𝑇2 + 𝛼(𝐴2 − 𝐹𝐼𝑇2) 𝑇5 = 𝑇4 + 𝛿(𝐹5 − 𝐹𝐼𝑇4)

𝐹𝑇3 = 32 + 0.30(31 − 32) 𝑇5 = 1.11 + 0.30(34.76 − 34.66)

𝑭𝑻𝟑 = 𝟑𝟐. 𝟔𝟎 𝑻𝟓 = 𝟏. 𝟏𝟒

𝑇3 = 𝑇2 + 𝛿(𝐹3 − 𝐹𝐼𝑇2) 𝐹𝐼𝑇5 = 𝐹5 + 𝑇5

𝑇3 = 1 + 0.30(32.60 − 32) 𝐹𝐼𝑇5 = 34.76 + 1.14

𝑻𝟑 = 𝟏. 𝟏𝟖 𝑭𝑰𝑻𝟓 = 𝟑𝟓. 𝟗𝟎

𝐹𝐼𝑇3 = 𝐹3 + 𝑇3 𝐹𝑇6 = 𝐹𝐼𝑇5 + 𝛼(𝐴5 − 𝐹𝐼𝑇5)

𝐹𝐼𝑇3 = 32.60 + 1.18 𝐹𝑇6 = 35.90 + 0.30(31 − 35.90)

𝑭𝑰𝑻𝟑 = 𝟑𝟑. 𝟕𝟖 𝑭𝑻𝟔 = 𝟑𝟔. 𝟐𝟑

𝑇6 = 𝑇5 + 𝛿(𝐹6 − 𝐹𝐼𝑇5) 𝐹𝐼𝑇8 = 𝐹8 + 𝑇8

𝑇6 = 1.14 + 0.30(36.23 − 35.90) 𝐹𝐼𝑇8 = 38.10 + 1.10

𝑻𝟔 = 𝟏. 𝟐𝟒 𝑭𝑰𝑻𝟖 = 𝟑𝟗. 𝟏𝟗

𝐹𝐼𝑇6 = 𝐹6 + 𝑇6 𝐹𝑇9 = 𝐹𝐼𝑇8 + 𝛼(𝐴8 − 𝐹𝐼𝑇8)

𝐹𝐼𝑇6 = 36.23 + 1.24 𝐹𝑇9 = 39.19 + 0.30(31 − 39.19)

𝑭𝑰𝑻𝟔 = 𝟑𝟕. 𝟒𝟕 𝑭𝑻𝟗 = 𝟑𝟗. 𝟒𝟑

𝐹𝑇7 = 𝐹𝐼𝑇6 + 𝛼(𝐴6 − 𝐹𝐼𝑇6) 𝑇9 = 𝑇8 + 𝛿(𝐹9 − 𝐹𝐼𝑇8)

𝐹𝑇7 = 37.47 + 0.30(31 − 37.47) 𝑇9 = 1.10 + 0.30(39.43 − 39.19)

𝑭𝑻𝟕 = 𝟑𝟕. 𝟎𝟑 𝑻𝟗 = 𝟏. 𝟏𝟕

𝑇7 = 𝑇6 + 𝛿 (𝐹7 − 𝐹𝐼𝑇6) 𝐹𝐼𝑇9 = 𝐹9 + 𝑇9

𝑇7 = 1.24 + 0.30(37.03 − 37.47) 𝐹𝐼𝑇9 = 39.43 + 1.17

𝑻𝟕 = 𝟏. 𝟏𝟏 𝑭𝑰𝑻𝟗 = 𝟒𝟎. 𝟔𝟎

𝐹𝐼𝑇7 = 𝐹7 + 𝑇7 𝐹𝑇10 = 𝐹𝐼𝑇9 + 𝛼(𝐴9 − 𝐹𝐼𝑇9)

𝐹𝐼𝑇7 = 37.03 + 1.11 𝐹𝑇10 = 40.60 + 0.30(31 − 40.60)

𝑭𝑰𝑻𝟕 = 𝟑𝟖. 𝟏𝟒 𝑭𝑻𝟏𝟎 = 𝟒𝟎. 𝟒𝟐

𝐹𝑇8 = 𝐹𝐼𝑇7 + 𝛼 (𝐴7 − 𝐹𝐼𝑇7) 𝑇10 = 𝑇9 + 𝛿(𝐹10 − 𝐹𝐼𝑇9)

𝐹𝑇8 = 38.14 + 0.30(31 − 38.14) 𝑇10 = 1.17 + 0.30(40.42 − 40.60)

𝑭𝑻𝟖 = 𝟑𝟖. 𝟏𝟎 𝑻𝟏𝟎 = 𝟏. 𝟏𝟏

𝑇8 = 𝑇7 + 𝛿(𝐹8 − 𝐹𝐼𝑇7) 𝐹𝐼𝑇10 = 𝐹10 + 𝑇10

𝑇8 = 1.11 + 0.30(38.10 − 38.14) 𝐹𝐼𝑇10 = 40.42 + 1.11

𝑇8 = 1.10 𝑭𝑰𝑻𝟏𝟎 = 𝟒𝟏. 𝟓𝟒

 c) Calcule la desviación absoluta media (MAD) de cada pronóstico. ¿Cuál es el mejor?

MES DEMANDA PRONOSTICO DESVIACION

REAL Α=0,30 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
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

RESPUESTA: De acuerdo al MAD de los pronósticos el exponencial simple con

tendencia es el mejor modelo de pronóstico.

17.- La demanda histórica de un producto es como sigue:

DEMANDA

Abril 60

Mayo 55

Junio 75

Julio 60

Agosto 80

Septiembre 75

a) Con un promedio móvil simple a cuatro meses, calcule un pronóstico para

octubre
b) Mediante suavización exponencial simple con α= 0.2 y un pronóstico para
septiembre =65, calcule un pronóstico para Octubre.
c) Mediante regresión lineal simple, calcule la recta de la tendencia de los datos
históricos. 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 pronóstico para Octubre

SOLUCION

𝐽𝑢𝑛𝑖𝑜 + 𝐽𝑢𝑙𝑖𝑜 + 𝐴𝑔𝑜𝑠𝑡𝑜 + 𝑆𝑒𝑝𝑡𝑖𝑒𝑚𝑏𝑟𝑒

𝑎) 𝐹𝑂𝑐𝑡𝑢𝑏𝑟𝑒 =
4
75 + 60 + 80 + 75
𝐹𝑂𝑐𝑡𝑢𝑏𝑟𝑒 =
4
𝑭𝑶𝒄𝒕𝒖𝒃𝒓𝒆 = 𝟕𝟐. 𝟓 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔
 b)

MES DEMANDA 𝜶 = 𝟎. 𝟐

Abril 60

Mayo 55

Junio 75

Julio 60

Agosto 80

Septiembre 75 65

Octubre 67

𝐹𝑡 = 𝐹(𝑡−1) +∝ (𝐴(𝑡−1) − 𝐹(𝑡−1) )

𝐹𝑡 = 65 + 0.2(75 − 65)
𝑭𝒕 = 𝟔𝟕 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔

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

d) Pronostico para Octubre 𝑥 = 7

𝑦 = 𝑎 + 𝑏𝑥

𝑦 = 54 + 3.86(7)

𝑦 = 81.02

𝐩𝐫𝐨𝐧𝐨𝐬𝐭𝐢𝐜𝐨 𝐎𝐜𝐭𝐮𝐛𝐫𝐞 = 𝟖𝟏 𝐮𝐧𝐢𝐝𝐚𝐝𝐞𝐬

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

Con el procedimiento de pronóstico enfocado descrito en el texto, pronostique las ventas

esperadas para el cuarto trimestre de este año.
 AÑO ESTE
TRIMESTRE PASADO AÑO

I 23000 1900

II 27000 24000

III 18000 15000

IV 9000

ESTRATEGIA A:

Últimos tres meses =24000

Actuales tres meses=15000

24000/15000=1.6*100%=160%

ESTRATEGIA B:

III trimestre año pasado= 18000

III trimestre año actual= 15000

18000/15000=1.2*100%=120%

ESTRATEGIA C:

10% del trimestre anterior = 1.10 (24000) = 26400

Trimestre actual = 15000

26400
= 1.76 × 100% = 176%
15000

ESTRATEGIA D:

50% del trimestre III del año anterior = 1.50(18000) = 27000

Trimestre III del año actual = 15000

 27000
= 1.8 × 100% = 180%
15000

ESTRATEGIA E:

(24000/27000)18000 = 16000

Actual = 15000

16000
= 1.07 × 100% = 1207%
15000

RESPUESTA:

La mejor estrategia es la 𝐸 y lo aplicamos para el cuarto trimestre de este año

15000
( ) 9000 = 7500
18000
19.- En la tabla siguiente se muestra la demanda de un producto con cierto método de
pronóstico, junto con la demanda real.

Pronóstico Real

1500 1550

1400 1500

1700 1600

1750 1650

1800 1700

a) Calcule la señal de seguimiento con la desviación absoluta media y la suma

continua de errores de pronóstico.
b) Comente si su método de pronóstico da buenas predicciones.

SOLUCION

a) Desviación absoluta media

 n Pronóstico (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 pronóstico

N Pronóstico (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 método de pronóstico de es aceptable ya que la suma se sus

errores pronosticados no son muy elevados.
20.-Su gerente trata de determinar que método de pronostico usar. ¿Basándose en los
siguientes datos históricos, calcule los siguientes pronósticos y especifique que
procedimiento utilizaría?

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 móvil ponderado a tres meses con pesos de 0.50, 0.30 y 0.20
para los periodos de 4 a 12
c) Calcule un pronóstico de suavización exponencial simple para los periodos de 2 a
12 usando un pronóstico inicial F1 de 61 y alfa de 0.30
d) Calcule el pronóstico de suavización exponencial con componente de tendencia
para los periodos de 2 a 12 con un pronóstico de tendencia inicial (T1) de 1.8, un
pronóstico de suavización exponencial inicial (F1) de 60, una α de 0.30 y una δ
de 0.30
e) Calcule la desviación absoluta media (MAD) de los pronósticos hechos con cada
técnica en los periodos 4 a 12. ¿Qué método de pronósticos 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)

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

Desv. Absoluta Total 31.10

MAD 3.46

c)

MES DEMANDA REAL α = 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)

𝜶 = 𝟎. 𝟑 𝜷 = 𝟎. 𝟑

MES DEMANDA Tt Ft S
REAL

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 pronóstico de suavización exponencial con componente de

tendencia para los periodos debido a que nos brinda el MAD más pequeño.

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.

AÑO ESTACIÓN DEMANDA

REAL
2006 Primavera 205
Verano 140
Otoño 375
Invierno 575
2007 Primavera 475
Verano 275
Otoño 685
Invierno 965

Índice estacional izado.

AÑO Primavera Verano Otoño 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. 1.10419486 0.6738836 1.721244926 2.50067659

ESTACIONAL

Datos desestacionalizados

AÑO Primavera Verano Otoño Invierno

2006 185.655637 207.751 217.865566 229.937771
20007 430.177696 408.08233 397.9677673 385.895563

Análisis de regresión

AÑO ESTACION X Y X^2 X*Y

2006 Primavera 1 185.6556373 1 185.6556373
Verano 2 207.751004 4 415.502008
Otoño 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
Otoño 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 pronóstico para verano es de 345 unidades

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

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 año. Luego la mejor estrategia es usada para predecir el cuarto trimestres de este
año.

ESTRATEGIA A: en el pasado tres meses es cual nosotros podríamos decir en los

siguientes tres meses. Te hay nuestro pronóstico es 1175. Actualmente fue 975.
1,175/975 = 121%.

ESTRATEGIA B: en el los mismos periodos de tres meses el pasado año, nosotros

podríamos decir que en el periodo de tres meses de este año. De ahí nuestro pronóstico es
1,075. Actual fue 975. 1,075/975 = 110%.

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%.

ESTRATEGIA E: EL PORCENTAJE cambia nosotros tenemos para los pasados meses

de este año comparando para los mismos tres meses pasados la probabilidad podría ser el
mismo porcentaje cambio que nosotros podrías tener para el siguiente meses de este año.
El pronóstico podría ser (1,175/1,310)1,075 = 964. Actual fue 975. 964/975 = 99%.

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:

a) Encuentre la señal de seguimiento.

b) Decida si su rutina de pronóstico es aceptable.

PERIODO PRONOSTICO REAL

Mayo 450 500

Junio 500 550

Julio 550 400

Agosto 600 500

Septiembre 650 675

Octubre 700 600

SUMA DE
DESVIACION
PERIODO PRONOSTICO REAL DESVIACION RSFE DESVIACIONES MAD TS
ABSOLUTA
ABSOLUTAS

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

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

 3

-1 o

-2

-3

-4
0 100 200 300 400 500 600 700 800

El TS es aceptable. Sin embargo, el TS va y vienen entre positivo y negativo. Si esta

tendencia continúa, las previsiones serán inaceptables. Este pronóstico debe vigilarse de
cerca para ver si la tendencia a la baja continúa.

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

AÑO INGRESOS (MILLONES)

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

∑ 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.

Ft = 300 α = 0.30 ɣ = 0.40 At = 288 Tt = 8

Solución:

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 + α (At - FITt)

Ft+1 = 308 + 0.3 (288 - 308)

Ft+1 = 302

Tt+1 = Tt + ɣ (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 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

QUEJAS 3 MESES 3 MESES

Enero 36

Febrero 45

Marzo 81

Abril 90 54 36

Mayo 108 72 36

Junio 144 93 51

Desviación Abs. Total 123

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:

AÑOS X Y INDICE (S) DESESTACIONALIZAR X^2

(AT/S)

1 160 1.003 159.47 1

AÑO 1 2 195 1.164 167.54 4
3 150 0.950 157.92 9
4 140 0.883 158.56 16
5 215 1.003 214.28 25
AÑO 2 6 240 1.164 206.21 36
7 205 0.950 215.83 49
8 190 0.883 215.19 64
1495 204

PRONOSTICO Y*
Y DE LA
FACTOR FACTOR ESTACIONAL
PERIODO TRIMESTRE RECTA DE LA
ESTACIONAL PARA EL AÑO
REGRESION
ENTRANTE

9 I 231.43 1.00 232.20

10 II 241.33 1.16 280.88
11 III 251.24 0.95 238.64
12 VI 261.15 0.88 230.58
 16. Supóngase que sus existencias de mercancía para venta se mantienen sobre la
base de la demanda pronosticada. Si el personal de ventas de la distribuidora llama
el primer día de cada mes. Calcule su pronóstico de ventas con los tres métodos
solicitados aquí.
Real

Junio 140

Julio 180

Agosto 170

a) Con un promedio móvil simple de tres meses, ¿Cuál es el pronóstico para

septiembre?
b) Con un promedio móvil ponderado, ¿Cuál es el pronóstico para septiembre con
valores relativos de 0?20, 0.30 y 0.50 para junio, julio y agosto, Respectivamente?
c) Mediante suavización exponencial simple, y suponiendo que el pronóstico de
junio fue de 130, pronostique las ventas de septiembre con una constante α de
suavización de 0.30.

Solución:

a) Con la fórmula de pronóstico móvil simple tenemos,

At−1 + At−2 + At−3

Ft =
n

140 + 180 + 170

Ft =
3

Ft = 163.33 ≅ 163

El pronóstico de mercancía para venta para el mes de septiembre es de 163.

b) Con la fórmula de promedio móvil ponderado tenemos,

Ft = W1 At−1 + W2 At−2 + W3 At−3

Ft = 140(0,20) + 180(0,30) + 170(0,50) = 167

 El pronóstico de mercancía para venta para el mes de septiembre es de 167.

c) Con la fórmula de suavización exponencial tenemos,

Ft = Ft−1+∝ (At−1 − Ft−1 )

Ft = 130 + 0,30(140 − 130)

Ft = 133

El pronóstico de mercancía para venta para el mes de septiembre es de 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.

(325 + 350 + 400)

𝐹 (𝑒𝑠𝑡𝑒 𝑚𝑒𝑠) = = 358
3

b) Si este mes la demanda real fue de 300 unidades, ¿cuál sería su pronóstico para el

mes entrante?

(300 + 325 + 350)

𝐹 (𝑒𝑙 𝑚𝑒𝑠 𝑝𝑟ó𝑥𝑖𝑚𝑜) = = 325
3

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

de uniformidad fue de 0.20?

𝐹 (ℎ𝑎𝑐𝑒 𝑑𝑜𝑠 𝑚𝑒𝑠𝑒𝑠) = 450 + 0.20 (400 − 450) = 440

𝐹 (ℎ𝑎𝑐𝑒 𝑢𝑛 𝑚𝑒𝑠) = 440 + 0.20 (350 − 440) = 422

𝐹 (𝑒𝑠𝑡𝑒 𝑚𝑒𝑠) = 422 + 0.20 (325 − 422) = 403

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

a) Para el método de suavización exponencial, tome el primer trimestre de 2004

como el pronóstico inicial. Haga dos pronósticos: uno con α = 0.10 y otro con
α = 0.30.

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?

EXPONENCIAL SIMPLE COMPAÑÍA A (α = 0,1) EXPONENCIAL SIMPLE COMPAÑÍA A (α = 0,3)

MAD 12,517 / 13 = 0,963 MAD 10,224 / 13 = 0,786
SEÑAL RASTREO -10,3103 / 0,963 = -10,708 SEÑAL RASTREO -6,0338 / 0,786 = -7,672

EXPONENCIAL SIMPLE COMPAÑÍA B (α = 0,1) EXPONENCIAL SIMPLE COMPAÑÍA B (α = 0,3)

MAD 1,556 / 13 = 0,12 MAD 1,015 / 13 = 0,078
SEÑAL RASTREO 1,5391 / 0,12 = 12,858 SEÑAL RASTREO 0,7722 / 0,078 = 9,891

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

1 I 1,67 2,0743 0,805

2 II 2,35 1,8605 1,263
2004 I 1,504
3 III 1,11 1,6467 0,674
4 IV 1,15 1,4329 0,803
5 I 1,56 1,2191 1,280
6 II 2,04 1,0053 2,029 II 0,389
2005
7 III 1,14 0,7915 1,440
8 IV 0,38 0,5777 0,658
9 I 0,29 0,3639 0,797 III 5,781
10 II -0,18 0,1501 -1,199
2006
11 III -0,97 -0,0637 15,228
12 IV 0,20 -0,2775 -0,721
IV 0,247
13 I -1,54 -0,4913 3,135
2007
14 II 0,38 -0,7051 -0,539

Año Periodo Trimestre y = 2,288 + -0,214X Factor Estacional pronostico

15 -0,919 -5,31
2007

III
5,781
16 IV -1,133 0,247 -0,28
17 I -1,347 1,504 -2,03
2008

18 II -1,560 0,389 -0,61

19 III -1,774 5,78 -10,26
20 IV -1,988 0,247 -0,49
 DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE COMPAÑÍA B
Proporción Factor
Año Periodo Trim. Ganancias y = 0,217 + 0,017X
real/Tendencia estacional
1 I 0,17 0,2342 0,726
2 II 0,24 0,251 0,956
2004 I 0,785
3 III 0,26 0,2678 0,971
4 IV 0,34 0,2846 1,195
5 I 0,25 0,3014 0,829
6 II 0,37 0,3182 1,163 II 1,049
2005
7 III 0,36 0,335 1,075
8 IV 0,44 0,3518 1,251
9 I 0,33 0,3686 0,895 III 1,022
10 II 0,40 0,3854 1,038
2006
11 III 0,41 0,4022 1,019
12 IV 0,47 0,419 1,122
IV 1,189
13 I 0,30 0,4358 0,688
2007
14 II 0,47 0,4526 1,038

Año Periodo Trimestre y = 0,217 + 0,017X Factor Estacional pronostico

15 0,469 0,48
2007

III
1,022
16 IV 0,486 1,189 0,58
17 I 0,503 0,785 0,39
2008

18 II 0,520 1,049 0,55

19 III 0,537 1,02 0,55
20 IV 0,553 1,189 0,66

En la compañía B podemos notar un aumento gradual en sus factores estacionales,

mientras que en la compañía A encontramos factores muy dispersos, entre ellos un dato
supremamente atípico 5,781
 d) Use sus pronósticos y comente sobre cada compañía.

PROMEDIO SIMPLE COMPAÑÍA A

PROMEDIO DMA SESGO SEÑAL DE
MES Ganancias
SIMPLE REL. ACUM. REL. ACUM. RASTREO
01 1,67
02 2,35 1,7 0,7 0,7 0,7 0,7 1,00
03 1,11 2,0 0,9 0,8 -0,9 -0,1 -0,28
04 1,15 1,7 0,6 0,7 -0,6 -0,3 -1,09
05 1,56 1,6 0,0 0,5 0,0 -0,2 -1,47
06 2,04 1,6 0,5 0,5 0,5 -0,1 -0,61
07 1,14 1,6 0,5 0,5 -0,5 -0,1 -1,58
08 0,38 1,6 1,2 0,6 -1,2 -0,3 -3,27
09 0,29 1,4 1,1 0,7 -1,1 -0,4 -4,62
10 -0,18 1,3 1,5 0,8 -1,5 -0,5 -6,01
11 -0,97 1,2 2,1 0,9 -2,1 -0,7 -7,46
12 0,2 1,0 0,8 0,9 -0,8 -0,7 -8,42
13 -1,54 0,9 2,4 1,0 -2,4 -0,8 -9,74
14 0,38 0,7 0,3 1,0 -0,3 -0,8 -10,62

PROMEDIO SIMPLE COMPAÑÍA B

PROMEDIO DMA SESGO SEÑAL DE
MES Ganancias
SIMPLE REL. ACUM. REL. ACUM. RASTREO
01 0,17
02 0,24 0,2 0,1 0,1 0,1 0,1 1,00
03 0,26 0,2 0,1 0,1 0,1 0,1 2,00
04 0,34 0,2 0,1 0,1 0,1 0,1 3,00
05 0,25 0,3 0,0 0,1 0,0 0,1 3,92
06 0,37 0,3 0,1 0,1 0,1 0,1 4,93
07 0,36 0,3 0,1 0,1 0,1 0,1 5,93
08 0,44 0,3 0,2 0,1 0,2 0,1 6,94
09 0,33 0,3 0,0 0,1 0,0 0,1 7,94
10 0,4 0,3 0,1 0,1 0,1 0,1 8,94
11 0,41 0,3 0,1 0,1 0,1 0,1 9,94
12 0,47 0,3 0,1 0,1 0,1 0,1 10,94
13 0,3 0,3 0,0 0,1 0,0 0,1 11,06
14 0,47 0,3 0,1 0,1 0,1 0,1 12,11
 PROMEDIO MOVIL SIMPLE (n=2) COMPAÑÍA A
DMA SESGO SEÑAL DE
MES Ganancias P.M.S
REL. ACUM. REL. ACUM. RASTREO
01 1,67
02 2,35 #¡DIV/0! #¡DIV/0! 0,00
03 1,11 2,0 0,90 0,90 -0,90 -0,90 -1,00
04 1,15 1,7 0,58 0,74 -0,58 -0,74 -2,00
05 1,56 1,1 0,43 0,64 0,43 -0,35 -1,65
06 2,04 1,4 0,69 0,65 0,69 -0,09 -0,56
07 1,14 1,8 0,66 0,65 -0,66 -0,21 -1,57
08 0,38 1,6 1,21 0,74 -1,21 -0,37 -3,00
09 0,29 0,8 0,47 0,71 -0,47 -0,39 -3,837
10 -0,18 0,3 0,52 0,68 -0,52 -0,40 -4,727
11 -0,97 0,1 1,03 0,72 -1,03 -0,47 -5,900
12 0,2 -0,6 0,78 0,73 0,78 -0,35 -4,786
13 -1,54 -0,4 1,16 0,76 -1,16 -0,42 -6,053
14 0,38 -0,7 1,05 0,79 1,05 -0,30 -4,537
15 -0,6 0,58 0,77 0,58 -0,23 -3,880
16 0,4 0,38 0,74 -0,38 -0,24 -4,537

PROMEDIO MOVIL SIMPLE (n=2) COMPAÑÍA B

DMA SESGO SEÑAL DE
MES Ganancias P.M.S
REL. ACUM. REL. ACUM. RASTREO
01 0,17
02 0,24 #¡DIV/0! #¡DIV/0! 0,00
03 0,26 0,2 0,06 0,06 0,06 0,06 1,00
04 0,34 0,3 0,09 0,07 0,09 0,07 2,00
05 0,25 0,3 0,05 0,07 -0,05 0,03 1,46
06 0,37 0,3 0,08 0,07 0,08 0,04 2,52
07 0,36 0,3 0,05 0,06 0,05 0,04 3,44
08 0,44 0,4 0,08 0,07 0,08 0,05 4,48
09 0,33 0,4 0,07 0,07 -0,07 0,03 3,387
10 0,4 0,4 0,02 0,06 0,02 0,03 4,000
11 0,41 0,4 0,05 0,06 0,05 0,03 4,886
12 0,47 0,4 0,06 0,06 0,06 0,04 5,932
13 0,3 0,4 0,14 0,07 -0,14 0,02 3,164
14 0,47 0,4 0,09 0,07 0,09 0,02 4,344
15 0,4 0,39 0,09 -0,39 -0,01 -0,975
16 0,5 0,47 0,12 -0,47 -0,04 -4,695
 P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAÑIA A
DMA SESGO SEÑAL DE
MES GANANCIAS P.M.P
REL. ACUM. REL. ACUM. RASTREO
01 1,67
02 2,35 #¡DIV/0! #¡DIV/0! 0,00
03 1,11 #¡DIV/0! #¡DIV/0! 0,00
04 1,15 1,4 0,26 0,26 -0,26 -0,26 -1,00
05 1,56 1,3 0,30 0,28 0,30 0,02 0,12
06 2,04 1,4 0,61 0,39 0,61 0,21 1,64
07 1,14 1,9 0,72 0,47 -0,72 -0,02 -0,16
08 0,38 1,4 0,98 0,57 -0,98 -0,21 -1,84
09 0,29 0,7 0,41 0,55 -0,41 -0,24 -2,683
10 -0,18 0,4 0,57 0,55 -0,57 -0,29 -3,707
11 -0,97 0,0 0,94 0,60 -0,94 -0,37 -4,975
12 0,2 -0,7 0,89 0,63 0,89 -0,23 -3,317
13 -1,54 -0,1 1,47 0,71 -1,47 -0,36 -4,984
14 0,38 -1,1 1,52 0,79 1,52 -0,19 -2,598
15 0,0 0,02 0,72 0,02 -0,17 -2,796

P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAÑIA B

DMA SESGO SEÑAL DE
MES GANANCIAS P.M.P
REL. ACUM. REL. ACUM. RASTREO
01 0,17
02 0,24 #¡DIV/0! #¡DIV/0! 0,00
03 0,26 #¡DIV/0! #¡DIV/0! 0,00
04 0,34 0,2 0,09 0,09 0,09 0,09 1,00
05 0,25 0,3 0,06 0,08 -0,06 0,01 0,37
06 0,37 0,3 0,10 0,09 0,10 0,04 1,51
07 0,36 0,3 0,02 0,07 0,02 0,04 2,14
08 0,44 0,4 0,09 0,07 0,09 0,05 3,24
09 0,33 0,4 0,09 0,08 -0,09 0,02 1,982
10 0,4 0,4 0,05 0,07 0,05 0,03 2,738
11 0,41 0,4 0,02 0,06 0,02 0,03 3,318
12 0,47 0,4 0,07 0,07 0,07 0,03 4,362
13 0,3 0,5 0,15 0,07 -0,15 0,01 1,805
14 0,47 0,3 0,13 0,08 0,13 0,02 3,292
15 0,4 0,44 0,11 -0,44 -0,01 -1,646
27. Mark Price, nuevo gerente de producción de Speakers y Company, tiene que averiguar
qué variable afecta más la demanda de su línea de bocinas para estereofónicos. No está
seguro de que el precio unitario del producto o los efectos de mayor marketing sean los
principales impulsores de las ventas y quiere aplicar un análisis de regresión para
averiguar qué factor impulsa más la demanda de su mercado.
La información pertinente se recopiló en un extenso proyecto de marketing que se
extendió a los últimos 10 años y que se vació en los datos siguientes:

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.

𝑌 = 2191,3373 − 6,909𝑋1 + 0,325𝑋2

𝑌 = 2191,3373 − 6,909(300) + 0,325(900)
𝑌 = 411.1317 𝑣𝑒𝑛𝑡𝑎𝑠

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.

Cálculo de los factores estacionales:

160+215
𝑃𝑉1 = 𝑃𝑉1 = 187,5 𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 =
2
∑ 𝑣𝑒𝑛𝑡𝑎𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
# 𝑑𝑒 𝑡𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒𝑠

195+240 1495 𝑣𝑒𝑛𝑡𝑎𝑠

𝑃𝑉2 = 𝑃𝑉2 = 217,5 𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 = 8
2 𝑡𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒𝑠

150+205
𝑃𝑉3 = 𝑃𝑉3 = 177,5 𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚 = 186,875
2

140+190
𝑃𝑉4 = 𝑃𝑉4 = 165
2

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎𝑠 𝑝𝑎𝑠𝑎𝑑𝑎𝑠

𝐹𝑒 =
𝑉𝑒𝑛𝑡𝑎𝑠 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑝𝑜𝑟 𝑎ñ𝑜

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.

Ventas reales Factor estacional Demanda no estacional yd

160 1,0033 159,473737

195 1,1639 167,540167

150 0,9498 157,927985

140 0,8829 158,568354

215 1,0033 214,292834

240 1,1639 206,203282

205 0,9498 215,834913

190 0,8829 215,199909

Ajuste por mínimos cuadrados:

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

36 1495,04118 204 7143,73897

Ecuación general:

𝑦 = 𝑚𝑥 + 𝑏

Pendiente de la recta de tendencia:

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

Reemplazando en la ecuación general:

𝑦 = 9,906𝑥 + 142,3

Calculando los promedios de ventas de los siguientes cuatro trimestres:

Trimestre 1: Trimestre 2:

𝑦 = 9,906𝑥 + 142,3 𝑦 = 9,906𝑥 + 142,3

𝑦 = 9,906(9) + 142,3 𝑦 = 9,906(10) + 142,3

𝑦 = 231 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑦 = 241 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

Trimestre 3: Trimestre 4:

𝑦 = 9,906𝑥 + 142,3 𝑦 = 9,906𝑥 + 142,3

𝑦 = 9,906(11) + 142,3 𝑦 = 9,906(12) + 142,3

𝑦 = 251𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑦 = 261 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

15.En este problema, usted debe probar la validez de su modelo de proyección. Los
siguientes son las proyecciones para un modelo que usted ha estado utilizando y las
demandas reales que se registran.

Semana Proyección Demanda real

1 800 900
2 850 1,000
3 950 1,050
4 950 900
5 1,000 900
6 975 1,100

Utilice el método formulado en el texto para calcular la MAD y la señal de rastreo.

Luego, decida si el modelo de proyección que ha estado utilizando está dando
resultados razonables.
Solución:

Semana Proyección Demanda RSFE |RSFE|Desv ∑RSFE

real
1 800 900 100,00 100,00 100,00
2 850 1 -849,00 849,00 -749,00
3 950 1,05 -948,95 948,95 -1697,95
4 950 900 -50,00 50,00 -1747,95
5 1 900 899,00 899,00 -848,95
6 975 1,1 -973,90 973,90 -1822,85
𝑅𝑆𝐹𝐸 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑅𝑒𝑎𝑙 − 𝑃𝑟𝑜𝑦𝑒𝑐𝑐𝑖ó𝑛 = 𝐴𝑖 − 𝐹𝑖

 | RSFE | 100  849  948,95  50  899  973,90

MAD  i 1
  636,81
n 6
n

 RSFE  1822,85
S .T .  i 1
  2,86
MAD 636,81

El modelo de proyección se encuentra dentro de la distribución