PRONOSTICOS

UNIVERSIDAD TECNICA DE ORURO
FACULTAD NACIONAL DE INGENIERÍA

CARRERA DE INGENIERÍA INDUSTRIAL
Nombre: Yave Lovera Wilfredo Vicente

Asignatura: Gestión de la producción II (IND 3311 “A”)
Fecha: 4 de mayo de 2015
PRACTICA N° 1
PRONOSTICOS
1. La dueña de una tienda de computadoras alquila impresoras a algunos de sus mejores
clientes. Ahora le interesa elaborar un pronóstico de sus operaciones de alquiler para
poder comprar la cantidad correcta de suministros para sus impresoras. A continuación
se presenta los datos correspondientes a las 10 últimas semanas:
SEMANA ALQUILERES SEMANA ALQUILERES

1 23 6 28
2 24 7 32
3 32 8 35
4 26 9 26
5 31 10 24
a) Prepare un pronóstico para las semanas 6 a 10, usando un promedio móvil de cinco semanas
¿Cuál será el pronóstico para la semana 11?
SOLUCION
SEMANA ALQUILERES PRONOSTICO

1 23 -
2 24 -
3 32 -
4 26 -
5 31 -
6 28 27,2
7 32 28,2
8 35 29,8
9 26 30,4
10 24 30,4
11 29
El dato de alquileres pronosticado para la semana 11 es de 29
b) Calcule la desviación media absoluta al final de la semana 10
SEMANA ALQUILERES PRONOSTICO |E t|

6 28 27,2 0,8
7 32 28,2 3,8
8 35 29,8 5,2
9 26 30,4 4,4
10 24 30,4 6,4
MAD 4,12
El MAD es de 4.12
2. Las ventas realizadas en los últimos doce meses por Darworth Company aparece a
continuación:
MES VENTA(MILLONES DE DOLARES) MES VENTA(MILLONES DE

DOLARES)
Enero 20 Julio 53
Febrero 24 Agosto 62
Marzo 27 Septiembre 54
Abril 31 Octubre 36
Mayo 37 Noviembre 32
Junio 47 Diciembre 29
a) Utilice un promedio móvil simple de tres meses y pronostique las veantas para los meses
comprendidos entre abril y diciembre
MES VENTA(MILLONES DE DOLARES) PRONOSTICO

Enero 20 -
Febrero 24 -
Marzo 27 -
Abril 31 23,67
Mayo 37 27,34
Junio 47 31,67
Julio 53 38,34
Agosto 62 45,67
Septiembre 54 54
Octubre 36 56,34
Noviembre 32 50,67
Diciembre 29 40,67
ENERO 32,34
b) Aplique un promedio móvil de cuatro meses y pronostique las ventas para los meses
comprendidos entre mayo y diciembre

Enero 20 -
Febrero 24 -
Marzo 27 -
Abril 31 -
Mayo 37 25,5
Junio 47 29,75
Julio 53 35,5
Agosto 62 42
Septiembre 54 49,75
Octubre 36 54
Noviembre 32 51,25
Diciembre 29 46
ENERO 37,75
c) Compare el desempeño de los dos métodos, utilizando la desviación media absoluta como
criterio de desempeño. ¿Qué método recomendaría?
Para n=3
MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t|

Abril 31 23,67 7,33
Mayo 37 27,34 9,66
Junio 47 31,67 15,33
Julio 53 38,34 14,66
Agosto 62 45,67 16,33
Septiembre 54 54 0
Octubre 36 56,34 20,34
Noviembre 32 50,67 18,67
Diciembre 29 40,67 11,67
MAD 12,67
Para n=4

Mayo 37 25,5 11,5
Junio 47 29,75 17,25
Julio 53 35,5 17,5
Agosto 62 42 20
Septiembre 54 49,75 4,25
Octubre 36 54 18
Noviembre 32 51,25 19,25
Diciembre 29 46 17
MAD 15,6
Con n = 3 produjo una desviación media absoluta más baja. Y sería el que mejor desempeño
produce.
3. Karl´s Copiers vende y repara fotocopiadoras. El gerente necesita pronósticos semanales

de las solicitudes de servicio para poder programar las actividades del personal de
servicio. El pronóstico de la semana del 3 de julio fue 24 solicitudes de servicio. El gerente
usa el suavisamiento exponencial con 𝜶 =0.20. Pronostique el número de solicitudes de
servicio correspondiente a la semana del 7 de agosto, suponiendo que esta sea la semana
próxima.
SEMANA NUMERO REAL DE SOLICITUDES DE

SERVICIO
3 de julio 24
10 de julio 32
17 de julio 36
24 de julio 23
31 de julio 25
SOLUCION
SEMANA NUMERO REAL DE SOLICITUDES DE PRONOSTICO MES t+1

SERVICIO
3 de julio 24 24 10 de julio
31 de julio 25 27 7 de agosto
El pronóstico para la semana del 7 de agosto son 27 solicitudes

4. Considere los datos sobre las ventas de Dalworth Company presentados en el problema2.
Para las partes (c) a (e), use solo los datos de abril a diciembre.
a) Utilice un promedio móvil ponderado de tres meses para pronosticar las ventas de los meses
transcurridos entre abril y diciembre. Use ponderacines (3/6),(2/6) y (1/6), asignando una
ponderación mayor a los datos mas recientes

Enero 20 -
Febrero 24 -
Marzo 27 -
Abril 31 24,84
Mayo 37 28,5
Junio 47 33,34
Julio 53 41
Agosto 62 48,34
Septiembre 54 56,5
Octubre 36 56,5
Noviembre 32 46,34
Diciembre 29 37
ENERO 31,17
b) Use el suavizamiento exponencial con 𝛼= 0.6 para pronosticar las ventas de los meses
comprendidos entre abril y diciembre. Suponga que el pronostico inicial para enero fue de
$22 millones
MES VENTA(MILLONES DE DOLARES) PRONOSTICO MES t+1

Enero 20 22 Febrero
Febrero 24 23,2 Marzo
Marzo 27 25,48 Abril
Abril 31 28,8 Mayo
Mayo 37 33,72 Junio
Junio 47 41,69 Julio
Julio 53 48,48 Agosto
Agosto 62 56,6 Septiembre
Septiembre 54 55,04 Octubre
Octubre 36 43,62 Noviembre
Noviembre 32 36,65 Diciembre
Diciembre 29 32,06 Enero
c) Compare el desempeño de los dos métodos, aplicando la desviación media absoluta como
criterio de desempeño ¿Qué método recomendaría?

Abril 31 24,84 6,16
Mayo 37 28,5 8,5
Junio 47 33,34 13,66
Julio 53 41 12
Agosto 62 48,34 13,66
Octubre 36 56,5 20,5
Noviembre 32 46,34 14,34
Diciembre 29 37 8
TOTAL 99,32
MAD 11,04

Abril 31 28,8 2,2
Mayo 37 33,72 3,28
Junio 47 41,69 5,31
Julio 53 48,48 4,52
Agosto 62 56,6 5,4
Octubre 36 43,62 7,62
Noviembre 32 36,65 4,65
Diciembre 29 32,06 3,06
TOTAL 37,08
MAD 4,12
El mejor método es el segundo porque su MAD es mucho menor con relación al primero
d) Compare el desempeño de los dos métodos, usando el error porcentual media absoluta
como criterio de desempeño ¿Qué método recomendaría?
MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t| (|E t|/Dt)*100

Abril 31 24,84 6,16 19,9
Mayo 37 28,5 8,5 23
Junio 47 33,34 13,66 29,1
Julio 53 41 12 22,7
Agosto 62 48,34 13,66 22,1
Septiembre 54 56,5 2,5 4,7
Octubre 36 56,5 20,5 57
Noviembre 32 46,34 14,34 44,9
Diciembre 29 37 8 27,6
TOTAL 99,32 251
MAPE 27,89
MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t| (|E t|/Dt)*100

Abril 31 28,8 2,2 7,1
Mayo 37 33,72 3,28 8,9
Junio 47 41,69 5,31 11,3
Julio 53 48,48 4,52 8,6
Agosto 62 56,6 5,4 8,8
Septiembre 54 55,04 1,04 2
Octubre 36 43,62 7,62 21,2
Noviembre 32 36,65 4,65 14,6
Diciembre 29 32,06 3,06 10,6
TOTAL 37,08 93,1
MAPE 10,35
El mejor método es el segundo porque su MAPE es mucho menor con relación al primero
e) Compare el desempeño de los dos métodos, usando el error cuadrático medio como criterio
de desempeño ¿Qué método recomendaría?
MES VENTA(MILLONES DE PRONOSTICO |E t| |E t|^2

DOLARES)
Abril 31 24,84 6,16 37,9456
Mayo 37 28,5 8,5 72,25
Junio 47 33,34 13,66 186,5956
Julio 53 41 12 144
Agosto 62 48,34 13,66 186,5956
Septiembre 54 56,5 2,5 6,25
Octubre 36 56,5 20,5 420,25
Noviembre 32 46,34 14,34 205,6356
Diciembre 29 37 8 64
TOTAL 1323,53
MSE 147,06
MES VENTA(MILLONES DE PRONOSTICO |E t| |E t|^2

DOLARES)
Abril 31 28,8 2,2 4,84
Mayo 37 33,72 3,28 10,7584
Junio 47 41,69 5,31 28,1961
Julio 53 48,48 4,52 20,4304
Agosto 62 56,6 5,4 29,16
Septiembre 54 55,04 1,04 1,0816
Octubre 36 43,62 7,62 58,0644
Noviembre 32 36,65 4,65 21,6225
Diciembre 29 32,06 3,06 9,3636
TOTAL 37,08 183,52
MSE 20,39
El mejor método es el segundo porque su MSE es mucho menor con relación al primero
5. Últimamente, una tienda de artículos varios ha empezado a vender en su territorio una

nueva marca de refrescos. A la gerencia le interesa estimar el volumen de las ventas
futuras para determinar se debe seguir vendiendo la nueva marca o si será preferible
sustituirla por otra. A finales de abril, el volumen de promedio de ventas mensuales del
nuevo refresco era 700 latas y la tendencia indicaba +50 latas por mes. Las cifras del
volumen de ventas de mayo, junio y julio son de 760, 800, y 820, respectivamente. Utilice
el suavizamiento exponencial ajustado a la tendencia, con 𝜶=0.2 y 𝜷=0.1 para pronosticar
el consumo de junio, julio y agosto
SOLUCION
𝐴𝑡 = 𝛼𝐷𝑡 + (1 − 𝛼)(𝐴𝑡−1 + 𝑇𝑡−1 )
𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1
𝐹𝑡+1 = 𝐴𝑡 + 𝑇𝑡
Para junio tenemos:
𝐴𝑚𝑎𝑦𝑜 = 0.2 ∗ 760 + (1 − 0.2)(700 + 50) = 752
𝑇𝑚𝑎𝑦𝑜 = 0.1 ∗ (752 − 700) + (1 − 0.1) ∗ 50 = 50.2
𝐹𝑗𝑢𝑛𝑖𝑜 = 752 + 50.2 = 802.2

Para julio tenemos:
𝐴𝑗𝑢𝑛𝑖𝑜 = 0.2 ∗ 800 + (1 − 0.2)(752 + 50.2) = 801.76
𝑇𝑗𝑢𝑛𝑖𝑜 = 0.1 ∗ (801.76 − 752) + (1 − 0.1) ∗ 50.2 = 50.156
𝐹𝑗𝑢𝑙𝑖𝑜 = 801.76 + 50.156 = 851.9 ≅ 852
Para agosto tenemos:
𝐴𝑗𝑢𝑙𝑖𝑜 = 0.2 ∗ 820 + (1 − 0.2)(801.76 + 50.156) = 845.53
𝑇𝑗𝑢𝑙𝑖𝑜 = 0.1 ∗ (845.53 − 801.76) + (1 − 0.1) ∗ 50.156 = 49.517
𝐹𝑎𝑔𝑜𝑠𝑡𝑜 = 845.53 + 49.517 = 895.04 ≅ 895
6. El Community Federal Bank de Dothan, Alabama, instalo recientemente un nuevo cajero

automático para ofrecer servicios bancarios convencionales y atender solicitudes de
préstamo y transacciones de inversión. El manejo de la nueva máquina es un poco
complicado, por lo cual a la gerencia le interesa llevar un registro de su utilización en el
pasado y proyectar el uso en el futuro. Si el uso proyectado es insuficiente amplio, tal vez
sea necesario adquirir más maquinas. Al final d abril el uso mensual era de 600 clientes y
la tendencia señalaba +60 clientes por mes. Las cifras de uso real correspondientes a
mayo, junio y julio son 680,710, y 790, respectivamente. Use el suavizamiento exponencial
ajustado a la tendencia con 𝜶=0.3 y 𝜷=0.2, para elaborar un pronóstico de la utilización
en junio, julio y agosto.
SOLUCION
𝐴𝑡 = 𝛼𝐷𝑡 + (1 − 𝛼)(𝐴𝑡−1 + 𝑇𝑡−1 )
𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1
𝐹𝑡+1 = 𝐴𝑡 + 𝑇𝑡
Para junio tenemos:
𝐴𝑚𝑎𝑦𝑜 = 0.3 ∗ 680 + (1 − 0.3)(600 + 60) = 666
𝑇𝑚𝑎𝑦𝑜 = 0.2 ∗ (666 − 600) + (1 − 0.2) ∗ 60 = 61.2
𝐹𝑗𝑢𝑛𝑖𝑜 = 666 + 61.2 = 727.2 ≅ 727

Para julio tenemos:
𝐴𝑗𝑢𝑛𝑖𝑜 = 0.3 ∗ 710 + (1 − 0.3)(666 + 61.2) = 722.04
𝑇𝑗𝑢𝑛𝑖𝑜 = 0.2 ∗ (722.04 − 666) + (1 − 0.2) ∗ 61.2 = 60.168
𝐹𝑗𝑢𝑙𝑖𝑜 = 722.04 + 60.168 = 782.2 ≅ 782
Para agosto tenemos:
𝐴𝑗𝑢𝑙𝑖𝑜 = 0.3 ∗ 790 + (1 − 0.3)(722.04 + 60.168) = 784.55
𝑇𝑗𝑢𝑙𝑖𝑜 = 0.2 ∗ (784.55 − 722.04) + (1 − 0.2) ∗ 60.168 = 60.64
𝐹𝑎𝑔𝑜𝑠𝑡𝑜 = 784.55 + 60.64 = 845.19 ≅ 845
7. El número de intervenciones quirúrgicas de corazon que se realiza en el hospital general

de Heartville ha aumentado sin cesar en los últimos años. La administración del hospital
está buscando el mejor método para pronosticar la demanda de esas operaciones en el
año 6. A continuación se presentan los datos de los últimos cinco años. Hace seis años, el
pronóstico para el año 1 era de 41 operaciones y la tendencia estimada fue de un
incremento de 2 por años.
AÑO DEMANDA
1 45
2 50
3 52
4 56
5 58
La administración del hospital está considerando los siguientes métodos de pronóstico.
i) Suavizamiento exponencial con 𝜶=0.6

ii) Suavizamiento exponencial con 𝜶=0.9
iii) Suavizamiento exponencial ajustado a la tendencia con 𝜶=0.6 y 𝜷=0.1
iv) Promedio móvil de tres años
v) Promedio móvil ponderado de tres años, usando ponderaciones de 3/6, 2/6 y 1/6 y
asignando una mayor ponderación a los datos mas recientes.
vi) Modelo de regresión Y=42.6 +3.2X donde Y es el numero de cirugías y x representa el
índice del año
a) Si la MAD es el criterio de desempeño seleccionado por la administración,¿Qué método de
pronostico seleccionaría debería elegir?
b) Si el MSE es el criterio de desempeño seleccionado por la administración,¿Qué método de
c) Si el MAPE es el criterio de desempeño seleccionado por la administración,¿Qué método de

SOLUCION
i) Suavizamiento exponencial con 𝛼=0.6
AÑO DEMANDA PRONOSTICO |E t| |E t^2| (|E

t|/Dt)*100
1 45 41 4 16 8,89
2 50 44 6 36 12
3 52 48 4 16 7,7
4 56 51 5 25 8,93
5 58 54 4 16 6,9
6 57
MAD 4,6 MSE 21,8 MAPE 8,884
ii) Suavizamiento exponencial con 𝛼=0.9
AÑO DEMANDA PRONOSTICO |E t| |E t^2| (|E t|/Dt)*100

1 45 41 4 16 8,89
2 50 45 5 25 10
3 52 50 2 4 3,85
4 56 52 4 16 7,15
5 58 56 2 4 3,45
6 58
MAD 3,4 MSE 13 MAPE 6,668
iii) Suavizamiento exponencial ajustado a la tendencia con 𝛼=0.6 y 𝛽=0.1

1 45 41 4 16 8,89
2 50 46 4 16 8
3 52 51 1 1 1,93
4 56 54 2 4 3,58
5 58 58 0 0 0
6 61
MAD 2,2 MSE 7,4 MAPE 4,48

iv) Promedio móvil de tres años

1 45 - - - -
2 50 - - - -
3 52 - - -
4 56 49 7 49 12,5
5 58 53 5 25 8,63
6 56
MAD 6 MSE 37 MAPE 10,565
v) Promedio móvil ponderado de tres años, usando ponderaciones de 3/6, 2/6 y 1/6 y
asignando una mayor ponderación a los datos mas recientes.

1 45 - - - -
2 50 - - - -
3 52 - - -
4 56 51 5 25 8,93
5 58 54 4 16 6,9
6 57
MAD 4,5 MSE 20,5 MAPE 7,915
vi) Modelo de regresión Y=42.6 +3.2X donde Y es el numero de cirugías y x representa el

índice del año
AÑO DEMANDA PRONOSTICO |E t| |E t^2| (|E

t|/Dt)*100
1 45 46 1 1 2,23
2 50 49 1 1 2
3 52 53 1 1 1,93
4 56 56 0 0 0
5 58 59 1 1 1,73
6 62
MAD 0,8 MSE 0,8 MAPE 1,578
a) Elegimos el método vi de regresión lineal porque su desviación media absoluta(MAD) es

mínima
b) Elegimos el método vi de regresión lineal porque su error cuadrático medio(MSE) es mínima

c) Elegimos el método vi de regresión lineal porque su error porcentual medio(MAPE) es
mínima
8. Los siguientes datos corresponden a las ventas de calculadoras, expresadas en unidades,

en una tienda de artículos electrónicos en las últimas cinco semanas:
SEMANA VENTAS
1 46
2 49
3 43
4 50
5 53
Use el suavizamiento exponencial ajustado a la tendencia con 𝛂=0.2 y 𝛃=0.2, para pronosticar las
ventas correspondientes a las semanas 3 a 6. Suponga que el promedio de la seri de tiempo fue
de 45 unidades y que la tendencia promedio fue de +2 unidades por semana inmediatamente
antes de la semana 1
SOLUCION
SEMANA VENTAS PRONOSTICO |E t| |E t^2| (|E

t|/Dt)*100
1 46 45 1 1 2,18
2 49 48 1 1 2,05
3 43 50 7 49 16,28
4 50 52 2 4 4
5 53 54 1 1 1,89
6 56
El pronóstico para la semana 6 es de 56 unidades vendidas
9. Forrest y Danfabrican cajas de chocolates, cuya demanda es incierta. Forrest comenta”

Asi es la vida”. Por otro lado Dan está convencido de que existen ciertos patrones de
demanda que podrían ser útiles para planear las compras de azúcar, chocolate y
camarones. Forrest insiste en incluir en algunas cajas, como regalo sorpresa, una camarón
cubierto de chocolate, para que el cliente “nunca sepa lo que va a encontrar”. A
continuación se presenta la demanda trimestral registrada en los últimos tres años
(expresada en cajas de chocolate)
TRIMESTRE AÑO 1 AÑO 2 AÑO 3

1 3000 3300 3502
2 1700 2100 2448
3 900 1500 1768
4 4400 5100 5882
TOTAL 10000 12000 13600
a) Use la intuición y el buen juicio para estimar la demanda trimestral correspondiente al
cuarto año
Una manera de ajustar estos datos es realizando regresión :
Se ajusta a un modelo sinusoidal : y=1780.60*sin(158x+0.93)+2951.8
TRIMESTRE AÑO 1 PRONOSTICO

1 3000 4003,121293
2 1700 1505,083771
3 900 1927,108538
4 4400 4417,377813
5 3300 3949,514444
6 2100 1467,857171
7 1500 1981,40062
8 5100 4453,605055
9 3502 3894,555525
10 2448 1432,641563
11 1768 2037,007756
12 5882 4487,797097
13 3838,319012
14 1399,484671
15 2093,85459
16 4519,907605
b) Si las ventas esperadas de los chocolates son de 14800 cajas en el año 4 utilice el método estacional multiplicativo y prepare un pronóstico
para cada trimestre del año ¿alguno de los pronósticos trimestrales es diferente de lo que usted supuso que obtendría en la parte a?
TRIMESTRE AÑO 1 FACTOR ESTACIONAL AÑO 2 FACTOR ESTACIONAL AÑO 3 FACTOR ESTACIONAL F.E. PROMEDIO AÑO 4
(PRONOSTICO)
1 3000 1,2 3300 1,1 3502 1,03 1,11 4107
2 1700 0,68 2100 0,7 2448 0,72 0,7 2590
3 900 0,36 1500 0,5 1768 0,52 0,46 1702
4 4400 1,76 5100 1,7 5882 1,73 1,73 6401
PROMEDIO 2500 3000 3400 14800

10. La gerente de Snyders Garden Center debe elaborar sus planes anuales de compras de
rastrillos, guantesy otros artículos de jardinería. Uno de los artículos que tiene en
inventario es Fast- grow, un fertilizante liquido. Las ventas de dicho articulo son
estacionales, con puntos máximos en los meses de primavera, verano y otoño . a
continuación se presenta la demanda trimestral (en cajas ) registrada durante los dos
últimos años:
TRIMESTRE AÑO 1 AÑO 2

1 40 60
2 350 440
3 290 320
4 210 280
TOTAL 890 1100
Si las ventas esperadas de Fast- Grow son de 1150 cajas para el año 3, use el método estacional
multiplicativo y prepare un pronóstico para cada trimestre.
TRIMEST AÑO FACTOR AÑO FACTOR F.E. AÑO 3

RE 1 ESTACIONAL 2 ESTACIONAL PROMEDIO PRONOSTICO
1 40 0,179775281 60 0,218181818 0,19897855 57,21
2 350 1,573033708 440 1,6 1,58651685 456,13
4
3 290 1,303370787 320 1,163636364 1,23350357 354,64
5
4 210 0,943820225 280 1,018181818 0,98100102 282,04
1
1150,02
PROME 222, 275
DIO 5
11. El gerente de una compañía de luz, localizada en la franja estrecha del territorio des
estado de Texas, necesita elaborar pronósticos trimestrales de las cargas de energías
eléctrica que deberá suministrar el año entrante. Las cargas de energía so estacionales, y
los datos sobre las cargas trimestrales, en megaeatts (MW),en los últimos cuatro años,
son los siguientes:
TRIMESTRE AÑO 1 AÑO 2 AÑO 3 AÑO 4

1 103,5 94,7 118,6 109,3
2 126,1 116 141,2 131,6
3 144,5 137,1 159 149,5
4 166,1 152,5 178,2 169

El gerente ha estimado la demanda total para el año próximo en 600 MW. Use el método estacional multiplicativo y elabore un pronóstico para
cada trimestre.
SOLUCION
TRIMES AÑO FACTOR AÑO FACTOR AÑO FACTOR AÑO FACTOR F.E. AÑO 5
TRE 1 ESTACIONAL 2 ESTACIONAL 3 ESTACIONAL 4 ESTACIONAL PROMEDI PRONOSTICO
O
1 103, 0,76638282 94,7 0,75714571 118, 0,79463987 109, 0,78155166 0,77493002 116,239502
5 6 3
2 126, 0,93372825 116 0,92744353 141, 0,94606365 131, 0,94100822 0,93706091 140,559137
1 2 6
3 144, 1,06997408 137,1 1,09614231 159 1,06532663 149, 1,0690025 1,07511138 161,266708
5 5
4 166, 1,22991485 152,5 1,21926844 178, 1,19396985 169 1,20843761 1,21289769 181,934653
1 2
600
PROMED 135, 125,0 149, 139,
IO 05 75 25 85
MK 150
12. La demanda de cambios de aceite de garcias Garage ha sido la siguiente
MES NUMERO DE CAMBIOS DE

ACEITE
Enero 41
Febrero 46
Marzo 57
Abril 52
Mayo 59
Junio 51
Julio 60
Agosto 62
a) Aplique el análisis de regresión lineal simple y elabore un modelo de pronostico para la

demanda mensual. En esta aplicación, la variable dependiente, Y, corresponde a la demanda
mensual, y la variable independiente, X, representa el mes . Para enero , sea x=1, para
febrero x=2, y asi sucesivamente
70
y = 2.4524x + 42.464
60 R² = 0.6682
50
40
Series1
30 Linear (Series1)
20
10
0
0 2 4 6 8 10
b) Utilice el modelo para pronosticar la demanda en septiembre, octubre y noviembre. en este

caso, X=9, 10, 11 respectivamente
MES NUMERO PRONOSTICO

DE
CAMBIOS
DE ACEITE
Enero 41 44,916
Febrero 46 47,368
Marzo 57 49,82
Abril 52 52,272
Mayo 59 54,724
Junio 51 57,176
Julio 60 59,628
Agosto 62 62,08
Septiembre 64,532
Octubre 66,984
Noviembre 69,436
El pronóstico para los meses de septiembre son:

MES PRONOSTICO
Septiembre 64,532
Octubre 66,984
Noviembre 69,436
13. En una fabrica procesadora de hidrocarburos , el control de procesos requiere al
analisisperiodico de muestras para un parámetro determinado de la calidad del proceso.
El procedimiento analítico que se sigue actualmente es costos y consume mucho tiempo.
Se ha propuesto un procedimiento más rápido.y económico. Sin embargo las cifras
obtenidas con el procedimiento alternativo con el parámetro de calidad son un tanto
diferentes de las obtenidas con el procedimiento actual,no ha causa de errores intrínsecos
, sino por cambios en el carácter del análisis químico. La gerencia considera que si es
posible usar las cifras obtenidas con el nuevo procedimiento para hacer un pronostico
fiable de las cifras correspondientes del procedimiento actual la adopción de nuevo
procedimiento seriasensata y rentable. Los siguientes datos referentes al parámetro de
calidad se obtuvieron analizando muestras con los dos procedimientos.
ACTUAL PROPUESTO ACTUAL PROPUESTO

(Y) (X) (Y) (X)
3 3,1 3,1 3,1
3,1 3,9 2,7 2,9
3 3,4 3,3 3,6
3,6 4 3,2 4,1
3,8 3,6 2,1 2,6
2,7 3,6 3 3,1
2,7 3,6 2,6 2,8
a) Use la regresión lineal para encontrar una relación que permita pronosticar Y, que es el
parámetro de calidad del procedimiento actual, utilizando los valores del procedimiento
propuesto, X.
Para el primero:
4
3.5 y = 0.5x + 1.3286
R² = 0.1257
3
2.5
2 Series1
1.5 Linear (Series1)
1
0.5
0
0 1 2 3 4 5
Para el segundo:
4
3.5 y = 0.6595x + 0.7656
3 R² = 0.6559
2.5
2 Series1
1.5 Linear (Series1)
1
0.5
0
0 2 4 6
b) ¿Existe una relación fuerte entre Y y X? Explique
Existe una mayor relación en el segundo modelo puesto que su coeficiente de determinación 𝑅 2 es
mayor con relación al primero de 0.6559 a 0.1257.
14. Ohio Swis Milk Products fabrica y distribuye helados en Ohio, Kentucky y West Virginia.
La compañía desea expandir sus operaciones, abriendo una nueva planta en el norte de
Ohio. El tamaño de la nueva planta se calculara en función dela demanda esperada de
helado en el área atendida por dicha planta. Actualmente se está realizando un estudio
de mercado para determinar cuál será esa demanda.
Ohio Swiss desea estimar la relación entre el costo de fabricación por galón y el número
de galones vendidos en un año para determinar la demanda de helado y por consiguiente
el tamaño de la nueva planta. Se ha recopilado los siguientes datos:
PLANTA COSTO POR MILES DE

MILLAR DE GALONES
GALONES (Y) VENDIDOS (X)
1 1015 416,9
2 973 472,5
3 1046 250
4 1006 372,1
5 1058 238,1
6 1068 258,6
7 967 597
8 997 414
9 1044 263,2
10 1008 372
TOTAL 10182 3654,4
a) Desarrolle una ecuación de regresión para pronosticar el costo por galon, en función del
numero de galones producidos
1080
1060 y = 1883.1x-0.105
R² = 0.9191
1040
1020 Series1
1000
Power
980 (Series1)
960
940
0 200 400 600 800
b) Calcule el coeficiente de correlación y el coeficiente de determinación. Comente sobre su

ecuación de regresión a la luz de sus medidas
Coeficiente de determinación: 𝑅 2 = 0.9191
Coeficiente de correlación: 𝑅 = 0.9587
Podemos observar que el coeficiente de determinación está cercano a 1 por lo que las variables se
encuentra muy relacionadas una de otra y el coeficiente de correlación nos indica que una 95%
justifica el modelo el comportamiento de los datos.
c) Suponga que el estudio de mercado indica una demanda de 325000 galones en el área de
Bucyrus, Ohio. Estime el costo de fabricación por galon en una planta que produce 325.000
galones al año.
𝑌 = 1883.1 ∗ 𝑥 −0.105 = 1883.1 ∗ 325000−0.105 = 1025.95
El costo es de 1025.95 [$]
15. El director de una gran biblioteca pública tiene que programar las actividades de los
empleados a cargo de colocar de nuevo en los estantes los libros y las publicaciones
periódicas que devuelven los usuarios de la biblioteca. El número de elementos
bibliográficos que salen en calidad de préstamo determinara los requisitos de mano de
obra. Los siguientes datos reflejan el número de dichos elementos que han salido de la
biblioteca en los últimos año.
N° MES AÑO 1 AÑO2 AÑO 3

1 Enero 1847 2045 1986
2 Febrero 2669 2321 2564
3 Marzo 2467 2419 2635
4 Abril 2432 2088 2150
5 Mayo 2464 2667 2201
6 Junio 2378 2122 2663
7 Julio 2217 2206 2055
8 Agosto 2445 1869 1678
9 Septiembre 1894 2441 1845
10 Octubre 1922 2291 2065
11 Noviembre 2431 2364 2147
12 Diciembre 2274 2189 2451
El director necesita un método de series de tiempo para pronosticar el número de elementos que
saldrán de la institución durante el próximo mes. Encuentre el mejor pronóstico posible con el
método de promedio móvil simple. Defina lo que se entiende por el mejor y justifique su decisión.
SOLUCION
ERROR ERROR
DE DE
N PRESTA PRONOSTICO PRONOST PRONOST PRONOST PRONOST PRONOSTICO ERROR DE PROVISI PROVISI
° MES MOS n=2 ICO n=3 ICO n=4 ICO n=22 ICO n=33 n=44 PROVISION 1 ON 2 ON 3
1 Enero 1847 - - - - - - - - -
2 Febrero 2669 - - - - - - - - -
3 Marzo 2467 2258 - - - - - 209 - -
2327,666
4 Abril 2432 2568 667 - 2568 2328 - 136 104 -
2522,666
5 Mayo 2464 2449,5 667 2353,75 2450 2523 2354 14 59 110
2454,333
6 Junio 2378 2448 333 2508 2448 2455 2508 70 77 130
2424,666
7 Julio 2217 2421 667 2435,25 2421 2425 2436 204 208 219
8 Agosto 2445 2297,5 2353 2372,75 2298 2353 2373 147 92 72
Septiem 2346,666
9 bre 1894 2331 667 2376 2331 2347 2376 437 453 482
1 2185,333
0 Octubre 1922 2169,5 333 2233,5 2170 2186 2234 248 264 312
1 Noviem
1 bre 2431 1908 2087 2119,5 1908 2087 2120 523 344 311
1 Diciemb 2082,333
2 re 2274 2176,5 333 2173 2177 2083 2173 97 191 101
1
3 Enero 2045 2352,5 2209 2130,25 2353 2209 2131 308 164 86
1
4 Febrero 2321 2159,5 2250 2168 2160 2250 2168 161 71 153
1 2213,333
5 Marzo 2419 2183 333 2267,75 2183 2214 2268 236 205 151
1 2261,666
6 Abril 2088 2370 667 2264,75 2370 2262 2265 282 174 177
1
7 Mayo 2667 2253,5 2276 2218,25 2254 2276 2219 413 391 448
1 2391,333
8 Junio 2122 2377,5 333 2373,75 2378 2392 2374 256 270 252
1 2292,333
9 Julio 2206 2394,5 333 2324 2395 2293 2324 189 87 118
2 2331,666
0 Agosto 1869 2164 667 2270,75 2164 2332 2271 295 463 402
2 Septiem 2065,666
1 bre 2441 2037,5 667 2216 2038 2066 2216 403 375 225
2
2 Octubre 2291 2155 2172 2159,5 2155 2172 2160 136 119 131
2 Noviem 2200,333
3 bre 2364 2366 333 2201,75 2366 2201 2202 2 163 162
2 Diciemb 2365,333
4 re 2189 2327,5 333 2241,25 2328 2366 2242 139 177 53
2 2281,333
5 Enero 1986 2276,5 333 2321,25 2277 2282 2322 291 296 336
2 2179,666
6 Febrero 2564 2087,5 667 2207,5 2088 2180 2208 476 384 356
2 2246,333
7 Marzo 2635 2275 333 2275,75 2275 2247 2276 360 388 359
2
8 Abril 2150 2599,5 2395 2343,5 2600 2395 2344 450 245 194
2 2449,666
9 Mayo 2201 2392,5 667 2333,75 2393 2450 2334 192 249 133
3 2328,666
0 Junio 2663 2175,5 667 2387,5 2176 2329 2388 487 334 275
3
1 Julio 2055 2432 2338 2412,25 2432 2338 2413 377 283 358
3 2306,333
2 Agosto 1678 2359 333 2267,25 2359 2307 2268 681 629 590
3 Septiem
3 bre 1845 1866,5 2132 2149,25 1867 2132 2150 22 287 305
3 1859,333
4 Octubre 2065 1761,5 333 2060,25 1762 1860 2061 303 205 4
3 Noviem 1862,666
5 bre 2147 1955 667 1910,75 1955 1863 1911 192 284 236
3 Diciemb
6 re 2451 2106 2019 1933,75 2106 2019 1934 345 432 517
3
7 Enero 2299 2221 2127 2299 2221 2127
MAD 268 257 242

Para este conjunto de datos cuando n= 4 produjo una deviación media absoluta más baja entonces nuestro valor pronosticado es de 2127
16. Usando los datos del problema 15, encuentre la mejor solución posible con el
suvizamiento exponencial. Justifique su decisión.
N° MES PRESTAMOS PRONOSTICO MES t+1

1 Enero 1847 2071 Febrero
2 Febrero 2669 2191 Marzo
3 Marzo 2467 2247 Abril
4 Abril 2432 2284 Mayo
5 Mayo 2464 2320 Junio
6 Junio 2378 2332 Julio
7 Julio 2217 2309 Agosto
8 Agosto 2445 2337 Septiembre
9 Septiembre 1894 2249 Octubre
10 Octubre 1922 2184 Noviembre
11 Noviembre 2431 2234 Diciembre
12 Diciembre 2274 2242 Enero
16 Abril 2088 2231 Mayo
17 Mayo 2667 2319 Junio
28 Abril 2150 2308 Mayo
29 Mayo 2201 2287 Junio
MES DEMANDA REAL PRONOSTICO ERROR ERROR ABSOLUTO ERROR PORCENTUAL ABSOLUTO
Febrero 2669 2071 598 598 23
Marzo 2467 2191 276 276 12
Abril 2432 2247 185 185 8
Mayo 2464 2284 180 180 8
Junio 2378 2320 58 58 3
Julio 2217 2332 -115 115 6
Agosto 2445 2309 136 136 6
Septiembre 1894 2337 -443 443 24
Octubre 1922 2249 -327 327 18
Noviembre 2431 2184 247 247 11
Diciembre 2274 2234 40 40 2
Enero 2045 2242 -197 197 10
Febrero 2321 2203 118 118 6
Marzo 2419 2227 192 192 8
Abril 2088 2266 -178 178 9
Mayo 2667 2231 436 436 17
Junio 2122 2319 -197 197 10
Julio 2206 2280 -74 74 4
Agosto 1869 2266 -397 397 22
Septiembre 2441 2187 254 254 11
Octubre 2291 2238 53 53 3
Noviembre 2364 2249 115 115 5
Diciembre 2189 2272 -83 83 4
Enero 1986 2256 -270 270 14
Febrero 2564 2202 362 362 15
Marzo 2635 2275 360 360 14
Abril 2150 2347 -197 197 10
Mayo 2201 2308 -107 107 5
Junio 2663 2287 376 376 15
Julio 2055 2363 -308 308 15
Agosto 1678 2302 -624 624 38
Septiembre 1845 2178 -333 333 19
Octubre 2065 2112 -47 47 3
Noviembre 2147 2103 44 44 3
Diciembre 2451 2112 339 339 14
MAD 237
MAPE 12
El método se suaviza miento exponencial vendría a ser el mejor método porque su MAD es menor
con relación a medias móviles.
17. Usando los datos del problema 1, busque la mejor solución posible con el suavizamiento exponencial ajustado a la tendencia. Compare
el desempeño de este metdode promedio móvil y el suavizamiento exponencial ¿Cuál de los tres métodos utilizaría usted?
PRESTAMO ERROR DE ERROR DE

N° MES S F FIT T MES t+1 PROYECCION PREVISION PROVISION
1 Enero 1847 2080,1 2180 -9,99 Febrero 2081 -234 234
2 Febrero 2669 2356,67 2361,35 4,68 Marzo 2357 312 312
3 Marzo 2467 2394,449 2402,2985 7,8495 Abril 2395 72 72
4 Abril 2432 2413,5638 2422,30435 8,740545 Mayo 2414 18 18
2437,4352
5 Mayo 2464 1 2447,42662 9,99141465 Junio 2438 26 26
2429,5960
6 Junio 2378 6 2437,50467 7,90861606 Julio 2430 -52 52
2373,7258
7 Julio 2217 6 2375,01933 1,29347583 Agosto 2374 -157 157
2396,4015
8 Agosto 2445 8 2399,79447 3,39289586 Septiembre 2397 48 48
Septiembr
9 e 1894 2249,074 2237,29306 -11,7809383 Octubre 2250 -356 356
2139,1708
10 Octubre 1922 6 2117,93113 -21,2397301 Noviembre 2140 -218 218
2205,4798
11 Noviembre 2431 7 2193,63221 -11,847664 Diciembre 2206 225 225
2214,1882
12 Diciembre 2274 5 2204,75162 -9,43663028 Enero 2215 59 59
2153,9951
13 Enero 2045 4 2139,76596 -14,2291788 Febrero 2154 -109 109
2189,8674
14 Febrero 2321 2 2181,07526 -8,79215768 Marzo 2190 131 131
2249,8150
15 Marzo 2419 4 2248,16062 -1,65441558 Abril 2250 169 169
2199,6161
16 Abril 2088 1 2193,15688 -6,45923422 Mayo 2200 -112 112
2333,3720
17 Mayo 2667 4 2341,1281 7,7560595 Junio 2334 333 333
2277,7164
18 Junio 2122 9 2278,89871 1,18221642 Julio 2278 -156 156
2257,3837
19 Julio 2206 6 2256,37901 -1,00474476 Agosto 2258 -52 52
2139,8638
20 Agosto 1869 9 2127,23777 -12,6261152 Septiembre 2140 -271 271
Septiembr 2217,5786
21 e 2441 1 2214,36536 -3,21324833 Octubre 2218 223 223
2236,3917
22 Octubre 2291 8 2235,47757 -0,91420905 Noviembre 2237 54 54
2273,7600
23 Noviembre 2364 3 2276,7015 2,94146396 Diciembre 2274 90 90
2251,2734
24 Diciembre 2189 9 2251,58391 0,31041903 Enero 2252 -63 63
2172,0018
25 Enero 1986 6 2164,34476 -7,65709817 Febrero 2173 -187 187
26 Febrero 2564 2281,9442 2286,27676 4,33255896 Marzo 2282 282 282
27 Marzo 2635 2392,1935 2406,98776 14,7942561 Abril 2393 242 242
2334,3297
28 Abril 2150 1 2341,41433 7,08462333 Mayo 2335 -185 185
2301,4154
29 Mayo 2201 2 2304,28761 2,87219341 Junio 2302 -101 101
2412,7629
30 Junio 2663 9 2426,39655 13,6335651 Julio 2413 250 250
2319,0676
31 Julio 2055 6 2321,55932 2,49166852 Agosto 2320 -265 265
2129,2390
32 Agosto 1678 3 2112,42392 -16,8151112 Septiembre 2130 -452 452
Septiembr 2027,1522
33 e 1845 1 2002,31438 -24,8378287 Octubre 2028 -183 183
2013,6687
34 Octubre 2065 2 1990,71146 -22,9572601 Noviembre 2014 51 51
2030,7108
35 Noviembre 2147 4 2012,44224 -18,2686038 Diciembre 2031 116 116
2138,5289
36 Diciembre 2451 9 2133,41711 -5,11187091 ENERO 2139 312 312
MAD=16
Erigiría el tercer método puesto que su MAD es mínimo en comparación de los demás métodos.
18. Cannister, Inc. Se especializa en la fabricación de recipientes de plásticos. Los datos de las
ventas mensuales de botellas de champú de 10 onzas en los últimos cinco años son los
siguientes:
AÑO 1 2 3 4 5
Enero 742 741 896 951 1030
Febrero 697 700 793 861 1032
Marzo 776 774 885 938 1126
Abril 898 932 1055 1109 1285
Mayo 1030 1099 1204 1274 1468
Junio 1107 1223 1326 1422 1637
Julio 1165 1290 1303 1486 1611
Agosto 1216 1349 1436 1555 1608
Septiembre 1208 1341 1473 1604 1528
Octubre 1131 1296 1453 1600 1420
Noviembre 971 1066 1170 1403 1119
Diciembre 783 901 1023 1209 1013
a) Use el método estacional multiplicativo para calcular los índices estacionales mensuales
AÑO 1 INDICE 2 INDICE 3 INDICE 4 INDICE 5 INDICE

ESTACIONAL ESTACIONAL ESTACIONAL ESTACIONAL ESTACIONAL
Enero 742 0,759467758 741 0,69949654 896 0,76706856 951 0,74046198 1030 0,7784846
Febrero 697 0,713408393 700 0,66079295 793 0,67888992 861 0,67038671 1032 0,77999622
Marzo 776 0,794268168 774 0,73064821 885 0,75765142 938 0,73033999 1126 0,85104239
Abril 898 0,919140225 932 0,87979862 1055 0,90318898 1109 0,863483 1285 0,97121622
Mayo 1030 1,054247697 1099 1,03744493 1204 1,03074838 1274 0,99195432 1468 1,10952951
Junio 1107 1,133060389 1223 1,15449969 1326 1,13519298 1422 1,1071892 1637 1,23726145
Julio 1165 1,192425793 1290 1,21774701 1303 1,1155026 1486 1,1570205 1611 1,21761038
Agosto 1216 1,244626407 1349 1,27344242 1436 1,22936434 1555 1,21074487 1608 1,21534295
Septiem 1208 1,236438076 1341 1,2658905 1473 1,26104017 1604 1,24889696 1528 1,15487813
bre
Octubre 1131 1,157625384 1296 1,22341095 1453 1,2439181 1600 1,24578251 1420 1,07325061
Noviem 971 0,993858751 1066 1,00629327 1170 1,00164086 1403 1,09239554 1119 0,84575172
bre
Diciemb 783 0,801432958 901 0,85053493 1023 0,87579368 1209 0,94134441 1013 0,76563583
re
PROME 977 1059,33 1168,08 1284,33 1323,

DIO 333 333 333 08333
b) Desarrolle una ecuación de regresión lineal simple para pronosticar las ventas anuales. En
esta regresión, la variable dependiente, Y, es la demanda registrada cada año, y la variable
independiente, X, es el índice del año
AÑO DEMANDA
1 11724
2 12712
3 14017
4 15412
5 15877
18000
y = 1100.6x + 10647
16000
R² = 0.9814
14000
12000
10000
Series1
8000
Linear (Series1)
6000
4000
2000
0
0 1 2 3 4 5 6
c) Pronostique las ventas anuales para el año 6, usando el modelo de regresión que desarrollo
en la parte b
𝑦 = 1100.6𝑥 + 10647 = 1100.6 ∗ 6 + 10647 = 17250.6 [𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑣𝑒𝑛𝑑𝑖𝑑𝑎𝑠]
El pronóstico para el año 6 es de 17250.6 botellas de champú.
d) Prepare el pronóstico estacional para cada mes, utilizando los inndices estacionales
mensuales calculados en la parte a
AÑO I.E. PRONOSTICO

PROMEDIO AÑO 6
Enero 0,748995887 1076,71904
Febrero 0,700694839 1007,28387
Marzo 0,772790036 1110,92432
Abril 0,90736541 1304,38315
Mayo 1,044784967 1501,93063
Junio 1,153440741 1658,12874
Julio 1,180061258 1696,39706
Agosto 1,234704198 1774,94902
Septiembre 1,233428765 1773,11552
Octubre 1,188797511 1708,95586
Noviembre 0,987988027 1420,28219
Diciembre 0,846948359 1217,53061
TOTAL 17250.6
19. Midwest Computer Company atiende a un gran numero de empresas en la región de los
grandes lagos. La compañía vende suministros y partes de repuestos, y da servicios a todas
las computadoras vendidas en sus siete oficinas de venta. Como hay muchos artículos
almacenados, se requiere un cuidadoso control de inventario para garantizar a los clientes
un servicio eficiente. El trabajo ha aumentado recientemente y la dirección esta
preocupada por un posible desabasto. Se requiere un método de pronóstico que permita
estimar las necesidades con varios meses de anticipación para poder comprar las
cantidades adecuadas de reabastecimiento. Un ejemplo del crecimiento de las ventas
observado en los últimos años 50 meses es el crecimiento de la demanda del articulo EP-
37, un cartucho para impresora láser, como muestra la tabla 13.5
MES VENTAS ALQUILERES MES VENTAS ALQUILERES

EP-37 EP-37
1 80 32 26 1296 281
2 132 29 27 1199 298
3 143 32 28 1267 314
4 180 54 29 1300 323
5 200 53 30 1370 309
6 168 89 31 1489 343
7 212 74 32 1499 357
8 254 93 33 1669 353
9 397 120 34 1716 360
10 385 113 35 1603 370
11 472 147 36 1812 386
12 397 126 37 1817 389
13 476 138 38 1798 399
14 699 145 39 1873 409
15 545 160 40 1923 410
16 837 196 41 2028 413

17 743 180 42 2049 439
18 422 197 43 2084 454
19 735 203 44 2083 441
20 838 223 45 2121 470
21 1057 247 46 2072 469
22 930 242 47 2262 490
23 1085 234 48 2371 496
24 1090 254 49 2309 509
25 1218 271 50 2422 522
a) Desarrolle una solución de suavizamiento exponencial ajustado a la tendencia para

pronosticar la demanda. Encuentre los mejores parámetros y justifique sus selecciones .
pronostique la demanda para los meses 51 a 53
ERROR DE ERROR DE
N° MES VENTAS F FIT T MES t+1 PROYECCION PREVISION PROVISION
1 Enero 80 98,2 106 -0,78 Febrero 99 -19 19
2 Febrero 132 116,14 116,14 0 Marzo 117 15 15
3 Marzo 143 124,198 125,0038 0,8058 Abril 125 18 18
4 Abril 180 141,7444 144,200086 2,455686 Mayo 142 38 38
5 Mayo 200 161,676766 165,806449 4,12968342 Junio 162 38 38
6 Junio 168 167,70342 171,89891 4,19548994 Julio 168 0 0
7 Julio 212 185,187884 190,586406 5,39852265 Agosto 186 26 26
8 Agosto 254 211,230041 218,530972 7,30093046 Septiembre 212 42 42
9 Septiembre 397 274,261959 286,916961 12,6550013 Octubre 275 122 122
10 Octubre 385 320,138373 335,735865 15,5974925 Noviembre 321 64 64
11 Noviembre 472 381,294353 400,97977 19,6854165 Diciembre 382 90 90
12 Diciembre 397 405,691464 425,257487 19,5660234 Enero 406 -9 9
13 Enero 476 446,350048 467,438347 21,0882988 Febrero 447 29 29
14 Febrero 699 543,233333 571,268481 28,0351484 Marzo 544 155 155
15 Marzo 545 571,798481 599,045575 27,247094 Abril 572 -27 27
16 Abril 837 678,606031 712,991758 34,3857267 Mayo 679 158 158
17 Mayo 743 732,309948 767,595922 35,285974 Junio 733 10 10
18 Junio 422 674,502938 699,421034 24,9180963 Julio 675 -253 253
19 Julio 735 717,570153 743,555618 25,9854653 Agosto 718 17 17
20 Agosto 838 779,684572 808,503369 28,8187968 Septiembre 780 58 58
22 Octubre 930 939,462294 975,796839 36,3345449 Noviembre 940 -10 10
23 Noviembre 1085 1019,45815 1059,06879 39,6106397 Diciembre 1020 65 65
24 Diciembre 1090 1080,23135 1120,76992 40,538576 Enero 1081 9 9
25 Enero 1218 1162,10052 1205,556 43,4554784 Febrero 1163 55 55
26 Febrero 1296 1245,72584 1291,89464 46,1687985 Marzo 1246 50 50

27 Marzo 1199 1277,87689 1321,25885 43,3819593 Abril 1278 -79 79
28 Abril 1267 1317,99578 1359,74997 41,7541939 Mayo 1318 -51 51
29 Mayo 1300 1354,35124 1394,31293 39,9616947 Junio 1355 -55 55
30 Junio 1370 1399,00756 1438,23987 39,2323067 Julio 1400 -30 30
31 Julio 1489 1465,2376 1505,99271 40,7551106 Agosto 1466 23 23
32 Agosto 1499 1516,12143 1556,66676 40,5453293 Septiembre 1517 -18 18
34 Octubre 1716 1680,48656 1726,48851 46,0019567 Noviembre 1681 35 35
35 Noviembre 1603 1703,24255 1745,53985 42,2973013 Diciembre 1704 -101 101
36 Diciembre 1812 1778,16708 1822,45819 44,2911058 ENERO 1779 33 33
37 Enero 1817 1834,10806 1878,23543 44,1273601 FEBRERO 1835 -18 18
38 Febrero 1798 1867,40301 1909,1233 41,7202974 MARZO 1868 -70 70
39 Marzo 1873 1910,8024 1951,439 40,6365983 ABRIL 1911 -38 38
40 Abril 1923 1955,09828 1994,88171 39,7834283 MAYO 1956 -33 33
41 Mayo 2028 2016,75222 2057,5292 40,7769771 JUNIO 2017 11 11
42 Junio 2049 2067,20353 2107,72463 40,521101 JULIO 2068 -19 19
43 Julio 2084 2112,76357 2152,57294 39,809362 AGOSTO 2113 -29 29
44 Agosto 2083 2143,64386 2181,36604 37,7221739 SEPTIEMBRE 2144 -61 61
45 Septiembre 2121 2174,57288 2210,48407 35,9111928 OCTUBRE 2175 -54 54
46 Octubre 2072 2179,71221 2211,46888 31,7566706 NOVIEMBRE 2180 -108 108
47 Noviembre 2262 2236,15522 2269,42782 33,2726043 DICIEMBRE 2237 25 25
48 Diciembre 2371 2309,88126 2346,20103 36,3197696 ENERO 2310 61 61
49 Enero 2309 2345,93665 2381,14039 35,2037389 FEBRERO 2346 -37 37
50 Febrero 2422 2403,95939 2440,38892 36,4295273 MARZO 2404 18 18
51 Marzo 2405 2440,7011 2476,06896 35,3678597 ABRIL 2441 -36 36
52 Abril 2441 2476,15863 2510,47442 34,3157908 MAYO 2477 -36 36
53 Mayo 2477 2510,72683 2544,03839 33,3115581 JUNIO 2511 -34 34
MAD=51.34
b) Un consultor de la gerencia de Midwest propuso que los alquileres de espacios para nuevas
oficinas serian un buen indicador líder de las ventas de la compañía. El mismo menciono
que en un estudio universitario reciente llego a la conclusión de que los alquileres de nuevos
espacios de oficina preceden a las ventas de equipo y suministros de oficina por un periodo
de tres meses. Según los resultados de ese estudio, los alquileres registrados en el mes 1
afectarían las ventas en el mes 4, los alquileres registrados en el mes 2 afectaría las ventas
en el mes 5, y así sucesivamente. Use la regresión lineal y desarrolle un modelo de
pronóstico para las ventas, considerando los alquileres como variable independiente.
Pronostique las ventas para los meses 51 a 53.
MES VENTAS ALQUILERES PRONOSTICO ERROR

EP-37
4 180 32 117 63
5 200 29 102 98
6 168 32 117 51
7 212 54 228 16
8 254 53 223 31
9 397 89 403 6
10 385 74 328 57
11 472 93 423 49
12 397 120 559 162
13 476 113 524 48
14 699 147 694 5
15 545 126 589 44
16 837 138 649 188
17 743 145 684 59
18 422 160 759 337
19 735 196 940 205
20 838 180 859 21
21 1057 197 945 112
22 930 203 975 45
23 1085 223 1075 10
24 1090 247 1195 105
25 1218 242 1170 48
26 1296 234 1130 166
27 1199 254 1231 32
28 1267 271 1316 49
29 1300 281 1366 66
30 1370 298 1451 81
31 1489 314 1531 42

32 1499 323 1577 78
33 1669 309 1506 163
34 1716 343 1677 39
35 1603 357 1747 144
36 1812 353 1727 85
37 1817 360 1762 55
38 1798 370 1812 14
39 1873 386 1893 20
40 1923 389 1908 15
41 2028 399 1958 70
42 2049 409 2008 41
43 2084 410 2013 71
44 2083 413 2028 55
45 2121 439 2158 37
46 2072 454 2234 162
47 2262 441 2168 94
48 2371 470 2314 57
49 2309 469 2309 0
50 2422 490 2414 8
51 2444 496 2444
52 2509 509 2509
53 2575 522 2575
MAD=72.43
c) ¿Cuál de los dos modelos produce mejores pronósticos? Explique su respuesta
El primero produce mejores pronósticos puesto que su MAD es menor al segundo
20. Un determinado producto alimenticio que se vende en los supermercados P&Q tiene el
patrón de demanda que muestra la tabla siguiente. Encuentre el mejor pronóstico posible
para el mes 25 y justifique su metodología. Puede usar alguno de los datos para encontrar
el mejor valoro valores de los parámetros de su método, y los demás para probar el
modelo de pronóstico. La justificación que presente deberá incluir consideraciones
cuantitativas.
MES DEMANDA MES DEMANDA

1 33 13 37
2 37 14 43
3 31 15 56
4 39 16 41
5 54 17 36
6 38 18 39
7 42 19 41
8 40 20 58
9 41 21 42
10 54 22 45
11 43 23 41
12 39 24 38
SOLUCION
Media móviles n=3
MES DEMANDA PRONOSTICO ERROR

1 33 -
2 37 -
3 31 -
4 39 34 5
5 54 36 18
6 38 42 4
7 42 44 2
8 40 45 5
9 41 40 1
10 54 41 13
11 43 45 2
12 39 46 7
13 37 46 9
14 43 40 3
15 56 40 16
16 41 46 5
17 36 47 11
18 39 45 6
19 41 39 2
20 58 39 19
21 42 46 4
22 45 47 2
23 41 49 8
24 38 43 5
25 42
MAD 7
Por regresión:
𝑦 = 0.2409𝑥 + 38.989
MES DEMANDA PRONOSTICO ERROR

1 33 47 14
2 37 48 11
3 31 47 16
4 39 49 10
5 54 52 2
6 38 49 11
7 42 50 8
8 40 49 9
9 41 49 8
10 54 52 2
11 43 50 7
12 39 49 10
13 37 48 11
14 43 50 7
15 56 53 3
16 41 49 8
17 36 48 12
18 39 49 10
19 41 49 8
20 58 53 5
21 42 50 8
22 45 50 5
23 41 49 8
24 38 49 11
25 39
MAD 8.5
El mejor modelo es el de promedio móvil porque su MAD es menor con relación al que realizamos
por regresión.
21. Los datos del grafico de visibilidad de la pregunta para discusión 1 se presenta en la tabla
13.6. la norma de visibilidad se ha establecido en 100. Las lecturas por debajo de 100
indica que la contaminación del aire ha reducido la visibilidad, y las lecturas por encima
de 100 indica que el aire está más limpio.
a) Use varios métodos para generar un pronóstico de visibilidad para el 31 de agosto del segundo
año ¿Qué método parece el mejor pronóstico?
SOLUCION
Usando media móvil n=3 y n=4
FECHA AÑO N=3 N=4 ERROR ERROR

22 125
23 100
24 40
25 100 89 11
26 185 80 92 105 93
27 85 109 107 24 22
28 95 124 103 29 8
29 200 122 117 78 83
30 125 127 142 2 17
31 90 140 127 50 37
1 85 139 128 54 43
2 135 100 125 35 10
3 175 104 109 71 66
4 200 132 122 68 78
5 105 170 149 65 44
6 205 160 154 45 51
7 90 170 172 80 82
8 45 134 150 89 105
9 100 114 112 14 12
10 120 79 110 41 10
11 85 89 89 4 4
12 125 102 88 23 37
13 165 110 108 55 57
14 60 125 124 65 64
15 65 117 109 52 44
16 110 97 104 13 6
17 210 79 100 131 110
18 110 129 112 19 2
19 170 144 124 26 46
20 125 164 150 39 25
21 85 135 154 50 69
22 45 127 123 82 78
23 95 85 107 10 12
24 85 75 88 10 3
25 160 75 78 85 82
26 105 114 97 9 8
27 100 117 112 17 12
28 95 122 113 27 18
29 50 100 115 50 65
30 60 82 88 22 28
31 69 77
MAD 44,5945946
MAD 42,5277778
El mejor modelo es el de media móvil con n=4 porque su MAD es menor con relación al de n=3
22. Tom Glass elabora pronósticos de demanda eléctrica para el Flatlands Public Power
District (FPPD). El FPPD tendrá que suspender temporalmente el servicio de su planta en
Constock para Realizar operaciones de mantenimiento, pero quiere hacerlo cuando se
espere que la demanda sea baja. A partir del momento que se suspenda el servicio, se
requerirán dos semanas para realizar los trabajos de mantenimiento y poner la planta en
marcha nuevamente. La empresa de servicio publico tiene suficiente capacidad adicional
de generación de energía para satisfacer una demanda de 1550 megawatt(MW), mientras
la planta de Constockesta fuera de servicio. La tabla 13.7 muestra las demandas máximas
semanales (en MW),registrada en los otoño de los últimos años .¿en que momento del
siguiente otoño será mas conveniente programar las operaciones de mantenimiento en
la planta de Comstock?
AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE

AÑO 1 2 3 4 5 6 7 8 9 10 11 12 13
1 2050 1925 1825 1525 1050 1300 1200 1175 1350 1525 1725 1575 1925
2 2000 2075 2225 1800 1175 1050 1250 1025 1300 1425 1625 1950 1950
3 1950 1800 2150 1725 1575 1275 1325 1100 1500 1550 1375 1825 2000
4 2100 2400 1975 1675 1350 1525 1500 1150 1350 1225 1225 1475 1850
5 2275 2300 2150 1525 1350 1475 1475 1175 1375 1425 1425 1550 1900
SOLUCION
Los pronósticos para el año 6 son:
AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE

AÑO 1 2 3 4 5 6 7 8 9 10 11 12 13
6 2187.5 2350 2062.5 1600 1350 1500 1487.5 1162.5 1362.5 1325 1325 1512.5 1875
Lo recomendable seria para en la semana 8 y 9 del mes de octubre debido a que la demanda en este
periodo es mínima.
23. una empresa manufacturera ha creado una prueba de aptitudes, cuyas calificaciones
pueden utilizarse para pronosticar factores de capacidad de producción de los
trabajadores. Los datos de las calificaciones obtenidas en las pruebas por varios
trabajadores, y las calificaciones de capacidad de producción observadas después,
aparecen en la siguiente tabla:
TRABAJADO CALIFICACIO CAPACIDAD TRABAJADO CALIFICACIO CAPACIDAD

R N EN LA DE R N EN LA DE
PRUEBA PRODUCCIO PRUEBA PRODUCCIO
N N
A 53 45 K 54 59
B 36 43 L 73 77
C 88 89 M 65 56
D 84 79 N 29 28
E 86 84 O 52 51
F 64 66 P 22 27
G 45 49 Q 76 76
H 48 48 R 32 34
I 39 43 S 51 60
J 67 76 T 37 32
a) Usando la regresión lineal, desarrolle una relación para pronosticar la capacidad de

producción a partir de las calificaciones obtenidas en la prueba
100
90 y = 0.9431x + 4.1844
R² = 0.9329
80
70
60
50 Series1
40 Linear (Series1)
30
20
10
0
0 20 40 60 80 100
La ecuación es 𝑦 = 0.9431𝑥 + 4.1844

b) Si la calificación de un trabajador en la prueba fue de 80, ¿Cuál seria su pronostico de la

capacidad de producción de ese trabajador?
𝑦 = 0.9431𝑥 + 4.1844
𝑦 = 0.9431 ∗ 80 + 4.1844 = 79.6 ≅ 80
Su capacidad de producción seria aproximadamente 80
c) Comente sobre la fuerza de la relación que existe entres calificaciones obtenidas en la
prueba obtenidas en la prueba y la capacidad de producción
En este caso particular la calificación casi es proporcional a la capacidad de producción puesto que
mediante un análisis de regresión se vio que tiene un comportamiento lineal.
24. El gerente de manejo de materiales de una compañía manufacturera está tratando de

pronosticar el costo de mantenimiento de los tractores se eleva a medida que la maquina
se hace más vieja. Ha recopilado los siguientes datos:
ANTIGÜEDAD COSTO ANUAL DE ANTIGÜEDAD COSTO ANUAL DE

AÑOS MANTENIMIENTO AÑOS MANTENIMIENTO
($) ($)
4,5 619 5 1194
4,5 1049 0,5 163
4,5 1033 0,5 182
4 495 6 764
4 723 6 1373
4 681 1 978
5 890 1 466
5 1522 1 549
5,5 987
a) Use la regresión lineal para desarrollar una relación que permita pronosticar el costo anual
de mantenimiento, basándose en la antigüedad de tractor
1600
1400 y = 394.75x0.5518
R² = 0.6235
1200
1000
800 Series1
Power (Series1)
600
400
200
0
0 2 4 6 8
𝑦 = 394.75𝑥 0.5518
b) Si una sección tiene 20 tractores de 3 años de antigüedad, ¿Cuál es el pronóstico del costo
de mantenimiento anual?
𝑦 = 394.75𝑥 0.5518
𝑦 = 394.75 ∗ 30.5518 = 723.76[$]
$
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 723.76 ∗ 20 = 14475[ ]
𝑎ñ𝑜

PRONOSTICOS

Cargado por

Copyright:

Formatos disponibles

PRONOSTICOS

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PRONOSTICOS

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TECNICA DE ORURO

FACULTAD NACIONAL DE INGENIERÍA

Nombre: Yave Lovera Wilfredo Vicente

SEMANA ALQUILERES SEMANA ALQUILERES

SEMANA ALQUILERES PRONOSTICO

b) Calcule la desviación media absoluta al final de la semana 10

SEMANA ALQUILERES PRONOSTICO |E t|

MES VENTA(MILLONES DE DOLARES) MES VENTA(MILLONES DE

MES VENTA(MILLONES DE DOLARES) PRONOSTICO

MES VENTA(MILLONES DE DOLARES) PRONOSTICO

MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t|

MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t|

3. Karl´s Copiers vende y repara fotocopiadoras. El gerente necesita pronósticos semanales

SEMANA NUMERO REAL DE SOLICITUDES DE

SEMANA NUMERO REAL DE SOLICITUDES DE PRONOSTICO MES t+1

El pronóstico para la semana del 7 de agosto son 27 solicitudes

MES VENTA(MILLONES DE DOLARES) PRONOSTICO

MES VENTA(MILLONES DE DOLARES) PRONOSTICO MES t+1

MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t|

MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t|

MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t| (|E t|/Dt)*100

MES VENTA(MILLONES DE DOLARES) PRONOSTICO |E t| (|E t|/Dt)*100

MES VENTA(MILLONES DE PRONOSTICO |E t| |E t|^2

MES VENTA(MILLONES DE PRONOSTICO |E t| |E t|^2

5. Últimamente, una tienda de artículos varios ha empezado a vender en su territorio una

𝐴𝑡 = 𝛼𝐷𝑡 + (1 − 𝛼)(𝐴𝑡−1 + 𝑇𝑡−1 )

𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1

Para junio tenemos:

𝐴𝑚𝑎𝑦𝑜 = 0.2 ∗ 760 + (1 − 0.2)(700 + 50) = 752

𝑇𝑚𝑎𝑦𝑜 = 0.1 ∗ (752 − 700) + (1 − 0.1) ∗ 50 = 50.2

𝐹𝑗𝑢𝑛𝑖𝑜 = 752 + 50.2 = 802.2

Para julio tenemos:

𝐴𝑗𝑢𝑛𝑖𝑜 = 0.2 ∗ 800 + (1 − 0.2)(752 + 50.2) = 801.76

𝑇𝑗𝑢𝑛𝑖𝑜 = 0.1 ∗ (801.76 − 752) + (1 − 0.1) ∗ 50.2 = 50.156

𝐹𝑗𝑢𝑙𝑖𝑜 = 801.76 + 50.156 = 851.9 ≅ 852

Para agosto tenemos:

𝐴𝑗𝑢𝑙𝑖𝑜 = 0.2 ∗ 820 + (1 − 0.2)(801.76 + 50.156) = 845.53

𝑇𝑗𝑢𝑙𝑖𝑜 = 0.1 ∗ (845.53 − 801.76) + (1 − 0.1) ∗ 50.156 = 49.517

𝐹𝑎𝑔𝑜𝑠𝑡𝑜 = 845.53 + 49.517 = 895.04 ≅ 895

6. El Community Federal Bank de Dothan, Alabama, instalo recientemente un nuevo cajero

𝐴𝑡 = 𝛼𝐷𝑡 + (1 − 𝛼)(𝐴𝑡−1 + 𝑇𝑡−1 )

𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1

Para junio tenemos:

𝐴𝑚𝑎𝑦𝑜 = 0.3 ∗ 680 + (1 − 0.3)(600 + 60) = 666

𝑇𝑚𝑎𝑦𝑜 = 0.2 ∗ (666 − 600) + (1 − 0.2) ∗ 60 = 61.2

𝐹𝑗𝑢𝑛𝑖𝑜 = 666 + 61.2 = 727.2 ≅ 727

Para julio tenemos:

𝐴𝑗𝑢𝑛𝑖𝑜 = 0.3 ∗ 710 + (1 − 0.3)(666 + 61.2) = 722.04

𝑇𝑗𝑢𝑛𝑖𝑜 = 0.2 ∗ (722.04 − 666) + (1 − 0.2) ∗ 61.2 = 60.168

𝐹𝑗𝑢𝑙𝑖𝑜 = 722.04 + 60.168 = 782.2 ≅ 782

Para agosto tenemos:

𝐴𝑗𝑢𝑙𝑖𝑜 = 0.3 ∗ 790 + (1 − 0.3)(722.04 + 60.168) = 784.55

𝑇𝑗𝑢𝑙𝑖𝑜 = 0.2 ∗ (784.55 − 722.04) + (1 − 0.2) ∗ 60.168 = 60.64

𝐹𝑎𝑔𝑜𝑠𝑡𝑜 = 784.55 + 60.64 = 845.19 ≅ 845

7. El número de intervenciones quirúrgicas de corazon que se realiza en el hospital general

i) Suavizamiento exponencial con 𝜶=0.6

c) Si el MAPE es el criterio de desempeño seleccionado por la administración,¿Qué método de

i) Suavizamiento exponencial con 𝛼=0.6

AÑO DEMANDA PRONOSTICO |E t| |E t^2| (|E