1.- Que Es Un Modelo de Pronostico Cualitativo Y Cuando Es Apropiado Su Uso?

Se dice que es la estimacin anticipada del valor de una variable, por ejemplo: la demanda de un
producto. Valor anticipado de la variable que una compaa est en posibilidad de concretizar, por
ejemplo: la cantidad de producto que la compaa decide fabricar en funcin de la demanda y de la
capacidad instalada.
El conocimiento de las tcnicas de pronsticos es de poco valor a menos que puedan aplicarse
efectivamente en el proceso de planeacin de la organizacin.
Usos de los pronsticos
Mercadotecnia
Tamao del mercado
Participacin en el mercado
Tendencia de precios
Desarrollo de nuevos productos
Produccin
Costo de materia prima
Costo de mano de obra
Disponibilidad de materia prima
Disponibilidad de mano de obra
Requerimientos de mantenimiento
Capacidad disponible de la planta para la produccin
Finanzas
Tasas de inters
Cuentas de pagos lentos
2.- Identifique y describa brevemente los dos enfoques generales del pronostico
Se dice que existen dos enfoques pronosticados, uno de ellos es el anlisis cuantitativo y el otro es el
anlisis cualitativo
Anlisis Cuantitativo.- estos utilizan una serie de modelos matemticos que se apoyan en datos
histricos o en variables causadas para pronosticar la demanda
Anlisis Cualitativo.- estos incorporan factores como la intuicin o las decisiones para llevar un
pronostico
3.- Identifique los tres horizontes de tiempos para pronosticar. Establezca una duracin
aproximada para cada uno.
Ahora todos los administradores posen la capacidad de utilizar tcnicas de anlisis de datos muy
complejas para fines de pronstico, y una comprensin de dichas tcnicas es esencial hoy en da para los
Administradores de Empresas.
Los pronsticos a largo plazo son necesarios para establecer el curso general de la organizacin para un
largo periodo; de ah que se conviertan en el enfoque particular de la alta direccin. Los pronsticos a
corto plazo se utilizan para disear estrategias inmediatas y que usan los administradores de rango medio
y de primera lnea para enfrentar las necesidades del futuro inmediato.
4.-Describa brevemente los pasos necesarios para desarrollar un sistema de pronostico
Todos los procedimientos formales de pronstico comprenden la extensin de las experiencias del pasado
al futuro incierto. De ah la suposicin de que las condiciones que generaron los datos anteriores son
indistinguibles de las condiciones futuras, con excepcin de aquellas variables reconocidas de manera
explcita por el modelo de pronstico. Por ejemplo, si se esta pronosticando el ndice de desempeo de los

empleados en el trabajo, usando slo como pronstico la calificacin del examen de admisin, se asume
que el ndice de desempeo en el trabajo de cada persona se afecta slo por dicho examen. Considerando
que la suposicin de pasado y futuro indistinguibles no se cumple, resultarn pronsticos imprecisos, a
menos que se modifiquen a juicio de quien se pronostica.La aceptacin de que las tcnicas de pronsticos
funcionan sobre datos generados en sucesos histricos pasados conduce a la identificacin de cuatro
pasos en el proceso de pronstico:
1. Recopilacin de datos

2. Reduccin o condensacin de datos

3. Construccin del modelo

4. Extrapolacin del modelo

El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son correctos. Con
frecuencia este paso es el mayor reto de todo el proceso de pronstico y el ms difcil de controlar, ya que
los pasos siguientes se efectan sobre los datos, sean o no relevantes para el problema en cuestin.
Siempre que se hace necesario obtener datos pertinentes en una organizacin, abundan los problemas de
recopilacin y control de calidad.
El paso 2, la reduccin de datos con frecuencia es necesaria ya que en proceso de pronstico es posible
tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que
reduciran la precisin del pronstico. Otros datos pueden ser los adecuados, pero slo en ciertos periodos
histricos. Por ejemplo, en el pronstico de ventas de automviles compactos podra desearse emplear
slo datos de ventas de automviles a partir del embargo petrolero de la dcada de 1970, en vez de datos
de los ltimos 50 aos.
El paso 3 , la construccin del modelo, implica ajustar los datos reunidos en un modelo de pronstico
que sea el adecuado para minimizar el error del pronstico. Entre ms sencillo sea el modelo, ser mejor
para lograr la aceptacin del proceso por parte de los administradores que toman las decisiones en la
empresa. Con frecuencia se debe establecer un balance entre un enfoque de pronstico complejo que
ofrezca ligeramente ms precisin y un enfoque sencillo que sea fcil de entender y ganar el apoyo de
quienes toman las decisiones, de manera que lo utilicen efectivamente. Es obvio que los elementos de
juicio forman parte de este proceso de seleccin.
El paso 4 consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre una vez que se
recolectaron y tal vez redujeron, los datos adecuados y que se seleccion un modelo de pronstico
apropiado. Es comn que quien realiz el pronstico revise la precisin del proceso mediante el
pronstico de periodos recientes de los que se conocen los valores histricos reales. Es entonces cuando
se observan los errores de pronstico y se resumen de algn modo. Ciertos procedimientos de
pronsticos, suman los valores absolutos de los errores y pueden reportar esta suma, o dividirla entre el
numero de intentos de pronstico para obtener el error de pronstico promedio. Otros procedimientos
obtienen la suma de cuadrados de los errores, que se compara luego con cifras similares de mtodos de
pronstico alternativos.

5.-Un administrador escptico pregunta para que pueda usarse un pronstico de mediano plazo,
sugirale tres usos o pronsticos posibles
Se puede mejorar la utilidad de los pronsticos si los administradores adoptan una actitud ms realista. No
se debe ver al proceso como un sustito de la profeca, sino como la mejor forma de identificar y
extrapolar patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud, se deben
considerar inevitablemente los errores de pronstico e investigar las circunstancias que los generan.
6.- Explique qu tcnicas de pronsticos, como promedios mviles, promedios mviles ponderados y
suaviza miento exponencial no son apropiadas para las series de datos que presentan una tendencia
Para una buena seleccin de la tcnica de pronstico adecuada, el pronosticado deber poder hacer lo
siguiente:
Definir la naturaleza del problema de pronstico.
Explicar la naturaleza de los datos bajo investigacin.
Describir las capacidades y limitaciones de las tcnicas de pronstico potencialmente tiles.
Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisin de la seleccin.
Un factor principal que influye en la seleccin de una tcnica de pronstico consiste en la identificacin y
comprensin de patrones histricos en los datos. Si se pueden reconocer patrones de tendencia, cclicos o
estacionales, entonces se pueden seleccionar las tcnicas con la capacidad de utilizar eficazmente estos patrones.
Tcnicas de pronstico para datos estacionarios
Una serie estacionaria es aquella cuyo valor promedio no varia a travs del tiempo. Estas situaciones se presentan
cuando los patrones de demanda que influyen sobre la serie son relativamente estables.
El pronstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor
promedio, el cual se convierte despus en el pronstico de valores futuros. Las tcnicas mas sofisticadas
comprenden la actualizacin de la estibacin, al haber nueva informacin.
Las tcnicas de pronstico estacionarias se emplean siempre que:
Las fuerzas que generen una serie se han estabilizado y el medio en el que existe la serie permanece
relativamente sin cambios. Ejemplos de ello son las fallas por semana en una lnea de ensamble que tiene una fase
de produccin uniforme, las ventas unitarias de un producto o servicio en la etapa de maduracin de su ciclo de
vida y el nmero de ventas resultantes de un nivel constante de esfuerzo.
Se requiere un modelo muy sencillo debido a la falta de datos o para facilitar su explicacin o implementacin.
Un ejemplo seria cuando un negocio u organizacin es nuevo y hay disponible muy poca informacin histrica.
Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la poblacin e
inflacin. Ejemplos de esto son modificar el ingreso por el ingreso per cpita, o las ventas en dlares por montos
en dlares constantes.
La serie se puede transformar en una serie estable. Como ejemplo, esta la transformacin de series mediante
logaritmos, races cuadradas o diferencias.
La serie es un conjunto de errores de pronstico que se considera adecuada.

Tcnicas De Pronstico Para Datos Con Una Tendencia

Una serie con tendencia como una serie de tiempo que contiene un componente de largo plazo que representa el
crecimiento o declinacin de la serie a travs de un periodo amplio. Tiene una tendencia si su valor promedio
vara a travs del tiempo, de modo que se espera que aumente o disminuya durante el periodo para el que desea
pronstico. Es comn que las series econmicas contengan una tendencia.
Las tcnicas de pronstico para series con tendencia se utilizan siempre que:
Una productividad creciente y la nueva tecnologa conducen a cambios en el estilo de vida. Como ejemplos se
pueden citar la demanda de componentes electrnicos, que se incremento con el advenimiento de la computadora;
y el uso del ferrocarril que se disminuyo con la aparicin del avin.
El incremento en la poblacin provoca un incremento en la demanda de bienes y servicios. Ejemplo de estos son
las utilidades por venta de bienes de consumo, la demanda en el consumo de energa elctrica y el uso de materias
primas.
El poder de compra del dlar afecta las variables econmicas por causa de la inflacin. Los ejemplos son los
salarios, costos de produccin y precios.
Aumenta la aceptacin en el mercado. Un ejemplo seria el periodo de crecimiento en el ciclo de vida de un
nuevo producto.
Tcnicas De Pronstico Para Datos Con Estacionalidad
Una serie estacional como una serie de tiempo con un patrn de cambio que se repite a si mismo ao tras ao. Por
lo regular, el desarrollo de una tcnica de pronostico estacional comprende la seleccin de un mtodo
multiplicativo o uno de adicin y estimar despus ndices estacinales a partir de la historia de la serie. Estos
ndices se usan posteriormente para incorporar la estacionalidad al pronostico para eliminar tales efectos de los
valorares observados.
Las tcnicas de pronstico para datos estacinales se usan siempre que:
El clima influyente en la variable de inters. Como ejemplos estn el consumo de energa elctrica, las
actividades de verano e invierno, el guardarropa y las estaciones de desarrollo agrcola.
El ao calendario influye en la variable de inters. Ejemplos de ello son las ventas al menudeo influidas por dais
festivos, fines de semana de tres das y los calendarios escolares.
Tcnicas De Pronstico Para Series Cclicas
Es la fluctuacin en forma de onda alrededor de la tendencia. Los patrones cclicos tienden a repetirse en los datos
cada dos, tres o mas aos.

Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor de la tendencia rara vez se repiten en
intervalos fijos de tiempo y tambin vara la magnitud de las fluctuaciones.
Las tcnicas de pronstico para datos cclicos se utilizan siempre que:
El ciclo del negocio influye sobre la variable de inters. Como ejemplos estn los factores econmicos de
mercado y de la compendia.
Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la msica y la alimentacin.
Se presenta cambios en la poblacin. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres
naturales.
Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introduccin, crecimiento,
maduracin, saturacin y declinacin del mercado.
7.- Cul es la diferencia bsica entre promedios mviles ponderados y suaviza miento
exponencial?
El promedio ponderado es una forma un poco ms compleja de calcular la media, pero de gran utilidad
prctica.
Comenzar por explicar lo que significa promedio ponderado con un caso simple y luego considerar un
caso ms general. Supongamos que tu maestro dice que el examen final equivale a tres pruebas. Entonces,
si tus calificaciones son:
pruebas: 70, 80, 90 examen final: 100
tu promedio ser exactamente como si hubieras obtenido:
pruebas: 70, 80, 90, 100, 100, 100
Si deseamos calcular esto en forma directa (usando el mtodo del promedio ponderado), simplemente
podemos multiplicar la calificacin del examen final por 3 cuando la sumamos, pero tambin debemos
recordar que tenemos que contarla tres veces en el denominador y no slo dividir por 4. Puedes hacer esto
escribindolo de esta forma:
Calificacin Ponderacin Valor
70 1 70
80 1 80
90 1 90
100 3 300
6 540 --> promedio = 540/6 = 90
Esto es, divides la suma de los valores ponderados por la suma de las ponderaciones. De esto se trata el
clculo del promedio ponderado.
Suavizacin Exponencial
Otro mtodo para realizar un pronstcico es el mtodo de suavizacin exponencial. A diferencia de los
promedios mviles, este mtodo pronostica otorgando una ponderacin a los datos dependiendo del peso
que tengan dentro del clculo del pronstico. Esta ponderacin se lleva a cabo a travs de otorgarle un
valor a la constante de suavizacin, 1, que puede ser mayor que cero y menor que uno. Para nuestro
ejemplo, utilizamos un valor de 1 = 0.8, por ser ste el que mejor ajusta al pronstico a los datos reales.
El mtodo de suavizacin exponencial supone que el proceso es constante, al igual que el mtodo de
promedios mviles. Esta tcnica est diseada para atenuar una desventaja del mtodo de promedios
mviles, en donde los datos para calcular el promedio tienen la misma ponderacin. De manera particular,
esta tcnica considera que las observaciones recientes tienen ms valor, por lo que le otorga mayor peso
dentro del promedio.

La suavizacin exponencial utiliza un promedio mvil ponderado de los datos histricos de la serie de
tiempo como pronstico; es un caso especial de promedio mvil en donde se selecciona un solo valor de
ponderacin3. El modelo bsico de suavizacin exponencial se presenta a continuacin:
Ft+1 = _Yt + (1 - _)Ft (2)
Donde:
Ft+1 = Pronstico de la serie de tiempo para el periodo de t + 1.
Yt = Valor real del periodo anterior al ao a pronosticar.
Ft = Valor real del periodo anteanterior al ao a pronosticar.
_ = Constante de suavizacin (0 _ _ _ 1).
8.-Cules los tres mtodos empleados para medir la exactitud de cualquier mtodo de pronsticos?
como determinara usted si es mejor una regresin de series de tiempos o un suavizante
exponencial para una aplicacin especifica?
Un mtodo para evaluar una tcnica de pronstico consiste en obtener la suma de los errores absolutos.
La Desviacin Absoluta de la Media (DAM) mide la precisin de un pronstico mediante el promedio de
la magnitud de los errores de pronstico (valores absolutos de cada error). La DAM resulta de gran tilidad
cuando el analista desea medir el error de pronstico en las mismas unidades de la serie original. La
siguiente ecuacin muestra como se calcula la DAM:

DAM =

Otra tcnica para evaluar una tcnica de pronstico es el Error Medio Cuadrado (EMC). Cada error o
residual se eleva al cuadrado; luego estos valores se suman y se divide entre el nmero de observaciones.
Este enfoque penaliza los errores mayores de pronsticos, ya que eleva cada uno al cuadrado. Esto es
importante pues en ocasiones pudiera ser preferible una tcnica que produzca errores moderados a otra
que por lo regular tenga errores pequeos , pero que ocasionalmente arroje algunos en extremo grandes.
La ecuacin para el clculo del EMC, es la siguiente: EMC =
En ocasiones, resulta mas til calcular los errores de pronstico en trminos de porcentaje y no de
cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en
cada periodo, dividiendo ste entre el valor real observado, para ese periodo y despus promediando estos
errores absolutos de porcentaje. Este enfoque es til cuando el tamao o magnitud de la variable de
pronstico es importante en la evaluacin de la precisin del pronstico. El PEMA proporciona una
indicacin de que tan grandes son los errores de pronstico comparados con los valores reales de la serie.
Tambin se puede utilizar el PEMA para comparar la precisin de la misma u otra tcnica sobre dos series
completamente diferentes. La siguiente ecuacin muestra el clculo del PEMA: PEMA =
A veces resulta necesario determinar si un mtodo de pronstico est sesgado (pronstico
consistentemente alto o bajo). En estos casos, se emplea el Porcentaje Medio de Error (PME), que se
calcula encontrando el error en cada periodo, dividiendo esto entre el valor real de ese periodo y
promediando despus estos porcentajes de error. Si un enfoque de pronstico no est sesgado, la ecuacin
del PME producir un porcentaje cercano a cero. Si el resultado es un porcentaje negativo grande, el
mtodo de pronstico est sobrestimado de manera consistente. Si el resultado es un porcentaje positivo
grande, el mtodo de pronstico esta subestimado de forma consistente. PME =

Una parte de la decisin para utilizar una tcnica de pronstico en particular es la determinacin de si la
tcnica producir errores de prediccin que se juzguen como suficientemente pequeos. Es en este efecto
realista esperar que una Es Es en efecto realista esperar que una tcnica produzca errores de pronstico
relativamente bajos sobre una base consistente.
Las cuatro mediciones de precisin de un pronstico que acabamos de describir se utilizan de la siguiente
manera:
La comparacin de la precisin de dos tcnicas diferentes.
La medicin de la utilidad o confiabilidad de una tcnica.
La bsqueda de una tcnica ptima.
9.-imvestigue y describa brevemente el mtodo de delphi Cmo podra usarlo alguno de los jefes
para los que usted ha trabajado?
El mtodo Delphi es una metodologa de investigacin multidisciplinar para la realizacin de pronsticos
y predicciones. Fue desarrollo por la Corporacin Rand al inicio de la Guerra Fra para investigar el
impacto de la tecnologa en la guerra. El nombre del mtodo se basa en las predicciones del orculo de
Delfos
Su objetivo es la consecucin de un consenso basado en la discusin entre expertos. Es un proceso
repetitivo. Su funcionamiento se basa en la elaboracin de un cuestionario que ha de ser contestado por
los expertos. Una vez recibida la informacin, se vuelve a realizar otro cuestionario basado en el anterior
para ser contestado de nuevo. Finalmente el responsable del estudio elaborar sus conclusiones a partir de
la explotacin estadstica de los datos obtenidos.
Las organizaciones empresariales tienen como objetivo tanto obtener los mayores beneficios econmicos
como ser capaces de existir durante el mximo tiempo posible. Para ello realizan un plan estratgico en el
que se reflejan cules son las lneas productivas que se deben seguir manteniendo, cules deberan
implantarse y qu modificaciones debe sufrir la organizacin para lograr sus objetivos.
Para conseguir que este plan tenga xito, la empresa debe conocer el entorno en el que se desarrolla su
actividad. As, debe conocer cules son los peligros que la amenazan (prdida de competitividad,
desconocimiento de las nuevas tecnologas, prdida de mercado, ...) y cules las oportunidades que
aparecen (utilizacin de nuevas tecnologas que mejoran el rendimiento en la organizacin,
fortalecimiento de la posicin ante el mercado, ...). Adems, las empresas estarn interesadas en conocer
la evolucin que va a sufrir este entorno en el futuro.
Para ello, los mtodos de prospectiva estudian el futuro en lo que se refiere a la evolucin de los factores
del entorno tecno-socio-econmico y las interacciones entre estos factores. De esta manera las
organizaciones podrn desarrollar sus planes estratgicos con la seguridad de que se van a conseguir los
objetivos a largo plazo que tena previstos.
10.- Cul es la principal diferencia entre un modelo de series de tiempo y un modelo asociativo?
Los modelos de series de tiempo son las tcnicas de pronsticos que se basan nicamente en la historia de
la demanda del tem que se esta pronosticando. Trabajan capturando los patrones en los datos histricos
extrapolndolos en el futuro. Los Modelos de series de tiempo son adecuados cuando se puede asumir
una cantidad razonable de datos y una continuidad en el futuro prximo de las condiciones que se
presentaron en el pasado. Estos modelos se adaptan mejor al corto plazo del pronstico. Esto se debe a la

hiptesis de que los patrones pasados y las tendencias actuales se asemejan a los patrones y tendencias
que se van a presentar en el futuro. Esto es una suposicin razonable en el corto plazo, pero va perdiendo
validez en el largo plazo.
11.- Defina q es una serie de tiempo
Una serie de tiempo o serie temporal es una coleccin de observaciones tomadas a lo largo del tiempo
cuyo objetivo principal es describir, explicar, predecir y controlar algn proceso. Las observaciones estn
ordenadas respecto al tiempo y sucesivas observaciones son generalmente dependientes. De hecho esta
dependencia entre las observaciones jugar un papel importante en el anlisis de la serie El anlisis de
series de tiempo desempea un papel importante en el anlisis requerido para el pronstico de eventos
futuros. Existen varias formas o mtodos de calcular cual va a ser la tendencia del comportamiento del
proceso en estudio. En el presente documento se procede a aplicar el anlisis de series de tiempo aplicado
al estudio del comportamiento en la forma de acceso a Internet, considerando bsicamente el factor ancho
de banda.
Hoy en da las aplicaciones y mayores avances en cuanto a uso de Internet se dan con aplicaciones que
requieren un gran ancho de banda. La telemedicina, por ejemplo no se podra dar si es que no estamos en
capacidad de poder comunicarnos a un ancho de banda que nos asegura una inmediata comunicacin
tanto en envi como respuesta de seal
12.- Qu efecto tiene el valor de la contante de suaviza miento en la ponderacin dadas a los
valores recientes?
Para dar mas peso esto es cuando alfa es mas alto
13.- Explique el valor que tienen los ndices estacionales al pronosticar en que difieren los patrones
cclicos y los patrones estacionales.
Esto es importante para saber la demanda mayor, el patrn estacional se repite despus de un periodo
14.- Qu tcnica de pronstico da ms importancia a los valores recientes? Cmo hace esto?

Periodo mvil ponderado =sumatoria (ponderacin pa el periodo M) (demanda en el periodo M)

Sumatoria de ponderados

15.- Explique con sus propias palabras que s un pronstico adaptable

Es un pronstico que se puede adaptar a diversas reas ya sea econmico tecnolgico etc.
Se ajusta debido a variables como la estacionalidad y la tendencia
16.- Cul es el propsito de seales de control?
Esto es muy importante para los pronsticos ce tiempo
17.- explique con sus propias palabras cual es el significado del coeficiente de correlacin. Analice el
significado de un valor negativo del coeficiente de correlacin
Es el que mide la relacin lineal entre dos variables cuantitativas

18.- Cul es la diferencia entre una variable dependiente y una variable independiente?
VARIABLE INDEPENDIENTE.-produce modificaciones e otra variable con la cual esta relacionada
suele llamrsele variable causal
VARIABLE DEPENDIENTE.-es modificada siempre que la variable independiente cambia de valor o
modalidad conocida como variable efecto
19.-Mencione algunos ejemplos de industrias afectadas por la estacionalidad Por qu estos
negocios desearan no depender de la estacionalidad?
Esto depende de una constante y la otra no
20.- De algunos ejemplos de industrias donde el pronstico de la demanda depende de la demanda
de otros productos

21.- Qu ocurre con nuestra capacidad para pronosticar cundo pronosticamos periodos cada vez
ms lejanos en el futuro?
La probabilidad de erros se hace mas grande
PROBLEMAS

AO

10

11

DEMANDA

13

12

13

11

a) Grafique los datos anteriores Observa alguna tendencia ciclos o varianza aleatorios?

14
12
10
AO

DEMANDA

6
4
2
0

b) Comenzando en el ao 4 hasta el ao 12, pronostique la demanda usando promedios mviles de

tres aos .grafique su pronstico en la misma grafica de los datos originales

AO

10

11

DEMAND
A
Promedio
mvil

13

12

13

11

10

11

11

11

11

c)

Comenzando en el ao 4 hasta el ao 12, pronostique la demanda usando promedios mvil de 3

aos con ponderaciones de 1, 3,6, usando 6 para el ao ms reciente. Grafique su pronstico en
la misma grafica

Ao
Demanda
Promedio mvil
1
7
6.4
2
9
7.8
3
5
11
4
9
9.6
5
13
10.9
6
8
12.2
7
12
7.6
8
13
10.9
9
9
12.2
10
11
5.1
11
7
10.6
12
10.4
d) Al comprar cada pronstico contra los datos originales Cul parece proporcionar mejores
resultados?
El pronstico de promedios mviles
2.- Las ventas mensuales en telco batteries,inc fueron como sigue

12

Mes

Ventas

Enero

20

Febrero
Marzo
Abril

21
15
14

Mayo

13

junio
Julio
Agosto

16
17
18

Setiembre

20

Octubre
Noviembre
Diciembre

20
21
23

A. Grafique los datos de las ventas mensuales

Chart Title
10
9
8
7
6
5
4
3
2
1
0

B. Pronostique las ventas para enero usando cada una de las tcnicas siguientes:
i)
Mtodo intuitivo
Para enero la venta es 23

ii)
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto

Un promedio mvil de 3 meses

Ventas reales
20
21
15
14
13
16
17
18

Promedio mvil de 3 meses

18.666
16.66667
14
14.33333
15.33333

Setiembre
Octubre
Noviembre
Diciembre
iii)

20
20
21
23

Un promedio mvil ponderado de 6 meses empleando

Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
iv)

17
18.3333
19.33333
20.333333

Ventas reales
20
21
15
14
13
16
17
18
20
20
21
23

Suaviza miento exponencial con a=.3 y un pronstico para setiembre de 18

3.- las temperaturas mximas diarias en saint Louis durante la ltima semana fueron las siguientes: 93, 94,
93, 95, 96, 88 ,90 (ayer)
a.

Pronostique la temperatura mxima para hoy usando un promedio mvil de 3 das

Temperatura
93

Promedio mvil e 3 das

94
93
95

(93+94)+93/3 =93.3333

96

94

88

94.666666

90

93
91.333333

b.

Pronostique la temperatura mxima para hoy usando un promedio mvil de 2 das

Temperatura
93

Promedio mvil e 3 das

94
93

(93+94)+93/3 =93.5

95

93.5

96

94

88

95.5

90

92
89

c.

Calcule la desviacin absoluta media con base en un promedio mvil de 2 das

Desviacin absoluta
Temperatura
93

Pronostico alfa= .10

93.5

.5

95

93.45

1.55

96

93.61

2.39

88

93.85

5.85

90

93.27

3.27

92.94

MAD = 2.71

d.

Calcule el error cuadrtico medio para un promedio mvil de 2 das

TEMPERATURA

Pronostico alfa=.10

Desviacin absoluta

93

93.5

.25

95

93.45

2.40

96

93.61

5.71

88

93.85

34.22

90

93.27

10.69
Sumatoria 53.27

MSE=10.654
e.

Calcule el error porcentual absoluto medio para el promedio mvil de 2 das

TEMPERATURA

Pronostico alfa=.10

Desviacin absoluta

93

93.5

.54

95

93.45

1.63

96

93.61

3.01

88

93.85

6.64

90

93.27

3.63
Sumatoria 15.45

MADE =3.09%
4.- a continuacin se presentan dos pronsticos semanales realizados mediante dos mtodos diferentes
para el nmero de galones de gasolina en miles, demandado en una gasolinera local. Tambin se muestran
los niveles reales de demanda, en miles de galones.
Pronostico
Semana
1
2
3
4

Mtodo 1
0.90
1.05
0.95
1.20

Mtodo 2
0.80
1.20
0.90
1.11

Demanda real
0.70
1.00
1.00
1.00

Cules son los valores de MAD y el MSE para cada mtodo?

MAD = 0.90 + 1.05+1.20=1.03 = 1.03
4

MSE =0.8+1.20+0.90+1.11

= 1.00

4
5.- Considere los siguientes niveles de la demanda real (At) y pronosticada (Ft) para un producto
Periodo de tiempo
t
1

Demanda real
A1
50

Demanda pronosticada
Ft
50

42

50

56

48

46

50

49

El primer pronostico Ft se obtuvo A1 y estableciendo F1 igual A1. Los pronsticos subsecuentes se

obtuvieron mediante suaviza miento exponencial. Usando el mtodo de suaviza miento exponencial,
encuentre el pronstico para el quinto periodo(sugerencia primero es necesario encontrar la cte. de
suaviza miento )

6.- Howard weiss propietario de una tienda distribuidora de instrumentos musicales, cree que la demanda
de tambores bajos puede estar relacionada con el numero de apariciones en tv del popular grupo de rock
Stone temple pilots durante el mes pasado. Weiss ha recopilado los datos que se muestran en la tabla
siguiente
Demanda de
tambores bajos
Apariciones en
tv de Stone
temple pilots
a)

10

Grafique con estos datos para saber si una ecuacin lineal podra describir la relacin que hay
entre las apariciones en tv del grupo y la venta de tambores bajos

12
10
8
6
4
2
0
0

10

12

b) Use el mtodo de regresin por mnimos cuadrados para obtener una ecuacin de pronostico

Demanda Y

c)

Nomina X

X.Y

Cul sera su estimacin de las ventas de tambores bajos si los Stone temple pilots hubiesen
aparecido 9 veces en tv el mes anterior?
Ventas = 0.31 + 1.09 (9) = 10.12

d) Cules son el coeficiente de correlacin (r) y el coeficiente de determinacin (r2) para este
modelo, y que significan?
R = (0.82)2 = 0.6724
7.- En el pasado la distribuidora ARUP Mulkherjee vendi un promedio de 1.000 llantas radiales cada
ao. En los 2 aos anteriores vendi 200 y 250 respectivamente durante el otoo, 350 y 300 en invierno ,
150 y 165 en primavera, y 300 y 285 en verano. Con una ampliacin importante en puerta Mulkherjee
proyecta que las ventas se incrementaran el prximo ao a 1200 llantas radiales Cul ser la demanda en
cada estacin?

Estacin

Demanda

Deman
promedio

Deman promedio
estacional

ndice estacional

Otoo

200

250

225

333.33

.675

Invierno

350

300

325

333.33

.975

Primavera

150

165

157.5

333.33

.473

Verano

300

285

292.5

333.33

.878

Estacin
Otoo
invierno
Primavera
verano

Demanda
1200/3 *0.675 = 270
1200/3 *0.975 = 390
1200/3 *0.473= 189.2
1200/3 *0.878 = 351.2

8.- Brian Beckley ha desarrollado el siguiente modelo de pronstico:

Y=36 + 4.3X
Donde: y = demanda de aires acondicionados Aztec y
X= la temperatura exterior (F)
a)

Pronostique la demanda de aztec cuando la temperatura es de 70F

Y = 36+4.3 (70)
Y=337

b) Cul es la demanda cuando la temperatura es de 80F?

Y = 36+4.3 (80)
Y=380
c)

Cul es la demanda cuando la temperatura es de 90F?

Y = 36+4.3 (90)
Y=423

9.-Sundar balakrinhmasn gerente, general de precisin engineering corporacin (PEC)cree que los
servicios de ingeniera de las empresas de construccin de carreteras que contratan a su compaa se
relacionan directamente con el volumen de negocios de construccin de carreteras que contrata a las
compaas ubicadas en su rea geogrfica. Se pregunta si realmente

TRIMESTRE

Ventas de
servicio PEC

10

15

12

13

13

16

Contratos
firmados

153

172

147

179

185

199

205

226

a)

x mnimos cuadrados