FUNDACION CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES

APLICACIN
MODELOS DE
PRONOSTICOS
EJERCICIO PRACTICO

jmartinez

John Jairo Martinez Torres

Armando galeano
Juan Vanegas
I3A

APLICACIN MODELOS DE PRONOSTICOS

PRESENTADO POR :

JHON JAIRO MARTINEZ TORRES

ARMANDO GALEANO
JUAN VANEGAS
EJERCICIO PRACTICO EMPLEANDO MODELOS DE PRONOSTICOS , PROMEDIO SIMPLE,
PROMEDIO MOVIL SIMPLE , P ROMEDIO PONDERADO , S UAVIZACIN E XPONENCIAL
SIMPLE, R EGRESION LINEAL Y METODOS DE DESESTACIONALIZACION

PRESENTADO A

ING. EDILSON CUARTAS ESQUIVEL

FUNDACION CENTRO COLOMBIANO DE ESTUDIOS PROFESIONALES

FACULTAD DE TECNOLOGIA INDUSTRIAL
SANTIAGO DE CALI, VALLE
2010

INTRODUCCION

En el mundo Actual las empresas se mueven en una atmosfera de incertidumbre en

cuanto a las variaciones de la demanda y el mercado. Es necesario establecer una
serie de estrategias para suplir esta demanda y tener cada vez mayor participacin
en el mercado, el uso correcto de pronsticos nos ayudara a cumplir con este
ambicioso objetivo.
A lo largo de este trabajo realizaremos un ejercicio prctico en donde una empresa
Y, nos presenta la demanda de los ltimos doce periodos de un Producto X y
debemos establecer Cul ser la cantidad a pronosticar para el periodo Trece.
Cuando nos enfrentamos a la necesidad de tomar decisiones en un ambiente
incierto, Qu tipo de pronstico debemos emplear? Cul es el mtodo correcto
para establecer el modelo correcto?
Utilizando los principios de argumentacin y herramienta para el anlisis adquiridas
en el curso de Produccin II, emplearemos los modelos de pronsticos vistos como
son Promedio Simple, Promedio Mvil Simple, Promedio Mvil Ponderado,
Suavizamiento
Exponencial
Simple,
Regresin
Lineal
y
Mtodos
de
Desastacionalizacion.

OBJETIVOS

Fortalecer los conceptos y modos de aplicacin de los modelos de pronsticos

mencionados a continuacin: Promedio Simple, Promedio Mvil Simple,
Promedio
Mvil
Ponderado
y
Suavizamiento
Exponencial
Simple,
Suavizamiento
Exponencial
Doble,
regresin
Lineal,
Mtodo
de
Desestacionalizacion con tendencia Ajustada manualmente y Metodo de
Desestacionalizacion con tendencia Ajustada por Regresin lineal.

Mediante principios de argumentacin y anlisis escoger el modelo de

pronstico correcto para cada ejercicio prctico de este trabajo.

1. La demanda de audfonos para estereofnicos y reproductores de discos

compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en
el ao pasado. El nmero de trotadores sigue en aumento, as que Nina
espera que la demanda tambin se incremente, porque hasta ahora, no se
han promulgado leyes de seguridad que impidan que los trotadores usen
audfonos. La demanda de estreos del ao pasado fue la siguiente:

MES
Enero
Febrero
Marzo
Abril
Mayo
Junio

DEMAN
DEMAND
DA
A
MES
(Unidad
(Unidad
es)
es)
4.200 Julio
5.300
4.300 Agosto
4.900
Septiemb
4.000
5.400
re
4.400 Octubre
5.700
Noviemb
5.000
6.300
re
Diciembr
4.700
6.000
e

a) Con un anlisis de mnimos cuadrados, cul estimara que fuera la

demanda de cada mes del ao entrante? Con una hoja de clculo, siga el
formato general de la ilustracin 15.11.
Compare sus resultados con los obtenidos usando la funcin pronostico de
la hoja de clculo.
Inicialmente tabulamos y graficamos los datos y establecemos la recta de
regresin lineal por medio de la ecuacin Y = a + bXb

Tri
m.

Dema
nda

Tri
m.2

Deman Trim*Dema
das2
nda

Y = 441,6 +
359,6X

Sesg
o2

Errores
estima
dos

01

4.200

17.640.000

4.200

3.958,9

58.129,2

02

4.300

18.490.000

8.600

4.151,2

03

4.000

16.000.000

12.000

4.343,5

04

4.400

16

19.360.000

17.600

4.535,8

22.141,4
117.992,
3
18.441,6

05

5.000

25

25.000.000

25.000

4.728,1

73.929,6

311,3

06

4.700

36

22.090.000

28.200

4.920,4

48.576,2

291,2

07

5.300

49

28.090.000

37.100

5.112,7

273,6

08

4.900

64

24.010.000

39.200

5.305,0

09

5.400

81

29.160.000

48.600

5.497,3

35.081,3
164.025,
0
9.467,3

10

5.700

100

32.490.000

57.000

5.689,6

261,7

11

6.300

121

39.690.000

69.300

5.881,9

108,2
174.807,
6

445,3
329,2

299,5
279,7

283,4

12

6.000

144

36.000.000

72.000

78

60.200

650

308.020.000

418.800

b=

6.074,2

5.505,6

269,9

xy - n( y)( x ) = 418.800 - 12(5.016,66)(6,5) 27.500 = 192,308

650 12(42.25)
143
x - n( x )
2

a = y - b x = (5.016,66) - (192,308)(6,5) = 3766,607

Habiendo hallado a y b obtenemos la siguiente ecuacin:
3766,6Xa

Demanda Audifonos ao 2009

f(x) = 192.31x + 3766.67

Periodos
(X)
13
14
15
16
17
18
19
20
21

PRONOSTICOS
Funcion
Y = 441,6 +
Pronostico
359,6X
Excel
6266,7
6.266,5
6459
6.458,8
6651,3
6.651,1
6843,6
6.843,4
7035,9
7.035,7
7228,2
7.228,0
7420,5
7.420,3
7612,8
7.612,6
7805,1
7.804,9

Y = 192,3 +

22
23
24

7997,4
8189,7
8382,1

7.997,2
8.189,5
8.381,8

Demanda Audifonos ao 2009 y Pronostico 2010

f(x) = 192.31x + 3766.67

Podemos notar que la diferencia entre resolver este modelo de forma manual
y con la funcin pronstico de Excel no es ms que unos cuantos decimales.
b) Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres
errores estndar por seguridad. Cuntas unidades adicionales debe
retener para alcanzar este nivel de confianza?
Con el complemento Regresin de Excel obtenemos:
Estadsticas de la regresin
Coeficiente de correlacin mltiple

0,938

Coeficiente de determinacin R^2

0,879

R^2 ajustado
Error tpico
Observaciones

Regresi

Grados
de
libertad
1

0,867
269,853
12,000

ANLISIS DE VARIANZA
Promedio
Suma de
de los
cuadrados
cuadrados
5.288.461,538 5.288.461,53

F
72,623

Valor crtico
de F
0,000006741

n
Residuos
Total

10
11

728.205,128
6.016.666,667

8
72.820,513

Podemos notar que en el complemento de Excel el error estndar del

estimado es 269,853 y el Coeficiente de Determinacin es 0,867, como
Nina Industries eligi usar tres errores estndar tenemos:
3(269,853)(0.687) = 556.16 unda
Nina debe contar con 556 unidades adicionales a lo pronosticado para
alcanzar el nivel de confianza esperado.
2. Los datos de Ventas de 2 aos son los siguientes. Los datos estn acumulados
con dos meses de ventas en cada periodo
MES
Enero-Febrero
Marzo-Abril
Mayo-Junio
Julio-Agosto
SeptiembreOctubre
NoviembreDiciembre
a) Trace la grafica.

VENTAS
109
104
150
170
120
100

MES
Enero-Febrero
Marzo-Abril
Mayo-Junio
Julio-Agosto
SeptiembreOctubre
NoviembreDiciembre

VENTAS
115
112
159
182
126
106

ventas Producto "ABC" ao 2008 y 2009

f(x) = 1.14x + 122.03

b) Componga un modelo de regresin lineal simple para los datos de ventas.

Y = 122 + 1,136X
de regresin simple quedara de la siguiente manera:
Teniendo en cuenta que la ecuacin es:

2009

2008

Ao

Bimestre ventas

Y = 122 +
1,136X

01

109

123,1

02

104

124,2

03

150

125,3

04

170

126,4

05

120

127,5

06

100

128,6

07

115

129,7

08

112

130,8

09

159

131,9

10

182

133,0

11

126

134,1

12

106

135,2

78

1.553

El modelo

c) Adems del modelo de regresin, determine los factores multiplicadores

del ndice estacional. Se supone que un ciclo completo es de 1 ao.

Bimestr venta
e
s

Y = 122 +
1,136X

Proporcion
real/Tenden
cia

01

109

123,1

0,8855

02

104

124,2

0,8374

03

150

125,3

1,1971

04

170

126,4

1,3449

05

120

127,5

0,9412

06

100

128,6

0,7776

07

115

129,7

0,8867

08

112

130,8

0,8563

09

159

131,9

1,2055

10

182

133,0

1,3684

11

126

134,1

0,9396

12

106

135,2

0,7840

78

1.553

Factor estacional
I

0,89

II

0,85

III

1,20

IV

1,36

0,94

VI

0,78

d) Con los resultados de los incisos b) y c), prepare un pronstico para el ao

entrante.

Ao

Bimestr
e

Y = 122 +
1,136X

Factor
Estacional

pronosti
co

2010

2009

2008

Ao

13
14
15
16
17
18

136,8
137,9
139,0
140,2
141,3
142,4

0,89
0,85
1,20
1,36
0,94
0,78

120,8
116,4
166,4
189,4
132,3
110,7

ventas ao 2008 a 2009 y Pronostico 2010 Producto "ABC"

f(x) = 1.14x + 122.03

3. Tucson Machinery, Inc., fabrica maquinas controladas numricamente, que se

venden a un precio promedio de 0.5 millones de dlares cada una. Las ventas
de estas maquinas durante los 2 aos anteriores son:
2006
CANTID
TRIMES
AD
TRE
(Unidad
es)
I
12
II
18
III
26
IV
16

2007
CANTIDA
TRIMES
D
TRE
(Unidad
es)
I
16
II
24
III
28
IV
18

a) Trace a mano una recta (o haga una regresin en Excel).

Ventas Maquinas Tucson ao 2006 y 2007

f(x) = 1.02x + 15.14

Para el desarrollo de los puntos c y d utilizaremos los mtodos de

Desestacionalizacin con Tendencia Ajustada manualmente y con Tendencia
Ajustada por Regresin lineal.
b) Encuentre la tendencia y los factores estacionales.
Desestacionalizacin con tendencia ajustada Manualmente.
Teniendo en cuenta que la ecuacin es: Y = 1,023 + 15,14X

El modelo

de regresin simple quedara de la siguiente manera:

2007

2006

Period
Ao
o

Trimes venta
tre
s

Y = 15,1 +
1,024X

Proporcin
real/Tenden
cia

12

16,1

0,745

II

18

17,1

1,053

III

26

18,1

1,436

IV

16

19,1

0,838

16

20,1

0,796

II

24

21,1

1,137

III

28

22,1

1,267

IV

18

23,1

0,779

Factor
estacion
al
I

0,771

II

1,095

III

1,352

IV

0,808

Desestacionalizacin con Tendencia Ajustada por Regresin Lineal.

Perio
do

Ao

2007

2006

Trimes vent
tre
as

Promedio
Factor
Ventas
de Trim
Estacio Desestacionali
de Cada
nal
zadas
Ao

Y=16,52 +
0,718X

12

14

0,709

16,93

17,2

II

18

21

1,063

16,93

18,0

III

26

27

1,367

19,02

18,7

IV

16

17

0,861

18,59

19,4

16

0,709

22,57

20,1

II

24

1,063

22,57

20,8

III

28

1,367

20,48

21,5

IV

18

0,861

20,91

22,3

Con las ventas Desestacionalizadas y el valor de cada periodo se aplca

regresin lineal y se obtiene el valor de A y B de la ecuacin de la recta
promedio
Coeficientes
Intercepci 16,52024
n
14
Variable X 0,717724
1
13
La ecuacin de la tendencia es: Y = 16,52 + 0,718Xa
Con esta ecuacin ya podemos proyectar los trimestres del ao 2008.

c) Pronostique las ventas para 2008.

Desestacionalizacin con tendencia ajustada Manualmente.

2008

Ao

Period Trimestr
o
e
9
10
11
12

I
II
III
IV

Y = 15,1 +
1,024X

Factor
Estacional

pronostic
o

24,1
25,1
26,1
27,1

0,771
1,095
1,35
0,808

19
27
35
22

Desestacionalizacin con Tendencia Ajustada por Regresin Lineal.

2008

Ao

Period Trimestr
o
e
9
10
11
12

Y=16,52 +
0,718X

Factor
Estacional

pronostic
o

23,0
23,7
24,4
25,1

0,709
1,063
1,37
0,861

16
25
33
22

I
II
III
IV

A continuacin presentamos un grafico comparativo entre los dos mtodos:

Ventas Maquinas Tucson ao 2006 a 2007 y Pronostico 2008

4. La tabla siguiente contiene la demanda de los ltimos 10 meses.

MES

DEMAN
DA REAL

MES

DEMAND
A REAL

1
2
3
4

31
34
33
35

6
7
8
9

36
38
40
40

37

10

41

a) Calcule el pronstico con suavizacin exponencial simple de estos datos

con una de 0.30 y un pronstico inicial (F 1) de 31.

PERIO
DO

SUAVIZAMIE
DEMAND
NTO
A REAL EXPONENCIA
L SIMPLE

DMA
RELATI
VO

SESGO

ACUMULA
DO

RELATI
VO

ACUMULA
DO

SEAL
DE
RASTRE
O

01

31

02

34

31,0

3,0

3,0

3,0

3,0

1,00

03

33

31,9

1,1

2,1

1,1

2,1

2,00

04

35

32,2

2,8

2,3

2,8

2,3

3,00

05

37

33,1

3,9

2,7

3,9

2,7

4,00

06

36

34,2

1,8

2,5

1,8

2,5

5,00

07

38

34,8

3,2

2,6

3,2

2,6

6,00

08

40

35,7

4,3

2,9

4,3

2,9

7,00

09

40

37,0

3,0

2,9

3,0

2,9

8,00

10

41

37,9

3,1

2,9

3,1

2,9

9,00

b) Calcule el pronstico con suavizacin exponencial con tendencia para

estos datos, con una de 0.30, de 0.30, un pronstico de tendencias
inicial (T1) de 1 y un pronstico uniforme exponencial inicial de 30.

PERIO
DO

DEMAN
DA
REAL

VALOR
SUAVIZADO
(PS)

TENDEN
CIA
(T)

DMA

PRONOSTI
CO (PTA) REL

SESGO

ACU
M.

REL
.

SEAL DE
RASTREO

ACU
M.

01

31

30

02

34

30,30

1,09

31,39

2,6

2,6

2,6

2,6

1,0000

03

33

32,17

1,32

33,50

0,5

1,6

-0,5

1,1

1,3592

04

35

33,35

1,28

34,63

0,4

1,2

0,4

0,8

2,1414

05

37

34,74

1,31

36,05

0,9

1,1

0,9

0,9

3,1000

06

36

36,34

1,40

37,74

1,7

1,2

-1,7

0,3

1,3744

07

38

37,22

1,24

38,46

0,5

1,1

-0,5

0,2

1,1203

08

40

38,32

1,20

39,52

0,5

1,0

0,5

0,2

1,6907

09

40

39,67

1,24

40,91

0,9

1,0

-0,9

0,1

0,8041

10

41

40,64

1,16

41,80

0,8

1,0

-0,8

0,0

0,0059

c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es

el mejor?
EXPONENCIAL SIMPLE
26,128 / 9 =
MAD
2,903
SEAL
26,128 / 2,903 =
RASTREO
9

EXPONENCIAL DOBLE
MAD
SEAL
RASTREO

8,807 / 9 = 0,979
0,0058 / 0,979 =
0,0059

Indudablemente el modelo con suavizacin exponencial Doble nos llevara a un

pronstico ms acertado.

5. A continuacin se anotan las ganancias por accin de dos compaas, por

trimestre, del primer trimestre de 2004 al segundo de 2007. Pronostique las
ganancias por accin para el resto de 2007 y para 2008. Use suavizacin
exponencial para pronosticar el tercer periodo de 2007 y el mtodo de
descomposicin de series de tiempos para pronosticar los ltimos dos
trimestres de 2007 y los cuatro trimestres de 2008 (es mucho ms fcil
resolver el problema en una hoja de clculo computarizada, para ver lo que
sucede).

AO

2004

2005
2006

TRIMEST
RE

Compaa
A

Compaa
B

I
II
III
IV
I
II
III
IV
I
II

1,67
2,35
1,11
1,15
1,56
2,04
1,14
0,38
0,29
-0,18
(Perdida)

0,17
0,24
0,26
0,34
0,25
0,37
0,36
0,44
0,33
0,40

III
IV
I

2007

II

-0,97
(Perdida)
0,20
-1,54
(Perdida)
0,38

0,41
0,47
0,30
0,47

a) Para el mtodo de suavizacin exponencial, tome el primer trimestre de

2004 como el pronstico inicial. Haga dos pronsticos: uno con = 0.10 y
otro con = 0.30.
COMPAA A ( = 0,1)
PERIO
DO

AO

01
02
03

2004

04
05
06
07

2005

08
09
10
11

2006

12
13
14

2007

15

TRIM.

I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III

GANANC
IAS

SUAVIZAMIE
NTO
EXPONENCIA
L SIMPLE

DMA
REL.

SESGO

ACU
M.

REL
.

ACU
M.

SEAL DE
RASTREO

1,67
2,35

1,67

0,7

0,7

0,7

0,7

1,00

1,11

1,74

0,6

0,7

-0,6

0,0

0,08

1,15

1,68

0,5

0,6

-0,5

-0,2

-0,77

1,56

1,62

0,1

0,5

-0,1

-0,1

-1,13

2,04

1,62

0,4

0,5

0,4

0,0

-0,24

1,14

1,66

0,5

0,5

-0,5

-0,1

-1,33

0,38

1,61

1,2

0,6

-1,2

-0,3

-3,20

0,29

1,48

1,2

0,7

-1,2

-0,4

-4,64

-0,18

1,36

1,5

0,8

-1,5

-0,5

-6,08

-0,97

1,21

2,2

0,9

-2,2

-0,7

-7,54

0,2

0,99

0,8

0,9

-0,8

-0,7

-8,52

-1,54

0,91

2,5

1,0

-2,5

-0,8

-9,83

0,38

0,67

0,3

1,0

-0,3

-0,8

-10,71

0,64

COMPAA A ( = 0,3)
PERIO
DO

AO

01
02
03

2004

04
05
06
07

2005

TRIM.

I
II
III
IV
I
II
III

GANANC
IAS

SUAVIZAMIE
NTO
EXPONENCIA
L SIMPLE

DMA
REL.

SEAL DE
RASTREO

SESGO

ACU
M.

REL.

ACU
M.

1,67
2,35

1,67

0,7

0,7

0,7

0,7

1,00

1,11

1,87

0,8

0,7

-0,8

0,0

-0,12

1,15

1,64

0,5

0,6

-0,5

-0,2

-0,90

1,56

1,50

0,1

0,5

0,1

-0,1

-1,03

2,04
1,14

1,52
1,67

0,5
0,5

0,5
0,5

0,5
-0,5

0,0
-0,1

0,02
-1,03

08
09
10
11

2006

12
13
14

2007

15

IV
I
II
III
IV
I
II
III

0,38

1,51

1,1

0,6

-1,1

-0,2

-2,77

0,29

1,17

0,9

0,6

-0,9

-0,3

-4,00

-0,18

0,91

1,1

0,7

-1,1

-0,4

-5,30

-0,97

0,58

1,6

0,8

-1,6

-0,5

-6,71

0,2

0,12

0,1

0,7

0,1

-0,5

-7,19

-1,54

0,14

1,7

0,8

-1,7

-0,6

-8,58

0,38

-0,36

0,7

0,8

0,7

-0,5

-7,67

-0,14
COMPAA B ( = 0,1)

PERIO
DO

AO

01
02
03

2004

04
05
06
07

2005

08
09
10
11

2006

12
13
14

2007

15

TRIM.

I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III

GANANC
IAS

SUAVIZAMIE
NTO
EXPONENCIA
L SIMPLE

DMA
REL.

SESGO

ACU
M.

REL.

ACU
M.

SEAL DE
RASTREO

0,17
0,24

0,17

0,1

0,1

0,1

0,1

1,00

0,26

0,18

0,1

0,1

0,1

0,1

2,00

0,34

0,19

0,2

0,1

0,2

0,1

3,00

0,25

0,20

0,0

0,1

0,0

0,1

4,00

0,37

0,21

0,2

0,1

0,2

0,1

5,00

0,36

0,22

0,1

0,1

0,1

0,1

6,00

0,44

0,24

0,2

0,1

0,2

0,1

7,00

0,33

0,26

0,1

0,1

0,1

0,1

8,00

0,4

0,26

0,1

0,1

0,1

0,1

9,00

0,41

0,28

0,1

0,1

0,1

0,1

10,00

0,47

0,29

0,2

0,1

0,2

0,1

11,00

0,3

0,31

0,0

0,1

0,0

0,1

11,85

0,47

0,31

0,2

0,1

0,2

0,1

12,86

0,32

COMPAA B ( = 0,3)
PERIO
DO

AO

01
02
03

2004

04
05
06
07
08

2005

TRIM.

I
II
III
IV
I
II
III
IV

GANANC
IAS

SUAVIZAMIE
NTO
EXPONENCIA
L SIMPLE

DMA
REL.

SESGO

ACU
M.

REL.

ACU
M.

SEAL DE
RASTREO

0,17
0,24

0,17

0,1

0,1

0,1

0,1

1,00

0,26

0,19

0,1

0,1

0,1

0,1

2,00

0,34

0,21

0,1

0,1

0,1

0,1

3,00

0,25

0,25

0,0

0,1

0,0

0,1

3,99

0,37

0,25

0,1

0,1

0,1

0,1

5,00

0,36

0,29

0,1

0,1

0,1

0,1

6,00

0,44

0,31

0,1

0,1

0,1

0,1

7,00

09
10

2006

11
12
13

2007

14
15

I
II
III
IV
I
II
III

0,33

0,35

0,0

0,1

0,0

0,1

7,53

0,4

0,34

0,1

0,1

0,1

0,1

8,52

0,41

0,36

0,1

0,1

0,1

0,1

9,50

0,47

0,37

0,1

0,1

0,1

0,1

10,51

0,3

0,40

0,1

0,1

-0,1

0,1

8,82

0,47

0,37

0,1

0,1

0,1

0,1

9,89

0,40

b) Con el mtodo MAD para probar el desempeo del modelo de pronstico,

ms datos reales de 2004 al segundo trimestre de 2007, qu tan bien
funciono el modelo?
EXPONENCIAL SIMPLE COMPAA A
( = 0,1)
MAD
12,517 / 13 = 0,963
SEAL
-10,3103 / 0,963 =
RASTREO
-10,708

EXPONENCIAL SIMPLE COMPAA

A ( = 0,3)
MAD
10,224 / 13 = 0,786
SEAL
-6,0338 / 0,786 =
RASTREO
-7,672

EXPONENCIAL SIMPLE COMPAA B

( = 0,1)
MAD
1,556 / 13 = 0,12
SEAL
RASTREO
1,5391 / 0,12 = 12,858

EXPONENCIAL SIMPLE COMPAA

B ( = 0,3)
MAD
1,015 / 13 = 0,078
SEAL
0,7722 / 0,078 =
RASTREO
9,891

En ambas empresas podemos observar amplia dispersin en sus datos lo

que es consecuente con las seales de rastreo con valores tan distante de
los limites de control. Se podra modificar usar otro modelo para
llegar a unos pronsticos ms acertados.

c) Con la descomposicin del mtodo de pronstico por series de tiempo,

pronostique las ganancias por accin para los dos ltimos trimestre de
2007 y para los cuatro trimestres de 2008. Hay algn factor estacional en
las ganancias?
DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE
COMPAA A

Ao

Perio
do

Tri
m.

Gananci
as

y = 2,288+
-0,214X

200

1,67

2,0743

Proporcin
Factor
real/Tende
estacional
ncia
0,805

1,504

II
III
IV
I
II
III
IV
I
II
III
IV
I
II

3
4
5

200
5

6
7
8
9

200
6

10
11
12
13
14

1,8605

1,263

1,6467

0,674

1,4329

0,803

1,2191

1,280

1,0053

2,029

0,7915

1,440

0,5777
0,3639
0,1501
-0,0637
-0,2775
-0,4913
-0,7051

0,658
0,797
-1,199
15,228
-0,721
3,135
-0,539

II

0,389

III

5,781

IV

0,247

Periodo

Trimest
re

y = 2,288 +
-0,214X

Factor
Estacional

pronosti
co

15

III

-0,919

5,781

-5,31

16

IV

-1,133

-0,28

17
18
19
20

-1,347
-1,560
-1,774
-1,988

0,247
1,504
0,389
5,78
0,247

2008

Ao

2007

200
7

2,35
1,11
1,15
1,56
2,04
1,14
0,38
0,29
-0,18
-0,97
0,20
-1,54
0,38

II
III
IV

-2,03
-0,61
-10,26
-0,49

DESESTACIONALIZACION CON TENDENCIA AJUSTADA MANUALMENTE

COMPAA B

Period
Ao
o
1

2004

2
3
4

2005

5
6
7

Proporcin
Factor
real/Tende estaciona
ncia
l

Tri
m.

Gananci
as

y = 0,217 +
0,017X

I
II
III
IV
I
II
III

0,17
0,24
0,26
0,34
0,25
0,37
0,36

0,2342

0,726

0,251

0,956

0,2678

0,971

0,2846

1,195

0,3014

0,829

0,3182
0,335

1,163
1,075

0,785

II

1,049

IV
I
II
III
IV
I
II

8
9
10

2006

11
12
13

2007

0,3518
0,3686
0,3854
0,4022
0,419
0,4358
0,4526

1,251
0,895
1,038
1,019
1,122
0,688
1,038

III

1,022

IV

1,189

Periodo

Trimest
re

y = 0,217 +
0,017X

Factor
Estacional

pronosti
co

15

III

0,469

1,022

0,48

16

IV

0,486

0,58

17
18
19
20

0,503
0,520
0,537
0,553

1,189
0,785
1,049
1,02
1,189

2008

Ao

2007

14

0,44
0,33
0,40
0,41
0,47
0,30
0,47

II
III
IV

0,39
0,55
0,55
0,66

En la compaa B podemos notar un aumento gradual en sus factores

estacionales, mientras que en la compaa A encontramos factores muy
dispersos, entre ellos un dato supremamente atpico 5,781

d) Use sus pronsticos y comente sobre cada compaa.

MES
01
02
03
04
05
06
07
08
09

Gananc
ias
1,67
2,35
1,11
1,15
1,56
2,04
1,14
0,38
0,29

PROMEDIO SIMPLE COMPAA A

DMA
SESGO
PROME
DIO
ACU
ACU
REL.
SIMPLE REL.
M.
M.
1,7
2,0
1,7
1,6
1,6
1,6
1,6
1,4

0,7
0,9
0,6
0,0
0,5
0,5
1,2
1,1

0,7
0,8
0,7
0,5
0,5
0,5
0,6
0,7

0,7
-0,9
-0,6
0,0
0,5
-0,5
-1,2
-1,1

0,7
-0,1
-0,3
-0,2
-0,1
-0,1
-0,3
-0,4

SEAL DE
RASTREO
1,00
-0,28
-1,09
-1,47
-0,61
-1,58
-3,27
-4,62

10
11
12
13
14

-0,18
-0,97
0,2
-1,54
0,38

1,3
1,2
1,0
0,9
0,7

1,5
2,1
0,8
2,4
0,3

0,8
0,9
0,9
1,0
1,0

-1,5
-2,1
-0,8
-2,4
-0,3

-0,5
-0,7
-0,7
-0,8
-0,8

PROMEDIO SIMPLE COMPAA B

DMA
SESGO
PROMED
Gananc
MES
IO
ACU REL
ias
REL.
ACUM.
SIMPLE
M.
.
01
0,17
02
0,24
0,2
0,1
0,1 0,1
0,1
03
0,26
0,2
0,1
0,1 0,1
0,1
04
0,34
0,2
0,1
0,1 0,1
0,1
05
0,25
0,3
0,0
0,1 0,0
0,1
06
0,37
0,3
0,1
0,1 0,1
0,1
07
0,36
0,3
0,1
0,1 0,1
0,1
08
0,44
0,3
0,2
0,1 0,2
0,1
09
0,33
0,3
0,0
0,1 0,0
0,1
10
0,4
0,3
0,1
0,1 0,1
0,1
11
0,41
0,3
0,1
0,1 0,1
0,1
12
0,47
0,3
0,1
0,1 0,1
0,1
13
0,3
0,3
0,0
0,1 0,0
0,1
14
0,47
0,3
0,1
0,1 0,1
0,1

-6,01
-7,46
-8,42
-9,74
-10,62

SEAL DE
RASTREO
1,00
2,00
3,00
3,92
4,93
5,93
6,94
7,94
8,94
9,94
10,94
11,06
12,11

PROMEDIO MOVIL SIMPLE (n=2) COMPAA A

Gananc
MES
ias

P.M.S

DMA
SESGO
ACUM REL ACUM
REL.
.
.
.

01

1,67

02

2,35

03

1,11

2,0

0,90

0,90

04

1,15

1,7

0,58

0,74

05
06

1,56
2,04

1,1
1,4

0,43
0,69

0,64
0,65

07

1,14

1,8

0,66

0,65

#DIV/
0!
0,90
0,58
0,43
0,69
0,66

SEAL DE
RASTREO

#DIV/
0!

0,00

-0,90

-1,00

-0,74

-2,00

-0,35
-0,09

-1,65
-0,56

-0,21

-1,57

08

0,38

1,6

1,21

0,74

09

0,29

0,8

0,47

0,71

10

-0,18

0,3

0,52

0,68

11

-0,97

0,1

1,03

0,72

12

0,2

-0,6

0,78

0,73

13

-1,54

-0,4

1,16

0,76

14
15

0,38

-0,7
-0,6

1,05
0,58

0,79
0,77

0,4

0,38

0,74

16

1,21
0,47
0,52
1,03
0,78
1,16
1,05
0,58
0,38

-0,37

-3,00

-0,39

-3,837

-0,40

-4,727

-0,47

-5,900

-0,35

-4,786

-0,42

-6,053

-0,30
-0,23

-4,537
-3,880

-0,24

-4,537

PROMEDIO MOVIL SIMPLE (n=2) COMPAA B

MES

Gananci
P.M.S
as

01

0,17

02

0,24

03
04

0,26
0,34

0,2
0,3

05

0,25

0,3

06
07
08

0,37
0,36
0,44

0,3
0,3
0,4

09

0,33

0,4

10
11
12

0,4
0,41
0,47

0,4
0,4
0,4

13

0,3

0,4

14

0,47

0,4

15

0,4

16

0,5

MES

DMA
REL.

SESGO
ACUM
ACUM. REL.
.

#DIV/
#DIV/
0!
0!
0,06
0,06 0,06
0,06
0,09
0,07 0,09
0,07
0,05
0,07
0,03
0,05
0,08
0,07 0,08
0,04
0,05
0,06 0,05
0,04
0,08
0,07 0,08
0,05
0,07
0,07
0,03
0,07
0,02
0,06 0,02
0,03
0,05
0,06 0,05
0,03
0,06
0,06 0,06
0,04
0,14
0,07
0,02
0,14
0,09
0,07 0,09
0,02
0,39
0,09
-0,01
0,39
0,47
0,12
-0,04
0,47

SEAL DE
RASTREO

0,00
1,00
2,00
1,46
2,52
3,44
4,48
3,387
4,000
4,886
5,932
3,164
4,344
-0,975
-4,695

P.M.P (C1=0,1, C2=0,2, C3=0,7) COMPAIA A

GANANCIA
P.M.P
DMA
SESGO
SEAL DE

S
01

1,67

02

2,35

03

1,11

04
05
06
07
08
09
10
11
12
13
14
15

1,15
1,56
2,04
1,14
0,38
0,29
-0,18
-0,97
0,2
-1,54
0,38

1,4
1,3
1,4
1,9
1,4
0,7
0,4
0,0
-0,7
-0,1
-1,1
0,0

REL.

ACUM.

0,26
0,30
0,61
0,72
0,98
0,41
0,57
0,94
0,89
1,47
1,52
0,02

#DIV/0
!
#DIV/0
!
0,26
0,28
0,39
0,47
0,57
0,55
0,55
0,60
0,63
0,71
0,79
0,72

REL.

ACUM.

-0,26
0,30
0,61
-0,72
-0,98
-0,41
-0,57
-0,94
0,89
-1,47
1,52
0,02

#DIV/0
!
#DIV/0
!
-0,26
0,02
0,21
-0,02
-0,21
-0,24
-0,29
-0,37
-0,23
-0,36
-0,19
-0,17

RASTREO
0,00
0,00
-1,00
0,12
1,64
-0,16
-1,84
-2,683
-3,707
-4,975
-3,317
-4,984
-2,598
-2,796

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

MES

GANANCIA
S

01

0,17

02

0,24

03

0,26

04
05
06
07
08
09
10
11
12
13
14
15

0,34
0,25
0,37
0,36
0,44
0,33
0,4
0,41
0,47
0,3
0,47

P.M.P

0,2
0,3
0,3
0,3
0,4
0,4
0,4
0,4
0,4
0,5
0,3
0,4

DMA
REL.

ACUM.

0,09
0,06
0,10
0,02
0,09
0,09
0,05
0,02
0,07
0,15
0,13
0,44

#DIV/0
!
#DIV/0
!
0,09
0,08
0,09
0,07
0,07
0,08
0,07
0,06
0,07
0,07
0,08
0,11

SESGO
REL.

ACUM.

0,09
-0,06
0,10
0,02
0,09
-0,09
0,05
0,02
0,07
-0,15
0,13
-0,44

#DIV/0
!
#DIV/0
!
0,09
0,01
0,04
0,04
0,05
0,02
0,03
0,03
0,03
0,01
0,02
-0,01

SEAL DE
RASTREO
0,00
0,00
1,00
0,37
1,51
2,14
3,24
1,982
2,738
3,318
4,362
1,805
3,292
-1,646

CONCLUSIONES

A lo largo de este ejercicio prctico hemos logrado fortalecer los conceptos y

aplicaciones de los modelos de pronsticos, Promedio Simple, Promedio Mvil
Simple, Promedio Mvil Ponderado y Suavizamiento Exponencial Simple,
Suavizamiento Exponencial Doble, regresin Lineal, Mtodo de Desestacionalizacion
con tendencia Ajustada manualmente y Metodo de Desestacionalizacion con
tendencia Ajustada por Regresin lineal, siendo capaces de escoger el modelo que
ms se adapte a la necesidad, de acuerdo al principio de argumentacin y contando
con las herramientas para ello.

BIBLIOGRAFIA
BASTIDAS, Edwin. PRODUCCION II Tercer Semestre, Programa de Tecnologa
Industrial, Gua 1 Pronsticos, Cali 2009, P. 33 a P.35