INSTITUTO TECNOLÓGICO SUPERIOR DEL OCCIDENTE DEL ESTADO DE HIDALGO

INGENIERÍA INDUSTRIAL

ADMINISTRACIÓN DE OPERACIONES I

EJERCICIOS UNIDAD No. 2

DOCENTE: ING. LILIA ANTONIA MENDOZA SIERRA

ALUMNOS:
ÁNGELES AVECIAS ALDAIR 14011127
CRUZ ANGELES JUAN MANUEL 16011749
ESPARZA BARCENAS OMAR 16011404
ESTRADA HERNÁNDEZ RITA VICTORIA 16011020
LUGO GAYOSSO SAMARA VANESA 16011814
QUIROZ MOTA ALEXIS 15011613

Fecha de entrega: 01 de Octubre del 2018

5°B
EJERCICIO No. 1. La tienta de suministro para jardín de ¨Donna¨ quiere hacer un pronóstico con el
promedio móvil de 3 meses que incluye un pronóstico para las ventas de cobertizos del promedio
móvil.
∑ 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠
𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 =
𝑛
SUSTITUCIÓN
VENTAS PROMEDIO 10+12+13/3=11.67
REALES DE MOVIL DE 3
MES COBERTIZOS MESES 12+13+16/3=13.67
ENERO 10 13+16+19/3=16.00
FEBRERO 12
MARZO 13 16+19+23/3=19.33
ABRIL 16 11.67 19+23+26/3=22.67
MAYO 19 13.67
23+26+30/3=26.33
JUNIO 23 16.00
JULIO 26 19.33 26+30+28/3=28.00
AGOSTO 30 22.67
30+28+18/3=25.33
SEPTIEMBRE 28 26.33
OCTUBRE 18 28.00 28+18+16/3=20.67
NOVIEMBRE 16 25.33
18+16+14/3=16.00
DICIEMBRE 14 20.67
ENERO 16.00
VENTAS DE COBERTIZOS
VENTAS REALES DE COBERTIZOS
PROMEDIO MOVIL DE 3 MESES
40
20
0

Análisis: Es necesario señalar es evidente que la línea de pronóstico es más suave que la línea de
demanda (impacto de tomar un promedio) mientras más periodos se utilicen más suave cualquier
tipo de demanda tendrá menor influencia general. El pronóstico siempre quedara rasgado en
relación con toda la demanda real.

EJERCICIO No. 2
Pronostique la demanda para que la semana del 12 de octubre usando un promedio móvil de 3
semanas. La tabla muestra el número de unidades de sangre tipo A que dicho hospital utilizo en las
últimas 6 semanas.

∑ 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠

𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 =
𝑛

SUSTITUCIÓN
Semana Unidades Prom.3 meses
360+389+410/3=386.33
31-ago-18 360
07-sep-18 389 389+410+381/3=393.33
14-sep-18 410
410+381+368/3=386.33
21-sep-18 381 386.33
381+368+374/3=374.33
28-sep-18 368 393.33

05-oct-18 374 386.33

12-oct-18 374.33

Promedio móvil
420
400
380
360
340
320
31-ago-18
2-sep-18
4-sep-18
6-sep-18
8-sep-18
10-sep-18
12-sep-18
14-sep-18
16-sep-18
18-sep-18
20-sep-18
22-sep-18
24-sep-18
26-sep-18
28-sep-18
30-sep-18
2-oct-18
4-oct-18
6-oct-18
8-oct-18
10-oct-18
12-oct-18

unidades prom.3 meses

Análisis: Tenemos la línea de unidades reales tiene una tendencia creciente y luego la descendente
la de promedio móvil de tres meses esa línea no tiene ni en forma creciente o decreciente se va
manteniendo para la semana 12 de octubre.

EJERCICIO No. 3
 Pronostique la demanda para el periodo 3usuario de pronóstico de promedio móvil de 3
periodos.
pronóstico ∑ 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠
de periodo 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 =
demanda de 3 meses 𝑛
24
26
24+26+22=24
22
26+22+25=24.33
25 24.00
22+25+19=22
19 24.33
25+19+31=25
31 22.00
19+31+26=25.33
26 25.00

18 25.33

pronostico de tres meses

35

30

25

20

15

10

0
1 2 3 4 5 6 7 8

demanda pronostico de periodo de 3 meses

Análisis: La demanda tiene una línea de tendencia muy inestable en los meses 5 y 8 y con ello el
promedio móvil tiene una constante lineal.

EJERCICIO No. 4
Una compañía productora de alimentos para gato y requiere calcular el pronóstico de la demanda
con el método de media o promedio móvil simple, considerando un promedio móvil de tres meses.

Como calcularías el pronóstico de la demanda con el promedio móvil de 8 meses de periodo. Así
mismo desarrolle y analice el comportamiento gráfico de la demanda.

∑ 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠

𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 =
𝑛
SUSTITUCIÓN A 3 MESES:

130+145+139/3=138
PRONOSTICO PRONOSTICO
145+139+153/3=145.67
PERIODO DEMANDA 3MESES DE 8 MESES
ENERO 130 139+153+162/3=151.33
FEBRERO 145
153+162+170/3=161.67
MARZO 139
ABRIL 153 138.00 162+170+100/3=144
MAYO 162 145.67
170+100+120/3=130
JUNIO 170 151.33
JULIO 100 161.67 100+120+151/3=123.67
AGOSTO 120 144.00
120+151+134/3=135
SEPTIEMBRE 151 130.00 139.88
OCTUBRE 134 123.67 142.50 120+151+134/3=141.33
NOVIEMBRE 139 135.00 141.13
134+139+151/3=141.33
DICIEMBRE 151 141.33 141.13
ENERO 164 141.33 140.88 139+151+164/3=151.33
FEBRERO 159 151.33 141.13 151+164+159/3=158
MARZO 171 158.00 139.75
ABRIL 182 164.67 148.63 164+159+171/3=164.67
MAYO 162 170.67 156.38 159+171+182/3=170.67
JUNIO 190 171.67 157.75
182+162+190/3=171.67
SUSTITUCIÓN A 8 MESES:

130+145+139+153+162+170+100+120/8=139.88

145+139+153+162+170+100+120+151/8=142.50

139+153+162+170+100+120+151+134/8=141.13

153+162+170+100+120+151+134+139/8=141.13

162+170+100+120+151+134+139+151/8=140.88

170+100+120+151+134+139+151+164/8=141.13

100+120+151+134+139+151+164+159/8=139.75

120+151+134+139+151+164+159+171/8=148.63

151+134+139+151+164+159+171+182/8=156.38

134+139+151+164+159+171+182+162/8=157.75

Promedio móvil
200
180
160
140
120
100
80
60
40
20
0

DEMANDA PRONOSTICO 3MESES PRONOSTICO DE 8 MESES

ANÁLISIS: La venta de comida para gastos en los 18 meses tiene un promedio positivo pero
analizando los meses de julio a noviembre son en los que desciende y lo podemos ver en los 2
promedios. Con este método se logra pronosticar para los meses próximos y hacer las compras
correctas.

EJERCICIO No. 5
 La tienda de suministros para jardín de Donna quiere pronosticar las ventas de cobertizos
ponderando los últimos 3 meses dando más peso a los datos recientes para hacerlos más
significativos. Se asigna más ponderación a los datos recientes, de la siguiente manera:

*Analice gráficamente (ventas reales, promedio móvil simple y ponderado) e interprete los
datos.

Promedio mòvil ponderado= ∑(ponderaciòn para el periodo n) ( Demanda en el periodo n)

∑ ponderaciones
Ponderación Periodo Periodo Ventas Promedio
aplicada reales de móvil de
cobertizos tres mese
3 Último mes
Enero 10
2 Hace dos meses
Febrero 12
1.5 Hace tres meses
Marzo 13
Abril 16 12 11.66
Mayo 19 14.15 13.6
Junio 23 16.69 16
Julio 26 20.15 19.3
Agosto 30 23.46 22.6
Septiembre 28 27.15 26.3
Octubre 18 28.15 28
Noviembre 16 23.84 25.3
Diciembre 14 19.38 20.6
enero 15.53 16

Ventas Donna
35
30
25
20
15
10
5
0

Ventas reales Pronostico a 3 meses

Análisis: Las ventas de “Donna” no son deltodo buenas ya que de agosto a octubre comienzan
a descender lo cual no es factible.

EJERCICIO No. 6
Durante los últimos 8 meses en el puerto de Baltimore se han descargado de los barcos grandes
cantidades de grano. El administrador de operaciones del puerto quiere probar el uso de suaviza
miento exponencial para ver que tan bien funciona la técnica de tonelaje descargado. Supone que
el grado descargado durante el primer trimestre fue de 175 toneladas se examinan dos valores de
alfa igual a .10 y .50, compare datos reales con los pronosticados (usando cada uno de los valores
de alfa y después encuentre la desviación absoluta y la MAD).

Trimestre Tonelaje real Pronostico Pronostico con

descargado con α=.10 α=.50
1 180 175 175
2 168 175.5 177.5
3 159 174.75 172.5
4 175 173.17 168.1
5 190 173.17 170.43
6 205 173.35 180.21
7 180 175.01 192.61
8 182 178.00 186.30
9 ¿? 178.58 184.15

Tonelaje descargado
195
190
185
180
175
170
165
160
155
180 168 159 175 190 205 180 182 ¿?

Real Pronóstico

Análisis: El pronóstico con α.50 es más conveniente ya que el tonelaje descargado tiene más
estabilidad y el otro es inestable ya que tienes altas y bajas que son considerables.

EJERCICIO No. 7
 Con los mismos datos calcular el MAD para un pronostico con α=.10 y .50

Des. Absoluta para α.10 Des. Absoluta para α.50

1 5 5
2 7.5 9.5
3 15.75 13.75
4 1.83 9.13
5 16.65 19.57
6 29.99 24.79
7 1.99 12.6
8 82.51 4.3
∑ 82.51 98.64

MAD MAD
p/.10 p/.50

= 82.51 = 98.64
8 8
= 10.31 =12.33

MAD TONELAJE
120

100

80

60

40

20

0
1 2 3 4 5 6 7 8 ∑

0.1 0.5

Análisis: El MAD .50 es mejor ya que en la gráfica se puede observar que es un poco más estable y
va a la alza conforme avanza.

EJERCICIO No. 8
 Realizar el mismo procedimiento ahora con .20

Desviación absoluta 0.20

1 176 5
2 174 8
3 171.52 15.4
4 172.05 8.68
5 175.68 17.95
6 181.50 24.36
7 181.20 7.2
8 181.36 0.8
∑ 81.39

= 81.24 =10.17
8

Análisis: En el grafico se puede mostrar que es estable si tiene altibajos pero se mantiene en un
rango alto.

EJERCICIO No. 9
 Durante los últimos 8 meses en el puerto de Baltimore se han descargado de los barcos grandes
cantidades de grano. El administrador de operaciones del puerto quiere probar el uso de suaviza
miento exponencial para ver que tan bien funciona la técnica de tonelaje descargado. Supone que
el grado descargado durante el primer trimestre fue de 175 toneladas se examinan dos valores de
alfa igual a .10 y .50, compare datos reales con los pronosticados (usando cada uno de los valores
de alfa y después encuentre la desviación absoluta y la MAD).

Trimestre Tonelaje Pronóstico Pronóstico Desviación Desviación

real con α=.10 con α=.50 α=.10 α=.50
descargado
1 180 175 175 5 5
2 168 175.5 177.5 7.5 9.5
3 159 174.7 172.7 15.7 13.7
4 175 173.1 165.8 1.9 9.2
5 190 173.2 170.4 16.8 19.6
6 205 174.8 180.2 30.2 24.8
7 180 177.8 192.6 2.2 12.6
8 182 178.02 186.3 4 4.3
Suma 83.3 98.7
MAD 10.41 12.33

SUSTITUCIÓN
Suavizamineto
175+(.10) (180-175) = 175.5 175+(.50) (180-175) = 177.5
25
175.5+(.10) (168-175.5) = 174.7 177.5+(.50) (168-177.5) = 172.7 20

174.7+(.10) (159-174.7) = 173.1 172.7+(.50) (159-172.7) = 165.8 15

173.1+(.10) (175-173.1) = 174.8 165.8+(.50) (175-165.8) = 170.4 10

174.8+(.10) (190-174.8) = 177.8 170.4+(.50) (190-170.4) = 180.2 5

177.8+(.10) (205-177.8) = 178.02 180.2+(.50) (205-180.2) = 192.6 0

1 2 3 4 5 6 7 8
178.02+(.10) (180-178.02) = 178.4 192.6+(.50) (180-192.6) = 186.3 VENTAS PROM.MOVIL PROM.POND

83.3/8= 10.41 98.7/8= 12.33

Análisis: El MAD más recomendable aquí es el de α = .10 ya que nos arroja un suavizamiento que
el de α =
 EJERCICIO No. 10

Si la constante de suavizamineto se cambia de α = .10 a α= .20 ¿Cuál es el nuevo MAD?

Trimestre Tonelaje Pronóstico Desviación

real con α=.20 α=.20
descargado
1 180 175 5
2 168 176 8
3 159 174.4 15.4
4 175 171.32 3.68
5 190 172.05 17.95
6 205 175.64 29.36
7 180 181.51 1.51
8 182 181.20 .8
Suma 81.7
MAD 10.21

SUSTITUCIÓN:

175+(.20) (180-175) = 176

176+(.20) (168-176) = 174.4

Suavizamineto
174.4+(.20) (159-174.4) = 171.32
25
171.32+(.20) (175-171.32) = 172.05
20
172.05+(.20) (190-172.05) = 175.64 15

175.64+(.20) (205-175.64) = 181.51 10

5
181.51+(.20) (180-181.51) = 181.20
0
81.7/8= 10.21 1 2 3 4 5 6 7 8
VENTAS PROM.MOVIL

Análisis: El MAD aquí nos arroja un resultado de suaviza miento aún más pequeño que el de .10 y
se elige el de .20 como el mejor.
EJERCICIO No. 11

El administrador de operaciones del puerto de Baltimore quiere calcular ahora el MSE para α = .10

SUSTITUCIÓN

180-175 = (5)2 = 25 1658.51/8 = 207.31

168-175.5 = (7.5)2 = 56.25

159-174.7 = (15.7)2 = 248.06 Suavizamineto

25
175-173.1 = (1.9)2 = 3.34
20
2
190-173.2 = (16.8) = 283.24
15
2
205-174.8 = (30.2) = 1001.72 10

180-177.8 = (2.2)2 = 24.90 5

182-178 = (4)2 = 16 0
1 2 3 4 5 6 7 8

VENTAS PROM.MOVIL

Análisis: Aquí nos arroja la comparación del valor pronosticado con .10 con el real y nos arroja un
resultado de MSE igual a 207.31 esta es la diferencia entre ambos datos.
 EJERCICIO No. 12

El puerto de Baltimore ahora quiere calcular el MAPE cuando α = .10

Trimestre Tonelaje real Pronóstico Error potencial

descargado con α=.10 absoluto
1 180 175 2.77
2 168 175.5 4.46
3 159 174.7 9.87
4 175 173.1 1.08
5 190 173.2 8.84
6 205 174.8 14.73
7 180 177.8 1.22
8 182 178.02 2.18
Suma 45.15
MSE 5.64

SUSTITUCIÓN

(100) *((180-175) /180) = 2.77

(100) *((168-175.5) /168) = 4.46

Tonelaje
(100) *((159-174.7) /159) = 9.87
250
(100) *((175-173.1) /175) = 1.08 200

(100) *((190-173.2) /190) = 8.84 150

100
(100) *((205-174.8) /205) = 14.73
50
(100) *((180-177.8) /180) = 1.22 0
1 2 3 4 5 6 7 8 Suma MSE
(100) *((182-178.02) /182) = 2.18
Real prom pond.10 MAD
45.15/8 = 5.64

Análisis: Aquí nos muestra el resultado de MAPE = 5.64% ya que este es el desempeño de
pronóstico de la demanda cuando el α = .10.
 EJERCICIO No. 13

¿Cuál es el MAPE cuando α = ?50?

Trimestre Tonelaje real Pronóstico Error potencial

descargado con α=.50 absoluto
1 180 175 2.77
2 168 177.5 5.65
3 159 172.7 8.61
4 175 165.8 5.25
5 190 170.4 10.31
6 205 180.2 12.09
7 180 192.6 7
8 182 186.3 2.36
Suma 54.04
MSE 6.75

SUSTITUCIÓN 250

(100) *((180-175) /180) = 2.77

200
(100) *((168-177.5) /168) = 5.65

(100) *((159-172.7) /159) = 8.61 150

(100) *((175-165.8) /175) = 5.25

100
(100) *((190-170.4) /190) = 10.31
50
(100) *((205-180.2) /205) = 12.09

(100) *((180-192.6) /180) = 7 0

1 2 3 4 5 6 7 8 Suma MSE
(100) *((182-186.3) /182) = 2.36
Real Pronóstico MAPE
54.04/8 = 6.75

Análisis: Aquí nos muestra el resultado de MAPE = 6.75% ya que este es el desempeño de
pronóstico de la demanda cuando el α = .50.
EJERCICIO No. 14

En base al desarrollo de la tabla de unidades de sangre tipo A, utilice el promedio móvil ponderado
de 3 semanas con ponderaciones de .1, .3, .6, usando .6 para la semana más reciente.

A) Pronostique la demanda para la semana del 12 de octubre

B) Calcule el pronóstico para la semana octubre 12 usando suavizamiento exponencial con un
pronóstico de 360 para 31 de agosto y α=.2
𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1 )
SUSTITUCIÓN:

360+.20(360-360)=360 ….Así sucesivamente

Semana de Unidades Promedio móvil Suavizamiento exponencial α=.2

usadas ponderado
Agosto 31 360 360
Septiembre 7 389 360
Septiembre 14 410 365.8
Septiembre 21 381 373.7 374.64
Septiembre 28 368 394.3 375.912
Octubre 5 374 397.1 374.32
Octubre 12 - 376.4 374.256

GRÁFICA
420
410
400
390
380
370
360
350
340
330
1 2 3 4 5 6 7

unidades usadas PROM MOVI PON SUAV. EXPO.

ANÁLISIS: Por medio de la gráfica nos damos cuenta de que el promedio móvil ponderado varía
conforme a la tendencia del suavizamiento exponencial, así como nuestras unidades reales usadas.
EJERCICIO No. 15

Un importante fabricante quiere pronosticar la demanda de un equipo para control de a

contaminación. Una revisión de las ventas históricas como se muestra a continuación, indica que
hay una tendencia creciente. A las constantes de suavizamiento se les asignan los valores de α=.2 y
β=.4, la compañía supone que para el mes 1 el pronóstico suavizado exponencialmente fue de 11
unidades y la tendencia durante el mismo periodo fue de 2 unidades

𝐹𝑡 = 𝛼(𝐴𝑡 − 1) + (1 − 𝛼)(𝐹𝑡 − 1 + 𝑇𝑡 − 1)
𝑇𝑡 = 𝛽(𝐹𝑡 − 𝐹𝑡 − 1) + (1 − 𝛽)(𝑇𝑡 − 1)
𝐹 ⋰ 𝑇𝑡 = 𝐹𝑡 + 𝑇𝑡

MES (t) Demanda Real Pronostico Tendencia Pronostico

(At) Suavizado (Ft) Suavizada (Tt) incluyendo la
tendencia F/Tt
1 12 11 2 13
2 17 12.8 1.92 14.72
3 26 15.17 2.10 17.27
4 19 17.81 2.31 20.12
5 24 19.89 2.21 22.10
6 21 22.48 2.36 24.84
7 31 24.072 2.05 26.12
8 28 27.09 2.43 29.52
9 36 29.21 2.30 31.51
10 32.40 2.65 35.05

GRÁFICA
40
35
30
25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10

Demanda Real (At) Pronostico Suavizado (Ft)

Tendencia Suavizada (Tt) Pronostico incluyendo la tendencia F/Tt

Análisis: El pronóstico de las unidades de fabricante nos sirvió mucho para que la demanda real
tuviera una tendencia significativa de modo que la fabricación siempre sea ascendiente.
EJERCICIO No. 16

Usando los datos de la demanda de los 9 meses calcule el pronóstico de suavizamiento exponencial,
Aplique α=.3 y β=.5 y suponga el pronóstico inicial para el mes 1 de Ft=12 y Tt=3.

𝐹𝑡 = 𝛼(𝐴𝑡 − 1) + (1 − 𝛼)(𝐹𝑡 − 1 + 𝑇𝑡 − 1)
𝑇𝑡 = 𝛽(𝐹𝑡 − 𝐹𝑡 − 1) + (1 − 𝛽)(𝑇𝑡 − 1)
𝐹 ⋰ 𝑇𝑡 = 𝐹𝑡 + 𝑇𝑡

MES (t) Demanda Real Pronostico Tendencia Pronostico

(At) Suavizado (Ft) Suavizada (Tt) incluyendo la
tendencia F/Tt
1 12 12 3 15
2 17 14.1 2.55 16.65
3 20 16.755 2.60 19.35
4 19 19.54 2.69 22.23
5 24 21.26 2.20 23.46
6 21 23.62 2.28 25.9
7 31 24.43 1.54 25.97
8 28 27.47 2.29 29.76
9 36 29.23 2.025 31.255
10 32.67 2.73 35.402

GRÁFICA
40

30

20

10

0
1 2 3 4 5 6 7 8 9 10

Demanda Real (At) Pronostico Suavizado (Ft)

Tendencia Suavizada (Tt) Pronostico incluyendo la tendencia F/Tt

Análisis: Calculando los pronósticos y tendencias de la demanda analizada nos damos cuenta de que
esta tiene una cierta relación de forma ascendente y haciendo los cálculos necesarios para su
demostración.
EJERCICIO No. 17

En el hospital cinta larga se está considerando comprar una nueva ambulancia, la decisión
dependerá del número de millas que deberán recorrerse el próximo año. Las millas recorridas en
los 5 años anteriores son las de la siguiente tabla.

a) Pronosticar el número de millas para el próximo año usando un promedio móvil de 2 años.

b) Encuentre la MAD para el pronóstico con promedio móvil de 2 años (tendrá solo 3 años de daros
correspondientes).

c) Use un promedio móvil ponderado de 2 años con ponderaciones de .4 y .6 (.6 es para el año más
reciente) ¿Qué MAD resulta de este método?

d) Calcule el pronóstico para el año 6 usando suavizamiento exponencial, un pronóstico inicial para
el año 1 de 3000 millas y α=.5

AÑO # DE Prom. MAD Prom. MAD Suavis. Exp.

MILLAS Movil Movil
(2años) Pond.
1 3000
2 4000 3500
3 3400 3500 100 3600 200 3700
4 3800 3700 100 3640 160 3600
5 3700 3600 100/5 3640 60/5 3750
6 ? 3750 =60 3740 =84

Análisis: Con los distintos métodos podemos ver que es viable comprar la ambulancia ya que las
millas recorridas ascienden de forma constante.
EJERCICIO No. 18

Las ventas mensuales de una determinada marca fueron;

a) Graficar los datos de las demandas mensuales

b) Pronostique las ventas de enero usando cada una de las tendencias: *Método in tuitivo
*Promedio móvil a 3 meses *Promedio móvil ponderado de 6 meses empleando
.1,.1,.1,.2,.2y .3 con las ponderaciones más altas a los meses más recientes *Suavizamiento
exponencial con α=.3 y un pronóstico sep=18.
c) Con los datos ¿Qué método le permitirá elaborara el pronóstico de ventas para el próximo
mes de marzo?

𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1

MES VENTAS PROM.MOVIL PROM.POND SUAV.EXP.
Ene 20
Feb 21
Mar 15
Abr 14 18.6
May 13 16.6
Jun 16 14
Jul 17 14.33 15.8
Agt 18 15.33 15.9
Sep 20 17 16.2 18
Oct 20 18.33 17.3 20.6
Nov 21 15.33 18.2 19.82
Dic 23 20.30 19.4 21.35
Ene ? 21.33 20.80 23.50

Ventas
25
20
15
10
5
0
Ene Feb Mar Abr May Jun Jul Agt Sep Oct Nov Dic Ene

Ventas Promedio movil Prom.pond. Suav. Exp.

Análisis: Las ventas mensuales de este producto se encuentran en parámetros muy satisfactorios
ya que en todos los métodos empleados van creciendo de forma constante incluso el pronóstico de
enero.
 FORMULAS DE “MÍNIMOS CUADRADOS”

ŷ=a+bx
ŷ = valor calculado de la variable que debe predecirse (variable dependiente)
a = intersección con el eje y
b = pendiente de la recta de regresión (o la tasa de cambio en y para los cambios dados en
x)
x = variable independiente (en este caso es el tiempo)

∑𝒙𝒚−𝒏ẋẏ
𝒃= ∑𝒙𝟐 −𝒏ẋ²

a=ẏ-bẋ

b = pendiente de la recta de regresión

∑ = signo de sumatoria
x = valores conocidos de la variable independiente
y = valores conocidos de la variable dependiente
ẋ = promedio de los valores de x
ẏ = promedio de los valores de y
n = número de puntos de datos u observaciones
 EJERCICIO No. 19

Las ventas mensuales de una determinada marca fueron marca fueron:

a) Grafique los datos de las ventas mensuales

b) Pronostique para enero usando cada una de las técnicas….

c) Con los datos ¿qué método le permitirá elaborar el pronóstico de ventas para el próximo
mes de marzo?
PERIODO MES VENTAS (y) Ŷ XY
(x)
1 Enero 20 33 20 ∑x = 78
2 Febrero 21 47 42 ẋ = 6.5
3 Marzo 15 54 45 ẏ = 18.16
4 Abril 19 71 76
5 Mayo 13 78 65
6 Junio 16 94 96 ŷ = 20 + (1) (13) = 33
7 Julio 17 108 119
8 Agosto 18 122 144
∑(78)(223)−(12)(6.5)(18.16)
9 Septiembre 20 137 180 𝒃= =
∑650−(12)(6.5)²
10 Octubre 20 150 200 0.404 a = 18.16 - (0.404) (6.5) =
11 Noviembre 21 164 231 15.534
12 Diciembre 23 179 276
ŷ = 15.534 + 0.404 (13) = 20.786
13 Enero

ANÁLISIS:El pronosticar las ventas nos ayuda para poder observar, su comportamiento y también
el poder saber los periodos en que las ventas son más altas, así como los periodos de ventas bajas
y así poder hacer una toma de decisiones de forma correcta.
 EJERCICIO No. 20

Nodel renueva casos antiguos, con el tiempo la compañía ha encontrado que su volumen de dólares
por trabajo de renovación depende de la nómina del área donde se realizan las renovaciones, la
administración quiere establecer una relación matemática para ayudarse a predecir las ventas.

Ventas de Nodel Nomina local (x) XY

(millones de (en millones de
dólares) dólares)

2 1 3

3 3 6

2.5 4 6.5

2 2 4

2 1 3

3.5 7 10.5

∑ = 33

ẋ=3

ẏ = 2.5

∑x2 = 80

∑(33)−(6)(3)(2.5)
𝒃= = 0.25
∑80−(6)(3)²

a = 2.5 - (0.25) (3) = 1.75

ŷ = 1.75 + 0.25 (6) = 3.25
ŷ = 1.75 + 0.25 (8) = 3.75

ANÁLISIS: Al predecir las ventas de Nodel dependientes de la nómina, en relación con las
renovaciones en cada área, es de suma importancia ya que nos permite saber las ganancias o
pérdidas (en millones de dólares), en ciertos lapsos de tiempo que se efectúan para así, hacer
cambios en relación con la producción o bien optar por nuevas formas de venta y no tener pérdidas
significativas.
EJERCICIO No. 21

Para medir la exactitud de las estimaciones de regresión debemos calcular el error estándar de la
estimación, este cálculo se llama desviación estándar de la regresión y mide el error desde la
variable dependiente y hasta la recta de regresión en lugar de la media.

ERROR ESTANDAR DE LA ESTIMACIÓN

∑(𝒚 − 𝒚ᵢ)²
𝑺𝒚, 𝒙 = √
𝒏−𝟐

y = Valor de y de cada dato puntual

yᵢ = Valor calculado de la variable dependiente, a partir de la ecuación de regresión

n = Número de datos puntuales

∑𝒚𝟐 − 𝒂∑𝒚 − 𝒃∑𝒚

𝑺𝒚, 𝒙 = √
𝒏−𝟐
Con base al ejercicio anterior: PROBLEMA 20

Nodel renueva casos antiguos, con el tiempo la compañía ha encontrado que su volumen de
dólares por trabajo de renovación depende de la nómina del área donde se realizan las
renovaciones, la administración quiere establecer una relación matemática para ayudarse a
predecir las ventas.

Ventas de Nodel Nomina local (x) XY

(millones de dólares) (en millones de dólares)

2 1 3

3 3 6

2.5 4 6.5

2 2 4

2 1 3

3.5 7 10.5

∑y = 33

∑y2 = 39.5

∑y = 15

∑x y = 31.5

Respuesta de ejercicio anterior:

∑(33) − (6)(3)(2.5)
𝒃= = 0.25
∑80 − (6)(3)²

a = 2.5 - (0.25) (3) = 1.75

ŷ = 1.75 + 0.25 (6) = 3.25 millones de dólares

Error estándar

𝟑𝟗. 𝟓 − 𝟏. 𝟕𝟓(𝟏𝟓) − 𝟎. 𝟐𝟓(𝟓𝟏. 𝟓)

𝑺𝒚, 𝒙 = √ = 𝟎. 𝟑𝟎𝟔𝟏
𝟔−𝟐

1-0.3061 = 0.6938 ≈ 69%

ANÁLISIS:

La interpretación del error estándar de la estimación es similar a la desviación estándar a saber ±

1 desviación estándar = 0.6827 existe una posibilidad del 68.27% de estar ± $ 306, 000 de la
estimación puntual $ 3,250, 000

Por lo que se puede decir que este porcentaje nos muestra que en la estimación del error estándar
existe, la posibilidad aproximadamente de la estimación puntual de las ventas en millones de
dólares en el ejercicio anterior.
EJERCICIO No. 22 Análisis de regresión multiple.

La constructora Nodel quiere ver el impacto de una 2da variable independiente, tasas de interés
sobre sus ventas recordando que el nuevo coeficiente de correlación es .96 lo cual implica que la
inclusión de la variable X2-tasa de interés agrega aún más fuerza a la relación lineal.

Si la nómina va a ser de $6, 500, 000 y la tasa de interés del 12%.

Calcule las ventas a pronosticar.

Ŷ = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Ŷ=Variable dependiente
a=Constante, intersección “y”
x1, x2=Valores de las 2 variantes independientes
b1, b2=Coeficientes de las 2 variantes

Ŷ = 1.75 + 0.25(6000000) + 0.96(0.12) = 150,000.825

EJERCICIO No. 23 Monitores y control de pronósticos.

𝑹𝑺𝑭𝑬 ∑(𝑫𝒆𝒎𝒂𝒏𝒅𝒂 𝒓𝒆𝒂𝒍 𝒅𝒆𝒍 𝒑𝒆𝒓𝒊𝒐𝒅𝒐 𝒊−𝑫𝒆𝒎𝒂𝒏𝒅𝒂 𝒑𝒓𝒐𝒏𝒐𝒔𝒕𝒊𝒄𝒂𝒅𝒂 𝒅𝒆𝒍 𝒑𝒆𝒓𝒊𝒐𝒅𝒐 𝒊)

𝑺𝒆ñ𝒂𝒍 𝒅𝒆 𝒄𝒐𝒏𝒕𝒓𝒐𝒍 = =
𝑴𝑨𝑫 𝑴𝑨𝑫

∑(𝑹𝒆𝒂𝒍 − 𝑷𝒓𝒐𝒏𝒐𝒔𝒕𝒊𝒄𝒐)
𝑴𝑨𝑫 =
𝒏
MAD equivale a .8 desviaciones estándar

±2 MAD = ±1.6 (89% de los errores)

±3 MAD = ±2.4 (98% de los errores)

±4 MAD = ±3.2 (99.8% de los errores)

Carlson Bakery quiere evaluar el desempeño de su pronóstico de ventas de bollos. Desarrolle una
señal de control para el pronóstico y vea si se conserva entro del límite aceptable, los cuales se
definen como ±4 MAD. Usando el pronóstico los datos de la demanda para los últimos 6 trimestres.

Trimestre Dem. Dem. Error RSFE Error Error MAD Señal de

Real Pronos. Abs. Del Acum. control
Pronost. Del (RSFE/MAD)
Pron.
1 90 100 -10 -10 10 10 10 -10/10=-1
2 95 100 -5 -15 5 15 7.5 -15/7.5=-2
3 115 100 15 0 15 30 10 15/10=1.5
4 100 110 -10 -10 10 40 10 -10/10=-1
5 125 110 15 5 15 55 11 5/11=0.45
6 140 110 30 35 30 85 14.166 35/14.166=2.47

150 3
140 2
130
1
120
110 0
100 1 2 3 4 5 6
-1
90
80 -2
1 2 3 4 5 6 -3

Demanda Real MAD

Análisis: Este tema nos brinda la oportunidad de darnos cuenta si los datos se encuentran dentro
de los límites esperados y cómo podemos verlo en la gráfica y en comparación con la demanda
real y lo pronosticado todo está dentro de los límites.