PMS3

1 Enero
2 Febrero
3 Marzo
4 Abril
5 Mayo
6 Junio
7 Julio
8 Agosto
9 Septiembre
10 Octubre
11 Noviembre
12 Dicembre

80
90
85
70
80
105
110
105
100
110
115
120

85
81.666666667
78.333333333
85
98.333333333
106.66666667
105
105
108.33333333
115

140

120

100

80

60

40

20

0
Enero

Febrero

Marzo

Abr

40

20

0
Enero

Febrero

Marzo

Abr

DMA

PMS5

15
1.6666666667
26.666666667
25
6.6666666667
6.6666666667
5
10
11.666666667
13.095238095

Marzo

DMA

PMP3

81
24
86
24
90
15
94
6
100
10
106
9
108
12
110 14.2857143

Abril

Mayo

DMA

85.5
78.5
78
90.5
102.5
106.5
103.5
106
110.5
116.5

Junio

PMP5

15.5
1.5
27
19.5
2.5
6.5
6.5
9
9.5
11.5

80
87.25
94.25
99
102
106
108.75
112.25

Julio

Agosto

Marzo

Abril

Mayo

Junio

Julio

Agosto

DMA

se pronostica que en enero 2014 las ventas van a asecnder a 116.5 unidad

25
22.75
10.75
1
8
9
11.25
12.5357143

Agosto

Septiembre

Octubre

Noviembre

Dicembre

Agosto

Septiembre

Octubre

Noviembre

Dicembre

van a asecnder a 116.5 unidades comparandose mediante diferentes aos, el dma fue menor para en pmp3

Para PMP3
0.2
0.3
0.5

Dicembre

Para PMP5
0.1
0.15
0.2
0.25
0.3

Dicembre

ma fue menor para en pmp3

2.-Jaime blanco, gerente de la planta CISA, esta intentando planear las necesidades de efectivo, per
trimestre del proximo ao. Los datos de venta trimestrales durante los ultimos tres aos razonablem
resultados estacional que debe esperarse en el futuro.

Ao

Ventas Trimestrales
t1
2004
520
2005
590
2006
650
Total
1760
Promdeios trimestrales
586.67
Indice de estacionalidad
0.809

Ao

t2
730
810
900
2440
813.33
1.122

Ventas Trimestrales
t1
2004
642.61
2005
729.12
2006
803.27

t1
642.61

t2
650.72
722.03
802.25

t2
t3
650.7172131148 655.698529

Chart Title
900.00
800.00
700.00
600.00
500.00
400.00
300.00
200.00
100.00
0.00
t1

t2

t3

t4

t1

t2

3.-realizar Analisis de regresion lineal

Periodo
2004 t1
t2
t3
t4
2005 t1
t2
t3
t4
2006 t1
t2
t3
t4

y
1
2
3
4
5
6
7
8
9
10
11
12
78

642.61
650.72
655.70
647.61
729.12
722.03
719.67
733.15
803.27
802.25
799.63
794.24
8700.00

4.-obtener la ecuacion de la regresion lineal

m
b

615.41
16.8602330447

5.- sustituir valores en x "13,14,15,16" en la ecuacion.

y13
y14
y15
y16

Ao 2007

834.5915147908
851.4517478355
868.3119808803
885.172213925

6.-Estacionalizamos los pronosticos multiplicandolos por su indice de estacionalidad corr

t1
0.809 675.347617
t2
1.122 955.191846
t3
1.251 1085.88901
t4
0.818
724.4168
t1

t2
675.3476165663

t3
955.1918458477 1085.88901

ar las necesidades de efectivo, personal y materiales para cada

e los ultimos tres aos razonablemente parece reflejar el patron de

t3

t4
820
900
1000
2720
906.67
1.251

530
600
650
1780
593.33
0.818

655.70
719.67
799.63

t4
647.61
733.15
794.24

t3

Total anual
2600
2900
3200
8700
725.00

t1

t2
520

730

1.-calcular indices de estacionalidad

2.-desestacionalizamos datos dividiendo

t4
t1
t2
t3
t4
t1
647.6123595506 729.119318 722.028689 719.669118 733.146067 803.267045

Chart Title

t3

t4

t1

t2

t3

t4

t1

t2

t3

t4

^
y^2

x^2
412952.286
423432.891
429940.561
419401.768
531614.980
521325.427
517923.639
537503.156
645237.946
643611.638
639411.900
630819.676
6353175.87

xy
1 642.613636
4 1301.43443
9 1967.09559
16 2590.44944
25 3645.59659
36 4332.17213
49 5037.68382
64 5865.16854
81 7229.40341
100 8022.54098
121 8795.95588
144 9530.89888
650 58961.0133

or su indice de estacionalidad correspondiente

t4
724.4168003616

t3

t4
820

t1
530

t2
590

t3
810

t4
900

s de estacionalidad
zamos datos dividiendo cada valor trimestral entre su indice de estacionalidad

t2
t3
t4
802.254098 799.632353 794.241573

600

Chart Title
1200
1000
800
600
400
200
0
t1

t2

t3

t4

t1

t2

t3

t4

t1

t2

t3

t4

Chart Title
1200
1000
800
600
400
200
0
t1

t2

t3

t4

t1

t2

t3

t4

t1

t2

t3

t4

800
600
400
200
0
t1

t2

t3

t4

t1

t2

t3

t4

t1

t2

t3

t4

t1

t2
650

t3
900

t4
1000

650

t2

t3

t1

t4

t2

t3

t4

t1

t2

t3

t4

6.En la tabla que aparece enseguida se presenta las ventas para los ultimos diez aos

ao

0
400

1
600

2
500

3
700

a) si hay correlacion en esta serie de tiempo, utilice regresion lineal y exponencial.

b)construya las acuaciones de regresion
c)construya el grafico.
ao

x
0
1
2
3
4
5
6
7
8
9

total

m
b

y
1
2
3
4
5
6
7
8
9
10
55

x^2
400
600
500
700
900
800
1200
1300
1100
1500
9000

273.333333
113.939394

lineal

y^2
1
4
9
16
25
36
49
64
81
100
385

160000
360000
250000
490000
810000
640000
1440000
1690000
1210000
2250000
9300000

ntas para los ultimos diez aos de tubos y aceros de mexico S.A de C.V

4
900

5
800

6
1200

7
1300

8
1100

9
1500

exponencial.

xy

Chart Title

400
1200
1500
2800
4500
4800
8400
10400
9900
15000
58900

1600
1400

f(x) = 113.9393939394x + 273.3333333333

R = 0.8925252525

1200
1000
800
600
400
200
0

Chart Title

1600

f(x) = 393.3002201957 exp( 0.1358516174 x )

R = 0.8963254807

1400
1200
1000
800
600
400
200
0

8
Exponential
() 9

400
200
0

8
Exponential
() 9

Chart Title

.9393939394x + 273.3333333333
25252525

7
Linear ()

Title

16174 x )

8
Exponential
() 9

10

10

8
Exponential
() 9

10

3. Un fabricante de computadoras desea desarrollar los pronsticos trimestrales de los ing

computadoras personales. La empresa cree que los ocho trimestres ms recientes de ven
prximo ao.
Tabla

Utilice el anlisis de regresin de series de tiempo estacionalizadas para desarrollar un pr

viene para la lnea de computadoras.

Ao

Trimestre
5
5
5
5

Ao

total
Promedio trimestral
indice de estacionalidad

Ao

ventas
1
2
3
4

9.2
5.4
4.3
14.1

Ventas Trimestrales
t1
t2
5
9.2
5.4
6
10.3
6.4
19.5
11.8
9.75
5.9
0.2742616 0.16596343

Ventas Trimestrales
t1
t2
5 33.5446154 32.5372881
6 37.5553846 38.5627119

3.- Realizar un analisis de regresion lineal

Periodo
x
5 t1
t2
t3
t4
6 t1
t2
t3
t4

m
b

y
1 33.5446154
2 32.5372881
3 31.5185567
4 33.3059801
5 37.5553846
6 38.5627119
7 39.5814433
8 37.7940199
36
284.4

30.709903
1.07557712

4.-sustitur valores en x 9 10 11 12
y
y
y
y

9 40.390097
10 41.4656741
11 42.5412513
12 43.6168284
6.-Estacionalizamos los pronosticos multiplicandolos por su indice de estac
t1
t2
t3
t4

11.0774528
6.88178558
5.8037994
43.6168284

mestrales de los ingresos por ventas del ao siguiente de su lnea de

s recientes de ventas deben ser representativos de las ventas del

ra desarrollar un pronstico de los ingresos por ventas del ao que

Ao

Trimestre
6
6
6
6

t3
4.3
5.4
9.7
4.85
0.13642757

Ventas
1
2
3
4

t1
10.3
6.4
5.4
16

t2
9.2

Chart Ti
18
16
14
12
10
8
6
4
2
0
t1

t4

total anual
14.1
33
16
38.1
30.1
71.1
15.05
35.55
0.4233474
1

t3
t4
31.5185567 33.3059801
39.5814433 37.7940199

5.4

t2

t3

t4

t1
t2
t3
33.5446154 32.5372881 31.5185567

Chart Title
45
40
35
30
25
20
15
10
5
0
t1

t2

t3

t4

t1

t2

x^2

y^2
xy
1 1125.24122 33.5446154
4 1058.67512 65.0745763
9 993.419417 94.5556701
16 1109.28831 133.22392
25 1410.40691 187.776923
36 1487.08275 231.376271
49 1566.69065 277.070103
64 1428.38794 302.352159
204 10179.1923 1324.97424

su indice de estacionalidad correspondiente

0.2742616 0.16596343

t3

t4

t1

4.3

t2

14.1

t3

10.3

6.4

t4
5.4

Chart Title

t1

t2

t3

t4

t1

t2

t3

t4

t4
t1
t2
t3
t4
33.3059801 37.5553846 38.5627119 39.5814433 37.7940199

Chart Title

t4

t1

t2

t3

t4

16

0.13642757

0.4233474

Utilice constantes de suavizacion de 0.1, 0.2 y 0.3; decida cual utilizar y haga

semana
Demanda:
inventario

7
85

semana

demanda
7
8
9
10
11
12
13
14
15
16
17

85
102
110
90
105
95
115
120
80
95
100

8
102

0.1 DMA
85
85
86.7
89.03
89.13
90.71
91.14
93.53
96.18
94.56
94.60

0.00
17.00
23.30
0.97
15.87
4.29
23.86
26.47
16.18
0.44
5.40
SUMA
133.77
PROMEDIO
12.16
se elije el promedio mas bajo

0.3; decida cual utilizar y haga un pronostico para la demanda de la semana 18

dio mas bajo

9
110

0.20 DMA
85.00
85.00
88.40
92.72
92.18
94.74
94.79
98.83
103.07
98.45
97.76

10
90

0.00
17.00
21.60
2.72
12.82
0.26
20.21
21.17
23.07
3.45
2.24
124.53
11.32

0.30 DMA
85.00
85.00
90.10
96.07
94.25
97.47
96.73
102.21
107.55
99.28
98.00

11
105

0.00
17.00
19.90
6.07
10.75
2.47
18.27
17.79
27.55
4.28
2.00
126.08
21.01

12
95

13
115

14
120

15
80

16
95

17
100

5. Nacobre adquiere grandes cantidades de cobre que se emplea en sus productos manuf
Roberto Crdenas esta desarrollando un sistema de pronstico para los precios de cobre y
acumulado estos datos histricos.

a). Utilice suavizacin exponencial para pronosticar los precios mensuales del cobre. Calc
hubieran sido los pronsticos para todos los meses de datos histricos, con = 0.1, = 0
si para todos los el pronstico del primer mes fue de 9.90.
b)Qu valor de resulta a lo largo del periodo de 16 meses en una desviacin media abs
baja?
c) Utilizando el alfa del inciso b, pronostique el precio del cobre para el mes 17.

Mes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Precio $/kg
9.9
9.7
9.2
9.6
9.3
9.7
9.5
9.4
9.8
9.1
8.9
9.4
9.9
9.5
9.2
9.7

0.1 DMA
9.9
9.9
9.88
9.81
9.79
9.74
9.74
9.71
9.68
9.69
9.63
9.56
9.55
9.58
9.57
9.54
suma
Promedio

c)

17

9.49

0
0.20
0.68
0.21
0.49
0.04
0.24
0.31
0.12
0.59
0.73
0.16
0.35
0.08
0.37
0.16
4.76
0.30

mplea en sus productos manufacturados.

tico para los precios de cobre y tiene

cios mensuales del cobre. Calcule cules

os histricos, con = 0.1, = 0.3 y = 0.5,
0.
es en una desviacin media absoluta ms

obre para el mes 17.

0.3 DMA
9.9
9.9
9.84
9.65
9.63
9.53
9.58
9.56
9.51
9.60
9.45
9.28
9.32
9.49
9.50
9.41
9.49

0
0.20
0.64
0.05
0.33
0.17
0.08
0.16
0.29
0.50
0.55
0.12
0.58
0.01
0.30
0.29
4.26
0.27

0.5 DMA
9.9
9.90
9.80
9.50
9.55
9.43
9.56
9.53
9.47
9.63
9.37
9.13
9.27
9.58
9.54
9.37

0.00
0.20
0.60
0.10
0.25
0.27
0.06
0.13
0.33
0.53
0.47
0.27
0.63
0.08
0.34
0.33
4.61
0.29

2.- El hospital UPAEP est planeando las necesidades de su ala de maternidad. Los
datos que aparecen a continuacin muestran el nmero de nacimientos en cada uno
de los ltimos ocho aos.
a) Utilice la regresin lineal simple para pronosticar la cantidad anual de
nacimientos para cada uno de los tres aos siguientes.
b) Determine el coeficiente de correlacin para los datos e interprete su significado.
c) Encuentre el coeficiente de determinacin de los datos e interprete su significado.

Ao

Nacimientos
1
565
2
590
3
583
4
597
5
615
6
611
7
610
8
623
9
631.82
10
639.06
11
646.30 x
1
2
3
4
5
6
7
8

m
b

a)ao9
10)
11)646
b)
y=7.2x+566.68
c)

y
1
2
3
4
5
6
7
8
36

x^2
565
590
583
597
615
611
610
623
4794

566.678571
7.23809524

y=m+bx
x

y
9 631.821429
10 639.059524
11 646.297619

1
4
9
16
25
36
49
64
204

ala de maternidad. Los

nacimientos en cada uno

ad anual de

nterprete su significado.
nterprete su significado.

Nacimientos
630
620
610
600
590

631.82
639

580

0.9675

550

570
560
540

7.2x+566.68

530

0.9361

y^2

x*y
319225
348100
339889
356409
378225
373321
372100
388129

565
1180
1749
2388
3075
3666
4270
4984
21877

oeficiente de correlacion es la p de pirson o raiz

Nacimientos
660
640

f(x) = 7.2380952381x + 566.6785714286

R = 0.9361407291

620
600
580
560
540
520

b)

0.96752261

Nacimientos

elacion es la p de pirson o raiz cuadrada de r^2

c)

Nacimientos

+ 566.6785714286

10

11

3.- La planta de LUK estima la demanda semanal de los muchos materiales qu

tiene en inventario. Est estudiando uno de estos componentes, el CTR5922.
Las 12 semanas ms recientes de demanda para el CTR 5922 son:

Utilice el mtodo de promedios mviles para pronsticos a corto plazo, con un

promedio de tres semanas, para desarrollar la semana 13 un pronstico de la
demanda para el componente CTR 5922.

semana

demanda
1
169
2
227
3
176
4
171
5
163
6
157
7
213
8
175
9
178
10
158
11
188
12
169

PMS3

190.67
191.33
170.00
163.67
177.67
181.67
188.67
170.33
174.67
171.67
resultado

DMA

19.67
28.33
13.00
49.33
2.67
3.67
30.67
17.67
5.67
17.52

al de los muchos materiales que

os componentes, el CTR5922.
ra el CTR 5922 son:

onsticos a corto plazo, con un

semana 13 un pronstico de la

PMP3

DMA

189.9
18.9
183.7
20.7
168
11
161.6
51.4
186.2
11.2
182.8
4.8
184.1
26.1
167.4
20.6
177
8
172.5 19.0142857

Para PMP3
0.2
0.3
0.5

Ann Hickman debe rponosticar las ventas de su empresa en expansion d

cree que las ventas durante el periodo de los seis meses anteriores son r
tendencia para las ventas del mes 7, si a=0.2, B= 0.3 y las ventas histor

mes(t)
1
2
3
4
5
6

mes(t)
1
2
3
4
5
6

mes(t)
1
2
3
4
5
6
7

ponosticar las ventas de su empresa en expansion de autopartes, de forma que pueda planear las necesidades d
urante el periodo de los seis meses anteriores son representativas de las ventas del futuro.Desarrolle un pronos
entas del mes 7, si a=0.2, B= 0.3 y las ventas historicas, en miles de dolares fueron:

0.2
ventas(miles de dolares)(At)

FTt
130
136
134
140
146
150

ventas(miles de dolares)(At)

Tt-1

.+
.+
4 .+
4 .+
4.12 .+
3.82 .+
3.78 .+

St-1

.+
.+
130.00 .+
134.40 .+
137.52 .+
141.22 .+
145.37 .+
149.50 .+

130
136
134
140
146
150

ventas(miles de dolares)(At)
130
136
134
140
146
150

.+
130.00 .+
134.00 .+
138.40
141.52
145.22
149.37

(At
0.2(130
.02(136

4
...-

0.3
periodo suavizado
(FTt
..0.3(134
.0.3(138.4
....-

Tt-1
conocido
4
4
4.12
3.82
3.78
3.90

.=

lanear las necesidades de efectivo, personal y combustible.Ella

uro.Desarrolle un pronostico de suavizacion exponencial con

1.- estimamos el pronostico de inicializacion para el me

FTt)
130)
134)

.=St
130.00
134.40
137.52
141.22
145.37
149.50

FT1=A1=130
2.- estimar un componente inicial de tendencia.
T1=A6-A1/5

3.-Resolver
periodo suavizado anterior
FTt-1
.Tt-1
conocido
.130 .134 ....-

FTt
130
134.00
138.40
141.64
145.04
149.16
153.39

.=
.=
4 .=
4 .=
.=
.=
.=

Tt
4
4
4.12
3.82
3.78
3.90

o de inicializacion para el mes 1

inicial de tendencia.