1) Un fabricante que se especializa en refacciones no tiene sistema de

pronsticos y fabrica sus productos con base en las ltimas ventas

mensuales. Estn disponibles los datos de 24 meses de ventas y se
presentan en la tabla P-16.

a) Grafique los datos de ventas como una serie de tiempo. Los datos son
estacionales?

Grfica de series de tiempo de Prob 16

550

500

450

400
Prob 16

350

300

250

200
Mes Ene May Set Ene May Set
Ao 2000 2001

600

500

400

300

200

100

0
1 2 3 4 5 6 7 8 9 10 11 12

Series1 Series2
b) Use un modelo informal para generar pronsticos de ventas mensuales (por
ejemplo, el pronstico de febrero de 2005 est dado por el valor de enero
de2005,y as sucesivamente).Calcule el MAPE
Yt
Yt estimado Et MAPE(t)
430 442 12 0.027
420 449 29 0.065
236 458 222 0.485
452 472 20 0.042
477 463 -14 0.030
420 431 11 0.026
398 400 2 0.005
501 487 -14 0.029
514 503 -11 0.022
532 503 -29 0.058
512 548 36 0.066
410 432 22 0.051
MAPE 0.075

c) Use suavizacin exponencial simple con una constante de suavizacin de .5

y un valor inicial suavizado de 430 para producir pronsticos de ventas
mensuales. Calcule el MAPE
d) Piensa que alguno de los modelos de los incisos b) y c) probablemente
generar pronsticos de ventas exactos para las ventas mensuales futuras?
Explique.

Los mtodos exponencial simple y el mtodo sencillo no tienen una

buena estimacin sin embargo estos no consideran la parte estacional
de la serie.

e) Use Minitab y el mtodo de suavizacin multiplicativa de Winters con

constantes de suavizacin = = = .5 para generar el pronstico de enero
de 2007.Guarde los residuos.
f) Remtase al inciso e). Compare el MAPE del mtodo de Winters que sali de
la computadora con el MAPE de los incisos b) y c).Cul de los tres mtodos
para pronosticar prefiere y por qu?.

El mape nos indica que es mejor este mtodo

g) Revise el inciso e). Calcule la autocorrelacin de los residuos (para seis

retrasos de tiempo) con el procedimiento multiplicativo de Winters. Las
autocorrelaciones residuales sugieren que el procedimiento de Winters
funciona bien para estos datos? Explique.

Funcin de autocorrelacin para RESID3

(con lmites de significancia de 5% para las autocorrelaciones)

1.0

0.8

0.6

0.4
Autocorrelacin

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

1 2 3 4 5 6
Desfase
El grfico nos indica un buen modelamiento