TALLER 1 PRONÓSTICO

SERGIO ALZATE POSADA - 1234091806

VERONICA CARRILLO DOMINGUEZ - 1007133040

KATRIZZA OROZCO LOPEZ - 1234096434

DANIELA SANDOVAL HERRERA - 1140893460

JEISON SOLANO ESPINOSA - 1234096425

GRUPO: REMOTO - AN PRODUCCION

06

7133040

434

93460

425

N
 SEMANA/SEDE LOS
ATLANTA BOSTON CHICAGO DALLAS
DISTRIBUIDORA ANGELES
1 40 50 49 40 38
2 45 35 35 42 43
3 37 45 33 60 54
4 38 36 55 40 40
5 55 46 50 51 46
6 30 47 48 35 60
7 28 38 62 70 40
8 45 18 50 40 35
9 47 62 30 55 45
10 37 44 65 34 38
11 23 30 46 45 48
12 55 45 45 47 56
13 40 50 47 42 36

CHICAGO
70 80

60 70

60
50
50
40
40
30
30
20 20

10 10

0 0
0 2 4 6 8 10 12 14 16 0 2

ATLANTA

SEMANA Atlanta n=2 Residual Valor Absoluto MAD

1 40
2 45
3 37 42.5 -5.5 5.5 5.5
4 38 41 -3 3 4.25
5 55 37.5 17.5 17.5 8.66666667
 6 30 46.5 -16.5 16.5 10.625
7 28 42.5 -14.5 14.5 11.4
8 45 29 16 16 12.1666667
9 47 36.5 10.5 10.5 11.9285714
10 37 46 -9 9 11.5625
11 23 42 -19 19 12.3888889
12 55 30 25 25 13.65
13 40 39 1 1 12.5
14 47.5
MAD 12.5

BOSTON

SEMANA Boston n=2 Residual Valor Absoluto MAD

1 50
2 35
3 45 42.5 2.5 2.5 2.5
4 36 40 -4 4 3.25
5 46 40.5 5.5 5.5 4
6 47 41 6 6 4.5
7 38 46.5 -8.5 8.5 5.3
8 18 42.5 -24.5 24.5 8.5
9 62 28 34 34 12.1428571
10 44 40 4 4 11.125
11 30 53 -23 23 12.4444444
12 45 37 8 8 12
13 50 37.5 12.5 12.5 12.0454545
14 47.5
MAD 12.04545454545

CHICAGO

SEMANA Chicago n=2 Residual Valor Absoluto MAD

1 49
2 35
3 33 42 -9 9 9
4 55 34 21 21 15
5 50 44 6 6 12
6 48 52.5 -4.5 4.5 10.125
7 62 49 13 13 10.7
8 50 55 -5 5 9.75
9 30 56 -26 26 12.0714286
10 65 40 25 25 13.6875
11 46 47.5 -1.5 1.5 12.3333333
12 45 55.5 -10.5 10.5 12.15
13 47 45.5 1.5 1.5 11.1818182
 14 46
MAD 11.18181818182

DALLAS

SEMANA Dallas n=2 Residual Valor Absoluto MAD

1 40
2 42
3 60 41 19 19 19
4 40 51 -11 11 15
5 51 50 1 1 10.3333333
6 35 45.5 -10.5 10.5 10.375
7 70 43 27 27 13.7
8 40 52.5 -12.5 12.5 13.5
9 55 55 0 0 11.5714286
10 34 47.5 -13.5 13.5 11.8125
11 45 44.5 0.5 0.5 10.5555556
12 47 39.5 7.5 7.5 10.25
13 42 46 -4 4 9.68181818
14 44.5
MAD 9.681818181818

LOS ANGELES

SEMANA Los Angeles n=2 Residual Valor Absoluto MAD

1 38
2 43
3 54 40.5 13.5 13.5 13.5
4 40 48.5 -8.5 8.5 11
5 46 47 -1 1 7.66666667
6 60 43 17 17 10
7 40 53 -13 13 10.6
8 35 50 -15 15 11.3333333
9 45 37.5 7.5 7.5 10.7857143
10 38 40 -2 2 9.6875
11 48 41.5 6.5 6.5 9.33333333
12 56 43 13 13 9.7
13 36 52 -16 16 10.2727273
14 46
MAD 10.27272727273
 ATLANTA
60 70

60
50
50
40
40
30
30
20
20

10 10

0 0
0 2 4 6 8 10 12 14 16 0 2 4

DALLAS LOS
80 70

70 60
60
50
50
40
40
30
30

20 20

10 10

0 0
0 2 4 6 8 10 12 14 16 0 2 4 6

RSFE TS n=4 Residual Valor Absoluto MAD RSFE

-5.5 -1
-8.5 -2
9 1.03846154 40 15 15 15 15
 -7.5 -0.70588235 43.75 -13.75 13.75 14.375 1.25
-22 -1.92982456 40 -12 12 13.5833333 -10.75
-6 -0.49315068 37.75 7.25 7.25 12 -3.5
4.5 0.37724551 39.5 7.5 7.5 7.5 4
-4.5 -0.38918919 37.5 -0.5 0.5 9.33333333 3.5
-23.5 -1.89686099 39.25 -16.25 16.25 10.3214286 -12.75
1.5 0.10989011 38 17 17 11.15625 4.25
2.5 0.2 40.5 -0.5 0.5 9.97222222 3.75
38.75
9.972222222222

RSFE TS n=4 Residual Valor Absoluto MAD RSFE

2.5 1
-1.5 -0.46153846
4 1 41.5 4.5 4.5 4.5 4.5
10 2.22222222 40.5 6.5 6.5 5.5 11
1.5 0.28301887 43.5 -5.5 5.5 5.5 5.5
-23 -2.70588235 41.75 -23.75 23.75 10.0625 -18.25
11 0.90588235 37.25 24.75 24.75 24.75 6.5
15 1.34831461 41.25 2.75 2.75 11.2916667 9.25
-8 -0.64285714 40.5 -10.5 10.5 11.1785714 -1.25
0 0 38.5 6.5 6.5 10.59375 5.25
12.5 1.03773585 45.25 4.75 4.75 9.94444444 10
42.25
9.944444444444

RSFE TS n=4 Residual Valor Absoluto MAD RSFE

-9 -1
12 0.8
18 1.5 43 7 7 7 7
13.5 1.33333333 43.25 4.75 4.75 5.875 11.75
26.5 2.47663551 46.5 15.5 15.5 9.08333333 27.25
21.5 2.20512821 53.75 -3.75 3.75 7.75 23.5
-4.5 -0.37278107 52.5 -22.5 22.5 22.5 1
20.5 1.49771689 47.5 17.5 17.5 11.8333333 18.5
19 1.54054054 51.75 -5.75 5.75 10.9642857 12.75
8.5 0.69958848 47.75 -2.75 2.75 9.9375 10
10 0.89430894 46.5 0.5 0.5 8.88888889 10.5
 50.75
8.888888888889

RSFE TS n=4 Residual Valor Absoluto MAD RSFE

19 1
8 0.53333333
9 0.87096774 45.5 5.5 5.5 5.5 5.5
-1.5 -0.14457831 48.25 -13.25 13.25 9.375 -7.75
25.5 1.86131387 46.5 23.5 23.5 14.0833333 15.75
13 0.96296296 49 -9 9 12.8125 6.75
13 1.12345679 49 6 6 6 12.75
-0.5 -0.04232804 50 -16 16 12.2083333 -3.25
0 0 49.75 -4.75 4.75 11.1428571 -8
7.5 0.73170732 43.5 3.5 3.5 10.1875 -4.5
3.5 0.36150235 45.25 -3.25 3.25 9.41666667 -7.75
42
9.416666666667

RSFE TS n=4 Residual Valor Absoluto MAD RSFE

13.5 1
5 0.45454545
4 0.52173913 43.75 2.25 2.25 2.25 2.25
21 2.1 45.75 14.25 14.25 8.25 16.5
8 0.75471698 50 -10 10 8.83333333 6.5
-7 -0.61764706 46.5 -11.5 11.5 9.5 -5
0.5 0.04635762 45.25 -0.25 0.25 0.25 -5.25
-1.5 -0.15483871 45 -7 7 7.54166667 -12.25
5 0.53571429 39.5 8.5 8.5 7.67857143 -3.75
18 1.8556701 41.5 14.5 14.5 8.53125 10.75
2 0.19469027 46.75 -10.75 10.75 8.77777778 0
44.5
8.777777777778
 BOSTON
70 a. Utilice un gráfico de dispersión de
comportamiento que presenta la de
60 distribuidor Utilice promedios móvi
pronóstico de la semana 14 para ca
50 Calcule las medidas de error (MAD
pronósticos con mayor exactitud pa
40

30

20

10
Solución: La demanda del model
0 demanda constante.
0 2 4 6 8 10 12 14 16
Atlanta: el tamaño n=4 es el pron
Bostón: el tamaño n=2 es el pro
Chicago: el tamaño n=6 es el pro
Dallas: el tamaño n=2 es el pro
LA: el tamaño n=2 es el pro
LOS ANGELES

0 2 4 6 8 10 12 14 16

TS n=6 Residual Valor Absoluto MAD RSFE TS

1
 0.08695652
-0.79141104 40.8333333 -12.8333333 12.83333333333 12.8333333 -12.8333333 -1
-0.29166667 38.8333333 6.16666667 6.166666666667 9.5 -6.66666667 -0.70175439
0.53333333 38.8333333 8.16666667 8.166666666667 9.05555556 1.5 0.16564417
0.375 40.5 -3.5 3.5 7.66666667 -2 -0.26086957
-1.23529412 40.3333333 -17.3333333 17.33333333333 9.6 -19.3333333 -2.01388889
0.38095238 35 20 20 11.3333333 0.66666667 0.05882353
0.37604457 39.1666667 0.83333333 0.833333333333 9.83333333 1.5 0.15254237
41.1666667
9.833333333333

TS n=6 Residual Valor Absoluto MAD RSFE TS

1
2
1 43.1666667 -5.16666667 5.166666666667 5.16666667 -5.16666667 -1
-1.8136646 41.1666667 -23.1666667 23.16666666667 14.1666667 -28.3333333 -2
0.26262626 38.3333333 23.6666667 23.66666666667 17.3333333 -4.66666667 -0.26923077
0.81918819 41.1666667 2.83333333 2.833333333333 13.7083333 -1.83333333 -0.1337386
-0.11182109 42.5 -12.5 12.5 13.4666667 -14.3333333 -1.06435644
0.49557522 39.8333333 5.16666667 5.166666666667 12.0833333 -9.16666667 -0.75862069
1.00558659 39.5 10.5 10.5 11.8571429 1.33333333 0.1124498
41.5
11.85714285714

TS n=6 Residual Valor Absoluto MAD RSFE TS

1
2
3 45 17 17 17 17 1
3.03225806 47.1666667 2.83333333 2.833333333333 9.91666667 19.8333333 2
0.04444444 49.6666667 -19.6666667 19.66666666667 13.1666667 0.16666667 0.01265823
1.56338028 49.1666667 15.8333333 15.83333333333 13.8333333 16 1.15662651
1.16286645 50.8333333 -4.83333333 4.833333333333 12.0333333 11.1666667 0.92797784
1.00628931 50.1666667 -5.16666667 5.166666666667 10.8888889 6 0.55102041
1.18125 49.6666667 -2.66666667 2.666666666667 9.71428571 3.33333333 0.34313725
 47.1666667
9.714285714286

TS n=6 Residual Valor Absoluto MAD RSFE TS

1
-0.82666667
1.1183432 44.6666667 25.3333333 25.33333333333 25.3333333 25.3333333 1
0.52682927 49.6666667 -9.66666667 9.666666666667 17.5 15.6666667 0.8952381
2.125 49.3333333 5.66666667 5.666666666667 13.5555556 21.3333333 1.57377049
-0.2662116 48.5 -14.5 14.5 13.7916667 6.83333333 0.49546828
-0.71794872 47.5 -2.5 2.5 11.5333333 4.33333333 0.37572254
-0.44171779 46.5 0.5 0.5 9.69444444 4.83333333 0.49856734
-0.82300885 48.5 -6.5 6.5 9.23809524 -1.66666667 -0.18041237
43.8333333
9.238095238095

TS n=6 Residual Valor Absoluto MAD RSFE TS

1
2
0.73584906 46.8333333 -6.83333333 6.833333333333 6.83333333 -6.83333333 -1
-0.52631579 47.1666667 -12.1666667 12.16666666667 9.5 -19 -2
-21 45.8333333 -0.83333333 0.833333333333 6.61111111 -19.8333333 -3
-1.62430939 44.3333333 -6.33333333 6.333333333333 6.54166667 -26.1666667 -4
-0.48837209 44 4 4 6.03333333 -22.1666667 -3.67403315
1.26007326 44.3333333 11.6666667 11.66666666667 6.97222222 -10.5 -1.5059761
0 43.6666667 -7.66666667 7.666666666667 7.07142857 -18.1666667 -2.56902357
43
7.071428571429
 gráfico de dispersión de Excel y compruebe el tipo de
iento que presenta la demanda del modelo VC202 en cada sede
Utilice promedios móviles de n=2, n=4 y n=6 para calcular el
de la semana 14 para cada una de las sedes distribuidoras. 
medidas de error (MAD y TS) y determine cuál tamaño de n arroja
con mayor exactitud para cada sede.  

La demanda del modelo VC202 en todas sus sedes es una

a constante.
el tamaño n=4 es el pronóstico con mayor exactitud según TS
el tamaño n=2 es el pronóstico con mayor exactitud según TS
el tamaño n=6 es el pronóstico con mayor exactitud según TS
el tamaño n=2 es el pronóstico con mayor exactitud según TS
el tamaño n=2 es el pronóstico con mayor exactitud según TS
SEMANA/SEDE ATLANTA BOSTON CHICAGO DALLAS LOS
DISTRIBUIDORA ANGELES
1 40 50 49 40 38
2 45 35 35 42 43
3 37 45 33 60 54
4 38 36 55 40 40
5 55 46 50 51 46
6 30 47 48 35 60
7 28 38 62 70 40
8 45 18 50 40 35
9 47 62 30 55 45
10 37 44 65 34 38
11 23 30 46 45 48
12 55 45 45 47 56
13 40 50 47 42 36

SEMANA n=2 Residual Valor Absoluto MAD

1 217
2 200
3 229 208.5 20.5 20.5 20.5
4 209 214.5 -5.5 5.5 13
5 248 219 29 29 18.3333333
6 220 228.5 -8.5 8.5 15.875
7 238 234 4 4 13.5
8 188 229 -41 41 18.0833333
9 239 213 26 26 19.2142857
10 218 213.5 4.5 4.5 17.375
11 192 228.5 -36.5 36.5 19.5
12 248 205 43 43 21.85
13 215 220 -5 5 20.3181818
14 231.5
MAD 20.31818181818
 b. Utilice la misma estrategia de promedios móviles del punto
217 “a” para pronosticar, en este caso, la demanda total semanal de
200 Altavox. Sume las ventas de todas las sedes y realice un
pronóstico por seman Calcule las medidas de error. Responda:
229 ¿Agregar (sumar) la demanda mejora la exactitud del pronóstico?
209 Analice los resultados y exponga sus conclusiones basándose en
248 las medidas de error.
220
238
188
Respuesta
239 analizando los resultados concluimos que agregando la
218 demanda si mejora la exactitud del pronóstico ya que wn los
192 diferentes tamaños encontramos un pronóstico más
acertado.
248
215

RSFE TS n=4 Residual Valor Absoluto MAD RSFE TS

20.5 1
15 1.1538461538
44 2.4 213.75 34.25 34.25 34.25 34.25 1
35.5 2.2362204724 221.5 -1.5 1.5 17.875 32.75 1.83216783
39.5 2.9259259259 226.5 11.5 11.5 15.75 44.25 2.80952381
-1.5 -0.0829493088 228.75 -40.75 40.75 22 3.5 0.15909091
24.5 1.2750929368 223.5 15.5 15.5 15.5 19 1.22580645
29 1.6690647482 221.25 -3.25 3.25 17.7916667 15.75 0.8852459
-7.5 -0.3846153846 220.75 -28.75 28.75 19.3571429 -13 -0.67158672
35.5 1.6247139588 209.25 38.75 38.75 21.78125 25.75 1.18220947
30.5 1.5011185682 224.25 -9.25 9.25 20.3888889 16.5 0.80926431
218.25
20.38888888889
 n=6 Residual Valor Absoluto MAD RSFE TS

220.5 17.5 17.5 17.5 17.5 1

224 -36 36 26.75 -18.5 -0.69158879
222 17 17 23.5 -1.5 -0.06382979
223.666667 -5.66666667 5.666666666667 19.0416667 -7.16666667 -0.37636761
225.166667 -33.1666667 33.16666666667 21.8666667 -40.3333333 -1.8445122
215.833333 32.1666667 32.16666666667 23.5833333 -8.16666667 -0.34628975
220.5 -5.5 5.5 21 -13.6666667 -0.65079365
216.666667
21
 SEMANA/SE
DE ATLANTA BOSTON CHICAGO DALLAS LOS
DISTRIBUID ANGELES
ORA
1 40 50 49 40 38 217
2 45 35 35 42 43 200
3 37 45 33 60 54 229
4 38 36 55 40 40 209
5 55 46 50 51 46 248
6 30 47 48 35 60 220
7 28 38 62 70 40 238
8 45 18 50 40 35 188
9 47 62 30 55 45 239
10 37 44 65 34 38 218
11 23 30 46 45 48 192
12 55 45 45 47 56 248
13 40 50 47 42 36 215

α1 0.2
α2 0.5
α3 0.9

c. Utilice ahora el método de suavización exponencial con constantes Respuesta

α=0,2, α=0,5 y α=0,9 para calcular el pronóstico de la demanda total analizando las medidas del error
para la semana 14. ¿Existen diferencias significativas en la exactitud alternativa que recomendariamo
del pronóstico al cambiar el valor de α?  Responda: Cuál alternativa le promedios móviles ya que el tipo
recomienda implementar a Altavox: ¿promedios móviles o suavización examindando la MAD encontram
exponencial? Justifique su respuesta con el cálculo y análisis de las
medidas del error en cada uno de los escenarios.
 PRONOSTICO α=0,2 PRONOSTICO α=0,5 PRONOSTICO α=0,9 RESIDUAL α=0,2 RESIDUAL α=0,5

217 217 217 0 0

217 217 217 17 17
213.6 208.5 201.7 15.4 20.5
216.68 218.75 226.27 7.68 9.75
215.144 213.875 210.727 32.856 34.125
221.7152 230.9375 244.2727 1.7152000000001 10.9375
221.37216 225.46875 222.42727 16.62784 12.53125
224.697728 231.734375 236.442727 36.697728 43.734375
217.3581824 209.8671875 192.8442727 21.6418176 29.1328125
221.68654592 224.43359375 234.38442727 3.6865459200001 6.43359375
220.949236736 221.216796875 219.638442727 28.949236736 29.216796875
215.1593893888 206.6083984375 194.7638442727 32.8406106112 41.3916015625
221.72751151104 227.30419921875 242.67638442727 6.7275115110401 12.30419921875
220.382009208832 221.152099609375 217.767638442727
MAD 17.063268490634 20.542856069712

Respuesta
nalizando las medidas del error en cada uno de los escenarios la
lternativa que recomendariamos implemtetar a Altavox es la de
promedios móviles ya que el tipo de demanda es constante y
examindando la MAD encontramos que es menor.
RESIDUAL α=0,9

0
17
27.3
17.27
37.273
24.2727
15.57273
48.442727
46.1557273
16.38442727
27.638442727
53.2361557273
27.67638442727

27.555561111659
 DETERGENTE ST1 BT1
AÑO TRIMESTRE ROPA BLANCA DETERGENTE
COLOR(Kg) 30084.125 6.4044117647
(Kg)
1 25945 43629 28017.7647058824 -615.425
2 33827 39857 30614.6698529412 348.27404412
2017
3 31597 52116 31279.9719485294 443.38245956
4 38987 58292 35355.1772040441 1532.9292983
5 25595 52078 31241.5532511949 -161.036677
6 21742 60512 26411.258287091 -1561.814163
2018
7 31661 76703 28255.2220619754 -540.0807817
8 39187 70799 33451.0706401213 1180.6980262
9 33455 86332 34043.3843331761 1004.1827263
10 21266 81376 28156.783529727 -1063.052333
2019
11 20839 96991 23966.3655985435 -2001.262012
12 22844 103762 22404.5517931702 -1869.42755
13 38788 104589 29661.562121508 868.50381339
14 33208 99132 31869.0329674507 1270.1939232
2020
15 35550 110186 34344.6134453045 1631.8098896
16 27726 122182 31851.2116674357 394.24638934
17
18
2021
19
20

SUAVIZACION DOBLE
Residual Valor Absoluto
-3657.0110294 3657.01102941176
-8596.2163603 8596.21636029411
-3599.7365717 3599.73657169117
-4529.4361916 4529.43619163603
-9577.7705729 9577.77057286305
-4606.3721775 4606.37217754711
20.1328467429 20.1328467429266
-7831.5345681 7831.53456812349
-2194.0880903 2194.08809033818
-8547.3516379 8547.35163789478
-2498.630666 2498.63066598888
-4537.1255801 4537.12558013761
-7971.8542002 7971.85420019132
-10816.89038 10816.8903801895
-4019.4749132 4019.47491316014
-1346.2459427 1346.24594267145
PROMEDIO 5271.86698305509
 FT1 ST2 BT2 FT2 Regresión
lineal ropa
33656.55 5294.34706 color
27402.3397058824 41289.9485294118 5996.0625 47286.011 38950.8971
30962.9438970588 43571.5055147059 4881.71085 48453.2164 44245.2441
31723.3544080882 50284.6081801471 5431.12839 55715.7366 49539.5912
36888.1065023897 57003.8682858456 5817.56791 62821.4362 54833.9382
31080.516574182 57449.718095818 4206.05248 61655.7706 60128.2853
24849.4441239508 61083.8852864315 4034.48689 65118.3722 65422.6324
27715.1412802426 70910.6860887736 5772.18106 76682.8672 70716.9794
34631.7686663521 73740.9335766285 4889.60099 78630.5346 76011.3265
35047.5670594541 82481.2672840617 6044.82081 88526.0881 81305.6735 DETE
27093.7311970869 84951.0440451691 4972.30759 89923.3516 86600.0206 45000
21965.1035863403 93457.1758189474 6032.45485 99489.6307 91894.3676 40000
20535.124243016 101625.815332994 6673.31025 108299.126 97188.7147
35000
30530.0659349014 106444.062790069 6116.79141 112560.854 102483.062
33139.2268906089 105846.427100096 4102.46328 109948.89 107777.409 30000

35976.4233348713 110067.445190095 4138.02972 114205.475 113071.756 25000

32245.4580567718 118193.73745658 5334.50849 123528.246 118366.103 20000
32245.4580567718 123528.246 123660.45
15000
32639.704446108 128862.754 128954.797
10000
33033.9508354442 134197.263 134249.144
33428.1972247803 139531.771 139543.491 5000

0
0 2 4

REGRESION LINEAL
Residual
DE
38950.8970588235
44245.2441176471 140000
49539.5911764706
120000
54833.9382352941
60128.2852941176
100000
65422.6323529412
70716.9794117647 80000
76011.3264705882
81305.6735294118 60000
86600.0205882353
91894.3676470588 40000
97188.7147058824
102483.061764706 20000
107777.408823529
0
113071.755882353 0 2 4
118366.102941176
PROMEDIO 78658.5
 AÑO TRIMESTRE
α 0.5
β 0.3 1
a1 30084.125 2
2017
b1 6.40441176 3
a2 33656.55 4
b2 5294.34706 5
6
2018
7
8
DETERGENTE ROPA BLANCA (Kg) 9
45000 10
2019
40000 11
12
35000
13
30000 14
2020
25000 15
20000 16
15000 a. El gerente de producción debe realizar la
10000 planificación de materiales y mano de obra H
el pronóstico de ventas de ambas líneas de
5000 producto para el primer trimestre de 2021. El
gerente afirma que ha tenido buenos resultad
0 utilizando constantes de suavización de α= 0.
0 2 4 6 8 10 12 14 16 18
β=0.3 para sus líneas de producto. 
 

DETERGENTE COLOR(Kg)
140000 b. Analice y compruebe la teoría del grupo d
expertos. Teniendo en cuenta las estimacione
de demanda, ¿Cuál será el tiempo de vida úti
120000 la ampliación de la planta (en meses) hasta q
la capacidad de producción sea nuevamente
100000 insuficiente para suplir la demanda de
detergente para ropa de color? Realice las
estimaciones de la demanda teniendo en cue
80000 una constante α= 0.5 y una constante β=0.3. 
 
60000

40000

20000 c. Ahora utilice el método de regresión line

como método alternativo para pronosticar
0 demanda de ropa de color y compare sus
0 2 4 6 8 10 12 14 16 18 resultados con los obtenidos mediante
suavización exponencial. ¿Es confiable usar
método para predecir la demanda de este
producto? Calcule las medidas de error par
soportar sus conclusiones. 
Solución
No es confiable utilizar este metodo para
predecir la demanda de este producto porq
utilizando la suavización doble la MAD es m
demanda de ropa de color y compare sus
resultados con los obtenidos mediante
suavización exponencial. ¿Es confiable usar
método para predecir la demanda de este
producto? Calcule las medidas de error par
soportar sus conclusiones. 
Solución
No es confiable utilizar este metodo para
predecir la demanda de este producto porq
utilizando la suavización doble la MAD es m
 FT2 DETERGENTE COLOR(Kg) Residual Valor Absoluto MAD RSFE TS

47286.011 43629 3657.01103 3657.011029412 3657.01103 3657.01103 1

48453.2164 39857 8596.21636 8596.216360294 6126.61369 12253.2274 2
55715.7366 52116 3599.73657 3599.736571691 5284.32132 15852.964 3
62821.4362 58292 4529.43619 4529.436191636 5095.60004 20382.4002 4
61655.7706 52078 9577.77057 9577.770572863 5992.03415 29960.1707 5
65118.3722 60512 4606.37218 4606.372177547 5761.09048 34566.5429 6
76682.8672 76703 -20.1328467 20.13284674293 4940.95368 34546.4101 6.99185062
78630.5346 70799 7831.53457 7831.534568123 5302.27629 42377.9446 7.99240596
88526.0881 86332 2194.08809 2194.088090338 4956.92205 44572.0327 8.99187688
89923.3516 81376 8547.35164 8547.351637895 5315.965 53119.3844 9.99242552
99489.6307 96991 2498.63067 2498.630665989 5059.8437 55618.015 10.9920421
108299.126 103762 4537.12558 4537.125580138 5016.28386 60155.1406 11.991973
112560.854 104589 7971.8542 7971.854200191 5243.63542 68126.9948 12.992321
109948.89 99132 10816.8904 10816.89038019 5641.72506 78943.8852 13.9928629
114205.475 110186 4019.47491 4019.47491316 5533.57505 82963.3601 14.9927234
123528.246 122182 1346.24594 1346.245942671 5271.86698 84309.606 15.9923622

de producción debe realizar la

de materiales y mano de obra Halle
de ventas de ambas líneas de
a el primer trimestre de 2021. El
a que ha tenido buenos resultados
nstantes de suavización de α= 0.5 y
s líneas de producto. 

ompruebe la teoría del grupo de

iendo en cuenta las estimaciones
¿Cuál será el tiempo de vida útil de
de la planta (en meses) hasta que
de producción sea nuevamente
para suplir la demanda de
ara ropa de color? Realice las
de la demanda teniendo en cuenta
e α= 0.5 y una constante β=0.3. 

tilice el método de regresión lineal

odo alternativo para pronosticar la
e ropa de color y compare sus
con los obtenidos mediante
n exponencial. ¿Es confiable usar este
ra predecir la demanda de este
Calcule las medidas de error para
us conclusiones. 

able utilizar este metodo para

demanda de este producto porque
a suavización doble la MAD es menor
 e ropa de color y compare sus
con los obtenidos mediante
n exponencial. ¿Es confiable usar este
ra predecir la demanda de este
Calcule las medidas de error para
us conclusiones. 
able utilizar este metodo para
demanda de este producto porque
a suavización doble la MAD es menor
 t Abrigos Unisex Botas invierno Tablas Snowboard
1 3350 1510 75
2 1980 900 0
3 8700 10185 1050 35000
4 12600 2030 560
30000
5 4891 1284 82
6 2921 756 20 25000
7 12876 9065 985
20000
8 17892 1731 482
9 5478 1733 102 15000
10 3242 1096 15
10000
11 15001 14503 1156
12 19323 2682 501 5000
13 8272 1473 56
0
14 4830 932 15 0 2
15 23701 12328 1089
16 28985 2280 358

a. El gerente tiene a su disposición el histórico de

temperaturas registradas en las ciudades en las cuales la 1400
empresa tiene sedes y puntos de ventas. Según las graficas y
a simple vista, Resoponda: ¿Existe alguna relación entre el 1200
clima y las ventas registradas? ¿Considera que la divisón
temporal del pronostico es acorde con este 1000
comportamiento?
800

600

400
Respuesta
De las graficas anteriores pudimos analizar y concluir que sí hay 200
relación entre el clima y las ventas registradas ,debido a la
temperatura en la que se encuentre la ciudad localizaada en la 0
0 2
sede.
 Abrigos Unisex Botas invierno
35000 16000

30000 14000

25000 12000

10000
20000
8000
15000
6000
10000
4000
5000
2000
0 0
0 2 4 6 8 10 12 14 16 18 0 2 4 6 8 10

Tablas Snowboard
1400

1200

1000

800

600

400

200

0
0 2 4 6 8 10 12 14 16 18
 Botas invierno

4 6 8 10 12 14 16 18
 t Abrigos Unisex Botas invierno Tablas Snowboard
1 3350 1510 75
2 1980 900 0
3 8700 10185 1050
4 12600 2030 560
5 4891 1284 82
6 2921 756 20
7 12876 9065 985
8 17892 1731 482
9 5478 1733 102
10 3242 1096 15
11 15001 14503 1156
12 19323 2682 501
13 8272 1473 56
14 4830 932 15
15 23701 12328 1089
16 28985 2280 358

Producción α β δ
Abrigos Unisex 0.4 0.3 0.3
Botas para invierno 0.5 0.3 0.2
Tablas Snowboard 0.3 0.4 0.3

m 4
L 4

a. Analice detalladamente el comportamiento de las

ventas para los dos años siguientes.  

b. Para el periodo 17, las ventas reales de los 3 produ

parámetros del pronóstico y pronostique las ventas
 Abrigos unisex Botas de invierno
PROM 1 16447 PROM 1 4253.25
PROM 2 10761 PROM 2 5003.5
BT16 1421.5 BT16 -187.5625
PROM TOTAL 10877.625 PROM TOTAL 4030.5
ST16 21538.875 ST16 2623.78125
C13 0.47885958 C13 0.462267204
C14 0.25834576 C14 0.310779972
C15 1.17813582 C15 4.385091649
C16 1.34570631 C16 0.868974881
R 1.22659975 R 0.663667585
C13N 0.58736904 C13N 0.306791759
C14N 0.31688684 C14N 0.206254594
C15N 1.44510109 C15N 2.910243186
C16N 1.65064302 C16N 0.576710461
4 4
F17 13486.2135 F17 747.411836
F18 7726.29536 F18 463.7956808
AÑO 5
F19 37288.4854 F19 5998.284042
F20 44938.5499 F20 1080.485071
F21 16825.9939 F21 517.2413187
F22 9528.11395 F22 309.053172
AÑO 6
F23 45505.3303 F23 3814.874092
F24 54324.1061 F24 647.8080477

mente el comportamiento de las ventas para los 3 productos. Pronostique las

años siguientes.  

7, las ventas reales de los 3 productos fueron 6300, 1830 y 104. Actualice los
nóstico y pronostique las ventas para los próximos 2 años. 
Tablas snowboard T+K k (ST + k*BT) T+k-g*L
PROM 1 379.5 17 1 22960.375 13
PROM 2 443.5 18 2 24381.875 14
BT16 -16 19 3 25803.375 15
PROM TOTAL 409.125 20 4 27224.875 16
ST16 289.125 21 5 28646.375 13
C13 0.16611049314 22 6 30067.875 14
C14 0.04671078241 23 7 31489.375 15
C15 3.56902908644 24 8 32910.875 16
C16 1.23821876351
R 0.79680177703 T+K k (ST + k*BT) T+k-g*L
C13N 0.13235713612 17 1 2436.21875 13
C14N 0.03721923443 18 2 2248.65625 14
C15N 2.84380871834 19 3 2061.09375 15
C16N 0.98661491111 20 4 1873.53125 16
4 21 5 1685.96875 13
F17 36.1500428021 22 6 1498.40625 14
F18 9.56999565208 23 7 1310.84375 15
F19 685.71337721 24 8 1123.28125 16
F20 222.111681865
F21 27.6791860906 T+K k (ST + k*BT) T+k-g*L
F22 7.18796464875 17 1 273.125 13
F23 503.709619236 18 2 257.125 14
F24 158.968327553 19 3 241.125 15
20 4 225.125 16
21 5 209.125 13
22 6 193.125 14
23 7 177.125 15
24 8 161.125 16
C(T+k-g*L)
0.58736904
0.31688684
1.44510109
1.65064302
0.58736904
0.31688684
1.44510109
1.65064302

C(T+k-g*L)
0.30679176
0.20625459
2.91024319
0.57671046
0.30679176
0.20625459
2.91024319
0.57671046

C(T+k-g*L)
0.13235714
0.03721923
2.84380872
0.98661491
0.13235714
0.03721923
2.84380872
0.98661491