PRONOSTICOS

2.
1 2 3 4
Ao
Demanda 7 9 5 9

5 6
13 8

7 8 9 10 11
12 13 9 11 7

a) Grafique los datos anteriores. Observa alguna tendencia, ciclos o variaciones aleatorias?

Pronsticos de demanda
14
12

Demanda

10
Demanda real

8
6

Promedios mviles

4
Prmedios mviles
ponderados

2
0
0

10

12

14

Tiempo (aos)

Figura 1. Grafica demanda en funcin del tiempo

Los datos presentados presentan picos y valles sistemticamente por lo cual se podra decir
que se ajustan a una serie de tiempo estacional.
b) Comenzando en el ao 4 y hasta el ao 12, pronostique la demanda usando promedios mviles
de 3 aos. Grafique su pronstico en la misma grfica que los datos originales.
Ejemplo de clculo:

Para el ao 4:
4 =

7+9+5
=7
3

Tabla 1 Pronstico en base a promedios mviles

Ao
1
2
3

Demanda
7
9
5

Pronostico

4
5
6
7
8
9
10
11
12

9
13
8
12
13
9
11
7

7.00
7.67
9.00
10.00
11.00
11.00
11.33
11.00
9.00

c) Comenzando en el ao 4 y hasta el ao 12, pronostique la demanda usando un promedio mvil

de 3 aos con ponderaciones de .1, .3 y .6, usando .6 para el ao ms reciente. Grafique su
pronstico en la misma grfica.
Ejemplo de clculo:

Para el ao 4:
4 = 0.6 7 + 0.3 9 + 0.1 5 = 6.4

Tabla 2 Pronostico en base a promedios mviles ponderados

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

Demanda
7
9
5
9
13
8
12
13
9
11
7

Pronostico PMP

6.4
7.8
11
9.6
10.9
12.2
10.5
10.6
8.4

d) Al comparar cada pronstico contra los datos originales, cul parece proporcionar mejores
resultados?
Ao

Demanda

1
2
3
4

7
9
5
9

Pronostico
PM

Pronostico
PMP

7.00

6.4

Error PM Error PMP

2.00

2.6

5
6
7
8
9
10
11
12

13
8
12
13
9
11
7

7.67
9.00
10.00
11.00
11.00
11.33
11.00
9.00

7.8
11
9.6
10.9
12.2
10.5
10.6
8.4
MAD

5.33
1.00
2.00
2.00
2.00
0.33
4.00

5.2
3
2.4
2.1
3.2
0.5
3.6

2.33

2.83

En primera instancia al observar la Figura 1 podramos decir que el pronstico de promedios

mviles se ajusta ms a la serie de tiempo estacional que corresponde a los datos reales de
demanda; sin embargo al analizar la desviacin media absoluta de los datos (MAD), podemos
concluir que el modelo que proporciona mejores resultados para este caso es el de promedios
mviles (PM) ya que proporciona una desviacin media absoluta menor al mtodo de promedios
mviles ponderados (PMP).

3. Regrese al problema 2. Desarrolle un pronstico para los aos 2 a 12 usando suavizamiento

exponencial con =0 .4 y un pronstico para el ao 1 de 6. Grafique su nuevo pronstico junto
con los datos reales y un pronstico intuitivo. Con base en una inspeccin visual, cul
pronstico es mejor?
Ejemplo de clculo:

Para el ao 2:
4 = 6 + 0.4(7 6) = 6.4
Tabla 3 Pronostico en base a suavizamiento exponencial

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

Demanda Suavizamiento
7
6.00
9
6.40
5
7.44
9
6.46
13
7.48
8
9.69
12
9.01
13
10.21
9
11.32
11
10.39
7
10.64
9.18

Intuitivo
6
8
4
8
12
7
11
12
8
10
6
11

Pronsticos de demanda
14
12

Demanda

10
Demanda real

8
6

Suavizamiento
exponencial

Intuitivo
2
0
0

10

15

Tiempo (aos)

Figura 2. Grafica demanda en funcin del tiempo

En base a una inspeccin visual el pronstico intuitivo parecera ser mejor porque se ajusta ms a los
datos reales, sin embargo sabemos que en la prctica no sucede as.

6. Las ventas mensuales en Telco Batteries, Inc., fueron como sigue:

Mes

Ventas

Enero

20

Febrero

21

Marzo

15

Abril

14

Mayo

13

Junio

16

Julio

17

Agosto

18

Septiembre

20

Octubre

20

Noviembre

21

Diciembre

23

a) Grafique los datos de las ventas mensuales.

Ventas
25

Ventas

20
15
10
5
0
0

10

12

14

Tiempo (meses)

b) Pronostique las ventas para enero usando cada una de las tcnicas siguientes:
- Mtodo intuitivo
Considerando los incrementos y decrementos graduales se puede decir que los datos se ajustan
a una serie tiempo cclico por lo cual de manera intuitiva pronosticaremos ventas iguales a 21
para enero del prximo ao
- Un promedio mvil de 3 meses.
Se deben considerar las ltimas ventas previas al mes de enero, por tanto tomamos las ventas
correspondientes a los meses de octubre, noviembre y diciembre.
=

20 + 21 + 23
= 21,33
3

- Suavizamiento exponencial con = .3 y un pronstico para septiembre de 18.

Ejemplo de clculo para octubre:
= 18 + 0.3(20 18) = 18.6

Tabla 4 Pronostico en base a suavizamiento exponencial

Mes
Septiembre
Octubre
Noviembre
Diciembre
Enero

Ventas
20
20
21
23

Intuitivo
18
18.6
19.02
19.61
20.63

c) Con los datos proporcionados, qu mtodo le permitira elaborar el pronstico de ventas para
el prximo mes de marzo?
Ventas Real Pronstico
20
21
Intuitivo
20
21.33
PM
20
20.63
Suavizamiento

MAD
1
1.33
0.63

Se determina que el mtodo cuya desviacin media absoluta es menor corresponde al mtodo
de suavizamiento exponencial por lo cual sera recomendable utilizar este mtodo para
elaborar el pronstico del prximo mes de marzo.

8. Las temperaturas mximas diarias en Saint Louis durante la ltima semana fueron las
siguientes: 93, 94, 93, 95, 96, 88, 90 (ayer).
a) Pronostique la temperatura mxima para hoy usando un promedio mvil de 3 das
=

96 + 88 + 90
= 91,33
3

b) Pronostique la temperatura mxima para hoy usando un promedio mvil de 2 das

=

88 + 90
= 89
2

c) Calcule la desviacin absoluta media con base en un promedio mvil de 2 das

=

0.5 + 1.5 + 2 + 7,5 + 2

= 2.7
5

d) Calcule el error cuadrtico medio para un promedio mvil de 2 das

=

0.25 + 2.25 + 5 + 56.25 + 4

= 13.35
5

e) Calcule el error porcentual absoluto medio para el promedio mvil de 2 das

=

0.54 + 1.58 + 2.08 + 8.52 + 2.22

= 2.99
5

Tabla 5 Calculo de errores en base a promedio mvil de dos das

Da
1
2
3
4

Temperatura Pronstico
93
94
93
93.5
95
93.5

Et

Et2

(|Et|/Dt)*100

0.5
1.5

0.25
2.25

0.54
1.58

5
6
7
HOY

96
88
90

94
95.5
92
89

2
7.5
2
MAD
2.7

4
56.25
4
MSE
13.35

2.08
8.52
2.22
MAPE
2.99

25. Mark Cotteleer posee una compaa que fabrica lanchas. Las demandas reales de las lanchas
de Mark durante cada temporada desde 2004 hasta 2007 fueron como sigue:
Ao
Temporada

2004

2005

2006

2007

Invierno

1,400

1,200

1,000

900

Primavera

1,500

1,400

1,600

1,500

Verano

1,000

2,100

2,000

1,900

Otoo

600

750

650

500

Mark ha pronosticado que la demanda anual de sus lanchas en 2009 ser igual a 5,600. Con base en
estos datos y el modelo estacional multiplicativo, cul ser el nivel de la demanda para las lanchas de
Mark en la primavera de 2009?
Tabla 6 Pronostico en base al modelo estacional multiplicativo

IE
Temporada/Ao
Invierno
Primavera
Verano
Otoo
Demanda Total
Demanda Promedio

2004
1400
1500
1000
600
4500
1125

IE

1.244
1.333
0.889
0.533

2005
1200
1400
2100
750
5450
1362.5

0.881
1.028
1.541
0.550

IE
2006
1000
1600
2000
650
5250
1312.5

0.762
1.219
1.524
0.495

IE
2007
900
1500
1900
500
4800
1200

0.750
1.250
1.583
0.417

FEP
0.91
1.21
1.38
0.50

2009
1272.98
1690.47
1938.06
698.49
5600
1400

El nivel de demanda para las lanchas en la primavera del 2009 ser de 1690,47 lanchas.
26. La asistencia al nuevo parque tipo Disney en Los ngeles, VacationWorld, ha sido la
siguiente:

Trimestre

Asistentes (en miles)

Trimestre

Asistentes (en miles)

Invierno 2005

73

Verano 2006

124

Primavera 2005

104

Otoo 2006

52

Verano 2005

168

Invierno 2007

89

Otoo 2005

74

Primavera 2007

146

Invierno 2006

65

Verano 2007

205

Primavera 2006

82

Otoo 2007

98

Calcule los ndices estacionales usando todos los datos

Tabla 7 Calculo de ndices estacionales

Trimestre
Invierno 2005
Primavera 2005
Verano 2005
Otoo 2005
Asistencia total
Asistencia promedio

2005
Asistentes
(en miles)
73
104
168
74
419
104.75

2006
Asistentes
(en miles)
65
82
124
52
323
80.75

IE
0.697
0.993
1.604
0.706

IE
0.805
1.015
1.536
0.644

2007
Asistentes
(en miles)
89
146
205
98
538
134.5

IE

IEP

0.662
1.086
1.524
0.729

0.721
1.031
1.555
0.693

35. Las ventas de las pasadas 10 semanas registradas en la tienda de msica Johnny Ho en
Columbus, Ohio, se muestran en la tabla siguiente. Pronostique la demanda para cada semana,
incluyendo la semana 10, usando suavizamiento exponencial con = .5 (pronstico inicial = 20).
Semana
1
2
3
4
5

Demanda
20
21
28
37
25

Semana
6
7
8
9
10

Demanda
29
36
22
25
28

a) Calcule la MAD.

Semana
1
2
3
4
5
6

Demanda
20
21
28
37
25
29

Pronostico
20.000
20.000
20.500
24.250
30.625
27.813

Error
0.000
1.000
7.500
12.750
-5.625
1.188

Error
absoluto
0.000
1.000
7.500
12.750
5.625
1.188

7
8
9
10

36
22
25
28

28.406
32.203
27.102
26.051

7.594
-10.203
-2.102
1.949
CFE
14.051

7.594
10.203
2.102
1.949
MAD
4.991

b) Calcule la seal de control.

=

14.051
=
= 2.81

4.991