Nombre: Ronald Prado Herrera

01/09/2015

PLANEAMIENTO Y CONTROL DE OPERACIONES

GUA DE EJERCICIOS N 2 PRONOSTICOS

8) En la tabla se presentan los datos de ventas de dos aos. Cada periodo

agrupa las ventas de dos meses.
Periodo
Enero-Febrero
Marzo-Abril
Mayo-Junio
Julio-Agosto
Setiembre-Octubre
Noviembre-Diciembre

Ventas
109
104
150
170
120
100

Periodo
Enero-Febrero
Marzo-Abril
Mayo-Junio
Julio-Agosto
Setiembre-Octubre
Noviembre-Diciembre

Ventas
115
112
159
182
126
106

Ajuste un modelo de regresin lineal simple a los datos de ventas y calcule el

pronstico para los siguientes 6 meses.
SOLUCIN

TOTALE
S

Periodo
(x)

Ventas (y)

x2

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

109
104
150
170
120
100
115
112
159
182
126
106

1
4
9
16
25
36
49
64
81
100
121
144

x=78

y=1553

y2

xy

11881
109
10816
208
22500
450
28900
680
14400
600
10000
600
13225
805
12544
896
25281
1431
33124
1820
15876
1386
11236
1272
y2=209 xy=1025
x2=650
783
7

a=

x 2 y x xy
n x 2( x ) 2

b=

n xy x y
n x 2 ( x ) 2

( 12 ) ( 10257 )(78)(1553)
(12)(650)6084

( 650 )( 1553 ) (78)(10257)

(12)(650)6084

209404
1716 = 122,03

1950
1716

= 1,136

n xy x y
r=

[ n x 2( x ) 2 ] . [ n y 2 ( y ) 2 ]

(12 ) ( 10257 )(78)(1553)

[(12)(650)6084 ] . [ (12)(209783)2411809 ]

r=

1950
13460,5829

= 0,145 Hay una relacin positiva dbil entre las variables.

r2 = 0,021 Hay un 2,1% de variacin en las ventas que es explicada por el

periodo.
Debido a un r2 muy pequeo. Agrupamos los periodos de tres en tres y
haciendo las ventas cada 6 meses tenemos:
Periodo (x)
1 (Enero-Junio)
2 (Julio-Diciembre)
3 (Enero-Junio)
4 (Julio-Diciembre)
TOTAL
ES

Ventas
(y)
363
390
386
414
y=155
3

x=10

x2

y2

xy

1
4
9
16
x2=
30

131769
152100
148996
171396
y2=604
261

363
780
1158
1656
xy=395
7

a=

x 2 y x xy
n x 2( x ) 2

b=

n xy x y
n x 2 ( x ) 2

( 4 )( 3957 ) (10)(1553)
(4)( 30)100

( 30 )( 1553 ) (10)(3957)
( 4)(30)100

=
298
20

7020
20 = 351

= 14,9

n xy x y
r=

[ n x 2( x ) 2 ] . [ n y 2 ( y ) 2 ]

( 4 )( 3957 )(10)(1553)
[(4)(30)100 ] . [(4)(604261)2411809 ]
2

r=

298
323,574

= 0,921 Hay una relacin positiva fuerte entre las variables.

r2 = 0,848 Hay un 84,8% de variacin en las ventas que es explicada por el

periodo.
Y=351+14,9X
Para los siguientes seis meses: X= 5
Y=351+14,9 (5)
Y= 425,5 = 426 unidades
OTRA FORMA
Mediante el software estadstico SPSS se obtienen los siguientes resultados:

Resumen del modelo

Modelo

R cuadrado

,921

R cuadrado

Error tp. de la

corregida

estimacin

,848

,772

9,967

a. Variables predictoras: (Constante), Periodo

Coeficientesa
Modelo

Coeficientes no estandarizados

Coeficientes

Sig.

tipificados
B
1

(Constante)
Periodo

Error tp.

351,000

12,208

14,900

4,458

Beta

,921

28,753

,001

3,343

,079

a. Variable dependiente: Ventas

Y=351+14,9X
RPTA: El pronstico para los siguientes 6 meses son 426 unidades.

9) Industria Nina creci casi 50% el ltimo ao debido a la gran demanda que
tuvieron los reproductores de discos compactos entre los corredores. Como el
nmero de corredores va en aumento, Nina espera que tambin aumente la
demanda de los reproductores, ya que hasta la fecha no hay ningn

reglamento de seguridad que evite que los usen los corredores. El ao pasado,
la demanda fue:
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio

Demanda(unidades
)
4200
4300
4000
4400
5000
4700

Mes

Demanda(unidades
)
5300
4900
5400
5700
6300
6000

Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Use el anlisis de regresin y determine: Cul sera su pronstico de la

demanda para cada mes del prximo ao?
SOLUCIN

TOTAL
ES

a=

Mes (x)

Demanda (y)

x2

y2

xy

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

4200
4300
4000
4400
5000
4700
5300
4900
5400
5700
6300
6000

x=78

y=60200

1
4
9
16
25
36
49
64
81
100
121
144
x2=6
50

17640000
18490000
16000000
19360000
25000000
22090000
28090000
24010000
29160000
32490000
39690000
36000000
y2=30802
0000

4200
8600
12000
17600
25000
28200
37100
39200
48600
57000
69300
72000
xy=4188
00

x 2 y x xy
n x 2( x ) 2

( 650 )( 60200 ) (78)( 418800)

(12)(650)6084

6463600
=
1716

3766,667
b=

n xy x y
n x 2 ( x ) 2

( 12 ) ( 418800 ) (78)(60200)
(12)(650)6084

330000
1716

= 192,308

r=

n xy x y
[ n x 2( x ) 2 ] . [ n y 2 ( y ) 2 ]

( 12 )( 418800 )(78)(60200)
[(12)(650)6084 ] . [ (12)(308020000)3624040000 ]

r=

330000
351987,5

= 0,938 Hay una relacin positiva fuerte entre las variables.

r2 = 0,879 Hay un 87,9% de variacin en la demanda que es explicada por

los meses.
.
Y=3766,667+192,308X
OTRA FORMA
Mediante el software estadstico SPSS se obtienen los siguientes resultados:

Resumen del modelo

Modelo

R cuadrado

,938

R cuadrado

Error tp. de la

corregida

estimacin

,879

,867

269,853

a. Variables predictoras: (Constante), Mes

Coeficientesa
Modelo

Coeficientes no estandarizados

Coeficientes

Sig.

tipificados
B
1

(Constante)
Mes

Error tp.

3766,667

166,083

192,308

22,566

Beta

,938

22,679

,000

8,522

,000

a. Variable dependiente: Demanda

Y=3766,667+192,308X

RPTA: El pronstico de la demanda para cada mes del prximo ao es:

13
14

Mes
Enero
Febrero

Demanda
6266.671
6458.979

Demanda(redondeada)
6300
6500
5

15
16
17
18
19
20
21
22
23
24

Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

6651.287
6843.595
7035.903
7228.211
7420.519
7612.827
7805.135
7997.443
8189.751
8382.059

6700
6800
7000
7200
7400
7600
7800
8000
8200
8400

13) La tabla siguiente presenta las ventas reales de unidades para un periodo
de seis meses y un pronstico inicial para enero.
a. Calcule los pronsticos para los cinco meses restantes por medio de un
suavizamiento exponencial simple con = 0,2 y = 0,3.
b. Determine cul de los dos pronsticos obtenidos es mejor pronstico.
Mes
Enero
Febrero
Marzo

Real
100
94
106

Pronstic
o
80

Mes
Abril
Mayo
Junio

Real
80
68
94

Pronstico

SOLUCIN
a.
Suavizamiento exponencial simple con = 0,2
FT+1= FT + (DT - FT)

FFebrero= 80 + 0,2(100-80) = 84
FMarzo= 84 + 0,2(94-84) = 86
FAbril= 86 + 0,2(106-86) = 90
FMayo= 90 + 0,2(80-90) = 88
FJunio= 88 + 0,2(68-88) = 84

Mes
Enero
Febrero
Marzo

Real
100
94
106

Pronstic
o
80
84
86

Mes
Abril
Mayo
Junio

Real
80
68
94

Pronstico
90
88
84

 Suavizamiento exponencial simple con = 0,3

FT+1= FT + (DT - FT)

FFebrero= 80 + 0,3(100-80) = 86
FMarzo= 86 + 0,3(94-86) = 88,4
FAbril= 88,4 + 0,3(106-88,4) = 93,68
FMayo= 93,68 + 0,3(80-93,68) = 89,576
FJunio= 89,576 + 0,3(68-89,576) = 83,103

Mes
Enero
Febrero
Marzo

Real
100
94
106

Pronstic
o
80
86
88,4

Mes
Abril
Mayo
Junio

Real
80
68
94

Pronstico
93,68
89,576
83,103

Real
100
94
106

Pronstic
o
80
86
89

Mes
Abril
Mayo
Junio

Real
80
68
94

Pronstico
94
90
84

Redondeando:
Mes
Enero
Febrero
Marzo

b.
Con = 0,2
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio

Real
100
94
106
80
68
94

Pronsti
co
80
84
86
90
88
84

Error(e)
20
10
20
-10
-20
10

|e| = 90
Con = 0,3
Mes

Real

Pronstic Error(e
o
)
7

Enero

100

80

20

Febrero

94

86

Marzo

106

89

Abril

80

94

17
-14

Mayo

68

90

-22

Junio

94

84

10

|e| = 91

Rpta: El mejor pronstico es el que posee menor error y es el primero con

= 0,2.