1.

Una empresa que fabrica computadoras personales XT, necesita estimar sus ventas del
próximo año. La siguiente tabla contiene los ingresos de ventas de PC`s XT de la empresa de
los últimos seis años:

INGRESO POR VENTAS

AÑO (Millones de Dolares)

1 2.4
2 5.9
3 15.5
4 27.8
5 35.9
6 38.1

SOLUCION:

INGRESO POR VENTAS

AÑO PRONOSTICO
(Millones de Dolares) XY X² Y²
(X) Y
(Y)

1 2.4 2.4 1 5.8 1

2 5.9 11.8 4 34.8 9
3 15.5 46.5 9 240.3 17
4 27.8 111.2 16 772.8 25
5 35.9 179.5 25 1,288.8 33
Σ𝑥^2 Σ𝑦− Σ𝑥Σ𝑥𝑦)/(𝑛Σ𝑥^2 −(Σ𝑥)²)
6 a =(Σ𝑥^2 Σ𝑦− Σ𝑥Σ𝑥𝑦)/(𝑛Σ𝑥^2 −(Σ𝑥)²
38.1 228.6 36 1,451.6 41
21 125.6 580.0 91.0 3794.1

(𝑛Σ𝑥𝑦− Σ𝑥Σ𝑦)/(𝑛Σ𝑥^2 −(Σ𝑥)²) b-750.4 -7.147

=(𝑛Σ𝑥𝑦− Σ𝑥Σ𝑦)/(𝑛Σ𝑥^2
105 −(Σ𝑥)²)

842.4
8.023
105

a). Suponiendo que los datos de ventas arriba citados sean representativos de las ventas que
Y = a + bX
se esperan el año siguiente, utilice un análisis de regresión de series de tiempo para
pronosticar los ingresos por ventas para el próximo año (año 7).
Y = a + bX
Y = - 7,1467 + 8,0229x 49.013 (Millones de Dolares)
=(𝑛Σ𝑥𝑦− Σ𝑥Σ𝑦)/(√[𝑛Σ𝑥^2
b). Determine −(Σ𝑥)²][𝑛Σ𝑦^2−(Σ𝑦)²])
el coeficiente de correlación de los datos e interprete su significado.

Coeficiente de Correlacion

842.4
105.00 6989.12

842.4
856.65488967

0.9834

Los años con los ingresos son directamente proporcionale, es decir conforme
aumentan los años, los ingresos tambien lo hacen.

r²
c). Determine el coeficiente de determinación de los datos e interprete su significado.

Coeficiente de determinacion

0.9670

Existe un alto grado de confiabilidad en los resulatdos obtenidos por el

pronostico.
 La misma empresa se pregunta si el análisis de regresión de la serie de tiempo es la mejor
manera a de pronosticar las ventas del año que viene. En ese sentido, están examinando los
siguientes datos de la industria:
Ingreso por
ventas de PC`s
ngreso por ventas de en toda la
PC`s XT de la
AÑO Industria
emñpresa (Millones (Miles de
de Dolares) millones de
1 2.4 Dolares)
4.6
2 5.9 8.6
3 15.5 10.7
4 27.8 14.8
5 35.9 18.5
6 38.1 19.4

SOLUCION:

Ingreso por ventas de

Ingreso por ventas de PC`s en toda la
PC`s XT de la empresa XY X² Y²
(Millones de Dolares) Industria (Miles de
millones de Dolares)
2.4 4.6 11.04 5.76 21.16
5.9 8.6 50.74 34.81 73.96
15.5 10.7 165.85 240.25 114.49
27.8 14.8 411.44 772.84 219.04
35.9 18.5 664.15 1288.81 342.25
/(𝑛Σ𝑥^2 −(Σ𝑥)²)38.1 19.4 739.14 1451.61 376.36
125.6 76.6 2042.36 3794.08 1147.26

34106.112
4.880
𝑛Σ𝑥^2 −(Σ𝑥)²) 6989.12

2633.2
0.377
6989.12

d). Haga un análisis de regresión entre los ingresos por ventas anuales de computadoras
personales XT y los ingresos por ventas anuales de PC`s en toda la industria. ¿Cuál es el
pronóstico de ingresos por ventas del año que viene (7) para las computadoras personales
XT, si la estimación del siguiente año de ingresos por ventas de PC`s para toda la industria
es de 21900 millones de dólares?
 Y =1,987+ 3,080x 13.131 (Millones de Dolares)

e). ¿Qué pronóstico es el mejor? ¿Por qué?

El pronostico de ingresos por ventas anuales de PC`s XT de la empresa es el mejor porque

tiene un ingreso de 49.013 millones de dolares.
 2. Una fábrica manufactura aparatos de televisión en blanco y negro para los mercados del
extranjero. Las exportaciones anuales durante los últimos seis años aparecen en miles de
unidades.

EXPORTACIONES
AÑO (Miles de unidades)

1 33
2 32
3 29
4 26
5 27
6 24

SOLUCION:

EXPORTACIONES
AÑO PRONOSTICO
(Miles de unidades) XY X² Y²
(X) Y
(Y)

1 33 33 1 1,089 33
2 32 64 4 1,024 31
3 29 87 9 841 29
4 26 104 16 676 28
5 27 135 25 729 26
6 24 144 36 576 24
21 171 567.0 91.0 4935.0

Dada esta declinación a largo plazo de las exportaciones, pronostique el numero esperado
de unidades a exportar el año siguiente.

Σ𝑥^2 Σ𝑦− Σ𝑥Σ𝑥𝑦)/(𝑛Σ𝑥^2 −(Σ𝑥)²)3654 34.800

105

(𝑛Σ𝑥𝑦− Σ𝑥Σ𝑦)/(𝑛Σ𝑥^2 −(Σ𝑥)²) -189

105
-1.800
 a). Y = a + bX
Y =34,800 + (-1,800)x 22.200 (Miles de unidades)

b). Coeficiente de Correlacion

=(𝑛Σ𝑥𝑦− Σ𝑥Σ𝑦)/(√[𝑛Σ𝑥^2 −(Σ𝑥)²][𝑛Σ𝑦^2−(Σ𝑦)²]) -189

105.00 369.00

-189
196.83749643

-0.9602

c). Coeficiente de determinacion

r² 0.9220
3. para el conjunto de datos promedios siguientes, que se obtuvieron de los
registros históricos de las empresas:

X Y xy x² y²
480 362 173760 230400 131044
880 750 660000 774400 562500
110 143 15730 12100 20449
320 410 131200 102400 168100
960 458 439680 921600 209764
950 1002 951900 902500 1004004
240 320 76800 57600 102400
510 365 186150 260100 133225
750 618 463500 562500 381924
5200 4428 3098720 3823600 2713410

a=
817556800
7372400 = 110.894254

b= 4862880
7372400
= 0.6596061

r=
4862880
7372400 4813506
= 4862880
5957104.3
0.81631607

r²= 0.66637193

A) GRAFICO DE DISPERSION

1200 GRAFICO DE DISPERSION

1000

800
f(x) = 0.6596060984x + 110.8942542456
600 R² = 0.6663719343
400

200

0
0 200 400 600 800 1000 1200

B) CURVA DE TENDENCIA LINEAL

Y=A+BX
Y = 110,894254 + 0,65960609 (X)

C) VARIABLE INDEPENDIENTE X = 64
Y= #REF!

D) COEFICIENTE DE REGRESION
R 0.81631607 = 81%
 4. La confort zone company CZC es un fabricante mediano con 10 años de antigüedad de
calefacción y enfriamiento. Las ventas están creciendo con rapidez y es necesario incrementar
la capacidad de producción. La gerencia de la empresa se pregunta si los datos nacionales de
construcción de vivienda pudiera resultar un buen indicador de las ventas anuales de la
empresa

construcciones ventas anulaes de

de viviendas czc (millones de X² Y² Y² XY
año (millones ) dolares)
1 2.1 230 4.41 52900 483
2 1.8 215 3.24 46225 387
3 2.4 270 5.76 72900 648
4 2.8 310 7.84 96100 868
5 3.1 360 9.61 129600 1116
6 2.6 370 6.76 136900 962
7 2.4 375 5.76 140625 900
8 2.6 321 43.38 675250 5364
9 3 368

y = 116,62x + 17,724
R² = 0,5602
a) desarrolle un analisis de regresion simple entre las
ventas de CZC y la construccion de viviendas. El national
home builders association estima que la inversion en ventas
construccion de viviendas sera de 2,6 millones y de 3,0 anulaes
millones para los dos años siguientes de czc
construcciones de (millones
viviendas de
R. año (millones ) dolares)
8 2.6 321
9 3 368

B) ¿Qué porcentaje de variacion en ventas de CZC queda

explicado por la inversion en construccion de viviendas?
R
SE PUEDE VER QUE LA VARIACION DE VENTAS EN VIVIENDAS ES DE
56.02%

C) RESPONDA LAS SIGUIENTES PREGUNTAS

i. recomnetdaria usted que CZC utilizara el pronostico
del insiso a) para planear una expansion de las
instalaciones? Justifique su repuesta
NO SE RECOMENDA DEBIDO EL COEFICIENTE DE
DETERMINACION 0,5602 ESTA ALEJADO DE 1

II. QUE PODRIA HACERSE PARA MEJORAR EL PRONOSTICO?

PARA MEJORAR EL PRONOSTICO SE PUEDE OPTAR TOMAR UNA

REGRECION PONTECIAL POR que el coeficiente de
determinacion es mas elevado que en regrecion lineal
R
 5. la planta IPC estima la demanda semanal de los muchos materiales que
tiene en el inventario. Esta estudiando uno de sus componentes, el CTR 5922.
Las 12 semanas mas recientes de demanda para el CTR 5922 son:
N = 13 semanas
demanda
semana desviacion
(unidades) pronosticos absoluta
1 169
2 227
3 176
4 171 190.67 -19.67
5 163 191.33 -28.33
6 157 170.00 -13.00
7 213 163.67 49.33
8 175 177.67 -2.67
9 178 181.67 -3.67
10 158 188.67 -30.67
11 188 170.33 17.67
12 169 174.67 -5.67
13 171 171.67 170.67
-170.33

demanda
semana xy x² y²
(unidades)
1 169 169 1 28561
2 227 454 4 51529
3 176 528 9 30976
4 171 684 16 29241
5 163 815 25 26569
6 157 942 36 24649
7 213 1491 49 45369
8 175 1400 64 30625
9 178 1602 81 31684
10 158 1580 100 24964
11 188 2068 121 35344
12 169 2028 144 28561
total 13761 650 388072

a=186,62
b=-1,2238
y = -1,2238x + 186,62
 4. utilice el metodo de promedios moviles para
pronosticos a corto plazo, con un promedio de tres
semanas, para desarrollar para la semana 13 un
pronostico de la demanda del componente CTR
5922
R: Para la semana 13 tenemos un
pronostico de 171,67

Desviacion
demanda Pronostico absoluta
semana (unidades) α=0,25 α=0,25
1 169
2 227
3 176
4 171
5 163
6 157
7 213
8 175
9 178
10 158
11 188 170.76 17.24
12 169 175.07 -6.07
13 171 173.55 -2.84
26.15

SOLUCION
F12=170,76+0,25*(188-170,76)
F12=175,07
F13=175,07+0,25*(169-175,07)
F13=173,55
 7.Hotel Copacabana es un gran hotel y casino a orillas del lago Titicaca. El hotel es
relativamente nuevo, de dos años, y el gerente está intentando desarrollar un plan
para el personal del departamento de manteamiento. El gerente del hotel desea
utilizar los dos años de datos que aparecen a continuación para pronosticar con un
mes de anticipación la cantidad de llamadas para manteniendo

A) Desarrolle un pronóstico de promedio móvil para los últimos diez

meses (meses 15-24) con numero de periodos de 2,4,6 y 8 meses de
periodos

pronostico
2 meses 4 meses 6 meses 8 meses
llamadas por
mes mantenimiento
pronostico desviacion
absoluta pronostico desviacion
absoluta pronostico desviacion
absoluta pronostico desviacion
absoluta

1 46
2 39
3 28
4 21
5 14
6 16
7 14
8 13
9 9
10 13
11 18
12 15
13 12
14 6
15 19 9 10 12.75 6.25 12.17 6.83 ### 6.50
16 9 12.5 3.5 13.00 4 13.83 4.83 ### 4.13
17 12 14 2 11.50 0.5 13.17 1.17 ### 0.63
18 14 10.5 3.5 11.50 2.5 12.17 1.83 ### 1.00
19 16 13 3 13.50 2.5 12.00 4.00 ### 2.88
20 12 15 3 12.75 0.75 12.67 0.67 ### 0.88
21 13 14 1 13.50 0.5 13.67 0.67 ### 0.50
22 9 12.5 3.5 13.75 4.75 12.67 3.67 ### 3.63
23 14 11 3 12.50 1.5 12.67 1.33 ### 1.00
24 15 11.5 3.5 12.00 3 13.00 2.00 ### 2.63
36 26.25 27.0 23.8
3.60 2.63 2.70 2.38
b) Que cantidad de periodos promediados da como resultado el error de
pronostico medio absoluto mas bajo?

la cantidad mas baja promediada es de 2,38 de mantenimiento

c) ¿Que numero de promediado recomienda usted? ¿Porque?

se recomienda tomar 2,28 de promedio que nos da en 8

meses para poder desarrollar un plan de manteniento

d) Utilizando la cantidad de periodos promediados que usted recomienda.

Pronostique el numero de llamadas para mantenimiento para el mes
siguiente (mes 25)

f25= 12+14+16+12+13+9+14+15/8
f25=13,13
llamadas
mes por
mantenim
iento
25 13.13
 0.5 5.9605E-08
0.25 1.1921E-07
0.125 2.3842E-07
0.0625 4.7684E-07
0.03125 9.5367E-07
0.015625 1.9073E-06
0.0078125 3.8147E-06
0.00390625 7.6294E-06
0.001953125 1.5259E-05
0.0009765625 3.0518E-05
0.0004882813 6.1035E-05
0.0002441406 0.00012207
0.0001220703 0.00024414
6.103515625E-05 0.00048828
3.0517578125E-05 0.00097656
1.52587890625E-05 0.00195313
7.62939453125E-06 0.00390625
3.814697265625E-06 0.0078125
1.9073486328125E-06 0.015625
9.5367431640625E-07 0.03125
4.76837158203125E-07 0.0625
2.38418579101562E-07 0.125
1.19209289550781E-07 0.25
5.96046447753906E-08 0.5
13.75
 Chart Title
50
45
40
35
30
25
f(x) = - 0.7752173913x + 26.231884058
20 R² = 0.3555149781
15
45
40
35
30
25
f(x) = - 0.7752173913x + 26.231884058
20 R² = 0.3555149781
15
10
5
0
0 5 10 15 20
 Chart Title

x + 26.231884058
x + 26.231884058

10 15 20 25 30
 A)desarrolle los pesos o coeficientes de ponderacion a utilizarse
en el pronostico de promedios moviles ponderados

pronostico

llamadas por 2 meses 4 meses 6 meses 8 meses

mes mantenimiento
desviaci
pronostico desviacion pronostico desviacion pronostico on pronostico desviacion
absoluta absoluta absoluta absoluta
1 46
2 39
3 28
4 21
5 13.999999
6 15.9999981
7 13.9999962
8 12.9999924
9 8.99998474
10 12.9999695
11 17.999939
12 14.9998779
13 11.9997559
14 5.99951172
15 18.9990234 9.00 10.00 12.75 6.25 12.17 6.83 ### 6.50
16 8.99804688 12.50 3.50 13.00 4.00 13.83 4.83 ### 4.13
17 11.9960938 14.00 2.00 11.50 0.50 13.17 1.17 ### 0.63
18 13.9921875 10.50 3.50 11.50 2.49 12.17 1.83 ### 0.99
19 15.984375 12.99 2.99 13.50 2.49 12.00 3.99 ### 2.86
20 11.96875 14.99 3.02 12.74 0.77 12.66 0.69 ### 0.90
21 12.9375 13.98 1.04 13.49 0.55 13.66 0.72 ### 0.45
22 8.875 12.45 3.58 13.72 4.85 12.65 3.77 ### 3.73
23 13.75 10.91 2.84 12.44 1.31 12.63 1.12 ### 0.78
24 14.5 11.31 3.19 11.88 2.62 12.92 1.58 ### 2.19
36 25.82 26.5 23.2
3.57 2.58 2.65 2.32
b) utilise los pesos del insiso b) para pronosticar la cantidad de llmadas para el
manteniemiento para el mes 25 de los datos del problema anterior

18.9990234 0.018554
8.99804688
11.9960938
13.9921875
15.984375
11.96875
12.9375
8.875
13.75
14.5
46 0.5 5.960464478E-08
39 0.25 1.192092896E-07
28 0.125 2.384185791E-07
21 0.0625 4.768371582E-07
14 0.03125 9.536743164E-07
16 0.015625 1.907348633E-06
14 0.0078125 3.814697266E-06
13 0.00390625 7.629394531E-06
9 0.001953125 1.525878906E-05
13 0.0009765625 3.051757813E-05
18 0.0004882813 6.103515625E-05
15 0.0002441406 0.0001220703
12 0.0001220703 0.0002441406
6 6.103515625E-05 0.0004882813
19 3.0517578125E-05 0.0009765625
9 1.52587890625E-05 0.001953125
12 7.62939453125E-06 0.00390625
14 3.814697265625E-06 0.0078125
16 1.9073486328125E-06 0.015625
12 9.5367431640625E-07 0.03125
13 4.76837158203125E-07 0.0625
9 2.38418579101562E-07 0.125
14 1.19209289550781E-07 0.25
15 5.96046447753906E-08 0.5
13.75
 Chart Ti
50
45
40
35
30
25
f(x) = - 0.7843478268x + 26.3043478373
20 R² = 0.3628475307
15
10
5
0
0 5 10 15
25
f(x) = - 0.7843478268x + 26.3043478373
20 R² = 0.3628475307
15
10
5
0
0 5 10 15
 Chart Title

- 0.7843478268x + 26.3043478373
.3628475307

5 10 15 20 25 30
 - 0.7843478268x + 26.3043478373
.3628475307

5 10 15 20 25 30
 9. Una industria minera adquiere, grandes cantidades de cobre que se emplean en sus
productos manufacturados. La empresa está desarrollando un sistema de pronóstico para
los precios del cobre. Ha acumulado los siguientes datos históricos
a) utilice la suavización exponencial para pronosticar los precios mensuales del cobre,
calcule cuales hubieran sido los pronósticos para todos los meses de datos históricos con
α=0,1, α=0,3y α=0,5, si para todas las α el pronóstico del primer mes fue de 99centavos
de dólar

DESVIACION DESVIACION
PRECIO DEL COBRE PRONOSTIC ABSOLUTA DESVIACION ABSOLUTA PRONOSTIC ABSOLUTA
MES ($/libra) O α=0,1 PRONOSTICO α=0,3 O α=0,5
1 0.99 0.99 0.00 0.99 0.00 0.00 0.99 0.00
2 0.97 0.99 0.02 0.99 -0.02 0.02 0.99 0.02
3 0.92 0.99 0.07 0.98 -0.06 0.06 0.98 0.06
4 0.96 0.98 0.02 0.96 0.00 0.00 0.95 0.01
5 0.93 0.98 0.05 0.96 -0.03 0.03 0.96 0.02
6 0.97 0.97 0.00 0.95 0.02 0.02 0.94 0.03
7 0.95 0.97 0.02 0.96 -0.01 0.01 0.96 0.01
8 0.94 0.97 0.03 0.96 -0.02 0.02 0.95 0.01
9 0.98 0.97 0.01 0.95 0.03 0.03 0.95 0.03
10 0.91 0.97 0.06 0.96 -0.05 0.05 0.96 0.05
11 0.89 0.96 0.07 0.94 -0.05 0.05 0.94 0.05
12 0.94 0.96 0.02 0.93 0.01 0.01 0.91 0.03
13 0.99 0.95 0.04 0.93 0.06 0.06 0.93 0.06
14 0.95 0.96 0.01 0.95 0.00 0.00 0.96 0.01
15 0.92 0.96 0.04 0.95 -0.03 0.03 0.95 0.03
16 0.97 0.95 0.02 0.94 0.03 0.03 0.94 0.03
DESVIACION ABSOLUTA 0.48 0.43 0.46
MAD 0.030 0.027 0.029

b) ¿Qué valor de α resulta a largo del periodo de 16 meses en una

desviación media absoluta mas baja?

EL VALOR MAS MINIMO ES 0,027

c) utilizando el α inciso b) pronostique el precio del cobre para el mes

17

para el mes 17 el pronostico es de 0,95

problema 1o

a) calcular los dos conjuntos de pronostico mensuales a lo largo de los

últimos 10 meses del 17 al 16
PRECIO DEL
MES PRONOSTICO DESV. ABSOLUTA
COBRE ($Libra)
1 0.99
2 0.97
3 0.92
4 0.96
5 0.93
6 0.97
7 0.95 0.95 0
8 0.94 0.95 -0.01
9 0.98 0.95 0.03
10 0.91 0.96 -0.05
11 0.89 0.94 -0.05
12 0.94 0.93 0.01
13 0.99 0.91 0.08
14 0.95 0.94 0.01
15 0.92 0.96 -0.04
16 0.97 0.95 0.02
DEPRESION ABSOLUTA TOTAL 0.3
DEPRESION ABSOLUTA MEDIA 0.03

b)seleccionando el mejor sistema y pronostique los precios del cobre

para la siguiente mes

F17 = (0,950+0,92+0,97) / 3
F17 = 0,95