1.

Las temperaturas mximas diarias de la ciudad de Barranquilla la semana pasada fueron

como sigue: 31, 30, 29, 31,30 y 29 grados (ayer) a) Pronosticar la temperatura mxima para hoy,
utilizando un
promedio mvil de tres das.
b) Pronosticar la temperatura mxima para hoy, utilizando un
promedio mvil de dos das.
c) Calcular la desviacin media absoluta basada en el promedio
mvil de dos das.
Promedio movil
Periodo
Temperatura 3 das
2 das
1
31
2
30
3
20
30,5
4
31
27
25
5
30
27
25,5
6
29
27
30,5
111,5

X -X

Media Aritmetica
27,88
Media Absoluta
2,625

2,625
2,875
2,375
2,625
10,5

2.Para los datos que se dan a continuacin, desarrollar un pronstico de promedios mviles de tres
meses.
Meses Ventas Pro. Movil 3 meses
Enero
100
Febrero
105
Marzo
75
Abril
70
93
Mayo
65
83
Junio
80
70
Julio
85
72
Agosto
90
77
Septiembre 100
85
Octubre
100
92
Noviembre 105
97
Diciembre 115
102
3. Con los datos que se dan a continuacin, desarrollar un pronstico de demanda de promedios
mviles de tres aos:
Ao DemandaProm. Mvil 3 aos
1
21
2
27
3
27
4
27
25
5
39
27
6
24
31
7
36
30
8
39
33
9
27
33
10
33
34
11
21
33

4. Los datos recolectados para la demanda de sacos de 50 libras de arroz el Leopardo se muestra en la
siguiente tabla: Desarrollar un promedio mvil de tres aos para pronosticar las ventas. Despus de
determinar una vez ms la demanda con un promedio mvil ponderado en el cual las ventas en el ao
ms resientes se les da un peso y las ventas de los otros aos se le dan un peso de 1 a cada una. Cul
mtodo cree que sea mejor?

Promedio Mvil 3 aos

AoDemanda ArrozSimple
Ponderado
1
4
2
6
3
4
4
5
5
4
5
10
5
5
6
8
6
8
7
7
8
8
8
9
8
8
9
12
8
8
10
14
9
10
11
15
12
13
61
64

X-
Simple

Ponderado
Media Aritmetica
Simple
7,63
Ponderado 8,03

3
3
1
0
1
0
2
4
14

4
3
0
0
0
0
2
5
13

Media Absoluta
Simple
1,72
Ponderado 1,66

5. Utilizar la suavizacin exponencial con una constante de suavizacin de 0,3 para pronosticar la
demanda de arroz del problema 4. Asumir que el pronstico del ltimo perodo para el ao 1 es de
5.000 sacos para iniciar el procedimiento. Preferira utilizar el modelo de suavizacin exponencial o el
modelo de promedio ponderado desarrollado en el problema 4? Explique su respuesta
Suavizacin exponencial

Dema
nda
Arroz
4

2
3
4
5
6
7
8
9
10
11

6
4
5
10
8
7
9
12
14
15

3501
2453
1718
1204
846
595
418
295
210
152

Ao

5000

a)
Cirugias
1
2
3
4
5
6

Ao

60
65
70
72
75

Cirugias
1
2
3
4
5
6

60
65
70
72
75

0,7
60
60
63,5
68,05
70,815
73,7445

0,9
60
60
64,5
69,45
71,745
74,6745 DAM
Erro de
pronostico

Ao

Promedio
movil de tres
aos

65
69
72,33333333

7
6
72,33
28,443333

DAM

c)
Ao
1
2
3
4
5
15
=

Cirugias
60
65
70
72
75
342

Escriba
aqu la ecuacin.
2
xy
1
4
9
16
25
55

Erro de pronostico
0,7
0,9
0
0
5
5
6,5
5,5
3,95
2,55
4,185
3,255
3,927
3,261

Error de
pronostico

Pronostico
60
130
210
288
375
1063

61
64,7
68,4
72,1
75,8
DAM

1
0,3
1,6
0,1
0,8
0,76

=
promedio

68,4

11

3,7

=
= +=

57,3
= 3,7 + 57,3

d)
Segn el criterio del DAM es mejor metodo es la proyeccion de tendencia que tiene un valor de 0,76
que es el menor a los anteriores metodo
7
Con los siguientes datos, utilice la suavizacin exponencial ( = 0.25 para
desarrollar un pronstico de demanda. Asuma que el pronstico para el
perodo inicial es de 10.

Periodo

Demanda

1
2
3
4
5
6

14
18
10
18
26
12

0,25
10,00
11,00
12,75
12,06
13,55
16,66

Demanda vs Periodo
30

Demanda

25
20

15
10
5
0
0

Periodo

8. Calcule la DAM para los siguientes pronsticos contra los nmeros de ventas reales.

Pronstico

1000
1100
1200
1300

Real
950
1080
1230
1300

Pronstico
redondeado
con
= 0,40
950
950
1002
1093,2

Desviacin
Absoluta
para
= 0,40

0
130
228
206,8
564,8
Suma de desviaciones absolutas:

0,4 =

141,2

+1

Pronstico
1000
1100
1200
1300

141,2

Real Error del pronostico

950
-50
1080
-20
1230
30
1300
0

Suma de error dl pronostico:

-40
0,1 =

-10

8. Con los siguientes datos, utilice la regresin por mnimos cuadrados para derivar una
ecuacin de pronstico. Cul es su estimado de la demanda para el perodo?

Perodo Demanda X2
210
1
270
2
150
3
330
4
300
5
39
6
=
Promedio=

21
3,5

XY

Y2

1
4
9
16
25
36
1299
91
216,5 15,16666667

210
540
450
1320
1500
234
4254
709

44100
72900
22500
108900
90000
1521
339921
56653,5

4010,914286
Y=a+bx

-13821,7
imag

9. Con los siguientes datos, utilice la regresin de mnimos cuadrados para

desarrollar la relacin entre el nmero de partidos jugados con lluvia en
invierno y el nmero de juegos perdidos por el equipo de Ftbol Junior de
Barranquilla. Si en el 2.006 se prevn 16 partidos con lluvia, cuntos
partidos se espera perder el Jnior?

1
2
3
4
5
6
7
8
9
10

10190
29,3428

x
y
Ao
Partidos con lluvia
Juegosenprdidos
inviernox^2
por Junior
1996
15
5
1997
18
10
1998
10
7
1999
10
6
2000
12
9
2001
16
11
2002
9
6
2003
15
10
2004
10
5
2005
12
8
Sumatoria
127
77
9779
21

GRFICO

411
616,19883 0,666992501
0,477351916
r= 1,637630662
m=
B=

y^2

xy

225
324
100
100
144
256
81
225
100
144
1699

25
100
49
36
81
121
36
100
25
64
637

r^2=

0,444879

75
180
70
60
108
176
54
150
50
96
1019

-9810,78571

Regresin lineal

12

y = 0,4774x + 1,6376
R = 0,4449

10
8
6
4
2
0
0

Y
X
Demanda
Apariciones
de en televisin
acordeones
de Conjuntos Vallenatos
3
3
5
6
6
4
7
7
8
5
10
8
39
33
Sumatoria

10

15

20

X*Y
9
30
24
49
40
80
232

X^2
9
36
16
49
25
64
199

y^2
9
25
36
49
64
100
283

0
#DIV/0!
#DIV/0!
#DIV/0!

xy
x
Y
(x^2)
(Y^2)

0
0
2,625
0
0

b)
Grfico 1
n
r
m
b
Grfico 2

n
r
m
b

0
#DIV/0!
0,0000
#DIV/0!

xy
Y
X
(Y^2)
(X^2)

0
0
2,625
0
0

Apariciones en televisin
de Conjuntos Vallenatos

Estimado

10

Demanda=f(apariciones TV)
12
10

y=x+1
R = 0,5932

8
6
4

2
0
0

Apariciones TV=f(Demanda)
9
8

y = 0,5932x + 1,6441
R = 0,5932

7
6
5
4
3
2
1
0
0

11. El gerente comercial de la distribuidora de instrumentos musicales

Miche, en Barranquilla cree que la demanda de acordeones puede
estar relacionada con el nmero de apariciones por televisin
Telecaribe y Canales Nacionales de los conjuntos vallenatos durante
el mes previo. El gerente ha recolectado los datos que se muestran
en la siguiente tabla:
X*Y
X^2
Y
X
9
Demanda
Apariciones
de acordeones
en televisin de Conjuntos Vallenatos
30
3
3
24
5
6
49
6
4
40

10

12

y^2
9
36
16
49
25

9
25
36
49
64

7
8
10
39

7
80
64
100
5
232
199
283
8
33 b) Utilizar en mtodo de regresin de mnimos cuadrados para derivar
una ecuacin del pronstico.
a) Graficar estos datos para ver si una ecuacin lineal puede
Grfico
describir
1
la
relacin entre los show en televisin
n
de los conjuntos vallenatos la5 xy
2,625
venta de acordeones.
r
-1 x
27
m
1 Y
29
b
#DIV/0!
(x^2)
0
(Y^2)
0
Grfico 2
5 xy
2,625
Demanda=f(apar n
r
-1 Y
27
iciones TV)
m
0,9154 X
29
12
b
0,0905 (Y^2)
0
(X^2)
0
10

y=x+1
R = 0,5932

c) Cules sern los estimados de ventas de acordeones si los

conjuntos se presentaran televisin nueve veces durante el prximo
mes?

6
4

Apariciones en televisin de
Conjuntos Vallenatos
Estimado

9
10

0
0

10

Apariciones TV=f(Demanda)
10
y = 0,5932x + 1,6441
R = 0,5932

8
6
4
2
0
0

12. La Doctora Blanca de Blanco, es una psicloga barranquillera, se

especializa en tratar pacientes que tienen fobias y temores al salir de
casa. La siguiente tabla muestra el nmero de pacientes que ha
atendido la doctora Blanca durante los ltimos 10 aos. Tambin
relaciona la tasa de robos y atracos en Barranquilla durante los
mismos aos

10

12

X*Y
X

Ao

1
2
3
4
5
6
7
8
9
10
11
12
13

Nmer
o de
pacient
es
18
17
20
21
20
28
30
27
29
30

Tasa de
crimen(robo
s)
por 1000
habitantes
29
30
36
38
40
45
50
47
52
58

0
0
0

n
r
m
b

10
0,915837624
1,587878788
15,26666667

X^2
1

324

34
60
84
100
168
210
216
261
300

4
9
16
25
36
49
64
81
100

289
400
441
400
784
900
729
841
900

xy
x
Y
(x^2)
(Y^2)

1451
55

240
385
6008

#pacientes=f(ao)
35
30
25
20
15
10
5
0

y = 1,5879x + 15,267
R = 0,8388

y
Tasa de crimen
x
29
Ao
# de pacientes
30
1
18
36
2
17
38
3
20
40

10

12

xy
324
289
400
441
400

Y^2

18

522
510
720
798
800

4
5
6
7
8
9
10
=

21
20
28
30
27
29
30
240

Promedio

24

45
50
47
52
58
425

784
900
729
841
900
6008

42,5

600,8

1260
1500
1269
1508
1740
10627

1,7218

1,1774194
= +
= 1,1774 +1,7218
Pacientes que atendera la Dra
49,49657534

Para 60 crimenes
=
=

1,7218
1,1774

Pacientes que atendera la Dra

para 45 crimenes
=
=

36,75684932

1,7218
1,1774

Ttulo del grfico

80
60

y = 1,7218x + 1,1774
R = 0,896

40
20
0
0

10

15

20

25

30

35

En elEJERCICIO
rea cercana
14 a la Universidad Autnoma del Caribe un SAI ha vendido en los
ltimos 9 das la cantidad de llamadas diarias como se muestra a continuacin
a) Calcular la prediccin del promedio mvil de tres perodos.
b) Calcular la prediccin del promedio mvil ponderado de tres perodos con pesos de
0,4; 0,5 y 0,1.

Llamadas
60
97
91
72
105
85
147
49
100

Fecha
1
2
3
4
5
6
7
8
9

3 Periodo

3 Periodo
Ponderado

82,67
86,67
89,33
87,33
112,33
93,67

81,6
91,5
82,9
89,8
99,2
112,4

0,4
0,5
0,1

t-1
t-2
t-3
Respuesta

El promedio movil ponderado es el mejor ya que este se multiplica cada

ponderacin para cada periodo por su valor correspondiente y al final se suma
sus productos y una mayor estabilidad la cual se observa en la grfica .

Llamadas

Demanda vs Fecha
160
140
120
100
80
60
40
20
0

Series1
Series2
Series3
0

10

Fecha

15. A continuacin se muestran las ventas mensuales de video- grabadora SONY en Colombia para
los aos 2.003 a 2.005. Utilice la suma de tres meses de cada ao respectivamente para calcular los
ndices estacionales y luego determine la demanda trimestral para el ao 2.006.
Demanda 2005Demanda promedioIndice Estacional
Demanda
Promedio
2006
135

Mes
Enero

Demanda 2003
90

120
130

113,33

0,90 102,08

Febrero 85
150
Marzo
90
185
Abril
105 Demanda 2004
175
Mayo
145
120
160
Junio
135
115
150
Julio
120
120
135
Agosto 105
135
120
Septiembre
100
175
120
Octubre 85
165
120
Noviembre85
150 Demanda total promedio
Diciembre 90
135

158,33

1,26 199,23

121,67

0,97 117,64

110,00

0,87 96,16

125,83

130
115
115
120
16. El gerente general de una planta de materiales construccin, considera que la demanda de
embarques de aglomerados puede estar relacionada con el nmero de permisos de construccin
emitidos por Planeacin Municipal durante el ltimo bimestre. Se han recolectado los datos siguientes:

Permisos
de
construc
cin
15
9
40
20
25
25
15
35
a) y c)

a) Grafique: embarques vs. permisos

b) Determine el grado de correlacin. Opine.
c) Obtenga la lnea de ajuste por Mnimos cuadrados
d) Cul ser la estimacin de embarques cuando el
nmero de permisos de construccin sea de 30, 25 y
45?

Embarq
uez de
aglomer
ados

6
4
16
6
13
9
10
16

Embarques Vs. Permisos

18
y = 0,3953x + 0,907
R = 0,8065

16
14
12
10
8
6
4

2
0
0

10

15

20

25

30

35

40

45

x^2
b)

y^2

xy

225

36

90

81
1600
400
625

16
256
36
169

36
640
120
325

20 aglomerados
625
25
6
225
25
4
1225
15
16
5006
35
6
184
13
9 0,898059924
10 0,806511628
16
80

81
100
256
950

225
150
560
2146

Permis
os de
constr
uccin
1
15
2
9
3
40 y
Embarques de

4
5
6
7
8
sumatoria

d)

30, 25 y 45
r=
Embarques parar^2=
Embarque
y =10,3953x + 0,907
Embarque 2
Embarque 3
12,766
10,7895
18,6955

17168 14720
78,689262 34,64

2448
2725,876006

N Turistas=f(Periodo)
Numero de Turistas (miles)

a)
Meses/Numero de Viajes
Periodo
Turistas (miles)(miles)
1
70
15
2
20
10
3
60
13
4
40
15
5
140
25
6
150
27
7
160
24
8
120
20
9
140
27
10
200
44
11
150
34
12
70
17

250

y = 9,0909x + 50,909
R = 0,3436

200
150

Series1

100

Lineal (Series1)

50
0
0

10

15

Periodo (Meses)

Periodo = f(Viajes)
Viajes (miles)

50

y = 1,7378x + 11,288
R = 0,4157

40
30
20

Series1

10

Lineal (Series1)

0
0

10

Periodo (Meses)

N Turistas=f(Periodo)
y = -0,0766x5 + 2,524x4 -

Numero de Turistas (miles)

250

31,041x3 + 172,64x2 - 395,36x +

325
R = 0,846
Series1

y = 9,0909x + 50,909
R = 0,3436

200
150

Polinmica
(Series1)

100
50

Lineal
(Series1)

0
0

10

Periodo (Meses)

15

15

Periodo = f(Viajes)
y = -0,0178x5 + 0,556x4 6,3807x3 + 32,703x2 - 69,395x
+ 58,364
R = 0,8679

Viajes (miles)

50
40

y = 1,7378x + 11,288
R = 0,4157

30

Series1

20

Polinmica
(Series1)

10

Lineal
(Series1)

0
0

10

15

Periodo (Meses)

No es razonable un modelo lineal sea el caso del numero de turistas

o los viajes ya que el coeficiente de correlacion es DEBIL para ambos casos
c)
Meses
Numero de
/
Period
o Turistas (miles)
x
y
1
70
2
20
3
60
4
40
5
140
6
150
7
160
8
120
9
140
10
200
11
150
12
1000
Sumatoria 78
2250
(X)
6084

(Y)
5062500

m
b
r

44,86014
-104,09091
0,6182749

XY

1
4
9
16
25
36
49
64
81
100
121
144
650

4900
400
3600
1600
19600
22500
25600
14400
19600
40000
22500
1000000
1174700

70
40
180
160
700
900
1120
960
1260
2000
1650
12000
21040

Para que la pendiente sea positiva se asume que los 1000 turistas llegan en el
mes 12 para que siga la tendencia positiva caso contrario la pendiente se vuelve negativa
si se asume q los 1000 turistas llegan en los meses del 1-4
d)
El coeficiente de correlacion aho ra es r=0,61 que viene a ser MEDIANO,
esto es por que se asume que en el ultimo mes llegan ls 1000 turistas y la tendencia
sigue siendo positiva