1. ¿Qué es un modelo de pronóstico cualitativo y cuándo es apropiado su uso?

Es un método para pronosticar la demanda en base de experiencias personales, las

emociones, y el sistema de valores de quien toma las decisiones para llegar a un
pronóstico. Su apropiado uso es cuando contamos con experiencias y no se basa en
datos históricos.

2. Z
3. Z
4. Z
5. Un administrador escéptico pregunta para qué puede usarse un pronóstico de
mediano plazo; sugiérale tres usos o propósitos posibles.
Se puede mejorar la utilidad de los pronósticos si los administradores adoptan una
actitud más realista. No se debe ver al proceso como un sustito de la profecía, sino como
la mejor forma de identificar y extrapolar patrones o relaciones establecidos con el fin
de pronosticar. Si se admite tal actitud, se deben considerar inevitablemente los errores
de pronóstico e investigar las circunstancias que los generan.
6. Z
7. Z
8. Z
9. Investigue y describa brevemente el método Delphi. ¿Cómo podría usarlo alguno de
los jefes para los que usted ha trabajado?
Es una técnica de pronósticos que emplea un proceso grupal con el fin de que los
expertos puedan hacer pronósticos. Lo podrían implementar para saber la planeación
de ventas y flujo de efectivo de la empresa. Así como también se puede utilizar para el
recurso humano y tener pronósticos de mantenimiento y diferentes situaciones en la
empresa.
10. Z
11. Z
12. Z
13. Explique el valor que tienen los índices estacionales al pronosticar. ¿En qué difieren
los patrones cíclicos y los patrones estacionales?
Los índices estacionales sirven para planear la capacidad en las organizaciones que
manejan picos en la carga de trabajo. Por ejemplo, esto incluye a las compañías de
energía eléctrica durante los periodos de frío o calor intensos, a los bancos los viernes
por la tarde, y a trenes subterráneos y autobuses durante las horas de tráfico matutino
o vespertino.
El pronóstico de series de tiempo (patrones cíclicos) implica la revisión de la tendencia
de los datos a lo largo de una serie de tiempo mientras que la presencia de
estacionalidad (patrones estacionales) hace necesario ajustar los pronósticos con una
recta de tendencia.
14. Z
15. Z
16. Z
17. Explique con sus propias palabras cuál es el significado del coeficiente de correlación.
Analice el significado de un valor negativo del coeficiente de correlación.
El coeficiente de correlación es la medida de la fuerza de la relación que hay entre dos
variables a manera de una relación lineal. Se representa como r, el mismo puede ocupar
valores entre -1 y +1.
 Cuando el valor del coeficiente de correlación es negativo, quiere decir que a medida
que se eleva una variable, la segunda variable de relación disminuiría, lo cual sugiere
revisar cálculos pues es probable que las cosas no marchen bien para la empresa o
ejemplo que aplique. Por otra parte un coeficiente de correlación de -1 se denota como
una Correlación negativa perfecta:

r=-1

18. Z
19. Z
20. Z
21. ¿Qué ocurre con nuestra capacidad para pronosticar cuando pronosticamos periodos
cada vez más lejanos en el futuro?
La capacidad de pronosticar de las personas pierde validez con el tiempo, es decir los
pronósticos de más tiempo tienen poca validez estadística. Por ejemplo, no pueden
tomarse datos de 5 años de ventas y proyectar 10 años hacia el futuro puesto que
mundo es demasiado incierto.

PROBLEMAS

1. Z
2. Z
3. Z
4. Un centro de procesamiento de cheques usa el suavizamiento exponencial para
pronosticar el número de cheques entrantes cada mes. El número de cheques
recibidos en junio fue de 40 millones, aunque el pronóstico era de 42 millones. Se usó
una constante de suavizamiento de .2.
a. ¿Cuál es el pronóstico para julio?
Nuevo pronóstico para julio = 42+0.2 (40-42)=41.6 millones de cheques

b. Si el centro recibió 45 millones de cheques en julio, ¿cuál será el pronóstico

para agosto?
41.6+0.2 (45-41.6) = 42.28 millones de cheques.

c. ¿Por qué podría ser inapropiado este método de pronóstico para esta
situación?
Porque podría incrementar el número de cheques recibidos en el siguiente mes
o mantenerse.

5. Z
6. Z
7. Z
8. Las temperaturas máximas diarias en Saint Louis durante la última semana fueron las
siguientes: 93, 94, 93, 95, 96, 88, 90 (ayer).
 a. Pronostique la temperatura máxima para hoy usando un promedio móvil de 3
días.
DÍAS TEMPERATURA PROMEDIO MOVIL DE TRES
DÍAS
LUNES 93
MARTES 94
MIÉRCOLES 93
JUEVES 95 93+94+93=280/3=93.33
VIERNES 96 94+93+96=283/3=94.33
SÁBADO 88 93+96+88=277/3=92.33
DOMINGO 90 96+88+90=274/3=91.33

b. Pronostique la temperatura máxima para hoy usando un promedio móvil de 2

días.
DÍAS TEMPERATURA PROMEDIO MOVIL DE DOS
DÍAS
LUNES 93
MARTES 94
MIÉRCOLES 93 (93+94)/2=93.5
JUEVES 95 (94+93)/2=93.5
VIERNES 96 (93+95)/2=94
SÁBADO 88 (95+98)/2=96.5
DOMINGO 90 (98+88)/2 = 93
(88+90)/2= 89 temperatura

c. Calcule la desviación absoluta media con base en un promedio móvil de 2 días.

DÍAS TEMPERATURA PROMEDIO MOVIL DE MAD
DOS DÍAS
LUNES 93
MARTES 94
MIÉRCOLES 93 (93+94)/2=93.5 93-93.5= 0.5
JUEVES 95 (94+93)/2=93.5 96-93.5= 2.5
VIERNES 96 (93+96)/2=94.5 88-94.5= 6.5
SÁBADO 88 (96+88)/2=92 90-92= 2
DOMINGO 90 (88+90)/2 = 89 11.5/4=2.875

d. Calcule el error cuadrático medio para un promedio móvil de 2 días.

DÍAS TEMPERATURA PROMEDIO MOVIL DE ERROR
DOS DÍAS CUADRÁTICO
LUNES 93
MARTES 94
MIÉRCOLES 93 (93+94)/2=93.5 0.5*0.5=0.25
JUEVES 95 (94+93)/2=93.5 2.5*2.5=6.25
VIERNES 96 (93+96)/2=94.5 6.5*6.5=42.25
SÁBADO 88 (96+88)/2=92 2*2=4
DOMINGO 90 (88+90)/2 = 89 52.75/4=13.1875

e. Calcule el error porcentual absoluto medio para el promedio móvil de 2 días.

 DÍAS TEMPERATURA PROMEDIO MOVIL ERROR
DE DOS DÍAS CUADRÁTICO
LUNES 93
MARTES 94
MIÉRCOLES 93 (93+94)/2=93.5 100(0.5/93)=0.5376
JUEVES 95 (94+93)/2=93.5 100(2.5/96)=2.6042
VIERNES 96 (93+96)/2=94.5 100(6.5/88)=7.3864
SÁBADO 88 (96+88)/2=92 100(2/90)= 2.22
DOMINGO 90 (88+90)/2 = 89 12.7482/4= 3.1871

9. Z
10. Z
11. Z
12. Considere los siguientes niveles de demanda real y pronosticada para las
hamburguesas Big Mac en un restaurante McDonald’s local.

El pronóstico para el lunes se obtuvo observando el nivel de demanda para lunes y

estableciendo el nivel pronosticado a este mismo nivel real. Los pronósticos
subsecuentes se obtuvieron usando suavizamiento exponencial con una constante de
suavizamiento de 0.25. Usando este método de suavizamiento exponencial, ¿cuál es
el pronóstico para la demanda de Big Mac el viernes?

Nuevo pronóstico = Pronóstico del periodo anterior + α(Demanda real del mes anterior –
Pronóstico del periodo anterior)

𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 : Nuevo pronóstico.
𝐹𝑡−1 : Pronóstico del periodo anterior.
α: Constante de suavizamiento (o ponderación) (0≤α≤1)
𝐴𝑡−1: Demanda real en el periodo anterior.

α = 0,25

𝐹𝑣𝑖𝑒𝑟𝑛𝑒𝑠 = 80 + 0,25 ∗ (48 − 80)

DÍAS Demanda real Demanda Α = 0.25 Ft

pronosticada
LUNES 88 88
MARTES 72 88 88
MIÉRCOLES 68 84 84
JUEVES 48 80 80
VIERNES 72
 La demanda pronosticada para las hamburguesas Big Mac del día viernes des
de 72 unidades.

13. Z
14. Z
15. Z
16. Z
17. Z
18. Considere los siguientes niveles de la demanda real (At) y pronosticada (Ft) para un
producto:

El primer pronóstico, F1, se obtuvo observando A1 y estableciendo F1 igual a A1. Los

pronósticos subsecuentes se obtuvieron mediante suavizamiento exponencial.
Usando el método de suavizamiento exponencial, encuentre el pronóstico para el
quinto periodo. (Sugerencia: Primero es necesario encontrar la constante de
suavizamiento, (α).

Para el último valor:

α = (50-48)/(56-50) = 0.25

Quinto pronóstico = 50 + 0.25 * (46 - 50) = 49

19. Z
20. Z
21. Z
22. Z
23. Z
24. Z
25. Z
26. Z
27. Z
28. Z
29. Z
30. Brian Buckley ha desarrollado el siguiente modelo de pronóstico:

Donde: ̂ = demanda de aires acondicionados Aztec y

𝒚
X = la temperatura exterior (°F)
a) Pronostique la demanda de Aztec cuando la temperatura es de 70°F.

𝑦̂ = 36 + 4.3 ∗ 70°F = 337

 b) ¿Cuál es la demanda cuando la temperatura es de 80°F?
𝑦̂ = 36 + 4.3 ∗ 80°F = 380

c) ¿Cuál es la demanda cuando la temperatura es de 90°F?

𝑦̂ = 36 + 4.3 ∗ 90°F = 423

31. Z
32. Z
33. Z
34. Z
35. Z
36. Z
37. Z
38. Z
39. Z
40. Z
41. Z
42. Des Moines Power and Light ha recabado los datos de la demanda de energía eléctrica
en su subregión oeste sólo para los 2 últimos años. La información se muestra en la
tabla siguiente:

Para planear una expansión y acordar el préstamo de energía con otras compañías de
servicio público durante los periodos pico, Des Moines necesita estar en posibilidad
de pronosticar la demanda de cada mes para el próximo año. Sin embargo, los
modelos de pronóstico estándar analizados en este capítulo no se ajustan a los datos
observados durante los 2 años.

a) ¿Cuáles son las debilidades de las técnicas de pronósticos estándar al aplicarse a

esta serie de datos?
El análisis se basa en intuición y análisis de datos previos, por lo tanto se puede
afirmar que la técnica es inexacta puesto que no presenta un argumento
matemático fuerte.

b) Como los modelos conocidos no son realmente apropiados para este caso, haga
una propuesta para aproximarse al pronóstico. Aunque no existe una solución
 perfecta para manejar datos de este tipo (en otras palabras, no existen respuestas
que sean un 100% correctas o incorrectas), justifique su modelo.
Se sugiere utilizar el método ponderado. Con este método lo que se hace es
determinar un promedio, sumando los valores existentes en el inventario con los
valores de las nuevas compras, para luego dividirlo entre el número de unidades
existentes en el inventario incluyendo tanto los inicialmente existentes, como los de
la nueva compra.

c) Pronostique la demanda para cada mes del próximo año con el modelo que usted
propuso.

año1 año2 año3

enero 5 17 11
febrero 6 14 10
marzo 10 20 15
abril 13 23 18
mayo 18 30 24
junio 15 38 26,5
julio 23 44 33,5
agosto 26 41 33,5
septiembre 21 33 27
octubre 15 23 19
noviembre 12 26 19
diciembre 14 17 15,5