Beruflich Dokumente
Kultur Dokumente
15. Explique con sus propias palabras qué es un pronóstico adaptable. 19. Mencione algunos ejemplos de industrias afectadas por la esta-
16. ¿Cuál es el propósito de las señales de control? cionalidad. ¿Por qué estos negocios desearían no depender de
17. Explique con sus propias palabras cuál es el significado del la estacionalidad?
coeficiente de correlación. Analice el significado de un valor 20. Dé algunos ejemplos de industrias donde el pronóstico de la
negativo del coeficiente de correlación. demanda depende de la demanda de otros productos.
18. ¿Cuál es la diferencia entre una variable dependiente y una 21. ¿Qué ocurre con nuestra capacidad para pronosticar cuando
variable independiente? pronosticamos periodos cada vez más lejanos en el futuro?
Dilema ético
En 2006, el consejo de regentes que era responsable del finan- jo seleccionó personalmente cada constante de suavizamiento a par-
ciamiento de la educación pública profesional en uno de los estados tir de lo que llamó sus “reacciones viscerales y entendimiento
del oeste medio de Estados Unidos contrató a un consultor para político”.
desarrollar una serie de modelos para pronosticar las inscripciones, ¿Cuáles son las ventajas y desventajas de este sistema?
uno por cada colegio. Estos modelos usaban datos históricos y Responda desde la perspectiva de: (a) el consejo de regentes, y (b) el
suavizamiento exponencial para pronosticar las inscripciones del regente de cada colegio. ¿De qué manera se podría abusar de este
siguiente año escolar. Con base en cada modelo, que incluía una modelo y qué podría hacerse para eliminar cualquier sesgo? ¿Cómo
constante de suavizamiento (α) para cada institución, el consejo podría emplearse el modelo de regresión para producir resultados
establecía el presupuesto por colegio. La presidenta del conse- que favorecieran un pronóstico sobre otro?
Problemas*
• 4.3 Regrese al problema 4.2. Desarrolle un pronóstico para
• 4.1 La tabla siguiente da el número de unidades de sangre los años 2 a 12 usando suavizamiento exponencial con α = .4 y un
tipo A que el hospital Woodlawn utilizó en las últimas 6 semanas: pronóstico para el año 1 de 6. Grafique su nuevo pronóstico junto
con los datos reales y un pronóstico intuitivo. Con base en una
Semana de Unidades usadas inspección visual, ¿cuál pronóstico es mejor? PX
Agosto 31 360 • 4.4 Un centro de procesamiento de cheques usa el suaviza-
Septiembre 7 389 miento exponencial para pronosticar el número de cheques entrantes
Septiembre 14 410 cada mes. El número de cheques recibidos en junio fue de 40 millo-
Septiembre 21 381 nes, aunque el pronóstico era de 42 millones. Se usó una constante
Septiembre 28 368 de suavizamiento de .2.
Octubre 5 374 a) ¿Cuál es el pronóstico para julio?
b) Si el centro recibió 45 millones de cheques en julio, ¿cuál será el
a) Pronostique la demanda para la semana del 12 de octubre pronóstico para agosto?
usando un promedio móvil de 3 semanas. c) ¿Por qué podría ser inapropiado este método de pronóstico para
b) Utilice un promedio móvil ponderado de tres semanas, con pon- esta situación? PX
deraciones de .1, .3 y .6, usando .6 para la semana más reciente.
•• 4.5 El hospital Carbondale está considerando comprar una
Pronostique la demanda para la semana del 12 de octubre.
nueva ambulancia. La decisión dependerá, en parte, del número de
c) Calcule el pronóstico para la semana del 12 de octubre usando
millas que deberá recorrerse el próximo año. Las millas recorridas
suavizamiento exponencial con un pronóstico de 360 para el 31
durante los 5 años anteriores son como sigue:
de agosto y α = .2. PX
•• 4.2 Año Número de millas
Año 1 2 3 4 5 6 7 8 9 10 11 1 3,000
2 4,000
Demanda 7 9 5 9 13 8 12 13 9 11 7
3 3,400
a) Grafique los datos anteriores. ¿Observa alguna tendencia, ciclos 4 3,800
o variaciones aleatorias? 5 3,700
b) Comenzando en el año 4 y hasta el año 12, pronostique la
demanda usando promedios móviles de 3 años. Grafique su a) Pronostique el número de millas para el próximo año usando un
pronóstico en la misma gráfica que los datos originales. promedio móvil de 2 años.
c) Comenzando en el año 4 y hasta el año 12, pronostique la b) Encuentre la MAD para el pronóstico con promedio móvil de
demanda usando un promedio móvil de 3 años con pondera- 2 años del inciso (a). (Sugerencia: Tendrá sólo 3 años de datos
ciones de .1, .3 y .6, usando .6 para el año más reciente. Grafique correspondientes).
su pronóstico en la misma gráfica. c) Use un promedio móvil ponderado de 2 años con ponderaciones
d) Al comparar cada pronóstico contra los datos originales, ¿cuál de .4 y .6 para pronosticar el número de millas para el próximo
parece proporcionar mejores resultados? PX año. (El peso de .6 es para el año más reciente). ¿Qué MAD
resulta del uso de este método de pronóstico? (Sugerencia:
Tendrá sólo 3 años de datos correspondientes).
d) Calcule el pronóstico para el año 6 usando suavizamiento
*Nota: PX significa que el problema se resuelve con POM para Windows exponencial, un pronóstico inicial para el año 1 de 3,000 millas,
y/o con Excel OM. y α = .5. PX
Problemas 145
•• 4.6 Las ventas mensuales en Telco Batteries, Inc., fueron
Mes Precio por chip Mes Precio por chip
como sigue:
Enero $1.80 Julio 1.80
Mes Ventas Febrero 1.67 Agosto 1.83
Enero 20 Marzo 1.70 Septiembre 1.70
Febrero 21 Abril 1.85 Octubre 1.65
Marzo 15 May 1.90 Noviembre 1.70
Abril 14 Junio 1.87 Diciembre 1.75
Mayo 13 a) Use un promedio móvil de 2 meses en todos los datos y grafique
Junio 16 los promedios y los precios.
Julio 17 b) Use un promedio móvil de 3 meses y agréguelo en la gráfica
Agosto 18 creada en el inciso (a).
Septiembre 20 c) ¿Cuál es mejor (usando la desviación absoluta media): el prome-
Octubre 20 dio de 2 meses o el de 3 meses?
Noviembre 21 d) Calcule el pronóstico para cada mes usando suavizamiento
Diciembre 23 exponencial y un pronóstico inicial para enero de $1.80. Utilice
primero α = .1, después α = .3, y por último α = .5. Empleando
a) Grafique los datos de las ventas mensuales. MAD, ¿qué α es mejor? PX
b) Pronostique las ventas para enero usando cada una de las técni- •• 4.10 Los datos recopilados en las inscripciones anuales para
cas siguientes: un seminario de Seis Sigma en Quality College se muestran en la
i) Método intuitivo. tabla siguiente:
ii) Un promedio móvil de 3 meses.
iii) Un promedio móvil ponderado de 6 meses empleando .1, Año 1 2 3 4 5 6 7 8 9 10 11
.1, .1, .2, .2 y .3, con las ponderaciones más altas a los Inscripciones 4 6 4 5 10 8 7 9 12 14 15
meses más recientes. (000)
iv) Suavizamiento exponencial con α = .3 y un pronóstico para
septiembre de 18. a) Desarrolle un promedio móvil de 3 años para pronosticar las
inscripciones del año 4 al año 12.
v) Una proyección de tendencia.
b) Estime la demanda de nuevo para los años 4 a 12 con un prome-
c) Con los datos proporcionados, ¿qué método le permitiría elabo-
dio móvil ponderado donde la inscripción del año más reciente
rar el pronóstico de ventas para el próximo mes de marzo? PX
tenga un peso de 2 y en los otros dos años un peso de 1.
• 4.7 La demanda real de los pacientes en la clínica médica c) Grafique los datos originales y los dos pronósticos. ¿Cuál de los
Omaha Emergency para las primeras seis semanas de este año es dos métodos de pronóstico parece mejor? PX
como sigue:
• 4.11 a) Use suavizamiento exponencial con constante de
suavizamiento de 0.3 para pronosticar las inscripciones al seminario
Semana Núm. real de pacientes
del problema 4.10. Para comenzar el procedimiento, suponga que el
1 65 pronóstico para el año 1 fue una inscripción de 5,000 personas.
2 62
b) ¿Cuál es la MAD? PX
3 70
4 48 •• 4.12 Considere los siguientes niveles de demanda real y
5 63 pronosticada para las hamburguesas Big Mac en un restaurante
6 52 McDonald’s local.
El administrador de la clínica, Marc Schniederjans, quiere que usted Día Demanda real Demanda pronosticada
pronostique la demanda de pacientes en la clínica para la semana 7 Lunes 88 88
usando estos datos. Usted decide usar un promedio móvil ponde- Martes 72 88
rado para encontrar este pronóstico. Su método utiliza cuatro niveles Miércoles 68 84
de demanda real, con ponderaciones de 0.333 en el periodo actual, de Jueves 48 80
0.25 hace un periodo, de 0.25 hace dos periodos, y de 0.167 hace tres
Viernes
periodos.
¿Cuál es el valor de su pronóstico? PX El pronóstico para el lunes se obtuvo observando el nivel de
• 4.8 Las temperaturas máximas diarias en Saint Louis demanda para lunes y estableciendo el nivel pronosticado a este
durante la última semana fueron las siguientes: 93, 94, 93, 95, 96, mismo nivel real. Los pronósticos subsecuentes se obtuvieron
88, 90 (ayer). usando suavizamiento exponencial con una constante de suaviza-
a) Pronostique la temperatura máxima para hoy usando un prome- miento de 0.25. Usando este método de suavizamiento exponencial,
dio móvil de 3 días. ¿cuál es el pronóstico para la demanda de Big Mac el viernes? PX
b) Pronostique la temperatura máxima para hoy usando un prome- • • • 4.13 Como se puede observar en la tabla siguiente, la
dio móvil de 2 días. demanda de cirugías para trasplante de corazón en el Hospital
c) Calcule la desviación absoluta media con base en un promedio General de Washington ha aumentado de manera estable durante los
móvil de 2 días. últimos años:
d) Calcule el error cuadrático medio para un promedio móvil de 2 días.
e) Calcule el error porcentual absoluto medio para el promedio Año 1 2 3 4 5 6
móvil de 2 días. PX
Trasplantes de corazón 45 50 52 56 58 ?
• • • 4.9 Dell usa el chip CR5 en algunas de sus computadoras
portátiles. Los precios del chip durante los últimos 12 meses fueron El director de servicios médicos pronosticó hace 6 años que la
como sigue: demanda en el año 1 sería de 41 cirugías.
146 Capítulo 4 • Pronósticos
Mes Número de accidentes Pronostique el uso de energía para los cuatro trimestres de 2009,
comenzando en invierno.
Enero 30
Febrero 40 • 4.30 Brian Buckley ha desarrollado el siguiente modelo de
Marzo 60 pronóstico:
Abril 90
yˆ = 36 + 4.3 x
Pronostique el número de accidentes que ocurrirán en mayo usando
regresión de mínimos cuadrados para obtener una ecuación de ten- donde ŷ = demanda de aires acondicionados Aztec y
dencia. PX x = la temperatura exterior (°F)
• 4.26 En el pasado, la distribuidora Arup Mukherjee vendió
a) Pronostique la demanda de Aztec cuando la temperatura es de
un promedio de 1,000 llantas radiales cada año. En los dos años
70°F.
anteriores vendió 200 y 250, respectivamente, durante el otoño, 350
b) ¿Cuál es la demanda cuando la temperatura es de 80°F?
y 300 en invierno, 150 y 165 en primavera, y 300 y 285 en verano.
c) ¿Cuál es la demanda cuando la temperatura es de 90°F? PX
Con una ampliación importante en puerta, Mukherjee proyecta que
las ventas se incrementarán el próximo año a 1,200 llantas radiales. •• 4.31 El administrador de Coffee Palace, Joe Felan, sospecha
¿Cuál será la demanda en cada estación? que la demanda de cafés con leche sabor moca depende de su pre-
•• 4.27 Mark Cotteleer posee una compañía que fabrica lan- cio. Con base en observaciones históricas, Joe ha recopilado los
chas. Las demandas reales de las lanchas de Mark durante cada tem- siguientes datos que muestran el número de cafés de este tipo vendi-
porada desde 2004 hasta 2007 fueron como sigue: dos a seis precios diferentes:
• 4.32 Los siguientes datos relacionan las cifras de ventas del b) Una casa con 1,860 pies cuadrados se vendió recientemente en
pequeño bar de la casa de huéspedes Marty and Polly Starr, en 95,000 dólares. Explique por qué esta cifra no se corresponde
Marathon, Florida, con el número de huéspedes registrados en la con la predicción del modelo.
semana: c) Si usara regresión múltiple para desarrollar dicho modelo,
¿cuáles otras variables cuantitativas podrían incluirse?
Semana Huéspedes Ventas del bar d) ¿Cuál es el valor del coeficiente de determinación en este pro-
blema? PX
1 16 $330
2 12 270 • 4.36 Los contadores de la empresa Michael Vest creen que
3 18 380 algunos ejecutivos estaban incluyendo en sus cuentas facturas de
4 14 300 gastos inusualmente altas cuando regresaban de sus viajes de nego-
cios. Primero tomaron una muestra de 200 facturas entregadas
a) Desarrolle una regresión lineal que relacione las ventas del bar durante el año pasado. Después desarrollaron la siguiente ecuación
con los huéspedes (no con el tiempo). de regresión múltiple para relacionar el costo esperado del viaje con
b) Si el pronóstico para la semana siguiente es de 20 huéspedes, el número de días de viaje (x1) y la distancia recorrida (x2) en millas:
¿de cuánto se espera que sean las ventas? PX
• 4.33 En la tabla siguiente se muestra el número de transis- yˆ = $90.00 + $48.50 x1 + $. 40 x 2
tores (en millones) fabricados en una planta de Japón durante los
últimos 5 años:
El coeficiente de correlación calculado fue de .68.
a) Si Wanda Fennell regresa de un viaje de 300 millas por el que
Año Transistores estuvo 5 días fuera de la ciudad, ¿cuál es la cantidad esperada
1 140 que debe solicitar por los gastos?
2 160 b) Fennell introdujo una solicitud de reembolso por 685 dólares,
3 190 ¿qué debe hacer el contador?
4 200 c) ¿Deberían incluirse otras variables? ¿Cuáles? ¿Por qué? P
5 210
•• 4.37 Las ventas de las pasadas 10 semanas registradas en la
a) Usando regresión lineal, pronostique el número de transistores tienda de música Johnny Ho en Columbus, Ohio, se muestran en
que se fabricará el próximo año. la tabla siguiente. Pronostique la demanda para cada semana, inclu-
b) Calcule el error cuadrático medio (MSE) cuando use la regresión yendo la semana 10, usando suavizamiento exponencial con α = .5
lineal. (pronóstico inicial = 20):
c) Calcule el error porcentual absoluto medio (MAPE). PX
• 4.34 El número de accidentes automovilísticos en cierta Semana Demanda Semana Demanda
región está relacionado con el número de automóviles registrados 1 20 6 29
en miles (X1), la venta de bebidas alcohólicas en unidades de 2 21 7 36
$10,000 (X2), y la cantidad de lluvia medida en pulgadas (X3). 3 28 8 22
Además, la fórmula de regresión se ha calculado como: 4 37 9 25
Y = a + b1X1 + b2X2 + b3X3 5 25 10 28
Año 1 2 3 4 5 6 7 8 9 10
• • • 4.42 Des Moines Power and Light ha recabado los datos de
la demanda de energía eléctrica en su subregión oeste sólo para los
Número de 36 33 40 41 40 55 60 54 58 61 2 últimos años. La información se muestra en la tabla siguiente:
pacientes
Índice de robos 58.3 61.1 73.4 75.7 81.1 89.0 101.1 94.8 103.3 116.2
Demanda en megawatts
por cada
1,000 habitantes Mes Año pasado Año actual
Enero 5 17
Usando el análisis de tendencia, pronostique el número de pacientes Febrero 6 14
que la doctora Sweeney atenderá en los años 11 y 12. ¿Qué tan bien Marzo 10 20
se ajusta el modelo a los datos? PX Abril 13 23
•• 4.40 Con los datos del problema 4.39, aplique regresión li- Mayo 18 30
neal para estudiar la relación que hay entre el índice de robos y la Junio 15 38
carga de pacientes de la doctora Sweeney. Si el índice de robos se Julio 23 44
incrementa a 131.2 en el año 11, ¿cuántos pacientes con fobia aten- Agosto 26 41
derá la doctora Sweeney? Si el índice de robos cae a 90.6, ¿cuál es Septiembre 21 33
la proyección de pacientes? PX
Octubre 15 23
• • • 4.41 Se cree que los viajes en autobús y tren subterráneo Noviembre 12 26
durante los meses de verano en Londres están estrechamente rela- Diciembre 14 17
cionados con el número de turistas que visitan la ciudad. Durante
los últimos 12 años se han obtenido los siguientes datos:
Para planear una expansión y acordar el préstamo de energía con
otras compañías de servicio público durante los periodos pico, Des
Número de Moines necesita estar en posibilidad de pronosticar la demanda de
Año turistas Número de viajes cada mes para el próximo año. Sin embargo, los modelos de pronós-
(meses de verano) (en millones) (en millones) tico estándar analizados en este capítulo no se ajustan a los datos
1 7 1.5 observados durante los 2 años.
2 2 1.0 a) ¿Cuáles son las debilidades de las técnicas de pronósticos están-
3 6 1.3 dar al aplicarse a esta serie de datos?
4 4 1.5 b) Como los modelos conocidos no son realmente apropiados para
5 14 2.5 este caso, haga una propuesta para aproximarse al pronóstico.
6 15 2.7 Aunque no existe una solución perfecta para manejar datos de
7 16 2.4 este tipo (en otras palabras, no existen respuestas que sean un
8 12 2.0 100% correctas o incorrectas), justifique su modelo.
c) Pronostique la demanda para cada mes del próximo año con el
9 14 2.7
modelo que usted propuso.
10 20 4.4
11 15 3.4 • • • 4.43 En la tabla siguiente se muestran las llamadas de emer-
12 7 1.7 gencia hechas al sistema 911 durante las últimas 24 semanas en
Gainesville, Florida:
a) Grafique estos datos y decida si es razonable emplear el modelo
lineal.
Semana 1 2 3 4 5 6 7 8 9 10 11 12
b) Desarrolle una relación de regresión.
c) ¿Cuál es el número de viajes esperado si en un año visitan Llamadas 50 35 25 40 45 35 20 30 35 20 15 40
Londres 10 millones de turistas? Semana 13 14 15 16 17 18 19 20 21 22 23 24
d) Explique el comportamiento de los viajes pronosticados si no Llamadas 55 35 25 55 55 40 35 60 75 50 40 65
hubiera turistas.
e) ¿Cuál es el error estándar de la estimación? a) Calcule el pronóstico suavizado exponencialmente de las lla-
f) ¿Cuáles son el coeficiente de correlación y el coeficiente de madas para cada semana. Suponga un pronóstico inicial de 50
determinación del modelo? PX llamadas en la primera semana, y use α = .2. ¿Cuál es el pronós-
tico para la semana 25?
b) Pronostique de nuevo cada periodo usando α = .6.
c) Las llamadas reales durante la semana 25 fueron 85. ¿Qué cons-
tante de suavizamiento proporciona un pronóstico superior?
Explique y justifique la medida de error que use. PX
• • • 4.47 La empresa City Cycles acaba de comenzar a vender la Año Depósitosa PEBb Año Depósitosa PEBb
nueva bicicleta de montaña Z-10, con las ventas mensuales que se 1964 .25 .4 1986 6.2 2.5
muestran en la tabla siguiente. Primero, el copropietario Amit 1965 .24 .4 1987 4.1 2.8
quiere pronosticar con suavizamiento exponencial estableciendo 1966 .24 .5 1988 4.5 2.9
inicialmente el pronóstico de febrero igual a las ventas de enero con 1967 .26 .7 1989 6.1 3.4
α = .1. La copropietaria Bárbara quiere usar un promedio móvil de
1968 .25 .9 1990 7.7 3.8
tres periodos.
1969 .30 1.0 1991 10.1 4.1
Error de Error de 1970 .31 1.4 1992 15.2 4.0
Ventas Amit Barbara Amit Bárbara 1971 .32 1.7 1993 18.1 4.0
1972 .24 1.3 1994 24.1 3.9
Enero 400 — 1973 .26 1.2 1995 25.6 3.8
Febrero 380 400 1974 .25 1.1 1996 30.3 3.8
Marzo 410 1975 .33 .9 1997 36.0 3.7
1976 .50 1.2 1998 31.1 4.1
Abril 375
1977 .95 1.2 1999 31.7 4.1
Mayo 1978 1.70 1.2 2000 38.5 4.0
1979 2.3 1.6 2001 47.9 4.5
a) ¿Existe una tendencia lineal fuerte en las ventas a través del
1980 2.8 1.5 2002 49.1 4.6
tiempo?
b) Complete la tabla con las cifras que Amit y Bárbara pronostican 1981 2.8 1.6 2003 55.8 4.5
separadamente para mayo y los meses anteriores. 1982 2.7 1.7 2004 70.1 4.6
c) Suponga que las ventas reales para mayo resultan ser de 405. 1983 3.9 1.9 2005 70.9 4.6
Complete las columnas de la tabla y luego calcule la desviación 1984 4.9 1.9 2006 79.1 4.7
absoluta media para los métodos de Amit y Bárbara. 1985 5.3 2.3 2007 94.0 5.0
d) Con base en estos cálculos, ¿cuál método parece ser más pre-
aEn
ciso? PX millones de dólares.
bEn miles de millones de dólares.
•• 4.48 Sundar Balakrishnan, gerente general de Precision
Engineering Corporation (PEC), cree que los servicios de ingeniería a) Primero utilice suavizamiento exponencial con α = .6, después
de las empresas de construcción de carreteras que contratan a su análisis de tendencia, y por último regresión lineal para analizar
compañía se relacionan directamente con el volumen de negocios cuál modelo de pronóstico es mejor para el plan estratégico de
de construcción de carreteras que contrata a las compañías ubicadas Salinas. Justifique la elección de un modelo sobre el otro.
en su área geográfica. Se pregunta si realmente es de esta forma, y si b) Examine cuidadosamente los datos. ¿Podría excluirse parte de la
lo es, ¿le ayudaría esta información a planear mejor sus operaciones información? ¿Por qué? ¿Cambiaría esto la elección del mo-
pronosticando la cantidad de sus servicios de ingeniería requeridos delo? PX
por las empresas de construcción en cada trimestre del año? En la