CAPITULO 4: PRONOSTICOS

Problema 5 El hospital Carbondale est considerando comprar una nueva ambulancia. La

decisin depender, en parte, del nmero de millas que deber recorrerse el prximo ao. Las
millas recorridas durante los 5 aos anteriores son como sigue:

Ao Numero de Millas
1 3000
2 4000
3 3400
4 3800
5 3700

Solucin:

a) Pronostique el nmero de millas para el prximo ao usando un promedio mvil de 2 aos.

Ao Numero de Millas Pronostico
1 3000 -
2 4000 -
3 3400 (3000+4000)/2 = 3500
4 3800 (4000+3400)/2 = 3700
5 3700 (3400+3800)/2 = 3600
6 (3800+3700)/2 = 3750

Respuesta: El nmero de millas pronosticado para el prximo ao es de 3750.

b) Encuentre la MAD para el pronstico con promedio mvil de 2 aos.

Ao Numero de Millas Pronostico Desviacin
1 3000 -
2 4000 -
3 3400 3500 100
4 3800 3700 100
5 3700 3600 100
6 3750

( )

Respuesta: La desviacin absoluta media (MAD) para el pronstico con promedio mvil es de
100.

c) Use un promedio mvil ponderado de 2 aos con ponderaciones de 0.4 y 0.6 para pronosticar
el nmero de millas para el prximo ao. Qu MAD resulta del uso de este mtodo de
pronstico?

Ponderacin Periodo
0.4 Ao ms antiguo
0.6 Ao ms Reciente

Ao Numero de
Millas
Pronostico Desviaciones
1 3000 -
2 4000 -
3 3400 0.4(3000) + 0.6(4000) = 3600 200
4 3800 0.4(4000) + 0.6(3400) = 3640 160
5 3700 0.4(3400) + 0.6(3800) = 3640 60
6 0.4(3800) + 0.6(3700) = 3740

( )

Respuesta: El nmero de millas pronosticado para el prximo ao, usando un promedio mvil
ponderado, es de 3740. El MAD usando este mtodo es de 140.

d) Calcule el pronstico para el ao 6 usando suavizamiento exponencial, un pronstico inicial
para el ao 1 de 3,000 millas, y = 0.5.

)

Ft : nuevo pronstico
Ft1 : pronstico del periodo anterior
: constante de suavizamiento
At1 : demanda real en el periodo anterior

Ao Numero de Millas Pronostico para = 0.5
1 3000 F1 = 3000
2 4000 F2 = 3000 + 0.5(3000-3000) = 3000
3 3400 F3 = 3000 + 0.5(4000-3000) = 3500
4 3800 F4 = 3500 + 0.5(3400-3500) = 3450
5 3700 F5 = 3450 + 0.5(3800-3450) = 3625
6 F6 = 3625 + 0.5(3700-3625) = 3662.5

Respuesta: El nmero de millas pronosticado para el ao 6, usando un mtodo de suavizamiento
exponencial, es 3662.5

Problema 4.19 Los ingresos en el despacho de abogados Smith and Wesson para el periodo de
febrero a julio han sido como sigue:

Mes Ingreso (en miles)
Febrero 70.0
Marzo 68.5
Abril 64.8
Mayo 71.7
Junio 71.3
Julio 72.8
Agosto

Use suavizamiento exponencial con ajuste de tendencia para pronosticar el ingreso de agosto para
este despacho de abogados. Suponga que el pronstico inicial para febrero es de 65,000 dlares y
el ajuste de tendencia inicial es de 0. Las constantes de suavizamiento seleccionadas son =0.1 y
=0.2.

Solucin:

) ( )(

) ( )(

)

Ft : pronstico suavizado exponencialmente de la serie de datos incluidos en el periodo t.
Tt : tendencia suavizada exponencialmente en el periodo t
At : demanda real en el periodo t
: constante de suavizamiento para el promedio
: constante de suavizamiento para la tendencia

)

FITt : pronstico incluyendo la tendencia

Pronostico suavizado, Ft Tendencia suavizada, Tt FITt
F2=0.1(70)+(1-0.1)(65+0)=65.5 T2=0.2(65.5-65)+(1-0.2)0=0.1 65.6
F3=0.1(68.5)+(1-0.1)(65.5+0.1)=65.89 T3=0.2(65.89-65.5)+(1-0.2)0.1=0.16 66.05
F4=0.1(64.8)+(1-0.1)(65.89+0.16)=65.93 T4=0.2(65.93-65.89)+(1-0.2)0.16=0.14 66.07
F5=0.1(71.7)+(1-0.1)(65.93+0.14)=66.63 T5=0.2(66.63-65.93)+(1-0.2)0.14=0.25 67.18
F6=0.1(71.3)+(1-0.1)(66.63+0.25)=67.32 T6=0.2(67.32-66.63)+(1-0.2)0.25=0.34 67.66
F7=0.1(72.8)+(1-0.1)(67.32+0.34)=68.17 T7=0.2(68.17-67.32)+1(0.2)0.34=0.44 68.61

Mes Ingreso (en miles) Ft Tt FITt
Febrero 70.0 65 0 65
Marzo 68.5 65.5 0.1 65.6
Abril 64.8 65.89 0.16 66.05
Mayo 71.7 65.93 0.14 66.07
Junio 71.3 66.63 0.25 67.18
Julio 72.8 67.32 0.34 67.66
Agosto 68.17 0.44 68.61

Respuesta: El ingreso de agosto para este despacho de abogados ser de 68,610 mil

Problema 4.26 En el pasado, la distribuidora Arup Mukherjee vendi un promedio de 1,000
llantas radiales cada ao. En los dos aos anteriores vendi 200 y 250, respectivamente, durante
el otoo, 350 y 300 en invierno, 150 y 165 en primavera, y 300 y 285 en verano. Con una
ampliacin importante en puerta, Mukherjee proyecta que las ventas se incrementarn el prximo
ao a 1,200 llantas radiales. Cul ser la demanda en cada estacin?

Estacin
Ao
1 2
Otoo 200 250
Invierno 350 300
Primavera 150 165
Verano 300 285
Total 1000 1000

Solucin:

Estacin
Ao Demanda Promedio
(aos anteriores)
Demanda Promedio
(estacin) 1 2
Otoo 200 250 (200+250)/2 = 225 250
Invierno 350 300 (350+300)/2 = 325 250
Primavera 150 165 (150+165)/2 = 157.5 250
Verano 300 285 (300+285)/2 = 292.5 250
Total 1000 1000 1000

Estacin ndice de Estacionalidad
Otoo (225/250) = 0.9
Invierno (325/250) = 1.3
Primavera (157.5/250) = 0.63
Verano (292.5/250) = 1.17

Ventas proyectadas para el prximo ao: 1200 llantas

Ao 3
Estacin I.E Ventas Promedio Pronostico
Otoo 0.9 300 300(0.9) = 270
Invierno 1.3 300 300(1.3) = 390
Primavera 0.63 300 300(0.63) = 189
Verano 1.17 300 300(1.17) = 351
1200 1200
Respuesta: La demanda para las estaciones otoo, invierno, primavera y verano del prximo ao
sern: 270, 390, 189 y 351 llantas respectivamente.

Problema 4.33 En la tabla siguiente se muestra el nmero de transistores (en millones)
fabricados en una planta de Japn durante los ltimos 5 aos:

Ao Transistores
1 140
2 160
3 190
4 200
5 210

a) Usando regresin lineal, pronostique el nmero de transistores que se fabricara el prximo
ao.

Y X X
2
XY Y
2

140 1 1 140 19600
160 2 4 320 25600
190 3 9 570 36100
200 4 16 800 40000
210 5 25 1050 44100
900 15 55 2880 165400

()()
()

()

Respuesta: Demanda en el ao 6 = 126 +18(6) = 234 millones de transistores

b) Calcule el error cuadrtico medio (MSE) cuando use la regresin lineal.

MSE = S
2
y, x

S
y, x
= Error estndar de la estimacin

() ()



Respuesta: el error cuadrtico medio (MSE) = 6.32
2
= 39.94

c) Calcule el error porcentual absoluto medio (MAPE).

Ao Transistores Pronostico Error porcentual absoluto
1 140 126+18(1)=144 100(4/140)=2.86%
2 160 126+18(2)=162 100(2/160)=1.25%
3 190 126+18(3)=180 100(10/190)=5.26%
4 200 126+18(4)=198 100(2/200)=1%
5 210 126+18(5)=216 100(6/210)=2.86%

Respuesta: El error porcentual absoluto MAPE = 2.65%

Problema 4.47 La empresa City Cycles acaba de comenzar a vender la nueva bicicleta de
montaa Z-10, con las ventas mensuales que se muestran en la tabla siguiente. Primero, el
copropietario Amit quiere pronosticar con suavizamiento exponencial estableciendo inicialmente
el pronstico de febrero igual a las ventas de enero con = 0.1. La copropietaria Brbara quiere
usar un promedio mvil de tres periodos.

Ventas Amit Brbara Error de Amit Error de Brbara
Enero 400 -
Febrero 380 400
Marzo 410
Abril 375
Mayo

Solucin:

a) Existe una tendencia lineal fuerte en las ventas a travs del tiempo?






Para analizar el grado o fuerza de relacin lineal entre 2 variables, es necesario hallar el
coeficiente de correlacin de estas.

()

)(

()

)



Mes Ventas
1 400
2 380
3 410
4 375
Reemplazando:

Respuesta: No existe una tendencia lineal de las ventas a travs del tiempo, debido a que su
coeficiente de correlacin es cercano a 0.

b) Complete la tabla con las cifras que Amit y Brbara pronostican separadamente para mayo y
los meses anteriores.

Respuesta:

Meses Ventas Pronostico de Amit
Enero 400 -
Febrero 380 400
Marzo 410 F3 = 400 + 0.1(380-400) = 398
Abril 375 F4 = 398 + 0.1(410-398) = 399.2
Mayo F5 = 399.2 + 0.1(375-399.2) = 396.78

Meses Ventas Pronostico de Brbara
Enero 400
Febrero 380
Marzo 410
Abril 375 (400+380+410)/3 = 396.67
Mayo (380+410+375)/3 = 388.33

c) Suponga que las ventas reales para mayo resultan ser de 405. Complete las columnas de la
tabla y luego calcule la desviacin absoluta media para los mtodos de Amit y Brbara.

Respuesta:

Ventas Amit Brbara Error de Amit Error de Brbara
Enero 400 - - - -
Febrero 380 400 - 20 -
Marzo 410 398 - 12 -
Abril 375 399.2 396.67 24.2 21.67
Mayo 405 396.78 388.33 8.22 16.67

Para Amit

( )

Para Brbara

( )

d) Con base en estos clculos, cul mtodo parece ser ms preciso?

Respuesta: En funcin a los valores de la desviacin absoluta media, el pronstico de Amit
parece ser ms preciso ya que es menor que el de Brbara.