SEMINARIO TALLER TEORICO PRACTICO I

Integrantes:

Doc. Ing. Rick Kevin Acosta Vega

Universidad Del Magdalena

Facultad de Ingeniería

Ingeniería Industrial

Santa Marta

2019 - 1

Taller II

Seminario I (Estadística 4)

1. ¿Qué técnica de pronóstico revisa constantemente el estimado a la luz de

las experiencias más recientes?

R// La suavización exponencial simple

2. ¿Cuál técnica de pronósticos usa el valor del período actual como base del
pronóstico para el siguiente período?

R// Promedio móvil de orden 1, MA(1).

3. ¿Cuál es la técnica de pronósticos que concede el mismo peso a cada

observación?

R// Promedios móviles

4. ¿Cuáles técnicas de pronósticos deben utilizarse si los datos muestran

una tendencia?

R// Promedios móviles y el método informal

5. ¿Cuáles técnicas de pronósticos deben utilizarse si los son estacionales?

R// Promedios simples

6. Un fabricante que se especializa en refacciones no tiene sistema de

pronósticos y fabrica sus productos con base en las últimas ventas
mensuales, están disponibles los datos de 24 meses de venta y se
presentan en la tabla

Mes Venta 2005 Mes2 Venta 2006

Enero 430 Enero 442
Febrero 420 Febrero 449
Marzo 436 Marzo 458
Abril 452 Abril 472
Mayo 477 Mayo 463
Junio 420 Junio 431
Julio 398 Julio 400
Agosto 501 Agosto 487
Septiembre 514 Septiembre 503
Octubre 532 Octubre 503
Noviembre 512 Noviembre 548
Diciembre 410 Diciembre 432

a) Grafique los de ventas como una serie de tiempo. ¿Los datos son
estacionales?
 540
520
500
480
460
Venta 2005
440
Venta 2006
420
400
380

R// Los datos se logran estacionar para el mes 7, donde ocurre un incremento de
las ventas en ese mes, así mismo, para el mes 12, los datos son estacionales,
puesto que ocurre un descenso simultaneo en ambos años de las ventas realizadas
en ese mes.

b) Use un modelo informal para generar pronósticos de ventas mensuales.

Calcule el MAPE

Ventas Pronostico Yt Error de pronosticos et

430
420 430 -10
436 420 16
452 436 16
477 452 25
420 477 -57
398 420 -22
501 398 103
514 501 13
532 514 18
512 532 -20
410 512 -102
442 410 32
449 442 7
458 449 9
472 458 14
 463 472 -9
431 463 -32
400 431 -31
487 400 87
503 487 16
503 503 0
548 503 45
432 548 -116

MAPE = 8%
|et| |et|/Yt

10 0,02
16 0,04
16 0,04
25 0,05
57 0,14
22 0,06
103 0,21
13 0,03
18 0,03
20 0,04
102 0,25
32 0,07
7 0,02
9 0,02
14 0,03
9 0,02
32 0,07
31 0,08
87 0,18
16 0,03
0 0,00
45 0,08
116 0,27
Total 1,76

c) Use suavización exponencial simple con una constante de suavización

de 0.5 y un valor inicial de 430 para producir pronósticos mensuales.
Calcule el MAPE
 Tiempo Columna1 Valor real Valor suavizado Error de pronostico
Año Meses Yt Ŷ,(α=0.1) et
2005 Enero 430 430,00 0,00
Febrero 420 430,00 -10,00
Marzo 436 425,00 11,00
Abril 452 430,50 21,50
Mayo 477 441,25 35,75
Junio 420 459,13 -39,13
Julio 398 439,56 -41,56
Agosto 501 418,78 82,22
Septiembre 514 459,89 54,11
Octubre 532 486,95 45,05
Noviembre 512 509,47 2,53
Diciembre 410 510,74 -100,74
2006 Enero 442 460,37 -18,37
Febrero 449 451,18 -2,18
Marzo 458 450,09 7,91
Abril 472 454,05 17,95
Mayo 463 463,02 -0,02
Junio 431 463,01 -32,01
Julio 400 447,01 -47,01
Agosto 487 423,50 63,50
Septiembre 503 455,25 47,75
Octubre 503 479,13 23,87
Noviembre 548 491,06 56,94
Diciembre 432 519,53 -87,53

|et|/Yt
|et|
0,00
0,00
0,02
10,00
0,03
11,00
0,05
21,50
0,07
35,75
0,09
39,13
0,10
41,56
 0,16
82,22
0,11
54,11
0,08
45,05
0,00
2,53
0,25
100,74
0,04
18,37
0,00
2,18
0,02
7,91
0,04
17,95
0,00
0,02
0,07
32,01
0,12
47,01
0,13
63,50
0,09
47,75
0,05
23,9
0,10
56,9
0,20
87,5
1,85
total
8%
MAPE

d) Se concluye que los pronósticos de ventas según ambos métodos son

confiables, seguramente las ventas para los siguientes períodos oscilaran
alrededor de estos valores, considerando el porcentaje de error que es
relativamente pequeño, de 8% para ambos casos.

7. La General American Investors Company, una compañía de administración

de inversiones, invierte principalmente en acciones de mediana y alta
calidad. Jim Campbell está estudiando el valor de sus activos por acción
 para esta compañía y le gustaría pronosticar esta variable para los
trimestres restantes de 1996. Los datos se presentan en la tabla.
Evalúe la capacidad para pronosticar el valor de los activos por acción
de los siguientes métodos de pronósticos: informal, promedio móvil y
suavización exponencial.

Tiempo
Año Trimestre Activos
1985 1 16,98
2 18,47
3 17,63
4 20,65
1986 1 21,95
2 23,85
3 20,44
4 19,29
1987 1 22,75
2 23,94
3 24,84
4 16,7
1988 1 18,04
2 19,19
3 18,97
4 17,03
1989 1 18,23
2 19,8
3 22,89
4 21,41
1990 1 21,56
2 25,05
3 20,33
4 20,6
1991 1 25,33
2 26,06
3 28,89
4 30,6
1992 1 27,44
2 26,69
3 28,71
4 28,56
1993 1 25,87
 2 24,96
3 77,61
4 24,75
1994 1 23,32
2 22,61
3 24,08
4 22,31
1995 1 22,67
2 23,52
3 25,41
4 23,94
1996 1 25,68
2
3
4

 Método Informal

Trimestres Activos Pronósticos Error |et| |et|/Yt

1 16,98
2 18,47
3 17,63
4 20,65
1 21,95
2 23,85 19,71 4,14 4,14 0,17
3 20,44 18,98 1,47 1,47 0,07
4 19,29 21,35 -2,06 2,06 0,11
1 22,75 21,61 1,14 1,14 0,05
2 23,94 24,05 -0,11 0,11 0,00
3 24,84 20,46 4,38 4,38 0,18
4 16,7 20,39 -3,69 3,69 0,22
1 18,04 22,10 -4,06 4,06 0,23
2 19,19 22,76 -3,57 3,57 0,19
3 18,97 23,65 -4,68 4,68 0,25
4 17,03 15,23 1,80 1,80 0,11
1 18,23 18,12 0,11 0,11 0,01
2 19,8 19,24 0,56 0,56 0,03
3 22,89 19,12 3,77 3,77 0,16
4 21,41 18,01 3,40 3,40 0,16
1 21,56 19,33 2,24 2,24 0,10
2 25,05 20,63 4,42 4,42 0,18
 3 20,33 24,20 -3,87 3,87 0,19
4 20,6 20,77 -0,17 0,17 0,01
1 25,33 21,36 3,97 3,97 0,16
2 26,06 25,99 0,07 0,07 0,00
3 28,89 20,58 8,31 8,31 0,29
4 30,6 22,74 7,86 7,86 0,26
1 27,44 27,83 -0,39 0,39 0,01
2 26,69 26,59 0,10 0,10 0,00
3 28,71 29,05 -0,34 0,34 0,01
4 28,56 30,56 -2,00 2,00 0,07
1 25,87 26,93 -1,06 1,06 0,04
2 24,96 26,30 -1,34 1,34 0,05
3 77,61 28,28 49,33 49,33 0,64
4 24,75 40,79 -16,04 16,04 0,65
1 23,32 24,92 -1,60 1,60 0,07
2 22,61 24,32 -1,71 1,71 0,08
3 24,08 77,02 -52,94 52,94 2,20
4 22,31 11,37 10,94 10,94 0,49
1 22,67 22,71 -0,04 0,04 0,00
2 23,52 22,45 1,07 1,07 0,05
3 25,41 24,31 1,10 1,10 0,04
4 23,94 22,64 1,30 1,30 0,05
1 25,68 23,08 2,60 2,60 0,10
2 24,27 -24,27 24,27
3 19,53 -19,53 19,53
4 17,59 -17,59 17,59
Total 7,67
MAPE 18%

 Suavización Exponencial

Trimestres Valor real Yt Valor suavizado Error de pronostico

1 16,98 16,98 0,00
2 18,47 16,98 1,49
3 17,63 17,13 0,50
4 20,65 17,18 3,47
1 21,95 17,53 4,42
2 23,85 17,97 5,88
3 20,44 18,56 1,88
4 19,29 18,75 0,54
1 22,75 18,80 3,95
 2 23,94 19,19 4,75
3 24,84 19,67 5,17
4 16,7 20,19 -3,49
1 18,04 19,84 -1,80
2 19,19 19,66 -0,47
3 18,97 19,61 -0,64
4 17,03 19,55 -2,52
1 18,23 19,30 -1,07
2 19,8 19,19 0,61
3 22,89 19,25 3,64
4 21,41 19,61 1,80
1 21,56 19,79 1,77
2 25,05 19,97 5,08
3 20,33 20,48 -0,15
4 20,6 20,46 0,14
1 25,33 20,48 4,85
2 26,06 20,96 5,10
3 28,89 21,47 7,42
4 30,6 22,21 8,39
1 27,44 23,05 4,39
2 26,69 23,49 3,20
3 28,71 23,81 4,90
4 28,56 24,30 4,26
1 25,87 24,73 1,14
2 24,96 24,84 0,12
3 77,61 24,85 52,76
4 24,75 30,13 -5,38
1 23,32 29,59 -6,27
2 22,61 28,96 -6,35
3 24,08 28,33 -4,25
4 22,31 27,90 -5,59
1 22,67 27,34 -4,67
2 23,52 26,88 -3,36
3 25,41 26,54 -1,13
4 23,94 26,43 -2,49
1 25,68 26,18 -0,50
2 26,13 -26,13
3 23,52 -23,52
4 21,16 -21,16

|et| |et|/Yt
 0,00 0,00
1,49 0,08
0,50 0,03
3,47 0,17
4,42 0,20
5,88 0,25
1,88 0,09
0,54 0,03
3,95 0,17
4,75 0,20
5,17 0,21
3,49 0,21
1,80 0,10
0,47 0,02
0,64 0,03
2,52 0,15
1,07 0,06
0,61 0,03
3,64 0,16
1,80 0,08
1,77 0,08
5,08 0,20
0,15 0,01
0,14 0,01
4,85 0,19
5,10 0,20
7,42 0,26
8,39 0,27
4,39 0,16
3,20 0,12
4,90 0,17
4,26 0,15
1,14 0,04
0,12 0,00
52,76 0,68
5,38 0,22
6,27 0,27
6,35 0,28
4,25 0,18
5,59 0,25
4,67 0,21
 3,36 0,14
1,13 0,04
2,49 0,10
0,50 0,02
26,13
23,52
21,16
Total 6,53
MAPE 14%

 Promedio Móvil

Año Trimestre Activos Pronosticos Yt et

1985 1 16,98 16,98
2 18,47 18,47
3 17,63 17,63
4 20,65 20,65
1986 1 21,95 21,95
2 23,85 19,136 4,714
3 20,44 20,51 -0,07
4 19,29 20,904 -1,614
1987 1 22,75 21,236 1,514
2 23,94 21,656 2,284
3 24,84 22,054 2,786
4 16,7 22,252 -5,552
1988 1 18,04 21,504 -3,464
2 19,19 21,254 -2,064
3 18,97 20,542 -1,572
4 17,03 19,548 -2,518
1989 1 18,23 17,986 0,244
2 19,8 18,292 1,508
3 22,89 18,644 4,246
4 21,41 19,384 2,026
1990 1 21,56 19,872 1,688
2 25,05 20,778 4,272
3 20,33 22,142 -1,812
4 20,6 22,248 -1,648
1991 1 25,33 21,79 3,54
2 26,06 22,574 3,486
3 28,89 23,474 5,416
4 30,6 24,242 6,358
 1992 1 27,44 26,296 1,144
2 26,69 27,664 -0,974
3 28,71 27,936 0,774
4 28,56 28,466 0,094
1993 1 25,87 28,4 -2,53
2 24,96 27,454 -2,494
3 77,61 26,958 50,652
4 24,75 37,142 -12,392
1994 1 23,32 36,35 -13,03
2 22,61 35,302 -12,692
3 24,08 34,65 -10,57
4 22,31 34,474 -12,164
1995 1 22,67 23,414 -0,744
2 23,52 22,998 0,522
3 25,41 23,038 2,372
4 23,94 23,598 0,342
1996 1 25,68 23,57 2,11
2 24,244 -24,244
3 19,71 -19,71
4 15,006 -15,006

|et| |et|/Yt
16,98
18,47
17,63
20,65
21,95
4,71 0,20
0,07 0,00
1,61 0,08
1,51 0,07
2,28 0,10
2,79 0,11
5,55 0,33
3,46 0,19
2,06 0,11
1,57 0,08
2,52 0,15
0,24 0,01
1,51 0,08
4,25 0,19
 2,03 0,09
1,69 0,08
4,27 0,17
1,81 0,09
1,65 0,08
3,54 0,14
3,49 0,13
5,42 0,19
6,36 0,21
1,14 0,04
0,97 0,04
0,77 0,03
0,09 0,00
2,53 0,10
2,49 0,10
50,65 0,65
12,39 0,50
13,03 0,56
12,69 0,56
10,57 0,44
12,16 0,55
0,74 0,03
0,52 0,02
2,37 0,09
0,34 0,01
2,11 0,08
24,24
19,71
15,01
Total 6,69

MAPE 16%

R// Lo más aconsejable es utilizar el método informal, puesto arroja un menor

porcentaje de error.

8. Southdown, Inc., el tercer productor de cemento más grande de Estados Unidos,

está impulsando un programa de quema de residuos de combustible. El costo
para Southdown totalizará cerca de los $37 millones. Por esta razón, es
 extremadamente importante para la compañía tener un pronóstico exacto de los
ingresos para el primer trimestre de 2000.Los datos se presentan en la tabla P-13.
a) Use suavización exponencial con una constante de suavización de .4 y un valor
inicial de 77.4 para pronosticar los ingresos trimestrales del primer trimestre de 2000.
Datos Trimestre
Longitud 56

Constante de suavización Medidas de exactitud

α 0,4 MAPE 14,11
MAD 24,05
MSD 1172,56

Pronósticos
Período Pronóstico Inferior Superior
57 326,367 267,453 385,282
58 326,367 267,453 385,282
59 326,367 267,453 385,282

b) Use ahora una constante de suavización de .4 y un valor inicial de 77,4 para

pronosticar los ingresos trimestrales del primer trimestre de 2000.

Datos Trimestre
 Longitud 56

Constante de suavización Medidas de exactitud

α 0,6 MAPE 14,76
MAD 24,62
MSD 1079,07

Resumen del modelo

Tiempo Trimestre Suavizar Predecir Error
1 77,4 80,087 84,117 -6,717
2 88,8 85,315 80,087 8,713
3 92,1 89,386 85,315 6,785
4 79,8 83,634 89,386 -9,586
5 77,5 79,954 83,634 -6,134
6 89,1 85,441 79,954 9,146
7 92,4 89,617 85,441 6,959
8 80,1 83,907 89,617 -9,517
9 74,7 78,383 83,907 -9,207
10 185,2 142,473 78,383 106,817
11 162,4 154,429 142,473 19,927
12 178,1 168,632 154,429 23,671
13 129,1 144,913 168,632 -39,532
14 158,4 153,005 144,913 13,487
15 160,6 157,562 153,005 7,595
16 138,7 146,245 157,562 -18,862
17 127,2 134,818 146,245 -19,045
18 149,8 143,807 134,818 14,982
19 151,7 148,543 143,807 7,893
20 132,9 139,157 148,543 -15,643
21 103,0 117,463 139,157 -36,157
22 136,8 129,065 117,463 19,337
23 141,3 136,406 129,065 12,235
24 123,5 128,662 136,406 -12,906
25 107,3 115,845 128,662 -21,362
26 136,1 127,998 115,845 20,255
 27 138,6 134,359 127,998 10,602
28 123,7 127,964 134,359 -10,659
29 106,1 114,845 127,964 -21,864
30 144,4 132,578 114,845 29,555
31 156,1 146,691 132,578 23,522
32 138,2 141,597 146,691 -8,491
33 111,8 123,719 141,597 -29,797
34 149,8 139,367 123,719 26,081
35 158,5 150,847 139,367 19,133
36 141,8 145,419 150,847 -9,047
37 119,1 129,628 145,419 -26,319
38 158,0 146,651 129,628 28,372
39 170,4 160,900 146,651 23,749
40 151,8 155,440 160,900 -9,100
41 127,4 138,616 155,440 -28,040
42 178,2 162,366 138,616 39,584
43 189,3 178,527 162,366 26,934
44 169,5 173,111 178,527 -9,027
45 151,4 160,084 173,111 -21,711
46 187,2 176,354 160,084 27,116
47 199,2 190,061 176,354 22,846
48 181,4 184,865 190,061 -8,661
49 224,9 208,886 184,865 40,035
50 317,7 274,174 208,886 108,814
51 341,4 314,510 274,174 67,226
52 300,7 306,224 314,510 -13,810
53 244,9 269,430 306,224 -61,324
54 333,4 307,812 269,430 63,970
55 370,0 345,125 307,812 62,188
56 326,7 334,070 345,125 -18,425

Pronósticos
Período Pronóstico Inferior Superior
57 334,070 273,763 394,377
58 334,070 273,763 394,377
 59 334,070 273,763 394,377

C) ¿Qué constante de suavización ofrece el mejor pronóstico?

La constante de suavización que ofrece el mejor pronóstico es la de 0,6, lo que quiere decir
que entre más grande sea la constante menor será el error de pronóstico.

9. Liste alguna de las técnicas de pronósticos que deban considerarse cuando se

está pronosticando una serie ESTACIONARIA. De ejemplos de situaciones en que
dichas técnicas seria aplicables.
R// El pronóstico de serie estacionaria acobija el uso de la historia para estimar su valor
promedio, de manera que se convierte en el pronóstico de valores futuros.

Para analizar una serie estacionaria la técnica más adecuada comprenden la actualización
de la estimación, métodos de promedio simple, promedios móviles. Ejemplos

 Cuando no son confiables las estimaciones iniciales

 Cuando la estabilidad del promedio es cuestionable
 Cuando se necesita transformar una serie x a una serie estable

10. Liste alguna de las técnicas de pronósticos que deban considerarse cuando se
está pronosticando una serie de TENDENCIA. Mencione ejemplo de situaciones
en que dichas técnicas seria aplicables.
 R// El pronóstico de una serie de tendencia consiste en un crecimiento o decrecimiento
constante de larga duración. Además el nivel de la serie no es constante.

Para analizar una serie de tendencia las técnicas se pueden aplicar técnicas como método
exponencial, regresión lineal, entre otros. Ejemplos

 El poder de compra de la moneda afecta las variables debido a la inflación: los

salarios, los de producción, los precios, etc.
 Aumento de aceptación del mercado: periodo de crecimiento en el ciclo de vida de
un producto nuevo.

11. Liste alguna de las técnicas de pronósticos que deban considerarse cuando se
está pronosticando una serie de ESTACIONAL. Mencione ejemplo de situaciones
en que dichas técnicas seria aplicables.
R// El des de una técnica de pronóstico estacional comprende la selección de un método
multiplicativo o uno de adicción y tener en cuenta la historia de la serie.

Para analizar una serie estacional se pueden aplicar técnicas como: la descomposición
clásica, regresión múltiple de series de tiempo, métodos de Box-Jenkins, entre otros.
Ejemplos

 El clima influye en ciertas variables: consumo de energía eléctrica, actividades de

invierno y verano, etc.
 El año calendario: fines de semana de tres días, ventas al menudeo influidas por
días festivos, calendarios académicos.

12. Liste algunas técnicas de pronóstico que deban considerarse cuando se está
pronosticando una serie cíclica. Mencione ejemplos en que dichas técnicas serian
aplicables.

R/ Es un poco complejo establecer un modelo para pronosticar una serie cíclica ya que
estas no son estables. Ya que por las continuas fluctuaciones hacia arriba y hacia abajo
alrededor de la tendencia rara vez que se repiten en intervalos fijos de tiempo.

Para analizar una serie cíclica se pueden aplicar técnicas como: la descomposición
clásica, la regresión múltiple, los indicadores económicos, entre otros. Ejemplos:

 Cambios de gusto popular: la moda, la música, la comida etc.

 Cambios en la población: las guerras, las epidemias, desastres naturales, etc.
 Negocios en variables de interés: factores económicos, de mercado y competitivos.

13. En la tabla P-13, se presenta el número de matrimonios en Estados Unidos.

Calcule las primeras diferencias para tales datos. Grafique los datos originales y
 los datos de diferencia como una serie de tiempo. ¡Hay tendencia en cualquiera
de estas series? Explique su respuesta.

a) Calcule las autocorrelaciones para los retrasos de tiempo 1 y 2. Haga una prueba
para determinar si estos coeficientes de autocorrelación son significativamente
diferentes de cero, para el nivel de significancia de 0,05
14. Calcule un intervalo de confianza de 95% para el coeficiente de autocorrelacion
para el retraso de tiempo 1 para una serie que contiene 80 elementos.
15. ¿Qué medida del pronóstico debería usarse en cada una de las siguientes
situaciones?

a) el analista necesita determinar si el método de elaboración del pronóstico tiene un

sesgo: La medida de precisión de pronóstico que debe utilizar es la MPE

b) El analista cree que el tamaño o la magnitud de la variable del pronóstico es

importante en la evaluación de la exactitud de éste: La medida de precisión de
pronóstico que debe utilizar es la RMSE

c) El analista necesita sancionar errores grandes del pronóstico: La medida que debe
utilizar es la Auto correlación y el MAPE.