UNIVERSIDAD DE CARTAGENA

CREAD CERETE
DIVISIÓN ACADÉMICA DE INGENIERIA DE SISTEMAS

TRABAJO
EJERCICIOS DE PRONOSTICOS

ASIGNATURA:

INVESTIGACION DE OPERACIONES II

PROFESOR:
MARCOS CASTRO

ALUMNO:
ENUAR MADRID LOZANO
ANA KARINA ALVARES LA VERDE
DANIEL DAVID CANTERO WILCHES

VII SEMESTRE

CÓRDOBA – CERETÉ
2019
EJERCICIOS DE MODELOS DE PRONOSTICOS: APLICAR TECNICA DE PROMEDIO MOVIL
SIMPLE, PROMEDIO, PROMEDIO MOVIL PONDERADO Y SUAVIZACION EXPONENCIAL
CON ALFA IGUAL 0,2. DE IGUAL FORMA APLICAR REGRESION LINEAL SIMPLE EN LOS
EJERCICIOS 1, 2, 3,4.
1.

2.

3.
4.
EJERCICIOS DE MODELOS DE PRONOSTICOS: TECNICA DE REGRESION LINEAL MULTIPLE
1. Una determinada cooperativa agrícola dedicada a la producción y comercialización de
fresas se plantea hacer un estudio para explicar el volumen de sus ventas (X1), expresadas en
millones de pesetas. Para ello, a partir de los datos semestrales obtenidos desde la creación
de la cooperativa, se plantea un modelo lineal usando como variables explicativas el gasto en
publicidad (X2), expresado en millones de pesetas, y el número de supermercados que
comercializan sus productos (X3). Seguidamente recogemos la información de la que dispone
la empresa:

Semestre X2 X3 X1
2º de 1994 1,5 15 13
1º de 1995 1,7 17 41
2º de 1995 2,0 19 16
1º de 1996 2,3 20 47
2º de 1996 2,5 23 19
1º de 1997 3,0 25 55
2º de 1997 3,5 26 22
1º de 1998 4,0 29 63
2º de 1998 4,3 31 25
1º de 1999 4,5 34 65
Desde tales cifras, responda a las siguientes cuestiones:
a) Determine el modelo de regresión planteado e interprete sus coeficientes, indicando
a su vez cuál es la capacidad explicativa del mismo.
b) A partir de los resultados obtenidos en el apartado anterior, ¿sugeriría usted que pueden
existir otras variables no tenidas en cuenta aquí y de importancia relevante para la
explicación de las ventas?
c) Bajo este modelo, ¿en cuánto se incrementarían las ventas en el segundo semestre
de 1999 (con respecto al segundo semestre de 1998) si los gastos en publicidad se
incrementasen en 500000 pesetas?
2. Del Instituto Nacional de Estadística se ha obtenido la siguiente información del año
2001 referida a 8 de las comunidades autónomas españolas, respecto al consumo
de agua en los hogares, donde las variables X1 = litros por habitante y día y X2 =
precio del m3 de agua en céntimos de euro y X3 = media de habitantes por hogar,
siendo los datos los siguientes:

X1 183 171 114 125 174 200 134 163

X2 64 59 145 166 53 48 95 50
X3 4’1 4’2 3’9 3’3 3 2’6 4’2 3’5

Desde esta información, responda a las siguientes cuestiones:

a) ¿Qué porcentaje de la variabilidad en el consumo de agua no viene explicado por
su precio?
b) ¿Cuánto se incrementa en términos absolutos el consumo de agua cuando se
aumenta en 1 céntimo el precio del m3 ?
c) ¿Qué consumo de agua se podría predecir si el precio del agua fuese de 3 euros
por cada m3 ? ¿Qué grado de confianza le merece tal predicción?
 d) Si el gobierno de la comunidad en la que el agua es más barata (0.48 €) decide
subir su precio un 1 %, ¿en qué porcentaje disminuiría el consumo de agua en
dicha comunidad?

SOLUCIÓN

 La cantidad de unidades de acondicionamiento de aire ventas durante los últimos 24

Mes Ventas Pronóstico ECUACION

1 25 N/A
2 15 N/A
3 30 N/A
4 38 24 ( 25 + 15 + 30 ) ∕ 3 = 23
5 58 28 ( 15 + 30 + 38 ) ∕ 3 = 28
6 62 42 ( 30 + 38 + 58 ) ∕ 3 = 42
7 85 53 ( 38 + 58 + 62 ) ∕ 3 = 53
8 88 69 ( 58 + 62 + 85 ) ∕ 3 = 68
9 60 79 ( 62 + 85 + 88 ) ∕ 3 = 78
10 40 78 ( 85 + 88 + 60 ) ∕ 3 = 78
11 40 63 ( 88 + 60 + 40 ) ∕ 3 = 63
12 38 47 ( 60 + 40 + 40 ) ∕ 3 = 47
13 40 40 ( 40 + 40 + 38 ) ∕ 3 = 39
14 35 40 ( 40 + 38 + 40 ) ∕ 3 = 39
15 50 38 ( 38 + 40 + 35 ) ∕ 3 = 38
16 60 42 ( 40 + 35 + 50 ) ∕ 3 = 42
17 66 49 ( 35 + 50 + 60 ) ∕ 3 = 48
18 90 59 ( 50 + 60 + 66 ) ∕ 3 = 59
19 105 72 ( 60 + 66 + 90 ) ∕ 3 = 72
20 85 87 ( 66 + 90 + 105 ) ∕ 3 = 87
21 60 94 ( 90 + 105 + 85 ) ∕ 3 = 93
22 55 84 ( 105 + 85 + 60 ) ∕ 3 = 83
23 50 67 ( 85 + 60 + 55 ) ∕ 3 = 67
24 45 55 ( 60 + 55 + 50 ) ∕ 3 = 55
50 ( 55 + 50 + 45 ) ∕ 3 = 50
meses aparece en la tabla 13.2. Analice los datos desde el punto de vista de la
aplicabilidad de la técnica del promedio móvil.
Promedio Movil Simple
Mes Ventas Pronóstico OPERACION
1 25 N/A
2 15 N/A
3 30 N/A
4 38 15 ( 0,4 x 30 ) + ( 0,4 x 15 ) + ( 0,2 x 25 ) = 15
5 58 19 ( 0,3 x 38 ) + ( 0,2 x 30 ) + ( 0,1 x 15 ) = 19
6 62 28 ( 0,3 x 58 ) + ( 0,2 x 38 ) + ( 0,1 x 30 ) = 28
7 85 34 ( 0,3 x 62 ) + ( 0,2 x 58 ) + ( 0,1 x 38 ) = 34
8 88 44 ( 0,3 x 85 ) + ( 0,2 x 62 ) + ( 0,1 x 58 ) = 44
9 60 50 ( 0,3 x 88 ) + ( 0,2 x 85 ) + ( 0,1 x 62 ) = 50
10 40 44 ( 0,3 x 60 ) + ( 0,2 x 88 ) + ( 0,1 x 85 ) = 44
11 40 33 ( 0,3 x 40 ) + ( 0,2 x 60 ) + ( 0,1 x 88 ) = 33
12 38 26 ( 0,3 x 40 ) + ( 0,2 x 40 ) + ( 0,1 x 60 ) = 26
13 40 23 ( 0,3 x 38 ) + ( 0,2 x 40 ) + ( 0,1 x 40 ) = 23
14 35 24 ( 0,3 x 40 ) + ( 0,2 x 38 ) + ( 0,1 x 40 ) = 24
15 50 22 ( 0,3 x 35 ) + ( 0,2 x 40 ) + ( 0,1 x 38 ) = 22
16 60 26 ( 0,3 x 50 ) + ( 0,2 x 35 ) + ( 0,1 x 40 ) = 26
17 66 32 ( 0,3 x 60 ) + ( 0,2 x 50 ) + ( 0,1 x 35 ) = 32
18 90 37 ( 0,3 x 66 ) + ( 0,2 x 60 ) + ( 0,1 x 50 ) = 37
19 105 46 ( 0,3 x 90 ) + ( 0,2 x 66 ) + ( 0,1 x 60 ) = 46
20 85 56 ( 0,3 x 105 ) + ( 0,2 x 90 ) + ( 0,1 x 66 ) = 56
21 60 56 ( 0,3 x 85 ) + ( 0,2 x 105 ) + ( 0,1 x 90 ) = 56
22 55 46 ( 0,3 x 60 ) + ( 0,2 x 85 ) + ( 0,1 x 105 ) = 46
23 50 37 ( 0,3 x 55 ) + ( 0,2 x 60 ) + ( 0,1 x 85 ) = 37
24 45 32 ( 0,3 x 50 ) + ( 0,2 x 55 ) + ( 0,1 x 60 ) = 32
30% 0,3 29 ( 0,3 x 45 ) + ( 0,2 x 50 ) + ( 0,1 x 55 ) = 29
20% 0,2
10% 0,1

 Promedio Móvil Ponderado

 Suavización exponencial
Mes Venta Pronóstic OPERACIÓN
s o
1 25 25
2 15 145 ( 0, x 25 ) + ( 1 - 0, ) x 25 = 145
2 2
3 30 57 ( 0, x 15 ) + ( 1 - 0, ) x 15 = 57
2 2
4 38 204 ( 0, x 30 ) + ( 1 - 0, ) x 30 = 204
2 2
5 58 319 ( 0, x 38 ) + ( 1 - 0, ) x 38 = 319
2 2
6 62 719 ( 0, x 58 ) + ( 1 - 0, ) x 58 = 719
2 2
7 85 818 ( 0, x 62 ) + ( 1 - 0, ) x 62 = 818
2 2
8 88 1513 ( 0, x 85 ) + ( 1 - 0, ) x 85 = 151
2 2 3
9 60 1619 ( 0, x 88 ) + ( 1 - 0, ) x 88 = 161
2 2 9
10 40 768 ( 0, x 60 ) + ( 1 - 0, ) x 60 = 768
2 2
11 40 352 ( 0, x 40 ) + ( 1 - 0, ) x 40 = 352
2 2
12 38 352 ( 0, x 40 ) + ( 1 - 0, ) x 40 = 352
2 2
13 40 319 ( 0, x 38 ) + ( 1 - 0, ) x 38 = 319
2 2
14 35 352 ( 0, x 40 ) + ( 1 - 0, ) x 40 = 352
2 2
15 50 273 ( 0, x 35 ) + ( 1 - 0, ) x 35 = 273
2 2
16 60 540 ( 0, x 50 ) + ( 1 - 0, ) x 50 = 540
2 2
17 66 768 ( 0, x 60 ) + ( 1 - 0, ) x 60 = 768
2 2
18 90 924 ( 0, x 66 ) + ( 1 - 0, ) x 66 = 924
2 2
19 105 1692 ( 0, x 90 ) + ( 1 - 0, ) x 90 = 169
2 2 2
20 85 2289 ( 0, x 10 ) + ( 1 - 0, ) x 10 = 228
2 5 2 5 9
21 60 1513 ( 0, x 85 ) + ( 1 - 0, ) x 85 = 151
2 2 3
22 55 768 ( 0, x 60 ) + ( 1 - 0, ) x 60 = 768
2 2
23 50 649 ( 0, x 55 ) + ( 1 - 0, ) x 55 = 649
2 2
24 45 540 ( 0, x 50 ) + ( 1 - 0, ) x 50 = 540
2 2
α= 441 ( 0, x 45 ) + ( 1 - 0, ) x 45 = 441
0,2 2 2
 Regresión Lineal Simple

Mes Ventas X*Y X^2

X Y
1 25 25 1
2 15 30 4
3 30 90 9
4 38 152 16
5 58 290 25
6 62 372 36
7 85 595 49
8 88 704 64
9 60 540 81
10 40 400 100
11 40 440 121
12 38 456 144
13 40 520 169
14 35 490 196
15 50 750 225
16 60 960 256
17 66 1122 289
18 90 1620 324
19 105 1995 361
20 85 1700 400
21 60 1260 441
22 55 1210 484
23 50 1150 529
24 45 1080 576
300 1320 17951 4900

𝑦(𝑥) = 𝑎 + 𝑏
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 𝑦
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2
∑𝑦 − 𝑏∑𝑥
𝑎=
𝑛
24 ∗ 17951 − 300 ∗ 1320 430824 − 396000 34824
𝑏= = = = 1.26173913
24 ∗ 4900 − 90000 117600 − 90000 27600

1320 − 1.3 ∗ 300 1320 − 378.5217 941.5

𝑎= = = = 39.2282609
24 24 24
𝑦(𝑥) = 39.2283 + 1.26174𝑥
  La tabla 13.3 muestra la cantidad de individuos que llegan a un centro turístico en
automóvil y en avión, durante un período de 10 años. Analice los datos desde el punto
de vista de la aplicabilidad de la técnica del promedio móvil.
 Promedio Movil Simple

Año Autos PRONOSTICO ECUACION

1980 1042 N/A

1981 1182 N/A

1982 1224 1112 ( 1042 + 1182 ) ∕ 2 = 1112

1983 1338 1203 ( 1182 + 1224 ) ∕ 2 = 1203

1984 1455 1281 ( 1224 + 1338 ) ∕ 2 = 1281

1985 1613 1397 ( 1338 + 1455 ) ∕ 2 = 1397

1986 1644 1534 ( 1455 + 1613 ) ∕ 2 = 1534

1987 1699 1629 ( 1613 + 1644 ) ∕ 2 = 1629

1988 1790 1672 ( 1644 + 1699 ) ∕ 2 = 1672

1989 1885 1745 ( 1699 + 1790 ) ∕ 2 = 1745

PMS = 2 1838 ( 1790 + 1885 ) ∕ 2 = 1838

 Promedio Móvil Ponderado

Año Avión PRONOSTICO ECUACION

1980 500 N/A
1981 522 N/A
1982 540 511 ( 500 + 522 ) ∕ 2 = 511
1983 612 531 ( 522 + 540 ) ∕ 2 = 531
1984 715 576 ( 540 + 612 ) ∕ 2 = 576
1985 790 664 ( 612 + 715 ) ∕ 2 = 664
1986 840 753 ( 715 + 790 ) ∕ 2 = 753
1987 900 815 ( 790 + 840 ) ∕ 2 = 815
1988 935 870 ( 840 + 900 ) ∕ 2 = 870
1989 980 918 ( 900 + 935 ) ∕ 2 = 918
PMS = 2 958 ( 935 + 980 ) ∕ 2 = 958
Año Autos Pronóstico ECUACION
1980 1042 N/A
1981 1182 N/A
1982 1224 N/A
1983 1338 708 ( 0,3 x 1224 ) + ( 0,2 x 1182 ) + ( 0,1 x 1042 ) = 708
1984 1455 764 ( 0,3 x 1338 ) + ( 0,2 x 1224 ) + ( 0,1 x 1182 ) = 764
1985 1613 827 ( 0,3 x 1455 ) + ( 0,2 x 1338 ) + ( 0,1 x 1224 ) = 827
1986 1644 909 ( 0,3 x 1613 ) + ( 0,2 x 1455 ) + ( 0,1 x 1338 ) = 909
1987 1699 961 ( 0,3 x 1644 ) + ( 0,2 x 1613 ) + ( 0,1 x 1455 ) = 961
1988 1790 1000 ( 0,3 x 1699 ) + ( 0,2 x 1644 ) + ( 0,1 x 1613 ) = 1000
1989 1885 1041 ( 0,3 x 1790 ) + ( 0,2 x 1699 ) + ( 0,1 x 1644 ) = 1041
11 40 1093 ( 0,3 x 1885 ) + ( 0,2 x 1790 ) + ( 0,1 x 1699 ) = 1093
568 ( 0,3 x 40 ) + ( 0,2 x 1885 ) + ( 0,1 x 1790 ) = 568

Año Avión Pronóstico ECUACION

1980 500 N/A
1981 522 N/A
1982 540 N/A
1983 612 316 ( 0,3 x 540 ) + ( 0,2 x 522 ) + ( 0,1 x 500 ) = 316
1984 715 344 ( 0,3 x 612 ) + ( 0,2 x 540 ) + ( 0,1 x 522 ) = 344
1985 790 391 ( 0,3 x 715 ) + ( 0,2 x 612 ) + ( 0,1 x 540 ) = 391
1986 840 441 ( 0,3 x 790 ) + ( 0,2 x 715 ) + ( 0,1 x 612 ) = 441
1987 900 482 ( 0,3 x 840 ) + ( 0,2 x 790 ) + ( 0,1 x 715 ) = 482
1988 935 517 ( 0,3 x 900 ) + ( 0,2 x 840 ) + ( 0,1 x 790 ) = 517
1989 980 545 ( 0,3 x 935 ) + ( 0,2 x 900 ) + ( 0,1 x 840 ) = 545
11 40 571 ( 0,3 x 980 ) + ( 0,2 x 935 ) + ( 0,1 x 900 ) = 571
30% 0,3 302 ( 0,3 x 40 ) + ( 0,2 x 980 ) + ( 0,1 x 935 ) = 302
20% 0,2
10% 0,1

Año Avión Pronóstico OPERACIÓN

1980 500 500
1981 522 50400 ( 0,2 X 500 ) + ( 1 - 0,2 ) x 500 = 50400
1982 540 54914 ( 0,2 X 522 ) + ( 1 - 0,2 ) x 522 = 54914
1983 612 58752 ( 0,2 X 540 ) + ( 1 - 0,2 ) x 540 = 58752
1984 715 75398 ( 0,2 X 612 ) + ( 1 - 0,2 ) x 612 = 75398
1985 790 102817 ( 0,2 X 715 ) + ( 1 - 0,2 ) x 715 = 102817
1986 840 125452 ( 0,2 x 790 ) + ( 1 - 0,2 ) x 790 = 125452
1987 900 141792 ( 0,2 x 840 ) + ( 1 - 0,2 ) x 840 = 141792
1988 935 162720 ( 0,2 x 900 ) + ( 1 - 0,2 ) x 900 = 162720
1989 980 175593 ( 0,2 x 935 ) + ( 1 - 0,2 ) x 935 = 175593
α =0,2 192864 ( 0,2 x 980 ) + ( 1 - 0,2 ) x 980 = 192864
Año Autos Pronóstico OPERACIÓN
1980 1042 1042
1981 1182 217986 ( 0,2 x 1042 ) + ( 1 - 0,2 ) x 1042 = 217986
1982 1224 280370 ( 0,2 x 1182 ) + ( 1 - 0,2 ) x 1182 = 280370
1983 1338 300614 ( 0,2 x 1224 ) + ( 1 - 0,2 ) x 1224 = 300614
1984 1455 359119 ( 0,2 x 1338 ) + ( 1 - 0,2 ) x 1338 = 359119
1985 1613 424569 ( 0,2 x 1455 ) + ( 1 - 0,2 ) x 1455 = 424569
1986 1644 521644 ( 0,2 x 1613 ) + ( 1 - 0,2 ) x 1613 = 521644
1987 1699 541862 ( 0,2 x 1644 ) + ( 1 - 0,2 ) x 1644 = 541862
1988 1790 578679 ( 0,2 x 1699 ) + ( 1 - 0,2 ) x 1699 = 578679
1989 1885 642252 ( 0,2 x 1790 ) + ( 1 - 0,2 ) x 1790 = 642252
α =0,2 712153 ( 0,2 x 1885 ) + ( 1 - 0,2 ) x 1885 = 712153

 Suavización exponencial

Año Autos X*Y X^2

1980 1042 2063160 3920400

1981 1182 2341542 3924361
1982 1224 2425968 3928324
1983 1338 2653254 3932289
1984 1455 2886720 3936256
1985 1613 3201805 3940225
1986 1644 3264984 3944196
1987 1699 3375913 3948169
1988 1790 3558520 3952144
1989 1885 3749265 3956121
19845 14872 29521131 39382485
 𝑦(𝑥) = 𝑎 + 𝑏
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 𝑦
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2
∑𝑦 − 𝑏∑𝑥
𝑎=
𝑛
10 ∗ 29521131 − 19845 ∗ 14872 295211310 − 295134840 76470
𝑏= = = = 92.6909091
10 ∗ 39382485 − 393824025 393824850 − 393824025 825

1320 − 93 ∗ 19845 14872 − 1839451.091 −1824579

𝑎= = = = −182457.91
10 10 10
𝑦(𝑥) = −182458 + 92.6909091𝑥

Año Avión X*Y X^2

1980 500 990000 3920400

1981 522 1034082 3924361
1982 540 1070280 3928324
1983 612 1213596 3932289
1984 715 1418560 3936256
1985 790 1568150 3940225
1986 840 1668240 3944196
1987 900 1788300 3948169
1988 935 1858780 3952144
1989 980 1949220 3956121
19845 7334 14559208 39382485

𝑦(𝑥) = 𝑎 + 𝑏
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 𝑦
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2
∑𝑦 − 𝑏∑𝑥
𝑎=
𝑛
10 ∗ 14559208 − 19845 ∗ 7334 145592080 − 145543230 48850
𝑏= = = = 59.2121212
10 ∗ 39382485 − 393824025 393824850 − 393824025 825

7334 − 59 ∗ 19845 7334 − 1175064.545 −1167731

𝑎= = = = −116773.05
10 10 10
𝑦(𝑥) = −116773 + 59.2121212𝑥
  La tabla 13.3 contiene las ventas, en millones de $, de una tienda departamental.
Analice los datos desde el punto de viste de la aplicabilidad de la técnica de promedio
móvil.

 Promedio Movil Simple.

AÑO VENTAS PRONOSTICO ECUACION

1980 21,0 N/A

1981 23,2 N/A

1982 23,2 22,1 ( 21,0 + 23,2 ) ∕ 2 = 22,1

1983 24,0 23,2 ( 23,2 + 23,2 ) ∕ 2 = 23,2

1984 24,9 23,6 ( 23,2 + 24 ) ∕ 2 = 23,6

1985 25,6 24,5 ( 24,0 + 24,9 ) ∕ 2 = 24,45

1986 26,6 25,3 ( 24,9 + 25,6 ) ∕ 2 = 25,25

1987 27,4 26,1 ( 25,6 + 26,6 ) ∕ 2 = 26,1

1988 28,5 27,0 ( 26,6 + 27,4 ) ∕ 2 = 27,0

1989 29,6 28,0 ( 27,4 + 28,5 ) ∕ 2 = 27,95

PMS=2 29,1 ( 28,5 + 29,6 ) ∕ 2 = 29,05

 Promedio Móvil Ponderado

AÑO VENTAS Pronóstico ECUACION

1980 21,0 N/A
1981 23,2 N/A
1982 23,2 N/A
1983 24,0 13,7 ( 0,3 x 23,2 ) + ( 0,2 x 23,2 ) + ( 0,1 x 21 ) = 13,7
1984 24,9 14,16 ( 0,3 x 24,0 ) + ( 0,2 x 23,2 ) + ( 0,1 x 23,2 ) = 14,16
1985 25,6 14,59 ( 0,3 x 24,9 ) + ( 0,2 x 24,0 ) + ( 0,1 x 23,2 ) = 14,59
1986 26,6 15,06 ( 0,3 x 25,6 ) + ( 0,2 x 24,9 ) + ( 0,1 x 24 ) = 15,06
1987 27,4 15,59 ( 0,3 x 26,6 ) + ( 0,2 x 25,6 ) + ( 0,1 x 24,9 ) = 15,59
1988 28,5 16,1 ( 0,3 x 27,4 ) + ( 0,2 x 26,6 ) + ( 0,1 x 25,6 ) = 16,1
1989 29,6 16,69 ( 0,3 x 28,5 ) + ( 0,2 x 27,4 ) + ( 0,1 x 26,6 ) = 16,69
30% 0,3 17,32 ( 0,3 x 29,6 ) + ( 0,2 x 28,5 ) + ( 0,1 x 27,4 ) = 17,32
20% 0,2
10% 0,1
  Suavización exponencial

AÑO VENTAS Pronóstico OPERACIÓN

1980 21,0 21,0
1981 23,2 105,0 ( 0,2 x 21 ) + ( 1 - 0,2 ) x 21 = 105,0
1982 23,2 126,0 ( 0,2 x 23,2 ) + ( 1 - 0,2 ) x 23,2 = 126,0
1983 24,0 126,0 ( 0,2 x 23,2 ) + ( 1 - 0,2 ) x 23,2 = 126,0
1984 24,9 134,0 ( 0,2 x 24 ) + ( 1 - 0,2 ) x 24 = 134,0
1985 25,6 144,0 ( 0,2 x 24,9 ) + ( 1 - 0,2 ) x 24,9 = 144,0
1986 26,6 152,0 ( 0,2 x 25,6 ) + ( 1 - 0,2 ) x 25,6 = 152,0
1987 27,4 163,0 ( 0,2 x 26,6 ) + ( 1 - 0,2 ) x 26,6 = 163,0
1988 28,5 172,0 ( 0,2 x 27,4 ) + ( 1 - 0,2 ) x 27,4 = 172,0
1989 29,6 185,0 ( 0,2 x 28,5 ) + ( 1 - 0,2 ) x 28,5 = 185,0
α =0,2 199,0 ( 0,2 x 29,6 ) + ( 1 - 0,2 ) x 29,6 = 199,0

 Regresión Lineal Simple

AÑO VENTAS X*Y X^2

1980 21,0 41580 3920400

1981 23,2 45959,2 3924361
1982 23,2 45982,4 3928324
1983 24,0 47592 3932289
1984 24,9 49401,6 3936256
1985 25,6 50816 3940225
1986 26,6 52827,6 3944196
1987 27,4 54443,8 3948169
1988 28,5 56658 3952144
1989 29,6 58874,4 3956121
19845 254 504135 39382485

𝑦(𝑥) = 𝑎 + 𝑏
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 𝑦
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2
∑𝑦 − 𝑏∑𝑥
𝑎=
𝑛
10 ∗ 504135 − 19845 ∗ 254 5041350 − 5040630 720
𝑏= = = = 0.87272727
10 ∗ 39382485 − 393824025 393824850 − 393824025 825

254 − 0.9 ∗ 19845 254 − 17319.27273 −17065.27

𝑎= = = = −1706.5273
10 10 10
𝑦(𝑥) = −1706.5273 + 0.87272727𝑥
 La U de A ofrece cursos externos de cinco lugares distintos del estado. La tabla 13.5 es
un resumen de los datos de inscripción durante un período de 6 años. Los datos de
cada año se clasifican en semestres: Otoño (1), Primavera (2), Verano (3). Se desea usar
esos datos para estimar la inscripción en el año próximo. Analice los datos desde el
punto de vista de la aplicabilidad de la técnica del promedio móvil.

SEMESTRE 1 2 3 4 5
1 288 136 48 165 59
2 247 150 49 168 46
3 117 69 14 61 15
217 118 37 131 40
1989 108,8
1 227 108 41 108 28
2 239 106 46 128 43
3 101 50 15 54 16
189 88 34 97 29
1990 87,333
1 240 126 31 104 46
2 261 134 19 83 38
3 138 48 9 56 32
213 103 20 81 39
1991 91
1 269 149 17 90 51
2 301 113 25 54 28
3 119 50 14 17 6
230 104 19 54 28
1992 86,867
1 269 102 22 16 30
2 241 110 16 0 24
3 124 46 7 0 12
211 86 15 5,3 22
1993 67,933
1 231 88 2 0 1
2 259 66 3 0 27
3 102 23 0 0 0
197 59 1,7 0 9,3
1994 53,467
  Promedio Movil Simple

SEMESTRE PRIMEDIO Pronóstico

1989 108,8 N/A
1990 87,33333333 98,1 ( 108,8 + 87,3333 ) ∕ 2 = 98,1
1991 91 98,1 ( 87,333 + 108,8 ) ∕ 2 = 98,1
1992 86,86666667 98,1 ( 108,8 + 87,3333 ) ∕ 2 = 98,1
1993 67,93333333 89,2 ( 87,333 + 91 ) ∕ 2 = 89,2
1994 53,46666667 88,9 ( 91 + 86,8667 ) ∕ 2 = 88,9
PMS= 2 77,4 ( 86,867 + 67,9333 ) ∕ 2 = 77,4

 Promedio Movil Ponderado

SEMESTRE PRIMEDIO Pronóstico ECUACION

1989 108,8 N/A
1990 87,3 N/A
1991 91 30,5 ( 0,2 x 108,8 ) + ( 0,1 x 87,3 ) = 30,5
1992 86,9 44,8 ( 0,3 x 91 ) + ( 0,2 x 87,3 ) = 44,8
1993 67,9 44,3 ( 0,3 x 86,87 ) + ( 0,2 x 91 ) = 44,3
1994 53,5 37,8 ( 0,3 x 67,93 ) + ( 0,2 x 86,9 ) = 37,8
20% 0,2 29,6 ( 0,3 x 53,47 ) + ( 0,2 x 67,9 ) = 29,6
10% 0,1

 Suavización exponencial

SEMESTRE PRIMEDIO Pronóstico OPERACIÓN

1989 108,8 108,8
1990 87,3 2455 ( 0,2 x 108,8 ) + ( 1 - 0,2 ) x 108,8 = 2455
1991 91 1595 ( 0,2 x 87,33 ) + ( 1 - 0,2 ) x 87,333 = 1595
1992 86,9 1729 ( 0,2 x 91 ) + ( 1 - 0,2 ) x 91 = 1729
1993 67,9 1579 ( 0,2 x 86,87 ) + ( 1 - 0,2 ) x 86,867 = 1579
1994 53,5 977 ( 0,2 x 67,93 ) + ( 1 - 0,2 ) x 67,933 = 977
α = 0,2 615 ( 0,2 x 53,47 ) + ( 1 - 0,2 ) x 53,467 = 615
  Regresión Lineal Simple
SEMESTRE PRIMEDIO X*Y X^2

1989 108,8 216403,2 3956121

1990 87,3 173793,33 3960100
1991 91 181181 3964081
1992 86,9 173038,4 3968064
1993 67,9 135391,13 3972049
1994 53,5 106612,53 3976036
11949 495,4 986419,6 23796451

𝑦(𝑥) = 𝑎 + 𝑏
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 𝑦
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2
∑𝑦 − 𝑏∑𝑥
𝑎=
𝑛
6 ∗ 906419.6 − 11949 ∗ 495.4 9864196 − 5919534.6 3944661.4
𝑏= = = = 0.04144165
6 ∗ 23796451 − 142778601 237964510 − 142778601 95185909

495.4 − 0 ∗ 11949 495.4 − 495.1863103 0.2136897

𝑎= = = = −0.02136897
6 6 6
𝑦(𝑥) = 0.02137 + 0.04144165𝑥
EJERCICIOS DE MODELOS DE PRONOSTICOS: TECNICA DE REGRESION LINEAL MULTIPLE
1. Una determinada cooperativa agrícola dedicada a la producción y comercialización de
fresas se plantea hacer un estudio para explicar el volumen de sus ventas (X1), expresadas en
millones de pesetas. Para ello, a partir de los datos semestrales obtenidos desde la creación
de la cooperativa, se plantea un modelo lineal usando como variables explicativas el gasto en
publicidad (X2), expresado en millones de pesetas, y el número de supermercados que
comercializan sus productos (X3). Seguidamente recogemos la información de la que dispone
la empresa:

Semestre X2 X3 X1
2º de 1994 1,5 15 13
1º de 1995 1,7 17 41
2º de 1995 2,0 19 16
1º de 1996 2,3 20 47
2º de 1996 2,5 23 19
1º de 1997 3,0 25 55
2º de 1997 3,5 26 22
1º de 1998 4,0 29 63
2º de 1998 4,3 31 25
1º de 1999 4,5 34 65

Desde tales cifras, responda a las siguientes cuestiones:

a) Determine el modelo de regresión planteado e interprete sus coeficientes, indicando
a su vez cuál es la capacidad explicativa del mismo.
b) A partir de los resultados obtenidos en el apartado anterior, ¿sugeriría usted que pueden
existir otras variables no tenidas en cuenta aquí y de importancia relevante para la
explicación de las ventas?
c) Bajo este modelo, ¿en cuánto se incrementarían las ventas en el segundo semestre
de 1999 (con respecto al segundo semestre de 1998) si los gastos en publicidad se
incrementasen en 500000 pesetas?

 Solución ejercicio
 Análisis de los residuales

Observación Pronóstico para Y Residuos

1 20,29436094 -7,294360938
2 25,51311685 15,48688315
3 29,4507941 -13,4507941
4 29,49801475 17,50198525
5 38,60722726 -19,60722726
6 39,98274721 15,01725279
7 37,46781055 -15,46781055
8 42,73378711 20,26621289
9 46,67146436 -21,67146436
10 55,78067688 9,219323123
a. Observando el coeficiente de correlación múltiple podemos evidenciar que este se
encuentra con un valor de 0.52, y debemos saber que este me indica la viabilidad
del modelo que estoy utilizando, siendo el valor ideal 1, o en su defecto un valor
que se acerque al mismo. Por lo tanto, concluimos que el valor reflejado se
encuentra en un rango muy por debajo del nivel ideal, por lo que sería poco viable.
Por otra parte, el coeficiente de determinación (R2) me determina el nivel de
confiabilidad de dicho modelo, encontrándose éste en 0.2808, es decir un 28,08%.
Muy por debajo del porcentaje ideal (100%). Por lo que concluimos que es poco
confiable.
b. A nuestro juicio podría existir la variable de “demanda del sector”, considerando
que es uno de los factores que incide considerablemente en las ventas de un
producto.

Semestre X2 X3 X4 X1
2° de 1994 1,5 15 0 13
1° de 1995 1,7 17 1 41
2° de 1995 2,0 19 0 16
1° de 1996 2,3 20 1 47
2° de 1996 2,5 23 0 19
1° de 1997 3,0 25 1 55
2° de 1997 3,5 26 0 22
1° de 1998 4,0 29 1 63
2° de 1998 4,3 31 0 25
1° de 1999 4,5 34 1 65
 Análisis de los residuales

Observación Pronóstico para Y Residuos

1 10,14169515 2,858304848
2 44,95959979 -3,95959979
3 14,47411363 1,525886374
4 48,53266798 -1,532667981
5 18,8065321 0,193467901
6 54,05610918 0,943890816
7 22,95516355 -0,955163552
8 59,10798174 3,892018264
9 28,62249557 -3,622495571
10 64,34364131 0,656358692

c. En el nuevo modelo de regresión se puede evidenciar que el coeficiente de

correlación múltiple es 0.99, muy cercano al valor ideal (1), y el coeficiente de
determinación (𝑹𝟐 ) es 0.9836, es decir, 98.36% de confiabilidad. Por lo tanto
podemos deducir que el nuevo modelo es bastante viable y tiene una gran fiabilidad.
d. Calculamos ahora en cuanto incrementarán las ventas en el segundo semestre de
1.999, sabiendo que los gastos de publicidad aumentaron 500.000 pesetas, que
expresados en miles son 0.5, y sumados con el valor del año anterior (4.5) nos daría
como resultado, 5.0, es decir 𝒙𝒂 = 5,0.
Mientras que para los supermercados que comercializan el producto aumentamos 2
unidades, es decir, que nuestro valor para 𝒙𝒃 = 36.

 Aplicamos la ecuación mostrada por el modelo de regresión.

𝑦 = 1,43𝑥𝑎 + 0,9𝑥𝑏 + 32,72𝑥𝑐 − 5,56

Reemplazamos los valores en la fórmula,

𝑦 = 1,43(5,0) + 0,9(36) + 32,72(0) − 5,56

𝑦 = 7,15 + 32,4 + 0 − 5,56

𝑦 = 𝟑𝟑, 𝟗𝟗
Por lo tanto, las ventas del segundo semestre de 1.999 se incrementarán con respecto
al segundo semestre de 1.998, de 25 a 34 millones de pesetas.

Semestre X2 X3 X4 X1
2° de 1994 1,5 15 0 13
1° de 1995 1,7 17 1 41
2° de 1995 2,0 19 0 16
1° de 1996 2,3 20 1 47
2° de 1996 2,5 23 0 19
1° de 1997 3,0 25 1 55
2° de 1997 3,5 26 0 22
1° de 1998 4,0 29 1 63
2° de 1998 4,3 31 0 25
1° de 1999 4,5 34 1 65
2° de 1999 5,0 36 0 33,99