Documente Academic
Documente Profesional
Documente Cultură
PRONÓSTICOS
3. La planta de IPC estima la demanda semanal de los muchos materiales que tiene en
inventario. Está estudiando uno de estos componentes, el CTR 0022. las 12 semanas
más recientes de la demanda para el CTR 0022 son:
Demanda Demanda Demanda Demanda
Semana Semana Semana Semana
(Unidades) (Unidades) (Unidades) (Unidades)
1 169 4 171 7 213 10 158
2 227 5 163 8 175 11 188
3 176 6 157 9 178 12 169
Utilice el método de promedios móviles para pronosticar a corto plazo, con un promedio
de tres semanas, para desarrollar para la semana 13 un pronóstico de la demanda para
el componente CTR 0022.
5. Los siguientes datos representan las ventas mensuales de una compañía (en miles de
soles):
Meses Ventas reales Meses Ventas reales
Enero 30.1 Julio 28.7
Febrero 32.6 Agosto 26.8
Marzo 29.8 Setiembre 29.7
Abril 29.3 Octubre 31.1
Mayo 30.4 Noviembre 31.4
Junio 29.6
a) Use suavización exponencial para pronosticar esta serie de tiempo. Considere
constantes de suavización de α = 0.10 y α = 0.20. ¿Qué valor de la constante de
suavización proporciona el mejor pronostico?
b) ¿Cuál es el pronóstico del principal de las ventas reales para el mes diciembre?
PROYECCIONES DE TENDENCIAS
8. Información suministrada por el Departamento de Estadísticas de la ciudad, el número de carros que
transitaron en los últimos 7 años fueron:
Año Cantidad
2013 1’200.000
2014 1’500.000
2015 1’850.000
2016 1’915.000
2017 2’400.000
2018 2’750.000
2019 2’920.000
Pronosticar la cantidad de vehículos para los años 2020 y 2021
REGRESIÓN SIMPLE
12. A continuación de muestra la demanda de energía eléctrica de la ciudad de Cusco,
durante el periodo 2012 a 2018, en MEGAWATTS. Pronostique la demanda para 2019
ajustando una recta de tendencia a estos datos:
Años 2012 2013 2014 2015 2016 2017 2018
Demanda de Energía
222 237 240 270 315 426 366
Eléctrica (Megawatts)
a) Pronóstico para el año 2009. Cuanto de megawatts será necesario.
b) Graficar la recta de regresión simple.
13. La empresa “Moli Cusco S.R. Ltda..”, desea pronosticar sus ventas para los próximos
meses:
Mes Enero Febrero Marzo Abril Mayo Junio Julio
Ventas (Miles de soles) 1.00 1.30 1.80 2.00 2.00 2.20 2.60
a) Pronosticar para el siguiente mes.
b) Coeficiente de correlación.
c) Coeficiente de determinación.
14. Un especialista en educación sostiene que existe una relación lineal entre el número de
horas que estudia a la semana un estudiante y la calificación final que saca en el curso
de economía. Para demostrar su afirmación selecciona una muestra aleatoria de 10
estudiantes obteniendo la siguiente información:
Horas de estudio a la semana 12 11 10 9 8 7 8 7 6
Calificación 16 15 14 14 13 12 11 14 11
Determinar:
a) Elabore un diagrama de dispersión, e interprete.
b) Estime la ecuación de regresión lineal e interprete el valor de la constante y del
coeficiente de regresión.
c) ¿Qué puede concluir acerca de la afirmación del especialista? Use =0,05.
d) ¿Cuál es la estimación puntual de la calificación media de un estudiante que estudia
5 horas a la semana?
e) ¿Qué proporción de la variación total es explica por las horas de estudio del
estudiante? (Determinar el coeficiente de determinación) y justificar.
f) Estime mediante un intervalo de confianza el 95%, la calificación promedio de un
estudiante que estudia 10 horas a la semana.
g) Estime mediante un intervalo de confianza el 95%, la calificación de un estudiante
que estudia 10 horas a la semana.
19. Se han seleccionado en forma aleatorio a diez fábricas de confecciones textiles para
evaluar los efectos del nivel de producción y del índice de costos de mano de obra y
materia prima en los costos de manufactura. Las variables son:
Y = Costo promedio de manufactura en dólares.
X1 = Nivel de producción como porcentaje de la capacidad fijada.
X2 = Índice en porcentaje de los costos de mano de obra y materia prima.
En una muestra 10 familias escogidas al azar se han encontrado los datos que se
presentan en la tabla que sigue:
Y 3.62 4.21 4.30 5.45 6.63 5.70 5.05 4.00 4.35 4.24
X1 84 79 80 70 55 60 72 92 96 100
X2 82 95 108 115 135 125 114 96 98 110
a) Determinar la ecuación de regresión múltiple de costos de manufactura con
respecto a las dos variables: Nivel de producción y índice de costos de MO y materia
prima.
b) Estime el costo promedio de manufactura de 95 niveles de producción y porcentaje
de costos de mano de obra y materia prima 112.