n=3

mes Precios de los fondos (en $) Ft Error 1 Error 2 Error/real
1 62.7
2 63.9
3 68
4 66.4 64.9 1.5 1.5 2.31
5 67.2 66.1 1.1 1.1 1.64
6 65.8 67.2 1.4 -1.4 2.13
7 68.2 66.5 1.7 1.7 2.54
8 69.3 67.1 2.2 2.2 3.22
9 67.2 67.8 0.6 -0.6 0.84
10 70.1 68.2 1.9 1.9 2.66
11 ? 68.9

total 668.8 n=3
Error acu 6.5
MAD 1.49
MAPE 2.19

n=5
Ft Error 3 erro 4 Error/real Tendencia lineal Error Error sin abs
64.1 1.4 -1.4
64.8 0.9 -0.9
65.4 2.6 2.6
66.0 0.4 0.4
66.6 0.6 0.6
65.64 0.16 0.16 0.24 67.2 1.4 -1.4
66.26 1.94 1.94 2.84 67.8 0.4 0.4
67.12 2.18 2.18 3.15 68.4 0.9 0.9
67.38 0.18 -0.18 0.27 69.0 1.8 -1.8
67.54 2.56 2.56 3.65 69.6 0.5 0.5
68.12 70.2

n=5 Regresion lineal
Error acu 6.66 Error acu 0.0
MAD 1.40 MAD 1.1
MAPE 2.03 MAPE 1.6

Error/real
2.31
1.34
3.88
Precios de los fondos (en $)
0.65
0.93 72

2.10 70
f(x) = 0.6072727273x + 63.54
0.60 68 R² = 0.6449118967
1.30 66
2.69 64
0.69 62
60
58
0 2 4 6 8 10 12

4 Año mes vestas de motos (en unidades) Ft 1 enero 110 110 2 febrero 114 110 3 marzo 123 112 4 abril 131 116 5 mayo 140 122 6 junio 146 129 7 julio 157 136 8 agosto 164 144 9 septiembre 169 152 10 octubre 180 159 11 noviembre 184 167 1 12 diciembre 191 174 13 Enero 181 α=4 MAD 15 MAPE 9. α 0.04 .44 a) comportamiento tendencial ascendente d) tiene mas excatitud el metodo de suavizacion exponencial con alfa =4 . el metodo con menos exactitud no es adecuado porque para hallar los pronosticos utiliza como demanda real las demandas prnosticadas por suavisacio exponencial con alfa=0.

3 Error Abs error Error/real Ft Error Abs Error Error/real 0 0 0 110 0 0 0 4 4 4 110 4 4 4 11 11 9 110 13 13 11 15 15 11 110 21 21 16 18 18 13 112 28 28 20 17 17 11 115 31 31 21 21 21 13 119 38 38 24 20 20 12 124 40 40 24 17 17 10 130 39 39 23 21 21 12 137 43 43 24 17 17 9 144 40 40 22 17 17 9 151 40 40 21 158 α=3 MAD 28.00 MAPE 17.9963888214 a real las 100 50 0 enero febrero mayo juni o jul i o ma rzo a gosto abri l 1 2 3 4 5 6 7 8 9 1 .6678321678x + 100.9090909091 do con menos 150 R² = 0. α 0.40 vestas de motos (en unidade 250 200 f(x) = 7.

Tendencia lineal Error Abs Error 109 1 1 116 -2 2 124 -1 1 132 -1 1 139 1 1 147 -1 1 155 2 2 162 2 2 170 -1 1 178 2 2 185 -1 1 193 -2 2 201 estas de motos (en unidades) 1678x + 100.9090909091 214 mayo juni o jul i o a gosto s eptiembre dici embre octubre novi embre abri l 4 5 6 7 8 9 10 11 12 1 .

Año mes vestas de motos (en unidades) Tendencia lineal 1 enero 110 2 febrero 114 3 marzo 123 4 abril 131 5 mayo 140 6 junio 146 7 julio 157 8 agosto 164 9 septiembre 169 10 octubre 180 11 noviembre 184 1 12 diciembre 191 13 Enero 201 14 Febrero 208 15 Marzo 216 16 Abril 224 2 17 Mayo 231 .

91 R² = 1 150 100 50 0 febrero marzo mayo juni o juli o Marzo Mayo enero a gosto Enero Febrero di ci embre octubre s eptiembre novi embre abri l Abri l 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1 2 vestas de motos (en uni dades ) Tendenci a l i neal Li nea r (Tendenci a l i nea l ) Li near (Tendenci a l i nea l ) b) este modelo si se ajusta mas a los aplicados en el ejercicio 2 c) si es conveniente.6678x + 100. . demanda de motos vs regresion lineal 250 200 f(x) = 7. porque el indice de correlacion es igual a 1. es decir dependa mucho una variable de la otra. lo utilizaria en todos los casos donde este indice de de correlacion entre las ventas y el tiempo se acerquen mucho a 1.

8181818182x + 641.00 900 800 2.00 ci Se No Di .00 700 f(x) = 11.8621321125 600 1.86 MAD 13.5151515152 R² = 0.33 Señal de rastreo SES Demanda (en unidades) 3.00 ro ro zo ri l o ay u n i o lio sto br e br e br e br e En e b re ar Ab M Ju o m tu m Fe M J Ag e c e e m pti O vi -3.3 No MES Demanda (en unidades) SES Error Abs Error sumatoria 1 Enero 630 630 0 0 0 2 Febrero 680 630 50 50 50 3 Marzo 670 645 25 25 75 4 Abril 690 653 38 38 113 5 Mayo 730 664 66 66 179 6 Junio 710 684 26 26 205 7 Julio 740 692 48 48 254 8 Agosto 710 706 4 4 258 9 Septiembre 760 707 53 53 310 10 Octubre 740 723 17 17 327 11 Noviembre 770 728 42 42 369 12 Diciembre 790 741 49 49 418 13 Enero 755 SES tendencia lineal MAD 34.00 100 0 -2.00 500 400 0. 0.00 0 2 4 6 8 10 300 200 -1.

33 689 1 -14 1 46 35.19 0.52 760 -20 -5 20 152 33.0 0 2 4 6 8 10 12 14 -1.00 653 -23 -23 23 23 25.0 -2.23 1.34 724 16 28 16 94 32.86 1. MADs Señal de Rastreo Tendencia lineal Error sumatoria Abs Error sumatoria 0.85 701 29 15 29 76 34.12 736 -26 2 26 120 34.19 0.41 783 7 0 7 160 795 a) tiene un comportamiento tendencial ascendente c) se ajusta mejor el metodo de tendencia lineal porque tiene menos error en el prono d) los pronosticos si estan dentro de los limites de control streo SES señal de rastreo tendencia 3.00 2.47 1.13 1.72 0.55 1.25 772 -2 -7 2 153 34.0 2.00 677 -7 -15 7 45 28.0 1.53 748 12 15 12 132 32.00 1.0 -3.75 1.00 665 15 -8 15 38 25.77 712 -2 13 2 78 36.0 6 8 10 12 0.0 .

42 2.09 -0.18 -0.34 -1.68 1.3 13.0 15.0 13.4 15.15 1.1 15. MADs señal de rastreo 23.0 13.0 tiene menos error en el pronostico ol 12 14 .0 19.03 1.59 -1.00 0.5 13.05 -1.94 -0.2 14.2 15.33 0.0 11.

Anual 469 565 560 531 promedio trimestral 133 a) esta serie de demandas tiene un comportamiento ciclico . Demanda para el fertilizante en toneladas Pronóstico Trimestre 2008 2009 2010 2011 1 105 140 150 132 2 150 170 170 163 3 93 105 110 103 4 121 150 130 134 Tot.

006 Chart Title 600 500 400 300 200 100 0 1 2 3 4 2008 2009 2010 .promedio trimestral prom total indice de estacionalidad 132 133 0.991 163 133 1.773 134 133 1.230 103 133 0.

3 4 2010 .

3 Año mes ventas PMP error abs error SES enero 150 150 febrero 120 141 marzo 100 129 abril 90 117 mayo 89 109 junio 75 134 -59 59 99 julio 78 115 -37 37 92 agosto 63 107 -44 44 84 septiembre 51 96 -45 45 74 octubre 53 91 -38 38 68 noviembre 45 80 -35 35 61 2009 diciembre 42 70 -28 28 55 enero 39 63 -24 24 50 febrero 35 57 -22 22 46 marzo 37 53 -16 16 43 abril 36 48 -12 12 41 mayo 46 45 1 1 42 junio 40 45 -5 5 42 julio 43 45 -2 2 42 agosto 41 50 -8 8 42 septiembre 43 49 -6 6 42 octubre 36 51 -15 15 40 noviembre 38 49 -11 11 40 2010 diciembre 43 50 -7 7 41 2011 enero 47 28 MAD MAD 35 22 . α= n=5 0.

error abs error 0 0 -21 21 ventas 160 -29 29 140 -27 27 120 -20 20 100 -24 24 80 -14 14 60 -21 21 40 -23 23 20 0 -15 15 ma rzo juni o enero febrero ma rzo mayo juni o a gosto febrero mayo a gosto juli o enero juli o octubre novi embre s eptiembre octubre novi embre di ci embre s eptiembre di ci embre abri l abri l -16 16 -13 13 -11 11 2009 2010 -11 11 -6 6 -5 5 4 4 -2 2 El pronóstico de suavización exponencial simple para patrones de demanda aleatorios o nivelado 1 1 pretende eliminar el impacto de los elementos ir -1 1 históricos mediante un enfoque en períodos de d este posee una ventaja sobre el modelo de prom 1 1 ya que no requiere de una gran cantidad de perí -4 4 para lograr óptimos resultados. -2 2 2 2 .

. juni o mayo a gosto juli o s eptiembre octubre novi embre di ci embre 2010 uavización exponencial simple es óptimo demanda aleatorios o nivelados donde se r el impacto de los elementos irregulares nte un enfoque en períodos de demanda reciente. entaja sobre el modelo de promedio móvil ponderado e de una gran cantidad de períodos y de ponderaciones os resultados.

.

.

.

n=3 Mes Ventas de Carbon (toneladas) PMP error abs error 1 Marzo 426 2 Abril 451 3 Mayo 405 4 Junio 372 418 -46 46 5 Julio 390 394 -4 4 6 Agosto 347 389 -42 42 7 Septiembre 289 361 -72 72 8 Octubre 310 321 -11 11 9 Noviembre 313 MAD 35 Elegi el metodo de tendencia porque en la grafica se evidencia. y genera un MAD menor. una tendencia hacia abajo. .

21. α= 0.8590940565 400 350 300 250 Marzo Abri l Mayo Juni o Jul i o Agosto Septiembre Octubre .4 SES error abs error Tendencia error abs error 426 0 0 448 -22 22 426 25 25 427 24 24 436 -31 31 405 0 0 424 -52 52 384 -12 12 403 -13 13 363 27 27 398 -51 51 342 5 5 377 -88 88 321 -32 32 342 -32 32 300 10 10 329 278 MAD MAD 36 17 enera un MAD menor.1666666667x + 469 R² = 0. Ventas de Carbon (toneladas) 500 450 f(x) = .

9164 0.06% de las ventas aumenta por la inversion en publicidad f) r R² 0.8205821066 82.0582106648 a) hay una fuerte relacion entre las ventas y la publicidad b) el 82.906 0.Año Ventas Inversion en publicidad x^2 y^2 1 110 39 1521 12100 2 170 49 2401 28900 3 260 55 3025 67600 4 240 68 4624 57600 5 230 85 7225 52900 6 290 91 8281 84100 7 320 105 11025 102400 8 330 116 13456 108900 9 320 120 14400 102400 10 340 130 16900 115600 11 total 2610 858 82858 732500 r r^2 Porcentaje determinacion 0.8397 hay una fuerte relacion entre las ventas y la publicidad .

8397230247 300 250 250 200 200 150 150 100 50 100 0 50 30 45 60 75 90 105 120 135 0 ventas Li near (ventas ) 0 2 4 6 8 10 12 Ventas Li near (Venta s ) Li near (Venta s) .1340460526x + 77.X*Y regresion lineal error tendencia lineal 4290 161 51 158 8330 182 12 181 14300 195 65 204 16320 223 17 227 19550 259 29 250 26390 272 18 272 33600 302 18 295 38280 325 5 318 38400 334 14 341 44200 355 15 364 387 243660 MAD MAD ventas 24 Ventas 25 400 400 350 f(x) = 2.8988486842 350 f(x) = 22.3333333333 0.8205821066 R² = 0.8484848485x 300 R² += 135.

error publicidad + 150 regresion lineal Ft publicidad .115 48 39 161 39 11 189 481 -76 56 339 801 -191 13 489 1121 -306 20 639 1442 -421 18 789 1762 -536 25 939 2082 -651 12 1089 2402 -766 21 1239 2722 -881 24 1389 3042 -996 1539 3362 -1111 105 120 135 (ventas ) 10 12 ar (Venta s) .

regresion lineal Ft 161 -84 -330 -575 -821 -1066 -1311 -1557 -1802 -2048 -2293 a)El coeficiente de correlacion esta muy proximo al 1 por lo tanto la correlacion b)r = 0.81 lo cual indica que al ser positivo la correlacion es directa y al estar pro .

por lo tanto la correlacion es muy fuerte on es directa y al estar proximo al 1 es muy fuerte .

2006 2007 2008 promedio prom cuatri septiembre 160 196 203 186 octubre 215 231 266 237 noviembre 206 252 252 237 diciembre 235 262 284 260 230 enero 143 165 235 181 febrero 130 140 140 137 marzo 119 130 150 133 abril 77 86 94 86 134 mayo 112 110 118 113 junio 112 115 121 116 julio 161 192 204 186 agosto 192 206 220 206 155 total 1862 2085 2287 2078 520 demanda anual para el 2009 2186 729 182 .

897 653 520 Chart Title 900 800 700 600 500 400 300 200 100 0 1 2 3 4 5 6 7 8 9 10 Col umn C Col umn D Col umn E .Prom total indice estacional Ft Prom sep prom total indice estacional Ft 186 173 1.329 969 173 0.774 564 173 0.0760 196 173 1.

Chart Title 6 7 8 9 10 11 12 Col umn D Col umn E .

N=3 Venta de Venta de Mes impresoras computador (Und) (Y) es (Und) (X) pms error abs regresion lineal 1 433 1045 13243 2 510 1308 16461 3 481 1084 13720 4 478 1364 475 3 17146 5 555 1017 490 65 12900 6 506 1308 505 1 16461 7 612 1123 513 99 14197 8 560 1310 558 2 16486 9 590 1277 559 31 16082 10 512 1360 587 75 17097 11 5237 12196 554 MAD r^2 40 0.6730527468 los pronosticos de las ventas de impresoras dan muy elevados. lo que quiere decir que no hay tanta corre El mejor modelo para el problema parece ser el de tendencia lineal .453 r 0.

tendencia lineal error abs x^2 y^2 XY 469 36 481 29 493 12 505 27 Chart Title 518 37 530 24 700 542 70 600 554 6 500 567 23 400 579 67 300 591 200 MAD 100 33 0 0 2 4 6 8 o que quiere decir que no hay tanta correlacion entre la venta de impresoras y la de computador ventas eal 650 600 f(x) = 12.4 550 R² = 0.2363636364x + 456.4530390885 500 450 400 1 2 3 4 5 Col umn C Li near (Col umn C) .

4 390885 3 4 5 6 7 8 9 10 Col umn C Li near (Col umn C) Li near (Col umn C) . Chart Title 4 6 8 10 12 ventas 63636364x + 456.

2009 2009 .2010 2010 .9941 existe una fuerte relacion entre las ventas de los dvds y los tvs demanda anual 3200 1067 .2011 mes año 1 año 2 año 3 prom cuatri prom total indice estacional 1 agosto 170 190 210 2 septiembre 190 195 220 3 octubre 215 230 270 4 noviembre 225 245 260 218 156 1.397 5 diciembre 235 260 290 6 enero 145 165 195 7 febrero 130 140 160 8 marzo 120 130 150 177 156 1. 2008 .801 total dvds 1876 2062 2305 ventas tvs 3200 3900 4600 demanda anual 1876 625 R² = 0.130 9 abril 75 90 95 10 mayo 95 110 125 11 junio 115 125 135 12 julio 161 182 195 125 156 0.

5x + 1652 2200 R² = 0.9941498671 2100 501 2000 1900 1800 3200 3900 4600 total dvds Li near (total dvds ) Li near (total dvds ) s dvds y los tvs . Ft 873 total dvds 2400 707 2300 f(x) = 214.

4600 Li near (total dvds ) .

278 1221490000 1221490000 0.9220086767 .6547 indice de correlacion ventas vs publicidad r^2 0.8501 r 0. año ventas plan de publicidad X1 precio del producto X2 1 4089 2500 55 2 4747 8500 53 3 4772 11200 53 4 5204 12000 50 5 5018 15000 49 6 5534 18000 51 7 19000 50 Σ 29364 67200 311 Y BARRA X1 BARRA X2 BARRA 4894 11200 52 cuadrado 23951236 125440000 2687 b1 b2 a 99953800 -16679040000 4685.0818 -13.8941 r 0.945568612 indice de correlacion ventas vs tiempo r^2 0.

00 5000 4000f(x) = .8500954716 f(x) = 0.8940811478 R² = 0.tendencia tiempo error abs tendencia publicidad abs error regresion lineal multiple 4289 200 4142 53 4139 4531 216 4660 87 4657 4773 1 4894 122 4878 5015 189 4963 241 4984 5257 239 5222 204 5244 5499 35 5481 53 5462 5741 5568 5557 MAD MAD 147 127 el modelo de regresion multiple deberia cambiarse porque tiene MAD mayor que el de tendencia lin por lo que el de tendencia lineal es mas preciso.5637583892 5000 R² = 0.6221953715 4000 3000 4000 2000 3000 3000 1000 2000 2000 0 11000 2 1000 Col umn C 0 0 48 49 0 50 2000 4000 51 6000 52 .173.0864282744x + 3926. 6000 Ventas vs pre 6000 6000 f(x) = 242x + 4047 5000 R² = 0.7986577181x + 13902.

5637583892 R² = 0.0033264033 1x + 13902. Tendencia Ventas vs precio Ventas vs publicidad f(x) = 0.8940811478 2 3 4 5 6 Col umn C Li nea r (Col umn C) Li near (Col umn C) 00 4000 51 6000 52 8000 53 10000 54 12000 55 14000 16000 56 18000 20000 . error abs X1^2 X2^2 X1*Y X2*Y X1*X2 50 6250000 3025 10222500 224895 137500 90 72250000 2809 40349500 251591 450500 106 125440000 2809 53446400 252916 593600 220 144000000 2500 62448000 260200 600000 226 225000000 2401 75270000 245882 735000 72 324000000 2601 99612000 282234 918000 896940000 16145 341348400 1517718 3434600 MAD 143 mayor que el de tendencia lineal .0864282744x + 3926.

20000 .

alfa 0.711 .520 Varianza del SES 2494.1 Años trimestre fallas SES error abs error 1 230 225 5 5 2 270 226 45 45 3 180 230 -50 50 1 4 190 225 -35 35 5 223 221 2 2 6 296 222 74 74 7 302 229 73 73 2 8 194 236 -42 42 232 3 varianza 2217.

44140625 .n 3 PMS error abs error Error 227 -37 37 213 10 10 198 98 98 236 66 66 274 -80 80 varianza 4221.760 varianza PMS Varianza Brown 3377.408 3898.

749 III 443 IV 452 .217 210 1.007 164 1.999 IV 225 1.405 III 353 IV 354 I 361 II 366 2002 1. Ft I 152 DIFERENCIAS 673 II 162 673 816 1997 673 III 175 843 170 991 IV 184 1.515 110 1.435 II 206 1.749 234 I 237 II 247 1999 1.007 III 257 DAM IV 266 ECM I 274 II 298 2000 1.194 I 197 1.709 1998 843 III 215 1.217 III 316 IV 329 I 342 II 356 2001 1.405 188 1.515 III 388 IV 400 I 423 II 431 2003 1.

613333 1.490 -273 273 74.028 -185 185 34.696 369.160 0.510814 2.1 211.2 0.8 177435.1 .548 349.481 -732 732 535.255 250.2344 1.595312 1.785 -380 380 144.241 -234 234 54.896 295.253694 1.334 481.Tt FITt Et ABS ERROR E^2 ALFA BETA 179 852 -179 179 32.158 411.707866 2.120 -605 605 366.

α=0.0873015873x + 139.55555 2001 400 III 353 336 350 IV 354 345 300 I 361 351 250 II 366 356 2002 200 III 388 359 150 IV 400 367 100 I 423 379 50 II 431 394 2003 0 1 2 3 4 5 6 7 8 9 10 11 12 III 443 411 IV 452 424 300 I 140 437 331 1 II 151 366 312 2004 2 III 162 296 295 3 IV 173 226 282 4 I 184 271 5 II 195 262 2005 6 III 206 256 7 IV 217 251 8 I 228 247 9 II 239 245 2006 .1 I 152 PMS SES II 162 1997 III 175 IV 184 I 197 168 II 206 180 1998 III 215 191 IV 225 201 I 237 211 II 247 221 1999 III 257 231 IV 266 242 I 274 252 II 298 261 2000 III 316 274 Ch IV 329 289 500 I 342 304 450 II 356 321 f(x) = 11.

2006 10 III 250 245 11 IV 262 245 12 I 273 247 13 II 284 250 2007 14 III 295 253 15 IV 306 257 16 I 317 262 17 II 328 268 2008 18 III 339 274 19 IV 350 280 20 I 361 287 21 II 372 295 2009 22 III 383 302 23 IV 395 310 24 I 406 319 25 II 417 328 2010 26 III 428 336 27 IV 439 346 .

0873015873x + 139. Chart Title 00 50 f(x) = 11.5555555556 00 50 00 50 00 50 00 50 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 .