Este documento presenta varios problemas de pronóstico para un examen de administración de la producción. Incluye cálculos de promedios móviles, suavización exponencial, análisis de regresión lineal y pronósticos para predecir la demanda de productos.
Este documento contiene información sobre diferentes métodos de pronóstico como promedios móviles simples y ponderados, suavización exponencial simple y análisis de regresión lineal. Incluye ejemplos numéricos de cómo aplicar estos métodos para calcular pronósticos. También presenta gráficos y métricas comunes para evaluar la precisión de los pronósticos como MAPE, MAD y MSD.
Este documento presenta los resultados de un análisis de regresión lineal simple de los datos de demanda. El modelo de tendencia lineal estima que la demanda (Yt) es igual a 11.60 + 0.471 por el período (t). El pronóstico para el período 8 es de 15.3714 unidades. Las medidas de exactitud del modelo incluyen un MAPE de 9.71595, un MAD de 1.31429 y un MSD de 2.18367.
Este documento describe los procedimientos para analizar la consistencia de registros hidrológicos, incluyendo: (i) inspección visual, (ii) análisis de doble masa, y (iii) análisis de inferencia estadística. Explica cómo seleccionar una estación patrón e identificar saltos o tendencias en los datos mediante gráficos de doble masa, y cómo corregir datos inconsistentes mediante pruebas estadísticas de igualdad de medias y desviaciones típicas. Proporciona un ejemplo num
El documento presenta el método de mínimos cuadrados y su aplicación para analizar series de tiempo. El método intenta encontrar la función que mejor se ajusta a un conjunto de datos minimizando la suma de los cuadrados de los residuos. Se describe cómo se puede usar para identificar la tendencia secular de una serie y predecir valores futuros mediante la ecuación de la recta de tendencia. Como ejemplo, se muestra cómo predecir las ventas futuras de una zapatería en 2015 usando sus ventas históricas.
Producto vectorial y su aplicación en el área de la Física.Lely
El documento explica el producto vectorial y sus aplicaciones en física. El producto vectorial de dos vectores produce un vector perpendicular a los dos vectores originales. Se define matemáticamente usando determinantes y se representa geométricamente como el área del paralelogramo formado por los dos vectores. En física, el producto vectorial se usa para calcular la fuerza magnética y el par de fuerza.
Este documento presenta los objetivos y conceptos básicos de la estadística descriptiva, incluyendo métodos para organizar, representar gráficamente y resumir conjuntos de datos. Explica cómo calcular frecuencias absolutas, relativas y acumuladas para datos simples y agrupados, y cómo construir tablas y gráficos de frecuencias. También define medidas de posición como la media, moda y mediana, así como medidas de dispersión como el rango, varianza y desviación típica.
Se describe el proceso de construcción e interpretación de gráficos, cuyas variables tienen la característica de ser directamente proporcionales o corresponder a una relación lineal.
Este documento describe diferentes métodos de pronóstico como promedios móviles dobles, atenuación exponencial y atenuación exponencial doble. Explica cómo calcular promedios móviles simples y dobles y cómo compararlos para pronosticar ventas futuras. También explica cómo los métodos de atenuación exponencial y atenuación exponencial doble usan valores pasados con ponderaciones decrecientes para pronosticar valores futuros.
Este documento contiene información sobre diferentes métodos de pronóstico como promedios móviles simples y ponderados, suavización exponencial simple y análisis de regresión lineal. Incluye ejemplos numéricos de cómo aplicar estos métodos para calcular pronósticos. También presenta gráficos y métricas comunes para evaluar la precisión de los pronósticos como MAPE, MAD y MSD.
Este documento presenta los resultados de un análisis de regresión lineal simple de los datos de demanda. El modelo de tendencia lineal estima que la demanda (Yt) es igual a 11.60 + 0.471 por el período (t). El pronóstico para el período 8 es de 15.3714 unidades. Las medidas de exactitud del modelo incluyen un MAPE de 9.71595, un MAD de 1.31429 y un MSD de 2.18367.
Este documento describe los procedimientos para analizar la consistencia de registros hidrológicos, incluyendo: (i) inspección visual, (ii) análisis de doble masa, y (iii) análisis de inferencia estadística. Explica cómo seleccionar una estación patrón e identificar saltos o tendencias en los datos mediante gráficos de doble masa, y cómo corregir datos inconsistentes mediante pruebas estadísticas de igualdad de medias y desviaciones típicas. Proporciona un ejemplo num
El documento presenta el método de mínimos cuadrados y su aplicación para analizar series de tiempo. El método intenta encontrar la función que mejor se ajusta a un conjunto de datos minimizando la suma de los cuadrados de los residuos. Se describe cómo se puede usar para identificar la tendencia secular de una serie y predecir valores futuros mediante la ecuación de la recta de tendencia. Como ejemplo, se muestra cómo predecir las ventas futuras de una zapatería en 2015 usando sus ventas históricas.
Producto vectorial y su aplicación en el área de la Física.Lely
El documento explica el producto vectorial y sus aplicaciones en física. El producto vectorial de dos vectores produce un vector perpendicular a los dos vectores originales. Se define matemáticamente usando determinantes y se representa geométricamente como el área del paralelogramo formado por los dos vectores. En física, el producto vectorial se usa para calcular la fuerza magnética y el par de fuerza.
Este documento presenta los objetivos y conceptos básicos de la estadística descriptiva, incluyendo métodos para organizar, representar gráficamente y resumir conjuntos de datos. Explica cómo calcular frecuencias absolutas, relativas y acumuladas para datos simples y agrupados, y cómo construir tablas y gráficos de frecuencias. También define medidas de posición como la media, moda y mediana, así como medidas de dispersión como el rango, varianza y desviación típica.
Se describe el proceso de construcción e interpretación de gráficos, cuyas variables tienen la característica de ser directamente proporcionales o corresponder a una relación lineal.
Este documento describe diferentes métodos de pronóstico como promedios móviles dobles, atenuación exponencial y atenuación exponencial doble. Explica cómo calcular promedios móviles simples y dobles y cómo compararlos para pronosticar ventas futuras. También explica cómo los métodos de atenuación exponencial y atenuación exponencial doble usan valores pasados con ponderaciones decrecientes para pronosticar valores futuros.
Este documento presenta diferentes métodos para realizar pronósticos de demanda. Brevemente describe métodos cualitativos basados en la experiencia y métodos cuantitativos basados en modelos matemáticos y datos históricos, incluyendo promedios móviles, suavización exponencial y proyección de tendencias. El objetivo es predecir eventos futuros como demanda de productos mediante el análisis de datos pasados y la aplicación de estas técnicas estadísticas.
Técnicas de Proyección o Pronósticos del MercadoBASEK
Este documento presenta diferentes técnicas para proyectar el mercado, incluyendo el promedio móvil simple y doble, ajuste exponencial simple y doble, extrapolación de tendencias e índices estacionales. Explica cómo aplicar cada método a datos históricos para pronosticar la demanda futura. También introduce métodos causales como la regresión simple y múltiple, así como métodos cualitativos como Delphi.
Este documento presenta la demanda histórica de un producto para varios meses y proporciona instrucciones para generar pronósticos para octubre usando diferentes métodos como promedio móvil simple, exponencial aminorado y regresión lineal. Se pide calcular pronósticos para octubre usando cada uno de estos métodos y presentar los resultados.
1. Las variables de velocidad de un automóvil y valor de acciones vendidas son continuas, mientras que el número de individuos en una familia y tiempo de vuelo de un misil son discretas.
2. Se proveen ejemplos de redondeo de datos, notación científica, y cálculo de cifras significativas.
3. Se explican conceptos como funciones, tablas, gráficas, ecuaciones, desigualdades, logaritmos y antilogaritmos para analizar y representar datos estadísticos y probabilísticos.
El documento presenta ejemplos de pronósticos utilizando la técnica de promedio móvil simple (PMS) y promedio móvil doble (PMD). En el primer ejemplo, se calculan pronósticos para septiembre usando tres criterios de PMS y el pronóstico más preciso es de 225 unidades. En el segundo ejemplo, se calculan pronósticos para enero del año siguiente usando órdenes n=2, 3 y 4 de PMS, siendo el pronóstico más preciso de 826.6 unidades. Finalmente, el documento explic
El documento presenta información sobre estadística descriptiva y ejercicios resueltos. El objetivo es aplicar técnicas estadísticas como gráficos, medidas de tendencia central y probabilidades para analizar datos. Se explican conceptos como población, muestra, distribución de frecuencias y medidas de dispersión. Finalmente, se describen 10 ejercicios estadísticos para practicar el cálculo de medidas como media, mediana, varianza, desviación estándar y diagramas de caja y barras.
Este documento proporciona información sobre los primeros auxilios, incluyendo sus objetivos de evitar la muerte, impedir el agravamiento de lesiones y aliviar el dolor. Describe algunas condiciones médicas comunes que requieren primeros auxilios como asfixia, fracturas y hemorragias. También explica los pasos básicos para administrar primeros auxilios y el contenido recomendado de un botiquín de primeros auxilios.
Este documento define la simulación como el proceso de diseñar un modelo de un sistema real y llevar a cabo experimentos con él para comprender el comportamiento del sistema o evaluar nuevas estrategias. Explica que un sistema está compuesto de componentes que se relacionan entre sí y puede ser material o conceptual. Finalmente, destaca algunas ventajas de la simulación como que permite analizar situaciones complejas sin interferir en el mundo real, y también sus desventajas como que los modelos pueden ser costosos de desarrollar y no generan soluciones óptimas.
El documento describe 7 herramientas básicas para el análisis de datos: 1) Hoja de control, 2)
Histogramas, 3) Gráfica de dispersión, 4) Análisis por estratificación, 5) Gráfico de Pareto, 6) Diagrama
causa-efecto, 7) Muestreo estratificado. Cada herramienta se utiliza para diferentes propósitos como
clasificar datos, identificar variaciones, comparar variables, determinar causas principales de problemas,
etc. El documento explica brevemente cada herram
El documento describe 7 herramientas básicas para el análisis de datos: 1) Hoja de control, 2)
Histogramas, 3) Gráfica de dispersión, 4) Análisis por estratificación, 5) Gráfico de Pareto, 6) Diagrama
causa-efecto, 7) Muestreo estratificado. Cada herramienta se utiliza para diferentes propósitos como
clasificar datos, identificar variaciones, comparar variables, determinar causas principales de problemas,
etc. El documento explica brevemente cada herram
Este documento presenta los resultados de un análisis estadístico realizado sobre una muestra de 500 pantalones fabricados por la empresa SOL para determinar si cumplen con las especificaciones del cliente. Se calculan medidas como la media, mediana y moda, y se generan gráficas como la de frecuencias, cajas y bigotes, ojiva e histograma. Los resultados muestran que la mayoría de los pantalones se encuentran dentro del rango aceptable, satisfaciendo los requisitos del cliente en al menos un 89%.
Este documento presenta los resultados de un análisis estadístico de datos que varían entre 12.928 y 13.231. Se dividió el rango de valores en 20 intervalos de 0.0170 cada uno para crear un histograma. El histograma muestra que hay poca variabilidad en los datos y que algunos valores están fuera de los límites establecidos.
Este documento presenta los pasos para crear un histograma de 11 intervalos a partir de datos que van de 6.973 a 7.256. Se calcula un rango de 0.283 y se dividen los intervalos en incrementos de 0.026. Los límites se ajustan para centrarlos en los valores mínimo y máximo. Luego, se grafican los límites y las frecuencias correspondientes en un histograma y una ojiva, mostrando que el valor con mayor frecuencia es 6.
El documento describe la variabilidad inherente en los procesos industriales debido a factores aleatorios. No es posible fabricar dos productos exactamente iguales. La variabilidad de un proceso se debe a causas asignables que se pueden corregir y causas comunes de naturaleza aleatoria que son imposibles de eliminar. El control estadístico de procesos permite reducir la variabilidad y mejorar el conocimiento y rendimiento del proceso.
El documento describe la variabilidad inherente en los procesos industriales debido a factores aleatorios. No es posible fabricar dos productos exactamente iguales. La variabilidad de un proceso se debe a causas asignables que se pueden corregir y causas comunes de naturaleza aleatoria que son imposibles de eliminar. El control estadístico de procesos permite reducir la variabilidad y mejorar el conocimiento y rendimiento del proceso.
Este documento presenta varios problemas de pronóstico de demanda con diferentes métodos como promedios móviles, suavización exponencial y regresión lineal. Incluye tablas de datos históricos de demanda, cálculos de pronósticos y gráficas de tendencia. El objetivo es que los estudiantes practiquen diferentes técnicas de pronóstico y calculen los valores pronosticados para meses futuros.
La ingeniera blanca tomó una muestra de 360 piezas de la fábrica y encontró 2 defectuosas. Esto corresponde a un 0.19837% de defectos, lo cual contradice la afirmación del dueño de que la tasa de defectos es menor al 3%. Por lo tanto, la ingeniera puede concluir que la afirmación del dueño sobre la baja tasa de defectos es falsa.
El documento describe cómo calcular el volumen máximo de una caja rectangular fabricada a partir de una pieza de cartón cuadrada. Se realizó una tabla variando el tamaño del recorte cuadrado en cada esquina y se observó que el volumen aumenta hasta cierto punto antes de disminuir. Usando una fórmula de segundo grado, se determinó que el recorte óptimo es de 5.657414 cm, dando como dimensiones máximas de la caja 28.6851709 cm de largo, 18.6851709 cm de ancho y 5.657414 cm
La fábrica de playeras Cranky tiene costos fijos de $859,000 mensuales y un costo unitario inicial de $72 por playera. Con un precio de venta de $98 por playera, el punto de equilibrio es 3,200 playeras. Sin embargo, debido a problemas de calidad, el costo unitario aumenta a $80 por playera, lo que eleva el nuevo punto de equilibrio a 4,700 playeras. Para mantener el punto de equilibrio con la demanda proyectada de 4,500 playeras, se propone aumentar el precio de venta a
El documento presenta un problema de punto de equilibrio para una fábrica de computadoras. La fábrica tiene costos fijos mensuales de $750,000 y el costo de producción por computadora es de $2,800, con un precio de venta de $3,500. Se pide determinar el número de computadoras que deben fabricarse para alcanzar el punto de equilibrio sin ganancias ni pérdidas. Luego, se analiza cómo cambia el punto de equilibrio si el costo de producción aumenta a $3,020. Finalmente, se disc
Este documento presenta un problema de razonamiento que condujo a una ecuación de segundo grado. El problema involucra a Luis que realizó un viaje de 4 horas en motocicleta y automóvil, recorriendo 126 km en moto y 230 km en auto. La velocidad del auto fue 8 km/h mayor que la moto. Se usan variables para representar la velocidad y tiempo en cada vehículo para formular una ecuación de segundo grado y resolverla, determinando que la velocidad de la moto fue 84 km/h y del auto 92 km/h, con tiempos
Este documento presenta diferentes métodos para realizar pronósticos de demanda. Brevemente describe métodos cualitativos basados en la experiencia y métodos cuantitativos basados en modelos matemáticos y datos históricos, incluyendo promedios móviles, suavización exponencial y proyección de tendencias. El objetivo es predecir eventos futuros como demanda de productos mediante el análisis de datos pasados y la aplicación de estas técnicas estadísticas.
Técnicas de Proyección o Pronósticos del MercadoBASEK
Este documento presenta diferentes técnicas para proyectar el mercado, incluyendo el promedio móvil simple y doble, ajuste exponencial simple y doble, extrapolación de tendencias e índices estacionales. Explica cómo aplicar cada método a datos históricos para pronosticar la demanda futura. También introduce métodos causales como la regresión simple y múltiple, así como métodos cualitativos como Delphi.
Este documento presenta la demanda histórica de un producto para varios meses y proporciona instrucciones para generar pronósticos para octubre usando diferentes métodos como promedio móvil simple, exponencial aminorado y regresión lineal. Se pide calcular pronósticos para octubre usando cada uno de estos métodos y presentar los resultados.
1. Las variables de velocidad de un automóvil y valor de acciones vendidas son continuas, mientras que el número de individuos en una familia y tiempo de vuelo de un misil son discretas.
2. Se proveen ejemplos de redondeo de datos, notación científica, y cálculo de cifras significativas.
3. Se explican conceptos como funciones, tablas, gráficas, ecuaciones, desigualdades, logaritmos y antilogaritmos para analizar y representar datos estadísticos y probabilísticos.
El documento presenta ejemplos de pronósticos utilizando la técnica de promedio móvil simple (PMS) y promedio móvil doble (PMD). En el primer ejemplo, se calculan pronósticos para septiembre usando tres criterios de PMS y el pronóstico más preciso es de 225 unidades. En el segundo ejemplo, se calculan pronósticos para enero del año siguiente usando órdenes n=2, 3 y 4 de PMS, siendo el pronóstico más preciso de 826.6 unidades. Finalmente, el documento explic
El documento presenta información sobre estadística descriptiva y ejercicios resueltos. El objetivo es aplicar técnicas estadísticas como gráficos, medidas de tendencia central y probabilidades para analizar datos. Se explican conceptos como población, muestra, distribución de frecuencias y medidas de dispersión. Finalmente, se describen 10 ejercicios estadísticos para practicar el cálculo de medidas como media, mediana, varianza, desviación estándar y diagramas de caja y barras.
Este documento proporciona información sobre los primeros auxilios, incluyendo sus objetivos de evitar la muerte, impedir el agravamiento de lesiones y aliviar el dolor. Describe algunas condiciones médicas comunes que requieren primeros auxilios como asfixia, fracturas y hemorragias. También explica los pasos básicos para administrar primeros auxilios y el contenido recomendado de un botiquín de primeros auxilios.
Este documento define la simulación como el proceso de diseñar un modelo de un sistema real y llevar a cabo experimentos con él para comprender el comportamiento del sistema o evaluar nuevas estrategias. Explica que un sistema está compuesto de componentes que se relacionan entre sí y puede ser material o conceptual. Finalmente, destaca algunas ventajas de la simulación como que permite analizar situaciones complejas sin interferir en el mundo real, y también sus desventajas como que los modelos pueden ser costosos de desarrollar y no generan soluciones óptimas.
El documento describe 7 herramientas básicas para el análisis de datos: 1) Hoja de control, 2)
Histogramas, 3) Gráfica de dispersión, 4) Análisis por estratificación, 5) Gráfico de Pareto, 6) Diagrama
causa-efecto, 7) Muestreo estratificado. Cada herramienta se utiliza para diferentes propósitos como
clasificar datos, identificar variaciones, comparar variables, determinar causas principales de problemas,
etc. El documento explica brevemente cada herram
El documento describe 7 herramientas básicas para el análisis de datos: 1) Hoja de control, 2)
Histogramas, 3) Gráfica de dispersión, 4) Análisis por estratificación, 5) Gráfico de Pareto, 6) Diagrama
causa-efecto, 7) Muestreo estratificado. Cada herramienta se utiliza para diferentes propósitos como
clasificar datos, identificar variaciones, comparar variables, determinar causas principales de problemas,
etc. El documento explica brevemente cada herram
Este documento presenta los resultados de un análisis estadístico realizado sobre una muestra de 500 pantalones fabricados por la empresa SOL para determinar si cumplen con las especificaciones del cliente. Se calculan medidas como la media, mediana y moda, y se generan gráficas como la de frecuencias, cajas y bigotes, ojiva e histograma. Los resultados muestran que la mayoría de los pantalones se encuentran dentro del rango aceptable, satisfaciendo los requisitos del cliente en al menos un 89%.
Este documento presenta los resultados de un análisis estadístico de datos que varían entre 12.928 y 13.231. Se dividió el rango de valores en 20 intervalos de 0.0170 cada uno para crear un histograma. El histograma muestra que hay poca variabilidad en los datos y que algunos valores están fuera de los límites establecidos.
Este documento presenta los pasos para crear un histograma de 11 intervalos a partir de datos que van de 6.973 a 7.256. Se calcula un rango de 0.283 y se dividen los intervalos en incrementos de 0.026. Los límites se ajustan para centrarlos en los valores mínimo y máximo. Luego, se grafican los límites y las frecuencias correspondientes en un histograma y una ojiva, mostrando que el valor con mayor frecuencia es 6.
El documento describe la variabilidad inherente en los procesos industriales debido a factores aleatorios. No es posible fabricar dos productos exactamente iguales. La variabilidad de un proceso se debe a causas asignables que se pueden corregir y causas comunes de naturaleza aleatoria que son imposibles de eliminar. El control estadístico de procesos permite reducir la variabilidad y mejorar el conocimiento y rendimiento del proceso.
El documento describe la variabilidad inherente en los procesos industriales debido a factores aleatorios. No es posible fabricar dos productos exactamente iguales. La variabilidad de un proceso se debe a causas asignables que se pueden corregir y causas comunes de naturaleza aleatoria que son imposibles de eliminar. El control estadístico de procesos permite reducir la variabilidad y mejorar el conocimiento y rendimiento del proceso.
Este documento presenta varios problemas de pronóstico de demanda con diferentes métodos como promedios móviles, suavización exponencial y regresión lineal. Incluye tablas de datos históricos de demanda, cálculos de pronósticos y gráficas de tendencia. El objetivo es que los estudiantes practiquen diferentes técnicas de pronóstico y calculen los valores pronosticados para meses futuros.
La ingeniera blanca tomó una muestra de 360 piezas de la fábrica y encontró 2 defectuosas. Esto corresponde a un 0.19837% de defectos, lo cual contradice la afirmación del dueño de que la tasa de defectos es menor al 3%. Por lo tanto, la ingeniera puede concluir que la afirmación del dueño sobre la baja tasa de defectos es falsa.
El documento describe cómo calcular el volumen máximo de una caja rectangular fabricada a partir de una pieza de cartón cuadrada. Se realizó una tabla variando el tamaño del recorte cuadrado en cada esquina y se observó que el volumen aumenta hasta cierto punto antes de disminuir. Usando una fórmula de segundo grado, se determinó que el recorte óptimo es de 5.657414 cm, dando como dimensiones máximas de la caja 28.6851709 cm de largo, 18.6851709 cm de ancho y 5.657414 cm
La fábrica de playeras Cranky tiene costos fijos de $859,000 mensuales y un costo unitario inicial de $72 por playera. Con un precio de venta de $98 por playera, el punto de equilibrio es 3,200 playeras. Sin embargo, debido a problemas de calidad, el costo unitario aumenta a $80 por playera, lo que eleva el nuevo punto de equilibrio a 4,700 playeras. Para mantener el punto de equilibrio con la demanda proyectada de 4,500 playeras, se propone aumentar el precio de venta a
El documento presenta un problema de punto de equilibrio para una fábrica de computadoras. La fábrica tiene costos fijos mensuales de $750,000 y el costo de producción por computadora es de $2,800, con un precio de venta de $3,500. Se pide determinar el número de computadoras que deben fabricarse para alcanzar el punto de equilibrio sin ganancias ni pérdidas. Luego, se analiza cómo cambia el punto de equilibrio si el costo de producción aumenta a $3,020. Finalmente, se disc
Este documento presenta un problema de razonamiento que condujo a una ecuación de segundo grado. El problema involucra a Luis que realizó un viaje de 4 horas en motocicleta y automóvil, recorriendo 126 km en moto y 230 km en auto. La velocidad del auto fue 8 km/h mayor que la moto. Se usan variables para representar la velocidad y tiempo en cada vehículo para formular una ecuación de segundo grado y resolverla, determinando que la velocidad de la moto fue 84 km/h y del auto 92 km/h, con tiempos
La ecuación de segundo grado tiene orígenes antiguos y fue estudiada por matemáticos de Mesopotamia, Babilonia, Grecia y el mundo islámico. El método moderno de resolución de ecuaciones de segundo grado ax + b = c ha evolucionado a lo largo de más de 3,000 años, desde los primeros métodos geométricos griegos hasta la notación simbólica introducida en el siglo XVI.
Yesinia realizó una resta de 16-15=1 y otra resta X-X=0 para demostrar que el resultado de restar un número con el mismo número es 0. El resultado final de los cálculos realizados por Yesenia fue demostrar la propiedad de la resta.
1. PROBLEMAS DE EXAMEN
UNIDAD 1
PROFRA. IMELDA ROCIO BARRIOS GONZALEZ
YESENIA NALLELY BUENO SALAZAR
2° B
ADMINISTRACION DE LA PRODUCCION
2. PROBLEMA:
a) En un promedio móvil ponderado con pesos
de 0.60, 0.30 y 0.10 calcula el promedio de
julio.
e) Con la ecuación de
regresión del inciso d). Calcule
el pronostico para julio
DEMANDA
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO
a)
12
11
15
12
16
15
b)
3.8
11.4
25.8
4.3
12.6666667
12.6666667
14.3333333
14.3333333
b) Con el promedio móvil simple
a 3 meses, determina el
promedio de julio
c) Mediante suavización
exponencial simple con un
alfa
c)
e)
11.26
22.365
3. d) Con un análisis de regresión
lineal simple calcula la ecuación
de relación de los actos
precedentes de la demanda.
Análisis de tendencia para
DEMANDA
Datos
DEMANDA
Longitud
6
Número de valores faltantes 0
Ecuación de tendencia
ajustada
Yt = 10.80 + 0.771*t
Medidas de exactitud
MAPE 9.21916
MAD 1.21905
MSD 1.84762
Pronósticos
Período Pronóstico
7
16.2
4. Análisis de tendencia para demanda
Datos
demanda
Longitud
12
Número de valores faltantes 0
Ecuación de tendencia ajustada
Yt = 60.667 + 2.04*t
Medidas de exactitud
MAPE 1.36574
MAD 0.95940
MSD 1.55876
Pronósticos
Período Pronóstico
13
87.167
14
89.205
15
91.244
16
93.282
17
95.321
18
97.359
19
99.397
20
101.436
21
103.474
22
105.513
23
107.551
24
109.590
Gráfica de análisis de tendencia de demanda
a) Con un análisis de regresión por
mínimas cuadradas ¿Cuál estimaría que
fuera la demanda de cada mes del año
entrante?
5. a) Con un análisis de regresión por mínimas
cuadradas ¿Cuál estimaría que fuera la demanda
de cada mes del año entrante?
DEMANDA
4200
4300
4000
4400
5000
4700
5300
4900
5400
5700
6300
6000
DE
DMS
65
62
67
68
71
73
76
78
78
80
84
85
DMP
64.7
65.7
68.1
69.9
72.6
74.9
77
78.7
80.7
S.EX
64.5
64.7
68.1
69.9
72.6
74.9
77.7
78.4
79.8
F
61
62.2
62.1
63.6
64.9
66.7
68.6
70.8
73
74.5
76.6
78.5
T
60
62.6
63.99
66.18
68.08
70.31
72.53
75.02
77.95
79.21
80.93
83.25
FI
1.8
2.04
1.83
1.94
1.93
2.02
2.08
2.2
2.27
2.12
2
2.09
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
61.8
64.85
65.83
68.12
70.01
72.3
74.6
77.22
79.33
81.33
82.93
81.33
Análisis de tendencia para
DEMANDA
Datos
DEMANDA
Longitud
6
Número de valores faltantes 0
Ecuación de tendencia
ajustada
Yt = 3933 + 143*t
Medidas de exactitud
MAPE
4.2
MAD 185.7
MSD 49365.1
Pronósticos
Período Pronóstico
7
4933.33
8
5076.19
9
5219.05
10
5361.90
11
5504.76
12
5647.62
6. a)Con un promedio móvil simple de 4 meses cual es el
pronostico para octubre.
b)Mediante suavización exponencial simple con un
a=0.20 y un pronostico para septiembre de
65, calcular el pronostico para octubre
c) Mediante la regresión líneal simple calcula la recta
con la tendencia de los datos históricos en el eje de
las x, sea abril = a 1, mayo a 2, junio =3 mientras que
en el eje de las y esta la demanda
d) Calcule el pronostico para octubre
Análisis de tendencia para DEMANDA
Datos
DEMANDA
Longitud
6
Número de valores faltantes 0
Ecuación de tendencia ajustada
Yt = 54.00 + 3.86*t
Medidas de exactitud
MAPE 9.2192
MAD 6.0952
MSD 46.1905
Pronósticos
Gráfica de análisis de tendencia de DEMANDA
Período Pronóstico
7
81
Modelo de tendencia lineal
Yt = 54.00 + 3.86*t
Variable
Actual
Ajustes
Pronósticos
80
DEMANDA
75
Medidas de exactitud
MAPE
9.2192
MAD
6.0952
MSD
46.1905
70
65
60
55
1
2
3
4
Índice
5
6
7
Y
60
55
75
60
80
75
X2Y2
XY
60
110
225
240
400
450
67.5
Y2
1
4
9
16
25
36
91
3600
3025
5625
3600
6400
5625
7. a)Con un promedio simple de 3 meses ¿Cuál es el
pronostico para septiembre?
b) Con un promedio móvil ponderado cual es
pronostico para septiembre con valores relativos de
0.20, 0.30 y 0.50 para junio y agosto respectivamente.
c)Mediante suavización simple y suponiendo que el
pronostico de junio fue de 130 pronostique las ventas
de septiembre con una constante de suavización
a=0.30
Datos
DEMANDA
Longitud
3
Número de valores faltantes 0
b)
140
180
170
163.3
Variable
Actual
Ajustes
Pronósticos
220
210
Medidas de exactitud
MAPE
6.705
MAD
11.111
MSD
138.889
DEMANDA
200
190
180
170
160
150
Pronósticos
Período Pronóstico
4
193.333
5
208.333
6
223.333
167
Gráfica de análisis de tendencia de DEMANDA
230
Yt = 133.3 + 15.0*t
MAPE 6.705
MAD 11.111
MSD 138.889
a)
Modelo de tendencia lineal
Yt = 133.3 + 15.0*t
Ecuación de tendencia ajustada
Medidas de exactitud
DEMANDA REAL
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
140
1
2
3
4
Índice
5
6
8. a) Con un promedio simple a 3 meses
¿Cuál es el pronostico para este mes?
b) Si este mes la demanda real fue de 300
unidades ¿Cuál seria su pronostico para
el mes entrante?
c) Con suavización exponencial simple
¿Cuál seria su pronostico para este mes
si el pronostico uniforme exponencial de
hace 3 meses fue de 450 unidades y la
constante de uniformidad a=0.20
julio-agosto
sep-oct
nov-dic
ene-feb
121
141.33
146.66
130
Ft=450+0.20(100)
9. a) Calcule los pronósticos para los 5 meses
restantes con suavización exponencial
simple
b) Calcule el mod de los pronósticos
MES
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
DEMANDA
REAL
PRONOSTICO A)
100
80
94
80
106
80
80
80
68
80
94
80
84
82.8
85.2
80
77.6
82.8
real
pronostico
a)
Enero
100
80
84
Febrero
94
80
82.8
Marzo
106
80
85.2
Abril
80
80
80
Mayo
68
80
77.6
junio
94
80
82.8
10. demanda
4200
4300
4000
4400
5000
4700
Análisis de tendencia para demanda
Datos
demanda
Longitud
6
Número de valores faltantes 0
Ecuación de tendencia ajustada
Yt = 3933 + 143*t
Medidas de exactitud
Gráfica de análisis de tendencia de demanda
Modelo de tendencia lineal
Yt = 3933 + 143*t
5800
Variable
Actual
Ajustes
Pronósticos
5600
5400
Medidas de exactitud
MAPE
4.2
MAD
185.7
MSD
49365.1
demanda
5200
5000
4800
4600
4400
MAPE
4.2
MAD 185.7
MSD 49365.1
Pronósticos
Período Pronóstico
7
4933.33
8
5076.19
9
5219.05
10
5361.90
11
5504.76
12
5647.62
4200
Gráfica de análisis de tendencia de
demanda < AQ Q1ºZW2ZSEWQS
4000
1
2
3
4
5
6
7
Índice
8
9
10
11
12
11. DEMANDA
12.0
11.0
15.0
12.0
16.0
15.0
13.4
Análisis de tendencia para DEMANDA
Datos
DEMANDA
Longitud
7
Número de valores faltantes 0
Ecuación de tendencia ajustada
Yt = 11.60 + 0.471*t
Medidas de exactitud
Gráfica de análisis de tendencia de DEMANDA
Modelo de tendencia lineal
Yt = 11.60 + 0.471*t
Variable
Actual
Ajustes
Pronósticos
16
DEMANDA
15
Medidas de exactitud
MAPE
9.71595
MAD
1.31429
MSD
2.18367
14
MAPE 9.71595
MAD 1.31429
MSD 2.18367
Pronósticos
Período Pronóstico
8
15.3714
Gráfica de análisis de tendencia de
DEMANDA
13
12
11
1
2
3
4
5
Índice
6
7
8