PRÁCTICA 01 – PROYECTOS DE INVERSIÓN
1. Calcule por el método de los promedios móviles la demanda esperada para el primer
trimestre de 2013 si la demanda trimestral de 2012 fue la siguiente:
Invierno = 340;
Primavera = 290;
Verano = 175
Otoño 245.
𝑡∗𝑛−1
(290+175+245+340)
𝑝𝑚1 = ∑ 𝑇𝑖 = =262,5
𝑖=𝑡 4
La demanda estimada para el 1° trimestre de 2013 es 262,5.
2. Con los datos del ejercicio anterior, calcule la demanda estimada para el trimestre
primavera de 2012 si la demanda real del trimestre invierno inmediatamente anterior fue
de 310 unidades.
Invierno 340
Primavera 290
Verano 175
Otoño 245
Invierno 310
𝑡∗𝑛−1
(290 + 175 + 245 + 310)
𝑝𝑚1 = ∑ 𝑇𝑖 = = 255
4
𝑖=𝑡
Por desviación exponencial d=0.2 Demanda = (0.2*310) + (0.8*263) = 272.4
La demanda estimada para el 1° trimestre primavera de 2012 será 255 y por
suavizado exponencial d=0.2 272.4
3. Calcule la demanda trimestral para el año 2012 que incorpore el efecto estacional, con
los siguientes datos:
Año Trimestre Demanda real
TI 371
T2 514
2010
T3 490
T4 312
TI 308
T2 485
2011
T3 500
T4 410
TI 390
T2 505
2012
T3 457
T4 427
4. En el estudio de un proyecto para la fabricación local de un producto que se adquiere en
la ciudad capital de un país, debe proyectarse la demanda esperada para el año 2013 con
la siguiente información disponible:
Año Unidades Año Unidades
2003 1 603 2008 1 450
2004 1 480 2009 1 115
2005 1 365 2010 1 682
2006 976 2011 1 501
2007 1 069 2012 1 712
Pronostique la demanda por el método de promedios móviles con tres y cinco años, y
determine en cuál se tendría mayor confianza.
Año Unidades PM (3 Yx-Y'x (Yx-Y'x)'2 PM (5 Yx- (Yx-Y'x)'2
Yx años) Y'x años) Y'x Y'x
2003 1.603
2004 1.480
2005 1.365
2006 976 1.483 - 507 256.711
2007 1.069 1.274 - 205 41.888
2008 1.450 1.137 313 98.178 1.299 151 22.922
2009 1.115 1.165 - 2.500 1.268 - 23.409
50 153
2010 1.682 1.211 471 221.527 1.195 487 237.169
2011 1.501 1.416 85 7.282 1.258 243 58.855
2012 1.712 1.433 279 78.027 1.363 349 121.522
2013 1.632 1.492
Total 387 1.077 463.877
387
3 𝐴Ñ𝑂𝑆 𝐷𝑇 = √ = 55,3
7
463,877
5𝐴Ñ𝑂𝑆 𝐷𝑇 = √ = 92,77
5
Al hallar para ambas proyecciones se aprecia que aquella con base en tres
años es mejor cinco años, debido a que muestra la menor.
5. Con los siguientes antecedentes, determine la línea de regresión , calcule y explique el
coeficiente de determinación y el error “estándar” de la estimación:
∑x = 1 239
∑y = 79
∑xy = 1 613
∑x2 = 17 322
∑y2 = 293
6. Un empresario del rubro textil desea reorientar su línea de producción en vista del gran
éxito que han tenido sus colegas en el rubro de la comercialización de una determinada
línea de productos. El empresario le proporciona los siguientes antecedentes de ventas
de la competencia:
Año Ventas reales (M$)
2003 129 326
2004 150 448
2005 198 786
2006 225 875
2007 245 865
Con esta información le pide que estime la demanda para los próximos cuatro años.
¿Cómo cree usted que será el comportamiento de la demanda esperada?
Con respecto a los sucedido en los años anteriores se puede estimar que la
demanda del producto aumentara debido a que su desviación típica es menor, lo
cual demuestra un mejor promedio móvil, siempre y cuando las condiciones y
datos de estudio se mantengan estables en el corto plazo, de otra forma el método
perderá validez.
¿Qué propondría como metodología de estimación?
La metodología de estimación que utilizaría sería la de promedios móviles
ya que sirve para realizar comparaciones con respecto a proyección de dos
o más años.
7. Realice un análisis de regresión sobre la demanda sin factores estacionales para
pronosticar la demanda de abrigos en el verano de 2022 y verano 2023, dados los
siguientes datos históricos de la demanda:
.Año Estación Demanda real
Primavera 205
Verano 140
2019
Otoño 375
Invierno 575
Primavera 475
Verano 275
2020
Otoño 685
Invierno 965
8. Los datos de ventas de 2 años son los siguientes (Los datos están acumulados con dos
meses de ventas en cada “período”):
Meses Ventas Meses Ventas
Enero-Febrero 109 Enero-Febrero 115
Marzo-Abril 104 Marzo-Abril 112
Mayo-Junio 150 Mayo-Junio 159
Julio-Agosto 170 Julio-Agosto 182
Setiembre-Octubre 120 Setiembre-Octubre 126
Noviembre-Diciembre 100 Noviembre-Diciembre 106
a) Trace la gráfica.
Chart Title
200
180
160
140
120
100
80
60
40
20
0
Serie 1 Columna2 Columna1
b) Componga un modelo de regresión lineal simple para los datos de ventas
MESES Ventas 1 Ventas 2 Ventas totales Pronostico
Enero-Febrero 109 115 112 196.0716
Marzo- Abril 104 112 108 193.6144
Mayo- Juio 150 159 154.5 222.17935
Julio- Agosto 170 182 176 235.3868
Septiembre- 120 126 123 202.8289
Octubre
Noviembre- 100 106 103 190.5429
Diciembre
total 753 800 776.5
c) Además del modelo de regresión, determine los factores multiplicadores del índice
estacional. Se supone que un ciclo completo es de 1 año.
Año Bimestre ventas Y=122+ Proporción Factor
1,136x
2020 1 109 123,1 0,8855
2 104 124,2 0,8374 0,89
3 150 125,3 1,1971 0,85
4 170 126,4 1,3449
5 120 127,5 0,9412 1,20
6 100 128,6 0,7776
2021 7 115 129,7 0,8867 1,36
8 112 130,8 0,8563
9 159 131,9 1,2055 0,94
10 182 133,0 1,3684
11 126 134,1 0,9396 0,78
12 106 135,2 0,7840
78 1553
d) Con los resultados de los incisos b) y c), prepare un pronóstico para el año entrante.
Año bimestre Y=122 + FACTOR PRONOSTICO
1,136 ESTACIAL
2022 13 136.8 0,89 120,8
14 137.9 0,85 116,4
15 139 1,20 166,4
16 140,2 1,36 189,4
17 141.3 0,94 132,3
18 142,4 0,78 110,7
9. La demanda de audífonos para estereofónicos y reproductores de discos compactos para
trotadores ha llevado a Industrias “Caracoza” a crecer casi 50% en el año pasado. El
número de trotadores sigue en aumento, así que Industrias “Caracoza” espera que la
demanda también se incremente, porque, hasta ahora, no se han promulgado leyes de
seguridad que impidan que los trotadores usen audífonos. La demanda de estéreos del
año pasado fue la siguiente:
Meses Demanda (Unid.) Meses Demanda (Unid.)
Enero 4 200 Julio 5 300
Febrero 4 300 Agosto 4 900
Marzo 4 000 Setiembre 5 400
Abril 4 400 Octubre 5 700
Mayo 5 000 Noviembre 6 300
Junio 4 700 Diciembre 6 000
a) Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que fuera la
demanda de cada mes del año entrante?
b) Para tener alguna seguridad de cubrir la demanda, Industrias “Caracoza” decide usar
tres errores estándar por seguridad. ¿Cuántas unidades adicionales debe retener para
alcanzar este nivel de confianza?
Demanda
Mes (Unidades) x x^2 XY Pronostico
Enero 1 4200 -11 121 -46200 -1057.69211
Febrero 2 4300 -9 81 -38700 -865.384416
Marzo 3 4000 -7 49 -28000 -673.076724
Abril 4 4400 -5 25 -22000 -480.769031
Mayo 5 5000 -3 9 -15000 -288.461339
Junio 6 4700 -1 1 -4700 -96.1536468
Julio 7 5300 1 1 5300 96.1540455
Agosto 8 4900 3 9 14700 288.461738
Septiembre 9 5400 5 25 27000 480.76943
Octubre 10 5700 7 49 39900 673.077122
Noviembre 11 6300 9 81 56700 865.384815
Diciembre 12 6000 11 121 66000 1057.69251
13 13 169 0 1250.0002
SUMA 78 60200 0 572 55000
A 0.00019934
Pronostico
B 96.1538462 utilizando 6266.66667
N 12
Desviación Pendiente 96.1538462
2609.57626 Unidades
estándar necesarias 2481.89607 Error de
pendiente 11.2831108
Error 1 786.816847 para tener
confianza R^2 0.87896868
Error 2 825.220471
Error 3 869.858753
10. Industrias “Caracoza” tiene un modelo de pronóstico simple: se toma la demanda real
del mismo mes del año anterior y se divide entre el número fraccional de semanas de ese
mes. Esto da una demanda semanal promedio para el mes. El promedio de esta semana
se usa como pronóstico semanal del mismo mes este año. La técnica se usó para
pronosticar ocho semanas de este año, que se muestran a continuación junto con la
demanda real. Las siguientes ocho semanas muestran el pronóstico (basado en el año
pasado) y la demanda real:
Demanda Demanda Demanda Demanda
Semana Semana
Pronosticada Real Pronosticada Real
1 140 137 5 140 180
2 140 133 6 150 170
3 140 150 7 150 185
4 140 160 8 150 205
a) Calcule el pronóstico con suavización exponencial simple de estos datos con una α
de 0,30 y un pronóstico inicial (F1) de 31.
b) Calcule el pronóstico de suavización exponencial con tendencia para estos datos, con
una α de 0,30, δ de 0,30; un pronóstico de tendencias inicial (T1) de 1 y un pronóstico
uniforme exponencial inicial de 30.
c) Calcule la desviación absoluta media (MAD) de cada pronóstico. ¿Cuál es el mejor?
Semana pronostico real Desviación RSFE
Desviación Suma de MAD TS
desviaciones
1 140 137 -3 -3 3 3 3.00 -1.00
2 140 133 -7 -10 7 10 5.00 -2.00
3 140 150 10 0 10 20 6.67 0.00
4 140 160 20 20 20 40 10.00 2.00
5 140 180 40 60 40 80 16.00 3.75
6 150 170 20 80 20 100 16.67 4.80
7 150 185 35 115 35 135 19.29 5.96
8 150 205 55 170 55 190 23.75 7.16
• POR LA SEMANA 8, EL MAD ES 23.75
• LA SEÑAL DE SEGUIMIENTO DE 8 SEMANAS ES DE 7.16
• LA SENAL DE SEGUIMIENTO ES DEMASIADO GTANDE POR LO QUE EL
PRONOSTICO SE DEBE CONSIDERAR POBRE
