Guía de ejemplos:

Pronósticos
Apartado realizado por el Sistema de Bibliotecas de la Universidad Andrés Bello con
fines académicos. Autorizado según Ley N˚20.435 artículo 71K.

Toledo, G. (2019). Guía de ejemplos: Pronósticos [Apunte].

Universidad Andrés Bello, Santiago, Chile.
 1

Ejemplos: Pronósticos

Problema 1: Series de tiempo

A continuación, se muestra una tabla con datos de la producción semanal de una

empresa que fabrica piezas de metal para maquinaria pesada, con base en esta
información se desea pronosticar la demanda para las próximas 8 semanas, con
esto se logrará aprovisionar material para no caer en escasez.

Semana Demanda

1 193
2 150
3 240
4 250
5 211
6 195
7 224
8 180

a) Aplique el método “Promedio Móvil Simple” con n = 3.

b) Aplique el método “Promedio Móvil Ponderado” con ponderadores de 0,5;
0,3 y 0,2, asignando la mayor ponderación a la demanda más reciente.
c) Aplique la suavización exponencial ajustada a la tendencia con alfa igual
a 0.2. Además, considere A0=203.
d) Si el MAD y el error medio son los criterios de rendimiento seleccionados
por la administración. ¿Qué método de pronóstico deberá seleccionar?
 2

Solución:

a) Aplique el método “Promedio Móvil Simple” con n = 3.

Semana Demanda At Ft Et |Et|

1 193 -
2 150 -
3 240 194,3
4 250 213,3 194,3 55,7 55,7
5 211 233,7 213,3 -2,3 2,3
6 195 218,7 233,7 -38,7 38,7
7 224 210,0 218,7 5,3 5,3
8 180 199,7 210,0 -30,0 30,0
Total -10,0 132,0
E promedio MAD
-2,0 26,4

b) Promedio móvil ponderado (0,5; 0,3; 0,2)

At Ft Et |Et|
-
-
203,6
227,0 203,6 46,4 46,4
228,5 227,0 -16,0 16,0
210,8 228,5 -33,5 33,5
212,7 210,8 13,2 13,2
196,2 212,7 -32,7 32,7
Total -22,6 141,8
E MAD
promedio
-4,5 28,4
 3

c) Suavizamiento exponencial alfa = 0,2

At Ft Et |Et|
203,0
201,0 203,0 -10,0 10,0
190,8 201,0 -51,0 51
200,6 190,8 49,2 49,2
210,5 200,6 49,4 49,4
210,6 210,5 -0,5 0,5
210,8 207,5 -15,6 15,6
204,6 210,8 -30,8 30,8
Total 8,2 223,0
E MAD
promedio
1,0 27,9

d) Método MAG
PMS PMP SES
E Medio -2,0 -4,5 1,0
MAD 26,4 28,4 27,9

Método
PMS PMP SES
MAG
E Medio 1,0 2,3 0,5
MAD 1,0 1,08 1,06
Promedio 1,0 1,69 0,78

El mejor método de SES con alfa = 0,2 es el seleccionado debido a que es el

promedio menor.
 4

Problema 2: Series de tiempo

Un call center desea pronosticar el número de llamadas entrantes que recibe de

clientes de una prestigiosa compañía de comunicaciones. El call center programa
el número necesario de telefonistas, basado en el número de llamadas
proyectadas. Se piensa que el registro de los siete días más recientes en cuanto
al volumen de llamadas es representativo para realizar una estimación y poder
determinar el número necesario de telefonistas.

N° de N° de
Día Día
Llamadas Llamadas
1 159 6 173
2 217 7 157
3 186 8 203

a) Determine la cantidad de llamadas y el número de operarios necesarios

para el día ocho, utilizando los métodos de pronósticos indicados.

1. Promedio móvil ponderado con ponderaciones de 0,5; 0,3 y 0,2

2. Suavizamiento exponencial con tendencia A0 =155 T0 =2 α=0,3
β=0,1

b) Con los datos de errores calculados por usted y los entregados de otros
métodos, indique cuál es el mejor pronóstico para el día ocho. Utilice el
método MAD y normalice.

PMS PMP SES SET

E
Medio -4.58 -4.76

MAD 24.25 17.41

 5

Solución:

a) 1) Promedio móvil ponderado con ponderaciones de 0,5; 0,3 y 0,2

N° de
Día At Ft Et |Et|
Llamadas
1 159
2 217
3 186 189.90
4 161 179.70 189.9 -28.90 28.90
5 173 172.00 179.7 -6.70 6.70
6 157 162.60 172.0 -15.00 15.00
7 203 183.20 162.6 40.40 40.40
8 Pronóstico 183.2 Promedio Promedio
-2.55 22.75

a) 2) Suavizamiento exponencial con tendencia con A0 =155 T0 =2

α=0,3 β=0,1

N° de
Día At Tt Ft Et |Et|
Llamadas
155 2
1 159 157.60 2.06 157.00 2.00 2.00
2 217 176.86 3.78 159.66 57.34 57.34
3 186 182.25 3.94 180.64 5.36 5.36
4 161 178.63 3.19 186.19 -25.19 25.19
5 173 179.17 2.92 181.82 -8.82 8.82
6 157 174.57 2.17 182.09 -25.09 25.09
7 203 184.61 2.96 176.73 26.27 26.27
8 Pronóstico 187.57 Promedio Promedio
4.55 21.44

b) Con los datos de errores calculados por usted y los entregados de

otros métodos, indique cuál es el mejor pronóstico para el día ocho.
Utilice el método MAD y normalice.

PMS PMP SES SET

E Medio -4.58 -2.55 -4.76 4.60
MAD 24.25 22.75 17.41 21.40
 6

Método
PMS PMP SES SET
MAG
E Medio 0.96 0.54 1.00 0.97
MAD 1.39 1.31 1.00 1.23
Promedio 1.18 0.93 1.00 1.10

El mejor método es PMP. Promedio móvil ponderado, dado que tiene el menor
promedio.

Problema 3: Series de tiempo

Una destacada compañía alimentaria desea determinar su pronóstico para el

mes de julio sobre la base de la información entregada en la tabla.

a) Determine el pronóstico para el mes solicitado, utilizando los métodos de

pronósticos indicados a continuación:

1. Promedio móvil ponderado con ponderaciones de 0,6; 0,3 y 0,1

2. Suavizamiento exponencial simple con α=0,3

b) Con los datos de errores calculados por usted y los entregados de otros
métodos, indique cuál es el mejor pronóstico para julio. Utilice el método
MAD y normalice.

Ventas
Mes
(000 US$)
Enero 25
Febrero 30
Marzo 24
Abril 29
Mayo 27
Junio 25
PM
PMS P SES SET
E Medio 0.11 0.20
MAD 1.67 1.50
 7

Solución:

a)
a).1 Promedio móvil ponderado (0,6; 0,3; 0,1)

Ventas
Mes (000 US At Et Ft |Et|
$)
Enero 25
Febrero 30
Marzo 24 25.90
Abril 29 27.60 25.9 3.10 3.10
Mayo 27 17.30 27.6 -0.60 0.60
Junio 25 26.00 27.3 -2.30 2.30
Julio Pronóstico 26.0 Promedio Promedio
0.07 2.00

a).2 Suavizamiento exponencial simple con α=0,3

Ventas
Mes (000 US At Et Ft |Et|
$)
Enero 25
Febrero 30 27.5
Marzo 24 26.45 27.50 -3.50 3.50
Abril 29 27.22 26.45 2.55 2.55
Mayo 27 27.15 27.22 -0.21 0.21
Junio 25 26.51 27.15 2.15 2.15
Julio Pronóstico 26.51 Promedio Promedio
- 0.83 2.10

b)
PMS PMP SES SET
E Medio 0.11 0.07 -0.83 0.20
MAD 1.67 2.00 2.10 1.50

Método MAG PMS PMP SES SET

E medio 1.00 0.64 7.55 1.82
MAD 1.00 1.20 1.26 0.90
Promedio 1.00 0.92 4.405 1.36

El mejor método es PMP. Promedio móvil ponderado, tiene el menor promedio.

 8

Problema 4: Regresión lineal

La demanda de cambios de aceite registrada en el taller ha sido la siguiente:

Mes N° de cambios de
aceite
Enero 41
Febrero 46
Marzo 57
Abril 52
Mayo 59
Junio 51
Julio 60
Agosto 62

a) Aplique el análisis de regresión lineal simple y elabore un método de

pronóstico para la demanda mensual. En esta aplicación Y (variable
dependiente) corresponde a la demanda mensual, X (variable
independiente) representa el mes, para enero X=1, para febrero X=2, y
así sucesivamente.

b) Utilizando el modelo realice un pronóstico de demanda para septiembre,

octubre y noviembre.

Solución:

a) Aplicando Excel, y utilizando el gráfico de dispersión, se obtiene la

siguiente ecuación de regresión lineal.

N° de cambios de aceite
70

60

50
N° Cambios

y = 2.45 X + 42.464
40
R² = 0.6682
30

20

10

0
0 1 2 3 4 5 6 7 8 9
Meses
 9

Donde, a = 2,45 b = 42.464

r = 0,817 r2 = 0,668
Y= 42,464 + 2,45X

b) Reemplazando los valores en la ecuación de regresión lineal, se

obtiene:

Y (sep. = 9) = 42,464 + 2,45 * (9) = 64,514 ≈ 65

Y (oct. = 10) = 42,464 + 2,45 * (10) = 66,964 ≈ 67

Y (nov. = 11) = 42,464 + 2,45 * (11) = 69,414 ≈ 69

 10

Problema 5: Señal de rastreo

El planificador de la demanda utiliza el método de suavizamiento simple con α

=0.4 para realizar sus pronósticos, su jefe le ha pedido que realice un control de
sus pronósticos.

a) Calcule Señal de rastreo para cada período a partir de abril.

b) Con un intervalo de control de +/- 1.2, grafique los datos calculados, e
indique el % de pronósticos que están dentro del rango de control.

Solución:

a) Método: Suavizamiento con exponencial simple con α = 0,4

CFE
MAD SR=CF
Venta Suma
Desviación E/MAD
Período (miles At Ft Et IEtI Acumulativa
Media Señal
Lts) Errores de
Absoluta de
Pronóstico
Rastreo
Ene 17
Feb 21 19,0
Mar 19 19,0 19,0 0,00 0,00
Abr 23 20,6 19,0 4,00 4,00 4,00 2,00 2,00
May 18 19,6 20,6 -2,60 2,60 1,40 2,20 0,64
Jun 14 17,3 19,6 -5,56 5,56 -4,16 3,04 -1,37
Jul 20 18,4 17,3 2,66 2,66 -1,50 2,96 -0,50
Ago 18 18,2 18,4 -0,40 0,40 -1,90 2,54 -0,75
Sep 21 19,3 18,2 2,76 2,76 0,86 2,57 0,34
Oct 22 20,4 19,3 2,66 2,66 3,52 2,58 1,36
Nov 15 18,2 20,4 -5,41 5,41 -1,89 2,89 -0,65
Dic 22,00 19,7 18,2 3,76 3,76 1,87 2,98 0,63
 11

b) Con un intervalo de control de +/- 1.2, grafique los datos calculados,

e indique el % de pronósticos que están dentro del rango de control.

SR=CFE/M Límite Límite

Período
AD Señal de Inferior Superior
rastreo
Ene -1,2 1,2
Feb -1,2 1,2
Mar -1,2 1,2
Abr 2,00 -1,2 1,2
May 0,64 -1,2 1,2
Jun -1,37 -1,2 1,2
Jul -0,50 -1,2 1,2
Ago -0,75 -1,2 1,2
Sep 0,34 -1,2 1,2
Oct 1,36 -1,2 1,2
Nov -0,65 -1,2 1,2
Dic 0,63 -1,2 1,2

Se grafican los datos de la tabla. Se observa que hay 6 datos de 9 en total que
están dentro del rango de control que equivale a 67%.

Señal de Rastreo
1,50
1,20
0,90
0,60
0,30
0,00
-0,30 Abr May Jun Jul Ago Sep Oct Nov Dic
-0,60
-0,90
-1,20
-1,50

Limite Superior Limite Inferior SR