Problemas Pronosticos U-2 Rekuino

1.
LAS TEMPERATURAS MXIMAS DIARIAS EN LA CIUDAD DE

HOUSTON LA SEMANA PASADA FUERON COMO SIGUE:
a) Pronosticar la temperatura mxima para hoy, utilizando un promedio
mvil de tres das.
Da
Temperatura
Pronostico
93
94
93
95
93.333
96
94
88
94.667
90
93
b) Pronosticar la temperatura mxima para hoy, utilizando un promedio

mvil de dos das.
Da
Temperatura
Pronostico
93
94
93
93.5
95
93.5
96
94
88
95.5
90
92
ADMINISTRACION DE OPERACIONES
c) Calcular la desviacin media absoluta basada en el promedio mvil de

dos das.
Da
Pronostico prom.
Diferencia
Movil 2 dias
absoluta
Temperatura
93
94
93
93.5
0.5
95
93.5
1.5
96
94
88
95.5
7.5
90
92
Mad
2.7
2. PARA LOS DATOS QUE ESTN A CONTINUACIN, DESARROLLAR UN

PRONSTICO DE PROMEDIOS MVILES DE TRES MESES.
Mes
Ventas
Promedio
Cantidad de
acumuladas
movil de 3
autos
para autos
meses
redondeada
Enero
20
Febrero
21
Marzo
15
Abril
14
18.66667
19
Mayo
13
16.66667
17
Junio
16
14
14
Julio
17
14.33333
15
Agosto
18
15.33333
16
Septiembre 20
17
17
Octubre
20
18.33333
19
Noviembre 21
19.33333
20
Diciembre
20.33333
21
23
3. CON LOS DATOS QUE SE DAN A CONTINUACIN, DESARROLLAR UN

PRONSTICO DE DEMANDA DE PROMEDIOS MVILES DE TRES AOS.
Ao
Demanda Pronostico promedio movil de 3 aos
13
7.6666667
12
10
13
11
11
10
11
11.333333
11
11
4. SUSAN GOODMAN HA DESARROLLADO EL SIGUIENTE MODELO DE

PRONSTICO:
= 36 + 4.3 x
Donde:
= demanda para acondicionadores de aire azteca y
X = la temperatura exterior (f).
Pronosticar
a)
la demanda para el azteca cuando la temperatura es de 70f.
b)
cul es la demanda para una temperatura de 80f?
c)
cul es la demanda para una temperatura de 90f?
5. LOS DATOS RECOLECTADOS PARA LA DEMANDA DE COSTALES DE

50 LIBRAS DE SEMILLA DE PASTO EN BOBS HARDWARE STORE SE
MUESTRAN EN LA TABLA. DESARROLLAR UN PROMEDIO MVIL DE
TRES
AOS
PARA
PRONOSTICAR
LAS
VENTAS.
DESPUS
DETERMINAR UNA VEZ MS LA DEMANDA CON UN PROMEDIO MVIL

PONDERADO EN EL CUAL A LAS VENTAS EN EL AO MS RECIENTE
SE LES DA UN PESO DE 2 Y A LAS VENTAS DE LOS OTROS DOS AOS
SE LES DA UN PESO DE 1 A CADA UNA CUL ES EL MTODO CREE
QUE SEA MEJOR?
Demanda de
Promedio
semillas de pasto
Promedio
(en miles de
mvil 3
Diferencia
ponderado
Diferencia
costales)
aos
absoluta
pesos: 1,1 y 2
absoluta
Ao
mvil
4.66666667 0.3333333
4.5
10
6.33333333 1.6666667
7.25
0.75
7.66666667 0.6666667
7.75
0.75
8.33333333 0.6666667
12
8.25
3.75
10
14
9.33333333 4.6666667
10
11
15
11.6666667 3.3333333
12.25
2.75
Mad movil 2.5416667
Mad
2.31
3 aos
ponderado
2
La diferencia media absoluta es menor al pronosticar con el promedio movil ponderado, por
lo tanto este es mejor
6. DESARROLLAR UN PROMEDIO MVIL DE DOS Y DE CUATRO AOS

PARA LA DEMANDA DE SEMILLAS DE PASTO DEL PROBLEMA 2.5
Demanda de semillas de
pasto (en miles de
Promedio movil
Promedio movil
costales)
de 2 aos
de 4 aos
Ao
10
4.5
4.75
7.5
6.25
6.75
7.5
7.5
12
8.5
10
14
10.5
11
15
13
10.5
7. EN LOS PROBLEMAS 5 Y 6, SE DESARROLLAN 4 DIFERENTES

PRONSTICOS PARA LA DEMANDA DE SEMILLAS DE PASTO. ESTOS 4
PRONSTICOS SON PROMEDIOS MVILES DE 2 AOS, PROMEDIOS
MVILES
DE
AOS,
UN
PROMEDIO
MVIL
PONDERADO
PROMEDIOS MVILES DE 4 AOS. CUL UTILIZARA? EXPLICAR SU

RESPUESTA.
DEMANDA DE
AO
SEMILLAS DE
PASTO (EN MILES
PROMEDIO
MOVIL DE 2
DIFERENCIA
ABSOLUTA
AOS
DE COSTALES)
PROMEDIO
MOVIL DE 4
DIFERENCIA
ABSOLUTA
AOS
10
4.5
5.5
4.75
5.25
7.5
0.5
6.25
1.75
6.75
0.25
7.5
1.5
7.5
1.5
12
8.5
3.5
10
14
10.5
3.5
11
15
13
10.5
4.5
2.22222222
Mad
Mad movil
Movil 4
2 aos
aos
Mad movil
2.5416667
3 aos
2.41666667
Mad
2.31
ponderado
2
De los mtodos mencionados el que tiene la menor diferencia en relacin

con la demanda real es el promedio movil de 2 aos.
8. UTILIZAR LA SUAVIZACIN EXPONENCIAL CON UNA CONSTANTE DE

SUAVIZACIN DE 0.3 PARA PRONOSTICAR LA DEMANDA DE SEMILLAS
DE PASTO DEL PROBLEMA 2.5. ASUMIR QUE EL PRONSTICO DEL
LTIMO PERIODO PARA EL AO 1 ES DE 5000 COSTALES PARA
PRINCIPIAR EL PROCEDIMIENTO. PREFERIRA UTILIZAR EL MODELO
DE SUAVIZACIN EXPONENCIAL O EL MODELO DE PROMEDIO
PONDERADO DESARROLLADO EN EL PROBLEMA 2.5? EXPLICAR LA
RESPUESTA.
Demanda de
semillas de pasto
Promedio
(en miles de
Ao
costales)
Suavizacin
Diferencia
mvil
Diferencia
absoluta
ponderado
absoluta
4.7
1.3
5.09
1.09
4.76
0.24
4.5
0.5
10
4.83
5.17
6.38
1.62
7.25
0.75
6.87
0.13
7.75
0.75
6.91
2.09
12
7.54
4.46
8.25
3.75
10
14
8.87
5.13
10
11
15
10.41
4.59
12.25
2.75
2.44
mad
2.31
Mad:
Como se puede observar el mtodo que tiene menor diferencia absoluta es el

promedio mvil ponderado que se calculo en el problema 2.5
9. UTILIZANDO LAS CONSTANTES DE SUAVIZACIN DE 0.6 Y 0.9,

DESARROLLAR UN PRONSTICO PARA LAS VENTAS DE GREEN LINE
JET SKIS. VASE EL PROBLEMA RESUELTO 2.1.
PRONOSTICO
DIFERENCIA
0.6
DIFERENCIA
DA
TEMPERATURA
93
94
93
95
93.20000 1.80000
93.05000 1.95000
96
94.28000 1.72000
94.80500 1.19500
88
95.31200 7.31200
95.88050 7.88050
90
90.92480 0.92480
88.78805 1.21195
Mad 0.6
Mad 0.9
ABSOLUTA
0.9
ABSOLUTA
93.5
2.35136
3.05936
10. QU EFECTO TUVO LA CONSTANTE DE SUAVIZACIN EN EL

PRONSTICO GREEN LINE JET SKIS? VASE EL PROBLEMA 2.1 Y EL
PROBLEMA 2.9. CUL CONSTANTE DE SUAVIZACIN OFRECE EL
PRONSTICO MS EXACTO?
DA
TEMPERATURA
PRONOSTICO
DIFERENCIA
0.6
ABSOLUTA
DIFERENCIA
0.9
ABSOLUTA
93
94
93
95
93.20000 1.80000
93.05000 1.95000
96
94.28000 1.72000
94.80500 1.19500
88
95.31200 7.31200
95.88050 7.88050
90
90.92480 0.92480
88.78805 1.21195
Mad 0.6
Mad 0.9
93.5
2.35136
3.05936
La mejor constante de suavizacion es la de 0.6
11. UTILIZAR UN MODELO DE PRONSTICO DE PROMEDIO MVIL DE

TRES AOS PARA PRONOSTICAR LAS TEMPERATURAS VASE EL
PROBLEMA RESUELTO 2.1.
PRONOSTICO
DIA
TEMPERATURA
93
94
93
95
93.300
96
94.000
88
94.700
90
93.000
PROMEDIO MOVIL
12. UTILIZANDO EL MTODO DE PROYECCIN DE TENDENCIA,

DESARROLLAR
UN
MODELO
DE
PRONSTICO
PARA
LAS
TEMPERATURAS. VASE EL PROBLEMA RESUELTO 2.1

Utilizando las siguientes formulas:
Dia x
Temperatura
y
X2
Xy
93
93
94
188
93
279
95
16
380
96
25
480
88
36
528
90
49
630
Sumatoria:
28
649
140
2578
Promedio:
92.7142857
A=
95.2857143
B=
-0.64285714
1
0
Sustituyendo estos datos en la ecuacin lineal:
Por lo tanto la ecuacin de la tendencia de los mnimos cuadrados es:
En donde:
13.
UTILIZARA
LA
SUAVIZACIN
EXPONENCIAL
CON
UNA
CONSTANTE DE SUAVIZACIN DE 0.3, UN PROMEDIO MVIL DE 3

MESES, O TENDENCIA PARA PREDECIR LAS VENTAS DE GREEN LINES
JET SKIS? REFIRASE AL PROBLEMA RESUELTO
2.1 Y LOS
PROBLEMAS 2.11 Y 2.12.
Temperatura Pronostico
93
94
93
95
96
88
90
Diferencia
0.3 absoluta
Promedio
movil 3
dias
Diferencia
absoluta
Ecuacion
tendencia
Diferencia
absoluta
94.6428572 1.64285716
94
0.00
93.3571429 0.35714288
93.5
93.
350
00
93.
845
00
94.
491
50
92.
544
05
Mad
0.3
1.65000
93.3000
1.70000
92.7142857 2.28571426
2.15500
94.0000
2.00000
92.0714286 3.9285714
6.49150
94.7000
6.70000
91.4285715 3.42857146
2.54405
93.0000
3.00000
90.7857143 0.78571432
3.21014
Mad prom
movil
1.775510214
3.35000
Mad ec
El modelo de tendencia es el que tiene menor diferencia con respecto al pronstico real,
por lo tanto es conveniente usar la ecuacin de tendencia
1
1
14. LA DEMANDA PARA CIRUGA DE TRASPLANTE DE CORAZN EN EL

WASHINGTON GENERAL HOSPITAL HA CRECIDO CONSTANTEMENTE
EN LOS AOS PASADOS, COMO SE APRECIA EN LA SIGUIENTE TABLA:
EL DIRECTOR DE LOS SERVICIOS MDICOS PREDIJO HACE SEIS AOS
QUE LA DEMANDA DEL AO 1 SERA DE 41 CIRUGAS.
a) USE
LA SUAVIZACIN EXPONENCIAL,
PRIMERO CON UNA
CONSTANTE DE SUAVIZACIN DE 0.6 Y POSTERIORMENTE CON

UNA DE 0.9, PARA DESARROLLAR PRONSTICOS PARA LOS
AOS 2 A 6.
Ao
Cirugas
realizadas
de
trasplante
de
corazn
0.6
0.9
45
41.00000 41.00000
50
43.40000 44.60000
52
47.36000 49.10000
56
50.14400 51.71000
58
53.65760 55.57100
56.26304 57.75710
b) Utilice un promedio mvil de 3 aos para pronosticar las demandas de

los aos 4, 5 y 6.
AO
CIRUGAS
REALIZADAS
TRASPLANTE
CORAZN
45
50
52
56
49.0
58
52.7
55.3
DE PROMEDIO
DE MVIL
1
2
c) Use el mtodo de proyeccin de tendencias para pronosticar la

demanda de los aos 1 a 6.
Cirugas
realizadas de
Ao
X2
trasplante de
Pronstico
Xy
corazn
Y
45
45
45.8
50
100
49.0
52
156
52.2
56
16
224
55.4
58
25
290
58.6
61.8
Sunmatoria 15
261
Promedio
52.2
A=
55
815
42.6
B=
3.2
d) Con MAD como criterio, cul de los 4 sistemas anteriores de pronstico

es el mejor
Cirugas
realizadas
Ao
de
trasplante
0.6
D.a.
0.9
D.a.
Prom
D.a.
Tendencia
D.a.
de
corazn
45
41.00000 4
41.00000 4.00000
45.800
0.800
50
43.40000 6.6
44.60000 5.40000
49.000
1.000
52
47.36000 4.64
49.10000 2.90000
52.200
0.200
56
50.14400 5.856
51.71000 4.29000 49.000 7.000
55.400
0.600
58
53.65760 4.3424
55.57100 2.42900 52.700 5.300
58.600
0.600
Mad
0.64
Mad
5.08768 Mad
3.80380 Mad
6.15
El mejor sistema para pronosticar en este caso es tendencia, ya que es el que

menor diferencia tiene.
1
3
15. UN CUIDADOSO ANLISIS DEL COSTO DE OPERACIN DE UN

AUTOMVIL FUE HECHO POR UNA EMPRESA. SE DESARROLLO
EL SIGUIENTE MODELO:
Y = 4000 + 0.20 x
Donde:
Y = costo anual
X= millas manejadas
a) Si un automvil se maneja 15,000 millas este ao, cul es el costo de
operacin pronosticado para este automvil?
Y = 4000 + 0.20 (15,000)
Costo de operacin: $ 7,000.00
b) Si un automvil se maneja 25,000 millas este ao, cul es el costo de
operacin pronosticado para este automvil?
Y = 4000 + 0.20 (25,000)
Costo de operacin: $ 9,000.00
c) Suponga que un automvil se manejo 15 mil millas y el costo anual de

operacin fue de $6,000.00, mientras que un segundo automvil se
manejo 25,000 millas y el costo de operacin real fue de $10,000.00.
Calcule la desviacin media absoluta.
Costo
Millas
real
Pronostico
Diferencia
15,000 6,000
7,000
1,000
25,000 10,000
9,000
1,000
Mad
1,000
1
4
16. CON
LOS
SIGUIENTES
DATOS
UTILICE
LA
SUAVIZACIN
EXPONENCIAL (=0.2) PARA DESARROLLAR UN PRONSTICO DE DEMANDA.

ASUMA QUE EL PRONSTICO PARA EL PERIODO INICIAL ES DE 5.
Periodo
Demanda 0.2
7.4
9.32
4.136
13
9.9728
13.60544
17. CALCULAR A) MAD, B) MSE, C) MAPE PARA EL SIGUIENTE

PRONOSTICO CONTRA LOS NMEROS DE VENTAS REALES
Pronstico Real
D.a.
100
95
110
108
120
123
130
130
mad
2.5
Mse
6.25
<--se calculo: sumatoria de la diferencia absoluta, expresada
Mape1 250.00% como porcentaje del no. De valores observados (en este caso 4
valores).
<--se calculo: sumatoria de la diferencia absoluta, expresada
Mape2 2.19%
como porcentaje con respecto a la sumatoria de los valores

observados (en este caso la sumatoria es 45).
1
5
18. CON LOS SIGUIENTES DATOS, UTILICE LA REGRESIN POR

MNIMOS CUADRADOS PARA DERIVAR UNA ECUACIN DE
PRONSTICO. CUL ES SU ESTIMADO DE LA DEMANDA PARA
EL PERIODO 7?
UTILIZANDO LAS FORMULAS:
Periodo x
Demanda y X2
Xy
18
15
11
16
44
10
25
50
13
36
78
Sumatoria
21
55
91
212
Promedio
3.5
9.16666667
A=
5.26666667
B=
1.11428571
( )
(
1
6
19. CON LOS SIGUIENTES DATOS, UTILICE LA REGRESIN POR

MNIMOS CUADRADOS PARA DESARROLLAR LA RELACIN
ENTRE EL NMERO DE DAS CON LLUVIA EN VERANO Y EL
NMERO DE JUEGOS PERDIDOS POR EL EQUIPO DE BASEBALL
BOCA RATON CARDINAL.
DAS CON
JUEGOS
LLUVIA
PERDIDOS
EN
POR LOS
VERANO
CARDINALS
AO
X2
XY
1984
15
25
225
375
1985
25
20
625
500
1986
10
10
100
100
1987
10
15
100
150
1988
30
20
900
600
1989
20
15
400
300
1990
20
20
400
400
1991
15
10
225
150
1992
10
100
50
1993
25
20
625
500
Sumatoria 180
120
3700
3125
Promedio 18
16
B=
0.5326087
A=
6.41304348
En la siguiente ecuacin se presenta la relacin entre la cantidad de das

con lluvias y el nmero de partidos ganados por los cardinals:
1
7
20. LAS VENTAS DE ASPIRADORAS INDUSTRIALES EN JACK PETERS

SUPPLY CO., EN LOS LTIMOS 13 MESES SE MUESTRAN A
CONTINUACIN.
a) Utilizando un promedio mvil con tres periodos, determinar la

demanda de aspiradoras para el prximo febrero.
MES
VENTAS
PRONOSTICO
(EN
PROMEDIO
MILES)
MOVIL
Enero
11
Febrero
14
Marzo
16
Abril
10
13.6666667
Mayo
15
13.3333333
Junio
17
13.6666667
Julio
11
14
Agosto
14
14.3333333
Septiembre
17
14
Octubre
12
14
Noviembre
14
14.3333333
Diciembre
16
14.3333333
Enero
11
14
Febrero
13.6666667
Venta
pronosticada
para el mes
de :
1
8
b) USANDO UN PROMEDIO MVIL PONDERADO CON TRES

PERIODOS, DETERMINAR LA DEMANDA DE ASPIRADORAS
PARA FEBRERO. USAR 3,2 Y 1 PARA LOS PESOS DE LOS
PERIODOS MS RECIENTE, SEGUNDO MS RECIENTE Y
TERCERO
MS
RECIENTE,
RESPECTIVAMENTE.
POR
EJEMPLO, SI SE ESTUVIERA PRONOSTICANDO LA DEMANDA

PARA FEBRERO, NOVIEMBRE TENDRA UN PESO DE 1;
DICIEMBRE TENDRA UN PESO DE 2; Y ENERO TENDRA UN
PESO DE 3.
Mes
Ventas (en miles)
Promedio movil ponderado
Enero
11
Febrero
14
Marzo
16
Abril
10
14.5
Mayo
15
12.6666667
Junio
17
13.5
Julio
11
15.1666667
Agosto
14
13.6666667
Septiembre 17
13.5
Octubre
12
15
Noviembre 14
14
Diciembre
16
13.8333333
Enero
11
14.6666667
Febrero
13.1666667
1
9
c) Evaluar la exactitud de cada uno de estos mtodos.
Mes
Ventas (en
Promedio
miles)
movil
Promedio
D.a.
movil
D.a.
ponderado
Enero
11
Febrero
14
Marzo
16
Abril
10
13.6666667 3.66666667 14.5
Mayo
15
13.3333333 1.66666667 12.6666667 2.33333333
Junio
17
13.6666667 3.33333333 13.5
Julio
11
14
Agosto
14
14.3333333 0.33333333 13.6666667 0.33333333
4.5
3.5
15.1666667 4.16666667
Septiembre 17
14
13.5
3.5
Octubre
14
15
Noviembre 14
14.3333333 0.33333333 14
Diciembre
16
14.3333333 1.66666667 13.8333333 2.16666667
Enero
11
14
12
Febrero
14.6666667 3.66666667
13.6666667 13.6666667 13.1666667 13.1666667

Mad
3.24242424 Mad
3.66666667
La desviacin absoluta media es menor para el promedio movil, por lo

tanto ofrece mayor exactitud
d) qu
otros
factores
pueden
considerar
peters
en
sus
pronsticos de ventas?
La estacionalidad pudiera ser un factor a considerar, por que en

periodo vacacional de semana santa disminuye a 10 mil las
ventas.
2
0
21. EL GERENTE DE OPERACIONES DE UNA DISTRIBUIDORA DE

INSTRUMENTOS MUSICALES CREE QUE LA DEMANDA DE
BOMBOS PUEDE ESTAR RELACIONADA CON EL NMERO DE
APARICIONES POR TELEVISIN DEL POPULAR GRUPO DE ROCK
GREEN SHADES DURANTE EL MES PREVIO. EL GERENTE HA
RECOLECTADO
LOS
DATOS
QUE
SE
MUESTRAN
EN
LA
SIGUIENTE TABLA.
Demanda de
Apariciones en televisin
bombos
de green shades
10
a) Graficar estos datos para ver si una ecuacin lineal puede describir
la relacin entre los shows en televisin del grupo y las ventas de
bombos.
12
10
8
Demanda de
6
Bombos
4
2
0
0
10
Apariciones en TV de Green Shades
Se puede apreciar que una ecuacion lineal puede explicar la

relacion entre estas dos variables.
2
1
b) Utilizar el mtodo de regresin de mnimos cuadrados para derivar

una ecuacin del pronstico.
Apariciones
en
Demanda
televisin
de
de green
bombos
shades
X2
Xy
16
24
25
40
36
30
49
49
10
64
80
Sumatoria 33
39
199
232
Promedio 5.5
6.5
B=
A=
c) cul es el estimado de ventas de bombos si los green shades

tocaron en televisin nueve veces durante el ltimo mes?
El estimado de ventas es de 10 bombos
2
2
22. UN ESTUDIO PARA DETERMINAR LA CORRELACIN ENTRE LOS

DEPSITOS
BANCARIOS
LOS
NDICES
DE
PRECIOS
CONSUMIDORES EN BIRMINGHAM, ALABAMA, REVELARON LO

SIGUIENTE (BASADO EN 5 AOS DE DATOS):
x = 15
x2 = 55 xy = 70 y = 20 y2 = 130
a) Encontrar el coeficiente de correlacin. qu significancia tiene

para usted?
Promedio de x=
Promedio de y=
Covarianza=
Desviacion de x=
1.41421356
Desviacion de y=
3.16227766
Coeficiente de correlacion lineal=
0.4472136
Dado que la elcoeficiente de correlacion lineal es mas

cercano a cero, la relacion entre las variables es debil
b) cul es el error estndar del estimado?
Utilizando la formula anterior se tiene:
B=
0.2173913
A=
3.34782609
Error estandar
3.99274705
2
3
23. EL CONTADOR DE LESLIE WARDROP COAL DISTRIBUTORS, INC.,

OBSERVA QUE LA DEMANDA DE CARBN PARECE ESTAR
RELACIONADA CON UN NDICE DE SEVERIDAD EN EL CLIMA, DE
ACUERDO CON UN ESTUDIO DESARROLLADO POR EL U.S.
WEATHER
BUREAU.
ES
DECIR,
COMO
EL
CLIMA
FUE
EXTREMADAMENTE FRO EN ESTADOS UNIDOS EN LOS LTIMOS

CINCOS AOS (Y POR LO TANTO EL NDICE ES ALTO), LAS
VENTAS DE CARBN FUERON ALTAS. EL CONTADOR PROPONE
QUE SE PUEDE HACER UN BUEN PRONSTICO PARA LA
DEMANDA DE CARBN DEL AO PRXIMO AL DESARROLLAR
UNA ECUACIN DE REGRESIN, Y DESPUS CONSULTAR EL
FARMERS ALMANAC PARA VER QU TAN SEVERO SER EL
INVIERNO DEL AO PRXIMO. CON LOS DATOS DE LA
SIGUIENTE TABLA, DERIVAR UNA ECUACIN DE REGRESIN DE
MNIMOS CUADRADOS Y CALCULAR EL COEFICIENTE DE
CORRELACIN DE LOS DATOS. TAMBIN CALCULAR EL ERROR
ESTNDAR DEL ESTIMADO.
Ventas de
carbn
ndice del
clima
(en millones
X2
Xy
de tons)
16
16
25
30
15
Sumatoria 20
15
55
70
Promedio 4
3
B=
A=
2
4
Coeficiente de correlacin=0.84
Error estndar=1.15
24. TRECE ESTUDIANTES SE INSCRIBIERON AL PROGRAMA DE P/OM
EN EL ROLLINS COLLEGE HACE DOS AOS. LA SIGUIENTE
TABLA INDICA CUALES FUERON SUS CALIFICACIONES (GPAS)
DESPUS DE ESTAR EN EL PROGRAMA POR DOS AOS Y LO
QUE CADA ESTUDIANTE LOGRO EN EL EXAMEN SAT CUANDO
ESTUVO EN LA PREPARATORIA.
Estudiante
Calificacin sat
Gpa
421
2.90
377
2.93
585
3.00
690
3.45
608
3.66
390
2.88
415
2.15
481
2.53
729
3.22
501
1.99
613
2.75
709
3.90
366
1.60
2
5
a) existe una relacin significativa entre las calificaciones y los sats?

Calificacin
Estudiante
Gpa
sat
X2
Xy
421
2.9
177241
1220.9
377
2.93
142129
1104.61
585
342225
1755
690
3.45
476100
2380.5
608
3.66
369664
2225.28
390
2.88
152100
1123.2
415
2.15
172225
892.25
481
2.53
231361
1216.93
729
3.22
531441
2347.38
501
1.99
251001
996.99
613
2.75
375769
1685.75
709
3.9
502681
2765.1
366
1.6
133956
585.6
Sumatoria
3,857,893.0
6,885.00
Promedio
36.96
20,299.49
2.8430769
529.615385
2
1.0277708
A=
0.0034275
B=
2
6
Promedio de x=
Promedio de y=
Covarianza=
Desviacion de x=
Desviacion de y=
Coeficiente de correlacion lineal =
529.615385
2.84307692
55.7619527
127.548204
0.63194918
0.69180146
La relacion que existe, interpretando el coeficiente de correlacin lineal,

se puede decir que es moderada, ya que no alcanza ni el 70%.
b) si un estudiante obtuvo 350 en el sat, cul cree que sea su

calificacin en el gpa?
2.22742845
c) qu tal para un estudiante que obtuvo 800?
3.7698454
2
7
25. LA DRA. JERILYN ROSS, UNA PSICLOGA DE NUEVA YORK, SE

ESPECIALIZA EN TRATAR PACIENTES QUE TIENEN FOBIAS Y
TEMORES AL SALIR DE CASA. LA SIGUIENTE TABLA MUESTRA
EL NMERO DE PACIENTES QUE HA ATENDIDO LA DRA. ROSS
CADA
AO
DURANTE
LOS
LTIMOS
10
AOS.
TAMBIN
RELACIONA LA TASA DE ROBOS EN NUEVA YORK DURANTE EL

MISMO AO.
Tasa
Ao
de
(robos)
por
habitantes
X
crimen
1000
Nmero de
pacientes
X2
Xy
58.3
36
3398.89
2098.8
61.1
33
3733.21
2016.3
73.4
40
5387.56
2936
75.7
41
5730.49
3103.7
81.1
40
6577.21
3244
89
55
7921
4895
101.1
60
10221.21 6066
94.8
54
8987.04
103.3
58
10670.89 5991.4
10
116.2
61
13502.44 7088.2
Sumatoria
854.00
478.00
76,129.94 42,558.60
Promedio
85.4
47.8
A=
1.40907221 B=
Promedio de x=
85.4
Promedio de y=
47.8
5119.2
0.5432193
2
8
Covarianza=
173.74
Desviacion de x=
17.8839034
Desviacion de y=
71.539255
Coeficiente de correlacion lineal =
0.13579791
La ecuacin de tendencia quedara como sigue:
Pero la relacin entre la tasa de crmenes y el no. De pacientes de la

doctora,
Usando el mismo anlisis de tendencia, cuntos pacientes atender la
dra. Ross en los aos 11, 12 y 13? qu tan bien encaja el modelo en los
datos?
Para responder esta pregunta es necesario contar la tasa de crmenes, ya
que sta es la variable independiente, a partir de ese dato se podr
estimar el no. De pacientes
26. UTILIZANDO LOS DATOS DEL PROBLEMA 2.25, APLICAR LA
REGRESIN LINEAL PARA ESTUDIAR LA RELACIN ENTRE LA
TASA DE CRMENES Y LA CARGA DE PACIENTES DE LA DRA.
ROSS. SI LA TASA DE ROBO SE INCREMENTA A 131.2 EN EL AO
11, CUNTOS PACIENTES CON FOBIA ATENDER LA DRA.
ROSS? SI LA TASA DE CRMENES BAJA A 90.6, CUL ES LA
PROYECCIN DE PACIENTES?
A pesar que dicha ecuacin muestra una relacin baja, se estimara

con ella el pronstico solicitado:
Para una tasa de 131.2 crmenes:
(
pacientes
2
9
Para una tasa de 90.6 crmenes:

(
Pacientes
27. LOS CONTADORES DE LA EMPRESA GETS AND FARNSWORTH

CREAN QUE VARIOS EJECUTIVOS VIAJEROS PRESENTABAN
COMPROBANTES
DE
VIAJE
INUSUALMENTE
ALTOS
AL
REGRESAR DE VIAJES DE NEGOCIOS. LOS CONTADORES

TOMARON
UNA
MUESTRA
DE
200
COMPROBANTES
PRESENTADOS DESDE EL AO PASADO; POSTERIORMENTE

DESARROLLARON LA SIGUIENTE ECUACIN DE REGRESIN
MLTIPLE, RELACIONANDO EL COSTO DEL VIAJE (), EL
NMERO DE DAS DE VIAJE (X1), Y LA DISTANCIA VIAJADA (X2)
EN MILLAS:
= $90.00 + $48.50 x1 + 0.40 x2
El coeficiente de correlacin calculado fue de 0.68.
a) Si bill tomlinson regresa de un viaje de 300 millas por el que estuvo
fuera por cinco das, cul es la cantidad espera que debe reclamar
como gastos?
Y=90.00+ 48.50 (5) + 0.40 (300) = 452.50

Por lo tanto el gasto esperado es de $452.50
b) Tomlinson reclamo una solicitud de reembolso por $685 qu debe
hacer el contador?
c)
Revisar comprobantes y checar si no hubo ninguna contingencia
que hiciera gastar mas a tomilson.
3
0
d) se deben incluir otras variables? cules? por qu?
Edad---- asumo que las personas mas jovenes pueden gastar mas.
Sexo----- las mujeres normalmente gastan mas.
28. EN EL PASADO, LA DISTRIBUCIN DE LLANTAS DE LAURA

GUSTAFSON VENDI UN PROMEDIO DE 1000 RADIALES CADA
AO. EN LOS LTIMOS DOS AOS SE VENDIERON 200 Y 250,
RESPECTIVAMENTE, EN EL OTOO; 300 Y 350 EN INVIERNO; 150
Y 165 EN PRIMAVERA; Y 300 Y 285 EN VERANO. AL PLANEAR UNA
EXPANSIN MAYOR, LA SRA. GUSTAFSON PROYECTA QUE LAS
VENTAS DEL PRXIMO AO SE INCREMENTEN A 1200 RADIALES.
CUL SER LA DEMANDA PARA CADA ESTACIN?
Demanda de ventas
Estacin
Demanda
Demanda
mensual
Pronostico
ndice
demanda
promedio
Otoo
200
250
225
250
0.9
270
Invierno
300
350
325
250
1.3
390
Primavera 150
165
157.5
250
0.63
189
Verano
285
292.5
250
1.17
351
Total
300
1000
promedio
estacional
mensual
Pronostico= 1200
3
1
29. SUPONGA QUE EL NMERO DE ACCIDENTES DE AUTOMVILES

EN CIERTA REGIN SE RELACIONAN CON EL NMERO DE
AUTOMVILES REGISTRADOS EN MILES (B1), VENTA DE BEBIDAS
ALCOHLICAS EN $10,000S (B2), Y DECREMENTO EN EL PRECIO
DE LA GASOLINA EN CENTAVOS (B3). MS AUN, IMAGINE QUE LA
FORMULA DE REGRESIN SE HA CALCULADO COMO:
Y= a + b1 x1+ b2 x2 +b3 x3
Donde:
Y = el nmero de accidentes de automviles
A = 7.5, b1 = 3.5, b2 = 4.5 y b3 = 2.5
Calcular el nmero esperado de accidentes automovilsticos bajo las
siguientes condiciones:
A=
7.5
B1 =
3.5
B2 =
4.5
b3 =
2.5
Y
X1
X2
X3
(no. De accidentes)
A)
50.5
B)
43
C)
58
3
2
30. El siguiente modelo de regresin mltiple fue desarrollado para

predecir el desempeo del trabajo, de acuerdo con el ndice de
evaluacin de desempeo del trabajo, en una compaa que se
bas en la calificacin del examen de preempleo y el promedio de
calificaciones de la universidad (gpa).
Y = 35 + 20 x1 + 50 x2
Donde:
Y = ndice de evaluacin de desempeo del trabajo
X1 = calificacin del examen de preempleo
X2 = gpa universitario
a) Pronosticar el ndice de desempeo del trabajo para un solicitante
con gpa de 3.0 y calificacin de 80 en el examen de preempleo.
(
b) Pronosticar el ndice de desempeo del trabajo para un solicitante

con gpa de 2.5 y calificacin de 70 en el examen de preempleo.
(
3
3
31. EL GOBIERNO DE LA CIUDAD OBTUVO LOS SIGUIENTES DATOS

DE RECOLECCIN DE IMPUESTOS SOBRE VENTAS ANUALES Y
REGISTROS DE AUTOMVILES NUEVOS:
Registro de
Recoleccion
de
automoviles
X2
impuestos
nuevos
Y2
Xy
sobre
ventas y
10
100
10
12
1.4
144
16.8
144
15
1.9
225
28.5
225
16
256
32
256
14
1.8
196
25.2
196
17
2.1
289
35.7
289
20
2.3
400
46
400
Sumatoria
12.50
104.00
1,610.00 194.20
Promedio
14.8571429 1.78571429
1,511.00
A=
Promedio
0.130837
de
x=
Promedio
0.15814978 B=
14.8571429
de
y=
1.78571429
Covarianza=
1.2122449
Desviacion de
x=
3.04389654
Desviacion de
y=
14.5831535
Coeficiente de
correlacion
lineal=
0.0273092
3
4
Determinar:
a) La ecuacin de regresin de mnimos cuadrados.
b) Utilizando los resultados de la parte a), encontrar la recoleccin

estimada de impuestos sobre ventas, si el total en los registros de
automviles nuevos fue de 22.
(
c) Los coeficientes de correlacin y determinacin.

Coeficiente
lineal=
de
correlacion
0.0273092
32. Las millas voladas por pasajeros en northeast airlines, una

empresa de enlace que da servicio en la ciudad de boston, se
muestran para las 12 semanas pasadas.
a) Asumiendo que el pronstico inicial para la semana 1 fue de 17,000

millas, utilizar la suavizacin exponencial para calcular las millas de las
semanas 2 a la 12. Emplear = 0.2.
3
5
Semana
Millas de
Pronstico
pasajeros
(millas de
Diferencia
Error
reales (en
pasajeros
absoluta
pronostico
miles)
en miles)
17
17.00
0.00
0.00
21
17.00
4.00
4.00
19
17.80
1.20
1.20
23
18.00
5.00
5.00
18
19.00
1.00
-1.00
16
18.80
2.80
-2.80
20
18.30
1.70
1.70
18
18.60
0.60
-0.60
22
18.50
3.50
3.50
10
20
19.20
0.80
0.80
11
15
19.40
4.40
-4.40
12
22
18.50
3.50
3.50
28.50
10.90
Total
Mad
2.38
Rsfe
10.90
Rsfe
/
mad
4.59
b) cul es el mad para este modelo?

2.38
3
6
33.
SE
CREE
QUE
LOS
VIAJES
EN
AUTOBS
METRO
EN
WASHINGTON, D.C., DURANTE LOS MESES DEL VERANO ESTN

VINCULADOS CON EL NMERO DE TURISTAS QUE VISITAN EN ESTA
CIUDAD. DURANTE LOS LTIMOS 12 AOS, SE HAN OBTENIDO LOS
SIGUIENTES DATOS:
Ao Nmero
de Viajes
turistas
Ao Nmero
(millones)
de Viajes
turistas
(millones)
(millones)
(millones)
1.5
16
2.4
1.0
12
2.0
1.3
14
2.7
1.5
10
20
4.4
14
2.5
11
15
3.4
15
2.7
12
1.7
a) Graficar estos datos y decidir si es razonable un modelo lineal.

5
4.5
4
3.5
3
Viajes
2.5
(millones)
2
1.5
1
0.5
0
0
10
15
20
25
Nmero de Turistas
(millones)
Se puede decir que si es razonable un modelo linear
3
7
b) Desarrollar una relacin de regresin.

Ao
Nmero
Viajes
de
(millones)
turistas
X2
Y2
Xy
(millones)
x
1.5
49
10.5
2.25
1.3
36
7.8
36
1.5
16
16
14
2.5
196
35
196
15
2.7
225
40.5
225
16
2.4
256
38.4
256
12
144
24
144
14
2.7
196
37.8
196
10
20
4.4
400
88
400
11
15
3.4
225
51
225
12
1.7
49
11.9
49
Sumatoria
132.00
27.10
1,796.00
352.90
1,749.25
Promedio
11
2.25833333
A=
0.50600775 B=
0.15930233
c) cul es la relacin esperada si 10 millones de turistas visitan la

ciudad en un ao?
(
3
8
d) Explicar la relacin que se predijo si no hay turistas.

( )
e) cul es el error estndar del estimado?
f) cul es el coeficiente de correlacin del modelo y el coeficiente de

determinacin?
CORRELACIN DEL MODELO 0.92 Y EL COEFICIENTE DE

DETERMINACIN 0.84
34. LAS LLAMADAS DE EMERGENCIA AL SISTEMA 911 DE WINTER
PARK, FLORIDA, DURANTE LAS LTIMAS 24 SEMANAS SE MUESTRAN
A CONTINUACIN.
a) Calcular el pronstico de suavizacin exponencial de llamadas para
cada semana. Asumir un pronstico inicial de 50 llamadas en la primera
semana, y utilizar = 0.1. cul es el pronstico para la semana 25?
0.1
Diferencia
0.6
Diferencia
Semana
Llamadas
50
25
25
25
25
35
27.5
7.5
40
25
28.3
3.3
37
12
40
27.9
12.1
29.8
10.2
45
29.1
15.9
35.9
9.1
35
30.7
4.3
41.4
6.4
20
31.1
11.1
37.5
17.5
30
30
27
35
30
28.8
6.2
10
20
30.5
10.5
32.5
12.5
11
15
29.5
14.5
25
10
12
40
28
12
19
21
absoluta
abs
3
9
13
55
29.2
25.8
31.6
23.4
14
35
31.8
3.2
45.6
10.6
15
25
32.1
7.1
39.3
14.3
16
55
31.4
23.6
30.7
24.3
17
55
33.8
21.2
45.3
9.7
18
40
35.9
4.1
51.1
11.1
19
35
36.3
1.3
44.4
9.4
20
60
36.2
23.8
38.8
21.2
21
75
38.6
36.4
51.5
23.5
22
50
42.2
7.8
65.6
15.6
23
40
43
56.2
16.2
24
65
42.7
22.3
46.5
18.5
25
85
44.9
40.1
57.6
27.4
Mad
13.636
Mad
14.524
b) Pronosticar de nuevo para cada periodo empleando = 0.6.

Ver tabla anterior
c) Las llamadas reales durante la semana 25 fueron 85. qu constante de
suavizacin ofrece un pronstico mejor? Explicar y justificar la medida
de error utilizada.
La constante de suavizacion que pronostica mejor es la de 0.1, con
un una mad menor a la de 0.6
4
0
35. ORLANDO POWER AND LIGHT HA RECOLECTADO INFORMACIN DE

LA DEMANDA DE ENERGA ELCTRICA EN LA SUCURSAL UCF
DURANTE LOS LTIMOS DOS AOS. LOS DATOS SE MUESTRAN A
CONTINUACIN:
Mes
Demanda en
Demanda en
megawatts
megawatts
Ao
Este
pasado
ao
Ene
17
Feb
Mar
Mes
Ao
Este
pasado
ao
Jul
23
44
14
Ago
26
41
10
20
Sep
21
33
Abr
13
23
Oct
15
23
May
18
30
Nov
12
26
Jun
15
38
Dic
14
17
La empresa de servicio necesita pronosticar la demanda para cada mes del

siguiente ao, para poder planear la expansin y negociar el prstamo de
energa de las instalaciones vecinas durante los periodos pico. Sin embargo,
los modelos de pronstico estndares discutidos en este captulo no siguen los
datos observados durante los dos aos.
50
45
40
35
30
25
Ao pasado
20
Este ao
15
10
5
0
1
10 11 12
4
1
a) cules son las debilidades de las tcnicas estndares de

pronsticos cuando se aplican a este conjunto de datos?
En algunos no se puede tomar en cuenta la estacionalidad, y
provoca que exista sesgo.
b) Debido a que los modelos usados no son realmente apropiados

aqu, proponga su propio sistema para pronosticar. Aunque no
existe una solucin perfecta para atacar datos como stos (en otras
palabras, no hay respuestas 100% correctas o incorrectas),
justifique su modelo.
El modelo factible sera tal vez tomar en cuenta mucho la
estacionalidad,
ya
que
ese
observan
en
los
datos
este
comportamiento.
c) Pronostique la demanda para cada mes del ao prximo, utilizando

el modelo propuesto por usted.
Mes
Demanda en
Demanda en
megawatts
megawatts
Ao pasado
Este
Demanda
ao
promedio
Demanda
mensual
Demanda
Indice
promedio
anual
(pronostico)
Ene
17
11
21
0.52380952 18.77
Feb
14
10
21
0.47619048 17.06
Mar
10
20
15
21
0.71428571 25.6
Abr
13
23
18
21
0.85714286 30.71
May
18
30
24
21
1.14285714 40.95
Jun
15
38
26.5
21
1.26190476 45.22
Jul
23
44
33.5
21
1.5952381
57.16
Ago
26
41
33.5
21
1.5952381
57.16
Sep
21
33
27
21
1.28571429 46.07
Oct
15
23
19
21
0.9047619
32.42
Nov
12
26
19
21
0.9047619
32.42
Dic
14
17
15.5
21
0.73809524 26.45
252
430
4
2
36. LA ASISTENCIA A LA ATRACCIN VACATION WORLD, UN PARQUE

SIMILAR A DISNEY EN ORLANDO, SE MUESTRA A CONTINUACIN:
Calcular los ndices estacionales, utilizando toda la informacin anterior.
Visitantes (en miles)
Trimestre
1990
1991
1992
Demanda
promedio
Demanda
promedio
ndice
periodo
Invierno
73
65
89
76
107
0.7100
Primavera
104
82
146
111
107
1.0400
Verano
168
124
205
166
107
1.5500
Otoo
74
52
98
75
107
0.7000
Total:
428.00
Dmp:
428/4=107
2.37.
SAMANTHA
SHANE,
ADMINISTRADORA
DE
SHANES
DEPARTMENT STORE, HA UTILIZADO EXTRAPOLACIN DE SERIES DE

TIEMPO PARA PRONOSTICAR LAS VENTAS AL MENUDEO PARA LOS
PRXIMOS CUATRO TRIMESTRES. LAS VENTAS ESTIMADAS SON DE
$120,000, $140,000, $160,000 Y $180,000 PARA LOS TRIMESTRES
RESPECTIVOS. LOS NDICES ESTACIONALES PARA LOS CUATRO
TRIMESTRES SON DE 1.25, 0.90, 0.75 Y 1.15, RESPECTIVAMENTE.
CALCULAR UN PRONSTICO DE VENTAS ESTACIONALIZADO O
AJUSTADO.
VENTA
TRIMESTRE PRONOSTICADA
NDICE
PRONSTICO
120,000
1.25
150,000
140,000
0.90
126,000
160,000
0.75
120,000
180,000
1.15
207,000
4
3

Problemas Pronosticos U-2 Rekuino

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Problemas Pronosticos U-2 Rekuino

Загружено:

Авторское право:

Доступные форматы

1.

LAS TEMPERATURAS MXIMAS DIARIAS EN LA CIUDAD DE

b) Pronosticar la temperatura mxima para hoy, utilizando un promedio

c) Calcular la desviacin media absoluta basada en el promedio mvil de

2. PARA LOS DATOS QUE ESTN A CONTINUACIN, DESARROLLAR UN

3. CON LOS DATOS QUE SE DAN A CONTINUACIN, DESARROLLAR UN

Demanda Pronostico promedio movil de 3 aos

4. SUSAN GOODMAN HA DESARROLLADO EL SIGUIENTE MODELO DE

la demanda para el azteca cuando la temperatura es de 70f.

cul es la demanda para una temperatura de 80f?

cul es la demanda para una temperatura de 90f?

5. LOS DATOS RECOLECTADOS PARA LA DEMANDA DE COSTALES DE

DETERMINAR UNA VEZ MS LA DEMANDA CON UN PROMEDIO MVIL

Mad movil 2.5416667

6. DESARROLLAR UN PROMEDIO MVIL DE DOS Y DE CUATRO AOS

7. EN LOS PROBLEMAS 5 Y 6, SE DESARROLLAN 4 DIFERENTES

PROMEDIOS MVILES DE 4 AOS. CUL UTILIZARA? EXPLICAR SU

De los mtodos mencionados el que tiene la menor diferencia en relacin

8. UTILIZAR LA SUAVIZACIN EXPONENCIAL CON UNA CONSTANTE DE

Como se puede observar el mtodo que tiene menor diferencia absoluta es el

9. UTILIZANDO LAS CONSTANTES DE SUAVIZACIN DE 0.6 Y 0.9,

10. QU EFECTO TUVO LA CONSTANTE DE SUAVIZACIN EN EL

La mejor constante de suavizacion es la de 0.6

11. UTILIZAR UN MODELO DE PRONSTICO DE PROMEDIO MVIL DE

12. UTILIZANDO EL MTODO DE PROYECCIN DE TENDENCIA,

TEMPERATURAS. VASE EL PROBLEMA RESUELTO 2.1

Sustituyendo estos datos en la ecuacin lineal:

Por lo tanto la ecuacin de la tendencia de los mnimos cuadrados es:

CONSTANTE DE SUAVIZACIN DE 0.3, UN PROMEDIO MVIL DE 3

PROBLEMAS 2.11 Y 2.12.

14. LA DEMANDA PARA CIRUGA DE TRASPLANTE DE CORAZN EN EL

PRIMERO CON UNA

CONSTANTE DE SUAVIZACIN DE 0.6 Y POSTERIORMENTE CON

b) Utilice un promedio mvil de 3 aos para pronosticar las demandas de

c) Use el mtodo de proyeccin de tendencias para pronosticar la

d) Con MAD como criterio, cul de los 4 sistemas anteriores de pronstico

51.71000 4.29000 49.000 7.000

55.57100 2.42900 52.700 5.300

El mejor sistema para pronosticar en este caso es tendencia, ya que es el que

15. UN CUIDADOSO ANLISIS DEL COSTO DE OPERACIN DE UN

c) Suponga que un automvil se manejo 15 mil millas y el costo anual de

EXPONENCIAL (=0.2) PARA DESARROLLAR UN PRONSTICO DE DEMANDA.

17. CALCULAR A) MAD, B) MSE, C) MAPE PARA EL SIGUIENTE

como porcentaje con respecto a la sumatoria de los valores

18. CON LOS SIGUIENTES DATOS, UTILICE LA REGRESIN POR

19. CON LOS SIGUIENTES DATOS, UTILICE LA REGRESIN POR

En la siguiente ecuacin se presenta la relacin entre la cantidad de das

20. LAS VENTAS DE ASPIRADORAS INDUSTRIALES EN JACK PETERS

a) Utilizando un promedio mvil con tres periodos, determinar la

b) USANDO UN PROMEDIO MVIL PONDERADO CON TRES

EJEMPLO, SI SE ESTUVIERA PRONOSTICANDO LA DEMANDA

Ventas (en miles)

Promedio movil ponderado

c) Evaluar la exactitud de cada uno de estos mtodos.

13.6666667 3.66666667 14.5

13.3333333 1.66666667 12.6666667 2.33333333

13.6666667 3.33333333 13.5

14.3333333 0.33333333 13.6666667 0.33333333

14.3333333 1.66666667 13.8333333 2.16666667

13.6666667 13.6666667 13.1666667 13.1666667

La desviacin absoluta media es menor para el promedio movil, por lo

La estacionalidad pudiera ser un factor a considerar, por que en

21. EL GERENTE DE OPERACIONES DE UNA DISTRIBUIDORA DE