Академический Документы
Профессиональный Документы
Культура Документы
Para resolver un problema de asignación hay que seguir tres pasos principales:
1. Reste el menor coste de cada entrada de cada fila. Si ahora se puede asignar cada cero
en correspondencia uno a uno con los "trabajadores", se obtiene una solución opcional.
Si no es así, vaya al paso 2.
2. Resta el menor coste de cada columna. Si ahora se pueden distribuir las entradas nulas
en cada una de las correspondientes a los "trabajadores", se obtiene o se alcanza una
solución óptima. Si no es así, vaya al paso 3.
3. Cubre las entradas con ceros mediante líneas verticales u horizontales, utilizando el
menor número de líneas posible. (Esto puede hacerse cubriendo primero la fila o
columna que tenga el mayor número de ceros). Resta el coste descubierto más
pequeño de cada coste descubierto pero añádelo a la entrada que se encuentra en la
intersección de las líneas. Si ya es posible una asignación, se llega a una solución
opcional. Si no es así, repita el paso 3. Una asignación es óptima si el número de líneas
es igual al número de filas o al número de columnas.
Ejemplo 1.
Solución:
Empezamos a reducir las filas restando el número más pequeño de cada fila a todos los
números de la fila.
Ejemplo 2.
La empresa Gayoma tiene que realizar tres trabajos en tres máquinas. Cada trabajo
debe realizarse en una sola máquina. El coste de cada máquina se indica en la página
siguiente. Determinar la asignación de trabajo que minimizará el coste.
Máquinas
Empleo
X Y Z
A 1400 1600 1800
B 1200 1300 1400
C 1400 1800 1500
Reducimos los números dados suprimiendo dos ceros, y a continuación la nueva tabla.
Cuadro 1.
Máquinas
Empleo
X Y Z
A 14 16 18
B 12 13 14
C 14 18 15
Tabla 2.
Máquinas
Empleo
X Y Z
A 0 2 4
B 0 1 2
C 0 4 1
Ahora reduce cada columna restando el número más pequeño de cada columna.
Tabla 3.
Máquinas
Empleo
X Y Z
A 0 1 3
B 0 0 1
C 0 3 0
Como tenemos tres líneas que corresponden al número de filas y columnas, entonces ya es
óptimo.
Decisión final:
Ejemplo 3.
Antiguos jugadores de la UAAP están a punto de unirse a la liga más prestigiosa del
país, la Asociación de Baloncesto de Filipinas (PBA). Cinco equipos están dispuestos a
hacerse con los servicios de los siguientes jugadores: James Yap, Mark Cadona. Arwind
Santos, Ronald Tubid y Bonbon Custodio.
EQUIPOS
Jugadore Burger Talk N' Purefood Ginebra San
s King Text s King Miguel
Bombón
Custodio
200,000 250,000 175,000 210,000 180,000
Ronald
Tubid
250,000 170,000 200,000 180,000 190,000
Arwind
Santos
150,000 210,000 185,000 165,000 200,000
Mark
Cardona
160,000 150,000 175,000 180,000 190,000
James
Yap 175,000 180,000 150,000 200,000 210,000
La tabla muestra los salarios mensuales ofrecidos, incluidas las primas y otras
prestaciones. Determinar la respuesta óptima en cada equipo para minimizar sus costes.
Solución:
EQUIPOS
Hamburgue
sa Hable con Ginebra San
Jugadores Rey N' Texto Purefoods Rey Miguel
Bombón 200 250 175 210 180
Custodio
Ronald
Tubid 250 170 200 180 190
Arwind
Santos 150 210 185 165 200
Mark
Cardona 160 150 175 180 190
James
Yap 175 180 150 200 210
*Los resultados tras eliminar tres ceros en cada entrada se presentan en la tabla anterior.
EQUIPOS
Hamburgue
sa Hable con Puro Ginebra San
Jugadores Rey N' Texto alimentos Rey Miguel
Bombón
Custodio 25 75 0 35 5
Ronald
Tubid 80 0 30 10 20
Arwind
Santos 0 60 35 15 50
Mark
Cardona 10 0 25 30 40
James
Yap 25 30 0 50 60
*Los resultados tras restar la entrada más pequeña de cada fila se muestran en la tabla anterior
Como los ceros no se pueden asignar a cada jugador, pasa al siguiente paso.
EQUIPOS
Hamburgue
sa Hable con Ginebra San
Jugadores Rey N' Texto Purefoods Rey Miguel
Bombón
Custodio 25 75 0 35 0
Ronald
Tubid 80 0 30 10 15
Arwind
Santos 0 60 35 15 45
Mark
Cardona 10 0 25 30 35
James
Yap 25 30 0 50 55
*Resultados tras restar la entrada más pequeña de cada columna (columnas 5 y 6, Ginebra
King y San Miguel, respectivamente).
EQUIPOS
Hamburgue Hable con Ginebra
sa N' Texto Rey San
Jugadores Rey Purefoods Miguel
0
Bombón
Custodio
25 75 25 0
Ronald
Tubid 80 0 30 0 15
Arwind
Santos 0 60 35 5 45
Mark
Cardona 10 0 25 20 35
James Yap
25 30 0 40 55
Asignar los equipos a los jugadores (dando cada cero a cada jugador)
Decisión final:
Total ₱810,000.00
NOMBRE: __________________________________________DATE:_________________
SECTION/TIME/DAY:_________________________ROOM:_____________RATING________
Ejercicio 14
EDIFICIOS
2. La agencia Doggy tiene tres perros policía para asignarlos a tres departamentos diferentes
almacenados. El coste de cada perro en cada departamento se indica a continuación
4. Jacqueline y Vilma son socias. Deciden contratar a cuatro contables para que auditen su
empresa. El siguiente cuadro muestra el coste por contable. Determinar la mejor asignación
para cada contable.
Contables 1 2 3 4
5. Antiguos jugadores de la PBL están a punto de incorporarse a la liga más prestigiosa del
país, la Asociación de Baloncesto de Filipinas (PBA). Cuatro equipos están dispuestos a
hacerse con los servicios de los siguientes jugadores: James Yap, Rich Alvarez, Paul Artadi y
Ronald Tubid. El siguiente cuadro muestra los salarios mensuales que querían, excluidas las
primas y otras prestaciones. Determina la respuesta óptima para cada equipo con el fin de
minimizar su coste.
PROYECTOS
W X Y Z
1. 3,800 2,800 2,400 3,600
2. 2,000 2,400 3,000 2,000
3. 3,200 1,800 2,200 2,800
4. 4,000 3,200 2,600 3,400
7. El carril de comida rápida decidió contratar los servicios de cuatro estudiantes a tiempo
parcial para trabajar como personal de servicio. Se les hizo una prueba de velocidad. En la
tabla siguiente se indican sus rendimientos por carril. Determinar la mejor asignación para cada
tripulación.
Tripulación 2 18 17 14 20
Tripulación 3 21 20 13 15
Tripulación 4 17 15 18 19
8. Se asignarán cinco trabajadores de Denzel Engineering Works, uno a cada cinco máquinas.
Hallar el coste de asignación de la variable a los cinco trabajadores.
TRABAJADORES
Máquinas A B C D E
1 74 52 66 64 90
2 50 44 78 68 48
3 62 70 52 56 72
4 84 36 56 80 46
5 58 38 76 54 84
9. Los alumnos del instituto V. Mapa están a punto de participar en el concurso anual de
preguntas y respuestas que se celebrará en el PICC. El concurso consta de cuatro asignaturas:
matemáticas, ciencias, inglés y física. El siguiente cuadro muestra sus errores por asignatura
en la ronda de clasificación. Determina a quién representarán los alumnos en el concurso.
10. Miling y Luming Contractors necesitan tres carpinteros para asignarlos a tres proyectos.
Determinar la mejor asignación de cada carpintero.
Carpinteros A B C
1 80 90 54
2 54 108 30
3 46 104 48
11. Tres investigadores habituales de Mic-Mic Marketing Research deben presentar sus plazos
estimados de finalización del proyecto (EPC) (días) a tres clientes. La tabla siguiente muestra
su EPC. Determinar la mejor asignación para tres investigadores.
Clientes
Empleados 1 2 3
Denzel 20 30 18
Rino 18 36 10
Alvin 12 28 6
ESTUDIO DE CASO
NHOLRAM-BONG CORPORATION
La tabla 4.1 muestra los costes de producción de cada planta, los costes variables tanto en
horario regular como en horas extraordinarias, y los costes fijos durante el funcionamiento y el
no funcionamiento
Cuadro 4.1
NHOLRAM-BONG CORPORATION
Cuadro 4.2
NHOLRAM-BONG CORPORATION
Centro de distribución
De Planta W1 W2 W3 W4 W5
1. Evalúe las distintas condiciones que satisfarán la demanda semanal de las plantas
operativas y no operativas. Determine qué condición minimizará los costes.
Objetivos de aprendizaje
y Estadística a la previsión
7. Haga la previsión.
PREVISIÓN MÉTODOS
Previsión
Métodos
En movimiento Jurado de
Medias
Regresión Opinión ejecutiva
Análisis
Tendencia Consumidores
Proyecciones Estudio de
mercado
Previsión cualitativa
Este tipo de método de previsión se basa en juicios u opiniones y es de naturaleza
subjetiva. No se basa en cálculos matemáticos.
Tipos de métodos cualitativos
Método Delphi
Uno de los métodos de previsión cualitativa más utilizados es el método Delphi. Aquí,
un grupo de expertos separados entre sí realiza una previsión. En su aplicación habitual, se les
pide que respondan a un cuestionario. Estos grupos se denominan "encuestados". La
respuesta y otros datos son recogidos, recopilados, resumidos por el personal y entregados a
otro grupo, los responsables de la toma de decisiones o los pronosticadores. Es importante
señalar que el principio del método Delphi es que las respuestas de los primeros cuestionarios
se utilizan y se tienen en cuenta en la preparación de la segunda serie de cuestionarios. Se
recogen las respuestas y se repite el proceso hasta alcanzar un consenso del grupo.
1000
800
Series (100000)
600
400
200
0
0 1 2 3 4 5 6
Year
Figura 5.1
Tendencia lineal de las ventas de DVD
La figura 5.1 muestra una línea recta que puede ser una buena aproximación a la
tendencia de las ventas de DVD. Cuando una serie temporal se compone de fluctuaciones
aleatorias que se mueven en torno a una línea de tendencia a largo plazo, puede utilizarse una
ecuación lineal para estimar la tendencia. Esto se muestra en la figura 5.2
Figura 5.2
Ejemplos de posibles patrones de tendencia de series temporales
2. Estacionalidad (S): es un patrón de fluctuación de la demanda por encima o por debajo de la
línea de tendencia que se produce cada año. Es el componente de la serie temporal que
representa la variabilidad de los datos debida a influencias estacionales.
3. Ciclos o componentes cíclicos: cualquier secuencia recurrente de puntos por encima y por
debajo de la línea de tendencia que dure más de un año. Suelen estar vinculados al ciclo
económico.
Línea de tendencia
Tiempo
Figura 5.3
Componentes de tendencia y cíclicos de una serie temporal
4. Variaciones aleatorias (R): "fallos" en los datos causados por el azar y situaciones inusuales y que no
siguen un patrón discernible.
Demanda real
Figura 5.4
Series temporales y sus componentes
Método de alisado
En esta sección se analizarán otros tres métodos de previsión. Estos métodos son las
medias móviles, las medias móviles ponderadas y el alisamiento exponencial. Estos métodos
"suavizan" las fluctuaciones aleatorias causadas por los componentes irregulares de las series
temporales. Se utilizan mejor para series temporales estables en las que no se espera ningún
movimiento en la tendencia.
Método ingenuo
La previsión ingenua es la técnica más sencilla. Simplemente utiliza la demanda real del
periodo anterior como demanda prevista para el periodo siguiente. Esto hace que la teoría de
que el pasado se repetirá. También supone que cualquier componente de las series temporales
(tendencia, estacionalidad o ciclos) se refleja en la demanda del periodo anterior o no existe.
Cuadro 5.1
Previsión ingenua
Periodo Demanda Previsión
1 35
2 40 35
3 55 40
4 65 55
5 60 65
Medias móviles
Fórmula
❑
Media móvil
∑
❑
( most recent n data values )
(Tabla 5.1)
¿
n
Por ejemplo:
Calcule una media móvil de cuatro meses utilizando los datos del cuadro 5.2
Ejemplo 1.
Cálculo de una media móvil ponderada de tres meses (cuadro 5.3)
Previsión de la media móvil ponderada a tres meses
Mes Demanda Media móvil ponderada a tres meses
Enero 21
Febrero 25
Marzo 29
⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
Abril 21 6
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
Mayo 25 6
⦋ ( 25 × 3 ) + ( 21× 2 ) +29 ⦌
=24
Junio 20 6
⦋ ( 20 × 3 ) + ( 25 ×2 ) +21 ⦌
=22
Julio 18 6
⦋ ( 18 ×3 )+ ( 20 ×2 ) +25 ⦌
=20
Agosto 21 6
⦋ ( 21 ×3 )+ (18 × 2 ) +20 ⦌
=20
Septiembre 20 6
⦋ ( 20 × 3 ) + ( 21× 2 ) +18 ⦌
=20
Octubre 19 6
⦋ ( 19 ×3 )+ ( 20× 2 ) +21 ⦌
=20
Noviembre 18 6
⦋ ( 18 ×3 )+ ( 19× 2 ) +20 ⦌
=19
Diciembre 15 6
Ejemplo 2.
Calcule una previsión de media móvil ponderada de cuatro periodos a partir de la tabla
5.4
Previsión de la media móvil ponderada de cuatro periodos
Periodo Previsión Media móvil ponderada a tres meses
1 21
2 25
3 29
4 21
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
5 25 6
6 75 ⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
6
Suavizado exponencial
Fórmula:
Matemáticamente:
Dónde:
F t = nueva previsión
ɑ = constante de suavizado que tiene un valor entre 0 y 1 (la letra griega ɑ se pronuncia
'alfa'
At −1 = demanda real del periodo anterior
Ejemplo 1.
Ejemplo 2.
Utilice el suavizado exponencial para calcular una serie de previsiones con una
constante de suavizado de:
a. ɑ = 0.20;
b. ɑ = 0,50; y
c. representar los datos reales y ambos conjuntos en un único gráfico
Cuadro 5.5
Periodo Demanda
1 20
2 35
3 46
4 40
5 50
6 55
7 45
8
Solución:
a. ɑ = 0.20
Cuadro 5.6
Periodo Demanda real Previsión Error
1 20 -
2 35 20 15
3 46 23 23
4 40 27.60 13.60
5 50 30.08 19.92
6 55 34.06 20.94
7 45 38.35 6.75
8 39.60
F 3 = 20 = 0.20(35 - 20)
F 3 = 23
F 4 = 23 + 0.20(46 – 23); F 5 = 27.60 + 0.20(40 - 27.60)
F 4 = 27.60 F 5 = 30.08
Gráfico de 0,20
60
50
40
30
20
10
0
1 2 3 4 5 6
50
40
30
20
10
0
1 2 3 4 5 6
Otros métodos para determinar o medir la precisión del error de previsión son MAD,
MSE, MAPE y BIAS.
La desviación media absoluta (DMA ) es una técnica que permite determinar la precisión
de un modelo de previsión tomando la media del valor absoluto.
( Forecast errors )
MAD = (6.4)
n
Ejemplo 1.
Cuadro 5.8
Periodo Demanda Error a ɑ = 0,20 Error a ɑ = 0,50
1 20
2 35 15 15
3 46 23 18.50
4 40 13.60 3.25
5 50 19.92 11.62
6 55 20.94 10.81
7 45 6.75 -4.59
8
99.21 63.77
MAD = (16,54) MAD = (10,63)
6 6
Según el cálculo, la MAD de ɑ = 0,20 es mayor que la MAD de ɑ = 0,50. Así, se prefiere
ɑ = 0,50 porque su MAD es menor.
El error cuadrático medio (ECM) es una técnica que permite determinar la precisión de
un modelo de previsión tomando la media de los términos de error al cuadrado de un método
de previsión.
( Forecasting Error )2
MSE = (6,5)
n
Ejemplo 2.
Solución:
a) ɑ = 0.20
Cuadro 5.9
Periodo Demanda Error de previsión Error cuadrático de
previsión
a ɑ = 0,50
1 20
2 35 15 225
3 46 23 342.25
4 40 13.60 10.56
5 50 19.92 135.02
6 55 20.94 116.86
7 45 6.75 21.07
8
850
MSE = = 141,79
6
b) ɑ = 0.50
Cuadro 5.10
Periodo Demanda Error de previsión Error cuadrático de
previsión
a ɑ = 0,20
1 20
2 35 15 225
3 46 23 529
4 40 13.60 184.96
5 50 19.92 396.81
6 55 20.94 438.48
7 45 6.75 45.56
8
1819.81
MSE = = 303,30
6
Según el cálculo, el MSE de ɑ = 0,20 es mayor que el MSE de ɑ = 0,50. Así, se prefiere
ɑ = 0,50 porque su MSE es menor.
El error medio porcentual absoluto (MAPE) es una técnica que permite determinar la
precisión de un método de previsión tomando la media de los errores absolutos como
porcentaje del valor observado.
MAPE =
∑ of Absolute Error (6,6)
∑ of Actual
Matemáticamente;
❑
∑
❑
∑ of Absolute Error
MAPE = ❑ (6,7)
∑
❑
( Actual)
Tabla 5.11
Error Precisi Precisió
de Error Porcenta ón n
Perio Actu Previsi previsi absolu je de absolut aritméti
do al ón ón to error a ca
a b c d e f g h
❑
∑
❑
( Absolute Error)
Porcentaje de error = ❑
∑
❑
( Actual)
65
= x 100%
275
= 24%
❑
∑
❑
( Absolute Error)
MAPE = ❑
∑
❑
Actual x 100 %
65
= x 100%
275
= 24%
= 76%
El método de mínimos cuadrados encuentra una línea recta que minimiza la suma de
las diferencias verticales de la línea a cada uno de los puntos de datos.
T 1 = a + bt x (6.9)
Dónde:
T t = valor calculado de la variable a predecir (variable dependiente)
a = intercepto de la línea de tendencia (intercepto del eje Y)
b = pendiente de la línea de tendencia
t x = variable independiente
La fórmula para calcular a y b es:
❑
∑
❑
ty−nty
b= ❑ (6.10)
∑ t2−nt2
❑
∑ = Signo de la suma para n puntos de datos
t = Valores de las variables independientes
Y = Valores de las variables dependientes
T = Media de los valores de las X
Ῡ = Media de los valores de las Y's
n = número de puntos de datos u observaciones
a = Ῡ - bt (6.11)
Ejemplo:
Podemos minimizar los cálculos transformando el valor del tiempo X en números más
sencillos. Por lo tanto, podemos designar 2001 como año 1, 2002 como año 2, 2003
como año 3, y así sucesivamente. Así se indica en el cuadro 5.13
Tabla 5.13 t
2
Ventas (1.000)
Periodo Y
Año t Ty
2001 1 3 1 3
2002 2 4.5 4 9
2003 3 4.8 9 14.4
2004 4 3.7 16 14.8
2005 5 4.6 25 23
2006 6 5 36 30
2007 7 4 49 28
2008 8 5 64 40
2009 9 6 81 54
2
∑t = 45 ∑Y = 40.6 ∑t = 285 ∑ty = 216,20
∑ t 45 ∑ Y 40.60
t= = = 5; Y= = = 4,51
n 9 n 9
13.25
b= = 0,22
60
Así, los componentes de tendencia arrojan una previsión de ventas de 5,61, ya que las
unidades son por 1.000. Así, la demanda estimada para 2009 es de 5.610 unidades de DVD.
t = 11
T 11 = 3.41 + 0.22(11)
T 11 = 3.41 + 2.42
T 11 = 5.83
Por tanto, la previsión de ventas estimada para 2010 es de 5.830 unidades de DVD.
4
Sales
0
1 2 3 4 5 6 7 8 9
Period
VENTAS DE DVD
Análisis de regresión
Es una técnica estadística utilizada para desarrollar una ecuación matemática que
muestre cómo se relacionan las variables. Es un procedimiento de previsión que utiliza el
enfoque de mínimos cuadrados sobre una o más variables independientes para desarrollar un
método de previsión.
Fórmula:
X = la variable independiente
∑ XY −nXY
b= 2 2 ; a = Ŷ - bX
∑ X −n X
Ejemplo:
Y X
Ventas de Dumlao Nómina
(₱100,000) (₱1,000,000)
3.0 2
2.0 3
3.5 2
2.0 5
3.0 4
Utilice el análisis de regresión por mínimos cuadrados para establecer el método estadístico.
Ventas Nómina X
2 XY
Y X
3.0 2 4 6.0
2.0 3 9 6.0
3.5 6 36 21.0
3.5 5 25 17.5
3.0 4 16 12.0
∑Y = 15 ∑X = 20 2 ∑XY = 62,5
∑X
∑ X 20
X= = =4
5 5
∑ Y 15
Y= = =3
5 5
a = Y = bX = 3 - 0,25(4) = 2
Ŷ =2 + 0.25X
Ventas = 2 + 0,25(Nómina)
Si Dumlao Construction desea tener una nómina de cinco coma cinco millones (₱5,5M)
el próximo año, una estimación de ventas para Dumlao Construction es:
= 2 + 0.25(5.5)
= 2 + 1.375
= 3.375
SECTION/TIME/DAY:_________________________ROOM:_____________RATING________
Ejercicio 15
Periodo 1 2 3 4 5 6 7
Observació 24 34 36 37 41 44 45
n
a. Computa para:
i. Método ingenuo
Año Inscripción
2006 3000
2007 3200
2008 3600
2009 3650
2010 4000
2011 4200
2012 4300
2013 4410
2014 4520
a. Previsión de inscripciones para 2015 mediante una media móvil ponderada a tres años.
Temporada Media
2008-2009 25
2009-2010 35
2010-2011 29
2011-2012 34
2012-2013 35
2013-2014 33
a. Utilice el suavizado exponencial para pronosticar esta serie temporal. Considere constantes
de suavizado de ɑ = 0,20 y ɑ = 0,30. ¿Qué valor de la constante de suavizado proporciona la
mejor previsión/
Media móvil
Ventas Cuatro semanas ponderada de cuatro
Semana (₱1,000) Media móvil semanas
1 23
2 36
3 45
4 46 - -
5 55 - -
6 64 - -
7 55 - -
8 58 - -
9 66 - -
10 65 - -
11 48 - -
12 67 - -
13 58
14 68
5. Utilice el suavizado exponencial con ɑ entre 0,10 y 0,30 para obtener la previsión a un
periodo vista de la siguiente serie temporal.
1 2 3 4 5 6 7 8 9 10 11 12
35M 27M 37M 41M 45M 38M 44M 42M 39M 43M 39M 40M
a. Compare una previsión de media móvil a cuatro meses con una previsión de suavizado
exponencial utilizando ɑ = 0,30. ¿Cuál de las dos proporciona mejores previsiones?
b. ¿Cuál es la previsión para el próximo mes?
c. Represente los datos originales y la media móvil de cuatro meses en el mismo gráfico.
d. Represente los datos originales y la previsión suavizada en el mismo gráfico.
e. Calcule el MAD y el MSE.
7. Los grandes almacenes ALCOR han registrado las siguientes cifras de reclamaciones de
clientes cada mes.
Mes Quejas
Enero 60
Febrero 48
Marzo 55
Abril 50
Mayo 55
a. Calcule una media móvil ponderada de tres meses.
b. Preparar las previsiones para junio, julio y agosto.
8. Dada: Ventas de gasolina (serie temporal) de PETRON (semanal)
a. Calcule la media móvil de tres y cuatro semanas para las series temporales.
b. Calcule la MAD para previsiones de medias móviles de tres y cuatro semanas.
c. ¿Cuál parece ser el mejor número de semanas de datos anteriores para utilizar en el
cálculo de la media móvil?
d. Calcule el porcentaje de error y el MAPE.
9. Utilice el suavizado exponencial con ɑ = 0,40 y un valor inicial de F 1 = 50 para la siguiente
serie temporal.
Mes Demanda
Enero 60
Febrero 70
Marzo 55
Abril 60
Mayo 45
Junio 60
Julio 65
Calcula lo siguiente:
a. Porcentaje de error
b. MAPE
c. Porcentaje de precisión absoluta
d. Precisión aritmética
10. Los Grandes Almacenes JAVILL son distribuidores autorizados de televisores planos desde
hace cinco años. En la tabla se muestra el número de televisores planos vendidos cada año.
Año Número de
televisores planos
vendidos
1 40
2 25
3 35
4 39
5 43
Oficinas 1 2 3 4 5 6
Ventas (1.000) 12 15 16 18 14 17
Beneficios 7 9 10 12 10 13
(1.000)
Previsión
ESTUDIO DE CASO
La mala situación económica de 2009 provocó el cierre casi definitivo del zoo de Manila. La
administración de la ciudad de Manila decidió contratar a la RC Animal Park Corporation para
explotar el zoo de Manila.
1. Basándose en los datos anteriores, ¿puede hacer una previsión de la asistencia de 2015 a
2020?
2. ¿Qué técnica de previsión será la más adecuada para prever la asistencia de 2015 a 2020?
¿Por qué?
APLICACIONES MS EXCEL
EN PREVISIÓN
Ejemplo 1.
Tiemp Ventas
Año o Tasa (%) (₱) 1. Mehod ingenuo
2000 1 7.2 20,000 2.Media móvil de seis años
2001 2 4 41,000 3. Media móvil de tres años con ponderaciones 1,4,3
2002 3 7.3 17,000 4. Alisamiento exponencial simple, ꚙ = 40%.
5. Tendencia lineal prevista de la tasa de desempleo (se
2003 4 5.5 35,000 aplicará durante los tres próximos años)
6. Prevea las ventas para los próximos tres años utilizando la
regresión lineal basada en las tasas de desempleo previstas
2004 5 6.8 35,000 en el número 5.
7. Dibuja los dos diagramas de dispersión con la línea de
2005 6 6 31,000 tendencia y la línea de regresión.
2006 7 5.4 38,000
2007 8 3.6 50,000
2008 9 8.4 15,000
2009 10 7 19,000
En la hoja de cálculo, codifique el tiempo (períodos) en la columna B, la tasa (%) en la columna C y las
ventas (P) en la columna F. Construya la tabla para F, en la columna D y el error o ( F t - Tasa) en la
columna E, que se utilizará en la previsión de la tasa de inflación por el método de alisamiento
exponencial simple. La siguiente fórmula de Excel se utiliza para sugerir cálculos de la tasa de previsión:
1. Método ingenuo, D15 F t = C13 7%, ya que la última entrada de la columna de tasas de inflación
reales se encuentra en C13.
2. Media móvil de seis periodos, D16 Ft = media (C8:C13) 6, 2% donde los resaltados C8 a C13 son
las entradas de las seis tasas de inflación más recientes.
3. Media móvil con los pesos 1, 4, 3 asignados a las tasas de inflación en los tres periodos más
recientes, en la celda D17 teclear =, teclear (1* teclear C11, el3er periodo más reciente + 4*
teclear C12, el2º periodo más reciente + 3* teclear C13, el periodo más reciente, luego teclear),
luego teclear /(Dividido por) 8 Ft = (1*C11 + 4*C12 + 7.275% donde el denominador 8 es la suma
de los pesos. (Véanse las imágenes 1, 2, 3).
Foto 1
Foto 2
4. Para el método de alisamiento exponencial simple, completamos las columnas D y E mediante los
siguientes pasos:
D4 y E4 están vacíos, ya que no existe ninguna base de previsión de los datos reales disponibles del
primer período.
Para pronosticar las tasas de inflación, R, para los años 2010 a 2012, utilizamos la ecuación de
tendencia lineal en la celda D22 Ft = R = 5,806667 + 0,05698*(t) y sustituimos, t = 11, 12 y 13 por el
tiempo en la celda B25 Ft = R = 5,80667+0,05698(11) 6, 43% B26 Ft = R = 5,806667 + 0,05698(12) 6
.43% B27 Ft = R = 5.806667 + 5.806667(13) 6. 43% o utilizar la fórmula de Excel previsión, la fijación
de las posiciones de las tasas en la celda C4 a C13 para la matriz Y y el tiempo en las celdas B4 a B13
para la matriz X, pero sustituyendo sólo el primer requisito X que es el tiempo 11, 12, y 13 como se
muestra en la imagen 3 y 4.
Foto 1
Foto 2
Para el método de regresión lineal, en primer lugar, obtenemos la ecuación de la recta de regresión
calculando la pendiente y la intersección y mediante las fórmulas de Excel PENDIENTE (matriz y, matriz
x) e INTERSECCIÓN (matriz y, matriz x), donde las ventas de la columna F son la matriz Y y los índices de
la columna C son la matriz X, tal como se muestra en las imágenes 5 y 6. Por lo tanto, la ecuación de
regresión lineal es Ventas = ₱74.127,67 - ₱7.194,06 (Tasa) y las ventas para los próximos tres años
basadas en las tasas de inflación previstas en las celdas E27 a E29 son las siguientes:
₱27,025.21
Foto 5
Foto 6
Para hacerlo: Resalte las matrices de Tiempo y Tasa. Haga clic en Asistente para
gráficos. Seleccione Gráfico de dispersión. Haga clic con el botón derecho del ratón en
cualquiera de los puntos trazados. Seleccione Añadir Línea de Tendencia + Lineal.
Rate (Y-axis)
9
8.4
8
7 7.2 7.3 7
6.8
6
5.5 5.4
5
4 4
3.6
3
2
1
0
0 2 4 6 8 10 12
Year (X-axis)
b. Diagrama de dispersión de la tasa de desempleo frente a las ventas con línea de regresión
Para hacerlo: Resalte las matrices de Tarifa y Ventas. Haga clic en Asistente para gráficos. Seleccione el
gráfico de dispersión. Haga clic con el botón derecho del ratón en cualquiera de los puntos trazados.
Seleccione Añadir Línea de Tendencia + Lineal.
(Sales)
60,000
50,000
40,000
30,000
20,000
10,000
0
0.05 1.05 2.05 3.05 4.05 5.05 6.05 7.05 8.05 9.05
(Unemployment Rates)
Previsión
ESTUDIO DE CASO
La mala situación económica de 2009 provocó el cierre casi definitivo del zoo de Manila. La
administración de la ciudad de Manila decidió contratar a la RC Animal Park Corporation para explotar el
zoo de Manila.
La RC Animal Park Corporation se dio cuenta de que es imprescindible mantener la imagen del
zoo como un buen lugar para que los visitantes se relajen y pasen tiempo en familia. Para lograr su
objetivo, tienen que asegurarse de que el lugar está limpio. La Corporación también añadió más
animales, aves y reptiles para atraer a más visitantes. También introdujeron nuevas actividades y juegos.
Los esfuerzos de la Corporación parecen estar funcionando porque la asistencia aumentó de 70.000 en
2009 a un máximo histórico de 165.000 en 2013, como se muestra en el siguiente cuadro:
Cuadro 5.1
Año Asistencia
2014 157,800
2013 165,00
2012 120,250
2011 87,600
2010 75,800
2009 70,000
1. Basándose en los datos anteriores, ¿puede hacer una previsión de la asistencia de 2015 a 2020?
2. ¿Qué técnica de previsión será la más adecuada para predecir la asistencia de 2015 a 2020? ¿Por qué?