INTEGRANTES:

ALCALDE ABANTO, DOMINGO AUDIEL

CHUQUIMANGO GUEVARA, SEGUNDO
SOTO LLANOS, FRANCISCO JAVIER
VICE FIESTAS JUDDY
VILCHEZ ROMERO, JAVIER
O AUDIEL
EGUNDO
CASO 1:

n=3

Demanda Error de Error Error

Semana Pronóstico
Real Pronóstico Absoluto Cuadrático
1 790
2 644
3 900
4 620 778 -158 158 24964
5 820 721 99 99 9735
6 688 780 -92 92 8464
7 940 709 231 231 53207
8 660 816 -156 156 24336
9 824 763 61 61 3762
10 708 808 -100 100 10000
11 900 731 169 169 28674
12 800 811 -11 11 114
13 803
14
* Las ventas para la semana o periodo 13 seria de 803 productos de "UNIX 5".

DAM= 120
ECM= 18140
EPAM= 15.64%
* El modelo de mejor desempeño sera cuando
para la semana 13 de 803 productos de "UN

CALCULO DE ERROR CUADRAT

 n=5

Error Porcentual Demanda Error de

Semana Pronóstico
Absoluto Real Pronóstico
1 790
2 644
3 900
25% 4 620
12% 5 820
13% 6 688 755 -67
25% 7 940 734 206
24% 8 660 794 -134
7% 9 824 746 78
14% 10 708 786 -78
19% 11 900 764 136
1% 12 800 806 -6
13 778
14
s de "UNIX 5". * Las ventas para la semana o periodo 13 seria de 778 productos de "U

DAM= 101
ECM= 13630
EPAM= 12.62%
de mejor desempeño sera cuando n=5, con un pronostico de venta
ana 13 de 803 productos de "UNIX 5".

ALCULO DE ERROR CUADRATICO Y ERROR PORCENTUAL ABSOLUTO

ERROR CUADRATICO = (ERROR DE PRONOSTICO)^2

ERROR PORCENTUAL ABSOLUTO = ERROR ABSOLUTO/DEMANDA REAL

 Error Error Porcentual
Error Cuadrático
Absoluto Absoluto

67 4462.2 10%
206 42271.4 22%
134 17849.0 20%
78 6146.6 10%
78 6146.6 11%
136 18496.0 15%
6 41.0 1%

3 seria de 778 productos de "UNIX 5".

CASO 02:

n=3
Demanda Error de Error Error Error Porcentual
Mes Pronóstico
Real Pronóstico Absoluto Cuadrático Absoluto
1 532
2 502
3 507
4 537 512 25.25 25.25 637.56 5%
5 520 519 0.75 0.75 0.56 0%
6 480 522 -41.85 41.85 1751.42 9%
7 571 506 64.75 64.75 4192.56 11%
8 479 531 -51.95 51.95 2698.80 11%
9 518 507 11.15 11.15 124.32 2%
 10 575 520 55.45 55.45 3074.70 10%
11 565 534 31.10 31.10 967.21 6%
12 499 556 -57.25 57.25 3277.56 11%
13 538
14
* Las ventas para el mes 13 seria de 538 televisores.
DAM= 37.72
ECM= 1858
EPAM= 7.17%

n=5
Mes Demanda Real

1 532
2 502
3 507
4 537
5 520
6 480
7 571
8 479
9 518
10 575
11 565
12 499
13
14
* Las ventas para el mes 13 seria de 531 tele
DAM=
ECM=
EPAM=

* El modelo de mejor desem

para la semana 13 de 538
 n=4
semana peso Demanda
Mes Pronóstico
1 0.25 Real
2 0.3 1 532
3 0.45 2 502
1 3 507
4 537
5 520 521
6 480 521
7 571 506
8 479 530
9 518 511
 10 575 513
11 565 538
12 499 550
13 536
14
* Las ventas para el mes 13 seria de 536 televisores.
DAM= 37.99
ECM= 1959
EPAM= 7.21%

Error semana Demanda Real peso

Error de Error Error
Pronóstico Porcentual
Pronóstico Absoluto Cuadrático Absoluto 1 532 0.20
2 502 0.19
3 507 0.20
4 537 0.21
5 520 0.20
2598 1.00
520 -39.96 39.96 1596.49 8%
509 61.89 61.89 3829.93 12%
523 -43.56 43.56 1897.71 8%
518 -0.01 0.01 0.00 0%
513 61.65 61.65 3800.88 12%
524 40.74 40.74 1659.95 8%
543 -43.51 43.51 1892.79 8%
527

l mes 13 seria de 531 televisores.

41.62
2097
8.00%

odelo de mejor desempeño sera cuando n=3 con pesos de 0.25; 0.3; 0.45 , con un pronostico de venta
la semana 13 de 538 televisores.
 Error de Error Porcentual semana peso
Error Absoluto Error Cuadrático
Pronóstico Absoluto 1 0.1
2 0.2
3 0.3
4 0.4
1
-0.50 0.50 0.25 0%
-40.70 40.70 1656.49 8%
64.90 64.90 4212.01 11%
-51.10 51.10 2611.21 11%
7.10 7.10 50.41 1%
 61.90 61.90 3831.61 11%
26.70 26.70 712.89 5%
-51.00 51.00 2601.00 10%

3 seria de 536 televisores.

ronostico de venta
CASO 03:

α = 0.05

Error
Demanda Pronóstico Error de Error Error
Mes Porcentual
Real ALFA= 0.05 Pronóstico Absoluto Cuadrático
Absoluto
1 1444 1455 -11 11 121 1%
2 1410 1454.5 -44.5 44.5 1975.8 3%
3 1369 1452.2 -83.2 83.2 6926.8 6%
4 1406 1448.1 -42.1 42.1 1769.6 3%
5 1425 1446.0 -21.0 21.0 439.4 1%
6 1463 1444.9 18.1 18.1 327.1 1%
7 1538 1445.8 92.2 92.2 8497.3 6%
8 1463 1450.4 12.6 12.6 158.1 1%
9 1519 1451.1 67.9 67.9 4616.3 4%
10 1425 1454.5 -29.5 29.5 867.5 2%
11 1433 1453.0 -20.0 20.0 399.2 1%
12 1481 1452.0 29.0 29.0 842.0 2%
13 1453.4
14
DAM= 39.25
ECM= 2245.02
EPAM= 2.703%

α = 0.8

Mes Demanda Pronóstico

Real ALFA = 0.8
1 1444 1455
2 1410 1446.2
3 1369 1417.2
4 1406 1378.6
5 1425 1400.5
6 1463 1420.1
7 1538 1454.4
8 1463 1521.3
9 1519 1474.7
10 1425 1510.1
11 1433 1442.0
12 1481 1434.8
13 1471.8
14

DAM=
ECM=
EPAM=

* El modelo de mejor desempeño sera cuan

para el mes 13 de 1462.3 TM.
 α = 0.3

Pronóstico Error de Error Error

Mes Demanda Real
ALFA= 0.3 Pronóstico Absoluto Cuadrático
1 1444 1455 -11 11 121
2 1410 1451.7 -41.7 41.7 1738.9
3 1369 1439.2 -70.2 70.2 4926.6
4 1406 1418.1 -12.1 12.1 147.2
5 1425 1414.5 10.5 10.5 110.4
6 1463 1417.6 45.4 45.4 2057.1
7 1538 1431.3 106.7 106.7 11395.2
8 1463 1463.3 -0.3 0.3 0.1
9 1519 1463.2 55.8 55.8 3114.4
10 1425 1479.9 -54.9 54.9 3017.9
11 1433 1463.5 -30.5 30.5 927.5
12 1481 1454.3 26.7 26.7 711.9
13 1462.3
14
 DAM= 38.82
ECM= 2355.68
EPAM= 2.664%

Error de Error Error Error Porcentual

Pronóstico Absoluto Cuadrático Absoluto
-11 11 121 1%
-36.2 36.2 1310.4 3%
-48.2 48.2 2327.1 4%
27.4 27.4 748.1 2%
24.5 24.5 598.8 2%
42.9 42.9 1839.9 3%
83.6 83.6 6985.4 5%
-58.3 58.3 3397.1 4%
44.3 44.3 1966.3 3%
-85.1 85.1 7247.4 6%
-9.0 9.0 81.5 1%
46.2 46.2 2134.0 3%

43.0595895
2396.41135
2.959%

esempeño sera cuando ALFA = 0.3, con un pronostico de tonelaje de descarga

Error Porcentual
Absoluto
1%
3%
5%
1%
1%
3%
7%
0%
4%
4%
2%
2%
CASO 04:

Alisado Exponencial con Ajuste de Tendencia

Pronóstico Tendencia
Mes Demanda Pronóstico
Error de Prónostico
Error Absoluto
Alisado (Ft) Alisada (Tt)
1 62 60 1.8 61.8
2 65 61.86 1.85 63.71 3.14 3.14
3 67 64.10 2.16 66.25 2.90 2.90
4 68 66.48 2.34 68.81 1.52 1.52
5 71 68.57 2.14 70.71 2.43 2.43
6 73 70.80 2.21 73.01 2.20 2.20
7 76 73.01 2.21 75.21 2.99 2.99
8 78 75.45 2.40 77.85 2.55 2.55
9 78 77.89 2.43 80.33 0.11 0.11
10 80 79.63 1.88 81.50 0.37 0.37
11 84 81.05 1.51 82.57 2.95 2.95
12 85 83.00 1.86 84.86 2.00 2.00
13 84.90 1.89 86.79

DAM = 2.11

Pronóstico Tendencia
Mes Demanda Pronóstico
Error de Prónostico
Error Absoluto
Alisado (Ft) Alisada (Tt)
1 62 60 1.8 61.8
2 65 61.84 1.82 63.66 1.34 1.34
3 67 63.93 1.98 65.92 1.08 1.08
4 68 66.13 2.11 68.25 -0.25 0.25
5 71 68.20 2.08 70.28 0.72 0.72
6 73 70.43 2.17 72.60 0.40 0.40
7 76 72.68 2.22 74.90 1.10 1.10
8 78 75.12 2.35 77.47 0.53 0.53
9 78 77.58 2.42 79.99 -1.99 1.99
10 80 79.59 2.18 81.77 -1.77 1.77
11 84 81.42 1.96 83.38 0.62 0.62
12 85 83.50 2.04 85.54 -0.54 0.54
13 85.43 1.97 87.41

DAM = 0.94
𝒙^𝟐
* El modelo de mejor desempeño sera cuando ALFA = 0.20 y BETA 0.60.
para el mes 13 de 87.41.
Alfa 0.3
Beta 0.8
Alfa 0.2
Beta 0.6
 CASO 05:

Demanda Pronostico
Mes (x)
Real (y) 𝒙^ XY
𝟐
1 444 414.15 1 444
2 410 420.31 4 820
3 369 426.46 9 1107
4 406 432.62 16 1624
5 425 438.77 25 2125
6 463 444.92 36 2778
7 538 451.08 49 3766
8 463 457.23 64 3704
9 519 463.38 81 4671
10 425 469.54 100 4250
11 433 475.69 121 4763
12 481 481.85 144 5772
SUMATORIAS 650 35824
PROMEDIOS 6.5 448

Previsión para los periodos 13 y 14 sería:

13 488
 14 494.154

coeficiente de correlacion R: 0.461

 b= 6.1538

a= 408.000

la ecuacion es: y=a+bx

y = 408+6.15x
CASO 06

IE = Demanda media por trimestre / Demanda trimestral media

1° Dia S1 S2 S3 S4
LUNES 84 82 93 80
MARTES 82 71 77 67
 MIERCOLES 78 89 83 98
JUEVES 95 94 103 96
VIERNES 130 144 135 125
SABADO 144 135 140 136
DOMINGO 42 48 37 40
Demanda media
por semana 93.57 94.71 95.43 91.71
Demanda semanal
media 93.86
Indice estacional 1.00 1.01 1.02 0.98

2° Pronostico la demanda para el siguiente periodo en este caso 2018 usando proyección de tendencias
demanda
periodo (x)
DIA S1 S2 S3 S4 real (y)
LUNES 84 82 93 80 339 1
MARTES 82 71 77 67 297 2
MIERCOLES 78 89 83 98 348 3
JUEVES 95 94 103 96 388 4
VIERNES 130 144 135 125 534 5
SABADO 144 135 140 136 555 6
DOMINGO 42 48 37 40 167 7
sumatorias
promedios 375.428571 4

b= 6.64285714
a= 348.857143
por lo tanto Y para periodo 8= 402

3° Desagregar los 402 proyectados entre los 8 periodos pero ajustando las cifras de acuerdo al indice estacional
Pronóstico Semanal 100.5

S1 1 101
S2 1.01 102
S3 1.02 103
S4 0.98 98
403 la suma debe dar el total anual pronosticado

Coeficiete DE Correlacion: 0.10636027

 de tendencias

𝒙^𝟐 xy

1 339
4 594
9 1044
16 1552
25 2670
36 3330
49 1169
140 10698

o al indice estacional

nual pronosticado
CASO 7:

 Aplicar el método de regresión simple o mínimos cuadrados.

Temperatura Litros de helado

Semana
(°C) (X) vendidos (Y) 𝒙^
𝟐
1 31 110 961
2 28 95 784
3 37 135 1369
4 40 160 1600
5 29 97 841
6 30 105 900
7 32 120 1024
8 43 175 1849
9 38 140 1444
10 33 121 1089
SUMATORIAS 11861
 PROMEDIOS 34.1 125.8

Previsión para la semanas 11 y 12 sería:

Temperatura Litros de helado
Semana
(°C) (X) vendidos (Y)

11 35 130.5
12 33 120.1

 Evaluar el desempeño de los modelos utilizando el Coeficiente de Correlación (r).

Temperatura Litros de helado

Semana
(°C) (X) vendidos (Y)
1 31 110
2 28 95
3 37 135
4 40 160
5 29 97
6 30 105
7 32 120
8 43 175
9 38 140
10 33 121
11 35 130.5
12 33 120.1

 Proyectar las ventas de helado, para las dos semanas siguientes, si proyecta una temperatura d
35° y 33°, respectivamente.

Temperatura Litros de helado

Semana
(°C) (X) vendidos (Y)
11 35 130.5
12 33 120.1
 XY
3410
2660
4995
6400
2813
3150 b= 5.1876
3840
7525 a= -51.098
5320
3993 la ecuacion es: y=a+bx
44106
 y = -51.098+5.1876x

de Correlación (r).

Coeficiente de correlación R= 0.990

s, si proyecta una temperatura de

L IT R O D E H E LA D O S V E N D ID O S

200 Litros de helado vendidos (Y)

180
160 f(x) = 5.18763417775869 x − 51.0983254615714
R² = 0.980308372993001
140
120
100
80
60
40
20
0
26 28 30 32 34 36 38 40 42 44
TEMPERATURA (°C)
40 42 44