Problema 1 : Pronósticos Estacionales

El gerente de planta de AVINKA S.A, está intentando planear las necesidades de efectivo, personal y materiales
suministros para cada trimestre del próximo año. Los datos de ventas trimestrales durante los últimos tres añ
razonablemente parecen reflejar el patrón de resultados estacional que debe esperarse en el futuro. Si pudie
estimar las ventas trimestrales del siguiente año, podría determinar las necesidades de efectivo, material, person
y suministro.

Año Ventas trimestrales (miles de unidades)

T1 T2 T3 T4
1 520 730 820 530
2 590 810 900 600
3 650 900 1,000 650

SOLUCION
es de efectivo, personal y materiales y
estrales durante los últimos tres años
be esperarse en el futuro. Si pudiera
sidades de efectivo, material, personal

Total
Anual
2,601
2,902
3,203
Problema 2 : Pronósticos Estacionales

La empresa de Calzado Flor deOro S.A. requiere pronosticar la demanda agregada(pares de zapatos) de sus pro
12 meses. Con base a las ventas de los 3 últimos años aplicar el método de descomposición de series de tiemp

Año Ene Feb Mar Abr May Jun Jul

1 (2010) 1,640 1,765 1,980 2,100 1,670 1,900 1,750
2 (2011) 1,850 1,940 2,090 2,330 1,860 2,120 1,970
3 (2012) 2,060 2,180 2,340 2,540 2,095 2,360 2,205
Año Ene Feb Mar Abr May Jun
4 (2013) 2,126 2,270 2,490 2,726 2,215 2,530
es de zapatos) de sus productos que manufactura para los próximos
sición de series de tiempo para tal fin.

Ago Sep Oct Nov Dic

1,830 1,650 1,670 1,720 1,650
2,080 1,870 1,900 1,950 1,835
2,280 2,100 2,110 2,180 2,045
Jul Ago Sep Oct Nov Dic
2,365 2,488 2,274 2,313 2,398 2,282
Problema 3 : Pronósticos Estacionales

La Gerencia de Ventas de Molino La Perla SAC trujillo, desea establecer su proyección financiera a mediano
plazo y para lo cual necesita la proyección de la demanda para el siguiente año mes a mes. Realizar dicha
proyección utilizando el método de descomposición de series de tiempo. Para tal efecto se cuenta con
información de las ventas realizadas en los últimos tres años mes a mes.

Año
Mes
2010 2011 2012
Enero 12,500 14,375 15,813
Febrero 12,570 14,456 15,901
Marzo 13,050 15,008 16,508
Abril 13,780 15,847 17,432
Mayo 14,200 16,330 17,963
Junio 15,300 17,595 19,355
Julio 15,900 18,285 20,114
Agosto 16,000 18,400 20,240
Septiembre 15,200 17,480 19,228
Octubre 15,000 17,250 18,975
Noviembre 14,200 16,330 17,963
Diciembre 13,800 15,870 17,457

También se le solicita validar su modelo e interprete cada índice de valoración hallado.

proyección financiera a mediano
año mes a mes. Realizar dicha
ara tal efecto se cuenta con
Problema 4 : Pronósticos Estacionales

Alicorp, para su línea de productos aceites comestibles requiere pronosticar la demanda agregada(en miles de litros) de
las ventas de los 3 últimos años: (1) Aplicar el método de descomposición de series de tiempo para pronosticar todo el a

Demanda histórica por producto (cajas)

Año Producro Ene Feb Mar
1 (2010) Aceite Primor 5 litros 460000 500000 525000
Aceite Primor litro 860000 890000 935000
Aceite Primor 1/2 litro 840,000 880,000 910,000
Aceite Cocinero litro 650,000 700,000 740,000
Aceite Cocinero 1/2 itro 150,000 170,000 190,000
2 (2011) Aceite Primor 5 litros 490000 530000 555000
Aceite Primor litro 895000 925000 970000
Aceite Primor 1/2 litro 860,000 920,000 930,000
Aceite Cocinero litro 680,000 720,000 760,000
Aceite Cocinero 1/2 itro 168000 188000 208000
3 (2012) Aceite Primor 5 litros 515000 555000 580000
Aceite Primor litro 940000 970000 1015000
Aceite Primor 1/2 litro 875,000 935,000 1,020,000
Aceite Cocinero litro 710,000 750,000 790,000
Aceite Cocinero 1/2 itro 190,000 210,000 230,000

Presentación Envase Unidad

litro /envase presentac
Aceite Primor 5 litros Bidón 5.0 caja
Aceite Primor litro Botella 1.0 caja
Aceite Primor 1/2 litro Botella 0.5 caja
Aceite Cocinero litro Botella 1.0 caja
Aceite Cocinero 1/2 itro Botella 0.5 caja

Solución:

Ene Feb Mar

2010 24200 25840 27150
2011 25418 27118 28308
2012 26590 28290 29930

INDICE ESTACIONAL 0.79242595 0.844832874946059 0.88788142

Datos desestacionalizados

Ene Feb Mar

2010 30539.1311 30585.9309767625 30578.4077
2011 32076.1832 32098.656200768 31882.6359
2012 33555.1857 33485.9128224695 33709.4564

Tiempo (x) Ventas (y)

 1 30539.1311
2 30585.931
3 30578.4077
4 30778.3874
5 30738.3366
6 30916.5732
7 30894.1686
8 30772.2646
9 30371.7814
10 30535.1394
11 30711.9708
12 30906.4579
13 32076.1832
14 32098.6562
15 31882.6359
16 32022.2807
17 32080.1478
18 32035.2419
19 31972.9845
20 32025.7502
21 31935.5926
22 31936.718
23 31916.729
24 31948.0568
25 33555.1857
26 33485.9128
27 33709.4564
28 33369.8319
29 33352.0155
30 33218.6849
31 33303.3469
32 33372.4851
33 33863.1261
34 33698.6427
35 33541.8001
36 33315.9853 Indice estacionalidad
37 33968.7147 0.792425951825144 26917.6911
38 34072.0596 0.844832874946059 28785.1961
39 34175.4046 0.88788141893824 30343.7067
40 34278.7495 1.00330142819264 34391.9183
41 34382.0945 1.08659100243838 37359.2745
42 34485.4394 1.14242933123983 39397.1775
43 34588.7843 1.12901565448864 39051.279
44 34692.1293 1.1152900317665 38691.786
45 34795.4742 1.02825710586926 35778.6936
46 34898.8192 0.954637856723216 33315.7339
47 35002.1641 0.96118872211333 33643.6854
48 35105.509 1.05414862145876 37006.4239

Ene Feb Mar

1 24200 25840 27150
2 25418 27118 28308
3 26590 28290 29930
 4 26917.6911 28785.1961022064 30343.7067

2012 Ene Feb Mar

Aceite Primor 5 litros 515000 555000 580000
Aceite Primor litro 940000 970000 1015000
Aceite Primor 1/2 litro 875000 935,000 1,020,000
Aceite Cocinero litro 710000 750,000 790,000
Aceite Cocinero 1/2 itro 190000 210,000 230,000
3230000 3420000 3635000

2012 Ene Feb Mar

Aceite Primor 5 litros 16% 16% 16%
Aceite Primor litro 29% 28% 28%
Aceite Primor 1/2 litro 27% 27% 28%
Aceite Cocinero litro 22% 22% 22%
Aceite Cocinero 1/2 itro 6% 6% 6%
3230000 3420000 3635000

2013 Ene Feb Mar

Aceite Primor 5 litros 4291.83 4671.28182360367 4841.63683
Aceite Primor litro 7833.63146 8164.22228629831 8472.86446
Aceite Primor 1/2 litro 7291.94418 7869.63694607106 8514.60271
Aceite Cocinero litro 5916.89185 6312.54300486983 6594.64327
Aceite Cocinero 1/2 itro 1583.39359 1767.51204136355 1919.95943

2013 Ene Feb Mar

Aceite Primor 5 litros 214592 233564 242082
Aceite Primor litro 1305605 1360704 1412144
Aceite Primor 1/2 litro 1215324 1311606 1419100
Aceite Cocinero litro 986149 1052091 1099107
Aceite Cocinero 1/2 itro 263899 294585 319993
gregada(en miles de litros) de sus productos que manufactura para los próximos 12 meses. Con base a
mpo para pronosticar todo el año 2013. (2) Valide la técnica de pronóstico empleada. (3) Haga un gráfico

Abr May Jun Jul Ago Sep Oct Nov

545000 620000 650000 580000 540000 480000 430000 450000
950000 1020000 1080000 1150000 1000000 970000 960000 930000
1,200,000 1,250,000 1,340,000 1,380,000 1,420,000 1,205,000 1,150,000 1,250,000
950,000 980,000 1,020,000 1,100,000 1,250,000 1,210,000 1,100,000 1,050,000
230,000 250,000 280,000 250,000 250,000 220,000 215,000 190,000
575000 650000 680000 610000 570000 510000 460000 480000
985000 1055000 1115000 1185000 1035000 1005000 995000 965000
1,235,000 1,320,000 1,380,000 1,410,000 1,480,000 1,300,000 1,200,000 1,270,000
970,000 1,000,000 1,040,000 1,120,000 1,270,000 1,230,000 1,120,000 1,070,000
248000 268000 298000 268000 268000 238000 233000 208000
600000 675000 705000 635000 595000 535000 485000 505000
1030000 1100000 1160000 1230000 1080000 1050000 1040000 1010000
1,280,000 1,370,000 1,425,000 1,480,000 1,550,000 1,450,000 1,300,000 1,350,000
1,000,000 1,030,000 1,070,000 1,150,000 1,300,000 1,260,000 1,150,000 1,100,000
270,000 290,000 320,000 290,000 290,000 260,000 255,000 230,000

envase /caja litros/cja

4 20
6 6
12 6
6 6
12 6

Abr May Jun Jul Ago Sep Oct Nov

30880 33400 35320 34880 34320 31230 29150 29520
32128 34858 36598 36098 35718 32838 30488 30678
33480 36240 37950 37600 37220 34820 32170 32240

1.00330143 1.086591 1.14242933 1.12901565 1.11529003 1.02825711 0.95463786 0.96118872

Abr May Jun Jul Ago Sep Oct Nov

30778.3874 30738.3366 30916.5732 30894.1686 30772.2646 30371.7814 30535.1394 30711.9708
32022.2807 32080.1478 32035.2419 31972.9845 32025.7502 31935.5926 31936.718 31916.729
33369.8319 33352.0155 33218.6849 33303.3469 33372.4851 33863.1261 33698.6427 33541.8001
Abr May Jun Jul Ago Sep Oct Nov
30880 33400 35320 34880 34320 31230 29150 29520
32128 34858 36598 36098 35718 32838 30488 30678
33480 36240 37950 37600 37220 34820 32170 32240
34391.9183 37359.2745 39397.1775 39051.279 38691.786 35778.6936 33315.7339 33643.6854

Abr May Jun Jul Ago Sep Oct Nov

600000 675000 705000 635000 595000 535000 485000 505000
1030000 1100000 1160000 1230000 1080000 1050000 1040000 1010000
1,280,000 1,370,000 1,425,000 1,480,000 1,550,000 1,450,000 1,300,000 1,350,000
1,000,000 1,030,000 1,070,000 1,150,000 1,300,000 1,260,000 1,150,000 1,100,000
270,000 290,000 320,000 290,000 290,000 260,000 255,000 230,000
4180000 4465000 4680000 4785000 4815000 4555000 4230000 4195000

Abr May Jun Jul Ago Sep Oct Nov

14% 15% 15% 13% 12% 12% 11% 12%
25% 25% 25% 26% 22% 23% 25% 24%
31% 31% 30% 31% 32% 32% 31% 32%
24% 23% 23% 24% 27% 28% 27% 26%
6% 6% 7% 6% 6% 6% 6% 5%
4180000 4465000 4680000 4785000 4815000 4555000 4230000 4195000

Abr May Jun Jul Ago Sep Oct Nov

4936.639 5647.81865 5934.83122 5182.35364 4781.22796 4202.32735 3819.88911 4050.07416
8474.56361 9203.85262 9765.11236 10038.2598 8678.53143 8247.55835 8191.10243 8100.14833
10531.4965 11462.9801 11995.9354 12078.5565 12455.2997 11389.4853 10238.878 10826.9309
8227.73166 8618.1529 9007.47434 9385.36486 10446.3804 9897.07002 9057.46903 8821.94372
2221.48755 2426.47024 2693.8241 2366.74418 2330.3464 2042.25254 2008.39531 1844.58823

Abr May Jun Jul Ago Sep Oct Nov

246832 282391 296742 259118 239061 210116 190994 202504
1412427 1533975 1627519 1673043 1446422 1374593 1365184 1350025
1755249 1910497 1999323 2013093 2075883 1898248 1706480 1804488
1371289 1436359 1501246 1564227 1741063 1649512 1509578 1470324
370248 404412 448971 394457 388391 340375 334733 307431
 Dic
600000
900000
1,300,000
1,050,000
180,000
630000
935000
1,310,000
1,070,000
198000
655000
980000
1,370,000
1,100,000
220,000

Dic
32580 32056.8333
33678
35120

1.05414862

Dic
30906.4579
31948.0568
33315.9853
Dic
32580
33678
35120
37006.4239

Dic
655000
980000
1,370,000
1,100,000
220,000
4325000

Dic
15%
23%
32%
25%
5%
4325000

Dic
5604.44108
8385.27063
11722.2661
9412.03846
1882.40769

Dic
280222
1397545
1953711
1568673
313735
Un distribuidor Des Moines de computadoras portátiles Sony quiere desarrollar un pronostico
mensual para las ventas del 2008. Se dispone de los datos mensuales para los años 2005 a
2007.

2005 2006 2007

Enero 80 85 105
Febrero 70 85 85
Marzo 80 93 82
Abril 90 95 115
Mayo 113 125 131
Junio 110 115 120
Julio 100 102 113
Agosto 88 102 110
Septiembre 85 90 95
Octubre 77 78 85
Noviembre 75 82 83
Diciembre 82 78 80
un pronostico
ños 2005 a

94
-
-
-
-
-
-
-
-
-
-
-
-
Mark Cotteleer posee una compañía que fabrica lanchas. Las demandas reales de las lanchas de
Mark durante cada temporada desde 2004 hasta 2007 fueron como se muestra en la tabla
adjunta.
Mark ha pronosticado que la demanda anual de sus lanchas en 2009 será igual a 5,600. Con
base en estos datos y el modelo estacional, ¿cuál será el nivel de la demanda para las lanchas
de Mark en la primavera de 2009?

Año
Temporada 2004 2005 2006 2007
Invierno 1400 1200 1000 900
Primavera 1500 1400 1600 1500
Verano 1000 2100 2000 1900
Otoño 600 750 650 500
la asistencia al nuevo parque tipo disney en los
angeles, vacation world, ha dado la siguiente data,
determine la asistencia pronosticada para el 2009

Asistencia
Año Temporada
(miles)
Invierno 73
Primavera 14
2005
Verano 168
Otoño 74
Invierno 65
Primavera 82
2006
Verano 124
Otoño 52
Invierno 89
Primavera 146
2007
Verano 205
Otoño 98