La demanda de audífonos para estereofónicos y reproductores de discos compactos

para trotadores ha llevado a Nina Industries a crecer casi 50% en el año pasado. El
número de trotadores sigue en aumento, así que Nina espera que la demanda también se
incremente, porque, hasta ahora, no se han promulgado leyes de seguridad que impidan
que los trotadores usen audífonos. La demanda de estéreos del año pasado fue la
siguiente:

a) Con un análisis de regresión por mínimos cuadrados, ¿cuál

estimaría que fuera la demanda de cada mes del año entrante?
Con una hoja de cálculo, siga el formato general de la ilustración
15.11. Compare sus resultados con los obtenidos usando la
función pronóstico de la hoja de cálculo.

•Inicialmente tabulamos y graficamos los datos y establecemos

la recta de regresión lineal

b)¿A partir de la evaluación del error

de pronósticos y usando el análisis de
variables
tales como la desviación media ANÁLISIS DE VARIA
absoluta y la señal de rastreo
determine que tan
probable es que los resultados Grados de libertad
establecidos se cumplan?
Regresión 1
Residuos 10
Total 11

Estadísticas de la regresión

podemos observar a los resultados Coeficiente de

0.938
correlación múltiple
obtenidos por error excel estandar
estimado es de 269,853; lo que nos Coeficiente de
0.879
determinación R^2
ayuda a dar como resulatdo que no es
posible que se cumpla los resulatdos R^2 ajustado 0.867
probablemente obtenidos. Error típico 269.853
Observaciones 12
 Demanda
discos compactos Demanda Periodo*
Periodo (x) Periodo.2 Demandas2 Demanda 7000
el año pasado. El (y)
6000
demanda también se 1 4,200 1 17,640,000 4,200
guridad que impidan 5000
2 4,300 4 18,490,000 8,600
año pasado fue la 4000
3 4,000 9 16,000,000 12,000
3000
4 4,400 16 19,360,000 17,600
2000
5 5,000 25 25,000,000 25,000
1000
6 4,700 36 22,090,000 28,200
0
7 5,300 49 28,090,000 37,100 1 2 3
8 4,900 64 24,010,000 39,200
mos cuadrados, ¿cuál Peri
a mes del año entrante? 9 5,400 81 29,160,000 48,600
o general de la ilustración 10 5,700 100 32,490,000 57,000
obtenidos usando la 11 6,300 121 39,690,000 69,300
.
12 6,000 144 36,000,000 72,000

X=(∑𝑥)/𝑛=78/12=
78 60,200 650 308,020,000 418,800

os datos y establecemos
lineal
"b=" (∑▒ 〖 "xy-n"
"a=" ¯y "-b" ¯x=("5.016,66")-("192,308")("6,5

PRONOSTICOS PARA EL PROX

ANÁLISIS DE VARIANZA Periodos (X)

Suma de Promedio de los

cuadrados cuadrados
F Valor crítico de F 13
5,288,461.54 5,288,461.54 72.623 0.000006741 14
728,205.13 72,820.51 15
6,016,666.67 16
17
18
19

20
21
22
23
24
 Demanda de audífonos en el año
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12

Periodo (x) Demanda (y) Linear (Demanda (y))

Mediante la siguiente gráfica se observa como la demanda no baja de las 4000

unidades, además de que pose altas y bajas mientras los meses avanzan hasta
llegar al mes doce.

X=(∑𝑥)/𝑛=78/12=6,5 Y=(∑𝑦)/𝑛=60200/12=5016,667

"b=" (∑▒ 〖 "xy-n" (¯y)(¯x) 〗 )/(∑▒ 〖 x^2 "-n" (¯x )^2 〗 )=("418.800-12" ("5.016,66" )("6,5" ))/(650−12(42
016,66")-("192,308")("6,5")=3766,607

𝒀=𝒂+𝒃𝒙=𝟑𝟕𝟔𝟔,𝟔𝟔+𝟏𝟗𝟐,𝟑𝟎𝒙

PRONOSTICOS PARA EL PROXIMO AÑO

Funcion Pronostico pra el proximo año
Y = 3766,66 +
Pronostico 192,30X
Excel 9000

8000
6266.67 6,266.67
7000
6458.97 6,458.97
6000
6651.28 6,651.28
6843.59 6,843.59 5000
7035.90 7,035.90 4000
7228.21 7,228.21 3000

7420.51 7,420.51 2000

1000
7612.82 7,612.82
0
7805.13 7,805.13 1 2 3 4 5 6 7 8 9 10 11

7997.44 7,997.44 Periodos (X) Funcion Pronostico Excel

8189.74 8,189.74 Linear (Funcion Pronostico Excel)
8382.05 8,382.05
Según lo pronosticado para los siguientes 12 meses la demanda no bajara de l
6000 unidades, para este caso se puede ver como la demanda va aumentando
una manera lineal hasta llegar al mes 12.
.016,66" )("6,5" ))/(650−12(42.25))=27.500/143=192,308

proximo año

7 8 9 10 11 12

Funcion Pronostico Excel

12 meses la demanda no bajara de las

r como la demanda va aumentando de
a llegar al mes 12.
 Tucson Machinery, Inc., fabrica máquinas controladas
numéricamente, que se venden a un precio promedio de 0.5 b) Encuentre la tend
millones de dólares cada una. Las ventas de estas factores estacio
máquinas durante los 2 años anteriores son: c) Pronostique las venta

CANTIDAD CANTIDAD
TRIMESTRE TRIMESTRE Teniendo en cuenta que la
(Unidades) (Unidades)2 regresión simp
2006 2007
2006 007
I 12 I 16

II 18 II 24

III 26 III 28
IV 16 IV 18

a) Trace a mano una recta (o haga una regresión

con Excel®).

VENTAS MAQUINAS 2006 Y 2007

30
25
CANT. UNID

20
15 CANTIDAD (Unidades) 2006
10 CANTIDAD (Unidades)2007
5
0
I II III IV
TRIMESTRES
 b) Encuentre la tendencia y los
factores estacionales.
) Pronostique las ventas para 2008.

Teniendo en cuenta que la ecuación es: Y = 1,023 +15,14X El modelo de

regresión simple quedaría de la siguiente manera:

cantidad promedio del mismo factor

Año Periodo Trimestre
(unidades) trimestre cada año estacional

1 I 12 14 0.71
2 II 18 21 1.06
2006

3 III 26 27 1.37
4 IV 16 17 0.86
5 I 16 14 0.71
6 II 24 21 1.06
2007

7 III 28 27 1.37
8 IV 18 17 0.86
19.75

X= Periodo
Y= Cantidad de máquinas (unidades)

Y=a +b*X

demanda no
Periodo Trimestre
estacional
"b=" (∑▒ 〖 "xy-n" (¯y)(¯x) 〗 )/(∑▒ 〖 x^2 "-n" (¯x
)^2 〗 )=("8*741,26-" (36)(158,01))/((8)
1 I 16.93 (204)−1,296)= 0,719
2 II "a="
16.93 (∑▒"y-b(" ∑▒"x)" )/𝑛=(158,01−0,719(36))/8=16,214
3 III 19.02
4 IV 18.59
5 I 22.57 Luego tenemos:
6 II 22.57 Y=16.214 +0.719*X
7 III 20.48 Para el periodo 9: Y=16.214 +0.719(9)= 22.6886
8 IV 20.91 22.685

recta de la factor
Periodo Trimestre pronostico 2008
regresión estacional
9 I 22.685 0.71 16.08
10 II 23.404 1.06 24.89
11 III 24.123 1.37 32.98
12 IV 24.842 0.86 21.38
 demanda no
estacional

16.93
16.93
19.02
18.59
22.57
22.57
20.48
20.91

)/(∑▒ 〖 x^2 "-n" (¯x

8,01))/((8)
0,719(36))/8=16,214

214 +0.719(9)= 22.6886

 A continuación, se da la demanda tabulada actual de un
artículo durante un periodo de nueve meses (de enero a
septiembre). Su supervisor quiere probar dos métodos de
prueba para ver cuál resultó mejor en el periodo.

a) Pronostique de abril a octubre haciendo uso de

un promedio móvil simple con n=2; n=3

promedio promedio
MES VENTAS
n=2 n=3
ENERO 110
FEBRERO 130
MARZO 150 120
ABRIL 170 140 130.00
MAYO 160 160 150.00
JUNIO 180 165 160.00
JULIO 140 170 170.00
AGOSTO 130 160 160.00
SEPTIEMBRE 140 135 150.00

b) Mediante suavización exponencial

simple estime las ventas de marzo a
octubre.
promedio
MES VENTAS demanda
n=2
real(At-1)
ENERO 110
FEBRERO 130
Evalué el error del pronóstico de las MARZO 150 120 150
técnicas utilizadas y determiné cuál es ABRIL 170 140 170
la más conveniente y por qué. MAYO 160 160 160
JUNIO 180 165 180
JULIO 140 170 140
AGOSTO 130 160 130
SEPTIEMBRE 140 135 140

el metodo para ver cual resulto mejor en el periodo es media

anliasiis riguroso d
 Des. 2 Des. 3 demanda
meses meses real

30 150
30 40 170
0 10 160
15 20 180
30 30 140
30 30 130
5 10 140

error error
pronostico Alfa pronostico pronostico
absoluto
inicial(Ft-1) (at-ft)
0.2
0.2
120 0.2 150 30 30 15.7781956
380 0.2 151 -210 210 15.7781956
920 0.2 150 -760 760 15.7781956
2005 0.2 151 -1825 1825 15.7781956
4180 0.2 149 -4040 4040 15.7781956
8520 0.2 149 -8390 8390 15.7781956
17175 0.2 149 -17035 17035 15.7781956

en el periodo es mediante la suavisacion exponencial, porque se hace un

anliasiis riguroso de datos.
 Mark Price, nuevo gerente de producción de Speakers y Company, tiene que
averiguar qué variable afecta más la demanda de su línea de bocinas para
estereofónicos. No está seguro de que el precio unitario del producto o los
efectos de mayor marketing sean los principales impulsores de las ventas y
quiere aplicar un análisis de regresión para averiguar qué factor impulsa más
la demanda de su mercado. La información pertinente se recopiló en un
extenso proyecto de marketing que se extendió a los últimos 10 años y que se
vació en los datos siguientes:

b) ¿Qué variable, el precio o la p

en las ventas y

el precio es la variable que may

gracias al analisis de varianza po
error y residuos en las publicida
indirectamente a las ventas de f
el precio ayuda de manera po
diferencia que hay entre ambas p

c) Pronostique las ventas anu

Speakers and Company basá
regresión, si el precio fue de 300
gastado en publicidad (en
 PERIODO Y X1 X2
VENTAS / a) Realice en Excel® un análisis de regresión basado en e
AÑO UNIDADES PRECIO PUBLICIDAD resultados, conteste las preguntas siguie
(MILLARES)
1996 400 280 600
1997 700 215 835 Resumen
1998 900 211 1100
1999 1300 210 1400 Estadísticas de la regresión
2000 1150 215 1200 Coeficiente de correlación múltiple
2001 1200 200 1300 Coeficiente de determinación R^2
2002 900 225 900 R^2 ajustado
2003 1100 207 1100 Error típico
2004 980 220 700 Observaciones
2005 1234 211 900
2006 925 227 700 ANÁLISIS DE VARIANZA
2007 800 245 690 Grados de libertad
Regresión
Residuos
b) ¿Qué variable, el precio o la publicidad, tiene un mayor efecto
en las ventas y cómo se sabe? Total

Intercepción
PRECIO
el precio es la variable que mayor efecto tienen en las ventas, PUBLICIDAD
gracias al analisis de varianza podemos observar que hay mayor
error y residuos en las publicidad que en el precio, lo que afecta 𝑌=𝛽0+𝛽1𝑋1+𝛽2𝑋2=2191,33−6,90𝑋1+0,32𝑋2
ndirectamente a las ventas de forma negativa es la publicidad y
el precio ayuda de manera positiva.; aunque no es mucha
iferencia que hay entre ambas pero el precio es el mayor factor.

c) Pronostique las ventas anuales promedio de bocinas de 300 dólares por unidad
Speakers and Company basándose en los resultados de la
regresión, si el precio fue de 300 dólares por unidad y el monto Publicidad fueron de 900 dólares.
gastado en publicidad (en miles) fue de 900 dólares
Y=2191,33-6,90X1+0,32X2
Y=2191,33-6,90(300)+0,32(900)
Y= 411,13 VENTAS
nálisis de regresión basado en estos datos. Con sus
, conteste las preguntas siguientes.

la regresión
0.854969139
0.730972229
0.67118828
146.6234467
12

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
2 525718.3339 262859.1669 12.2268977 0.002716984
9 193485.9161 21498.43512
11 719204.25

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Superior 95,0%
2191.337362 826.082598 2.652685539 0.026359912 322.608696 4060.06603 322.608696 4060.06603
-6.90937993 2.915890727 -2.36956065 0.041939148 -13.505583 -0.31317683 -13.505583 -0.31317683
0.325020441 0.238512793 1.36269605 0.2060985 -0.21453298 0.86457386 -0.21453298 0.86457386

191,33−6,90𝑋1+0,32𝑋2
perior 95,0%