1. La dueña de un atiendo de computadoras alquila impresoras a algunos de sus mejores clientes.

Ahora le in
pronóstico de sus operaciones de alquiler para poder comprar la cantidad apropiada de suministros para sus imp
se muestran los datos correspondientes a las últimas 10 semanas.
Semana Alquileres Semana Alquileres
1 25 6 22
2 28 7 26
3 30 8 24
4 26 9 20
5 27 10 23
a. Preparar un pronóstico para las semanas 6 a 10, usando un promedio móvil de cinco semanas. ¿Cuál será el pro
11?
b. Calcular la desviación media absoluta al final de la semana 10.

pronosticos Error de Valor abs

Semana Alquileres con el del error de
pronostico
pomedio pronostico
movil
1 25
2 28
3 30
4 26
5 27
6 22 27.2 -5.2 5.2
7 26 26.6 -0.6 0.6
8 24 26.2 -2.2 2.2
9 20 25 -5 5
10 23 23.8 -0.8 0.8
11 23

Desviacion
media
absoluta
2.76
 ores clientes. Ahora le interesa elaborar un
suministros para sus impresoras. A continuación
10 semanas.

emanas. ¿Cuál será el pronóstico para la semana

semana 10.
 2.    Las ventas realizadas en los últimos doce meses por la Compañía Delworth apare

Mes Ene Feb Mar Abr May Jun Jul

Ventas ($ 20 24 27 31 37 47 53
millones)
a.        Utilizar un promedio móvil de tres meses y pronosticar las ventas para los meses compren
b.        Aplicar un promedio móvil de cuatro meses y pronosticar las ventas para los meses compre

c.         Comparar el rendimiento de los dos métodos, utilizando la desviación media absoluta como criterio de

d.        Comparar el rendimiento de los dos métodos, usando el error porcentual medio absoluto

e.        Comparar el rendimiento de los dos métodos, utilizando el cuadrado del error medio como criterio de r

Valor
Error del Valor Error de
Mes Ventas ($ Pronostico pronostico absoluto pronostico abs/Valor
millones) movil del error de elevado al real
metodo 1 pronostico cuadrado
Ene 20
Feb 24
Mar 27
Abr 31 23.6666667 7.33333333 7.33333333 53.7777778 0.23655914
May 37 27.3333333 9.66666667 9.66666667 93.4444444 0.26126126
Jun 47 31.6666667 15.3333333 15.3333333 235.111111 0.32624113
Jul 53 38.3333333 14.6666667 14.6666667 215.111111 0.27672956
Ago 62 45.6666667 16.3333333 16.3333333 266.777778 0.26344086
Sep 54 54 0 0 0 0
Oct 36 56.3333333 -20.333333 20.3333333 413.444444 0.56481481
Nov 32 50.6666667 -18.666667 18.6666667 348.444444 0.58333333
Dic 29 40.6666667 -11.666667 11.6666667 136.111111 0.40229885
Sumatoria 12.6666667 114 1762.22222 2.91467895

Metodo 1 Metodo 2

Desviacion
media a. si analizamos el metodo mas viable para hace
absoluta 12.6666667 15.59375 absoluta, el mas apopiado seria el metodo 1, ya qu

Error b. si analizamos el metodo mas viable para hacer e

porcental absoluto, el mas apropiado seria el metodo 1, y
medio criter
absoluto 0.32385322 0.38713431
Cuadrado b. si analizamos el metodo mas viable para hace
del error medio, el mas apropiado seria el metodo 1, ya que
medio 195.802469 267.210938 ^
Compañía Delworth aparecen a continuación.

Ago Sep Oct Nov Dic

62 54 36 32 29

as para los meses comprendidos entre abril y diciembre.

as para los meses comprendidos entre mayo y diciembre.

absoluta como criterio de rendimiento. ¿Qué método recomendarías?

orcentual medio absoluto como criterio de rendimiento.

r medio como criterio de rendimiento. ¿Qué método recomendarías?

Valor
Error del Valor Error de
Mes Ventas ($ Pronostico pronostico absoluto pronostico abs/Valor
millones) movil del error de elevado al real
metodo 2 pronostico cuadrado
Ene 20
Feb 24
Mar 27
Abr 31
May 37 25.5 11.5 11.5 132.25 0.31081081
Jun 47 29.75 17.25 17.25 297.5625 0.36702128
Jul 53 35.5 17.5 17.5 306.25 0.33018868
Ago 62 42 20 20 400 0.32258065
Sep 54 49.75 4.25 4.25 18.0625 0.0787037
Oct 36 54 -18 18 324 0.5
Nov 32 51.25 -19.25 19.25 370.5625 0.6015625
Dic 29 46 -17 17 289 0.5862069
Sumatoria 16.25 124.75 2137.6875 3.09707451

odo mas viable para hacer el pronostico en base a la desviacion media

o seria el metodo 1, ya que es el que tiene el menor valor de este criterio

do mas viable para hacer el pronostico en base al error porcentual medio

piado seria el metodo 1, ya que es el que tiene el menor valor de este
criterio
todo mas viable para hacer el pronostico en base al cuadrado del error
o seria el metodo 1, ya que es el que tiene el menor valor de este criterio
 3.        Karl´s Copiers vende y repara máquinas de fotocopiado. El gerente necesita pronósticos
semanales de las solicitudes de servicio, a fin de poder programar las actividades de su personal
de servicio. El pronóstico correspondiente a la semana del 3 de julio fue de 23 llamadas para
servicio. El gerente aplica la suavización exponencial con α = 0.25. Pronosticar el número de
llamadas para servicio correspondientes a la semana del 7 de agosto, suponiendo que ésta sea la
semana próxima.

No real de llamadas
Semana del para servicio
3 de julio 27
10 de julio 36
17 de julio 31
24 de julio 24
31 de julio 23

Valor real
semana del de Pronostico
llamadas
3 de julio 27 23
10 de julio 36 26.25
17 de julio 31 27.4375
24 de julio 24 26.578125
31 de julio 23 25.6835938
7 de agosto 19.2626953

Valor de 0.25
suavizamie
nto
 4. Considérense los datos sobre ventas de la Compañía Delworth, presentados en el pro
a. Utilizar un promedio móvil ponderado de tres meses para pronosticar las ventas en los meses transcurrido
ponderaciones de (3/6), (2/6) y (1/6), asignando una ponderación mayor a los datos más
b. Usar la suavización exponencial con α = 0.6 para pronosticar las ventas en los meses comprendidos entre abr
pronóstico inicial para enero haya sido de $22 millones.
c. Comparar el rendimiento de los dos métodos, aplicando la desviación media absoluta como criterio de rend
recomendarías?
d. Comparar el rendimiento de los dos métodos, usando el error porcentual medio absoluto como criterio de ren
recomendarías?
e. Comparar el rendimiento de los dos métodos, usando el cuadrado del error medio como criterio de rendim
recomendarías?

Valor Error de Valor

Mes Ventas ($ Pronostico Error del absoluto pronostico abs/Valor
pronostico
millones) movil del error de elevado al real
metodo 1 pronostico cuadrado
Ene 20
Feb 24
Mar 27
Abr 31 24.8333333 6.16666667 6.16666667 38.0277778 0.19892473
May 37 28.5 8.5 8.5 72.25 0.22972973
Jun 47 33.3333333 13.6666667 13.6666667 186.777778 0.29078014
Jul 53 41 12 12 144 0.22641509
Ago 62 48.3333333 13.6666667 13.6666667 186.777778 0.22043011
Sep 54 56.5 -2.5 2.5 6.25 0.0462963
Oct 36 56.5 -20.5 20.5 420.25 0.56944444
Nov 32 46.3333333 -14.333333 14.3333333 205.444444 0.44791667
Dic 29 37 -8 8 64 0.27586207
Sumatoria 8.66666667 99.3333333 1323.77778 2.50579928

Metodo 1 Metodo 2

Desviacion Valor de
media suavizamie 0.6
absoluta 11.037037 9.76533333 nto

Error
porcental
medio
absoluto 0.27842214 0.22342397
Cuadrado
del error
medio 147.08642 124.86198

a. si analizamos el metodo mas viable para hacer el pronostico en base a la desviacion media
absoluta, el mas apopiado seria el metodo 2, ya que es el que tiene el menor valor de este criterio

b. si analizamos el metodo mas viable para hacer el pronostico en base al error porcentual medio
absoluto, el mas apropiado seria el metodo 2, ya que es el que tiene el menor valor de este
criterio

b. si analizamos el metodo mas viable para hacer el pronostico en base al cuadrado del error
medio, el mas apropiado seria el metodo 2, ya que es el que tiene el menor valor de este criterio
 rth, presentados en el problema 2.
en los meses transcurridos entre abril y diciembre. Usar
ón mayor a los datos más recientes.
es comprendidos entre abril y diciembre. Supóngase que el
e $22 millones.
uta como criterio de rendimiento. ¿Cuál de esos métodos

oluto como criterio de rendimiento. ¿Cuál de esos métodos

io como criterio de rendimiento. ¿Cuál de esos métodos

Valor Error de Valor

Mes Ventas ($ Pronostico Error del absoluto pronostico abs/Valor
pronostico
millones) movil del error de elevado al real
metodo 1 pronostico cuadrado
Ene 20 22
Feb 24
Mar 27
Abr 31 27.4 3.6 3.6 12.96 0.11612903
May 37 22.2 14.8 14.8 219.04 0.4
Jun 47 28.2 18.8 18.8 353.44 0.4
Jul 53 42.76 10.24 10.24 104.8576 0.19320755
Ago 62 46.08 15.92 15.92 253.4464 0.25677419
Sep 54 43.68 10.32 10.32 106.5024 0.19111111
Oct 36 38.704 -2.704 2.704 7.311616 0.07511111
Nov 32 37.632 -5.632 5.632 31.719424 0.176
Dic 29 34.872 -5.872 5.872 34.480384 0.20248276
Sumatoria 59.472 87.888 1123.75782 2.01081575
a la desviacion media
or valor de este criterio

error porcentual medio

menor valor de este

al cuadrado del error

or valor de este criterio
5. A últimas fechas, la tienda de la esquina ha empezado a vender en su territorio una nueva marca de bebidas g
gerencia le interesa estimar ahora el volumen de las ventas futuras para determinar si debe seguir vendiendo la n
o si será preferible sustituirla por otra. A finales de abril, el volumen de ventas mensuales promedio de la nue
gaseosa era de 700 latas y la tendencia indicaba +50 latas por mes. Las cifras reales del volumen de ventas para m
julio son de 760, 800 y 820, respectivamente. Utilizar la suavización exponencial ajustada a la tendencia, con α =
para pronosticar el consumo en junio, julio y agosto.

promedio movil
mes Pronostico
volumen de ventas suavizado de la serie
reales (latas) tendencia
Abril 700 750 700 50
Mayo 760 802.2 752 50.2
Junio 800 858.156 808.16 49.996
Julio 820 893.39288 843.9968 49.39608
Agosto 727.525022 695.516864 32.0081584

Valor de
suavizamie 0.2
nto

valor de
suavizamie 0.1
nto para la
tendencia
Tendencia 50
 orio una nueva marca de bebidas gaseosas. A la
rminar si debe seguir vendiendo la nueva marca
ntas mensuales promedio de la nueva bebida
reales del volumen de ventas para mayo, junio y
ial ajustada a la tendencia, con α = 0.2 y β = 0.1,
io y agosto.
 6. El Banco del Bajío instaló recientemente una nueva máquina de cajero automático para brindar servicios ordin
banca y atender solicitudes de préstamo y transacciones de inversión. El manejo de la nueva máquina es un
complicado, por lo cual la gerencia desea seguir el rastro de su utilización en el pasado y proyectar su uso en el fu
uso proyectado es suficientemente grande, tal vez sea necesario adquirir más máquinas.
Al final de abril, el uso mensual promedio era de 600 clientes y la tendencia señalaba +60 clientes por mes. Las cif
real para mayo, junio y julio son 680, 710 y 790, respectivamente. Usar la suavización exponencial ajustada a la t
con α = 0.3 y β = 0.2, para elaborar un pronóstico de la utilización correspondiente a junio, julio y agost

promedio
volumen de movil promedio
mes ventas Pronostico suavizado suavizado
reales de la serie de la
(latas) tendencia
Abril 600 660 600 60
Mayo 680 724.4 664 60.4
Junio 710 794.112 734.32 59.792
Julio 790 834.02976 773.8336 60.19616
Agosto 723.349165 680.156928 43.1922368

Valor de
suavizamie 0.2
nto

valor de
suavizamie 0.1
nto para la
tendencia
para brindar servicios ordinarios de
e la nueva máquina es un poco
y proyectar su uso en el futuro. Si el
irir más máquinas.
0 clientes por mes. Las cifras de uso
xponencial ajustada a la tendencia,
iente a junio, julio y agosto
7. El número de intervenciones quirúrgicas de corazón, que se realizan en el Hospital General, ha aumentado sin
buscando el mejor método para pronosticar la demanda correspondiente a esas operaciones en 2009. Aquí se m
pronóstico para 2004 era de 41 operaciones, y la tendencia estimada fue de u
Año 2004 2005 2006 2007 2008
Demanda 45 50 52 56 58

La administración del hospital está considerando el uso de los siguientes m

i. Suavización exponencial con α = 0.6.
ii. Suavización exponencial con α = 0.9.
iii. Suavización exponencial ajustada a la tendencia con α = 0.6
iv. Promedio móvil de tres años.
v. Promedio móvil ponderado de tres años, usando ponderaciones de (3/6), /2/6) y (1/6), y asignand
vi. Modelo de regresión lineal simple.
a. Si la MAD (desviación media absoluta) es el criterio de rendimiento seleccionado por la administració
b. Si el MSE (cuadrado del error medio) es el criterio de rendimiento seleccionado por la administració
c. Si el MAPE (error porcentual medio absoluto) es el criterio de rendimiento seleccionado por la administr

Valor de Valor de
suavizamie 0.6 suavizamie 0.6
nto nto i

valor de Valor de
suavizamie 0.1 suavizamie 0.9
nto para la nto ii
tendencia

Promedio movil simple

Valor
Error del Valor Error de
Año Demanda Pronostico absoluto pronostico abs/Valor
pronostico
movil del error de elevado al real
metodo 1 pronostico cuadrado
2004 45
2005 50
2006 52
2007 56 49 7 7 49 0.125
2008 58 52.6666667 5.33333333 5.33333333 28.4444444 0.09195402
 . Suavización exponencial con α = 0.6.

Valor
Error del Valor Error de
Año Demanda Pronostico absoluto pronostico abs/Valor
pronostico
savizamient del error de elevado al real
o pronostico cuadrado
2004 45 45 0 0 0 0
2005 50 48 2 2 4 0.04
2006 52 50.4 1.6 1.6 2.56 0.03076923
2007 56 53.76 2.24 2.24 5.0176 0.04
2008 58 56.304 1.696 1.696 2.876416 0.02924138

Promedio movil ponderado

Valor
Error del Valor Error de
Año Demanda Pronostico pronostico absoluto pronostico abs/Valor
savizamient del error de elevado al real
o pronostico cuadrado
2004 45
2005 50
2006 52
2007 56 50.1666667 5.83333333 5.83333333 34.0277778 0.10416667
2008 58 53.6666667 4.33333333 4.33333333 18.7777778 0.07471264

Metodo 1 Metodo 2 Metodo 3 Metodo 4 Metodo 5 Metodo 6

Desviacion
media
absoluta 6.16666667 1.82837046 1.5072 0.2835 5.08333333 0.64

Error
porcental
medio
absoluto 0.10847701 0.03513886 0.02800212 0.0053156 0.08943966 0.01253661

Cuadrado
del error
medio 38.7222222 3.60225232 2.8908032 0.11038625 26.4027778 0.48

metodo de regresion lineal

 Pronostico Error del Valor Error de Valor
Año Demanda Regresion absoluto pronostico abs/Valor
pronostico
lineal del error de elevado al real
simple pronostico cuadrado
2004 45 45.8 -0.8 0.8 0.64 0.01777778
2005 50 49 1 1 1 0.02
2006 52 52.2 -0.2 0.2 0.04 0.00384615
2007 56 55.4 0.6 0.6 0.36 0.01071429
2008 58 58.6 -0.6 0.6 0.36 0.01034483

a. si analizamos el metodo mas viable para hacer el pronostico en base a la desviacion media
absoluta, el mas apopiado seria el metodo 4, ya que es el que tiene el menor valor de este criterio,
siendo este 0.2835

b. si analizamos el metodo mas viable para hacer el pronostico en base al error porcentual medio
absoluto, el mas apropiado seria el metodo 4, ya que es el que tiene el menor valor de este
criterio, siendo este 0.005315

b. si analizamos el metodo mas viable para hacer el pronostico en base al cuadrado del error
medio, el mas apropiado seria el metodo 4, ya que es el que tiene el menor valor de este criterio
eneral, ha aumentado sin cesar en los últimos años. La administración del hospital está
ciones en 2009. Aquí se muestran los datos de los últimos cinco años. Hace seis años, el
dencia estimada fue de un incremento de 2 por año.
2006 2007 2008
5 50 52 56 58

o el uso de los siguientes métodos de pronóstico.

nencial con α = 0.6.
nencial con α = 0.9.
a a la tendencia con α = 0.6 y β = 0.1.
óvil de tres años.
6), /2/6) y (1/6), y asignando mayor ponderación a los datos más recientes.
esión lineal simple.
onado por la administración, ¿qué método de pronóstico deberá seleccionar?
nado por la administración, ¿qué método de pronóstico deberá seleccionar?
eccionado por la administración, ¿qué método de pronóstico deberá seleccionar?

Suavización exponencial ajustada a la tendencia con α = 0.6 y β = 0.1.

promedio
Valor
movil Error del Valor Error de
Año Demanda Pronostico suavizado de Tendencia pronostico absoluto pronostico abs/Valor
la serie del error de elevado al real
pronostico cuadrado

2004 45 43 41 2 2 2 4

0.04444444
2005 50 50.98 48.8 2.18 -0.98 0.98 0.9604 0.0196
2006 52 54.2412 52.072 2.1692 -2.2412 2.2412 5.02297744 0.0431
2007 56 57.546728 55.26768 2.279048 -1.546728 1.546728 2.39236751 0.02762014
2008 58 60.3739243 58.1116192 2.26230512 -2.3739243 2.37392432 5.63551668 0.04092973
 . Suavización exponencial con α = 0.9

Valor
Error del Valor Error de
Año Demanda Pronostico absoluto pronostico abs/Valor
pronostico
savizamient del error de elevado al real
o pronostico cuadrado
2004 45 45 0 0 0 0
2005 50 49.5 0.5 0.5 0.25 0.01
2006 52 51.75 0.25 0.25 0.0625 0.00480769
2007 56 55.575 0.425 0.425 0.180625 0.00758929
2008 58 57.7575 0.2425 0.2425 0.05880625 0.00418103

0.2835

0.005315603

0.11038625
 Demanda
70

60
f(x) = 3.19999999999976 x − 6366.99999999953
50 R² = 0.977099236641225

40

30

20

10

0
2003.5 2004 2004.5 2005 2005.5 2006 2006.5 2007 2007.5 2008 2008.5
 8. Los siguientes datos corresponden a las calculadoras vendidas (expresadas en unidades) en una tienda de ele
durante las últimas cinco semanas.
Aplicar la suavización exponencial ajustada a la tendencia, con α = 0.2 y β = 0.2 para pronosticar las venta
correspondientes a las semanas 3 a 6. Supóngase que el promedio de la serie de tiempo fue de 45 unidades y
tendencia promedio fue de +2 unidades por semana, inmediatamente antes de la semana 1.
Semana 1 2 3 4 5
Ventas 46 49 43 50 53

promedio
movil
Semana Ventas Pronostico suavizado Tendencia
de la serie
0 45 2
1 46 14.56 10.8 3.76
2 46 52.6176 49.008 3.6096
3 43 51.632896 48.28768 3.345216
4 50 50.5675802 47.0761728 3.49140736
5 53 56.864877 53.3931259 3.47175107
6 46.3902819 45.1774009 1.21288102

Valor de
suavizamie 0.2
nto

valor de
suavizamie 0.2
nto para la
tendencia
ades) en una tienda de electrónica

para pronosticar las ventas

mpo fue de 45 unidades y que la
ntes de la semana 1.
 9. El gerente de una compañía de servicio público, que se localiza en una región conocida como el Mango de la S
pronósticos trimestrales de las cargas de energía eléctrica que deberá suministrar el año entrante. Las cargas de
son estacionales. A continuación se presentan los datos correspondientes a las cargas trimestrales de los últim
megawatts (MW).
El gerente ha estimado la demanda total para el año próximo en 780 MW. Usar el modelo de descomposición d
elaborar un pronóstico para cada trimestre.
Año Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
1 103.5 94.7 118.6 109.3
2 126.1 116 141.2 131.6
3 144.5 137.1 159 149.5
4 166.1 152.5 178.2 169

Tendencia
Cargas de Indice Cargas/indi 97.4337+4.
Años Periodos Trimestres consumo estacional ce est 6908*x Pronostico
1 1 103.5 0.98356775 105.229151 102.12467 103.108238
2 2 94.7 0.91091993 103.960838 106.815547 107.726467
1
3 3 118.6 1.08698621 109.10902 111.506425 112.593411
4 4 109.3 1.0185261 107.311928 116.197302 117.215828
5 1 126.1 0.98356775 128.206724 120.888179 121.871747
6 2 116 0.91091993 127.343794 125.579057 126.489977
7 3 141.2 1.08698621 129.900452 130.269934 131.35692
2 8 4 131.6 1.0185261 129.20631 134.960811 135.979337
9 1 144.5 0.98356775 146.914129 139.651689 140.635256
10 2 137.1 0.91091993 150.507191 144.342566 145.253486
11 3 159 1.08698621 146.276005 149.033443 150.12043
3 12 4 149.5 1.0185261 146.780725 153.724321 154.742847
13 1 166.1 0.98356775 168.874995 158.415198 159.398766
14 2 152.5 0.91091993 167.413177 163.106075 164.016995
15 3 178.2 1.08698621 163.939523 167.796953 168.883939
4 16 4 169 1.0185261 165.926037 172.48783 173.506356
17 1 0.98356775 177.178708 178.162275
18 2 0.91091993 181.869585 182.780505
5
19 3 1.08698621 186.560462 187.647448
20 4 1.0185261 191.25134 192.269866

Promedios Resumen
Promedio 1 135.05
promedio 2 125.075 Estadísticas de la regresión
Promedio 3 149.25 Coeficiente 0.96666611
Promedio 4 139.85 Coeficiente 0.93444336
Promedio
total 137.30625 R^2 ajustad0.92976075
Error típico 6.12295909
Observacion 16

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Regresión 1 7481.47234
Residuos 14 524.868792
Total 15 8006.34113

Coeficientes Error típico

Intercepción97.4337924 3.21090684
Variable X 1 4.69087736 0.33206408
 da como el Mango de la Sartén, desea elaborar
ño entrante. Las cargas de consumo de energía
as trimestrales de los últimos cuatro años, en

delo de descomposición de series de tiempo y

re.
estre 4
109.3
131.6
149.5
169
Promedio de los cuadrados
F Valor crítico de F
7481.47234 199.555802 1.1227E-09
37.490628

Estadístico tProbabilidadInferior 95%Superior 95%Inferior 95.0%

Superior 95.0%
30.3446339 3.5634E-14 90.5470822 104.320503 90.5470822 104.320503
14.1264221 1.1227E-09 3.97867074 5.40308398 3.97867074 5.40308398
 10. La demanda de cambios de aceite registrada en Garcías’s Garage ha sido la siguiente:
Mes Ene Feb Mar Abr May Jun Jul Ago
demanda 41 46 57 52 59 51 60 62
Utilizar el modelo de regresión lineal simple para pronosticar la demanda para septiembre, octubre y
noviembre

Mes Demanda Pronostico

1 Enero 41 42.4165 Demanda
2 Febrero 46 45.226
70
3 Marzo 47 48.0355 f(x) = 2.80952380952381 x + 39.607142857142
4 Abril 52 50.845 R² = 0.838239720667028
60
5 Mayo 59 53.6545
50
6 Junio 51 56.464
7 Julio 60 59.2735 40
8 Agosto 62 62.083
9 30
septiembre 64.8925
10 Octubre 67.702 20
11 Noviembre 70.5115
10

0
0 2 4 6 8
la siguiente:

tiembre, octubre y

Demanda
80952381 x + 39.6071428571429
20667028

4 6 8 10 12
11. En una fábrica procesadora de hidrocarburos, el control de procesos incluye el análisis periódico y la obtenció
de la calidad del proceso. El procedimiento analítico que se aplica actualmente es costoso y requiere mucho
alternativo más rápido y económico. Sin embargo, las cifras obtenidas con el procedimiento alternativo para el pa
las obtenidas con el procedimiento actual, no a causa de errores intrínsecos, sino por cambios en el carácter del
resulta posible usar las cifras obtenidas con el nuevo procedimiento, a fin de hacer un pronóstico fiable de la
procedimiento actual, la adopción del nuevo procedimiento sería razonable y eficaz en términos de costos. Los
calidad se obtuvieron con el análisis de muestras, utilizando ambos procedi

a. Aplicar la regresión lineal para encontrar una relación que permita pronosticar Y, es decir, el parámetro de cal
utilizando los valores obtenidos con el procedimiento propuesto, X
b. ¿Existe una relación fuerte entre los parámetros X e Y? Explica tu resp

Propuesto,
Actual, Y Actual, Y Propuesto ,
X X
3 3.1 3.1 3.1
3.1 3.9 2.7 2.9
3 3.4 3.3 3.6
3.6 4 3.2 4.1
3.8 3.6 2.1 2.6
2.7 3.6 3 3.1
2.7 3.6 2.6 2.8

Propuesto,
Actual, Y Pronosticos
X de Y Actual, Y
3.1 3 2.81494 4
3.9 3.1 3.31286
3.5
3.4 3 3.00166 f(x) = 0.622427983539095 x + 0.885493827160494
4 3.6 3.3751 3
3.6 3.8 3.12614 2.5
3.6 2.7 3.12614
2
3.6 2.7 3.12614
3.1 3.1 2.81494 1.5
2.9 2.7 2.69046 1
3.6 3.3 3.12614
0.5

0
2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
 1.5

0.5
4.1 3.2 3.43734
2.6 2.1 2.50374 0
2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
3.1 3 2.81494
2.8 2.6 2.62822
sis periódico y la obtención de muestras para un parámetro determinado
ostoso y requiere mucho tiempo. Se ha propuesto un procedimiento
ento alternativo para el parámetro de calidad son un tanto diferentes de
cambios en el carácter del análisis químico. La gerencia considera que si
un pronóstico fiable de las cifras correspondientes obtenidas con el
en términos de costos. Los siguientes datos referentes al parámetro de
utilizando ambos procedimientos.

decir, el parámetro de calidad correspondiente al procedimiento actual,

ocedimiento propuesto, X.
etros X e Y? Explica tu respuesta.

l, Y

0.885493827160494

3.4 3.6 3.8 4 4.2

3.4 3.6 3.8 4 4.2
 12. Una empresa fabrica y distribuye helados. La compañía desea expandir sus operaciones, abriendo otra planta
se calculará en función de la demanda esperada de helado en el área atendida por dicha planta. Actualmente se
de mercado para determinar cuál será esa demanda.
La empresa desea estimar la relación entre el costo por galón para el fabricante y el número de galones vendidos
la demanda de helado y, por consiguiente, el tamaño que deberá tener la nueva planta. Se han recopilado l
continuación.
a. Desarrollar una ecuación de regresión para pronosticar el costo por galón, en función del número de
b. Calcular el coeficiente de correlación y el coeficiente de determinación. Comentar la ecuación de regresión
Costo por millar Miles de galones
Planta de galones vendidos
c. Supóngase que la encuesta de mercado revelara una demanda de 325,000 galones. Estimar el costo de fabric
que produjera 325,000 galones al año.

Miles de Costo por Costo por millar

Planta galones millar de 12000
vendidos galones $

1 416.9 1,015 10000

f(x) = 2.74875965910968 x + 24.89
2 472.5 973
8000

6000
3 250 1,046
4 372.1 1,006 4000
5 238.1 1,058
6 258.6 1,068 2000
7 597 967
8 414 997 0
0 500 1000 1500 200
9 263.2 1,044
10 372 1,008

Total 3,654.40 10,182

Resumen

Estadísticas de la regresión
Coeficiente 0.99256085
Coeficiente 0.98517705
R^2 ajustad 0.98353005
Error típico 354.614369
Observacion 11
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de Promedio
cuadradosde los cuadrados
F Valor crítico de F
Regresión 1 75220236 75220236 598.166428 1.5298E-09
Residuos 9 1131762.15 125751.35
Total 10 76351998

Coeficientes Error típico Estadístico tProbabilidadInferior 95%Superior 95%

Intercepción24.8968549 130.416245 0.19090302 0.85283856 -270.12519 319.918898
Variable X 1 2.74875966 0.1123895 24.4574412 1.5298E-09 2.49451694 3.00300238

Análisis de los residuales

Observación
Pronóstico para YResiduos
1 1170.85476 -155.85476
2 1323.68579 -350.68579
3 712.08677 333.91323
4 1047.71032 -41.710324
5 679.37653 378.62347
6 735.726103 332.273897
7 1665.90637 -698.90637
8 1162.88335 -165.88335
9 748.370397 295.629603
10 1047.43545 -39.435448
11 10069.9642 112.035847
 sus operaciones, abriendo otra planta. El tamaño de la nueva planta
dida por dicha planta. Actualmente se está realizando una encuesta
cuál será esa demanda.
ante y el número de galones vendidos en un año, a fin de determinar
er la nueva planta. Se han recopilado los datos que aparecen a
ión.
o por galón, en función del número de galones producidos.
ón. Comentar la ecuación de regresión a la luz de estas medidas.
les de galones
s vendidos
000 galones. Estimar el costo de fabricación por galón en una planta
0 galones al año.

Costo por millar de galones $

2000

0000
f(x) = 2.74875965910968 x + 24.8968548635597

8000

6000

4000

2000

0
0 500 1000 1500 2000 2500 3000 3500 4000

C.Estimacion del costo de galones 325000

Y=2.7488x+24.897
893384.897 costo po milla de galones

El valor del coeficiente de correlacion es de 0.9925

El valor del coeficiente de determinacion es de 0.9851

 El valor del coeficiente de determinacion es de 0.9851

Inferior 95.0% Superior 95.0%

-270.1251886753 319.918898
2.49451693955274 3.00300238
 13. El director de una gran biblioteca pública tiene que programar las actividades de los empleados a cargo de
colocar de nuevo en los estantes los libros y las publicaciones periódicas que devuelven los usuarios a la
institución. El número de elementos bibliográficos que salen en calidad de préstamo determinará los requisitos
de mano de obra. Los siguientes datos reflejan el número de dichos elementos que han salido de la biblioteca
en los últimos tres años.

Mes Año 1 Año 2 Año 3

Enero 1847 2045 1986
Febrero 2669 2321 2564
Marzo 2467 2419 2635
Abril 2432 2088 2150
Mayo 2464 2667 2201
Junio 2378 2122 2663
Julio 2217 2206 2055
Agosto 2445 1869 1678
Septiembre 1894 2441 1845
Octubre 1922 2291 2065
Noviembre 2431 2364 2147
Diciembre 2274 2189 2451

El director necesita un método de series de tiempo para pronosticar el número de elementos que saldrán de la in
durante el próximo mes. Encontrar el mejor pronóstico posible, con el método del promedio móvil simple. Definir
entiende por “el mejor” y justificar la decisión.
 Valor
Mes Periodos Elementos Pronostico Error del absoluto
bibliografic pronostico del error de
os pronostico
Ene 1 1847
Feb 2 2669
Mar 3 2467
Abr 4 2432 2327.66667 104.333333 104.333333
May 5 2464 2522.66667 -58.666667 58.6666667
Jun 6 2378 2454.33333 -76.333333 76.3333333
Año 1
Jul 7 2217 2424.66667 -207.66667 207.666667
Ago 8 2445 2353 92 92
Sep 9 1894 2346.66667 -452.66667 452.666667
Oct 10 1922 2185.33333 -263.33333 263.333333
Nov 11 2431 2087 344 344
Dic 12 2274 2082.33333 191.666667 191.666667
Ene 13 2045 2209 -164 164
Feb 14 2321 2250 71 71
Mar 15 2419 2213.33333 205.666667 205.666667
Abr 16 2088 2261.66667 -173.66667 173.666667
May 17 2667 2276 391 391
Jun 18 2122 2391.33333 -269.33333 269.333333
Año 2
Jul 19 2206 2292.33333 -86.333333 86.3333333
Ago 20 1869 2331.66667 -462.66667 462.666667
Sep 21 2441 2065.66667 375.333333 375.333333
Oct 22 2291 2172 119 119
Nov 23 2364 2200.33333 163.666667 163.666667
Dic 24 2189 2365.33333 -176.33333 176.333333
Ene 25 1986 2281.33333 -295.33333 295.333333
Feb 26 2564 2179.66667 384.333333 384.333333
Mar 27 2635 2246.33333 388.666667 388.666667
Abr 28 2150 2395 -245 245
May 29 2201 2449.66667 -248.66667 248.666667
Jun 30 2663 2328.66667 334.333333 334.333333
Año 3
Jul 31 2055 2338 -283 283
Ago 32 1678 2306.33333 -628.33333 628.333333
Sep 33 1845 2132 -287 287
Oct 34 2065 1859.33333 205.666667 205.666667
Nov 35 2147 1862.66667 284.333333 284.333333
Dic 36 2451 2019 432 432
-291.33333 256.525253 DAM
 Valor
Mes Periodos Elementos Pronostico Error del absoluto
bibliografic pronostico
os del error de
pronostico
Ene 1 1847
Feb 2 2669
Mar 3 2467
Abr 4 2432
May 5 2464
Jun 6 2378 2375.8 2.2 2.2
Jul 7 2217 2482 -265 265
Ago 8 2445 2391.6 53.4 53.4
Sep 9 1894 2387.2 -493.2 493.2
Oct 10 1922 2279.6 -357.6 357.6
Nov 11 2431 2171.2 259.8 259.8
Dic 12 2274 2181.8 92.2 92.2
Ene 13 2045 2193.2 -148.2 148.2
Feb 14 2321 2113.2 207.8 207.8
Mar 15 2419 2198.6 220.4 220.4
Abr 16 2088 2298 -210 210
May 17 2667 2229.4 437.6 437.6
Jun 18 2122 2308 -186 186
Jul 19 2206 2323.4 -117.4 117.4
Ago 20 1869 2300.4 -431.4 431.4
Sep 21 2441 2190.4 250.6 250.6
Oct 22 2291 2261 30 30
Nov 23 2364 2185.8 178.2 178.2
Dic 24 2189 2234.2 -45.2 45.2
Ene 25 1986 2230.8 -244.8 244.8
Feb 26 2564 2254.2 309.8 309.8
Mar 27 2635 2278.8 356.2 356.2
Abr 28 2150 2347.6 -197.6 197.6
May 29 2201 2304.8 -103.8 103.8
Jun 30 2663 2307.2 355.8 355.8
Jul 31 2055 2442.6 -387.6 387.6
Ago 32 1678 2340.8 -662.8 662.8
Sep 33 1845 2149.4 -304.4 304.4
Oct 34 2065 2088.4 -23.4 23.4
Nov 35 2147 2061.2 85.8 85.8
Dic 36 2451 1958 493 493
-845.6 242.296774 DAM

El mejor pronostico posible que podemos obtener para este caso con el promedio movil simple es
con un intervalo de 6, en el cual encontramos el valor del error de pronostico mas cercano a cero,
de igual modo el DAM
El mejor pronostico posible que podemos obtener para este caso con el promedio movil simple es
con un intervalo de 6, en el cual encontramos el valor del error de pronostico mas cercano a cero,
de igual modo el DAM
s empleados a cargo de
ven los usuarios a la
terminará los requisitos
n salido de la biblioteca

mentos que saldrán de la institución

medio móvil simple. Definir lo que se
 Valor
Mes Periodos Elementos Pronostico Error del absoluto
bibliografic pronostico del error de
os pronostico
Ene 1 1847
Feb 2 2669
Mar 3 2467
Abr 4 2432
May 5 2464 2353.75 110.25 110.25
Jun 6 2378 2508 -130 130
Jul 7 2217 2435.25 -218.25 218.25
Ago 8 2445 2372.75 72.25 72.25
Sep 9 1894 2376 -482 482
Oct 10 1922 2233.5 -311.5 311.5
Nov 11 2431 2119.5 311.5 311.5
Dic 12 2274 2173 101 101
Ene 13 2045 2130.25 -85.25 85.25
Feb 14 2321 2168 153 153
Mar 15 2419 2267.75 151.25 151.25
Abr 16 2088 2264.75 -176.75 176.75
May 17 2667 2218.25 448.75 448.75
Jun 18 2122 2373.75 -251.75 251.75
Jul 19 2206 2324 -118 118
Ago 20 1869 2270.75 -401.75 401.75
Sep 21 2441 2216 225 225
Oct 22 2291 2159.5 131.5 131.5
Nov 23 2364 2201.75 162.25 162.25
Dic 24 2189 2241.25 -52.25 52.25
Ene 25 1986 2321.25 -335.25 335.25
Feb 26 2564 2207.5 356.5 356.5
Mar 27 2635 2275.75 359.25 359.25
Abr 28 2150 2343.5 -193.5 193.5
May 29 2201 2333.75 -132.75 132.75
Jun 30 2663 2387.5 275.5 275.5
Jul 31 2055 2412.25 -357.25 357.25
Ago 32 1678 2267.25 -589.25 589.25
Sep 33 1845 2149.25 -304.25 304.25
Oct 34 2065 2060.25 4.75 4.75
Nov 35 2147 1910.75 236.25 236.25
Dic 36 2451 1933.75 517.25 517.25
-523.5 242.375 DAM
 Valor
Mes Periodos Elementos Pronostico Error del absoluto
bibliografic pronostico
os del error de
pronostico
Ene 1 1847
Feb 2 2669
Mar 3 2467
Abr 4 2432
May 5 2464
Jun 6 2378
Jul 7 2217 2376.16667 -159.16667 159.166667
Ago 8 2445 2437.83333 7.16666667 7.16666667
Sep 9 1894 2400.5 -506.5 506.5
Oct 10 1922 2305 -383 383
Nov 11 2431 2220 211 211
Dic 12 2274 2214.5 59.5 59.5
Ene 13 2045 2197.16667 -152.16667 152.166667
Feb 14 2321 2168.5 152.5 152.5
Mar 15 2419 2147.83333 271.166667 271.166667
Abr 16 2088 2235.33333 -147.33333 147.333333
May 17 2667 2263 404 404
Jun 18 2122 2302.33333 -180.33333 180.333333
Jul 19 2206 2277 -71 71
Ago 20 1869 2303.83333 -434.83333 434.833333
Sep 21 2441 2228.5 212.5 212.5
Oct 22 2291 2232.16667 58.8333333 58.8333333
Nov 23 2364 2266 98 98
Dic 24 2189 2215.5 -26.5 26.5
Ene 25 1986 2226.66667 -240.66667 240.666667
Feb 26 2564 2190 374 374
Mar 27 2635 2305.83333 329.166667 329.166667
Abr 28 2150 2338.16667 -188.16667 188.166667
May 29 2201 2314.66667 -113.66667 113.666667
Jun 30 2663 2287.5 375.5 375.5
Jul 31 2055 2366.5 -311.5 311.5
Ago 32 1678 2378 -700 700
Sep 33 1845 2230.33333 -385.33333 385.333333
Oct 34 2065 2098.66667 -33.666667 33.6666667
Nov 35 2147 2084.5 62.5 62.5
Dic 36 2451 2075.5 375.5 375.5
-1042.5 234.172222 DAM

omedio movil simple es

co mas cercano a cero,
 14. Usando los datos del problema 13, encontrar la mejor solución posible mediante la suavización
exponencial. Justifica tu elección.

Mes Año 1 Año 2 Año 3

Enero 1847 2045 1986

Febrero 2669 2321 2564

Marzo 2467 2419 2635
Abril 2432 2088 2150
Mayo 2464 2667 2201
Junio 2378 2122 2663
Julio 2217 2206 2055
Agosto 2445 1869 1678
Septiembre 1894 2441 1845
Octubre 1922 2291 2065
Noviembre 2431 2364 2147
Diciembre 2274 2189 2451

Valor
Mes Periodos Elementos Pronostico Error del absoluto
bibliografic pronostico
os del error de
pronostico
Ene 1 1847 1847 0 0
Feb 2 2669 1847 822 822
Mar 3 2467 1985.30648 481.693523 481.693523
Abr 4 2432 2066.35433 365.645671 365.645671
May 5 2464 2127.87643 336.123572 336.123572
Jun 6 2378 2184.43125 193.568746 193.568746
Año 1
Jul 7 2217 2217.00037 -0.0003676 0.00036765
Ago 8 2445 2217.00031 227.999694 227.999694
Sep 9 1894 2255.36263 -361.36263 361.362635
Oct 10 1922 2194.56118 -272.56118 272.561183
Nov 11 2431 2148.70111 282.298886 282.298886
Dic 12 2274 2196.19961 77.8003891 77.8003891
Ene 13 2045 2209.29 -164.29 164.289997
Feb 14 2321 2181.64721 139.352789 139.352789
Mar 15 2419 2205.09416 213.905839 213.905839
Abr 16 2088 2241.08511 -153.08511 153.085114
May 17 2667 2215.32762 451.672384 451.672384
Año 2
 Jun 18 2122 2291.32423 -169.32423 169.32423
Año 2
Jul 19 2206 2262.8344 -56.834403 56.834403
Ago 20 1869 2253.27167 -384.27167 384.271671
Sep 21 2441 2188.61564 252.384365 252.384365
Oct 22 2291 2231.08083 59.9191672 59.9191672
Nov 23 2364 2241.1626 122.837405 122.837405
Dic 24 2189 2261.83073 -72.830733 72.8307326
Ene 25 1986 2249.57652 -263.57652 263.576521
Feb 26 2564 2205.22818 358.771825 358.771825
Mar 27 2635 2265.59371 369.406293 369.406293
Abr 28 2150 2327.74855 -177.74855 177.748553
May 29 2201 2297.84128 -96.841282 96.8412825
Jun 30 2663 2281.54715 381.45285 381.45285
Año 3
Jul 31 2055 2345.7289 -290.7289 290.728902
Ago 32 1678 2296.812 -618.812 618.812004
Sep 33 1845 2192.69314 -347.69314 347.693137
Oct 34 2065 2134.19166 -69.191661 69.1916614
Nov 35 2147 2122.54975 24.4502546 24.4502546
Dic 36 2451 2126.66365 324.336351 324.336351
682.774086 232.759966 DAM
mediante la suavización

Valor de
suavizamie 0.16825606
nto

el mejor pronostico que podemos obtener con este metodo es con un valor de
suavizamiento de 0.16825, el cual fue encontrado gracias a la herramienta solver de
excel, logrando asi que el pronostico presente el menor error con la maxima
optimizacion de los valores pronosticados
 15. Usando los datos del problema 13, busca la mejor solución posible mediante la suavización
exponencial ajustada a la tendencia. Compara el rendimiento alcanzado por éste método con las
mejores soluciones obtenidas con el método del promedio móvil y la suavización exponencial.
¿Cuál de los tres métodos seleccionarías?

Mes Año 1 Año 2 Año 3

Valor de
Enero 1847 2045 1986 suavizamie 0.92083221
nto

valor de
Febrero 2669 2321 2564 suavizamie 0.1
nto para la
tendencia
Marzo 2467 2419 2635
Abril 2432 2088 2150
Mayo 2464 2667 2201
Junio 2378 2122 2663
Julio 2217 2206 2055
Agosto 2445 1869 1678
Septiembre 1894 2441 1845
Octubre 1922 2291 2065
Noviembre 2431 2364 2147
Diciembre 2274 2189 2451

promedio
Elementos movil
Mes Periodos Pronostico Tendencia
bibliografic suavizado
os de la serie
0 0 1847
Ene 1 1847 1847 5.0022E-13 1847
Feb 2 2669 2679.61648 75.6924074 2603.92407
Mar 3 2467 2539.94637 56.113997 2483.83238
Abr 4 2432 2486.71982 46.1739472 2440.54588
May 5 2464 2509.88051 44.0818327 2465.79868
Año 1
Jun 6 2378 2420.37854 31.9378505 2388.44069
Jul 7 2217 2246.31113 13.2100995 2233.10103
Ago 8 2445 2460.77625 31.5060106 2429.27024
Sep 9 1894 1918.18585 -20.684572 1938.87042
Oct 10 1922 1901.36469 -20.333353 1921.69804
Nov 11 2431 2417.50711 28.4371722 2389.06994
Dic 12 2274 2300.58372 15.2225749 2285.36114
Ene 13 2045 2056.9216 -8.3123968 2065.234
Feb 14 2321 2316.09829 16.0047926 2300.0935

Año 2
 Mar 15 2419 2436.33381 25.4803136 2410.8535
Abr 16 2088 2108.98143 -6.5953857 2115.57682
May 17 2667 2667.61166 44.7887611 2622.8229
Año 2
Jun 18 2122 2159.74195 -5.4529181 2165.19487
Jul 19 2206 2201.14452 -1.1933281 2202.33785
Ago 20 1869 1863.51688 -31.778266 1895.29515
Sep 21 2441 2416.68018 21.3982396 2395.28194
Oct 22 2291 2310.77503 9.82520426 2300.94982
Nov 23 2364 2374.51263 14.7263313 2359.7863
Dic 24 2189 2201.33036 -2.356269 2203.68663
Ene 25 1986 1980.86265 -22.184582 2003.04723
Feb 26 2564 2549.34689 31.5125838 2517.8343
Mar 27 2635 2667.61883 39.3997984 2628.21903
Abr 28 2150 2182.71453 -8.2642106 2190.97874
May 29 2201 2192.97195 -6.5804256 2199.55238
Año 3
Jun 30 2663 2662.49019 36.7012707 2625.78892
Jul 31 2055 2083.85528 -19.238382 2103.09366
Ago 32 1678 1653.51982 -56.610843 1710.13067
Sep 33 1845 1790.86221 -38.978732 1829.84094
Oct 34 2065 2029.56188 -13.735241 2043.29712
Nov 35 2147 2134.78152 -2.92116 2137.70268
Dic 36 2451 2452.16294 26.1972558 2425.96568
 Error del Valor
pronostico absoluto
del error de
pronostico

0 0
-10.616482 10.6164817
-72.946375 72.9463746
-54.719823 54.7198234
-45.880511 45.8805109
-42.378539 42.3785394
-29.31113 29.3111296
-15.776251 15.7762513
-24.185853 24.1858529
20.6353107 20.6353107
13.4928864 13.4928864
-26.583716 26.5837164
-11.921602 11.9216019
4.90171134 4.90171134
-17.333812 17.3338122
-20.981433 20.9814334
-0.6116628 0.61166279
-37.741953 37.7419531
4.85547559 4.85547559
5.48311674 5.48311674
24.3198242 24.3198242
-19.775026 19.7750264
-10.512628 10.5126276
-12.330356 12.3303563
5.13735264 5.13735264
14.6531133 14.6531133
-32.61883 32.6188304
-32.71453 32.7145298
8.02804595 8.02804595
0.50981234 0.50981234
-28.855275 28.855275
24.4801769 24.4801769
54.1377948 54.1377948
35.4381249 35.4381249
12.2184772 12.2184772
-1.1629369 1.16293692
-320.6675 21.020821 DAM
16. Cannister, Co., se especializa en la fabricación de recipientes de plástico. Los datos de las ventas mensuales
de botellas de champú de 10 onzas en los últimos cinco años se muestran en la tabla de abajo.
a. Por medio del método de descomposición de series de tiempo, calcular los índices estacionales mensuales.
b. Desarrollar una ecuación de regresión lineal simple para pronosticar las ventas anuales.
c. Elaborar el pronóstico estacional para cada mes del año 2009.

Mes 2004 2005 2006 2007 2008

Enero 742 741 896 951 1030
Febrero 697 700 793 861 1032
Marzo 776 774 885 938 1126
Abril 898 932 1055 1109 1285
Mayo 1030 1099 1204 1274 1468
Junio 1107 1223 1326 1422 1637
Julio 1165 1290 1303 1486 1611
Agosto 1216 1349 1436 1555 1608
Septiembre 1208 1341 1473 1604 1528
Octubre 1131 1296 1453 1600 1420
Noviembre 971 1066 1170 1403 1119
Diciembre 783 901 1023 1209 1013

Ventas
Año Ventas Indice mensales/i Tendencia
Mes Periodos mensuales estacional ndice est
Enero 1 742 0.75019357 989.078058 939.904335

Febrero 2 697 0.70253219 992.125357 947.336276

Marzo 3 776 0.77411029 1002.44114 954.768216

Abril 4 898 0.90831923 988.639199 962.200157

Mayo 5 1030 1.04528118 985.380796 969.632098

Junio 6 1107 1.15540134 958.108637 977.064039

2004
Julio 7 1165 1.17949012 987.714928 984.495979

Agosto 8 1216 1.23265751 986.486507 991.92792

Septiembre 9 1208 1.23093688 981.366322 999.359861

 Octubre 10 1131 1.18723294 952.63529 1006.7918

Noviembre 11 971 1.01964383 952.293312 1014.22374

Diciembre 12 783 0.84809727 923.243153 1021.65568

Enero 13 741 0.75019357 987.745069 1029.08762

Febrero 14 700 0.70253219 996.395624 1036.51956

Marzo 15 774 0.77411029 999.857524 1043.95151

Abril 16 932 0.90831923 1026.07097 1051.38345
Mayo 17 1099 1.04528118 1051.39174 1058.81539
2005
Junio 18 1223 1.15540134 1058.50665 1066.24733
Julio 19 1290 1.17949012 1093.69292 1073.67927
Agosto 20 1349 1.23265751 1094.38347 1081.11121
Septiembre 21 1341 1.23093688 1089.4141 1088.54315
Octubre 22 1296 1.18723294 1091.61391 1095.97509
Noviembre 23 1066 1.01964383 1045.4631 1103.40703
Diciembre 24 901 0.84809727 1062.37814 1110.83897
Enero 25 896 0.75019357 1194.35841 1118.27091
Febrero 26 793 0.70253219 1128.7739 1125.70285
Marzo 27 885 0.77411029 1143.24794 1133.1348
Abril 28 1055 0.90831923 1161.48592 1140.56674
Mayo 29 1204 1.04528118 1151.84318 1147.99868
Junio 30 1326 1.15540134 1147.65316 1155.43062
2006
Julio 31 1303 1.17949012 1104.71464 1162.86256
Agosto 32 1436 1.23265751 1164.96268 1170.2945
Septiembre 33 1473 1.23093688 1196.6495 1177.72644
Octubre 34 1453 1.18723294 1223.85418 1185.15838
Noviembre 35 1170 1.01964383 1147.4595 1192.59032
Diciembre 36 1023 0.84809727 1206.22956 1200.02226
Enero 37 951 0.75019357 1267.67282 1207.4542
Febrero 38 861 0.70253219 1225.56662 1214.88614
Marzo 39 938 0.77411029 1211.71364 1222.31808
Abril 40 1109 0.90831923 1220.93638 1229.75003
Mayo 41 1274 1.04528118 1218.81081 1237.18197
Junio 42 1422 1.15540134 1230.74118 1244.61391
2007
Julio 43 1486 1.17949012 1259.86642 1252.04585
Agosto 44 1555 1.23265751 1261.50207 1259.47779
Septiembre 45 1604 1.23093688 1303.0725 1266.90973
Octubre 46 1600 1.18723294 1347.6715 1274.34167
Noviembre 47 1403 1.01964383 1375.97067 1281.77361
Diciembre 48 1209 0.84809727 1425.54403 1289.20555
Enero 49 1030 0.75019357 1372.97898 1296.63749
 Febrero 50 1032 0.70253219 1468.97183 1304.06943
Marzo 51 1126 0.77411029 1454.57309 1311.50137
Abril 52 1285 0.90831923 1414.70086 1318.93331
Mayo 53 1468 1.04528118 1404.4068 1326.36526
Junio 54 1637 1.15540134 1416.8237 1333.7972
2008
Julio 55 1611 1.17949012 1365.84442 1341.22914
Agosto 56 1608 1.23265751 1304.4986 1348.66108
Septiembre 57 1528 1.23093688 1241.33091 1356.09302
Octubre 58 1420 1.18723294 1196.05845 1363.52496
Noviembre 59 1119 1.01964383 1097.44204 1370.9569
Diciembre 60 1013 0.84809727 1194.43846 1378.38884
Enero 61 0.75019357 1385.82078
Febrero 62 0.70253219 1393.25272
Marzo 63 0.77411029 1400.68466
Abril 64 0.90831923 1408.1166
Mayo 65 1.04528118 1415.54855
Junio 66 1.15540134 1422.98049
2009
Julio 67 1.17949012 1430.41243
Agosto 68 1.23265751 1437.84437
Septiembre 69 1.23093688 1445.27631
Octubre 70 1.18723294 1452.70825
Noviembre 71 1.01964383 1460.14019
Diciembre 72 0.84809727 1467.57213

Resumen

Estadísticas de la regresión
Coeficiente 0.87052913
Coeficiente 0.75782097
R^2 ajustad0.75364547
Error típico 74.0029669
Observacion 60

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de Promedio
cuadradosde los cuadrados
F Valor crítico de F
Regresión 1 993931.221 993931.221 181.492244 1.6453E-19
Residuos 58 317633.469 5476.43911
Total 59 1311564.69

Coeficientes Error típico Estadístico tProbabilidadInferior 95%Superior 95%

Intercepción932.472394 19.3488512 48.1926491 1.7354E-48 893.74146 971.203328
Variable X 1 7.43194079 0.55166217 13.4719057 1.6453E-19 6.32766897 8.53621261
de las ventas mensuales
tabla de abajo.
stacionales mensuales.
ntas anuales.

Pronostico

940.654528 Promedios
948.038808 Promedio
Ene 872
955.542327 promedio
Feb 816.6
963.108476 Promedio
Mar 899.8
970.677379 Promedio
Abr 1055.8
978.21944 Promedio
Mayo 1215
985.67547 Promedio
Jun 1343
993.160578 Promedio
Julio 1371
1000.5908 Promedio
Agost 1432.8
1007.97903 Promedio
Sept 1430.8
1015.24339 Promedio
Oct 1380
1022.50378 Promedio
Nov 1185.2
1029.83782 Promedio
Dic 985.8
1037.2221 Promedio
Total 1162.366667
1044.72562
1052.29177
1059.86067
1067.40273
1074.85876
1082.34387
1089.77409
1097.16232
1104.42668
1111.68707
1119.02111
1126.40539
1133.90891
1141.47506
1149.04396
1156.58602
1164.04205
1171.52716
1178.95738
1186.34561
1193.60997
1200.87036
1208.2044
1215.58868
1223.0922
1230.65834
1238.22725
1245.76931
1253.22534
1260.71045
1268.14067
1275.5289
1282.79325
1290.05365
1297.38769
 1304.77197
1312.27548
1319.84163
1327.41054
1334.9526
1342.40863
1349.89374
1357.32396
1364.71219
1371.97654
1379.23694
1386.57098
1393.95526
1401.45877
1409.02492
1416.59383
1424.13589
1431.59192
1439.07703
1446.50725
1453.89548
1461.15983
1468.42023

Inferior 95.0%
Superior 95.0%
893.74146 971.203328
6.32766897 8.53621261
 17. Una compañía que vende suministros y partes de sustitución atiende a un gran número de empresas, e impa
en sus siete oficinas de venta. Como hay muchos elementos almacenados, se requiere un cuidadoso control d
servicio eficiente. Los negocios se han intensificado recientemente y la dirección está preocupada porque se han
pronóstico que permita estimar los requisitos de mercancía con varios meses de anticipación, para pode
reabastecimiento. Un ejemplo del crecimiento de ventas observado en los últimos 50 meses es el de la demanda
láser, como se muestra en la tabla de abajo.
a. Desarrollar una solución de suavización exponencial ajustada a la tendencia para elaborar un pronóstico de d
justifica tus selecciones. Pronostica la demanda para los meses 51 a 5
b. Un consultor de la gerencia expresó que los alquileres de espacios para nuevas oficinas serían un buen indic
compañía. Él mismo mencionó que en un estudio universitario reciente se descubrió que los alquileres de nuevo
equipo y suministros de oficina por un período de tres meses. Según los hallazgos de ese estudio, los alquileres r
el mes 4, los alquileres registrados en el mes 2 afectarían las ventas en el mes 5 y así sucesivamente. Aplicando
pronóstico para las ventas de los meses 51 a 53.
c. ¿Cuál de los dos modelos produce mejores pronósticos? Explica tu resp

Ventas EP- Ventas EP-

Mes Alquileres Mes
37 37
1 80 32 26 1296
2 132 29 27 1199
3 143 32 28 1267
4 180 54 29 1300
5 200 53 30 1370
6 168 89 31 1489
7 212 74 32 1499
8 254 93 33 1669
9 397 120 34 1716
10 385 113 35 1603
11 472 147 36 1812
12 397 126 37 1817
13 476 138 38 1798
14 699 145 39 1873
15 545 160 40 1923
16 837 196 41 2028
17 743 180 42 2049
18 722 197 43 2084
19 735 203 44 2083
20 838 223 45 2121
21 1057 247 46 2072
22 930 242 47 2262
23 1085 234 48 2371
24 1090 254 49 2309
25 1218 271 50 2422
Valor de valor de
suavizamie 0.31276813 suavizamie 0.16817221
nto nto para la
tendencia

promedio Valor
Ventas EP- Pronostico movil Error del absoluto
Mes Alquileres Tendencia
37 de ventas suavizado pronostico del error de
de la serie pronostico
0 0 80
1 80 32 80 0 80
2 132 29 80 2.73514322 96.2639429 52 52
3 143 32 98.9990862 5.04954325 112.76117 44.0009138 44.0009138
4 180 54 117.810713 8.32063183 137.26154 62.1892869 62.1892869
5 200 53 145.582172 11.1829502 162.602335 54.4178279 54.4178279
6 168 89 173.785285 10.8786505 171.975832 -5.7852847 5.78528473
7 212 74 182.854483 12.4116729 191.970272 29.1455175 29.1455175
8 254 93 204.381945 15.0215284 219.900891 49.6180555 49.6180555
9 397 120 234.92242 23.5466322 285.615122 162.07758 162.07758
10 385 113 309.161754 27.5356411 332.881541 75.8382459 75.8382459
11 472 147 360.417182 33.4047755 395.316732 111.582818 111.582818
12 397 126 428.721507 31.7362589 418.800031 -31.721507 31.7215071
13 476 138 450.536289 33.0756223 458.500527 25.4637106 25.4637106
14 699 145 491.576149 43.9858904 556.45172 207.423851 207.423851
15 545 160 600.43761 41.0699326 583.098492 -55.43761 55.43761
16 837 196 624.168425 52.2646411 690.735359 212.831575 212.831575
17 743 180 743 52.264641 743 -3.679E-07 3.6793E-07
18 722 197 795.264641 48.4110009 772.349796 -73.264641 73.2646413
19 735 203 820.760797 43.9000766 793.937553 -85.760797 85.7607971
20 838 223 837.837629 43.9086171 837.888414 0.1623707 0.1623707
21 1057 247 881.797031 53.124102 936.594936 175.202969 175.202969
22 930 242 989.719038 49.9829458 971.040826 -59.719038 59.7190385
23 1085 234 1021.02377 53.3480255 1041.0335 63.9762279 63.9762279
24 1090 254 1094.38152 53.1175622 1093.01112 -4.381523 4.38152302
25 1218 271 1146.12868 56.8979149 1168.60774 71.8713155 71.8713155
26 1296 281 1225.50566 60.6058404 1247.55404 70.4943434 70.4943434
27 1199 298 1308.15988 54.8641499 1274.01815 -109.15988 109.159881
28 1267 314 1328.8823 51.6092085 1309.52749 -61.882299 61.8822988
29 1300 323 1361.1367 48.393485 1342.01509 -61.136696 61.1366962
30 1370 309 1390.40857 47.3200165 1384.02542 -20.408571 20.4085709
31 1489 343 1431.34544 50.3525836 1449.37795 57.6545632 57.6545632
32 1499 357 1499.73053 50.3141585 1499.50204 -0.7305305 0.73053048
33 1669 353 1549.8162 56.5830961 1587.0931 119.183798 119.183798
34 1716 360 1643.67619 60.3872494 1666.29677 72.3238077 72.3238077
35 1603 370 1726.68402 53.8816048 1687.9996 -123.68402 123.684024
36 1812 386 1741.88121 57.5697767 1763.81213 70.1187925 70.1187925
37 1817 389 1821.38191 57.3392931 1820.01139 -4.3819081 4.38190807
38 1798 399 1877.35068 53.165534 1852.53232 -79.35068 79.35068
39 1873 409 1905.69785 51.4456628 1895.471 -32.69785 32.6978499
40 1923 410 1946.91667 50.1876722 1939.4363 -23.916667 23.9166673
41 2028 413 1989.62397 52.2062096 2001.62677 38.3760319 38.3760319
42 2049 439 2053.83298 51.9520003 2052.32138 -4.8329776 4.83297756
43 2084 454 2104.27338 50.8856428 2097.93251 -20.273376 20.2733764
44 2083 441 2148.81815 47.4236798 2128.23233 -65.818153 65.8181531
45 2121 470 2175.65601 44.5488332 2158.56135 -54.656012 54.656012
46 2072 469 2203.11019 37.6525806 2162.1031 -131.11019 131.110186
47 2262 490 2199.75568 40.9265639 2219.22372 62.2443213 62.2443213
48 2371 496 2260.15028 46.757138 2294.82054 110.849717 110.849717
49 2309 509 2341.57768 45.0435876 2331.38842 -32.57768 32.57768
50 2422 522 2376.43201 47.4404143 2390.68422 45.5679926 45.5679926
51 2438.12464 DAM 65.0470108
52 2485.56505
53 2533.00547

Valor
Ventas EP- Pronostico Error del absoluto
Mes Mes
37 de ventas pronostico del error de
pronostico
1 80 -29.0189 109.0189 109.0189 1
2 132 20.6773 111.3227 111.3227 2
3 143 70.3735 72.6265 72.6265 3
4 180 120.0697 59.9303 59.9303 4
5 200 169.7659 30.2341 30.2341 5
6 168 219.4621 -51.4621 51.4621 6
7 212 269.1583 -57.1583 57.1583 7
8 254 318.8545 -64.8545 64.8545 8
9 397 368.5507 28.4493 28.4493 9
10 385 418.2469 -33.2469 33.2469 10
11 472 467.9431 4.0569 4.0569 11
12 397 517.6393 -120.6393 120.6393 12
13 476 567.3355 -91.3355 91.3355 13
14 699 617.0317 81.9683 81.9683 14
15 545 666.7279 -121.7279 121.7279 15
16 837 716.4241 120.5759 120.5759 16
17 743 766.1203 -23.1203 23.1203 17
 18 722 815.8165 -93.8165 93.8165 18
19 735 865.5127 -130.5127 130.5127 19
20 838 915.2089 -77.2089 77.2089 20
21 1057 964.9051 92.0949 92.0949 21
22 930 1014.6013 -84.6013 84.6013 22
23 1085 1064.2975 20.7025 20.7025 23
24 1090 1113.9937 -23.9937 23.9937 24
25 1218 1163.6899 54.3101 54.3101 25
26 1296 1213.3861 82.6139 82.6139 26
27 1199 1263.0823 -64.0823 64.0823 27
28 1267 1312.7785 -45.7785 45.7785 28
29 1300 1362.4747 -62.4747 62.4747 29
30 1370 1412.1709 -42.1709 42.1709 30
31 1489 1461.8671 27.1329 27.1329 31
32 1499 1511.5633 -12.5633 12.5633 32
33 1669 1561.2595 107.7405 107.7405 33
34 1716 1610.9557 105.0443 105.0443 34
35 1603 1660.6519 -57.6519 57.6519 35
36 1812 1710.3481 101.6519 101.6519 36
37 1817 1760.0443 56.9557 56.9557 37
38 1798 1809.7405 -11.7405 11.7405 38
39 1873 1859.4367 13.5633 13.5633 39
40 1923 1909.1329 13.8671 13.8671 40
41 2028 1958.8291 69.1709 69.1709 41
42 2049 2008.5253 40.4747 40.4747 42
43 2084 2058.2215 25.7785 25.7785 43
44 2083 2107.9177 -24.9177 24.9177 44
45 2121 2157.6139 -36.6139 36.6139 45
46 2072 2207.3101 -135.3101 135.3101 46
47 2262 2257.0063 4.9937 4.9937 47
48 2371 2306.7025 64.2975 64.2975 48
49 2309 2356.3987 -47.3987 47.3987 49
50 2422 2406.0949 15.9051 15.9051 50
51 2455.7911 DAM 59.5886102 51
52 2505.4873 52
53 2555.1835 53

Ventas EP-37
600
3000

500
2500 f(x) = 10.079387755102
f(x) = 49.6962785114046 x − 78.7151020408166
400
2000

300
1500

200
1000
 500
2500 f(x) = 10.079387755102
f(x) = 49.6962785114046 x − 78.7151020408166
400
2000

300
1500

200
1000

100
500

0
0 0 10 2
0 10 20 30 40 50 60
mero de empresas, e imparte servicio a todas las computadoras vendidas
re un cuidadoso control de inventario para garantizar a los clientes un
reocupada porque se han registrado faltantes. Se requiere un método de
e anticipación, para poder comprar las cantidades adecuadas de
meses es el de la demanda del artículo EP-37, un cartucho para impresora
tabla de abajo.
aborar un pronóstico de demanda. Encuentra los mejores parámetros y
anda para los meses 51 a 53.
cinas serían un buen indicador temprano para calcular las ventas de la
ue los alquileres de nuevos espacios de oficina preceden a las ventas de
se estudio, los alquileres registrados en el mes 1 afectarían las ventas en
sucesivamente. Aplicando la regresión lineal desarrolla un modelo de
os meses 51 a 53.
ronósticos? Explica tu respuesta.

Alquileres

281
298
314
323
309
343
357
353
360
370
386
389
399
409
410
413
439
454
441
470
469
490
496
509
522
 promedio Valor
Pronostico movil Error del absoluto
de Tendencia
Alquileres suavizado pronostico del error de
de la serie pronostico
0 32
32 0 32 0 0
32 -0.1577967 31.0616956 -3 3
30.9038989 -0.100143 31.2467244 1.09610112 1.09610112
31.1465814 1.10192186 38.2944025 22.8534186 22.8534186
39.3963243 1.81746035 43.6511206 13.6036757 13.6036757
45.4685809 4.10716546 59.0838216 43.5314191 43.5314191
63.1909871 4.67570774 66.5717019 10.8090129 10.8090129
71.2474096 5.81987024 78.0509267 21.7525904 21.7525904
83.8707969 7.72022688 95.1708603 36.1292031 36.1292031
102.891087 8.25194465 106.052833 10.1089128 10.1089128
114.304778 9.97167765 124.530801 32.6952223 32.6952223
134.502479 9.52445654 131.843174 -8.502479 8.50247896
141.367631 9.34732282 140.314343 -3.367631 3.36763103
149.661666 9.10212427 148.203646 -4.6616662 4.66166618
157.30577 9.24383784 158.148439 2.69423018 2.69423018
167.392277 10.7485728 176.339861 28.607723 28.607723
187.088434 10.3757289 184.871398 -7.088434 7.08843395
195.247127 10.4679282 195.79537 1.75287336 1.75287336
206.263298 10.2962823 205.242642 -3.2632977 3.26329774
215.538924 10.6887267 217.872511 7.46107553 7.46107553
228.561238 11.6585855 234.328295 18.4387622 18.4387622
245.986881 11.4488799 244.739911 -3.9868805 3.98688051
256.188791 10.2817737 249.248844 -22.188791 22.1887912
259.530618 9.99086923 257.800817 -5.5306181 5.53061811
267.791686 10.159623 268.795145 3.20831376 3.20831376
278.954768 10.2672 279.594451 2.04523243 2.04523243
289.861651 10.6952683 292.407067 8.13834888 8.13834888
303.102336 11.2684735 306.510778 10.8976644 10.8976644
317.779251 11.5430792 319.412135 5.22074872 5.22074872
330.955214 10.3882589 324.088323 -21.955214 21.9552143
334.476582 10.8365814 337.142435 8.52341816 8.52341816
347.979017 11.3110753 350.800493 9.02098317 9.02098317
362.111568 10.8318167 359.26176 -9.1115682 9.11156817
370.093577 10.3009056 366.936628 -10.093577 10.0935767
377.237533 9.92021927 374.973863 -7.2375332 7.23753319
384.894083 9.97838931 385.239978 1.10591728 1.10591728
395.218368 9.65130996 393.27346 -6.2183677 6.21836772
402.92477 9.44487132 401.697227 -3.9247704 3.92477042
411.142099 9.33219928 410.472118 -2.1420986 2.14209862
419.804318 8.81650287 416.73784 -9.8043177 9.80431771
425.554342 8.15615816 421.627744 -12.554342 12.5543424
429.783902 8.64091484 432.666404 9.21609765 9.21609765
441.307319 9.30853601 445.277185 12.6926812 12.6926812
454.585721 8.59394192 450.33654 -13.585721 13.585721
458.930482 9.17618646 462.392675 11.0695177 11.0695177
471.568861 9.04106716 470.765403 -2.5688612 2.56886118
479.80647 9.57723569 482.994682 10.1935296 10.1935296
492.571917 9.75754909 493.644112 3.42808267 3.42808267
503.401661 10.0520156 505.152643 5.59833856 5.59833856
515.204659 10.4094431 517.330025 6.79534107 6.79534107
527.739468 DAM 10.3894921
538.148911
548.558354

Valor
Pronostico Error del absoluto
Alquileres
de ventas pronostico del error de
pronostico
32 26.135 5.865 5.865
29 36.214 -7.214 7.214
32 46.293 -14.293 14.293
54 56.372 -2.372 2.372
53 66.451 -13.451 13.451
89 76.53 12.47 12.47
74 86.609 -12.609 12.609
93 96.688 -3.688 3.688
120 106.767 13.233 13.233
113 116.846 -3.846 3.846
147 126.925 20.075 20.075
126 137.004 -11.004 11.004
138 147.083 -9.083 9.083
145 157.162 -12.162 12.162
160 167.241 -7.241 7.241
196 177.32 18.68 18.68
180 187.399 -7.399 7.399
 197 197.478 -0.478 0.478
203 207.557 -4.557 4.557
223 217.636 5.364 5.364
247 227.715 19.285 19.285
242 237.794 4.206 4.206
234 247.873 -13.873 13.873
254 257.952 -3.952 3.952
271 268.031 2.969 2.969
281 278.11 2.89 2.89
298 288.189 9.811 9.811
314 298.268 15.732 15.732
323 308.347 14.653 14.653
309 318.426 -9.426 9.426
343 328.505 14.495 14.495
357 338.584 18.416 18.416
353 348.663 4.337 4.337
360 358.742 1.258 1.258
370 368.821 1.179 1.179
386 378.9 7.1 7.1
389 388.979 0.021 0.021
399 399.058 -0.058 0.058
409 409.137 -0.137 0.137
410 419.216 -9.216 9.216
413 429.295 -16.295 16.295
439 439.374 -0.374 0.374
454 449.453 4.547 4.547
441 459.532 -18.532 18.532
470 469.611 0.389 0.389
469 479.69 -10.69 10.69
490 489.769 0.231 0.231
496 499.848 -3.848 3.848
509 509.927 -0.927 0.927
522 520.006 1.994 1.994
530.085 DAM 7.96040816
540.164
550.243

Alquileres
600

500
f(x) = 10.079387755102 x + 16.0561224489796

400

300

200
500
f(x) = 10.079387755102 x + 16.0561224489796

400

300

200

100

0
0 10 20 30 40 50 60
18. Tom Glass elabora pronósticos de demanda eléctrica para el Flatlands Public Power District (FPPD). El FPPD t
servicio de su planta en Comstock para realizar operaciones de mantenimiento, pero quiere hacerlo cuando se e
del momento en que se suspenda el servicio, se requerirán dos semanas para realizar el trabajo de mantenimie
planta. El servicio público tiene suficiente capacidad adicional de generación para satisfacer una demanda de 155
está fuera de servicio. La tabla siguiente muestra las demandas máximas semanales (en MW) registradas en e
momento del siguiente otoño será más conveniente programar las operaciones de mantenimiento e

Agosto Septiembre Octubre Noviembre

Año 1 2 3 4 5 6 7
1 2050 1925 1825 1525 1050 1300 1200
2 2000 2075 2225 1800 1175 1050 1250
3 1950 1800 2150 1725 1575 1275 1325
4 2100 2400 1975 1675 1350 1525 1500
5 2275 2300 2150 1525 1350 1475 1475

Año Periodo semanas Demanda Indice Cargas/indi

estacional ce est Tendencia Pronostico
1 semana 1 2050 0.77349398 2650.31153 1718.95366 1719.72716
2 semana 2 1925 0.76428571 2518.69159 1717.42337 1718.18766
3 semana 3 1825 0.77723971 2348.05296 1715.89309 1716.67033
4 semana 4 1525 0.97272727 1567.75701 1714.3628 1715.33552
5 semana 5 1050 1.23461538 850.46729 1712.83251 1714.06712
6 semana 6 1300 1.21132075 1073.20872 1711.30222 1712.51354
1 7 semana 7 1200 1.18888889 1009.34579 1709.77193 1710.96082
8 semana 8 1175 1.42666667 823.598131 1708.24164 1709.66831
9 semana 9 1350 1.16727273 1156.54206 1706.71135 1707.87863
10 semana 10 1525 1.12631579 1353.97196 1705.18106 1706.30738
11 semana 11 1725 1.08813559 1585.28037 1703.65078 1704.73891
12 semana 12 1575 0.95820896 1643.69159 1702.12049 1703.0787
13 semana 13 1925 0.83376623 2308.80062 1700.5902 1701.42396
14 semana 1 2000 0.77349398 2585.66978 1699.05991 1699.8334
15 semana 2 2075 0.76428571 2714.95327 1697.52962 1698.29391
16 semana 3 2225 0.77723971 2862.6947 1695.99933 1696.77657
17 semana 4 1800 0.97272727 1850.46729 1694.46904 1695.44177
18 semana 5 1175 1.23461538 951.713396 1692.93875 1694.17337
19 semana 6 1050 1.21132075 866.82243 1691.40847 1692.61979
1 20 semana 7 1250 1.18888889 1051.40187 1689.87818 1691.06707
21 semana 8 1025 1.42666667 718.457944 1688.34789 1689.77456
22 semana 9 1300 1.16727273 1113.70717 1686.8176 1687.98487
23 semana 10 1425 1.12631579 1265.18692 1685.28731 1686.41363
1

24 semana 11 1625 1.08813559 1493.38006 1683.75702 1684.84516

25 semana 12 1950 0.95820896 2035.04673 1682.22673 1683.18494
26 semana 13 1950 0.83376623 2338.78505 1680.69644 1681.53021
27 semana 1 1950 0.77349398 2521.02804 1679.16616 1679.93965
28 semana 2 1800 0.76428571 2355.14019 1677.63587 1678.40015
29 semana 3 2150 0.77723971 2766.19938 1676.10558 1676.88282
30 semana 4 1725 0.97272727 1773.36449 1674.57529 1675.54802
31 semana 5 1575 1.23461538 1275.70093 1673.045 1674.27962
32 semana 6 1275 1.21132075 1052.57009 1671.51471 1672.72603
1 33 semana 7 1325 1.18888889 1114.48598 1669.98442 1671.17331
34 semana 8 1100 1.42666667 771.028037 1668.45413 1669.8808
35 semana 9 1500 1.16727273 1285.04673 1666.92385 1668.09112
36 semana 10 1550 1.12631579 1376.16822 1665.39356 1666.51987
37 semana 11 1375 1.08813559 1263.62928 1663.86327 1664.9514
38 semana 12 1825 0.95820896 1904.59502 1662.33298 1663.29119
39 semana 13 2000 0.83376623 2398.75389 1660.80269 1661.63646
40 semana 1 2100 0.77349398 2714.95327 1659.2724 1660.0459
41 semana 2 2400 0.76428571 3140.18692 1657.74211 1658.5064
42 semana 3 1975 0.77723971 2541.04361 1656.21183 1656.98906
43 semana 4 1675 0.97272727 1721.96262 1654.68154 1655.65426
44 semana 5 1350 1.23461538 1093.45794 1653.15125 1654.38586
45 semana 6 1525 1.21132075 1258.95639 1651.62096 1652.83228
1 46 semana 7 1500 1.18888889 1261.68224 1650.09067 1651.27956
47 semana 8 1150 1.42666667 806.074766 1648.56038 1649.98705
48 semana 9 1350 1.16727273 1156.54206 1647.03009 1648.19737
49 semana 10 1225 1.12631579 1087.61682 1645.4998 1646.62612
50 semana 11 1225 1.08813559 1125.77882 1643.96952 1645.05765
51 semana 12 1475 0.95820896 1539.33022 1642.43923 1643.39744
52 semana 13 1850 0.83376623 2218.84735 1640.90894 1641.7427
53 semana 1 2275 0.77349398 2941.19938 1639.37865 1640.15214
54 semana 2 2300 0.76428571 3009.34579 1637.84836 1638.61265
55 semana 3 2150 0.77723971 2766.19938 1636.31807 1637.09531
56 semana 4 1525 0.97272727 1567.75701 1634.78778 1635.76051
57 semana 5 1350 1.23461538 1093.45794 1633.25749 1634.49211
58 semana 6 1475 1.21132075 1217.67913 1631.72721 1632.93853
5 59 semana 7 1475 1.18888889 1240.65421 1630.19692 1631.38581
60 semana 8 1175 1.42666667 823.598131 1628.66663 1630.09329
61 semana 9 1375 1.16727273 1177.9595 1627.13634 1628.30361
62 semana 10 1400 1.12631579 1242.99065 1625.60605 1626.73237
63 semana 11 1425 1.08813559 1309.57944 1624.07576 1625.1639
64 semana 12 1550 0.95820896 1617.60125 1622.54547 1623.50368
65 semana 13 1900 0.83376623 2278.8162 1621.01518 1621.84895
66 semana 1 0.77349398 1619.4849 1620.25839
67 semana 2 0.76428571 1617.95461 1618.71889
68 semana 3 0.77723971 1616.42432 1617.20156

6
 69 semana 4 0.97272727 1614.89403 1615.86676
70 semana 5 1.23461538 1613.36374 1614.59836
71 semana 6 1.21132075 1611.83345 1613.04477
6 72 semana 7 1.18888889 1610.30316 1611.49205
73 semana 8 1.42666667 1608.77287 1610.19954
74 semana 9 1.16727273 1607.24259 1608.40986
75 semana 10 1.12631579 1605.7123 1606.83861
76 semana 11 1.08813559 1604.18201 1605.27014
77 semana 12 0.95820896 1602.65172 1603.60993
78 semana 13 0.83376623 1601.12143 1601.9552

Resumen

Estadísticas de la regresión
Coeficiente 0.04176945
Coeficiente 0.00174469
R^2 ajustad -0.0141006
Error típico 697.578692
Observacion 65

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de Promedio
cuadradosde los cuadrados
F Valor crítico de F
Regresión 1 53580.009 53580.009 0.11010737 0.74112334
Residuos 63 30656810 486616.031
Total 64 30710390

Coeficientes Error típico Estadístico tProbabilidadInferior 95%Superior 95%Inferior 95.0%

Intercepción1720.48395 175.064137 9.82773505 2.4568E-14 1370.64619 2070.32171 1370.64619
Variable X 1 -1.5302887 4.61174405 -0.3318243 0.74112334 -10.746124 7.68554637 -10.746124
r District (FPPD). El FPPD tendrá que suspender temporalmente el
uiere hacerlo cuando se espere que la demanda sea baja. A partir
el trabajo de mantenimiento y la nueva puesta en marcha de la
acer una demanda de 1550 megawatts (MW), mientras Comstock
s (en MW) registradas en el otoño de los últimos años. ¿En qué
iones de mantenimiento en la planta de Comstock?

8 9 10 11 12 13
1175 1350 1525 1725 1575 1925
1025 1300 1425 1625 1950 1950
1100 1500 1550 1375 1825 2000
1150 1350 1225 1225 1475 1850
1175 1375 1400 1425 1550 1900

Promedios
Promedio 1 2075
promedio 2 2100
Promedio 3 2065
Promedio 4 1650
Promedio 5 1300
Promedio 6 1325
Promedio 7 1350
Promedio 8 1125
Promedio 9 1375
Promedio 10 1425
Promedio 11 1475
Promedio 12 1675
Promedio 13 1925
Promedio total 1605
Superior 95.0%
2070.32171
7.68554637