























Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
ejercidos de pronosticos desarrollados
Tipo: Ejercicios
1 / 31
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
























Ejercicio 1. La tienda principal de una universidad experimenta una demanda de engrapadoras, la que parece seg Pronostico = 150 coeficiente = 0. Periodo Mes Pronostico DAM 10 92 15 138 -- 11 117 16 182 150 32 12 105 17 187 160 27 13 135 18 185 168 17 14 143 19 210 173 37 20 184
Después hacer una gráfica de los valores reales y pronosticados para todos los periodos para los cual se cuenta con datos. Sugerir a la dirección un método de pronóstico mejorado y sostener la recomend Deman da de engra mpado ras Demanda de engrampado ras Se tiene un pronóstico de 150 unidades para el periodo 16. Las comillas (" ") significan que la de exponencial de primer orden con un coeficiente de suavización moderadamente sensible de 0.
grapadoras, la que parece seguir la distribución siguiente: dos los periodos para los cuales. jorado y sostener la recomendación. millas (" ") significan que la demanda real se conoce al final del periodo. Usando un suavizado eradamente sensible de 0.3 , hacer un pronóstico de la demanda de los periodos 17 a 20. 145 150 155 160 165 170 175 0 5 10 15 20 25 30 35 40 32 27 17 37 Column G Linear (Column G) Axis Title Axis Title
Ejercicio 2. 2.- Una cadena de ferreterías, Max's, experimentó la demanda siguiente para pintura durante el m ventas semanales correspondientes al año anterior como el pronóstico para este año. Calcular la M Semana Jun- Jun- Jun- Jun- Calcular la MAD y el sesgo e interpretarlos MAD = 55 SUMA(E6-F6)+(E7-F7)+(E8-F8)+(E9-F9) MAD = 13.75 PROMEDIO(B15)/ SESGO = 55 SUMA(E6-F6)+(E7-F7)+(E8-F8)+(E9-F9) SESGO = 14 PROMEDIO(B18)/
ra pintura durante el mes pasado. El procedimiento normal de pronóstico es utilizar las a este año. Calcular la MAD y el sesgo e interpretar cada uno de ellos. MAD SESGO 1,320 1,310 10 - 1,335 1,325 10 - 1,350 1,325 25 - 1,370 1,360 10 - 13.75 - PROMEDIO(10+10+25+10)/4 PROMEDIO(-10)+(-10)+(-25)+(-10) Proncostico de la demanda (galones) Demanda real (galones)
Ejercicio 3. 3.- Una pequeña empresa de electronica produce calculadoras de bolsillo y mensualmente contro son en el caso de una calculadora representatiba Noviembre, 45 , diciembre, 57, enero, 60 usand según un suavisado exponencial de primer orden , obtener el pronostico de ventas para febrero. Pronostico = 50 alfa = 0. MES DEMANDA PRONOSTICO Nov 45 50 Dic 57 47 Ene 60 53 Feb 57 El pronostico de ventas para el mes de febrero es de: 57
o y mensualmente controla la demanda de los articulos. Los siguientes datos de demanda mbre, 57, enero, 60 usando a 50 como el pronostico de noviembre de ventas para febrero. ONOSTICO
Ejercicio 4. 4.- Durante los tres ultimos años, la profesora ha pronosticado intuitivamente el numero de estudia de sus clases como ella. Por tanto, ¿Cómo podria otras personas pronosticar mejor que ella las insc (redondealdo en multiplos de diez) SEMESTRE PRONOSTICO REAL otoño 1981 0 70 primavera 1982 90 60 otoño 1982 90 70 primavera 1983 100 60 otoño 1983 80 120 primaver 1984 120 80 otoño 1984 150 60 a) ¿Cual a sido la precision de la profesora de acuerdo con la MAD y es sesgo? explica lo que esto significa para la profesora SEMESTRE PRONOSTICO REAL otoño 1981 0 70 primavera 1982 90 60 otoño 1982 90 70 primavera 1983 100 60 otoño 1983 80 120 primaver 1984 120 80 otoño 1984 150 60 b) Emplear a 60 estudiantes como pronostico para la primavera 1982, un coeficiente de suavizacion de 0,2 y la MAD para evaluar el pronostico del modelo mediante un suavizado exponencial de primer orden. Pronostico : 60 Suavizacion : 0. SEMESTRE PRONOSTICO REAL otoño 1981 0 70
nadies sale tanto del valor arecen a continiacion
la demanda actual. de suavisacion de 0, ar por el momento. 1-coeficiente
1-coeficiente
Un negocio que vende helados experimentó la siguiente demanda el mes pasado. El procedimiento no correspondientes al año anterior en el pronóstico del presente año. Calcular la MAD y el sesgo e interpretarlos MAD = 55 SUMA(G6-H6)+(G7-H7)+(G8-H8)+(G9-H9) MAD = 13.75 PROMEDIO(B13)/ SESGO = 55 SUMA(G6-H6)+(G7-H7)+(G8-H8)+(G9-H9) SESGO = 13.75 PROMEDIO(B17)/ Como todos los errores mensuales son positivos, cada medida del error da los mismos resultados. Los galones por semana.
io de 13.
La demanda de la parte número 2710 se muestra a continuación. Nuestro pronóstico para el mes d 0.20 y usando el suavizado exponencial de primer orden, ¿cuál es el pronóstico para el mes de julio Pronostico: 100 Constante suavizacion : 0. F1 = D1 - 1 + (1 - ) F1 - F May = 120 F Jun = 106 F Jul = 114.8 Redondear = 115 El pronóstico para julio es de 115 unidades (para ser realistas las unidades fraccionarias deben de la demanda reciente no debería de tener un gran peso relativo. Esto parece ser lo adecuado para e constante mayor. El pronóstico deberá de reaccionar rápidamente a los cambios en la demanda. Sin embargo, si en un periodo largo la demanda se suaviza, la constante de valor 0.20 puede ser s seleccionar un coeficiente de suavización únicamente con tres periodos de datos.