RBC manufactura aparatos de televisión para los mercados del extranjero.

Las exportaciones anuales durante los últimos seis a

exportaciones, pronostique el número esperado de unidades a exportar el año entrante.

Año Exportaciones
1 33000
2 32000
3 29000
4 26000
5 27000
6 24000
7 22200

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9601829094
Coeficiente de determinación R^2 92%
R^2 ajustado 90%
Error típico 1095.4451150103
Observaciones 6

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 56700000
Residuos 4 4800000
Total 5 61500000

Coeficientes Error típico

Intercepción 34800 1019.8039027186
Variable X 1 -1800 261.8614682832

a b

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 33000 0
2 31200 800
3 29400 -400
4 27600 -1600
5 25800 1200
6 24000 0
 Las exportaciones anuales durante los últimos seis años aparecen abajo en miles de unidades. Dada esta declinación a largo plazo de esta
l año entrante.

El pronostico correspondiente al año 7 de al empresa de manufactura de aparatos de television RBC para los
mercados extranjeros es de 22200

Promedio de los cuadrados F Valor crítico de F

56700000 47.25 0.002346538
1200000

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

34.124207514 4.399655E-06 31968.570446036 37631.429554 31968.570446
-6.8738635424 0.002346538 -2527.0439918548 -1072.9560081 -2527.0439919
a esta declinación a largo plazo de estas

de television RBC para los

Superior 95.0%
37631.42955396
-1072.95600815
Una industria de licores está planeando la necesidad de expandirse a mercados internacionales. Los datos que aparecen a conti

a. Utilice la regresión lineal simple para pronosticar la demanda del licor para cada uno de los tres años siguientes.
b. Determine el coeficiente de correlación para los datos e interprete su significado.
c. Calcule el error estándar del pronóstico.

Año Demanda
1 565
2 590
3 583
4 597
5 615
6 611
7 610
8 623
9 631.8214285714
10 639.0595238095
11 646.2976190476

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9210979426
Coeficiente de determinación R^2 85%
R^2 ajustado 0.8231583232
Error típico 8.094432733
Observaciones 8

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 2200.380952381
Residuos 6 393.119047619
Total 7 2593.5

Coeficientes Error típico

Intercepción 566.6785714286 6.3071311726
Variable X 1 7.2380952381 1.2489980868

a b
rnacionales. Los datos que aparecen a continuación muestran el volumen de la demanda de su licor estrella en cada uno de los últimos och

uno de los tres años siguientes.

o
tic
os
on
Pr

Es una correlación positiva fuerte, indica que será un pronostico con un bajo indice de error

El error entre los datos es bajo, garantiza un pronostico con bajo error

Promedio de los cuadrados F Valor crítico de F

2200.380952381 33.583429229 0.0011564956
65.5198412698

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

89.8472785682 1.280640354E-10 551.2455774157 582.1115654415 551.2455774157
5.7951211574 0.0011564956 4.1819070176 10.2942834586 4.1819070176

Demanda
660

640 f(x) = 7.2380952381x + 566.6785714286

R² = 0.9361407291
 Demanda
660

640 f(x) = 7.2380952381x + 566.6785714286

R² = 0.9361407291
620

600

580

560

540

520
1 2 3 4 5 6 7 8 9 10 11
da uno de los últimos ocho años.

Superior 95,0%
582.1115654415
10.2942834586
IPC se pregunta si el análisis de regresión de la serie de tiempo es la mejor manera de pronosticar las ventas del año que viene
examinando los siguientes datos de la industria:

c. Haga un análisis de regresión entre los ingresos por ventas anuales de computadoras personales XT y los ingresos por ventas
por ventas del año que viene (7) para las computadoras personales XT, si la estimación del siguiente año de ingresos por ventas
d. ¿Qué pronóstico parece ser el mejor? ¿Por qué?
e. Calcule el pronóstico de los ingresos por ventas de IPC para el año que viene.

IPC se pregunta si el análisis de regresión de la serie de tiempo es la mejor manera de pronosticar las ventas del año q

Ingresos por
Ingresos por Ventas Ventas PC
Año PC TX totales
1 2.4 4.6
2 5.9 8.6
3 15.5 10.7
4 27.8 14.8
5 35.9 18.5
6 38.1 19.4
car las ventas del año que viene. Está

ales XT y los ingresos por ventas anuales de PC en toda la industria. ¿Cuál es el pronóstico de ingresos
iente año de ingresos por ventas de PC para toda la industria es de 21.900 millones de dólares?

pronosticar las ventas del año que viene. Está examinando los siguientes datos de la industria:
Una empresa nacional necesita desarrollar un pronóstico de ventas para el año siguiente para sus ventas de vehículos recreativ
estos datos históricos

Si la estimación de ventas del sector industrial del año que viene es de 725 millones de dólares, utilice una regresión lineal sim
d. Determine el coeficiente de correlación para los datos e interprete su significado.
e. Calcule el error estándar del pronóstico.

Ventas del sector

Industrial

536
791
650
813
702
575
684

725

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9855509375
Coeficiente de determinación R^2 97%
R^2 ajustado 0.9655727804
Error típico 3.173707739
Observaciones 7

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 1705.0664673654
Residuos 5 50.3621040632
Total 6 1755.4285714286

Coeficientes Error típico

Intercepción 7.1979344787 8.6545990584
Variable X 1 0.1643052954 0.0126283856

a b
año siguiente para sus ventas de vehículos recreativos en Ecuador. Suponga que sus ventas anuales están relacionadas con las ventas del se

millones de dólares, utilice una regresión lineal simple para pronosticar la demanda anual de vehículos recreativos de la empresa para dich
nificado.

Ventas anuales de la empresa

98
137
112
145
120
103
116
o
tic
os
on

126.3192736748
pr

El coeficiente de correlacion es del 0.98 aprox. Garantiza un pronostico confiable.

El error es bajo, lo cual garantiza un pronostico confiable

Promedio de los cuadrados F Valor crítico de F

1705.0664673654 169.28070214 4.7828087527E-05
10.0724208126

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

0.8316889587 0.4434776109 -15.0494206555 29.445289613 -15.049420656
13.0107917567 4.782809E-05 0.1318429968 0.1967675941 0.1318429968
relacionadas con las ventas del sector industrial y ha preparado

creativos de la empresa para dicho año.

Superior 95,0%
29.445289613
0.1967675941
(CZC) es un fabricante mediano con 10 años de antigüedad de equipo de calefacción y enfriamiento. Las ventas están creciend
gerencia de la empresa se pregunta si los datos nacionales de construcción de vivienda pudieran resultar un buen indicador de

a. Desarrolle un análisis de regresión simple entre las ventas CZC y la construcción de viviendas. Pronostique las ventas de CZC
será de 2.6 millones y de 3.0 millones para los dos años siguientes.
b. ¿Recomendaría usted que CZC utilizara el pronóstico del inciso a para planear una expansión de las instalaciones? ¿Por qué?

Construccion
Año Viviendas

1 2.1
2 1.8
3 2.4
4 2.8
5 3.1
6 2.6
7 2.4
8 2.6
9 3

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.7484902734
Coeficiente de determinación R^2 56%
R^2 ajustado 0.4722852272
Error típico 48.8405202617
Observaciones 7

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 15194.4464742419
Residuos 5 11926.9820971867
Total 6 27121.4285714286

Coeficientes Error típico

Intercepción 17.7237851662 115.0327967663
Variable X 1 116.6240409207 46.2089313563

a b
calefacción y enfriamiento. Las ventas están creciendo con rapidez constante y es necesario incrementar la capacidad de producción para s
n de vivienda pudieran resultar un buen indicador de las ventas anuales de la empresa:

trucción de viviendas. Pronostique las ventas de CZC durante los siguientes dos años. El National Home Builders Association estima que la i

lanear una expansión de las instalaciones? ¿Por qué? ¿Qué podría hacerse para mejorar el pronóstico?

Ventas anuales de CZC

Ventas anuales
230
400
215
270 350
310 300
360
250
370
375 200
320.9462915601 150
367.5959079284 PRONOSTICO
100

50

0
1 2 3 4 5 6

Posee una correlacion positiva fuerte pero no estaria de acuerdo con que lo utilizara, debido a que
los datos estan dispersos y el error es grande, para mejorarlo solicitaria más datos o utilizaria otras
tecnicas de pronostico

Promedio de los cuadrados F Valor crítico de F

15194.4464742419 6.3697783523 0.0529259564
2385.3964194373

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

0.1540759302 0.883575736 -277.9774327035 313.42500304 -277.9774327
2.5238419824 0.0529259564 -2.159798668 235.40788051 -2.159798668
entar la capacidad de producción para satisfacer la demanda de otros paises. La

me Builders Association estima que la inversión en construcción de viviendas

co?

Ventas anuales

3 4 5 6 7 8 9

Superior 95,0%
313.425003036
235.4078805094
Chasewood Apartments es un complejo habitacional de 300 unidades cerca de Fairwqay University, y atrae principalmente a e
está influida o por el número de estudiantes que se inscriben en la universidad. Las inscripciones en la universidad y el número

a. Utilice un análisis simple de regresión para desarrollar un modelo para pronosticar el número de apartamentos arrendados c
pronostique la cantidad de apartamentos que se alquilarán.
b. ¿Qué tan útil cree usted que sean las inscripciones en la universidad para pronosticar la cantidad de apartamentos arrendad
c. Calcule el pronóstico de las unidades de apartamentos arrendadas el siguiente semestre, si se espera que las inscripciones a

Inscripciones en la
Semestre Universidad

1 7.2
2 6.3
3 6.7
4 7
5 6.9
6 6.4
7 7.1
8 6.7

9 6.6

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9628266097
Coeficiente de determinación R^2 93%
R^2 ajustado 0.9148742605
Error típico 6.5741580473
Observaciones 8

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 3294.6826758148
Residuos 6 259.3173241852
Total 7 3554

Coeficientes Error típico

Intercepción -196.3807890223 52.3226385908
Variable X 1 67.2384219554 7.7010662006
 a

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 287.7358490566 3.2641509434
2 227.2212692967 0.7787307033
3 254.1166380789 -2.1166380789
4 274.2881646655 -9.2881646655
5 267.56432247 2.43567753
6 233.9451114923 6.0548885077
7 281.0120068611 6.9879931389
8 254.1166380789 -8.1166380789
ca de Fairwqay University, y atrae principalmente a estudiantes universitarios. La gerente, Joan Newman, sospecha que la cantidad de unid
sidad. Las inscripciones en la universidad y el número de apartamentos arrendados durante los últimos ocho semestres son:

pronosticar el número de apartamentos arrendados con base en las inscripciones a la universidad. Si se espera que la inscripción para el sig

ra pronosticar la cantidad de apartamentos arrendados?

guiente semestre, si se espera que las inscripciones a la universidad sean de 6.600 estudiantes.

Numero de unidades
arrendadas

291
228
252
265
270
240
288
246
o
tic

247.3927958834
os
on
Pr

Posee una correlacion fuerte la cantidad de inscritos con las unidades arrendadas, la correlacion
es de 0.96 positiva fuerte. Por ende creo que es una herramienta y forma util de calcularlo

Promedio de los cuadrados F Valor crítico de F

3294.6826758148 76.231297377 0.0001248674
43.2195540309

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%

-3.7532661638 0.0094732746 -324.4096734733 -68.351904571 -324.40967347
8.7310536235 0.0001248674 48.3945918028 86.082252108 48.3945918028
b
 man, sospecha que la cantidad de unidades arrendadas durante cada semestre
mos ocho semestres son:

i se espera que la inscripción para el siguiente semestre sea de 6600 estudiantes,

Superior 95.0%
-68.3519045713
86.082252108
La planta IPC estima la demanda semanal de los muchos materiales que tiene en inventario. Está estudiando uno de sus compo
semanas más recientes de demanda para el CTR 5922 son:

a. Utilice el método de promedios móviles para pronósticos a corto plazo, con un promedio de tres, cinco y siete semanas, para
pronóstico de la demanda para el componente CTR 5922. ¿Qué cantidad de periodos promediados da como resultado el error
bajo? ¿Qué número de periodos promediados recomendaría usted? ¿Por qué?

Semana Demanda Pronostico 3 Error Abs Pronostico 5

1 169
2 227
3 176
4 171 190.6666667 -19.666666667 19.6666667
5 163 191.3333333 -28.333333333 28.3333333
6 157 170 -13 13 181.2
7 213 163.6666667 49.333333333 49.3333333 178.8
8 175 177.6666667 -2.6666666667 2.66666667 176
9 178 181.6666667 -3.6666666667 3.66666667 175.8
10 158 188.6666667 -30.666666667 30.6666667 177.2
11 188 170.3333333 17.666666667 17.6666667 176.2
12 169 174.6666667 -5.6666666667 5.66666667 182.4
13 171.6666667 173.6

De
Erro Medio -4.0740740741 -1.3714285714 -4.628571429 250
Desv. Media ABS 18.962962963 15.142857143 10.4
200

150

100
Recomendaria usar el promedio de 7 semanas porque es el que posee el error
medio más bajo.
50

0
1 2 3 4
Dema nda
tudiando uno de sus componentes, el CTR 5922. Las 12

cinco y siete semanas, para desarrollar para la semana 13 un

da como resultado el error de pronóstico medio absoluto más

Error Abs Pronostico 7 Error Abs

-24.2 24.2
34.2 34.2
-1 1 182.28571429 -7.2857142857 7.2857142857
2.2 2.2 183.14285714 -5.1428571429 5.1428571429
-19.2 19.2 176.14285714 -18.142857143 18.142857143
11.8 11.8 173.57142857 14.428571429 14.428571429
-13.4 13.4 176 -7 7
176.85714286

Demanda VS Pronosticos
250

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10 11 12
Dema nda Pronostico 3 Pronostico 5 Pronostico 7
Holiday Lodge es un gran hotel y casino en Lago Tahoe, California. El hotel es relativamente nuevo, de dos años, y el gerente es
continuación para pronosticar con un mes de anticipación la cantidad de llamadas para mantenimiento.

b. Desarrolle pronóstico de promedio móvil con número de periodos promediados de 2,4,6, 8 meses.
c. ¿Qué cantidad de periodos promediados da como resultado el error de pronóstico medio absoluto más bajo? ¿Qué número
d. Utilizando la cantidad de periodos promediados que usted recomienda, pronostique el número de llamadas para mantenimi

e. El gerente de Holliday Lodge se pregunta si los datos del pasado más recientes tienen mayor importancia que los más antigu
decir 0.5, 0.25, 0.125, etc). Desarrolle los pesos o coeficientes de ponderación a utilizarse en el pronóstico de promedios móvil
f. Utilice los pesos del inciso anterior para pronosticar la cantidad de llamadas para mantenimiento para el mes 25 de los datos

Llamadas por
Mes mantenimiento Pronostico 2 Error ABS Pronostico 4
1 43
2 39
3 28 41 -13 13
4 21 33.5 -12.5 12.5
5 14 24.5 -10.5 10.5 32.75
6 16 17.5 -1.5 1.5 25.5
7 14 15 -1 1 19.75
8 13 15 -2 2 16.25
9 9 13.5 -4.5 4.5 14.25
10 13 11 2 2 13
11 18 11 7 7 12.25
12 15 15.5 -0.5 0.5 13.25
13 12 16.5 -4.5 4.5 13.75
14 6 13.5 -7.5 7.5 14.5
15 19 9 10 10 12.75
16 9 12.5 -3.5 3.5 13
17 12 14 -2 2 11.5
18 14 10.5 3.5 3.5 11.5
19 16 13 3 3 13.5
20 12 15 -3 3 12.75
21 13 14 -1 1 13.5
22 9 12.5 -3.5 3.5 13.75
23 14 11 3 3 12.5
24 15 11.5 3.5 3.5 12

25 14.5 12.75

Erro Medio -1.75 -1.95 -1.6666666667 -1.4375 -1.05714 ###

50
45
40
35
30
 50
Desv. Med. ABS 4.65909091 4.325 4.1111111111 3.53125 3.214286 ### 45
40
35
30
La cantidad de periodos promediados teniendo en cuenta el error medio, se 25
recomienda usar el de 8 meses debido a su baja desviacion y a su bajo error 20
medio 15
10
5
0
1 2 3 4 5
dos años, y el gerente está intentando desarrollar un plan para el personal del departamento de mantenimiento. El gerente del hotel dese
o.

más bajo? ¿Qué número de periodos promediados recomendaría usted? ¿Por qué?
llamadas para mantenimiento para el mes siguiente (25)?

tancia que los más antiguos. Suponga que la cantidad de llamadas para mantenimiento del mes se pondera en 0.5 y los pesos de los meses
stico de promedios móviles ponderados.
ra el mes 25 de los datos del problema si la cantidad de periodos promediados es igual a 10.

Error ABS Pronostico 6 Error ABS Pronostico 8 Error ABS

-18.75 18.75
-9.5 9.5
-5.75 5.75 26.8333333333 -12.8333333333 12.8333333333
-3.25 3.25 22 -9 9
-5.25 5.25 17.6666666667 -8.6666666667 8.6666666667 23.5 -14.5 14.5
0 0 14.5 -1.5 1.5 19.25 -6.25 6.25
5.75 5.75 13.1666666667 4.8333333333 4.8333333333 16 2 2
1.75 1.75 13.8333333333 1.1666666667 1.1666666667 14.75 0.25 0.25
-1.75 1.75 13.6666666667 -1.6666666667 1.6666666667 14 -2 2
-8.5 8.5 13.3333333333 -7.3333333333 7.3333333333 13.75 -7.75 7.75
6.25 6.25 12.1666666667 6.8333333333 6.8333333333 12.5 6.5 6.5
-4 4 13.8333333333 -4.8333333333 4.8333333333 13.125 -4.125 4.125
0.5 0.5 13.1666666667 -1.1666666667 1.1666666667 12.625 -0.625 0.625
2.5 2.5 12.1666666667 1.8333333333 1.8333333333 13 1 1
2.5 2.5 12 4 4 13.125 2.875 2.875
-0.75 0.75 12.6666666667 -0.6666666667 0.6666666667 12.875 -0.875 0.875
-0.5 0.5 13.6666666667 -0.6666666667 0.6666666667 12.5 0.5 0.5
-4.75 4.75 12.6666666667 -3.6666666667 3.6666666667 12.625 -3.625 3.625
1.5 1.5 12.6666666667 1.3333333333 1.3333333333 13 1 1
3 3 13 2 2 12.375 2.625 2.625

13.1666666667 13.125

Error vs Pronosticos
50
45
40
35
30
 Error vs Pronosticos
50
45
40
35
30
25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ll a mada s por ma ntenimi ento Pronostico 2
Pronostico 4 Pronostico 6
Pronostico 8
o. El gerente del hotel desea utilizar los dos años de datos que aparecen a

0.5 y los pesos de los meses anteriores se reducen de manera secuencial pro un factor de 0.5 (es Pendiente

Pronostico 10 Error ABS Ponderado Error ABS

1.5259E-05
3.0518E-05
21 -3 3 6.1035E-05
18.5 -3.5 3.5 0.00012207
16.1 -4.1 4.1 0.00024414
14.5 -8.5 8.5 0.00048828
13 6 6 0.00097656
13.5 -4.5 4.5 0.00195313
12.8 -0.8 0.8 0.00390625
12.6 1.4 1.4 0.0078125
12.7 3.3 3.3 0.015625
13.4 -1.4 1.4 0.03125
13.3 -0.3 0.3 0.0625
12.8 -3.8 3.8 0.125
12.2 1.8 1.8 0.25
12.4 2.6 2.6 0.5
o
tic
os
on

13.3
Pr
1.0000
La cantidad de auditores fiscales que necesita el Internal Revenue Service de Texas varía de un trimestre a otro. Los últimos 12

a. Utilice los promedios móviles para pronosticar la cantidad de auditores que se necesitan durante el trimestre siguiente, si la
2, si el número de periodos promediados es igual a 4 y si la cantidad de periodos promediado
b. Cúal de estos pronósticos con base en la desviación media absoluta, despliega mayor precisión de pronóstico?
c. Utilice promedios móviles para pronosticar la cantidad de auditores necesarios en el primer trimestre del año que viene si
cantidad de periodos promediado es 8.
d. ¿Reflejan estos pronósticos un patrón estacional?

Año Trimestre Auditores Pronostico 2 Error ABS

1 132
2 139
1
3 136 135.5 0.5 0.5
4 140 137.5 2.5 2.5
5 134 138 -4 4
6 142 137 5 5
2
7 140 138 2 2
8 139 141 -2 2
9 135 139.5 -4.5 4.5
10 137 137 0 0
3
11 139 136 3 3
12 141 138 3 3
o
tic
os
on

140
Pr

Auditores v
Error Medio 0.55 0.375 0.33333333 0
144
Desv. Media ABS 2.65 2.5 1.94444444 1.9375
142
140
138
136
134
132
Con base en la desv. Media el mejor pronostico es el pronostico de 6
periodos, no reflejan un patrón estacional, excepto que el pronostico 130
para 8 periodos registra un error de 0 128
126
1 2 3 4 5 6
Auditores P
Pronostico 6 P
e un trimestre a otro. Los últimos 12 trimestres aparecen a continuación:

n durante el trimestre siguiente, si la cantidad de periodos promediados es igual a

a cantidad de periodos promediados es igual a 6.
ecisión de pronóstico?
imer trimestre del año que viene si el número de promedios promediados es 4 y
omediado es 8.

Pronostico 4 Error ABS Pronostico 6 Error ABS Pronostico 8

136.75 -2.75 2.75

137.25 4.75 4.75
138 2 2 137.1666666667 2.8333333333 2.8333333333
139 0 0 138.5 0.5 0.5
138.75 -3.75 3.75 138.5 -3.5 3.5 137.75
139 -2 2 138.3333333333 -1.3333333333 1.3333333333 138.125
137.75 1.25 1.25 137.8333333333 1.1666666667 1.1666666667 137.875
137.5 3.5 3.5 138.6666666667 2.3333333333 2.3333333333 138.25

138 138.5 138.375

Auditores vs Pronosticos
144
142
140
138
136
134
132
130
128
126
1 2 3 4 5 6 7 8 9 10 11 12
Auditores Pronostico 2 Pronostico 4
Pronostico 6 Pronostico 8
Error ABS

-2.75 2.75
-1.125 1.125
1.125 1.125
2.75 2.75
The Sporting Charge Company adquiere grandes cantidades de cobre importado que se emplean en sus productos manufactur
un sistema de pronóstico para los precios del cobre. Ha acumulado estos datos históricos.

a. Utilice la suavización exponencial para pronosticar los precios mensuales del cobre. Calcule cuáles hubieran sido los pronósti
históricos, con  =0.1,  =0.3,  =0.5, si para todas las  el pronóstico del primer mes fue de 99 centavos de dólar.
b. ¿Qué valor de  resulta a lo largo del periodo de 16 meses en una desviación media absoluta más baja?
c. Utilizando  del inciso b pronostique el precio del cobre para el mes 17.
d. Bill desea comparar dos sistemas para el pronóstico de precios del cobre con los datos anteriores: promedios móviles (cantid
a 3) y suavización exponencial ( =0.3).
e. Calcule los dos conjuntos de pronósticos mensuales.
f. Trace una gráfica con ambos pronósticos en función de los precios reales del cobre. ¿A qué conclusión puede llegar usted en
g. Seleccione el mejor sistema y pronostique los precios del cobre para el mes siguiente.

Mes Precio del cobre/Lb

1 0.99
2 0.97
3 0.92
4 0.96
5 0.93
6 0.97
7 0.95
8 0.94
9 0.98
10 0.91
11 0.89
12 0.94
13 0.99
14 0.95
15 0.92
16 0.97
s productos manufacturados. Bill Bray está desarrollando

ubieran sido los pronósticos para todos los meses de datos

s de dólar.
ja?

omedios móviles (cantidad de periodos promediados igual

n puede llegar usted en relación con la gráfica?

Una industria de licores está planeando la necesidad de expandirse a mercados internacionales. Los datos que aparecen a
continuación muestran el volumen de la demanda de su licor estrella en cada uno de los últimos ocho años.
Utilice los datos del problema 2 para desarrollar un pronóstico para el año 9, utilizando el modelo de suavización exponencial c
tendencia. Inicie su análisis en el año 4: FT4=497, T4=7,  =0.4,  = 0.3.

Año Demanda St Tt FTt Error Erro ^2

1 565
2 590
3 593
4 597 497 7 497 -100 10000
5 615 615 7 504 0 0
6 611 611 40.1904629 622 0 0
7 610 610 36.9013179 651.190463 0 0
8 623 623 24.5848267 646.901318 0 0
9 0 17.4380176 647.584827

Datos 6

Medidas de desempeño
Prom. Error -20
promedio E^2 2000
Los datos que aparecen a
ocho años.
o de suavización exponencial con

Alfa 1
Beta 0.29901318
IPC se pregunta si el análisis de regresión de la serie de tiempo es la mejor manera de pronosticar las ventas del año que viene
examinando los siguientes datos de la industria:
Utilice los datos del problema 3 para desarrollar un pronóstico para el año 7, utilizando el modelo de suavización exponencial c
tendencia. Inicie su análisis en el año 1:  =0.3,  = 0.2, Estime FT1 y T1.

Año Ingresos de Ventas

1 2.4
2 5.9
3 15.5
4 27.8
5 35.9
6 38.1
entas del año que viene. Está

uavización exponencial con