1.

- La tabla siguiente da el número de unidades de sangre tipo A que el hospital Central utilizó en las últimas 6 s
a) Pronostique la demanda para la semana del 12 de octubre usando un promedio móvil de 4 semanas.
b) Utilice un promedio móvil ponderado de cuatro semanas, con ponderaciones de 0.1, 0.2, 0.3 y 0.4, usando 0
octubre.

Unidades
Semana de
usadas PMS PMP Factores de Ponderación
Aug-31 360 N/A N/A C1
Sep-07 389 N/A N/A C2
Sep-14 410 N/A N/A C3
Sep-21 381 N/A N/A C4
Sep-28 368 385 389.2
Oct-05 374 387 382.4
Oct-12 ? 383.25 377.2
 Central utilizó en las últimas 6 semanas:
dio móvil de 4 semanas.
de 0.1, 0.2, 0.3 y 0.4, usando 0.4 para la semana más reciente. Pronostique la demanda para la semana del 12 de

actores de Ponderación
0.1
0.2
0.3
0.4
el 12 de
2.- Realiza lo que se te pide con base en la información de la tabla siguiente:
a) Comenzando en el año 4 y hasta el año 12, pronostique la demanda usando promedios móviles de 3 años.
b) Comenzando en el año 4 y hasta el año 12, pronostique la demanda usando un promedio móvil ponderado d
reciente.

Factores de Ponderación
Año Demanda PMS PMP C1
1 7 N/A N/A C2
2 9 N/A N/A C3
3 5 N/A N/A
4 9 7 6.4
5 13 7.66666667 7.8
6 8 9 11
7 12 10 9.6
8 13 11 10.9
9 9 11 12.2
10 11 11.3333333 10.5
11 7 11 10.6
12 ? 9 8.4
romedios móviles de 3 años.
n promedio móvil ponderado de 3 años con ponderaciones de 0.1, 0.3 y 0.6, usando 0.6 para el año más

actores de Ponderación
0.1
0.3
0.6
3.- El hospital General está considerando comprar una nueva ambulancia. La decisión dependerá, en parte, del n
recorrerse el próximo año. Las millas recorridas durante los 5 años anteriores son como sigue:
a) Pronostique el número de millas para el próximo año usando un promedio móvil de 2 años.
b) Use un promedio móvil ponderado de 2 años con ponderaciones de 0.4 y 0.6 para pronosticar el número de m

Año Demanda PMS PMP Factores de Ponderación

1 3000 N/A N/A C1
2 4000 N/A N/A C2
3 3400 3500 3600
4 3800 3700 3640
5 3700 3600 3640
6 ? 3750 3740
cisión dependerá, en parte, del número de millas que deberá
n como sigue:
óvil de 2 años.
para pronosticar el número de millas para el próximo año.

actores de Ponderación
0.4
0.6
Dell usa el chip CR5 en algunas de sus computadoras portátiles. Los precios del chip durante los últimos
Calcule el pronóstico para cada mes usando suavizamiento exponencial y un pronóstico inicial para ene
mejor?

Error
Error 100*lreal-
Pronostico
Precio Por Error Pronostico pronosticol
Mes al cuadrado
Chip Pronostico Pronostico ABS (MAPE)
(MSE
con por (MAD)
1α=.10
Enero 1.80 1.80 0.00 0 0 0
Febrero 1.67 1.80 -0.13 0.13 0.0169 13
Marzo 1.70 1.761 -0.06 0.061 0.003721 6.1
Abril 1.85 1.7305 0.12 0.1195 0.01428025 11.95
Mayo 1.90 1.7305 0.17 0.1695 0.02873025 16.95
Junio 1.87 1.7305 0.14 0.1395 0.01946025 13.95
Julio 1.80 1.7305 0.07 0.0695 0.00483025 6.95
Agosto 1.83 1.7305 0.10 0.0995 0.00990025 9.95
Septiembre 1.70 1.7305 -0.03 0.0305 0.00093025 3.05
Octubre 1.65 1.7305 -0.08 0.0805 0.00648025 8.05
Noviembre 1.70 1.7305 -0.03 0.0305 0.00093025 3.05
Diciembre 1.75 1.7305 0.02 0.0195 0.00038025 1.95

Constantes de
MAD a= 0.10 0.07913
suavizamiento
MAD a= 0.30 0.07030
a1 0.10 MAD a= 0.50 0.06641
a2 0.30
a3 0.50
el chip durante los últimos 12 meses fueron como sigue:
pronóstico inicial para enero de $1.80. Utilice primero 𝜶=𝟎.𝟏𝟎, después 𝜶=𝟎.𝟑𝟎 , y por último 𝜶=𝟎.𝟓𝟎. Empleando MAD, M

100*lreal- error error error 100*lreal- 100*lreal-

pronostico pronostico
pronosticol/ pronostico pronostico pronostico pronosticol pronosticol/
con con
real por ABS al cuadrado (MAPE) real

1α=.30
0 1.8 0.00 0 0 0 0 1.8
7.78443114 1.8 -0.13 0.13 0.0169 13 7.78443114 1.8
3.58823529 1.761 -0.06 0.06 0.003721 6.1 3.58823529 1.735
6.45945946 1.7427 0.11 0.11 0.01151329 10.73 5.8 1.7175
8.92105263 1.77489 0.13 0.13 0.01565251 12.511 6.58473684 1.78375
7.45989305 1.812423 0.06 0.06 0.00331511 5.7577 3.07898396 1.841875
3.86111111 1.8296961 -0.03 0.03 0.00088186 2.96961 1.64978333 1.8559375
5.43715847 1.82078727 0.01 0.01 8.48744E-05 0.921273 0.50342787 1.82796875
1.79411765 1.82355109 -0.12 0.12 0.01526487 12.3551089 7.26771112 1.82898438
4.87878788 1.78648576 -0.14 0.14 0.01862836 13.6485762 8.27186438 1.76449219
1.79411765 1.74554003 -0.05 0.05 0.00207389 4.55400336 2.67882551 1.70724609
1.11428571 1.73187802 0.02 0.02 0.00032841 1.81219765 1.03554151 1.70362305

MSE a= 0.10 0.00888 MAPE a= 0.10 4.42439

MSE a= 0.30 0.00736 MAPE a= 0.30 4.02030
MSE a= 0.50 0.00709 MAPE a= 0.50 3.78742
𝟎.𝟓𝟎. Empleando MAD, MSE y MAPE, ¿qué 𝜶 es

error error error al 100*lreal- 100*lreal-

pronostico pronostico cuadrado pronosticol pronosticol/
por MAD abs MAD MSE MAPE real MAPE

1α=.50
0.00 0 0 0 0
-0.13 0.13 0.0169 13 7.78443114
-0.03 0.035 0.001225 3.5 2.05882353
0.13 0.1325 0.01755625 13.25 7.16216216
0.12 0.11625 0.01351406 11.625 6.11842105
0.03 0.028125 0.00079102 2.8125 1.5040107
-0.06 0.0559375 0.003129 5.59375 3.10763889
0.00 0.00203125 4.12598E-06 0.203125 0.11099727
-0.13 0.12898438 0.01663697 12.8984375 7.58731618
-0.11 0.11449219 0.01310846 11.4492188 6.93892045
-0.01 0.00724609 5.25059E-05 0.72460938 0.42624081
0.05 0.04637695 0.00215082 4.63769531 2.65011161
En la tabla siguiente se muestran las llamadas de emergencia hechas al sistema 911 durante las últi
a) Calcule el pronóstico suavizado exponencialmente de las llamadas para cada semana. Suponga u
b) Pronostique las llamadas para las semanas 2 a 25 con un modelo de suavizamiento exponencial c
suavizamiento 𝜶=𝟎.𝟑 y 𝜷=𝟎.𝟐.

𝑺𝒆𝒎𝒂𝒏𝒂
Mes (𝒕) 𝑫𝒆𝒎𝒂𝒏𝒅𝒂 𝒓𝒆𝒂𝒍
Demanda real(𝑨_𝒕 ) pronostico Tendencia
suavizado (Ft) suavizada (Tt)
1 50 50 0
2 35 50 0
3 25 47 -0.6
4 40 42.12 -1.456
5 45 40.5312 -1.48256
6 35 40.238912 -1.2445056
7 20 38.19552512 -1.404281856
8 30 33.4329946112 -2.07593158656
9 35 31.085650419712 -2.130214107546
10 20 30.1643490497331 -1.888431560032
11 15 26.6207339917607 -2.21946825962
12 40 22.5210125857123 -2.595518888906
13 55 23.9403949574451 -1.792538636778
14 35 28.7182850565336 -0.478452889605
15 25 29.591865733543 -0.208046176282
16 55 28.5070556458088 -0.383398958572
17 55 33.4989253497891 0.691654773938
18 40 38.3524640989818 1.524031568989
19 35 39.9011965343767 1.52897174227
20 60 40.1441346213175 1.271765011204
21 75 45.1327197060174 2.015129025903
22 50 52.7182789855367 3.129215076627
23 40 54.6779952497307 2.89531531414
24 65 54.0586484510966 2.192382891585
25 ? 58.0008250741455 2.542341637878
19 35
20 60
21 75
22 50
23 40
24 65
25 ?

𝑺𝒆𝒎𝒂𝒏𝒂
Mes (𝒕) 𝑫𝒆𝒎𝒂𝒏𝒅𝒂 𝒓𝒆𝒂𝒍
Demanda real(𝑨_𝒕 ) pronostico Tendencia
suavizado (Ft) suavizada (Tt)
1 50 50 0
2 35
3 25
4 40
5 45
6 35
7 20
8 30
9 35
10 20
11 15
12 40
13 55
14 35
15 25
16 55
17 55
18 40
19 35
20 60
21 75
22 50
23 40
24 65
25 ?
19 35
20 60
21 75
22 50
23 40
24 65
25 ?
al sistema 911 durante las últimas 24 semanas en Gainesville, Florida:
para cada semana. Suponga un pronóstico inicial de 50 llamadas en la primera semana, y use 𝜶=𝟎.𝟐.
e suavizamiento exponencial con ajuste de tendencia. Suponga un pronóstico inicial de 50 llamadas para la semana 1 y una

Pronostico incluyendo la
tendencia (FIT)
50
50
46.4
40.664
39.04864
38.9944064

36.791243264
31.35706302464
28.9554363121664
28.2759174897009
24.4012657321404 Constantes de suavizamiento
19.9254936968064 Constante de suavizamiento para el pronóstico Ft a
22.147856320667 Constante de suavizamiento para el pronóstico FIT a
28.2398321669287 Constante de suavizamiento para la tendencia b
29.383819557261
28.1236566872364
34.1905801237272
39.8764956679708
41.4301682766468
41.4158996325218
47.1478487319209
55.8474940621633
57.5733105638708
56.2510313426819
60.5431667120235

Pronostico incluyendo la
tendencia (FIT)
50
0
0
0
0
0
0 Constantes de suavizamiento
0 Constante de suavizamiento para el pronóstico Ft a
0 Constante de suavizamiento para el pronóstico FIT a
0 Constante de suavizamiento para la tendencia b
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
ara la semana 1 y una tendencia inicial de cero. Use constantes de

0.2
0.3
0.2
0.2
0.3
0.2
I.- En el hotel Toronto Towers Plaza tienen los datos del registro de cuartos de los últimos nueve año
administración desea determinar el pronóstico del registro de huéspedes (el registro de cuartos está
determinar si es necesaria una ampliación futura del hotel. Con esta información desarrolle lo que s

El hotel quiere pronosticar la demanda para 2023 ajustando una recta de tendencia a estos datos (p

Año Huespedes x y xy x2
2014 17
2015 16
2016 16
2017 21
2018 20
2019 20
2020 23
2021 25
2022 24
de los últimos nueve años (ver tabla anexa). Para proyectar la ocupación futura, la
l registro de cuartos está en miles de unidades). Esta estimación ayudará a
ación desarrolle lo que se indica a continuación:

endencia a estos datos (proyección de tendencia) (3 puntos).