Problema 1 : Pronósticos Estacionales

El gerente de planta de AVINKA S.A, está intentando planear las necesidades de efectivo, personal y materiales
suministros para cada trimestre del próximo año. Los datos de ventas trimestrales durante los últimos tres añ
razonablemente parecen reflejar el patrón de resultados estacional que debe esperarse en el futuro. Si pudie
estimar las ventas trimestrales del siguiente año, podría determinar las necesidades de efectivo, material, person
y suministro.

Año Ventas trimestrales (miles de unidades)

T1 T2 T3 T4
1 520 730 820 530
2 590 810 900 600
3 650 900 1,000 650

SOLUCION
587 813 1040.2 593

Año Ventas trimestrales (miles de unidades)

T1 T2 T3 T4
1 0.45 0.63 1.27 1.12
2 0.51 0.70 1.16 0.99
3 0.56 0.78 1.04 0.91

x ventas y x2 xy y2
1 0.44812133746984 1 0.44812133747 0.20081273
2 0.62909341606343 4 1.258186832127 0.39575853
3 1.26853658536585 9 3.805609756098 1.60918507
4 1.11949685534591 16 4.477987421384 1.25327321
5 0.5084453636677 25 2.542226818339 0.25851669
6 0.69803516028956 36 4.188210961737 0.48725309
7 1.15577777777778 49 8.090444444444 1.33582227
8 0.98888888888889 64 7.911111111111 0.97790123
9 0.56 81 5.04 0.3136
10 0.78 100 7.8 0.6084
11 1.04 121 11.44 1.0816
12 0.91 144 10.92 0.8281
66 9.19639538486895 506 57.00189868271 8.52212282
es de efectivo, personal y materiales y
estrales durante los últimos tres años
be esperarse en el futuro. Si pudiera
sidades de efectivo, material, personal

Total
Anual
2,601 1,160
2,902
3,203

Total
Anual
4
5
6
Problema 2 : Pronósticos Estacionales

La empresa de Calzado Flor deOro S.A. requiere pronosticar la demanda agregada(pares de zapatos) de sus pro
12 meses. Con base a las ventas de los 3 últimos años aplicar el método de descomposición de series de tiemp

Año Ene Feb Mar Abr May Jun Jul

1 (2010) 1,640 1,765 1,980 2,100 1,670 1,900 1,750
2 (2011) 1,850 1,940 2,090 2,330 1,860 2,120 1,970
3 (2012) 2,060 2,180 2,340 2,540 2,095 2,360 2,205

f(x)12= NaN x + NaN

R² =100
8
6
4
2
0
0 5 10 15 20 25 30
f(x)12= NaN x + NaN
R² =100
8
6
4
2
0
0 5 10 15 20 25 30
es de zapatos) de sus productos que manufactura para los próximos
sición de series de tiempo para tal fin.

Ago Sep Oct Nov Dic

1,830 1,650 1,670 1,720 1,650
2,080 1,870 1,900 1,950 1,835
2,280 2,100 2,110 2,180 2,045

NaN

10 15 20 25 30 35 40
NaN

10 15 20 25 30 35 40
Problema 3 : Pronósticos Estacionales

La Gerencia de Ventas de Molino La Perla SAC trujillo, desea establecer su proyección financiera a mediano
plazo y para lo cual necesita la proyección de la demanda para el siguiente año mes a mes. Realizar dicha
proyección utilizando el método de descomposición de series de tiempo. Para tal efecto se cuenta con
información de las ventas realizadas en los últimos tres años mes a mes.

Año
Mes
2010 2011 2012
Enero 12,500 14,375 15,813
Febrero 12,570 14,456 15,901
Marzo 13,050 15,008 16,508
Abril 13,780 15,847 17,432
Mayo 14,200 16,330 17,963
Junio 15,300 17,595 19,355
Julio 15,900 18,285 20,114
Agosto 16,000 18,400 20,240
Septiembre 15,200 17,480 19,228
Octubre 15,000 17,250 18,975
Noviembre 14,200 16,330 17,963
Diciembre 13,800 15,870 17,457

También se le solicita validar su modelo e interprete cada índice de valoración hallado.

proyección financiera a mediano
año mes a mes. Realizar dicha
ara tal efecto se cuenta con
Problema 4 : Pronósticos Estacionales
Alicorp, para su línea de productos aceites comestibles requiere pronosticar la demanda agregada(en miles de litros) de
Con base a las ventas de los 3 últimos años: (1) Aplicar el método de descomposición de series de tiempo para pronosti
empleada. (3) Haga un gráfico

Demanda histórica por producto (cajas)

Año Producro Ene Feb Mar Abr
1 (2010) Aceite Primor 5 litros 460000 500000 525000 545000
Aceite Primor litro 860000 890000 935000 950000
Aceite Primor 1/2 litro 840,000 880,000 910,000 1,200,000
Aceite Cocinero litro 650,000 700,000 740,000 950,000
Aceite Cocinero 1/2 itro 150,000 170,000 190,000 230,000
2 (2011) Aceite Primor 5 litros 490000 530000 555000 575000
Aceite Primor litro 895000 925000 970000 985000
Aceite Primor 1/2 litro 860,000 920,000 930,000 1,235,000
Aceite Cocinero litro 680,000 720,000 760,000 970,000
Aceite Cocinero 1/2 itro 168000 188000 208000 248000
3 (2012) Aceite Primor 5 litros 515000 555000 580000 600000
Aceite Primor litro 940000 970000 1015000 1030000
Aceite Primor 1/2 litro 875,000 935,000 1,020,000 1,280,000
Aceite Cocinero litro 710,000 750,000 790,000 1,000,000
Aceite Cocinero 1/2 itro 190,000 210,000 230,000 270,000

Presentación Envase Unidad

litro /envase presentac envase /caja
Aceite Primor 5 litros Bidón 5.0 caja 4
Aceite Primor litro Botella 1.0 caja 6
Aceite Primor 1/2 litro Botella 0.5 caja 12
Aceite Cocinero litro Botella 1.0 caja 6
Aceite Cocinero 1/2 itro Botella 0.5 caja 12

Solución:
enero febrero marzo abril
1 2010 2960044 3140000 3300000 3875000
2 2011
3 2012
gada(en miles de litros) de sus productos que manufactura para los próximos 12 meses.
es de tiempo para pronosticar todo el año 2013. (2) Valide la técnica de pronóstico

May Jun Jul Ago Sep Oct Nov Dic

620000 650000 580000 540000 480000 430000 450000 600000
1020000 1080000 1150000 1000000 970000 960000 930000 900000
1,250,000 1,340,000 1,380,000 1,420,000 1,205,000 1,150,000 1,250,000 1,300,000
980,000 1,020,000 1,100,000 1,250,000 1,210,000 1,100,000 1,050,000 1,050,000
250,000 280,000 250,000 250,000 220,000 215,000 190,000 180,000
650000 680000 610000 570000 510000 460000 480000 630000
1055000 1115000 1185000 1035000 1005000 995000 965000 935000
1,320,000 1,380,000 1,410,000 1,480,000 1,300,000 1,200,000 1,270,000 1,310,000
1,000,000 1,040,000 1,120,000 1,270,000 1,230,000 1,120,000 1,070,000 1,070,000
268000 298000 268000 268000 238000 233000 208000 198000
675000 705000 635000 595000 535000 485000 505000 655000
1100000 1160000 1230000 1080000 1050000 1040000 1010000 980000
1,370,000 1,425,000 1,480,000 1,550,000 1,450,000 1,300,000 1,350,000 1,370,000
1,030,000 1,070,000 1,150,000 1,300,000 1,260,000 1,150,000 1,100,000 1,100,000
290,000 320,000 290,000 290,000 260,000 255,000 230,000 220,000

litros/cja
20
6
6
6
6

mayo junio julio agosto setiembre octubre noviembre diciembre

4120000 4370000 4460000 4460000 4085000 3855000 3870000 4030000

=
Un distribuidor Des Moines de computadoras portátiles Sony quiere desarrollar un pronostico
mensual para las ventas del 2008. Se dispone de los datos mensuales para los años 2005 a 2007.

2005 2006 2007

Enero 80 85 105 enero
Febrero 70 85 85 2005 80
Marzo 80 93 82 2006 85
Abril 90 95 115 2007 105
Mayo 113 125 131
Junio 110 115 120 0.96
Julio 100 102 113
Agosto 88 102 110
Septiembre 85 90 95 | enero
Octubre 77 78 85 2005
Noviembre 75 82 83 2006
Diciembre 82 78 80 2007
 pronostico
s 2005 a 2007.

febrero marzo abril mayo junio julio agosto setiembre

70 80 90 113 110 100 88 85
85 93 95 125 115 102 102 90
85 82 115 131 120 113 110 95

0.85 0.9 1.06 1.31 1,22 1.12 1.06 0.96

febrero marzo abril mayo junio julio agosto setiembre

94
-
-
-
-
-
-
-
-
-
-
-
-
octubre noviembre diciembre
77 75 82 94
78 82 78
85 83 80

0.85 0.85 0.85

octubre noviembre diciembre

Mark Cotteleer posee una compañía que fabrica lanchas. Las demandas reales de las lanchas de
Mark durante cada temporada desde 2004 hasta 2007 fueron como se muestra en la tabla
adjunta.
Mark ha pronosticado que la demanda anual de sus lanchas en 2009 será igual a 5,600. Con
base en estos datos y el modelo estacional, ¿cuál será el nivel de la demanda para las lanchas
de Mark en la primavera de 2009?

Año
Temporada 2004 2005 2006 2007
Invierno 1400 1200 1000 900
Primavera 1500 1400 1600 1500
Verano 1000 2100 2000 1900
Otoño 600 750 650 500

invierno primavera verano otoño 1250

2004 1400 1200 1000 900
2005 1200 1400 1600 1500
2006 1000 2100 2000 1900
2007 900 750 650 500
0.9 1.09 1.05 0.96

invierno primavera verano otoño

2004 1.12 0.96 0.8 0.72
2005 0.96 1.12 1.28 1.2
2006 0.8 1.68 1.6 1.52
2007 0.72 0.6 0.52 0.4

Estacion Ventas
1 1400
2 1200
3 1000
4 900
5 1200
6 1400
7 1600
8 1500
9 1000
10 2100
11 2000
12 1900
13 900
14 750
15 650
16 500
17 1068.75
18 1045.53571
19 977.692308
20 819.230769
21 528.030303
22 205
23 -159.69697
24 -514.444444
25 -1081.54762 0.9 -973.392857
26 -2758.92857 1.09 -3007.23214
27 -3280.47619 1.05 -3444.5
28 -3330 0.96 -3196.8

invierno primavera
2004 1400 1200
2005 1200 1400
2006 1000 2100
2007 900 750
2009 973 3007
 Chart Title
4000

3500

3000
 Chart Title
4000

3500

3000

2500

2000

1500
verano otoño
1000 900 1000
1600 1500 500
2000 1900
650 500 0
800 900 1000 1100 1200 1300 1400 1500
3444 3196
Column H Column I Column J
1300 1400 1500

Column J
la asistencia al nuevo parque tipo disney en los
angeles, vacation world, ha dado la siguiente data,
determine la asistencia pronosticada para el 2009

Asistencia
Año Temporada
(miles)
Invierno 73
Primavera 14
2005
Verano 168
Otoño 74
Invierno 65
Primavera 82
2006
Verano 124
Otoño 52
Invierno 89
Primavera 146
2007
Verano 205
Otoño 98