Sin título 1

 V, V, F, F, F.

El índice de variación estacional del segundo trimestre es 131,58% (en tanto por ciento). 

Verdadero

25/19= 1,3158

Los índices de variación estacional deben sumar 3. 

Falso

Los índices de variación estacional deben sumar  4 (si hay trimestres), 2 (semestres), 12 (meses), 3 (cuatrimestres)

Si los resultados en ventas del primer y segundo trimestres del año 4 son respectivamente 20 y 30, podemos decir que el resultado del segundo trimestre ha sido superior al del primero. 

Falso

T * C * S * E / S;               20/0,7368= 27,14     30/1,3158= 22,88

La desestacionalización de una serie temporal consiste en eliminar la tendencia (y el ciclo unido a ella) para visualizar las oscilaciones estacionales. 

Falso, elimina la componente estacional

 V, V, F, F, F.

El índice de variación estacional del segundo trimestre es 131,58% (en tanto por ciento). 

Verdadero

25/19= 1,3158

Los índices de variación estacional deben sumar 3. 

Falso

Los índices de variación estacional deben sumar  4 (si hay trimestres), 2 (semestres), 12 (meses), 3 (cuatrimestres)

Si los resultados en ventas del primer y segundo trimestres del año 4 son respectivamente 20 y 30, podemos decir que el resultado del segundo trimestre ha sido superior al del primero. 

Falso

T * C * S * E / S;               20/0,7368= 27,14     30/1,3158= 22,88

La desestacionalización de una serie temporal consiste en eliminar la tendencia (y el ciclo unido a ella) para visualizar las oscilaciones estacionales. 

Falso, elimina la componente estacional

Ejercicio 3:

A partir de los datos de ventas del año 3 del ejercicio anterior, realizar la previsión de ventas para el primer trimestre del año siguiente (el año 4) utilizando el método de alisado exponencial con un a=0.8.

Año 3                    St+1 = α * Xt + (1- α) * St     Con α = 0,8

X1  17                    S1= Xt

X2  29                    S1= 0,8 * X1 + 0,2 * S1 = 0,8 * 17 + 0,2 * 17= 17

X3  12                    S1= 0,8 * X2 + 0,2 * S2 = 0,8 * 29 + 0,2 * 17= 26,6

X4  32                    S1= 0,8 * X3 + 0,2 * S3 = 0,8 * 12 + 0,2 * 26,6= 14,92

S5                          S1= 0,8 * X4 + 0,2 * S4 = 0,8 * 32 + 0,2 * 14,92= 28,58  Previsión de ventas

Ejercicio 4:

A partir de la información sobre las ventas realizadas en los 10 últimos años (2008-2017), la empresa SALAZAR S.A. Obtuvo la siguiente información:

Ecuación de tendencia lineal con origen en 2014:

Y= a + bt  = 96 + 28.8 t

(t en años)

Coeficiente de determinación: R²= 0,97

La predicción de las ventas para el año 2018 es de …..211,2

Si las ventas de esta empresa no presentaran estacionalidad, los Índices de Variación Estacional tomarían el valor…..1

La previsión de ventas que se puede realizar para el año 2019 no sería tan fiable por ser a más largo plazo Verdadero/falso

Año                                                                                                                    Yt= 96 + 28,8 * t

2008                        2014      0                                     
                                 Y 2018= 96 + 28,8 * (4) = 211,2

2009                        2015      1

2010                        2016      2

2011                        2017      3

2012                        2018      4

2013

A partir de la ecuación lineal obtenida por regresión minimocuadrática:  TAM = 227,8 * mes  + 12999

TAM estimado para el mes 25 = 227,8*25 + 12999 =  18694

TAM estimado para el mes 26 = 227,8*26 + 12999 = 18922

TAM n = TAMn-1  +  Vn  –  Vn-12

TAM 25 = TAM24  +  V25  –  V13

TAM 26 = TAM25  +V26  –  V14

Ventas 25  =TAM 25 -TAM24  +   V13  =   18694 – 18410 + 1450  = 1734