P. 1
Pronosticos de Regresion Lineal

Pronosticos de Regresion Lineal

|Views: 23|Likes:
Publicado porvisualkeyt

More info:

Published by: visualkeyt on Nov 28, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

06/14/2014

pdf

text

original

Introducción A continuación vamos a hablar de la producción de la venta de garrafones de la purificadora de cerro azul y se dispone de unas variables a lo largo de 5 semanas

y general mente se tabulan esta información para pronosticar cuál será la venta en las siguientes semanas Por los 4 métodos mas usados regresión lineal, método por series de tiempo, método de suavización exponencial y el método de inclusión de una tendencia Los cuales aplicaremos en esta práctica para obtener algunos pronósticos de la purificadora

Método Cuantitativo Regresión lineal

Se define a la regresión como una relación funtamental entre dos o mas variables correlacionadas y se usa para pronosticar una variable con base de en la otra. En la regresión lineal la relación entre variables forma una línea recta. La línea de regresión lineal es una forma Y = a + Bx, donde Y es la variable dependiente que queremos resolver a es la intersección de Y; b es la pendiente y X es la variable independiente (en el análisis de series de tiempo, X representa unidades de tiempo). La regresión lineal es útil para pronósticos a largo plazo de suceso importantes. Por ejemplo, seria muy útil para pronosticar la demanda de familias de productos. aunque es probable que durante un periodo varie bastante

la demanda para un producto especifico de la familia. Utilizando el método de REGRESION LINEAL. Método: * Teniendo en cuenta los datos reales definimos cuales serán la variables dependientes e independientes. X representa unidades de tiempo).los valores de a y b se obtienen de calcular: A=n(∑XtDt) – (∑Xt) (∑Dt) METODO DE REGRECION LINEAL SEMANA | VOLUMEN DE PRODUCCION EN CIENTOS DE GARRAFONES | MANTENIMIENTO PARA LA PURIFICADORA | . * Utilizando la formula: Y = a + bX Donde: *Y es la variable dependiente que queremos resolver * a es la intersección de Y * b es la dependiente de la recta. de la demanda para toda la familia es sorpresivamente regular. AGUA PURA CERRO AZUL Método cuantico: Regresión lineal OBJETIVO: se elabora un pronostico el cual refleja la relación que existe entre la venta de garrafones y la venta de miles de pesos. . *X es la variable independiente (en el análisis de series de tiempo.

05 + 2.62 x yc¹ = 1.05 y = a + bx = 2.58) (5) = 0.05 + 2.8 .58)² 0.05 + 2.7) = 5.5) = 4.58) = 1.9 | 1.05 (yc .5 | 2 | 4.58 b = ∑ X Y – n X̄ ̄ = Y ∑ X ² – n X̄ ² 39.7 | 2 | Y = ∑ Ȳ n = 25 5 = 5 X̄ = ∑ X̄ = 7.9 n 5 = 1.5 a = y – b X̄ = 5 – (2.5) (1.5 | 1.5 (1.3) = 4.1 | 1.04 .7 | 4 | 4.5 (1.6 – (5) (1.y)² = 4.14 + 1.3 | 3 | 5.8 – (5) (1.5 (1.55 yc⁵ = 1.3 yc³ = 1.12 = 2.8 | 1.3 12.05 + 2.8 yc² = 1.3 yc⁴ = 1.5 (2 ) = 6.5² ̄ = 0.5 (1.05 + 2.4) = 4.4 | 5 | 5.1 | 4.

7 | 8.8 | 0.7 .9 | 39. ordenados cronologicamente y.5² ̄ = 0.01 ̄ (yc .8 | | Metodo cuantico Series de tiempo INTRODUCCION Una serie temporal o cronologica es una secuencia de datos. observaciones o valores.prod | invercion | xy | x² | yc | (xc.5 .(yc .8 | 1.8 .1 | 1.04 | | 2 | 4.96 | 4.4 | 4 | 0.2 | 2.25 | | 3 | 5.y)² = 5.y)² = 4.5² ̄ (yc .05 . espaciados entre si de tal manera uniforme.7 | 2 | 11.49 | 0.1 . El análisis de series temporales .3 | 0.49 = 0.6 | | o.5² ̄ = 0.8 | 1.10 | 0.8 | 1.y)² = 5. medidos en determinados momentos del tiempo.5 | 1.y)² = 4.y)² = 5.01 | | 4 | 4.y)² = 6.25 = 0.09 (yc .5² = 0.y⁻ | (y-y)² | | ²) 1 | 4.y)² = 4.9 .3 | 0.5² ̄ (yc .01 | | 5 | 5.9 | 1.05 | 0.y)² = 4.69 | 4.3 .6 | 2.5² ̄ (yc .20 ̄ (yc .3 .y)² = 4.04 | 0.49 | | | 25 | 7.92 | 0.01 (yc .89 | 5. normalmente.10 ̄ (yc .5² = 0.09 | 0.4 | 6.49 ̄ 1.04 = 0.55 | 0.25 | 4.5 | 7.16 semana | Vol.5² = 1.20 | 0.3 | 5.8 | 12.5² = 0.55 .

Método: Se elabora un pronóstico basado en la demanda real de 5 semanas del mes de marzo para estimar las ventas de garrafones del mes de marzo. . Resulta difícil imaginar una rama de las ciencias en la que no aparezcan datos que puedan ser considerados como series temporales. procesamiento de señales. * Calculamos la demanda promedio para 1. se utilizo el método de promedios móviles. Son estudiadas en estadística. Por ejemplo de los datos climaticos. econometría y muchas otras areas. (n) semanas más recientes del mes de marzo para pronosticar la 5° semana.2. tanto referente a los orígenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro. De hecho uno de los usos mas habituales de las series de datos temporales es su análisis para predicción de pronostico. AGUA PURA CERRO AZUL Método cuantico: Series de tiempo OBJETIVO: se elabora un pronóstico basado en la demanda real de las 5 primeras semanas del mes de marzo para estimar las ventas de garrafones de la 6° semana del mismo mes utilizando el método de series de tiempo. de las acciones de bolsa. * Para la estimación de tendencia.4.3.comprende métodos que ayudan a interpretar este tipo de datos. extrayendo información representativa. o las series pluviométricas.

. el pronostico ft se construye con la predicción del ultimo periodo ft-1 mas una porción α de la diferencia entre el valor de la demanda real del periodo anterior At-1 y el pronostico del periodo anterior ft-1.. ft=ft-1 + α (At-1-ft-1) .95% B). Con la suavización exponencial simple. | 1 | 480 | 2 | 450 | 3 | 510 | 4 | 490 | 5 | 570 | F4=510+450+480= 480 3 Pronostico =480 A).F5=490+510+450+480/4=483 Método cuántico Suavización exponencial INTRODUCCION La suavización exponencial es una técnica de pronóstico de series de tiempo (promedios móviles) que pondera los datos históricos exponencialmente para que los datos más recientes tengan más peso en el promedio móvil.eficiencia=480/490x100=97.SEMANAS | VOL. DE PRODUCCION EN TON.

365 | .3 | 0. semanas | Demanda real (At-1) | Pronostico anterior (Ft-1) | Error de pronostico (At-1.95 | 2 | 4.5 | 0.La constante de suavización α es un numero entre 0 y 1 que entra multiplicando en cada pronostico. y a los pronósticos serán las demandas reales de los periodos anteriores.135 | 4. Una α de 1 refleja una ajuste total a la demanda reciente.Ft-1) | Pronostico | 1 | 4. AGUA PURA CERRO AZUL Cuantitativos: Suavización exponencial OBJETIVO: se elaborara un pronóstico basado en la demanda real de las 5 primeras semanas del mes de marzo para estimar las ventas garrafones de la 6° semana del mismo mes utilizando el método de suavización exponencial.1 si la primera semana el pronóstico fue de 480 garrafones y la demanda real fue de garrafones.0. ft-1 (23 garrafones de agua).Ft-1) | Correlación α(At-1.95 | .45 | -0.8 | 4. Método: la tabla sigue nuestra demanda real de ventas de garrafones del micro empresa AGUA PURA CERRO AZUL y se desea pronosticar la demanda de la sexta semana usando una suavización exponencial con un valor alfa de 0. pero cuya influencia declina exponencialmente al volverse antiguos los datos. * El pronóstico de la cuarta semana del mes de marzo (f) se construye de la predicción de último periodo.15 | 4. Una α baja de más ponderación a los datos históricos.5 | 4.

7 | 4.365 | 0.93 | 0.77 | 0.42 | .Ft-1) * At-1= de manda real del periodo anterior * Ft-1= pronostico del periodo anterior * Alfa= ponderación o constante de suavización valor de (0 a 1) Método cuántico Inclusión de una tendencia Consiste en un incremento o decremento sistemático de series de tiempos de los pronósticos atreves del tiempo.34 | . AGUA PURA CERRO AZUL Cuantitativos: Inclusión de una tendencia OBJETIVO: se elaborara un pronóstico basado en la demanda real de las 5 primeras semanas del mes de marzo para estimar las ventas de garrafones de agua de la semana del mismo mes utilizando el método de inclusión de una tendencia.0.32 | 4 | 4.33 * Ft= Ft-1+ α (At-1. Método: .77 | 5 | 5.1 | 4.279 | 5.97 | * Alfa=2/n+1=2/6+1=2/6=0.0.126 | 4. Cuando existe una tendencia los enfoques de suavización exponencial deben modificarse y si no se modifican los pronósticos estarán por arriba o por debajo de la demanda real.3 | 5.220 | 5.735 | 0.8 | 5.

3)(490+50)=522 T1=B(A-Ao)+(1-B)(To)= 0. se conoce como método de suavización exponencial ajustado a la tendencia.) *sabiendo que para iniciar Α= 0.) Para mejorar los pronósticos necesitamos estimaciones de la tendencia.Aplicando el método de inclusión de la tendencia realizar un pronóstico para la semana 6 con un valor de α y β= (0.3 Se realisa durante la primera semana 490 garrafones donde tuvo una tendencia de 50 garrafones adicionales pero la demanda fue de 480 cuál será la tendencia durante la siguientes 3 semanas Alfa =0.3(522-490)+(1-0.3 Β= 0.3)(50)=49.3 Beta=0.6=50 D=480 garrafones . En nuestro caso utilizaremos el procedimiento de incorporación de tendencia a un pronóstico suavizado exponencialmente.3(480)+(1-0.3 Para poder pronosticar la demanda de las semanas siguientes Ao=490 To=50 A1=D+(1-a)(Ao+To)= 0.15. *siendo de esta forma utilizaremos la siguiente fórmula: At=α(Dt) + (1-α) +(At-1+Tt-1 Donde: At= α (demanda de este periodo) + (1-α) + (promedio + estimación de la tendencia del ultimo periodo.

6=24 garrafones F3=465+24=489 garrafo .7)(472) =135+370.4 =465.3)(522-50) =133+(0.50 A2=0.F2=A1+T1=522 +50=572 Segunda semana 4.4+35 =23.2(465-522)+(1-0.3(450)+1-0.3)(50) =-11.4=465 T2=0.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->