TAREA MTODOS PREDICCIN DE DEMANDA

Prediccin de Demanda en Transporte Pblico

Integrantes: - Nicole Gamerre

- Pamela Palacios
- Tamara Ramirez

Profesores: - Carlos Reveco

- Richard Weber

Fecha Entrega: 23-07-2017

A) ENTREGA DE SOLUCIONES:
 1. Tipo de patrones en los datos:

Para predecir la demanda en transporte pblico, lo primero que realizamos fue

determinar un patrn o caracterstica de la demanda entregada.

150
100
50
0
01-mar-05

15-mar-05
02-mar-05
02-mar-05
03-mar-05
03-mar-05
04-mar-05
05-mar-05
05-mar-05
06-mar-05
06-mar-05
07-mar-05
08-mar-05
08-mar-05
09-mar-05
09-mar-05
10-mar-05
10-mar-05
11-mar-05
12-mar-05
12-mar-05
13-mar-05
13-mar-05
14-mar-05

15-mar-05
16-mar-05
16-mar-05
17-mar-05
18-mar-05
18-mar-05
19-mar-05
19-mar-05
20-mar-05
20-mar-05
21-mar-05
FECHA

Lunes a Viernes la demanda por el transporte pblico comienza a aumentar a medida que
avanza la maana, el primer Peak se produce entre las 12:00 y las 15:00, y el segundo
Peak ocurre entre las 18:00 y 19:00, hora que coincide con la salida de las personas de su
trabajo. As tambin podemos observar que durante los fines de semana disminuye la
demanda de transporte.

Es decir, de lunes a Viernes en la maana la mayor parte de la poblacin utiliza transporte

pblico para llegar a su lugar de trabajo, luego durante el da disminuye la demanda ya
que son menos personas quienes utilizan el transporte, a medioda, hora de almuerzo
aumenta nuevamente la demanda, para que al final de la jornada laboral la demanda del
transporte pblico llega a su mayor peak.
Los fines de semana la mayor parte de la poblacin no trabaja, por lo que esto implica que
la demanda disminuya.

Por lo tanto, encontramos un componente estacional en los datos, ya que son los mismos
patrones lo que se repiten a s mismo periodo tras periodo.

2. Pronosticar Demanda en 4 periodo.

Para visualizar la tendencia de la demanda, durante lo das 22, 23 y 25 se calcul el
pronstico de demanda del periodo 4, es decir, para definir la demanda el Martes 22 a las
06.30 am se utilizan los datos de los 3 martes anteriores.

Por ejemplo:

Tuesday Tuesday Tuesday Tuesday Tuesday Tuesday

6:30 6:45 7:00 7:15 7:30 7:45
Sem 1 1 2 4 0 10 13
Sem 2 5 3 1 8 6 11
Sem 3 0 2 4 7 13 11
Sem 4 2 2,333333333 3 5 9,666666667 11,66666667

Por otro lado, Utilizando el mtodo de promedio mvil ponderado, Multiplicamos el

periodo 3 (ms reciente) por 50%, el periodo 2 (el intermedio 2) por 30% y el periodo 1 (el
ms lejano) por 20%, el resultado de cada producto lo sumamos y obtuvimos los valores
segn la siguiente tabla

Tuesday Tuesday Tuesday Tuesday Tuesday Tuesday

6:30 6:45 7:00 7:15 7:30 7:45
Sem 1 1 2 4 0 10 13
Sem 2 5 3 1 8 6 11
Sem 3 0 2 4 7 13 11
Sem 4 1,5 1,3 1,1 3,8 4,4 5,5

Un objetivo comn en la aplicacin de tcnicas de predicciones es minimizar tales

desviaciones o errores en los pronsticos. Dichos errores se definen como la diferencia
entre el valor real y lo que se ha pronosticado. Se pueden presentar como

=
El subndice i indica que es el error del periodo de tiempo i el que se analiza. Como se
muestra en la tabla anterior, un valor del error se asocia con cada observacin para la cual
existe tanto un valor real como un valor pronosticado.1

1
Makridakis - Wheelwrigth, Mtodos de pronstico, Mxico, D.F., Limusa, 1998, pp67-69
Por lo tanto, la manera en que aplicamos lo dicho anteriormente es la diferencia entre la
demanda y el pronostico:

FECHA HORA DEMANDA Pronstico Error

22-mar-05 6:30 2 1,5 0,5

Luego, al error aplicamos la frmula ABS de error absoluto.

Posteriormente, para calcular el MSE (Mean Square Error), aplicamos la frmula en la

columna error cuadrado.

Segn, nuestro mtodo de prediccin arroj lo siguiente:

Error Error
FECHA HORA DEMANDA Porcentual Cuadrtico
22-mar-05 6:30 2 25% 0,25000000

MSE 399,5