Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Actividad:
La compañía busca pronosticar a corto plazo, el número de productos que debe abastecer. Los datos de consum
810, 930, 850, 790, 770, 810, 770, 730.
a) Utilizando un α igual a 0,23 prepare una suavización exponencial de los datos. Use la media de los primeros m
de suavización exponencial en el noveno mes para el resto del año.
a)
α 0.23
𝑭_𝒕=(𝑫_(𝒕−𝟏)∗𝜶)+((𝟏−𝜶)∗𝑭_(𝒕−𝟏)
Use la media de los primeros meses como valor inicial para el pronóstico inicial, y comience el proceso
+((𝟏−𝜶)∗𝑭_(𝒕−𝟏)
b)
Regresión Lineal
Pronóstico de la
t (Meses) Demanda real (Dt) demanda regresión Los ocho prime
lineal del pronósti
1 670 698.333 regresión li
corresponden a
2 710 723.452 obtenidos a pa
3 750 748.571 herramienta an
datos de EX
4 780 773.690 (Pronóstico pa
5 810 798.810 datos del pronós
6 930 823.929 meses 9 al 1
obtienen, med
7 850 849.048 método de re
8 790 874.167 lineal, tomand
9 770 899.286 coeficientes a
ecuación, los en
10 810 924.405 a partir del mism
11 770 949.524 de datos anter
12 730 974.643 abajo).
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.75911559588594
Coeficiente de determinación R^2 0.576256487917265
R^2 ajustado 0.505632569236809
Error típico 56.989625900838
Observaciones 8
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Promedio de los cuadrados
Regresión 1 26500.5952380952 26500.5952
Residuos 6 19486.9047619048 3247.81746
Total 7 45987.5
F Valor crítico de F
8.15950883 0.02893461
α 0.2
β 0.4
c)
En terminos de pronóstico, cuando se habla de error, se hace referencia a la diferencia entre el valor pronóstico
pronóstico que mejor se ajuste a los datos de demanda real. En este sentido, al observar, el MAD (Desviación ab
anteriores, se puede concluir que, el modelo de pronóstico más apropiado para la demanda mensual de la emp
tiene menor MAD y MAPE presenta, seguido por el método de Holt y por ultimo, es valido afirmar que de los tr
zados anteriormente (Apliquelo a los cuatro últimos meses)
ncia entre el valor pronóstico y la realidad, de igual forma, los pronóticos son utiles para determinar el modelo de
servar, el MAD (Desviación absoluta media) y el MAPE, para cada uno de los modelos empleados en los items
demanda mensual de la empresa, es el método de suavización exponencial simple, puesto que de los tres es el que
es valido afirmar que de los tres modelos el que menor ajuste tiene a los datos es el de regresión lineal.
gresión lineal
MAD MAPE
129.286 0.168
114.405 0.141
179.524 0.233
244.643 0.335
166.964 21.935%
d) La empresa desea saber el pronóstico de enero a mayo. Haga el pronóstico con 2 de los métodos desarrollado
d)
Pronóstico
de la
Demanda
t (Meses) demanda t (Meses)
real (Dt)
regresión
lineal
1 670 698.333 1
2 710 723.452 2
3 750 748.571 3
4 780 773.690 4
5 810 798.810 5
6 930 823.929 6
7 850 849.048 7
8 790 874.167 8
9 770 899.286 9
10 810 924.405 10
11 770 949.524 11
12 730 974.643 12
13 999.762 13
14 1024.881 14
15 1050.000 15
16 1075.119 16
17 1100.238 17
on 2 de los métodos desarrollados en clase.
α 0.2
β 0.4
Segundo Método
Suavización Exponencial doble - Método de Holt
Pronóstico
Demanda
At Tt por metodo
real (Dt)
holt
670
710
750
780
810
930
850
790 874.17 25.1190476
770 873.43 15 888.20
810 872.56 9 881.08
770 858.87 0 858.50
730 832.80 -11 822.15
Pronostico 1 822.15
Pronostico 2 811.51
Pronostico 3 800.86
Pronostico 4 790.21
Pronostico 5 779.57
e) Utilice los 12 datos para calcular la tendencia de la pendiente, utilizando el método de regresión lineal simple
e)
Método 1: Método Gráfico
Pronóstico
Demanda de la
T (Meses)
real (Dt) demanda
(Ft)
Demanda Rea
1 670 753.333 1000
2 710 758.333 900
3 750 763.333 800
f(x) = 5 x + 748.333333333333
Demanda mensual
4 780 768.333 700 R² = 0.071655253048271
600
5 810 773.333
500
6 930 778.333 400
7 850 783.333 300
8 790 788.333 200
9 770 793.333 100
0
10 810 798.333 0 2 4 6 8
11 770 803.333 Tiempo en Meses
12 730 808.333
b 5
a 748.33333333333
de regresión lineal simple.
Estadísticas de la regresión
) = 5 x + 748.333333333333 Coeficiente de correlación múlti
= 0.071655253048271 Coeficiente de determinación R
R^2 ajustado
Demana Error típico
Real Observaciones
Linear
(Deman
a Real) ANÁLISIS DE VARIANZA
2 4 6 8 10 12 14
Tiempo en Meses Regresión
Residuos
Total
Intercepción
ar los coeficientes a y b, mediante Variable X 1
dísticas de la regresión
0.267684988462691
0.071655253048271
-0.021179221646902
68.0563492017216
12
f)
Pronóstico
Demanda de la
t (Meses)
real (Dt) demanda
(Ft) 1000
Demanda real
4 780 768.333 contar con los datos de 600
5 810 773.333 demanda real, para 500
poder encontrar un
6 930 778.333 pronóstico, como se 400
7 850 783.333 observa en el presente
item. 300
8 790 788.333
200
9 770 793.333
10 810 798.333 100
11 770 803.333 0
0
12 730 808.333
13 813.333
14 818.333
15 823.333
16 828.333
17 833.333
Demanda real Mensual
1000
900
800
f(x) = 5 x + 748.333333333333
700 R² = 0.071655253048271
Demanda real
600
Demanda real
500
Linear (Demanda real)
400
300
200
100
0
0 2 4 6 8 10 12 14
Tiempo (Meses)
120000
100000
80000
Column K
60000 Column I
Column J
Column L
40000
20000
0
1 2 3 4 5 6 7 8 9 10
g) Genera una demanda aleatoria entre 1000 y 5000 para un período de un año. Determine el pronóstico corre
t (Meses) Demanda
real (Dt) Demanda Real Mensual
1 4595
102000
2 3103 101000
3 4356 f(x) = 558.66060606061 x + 94404.2666666666
Análisis de distintos modelos de demanda, para determinar el mejor método para los datos de demanda obtenid
Se emplean y evaluan los modelos de pronostico Promedio Movil Simple (N = 2, N =4 , N =6), suavización expone
Holt) y regresión lineal. Al comparar los MAD y MAPE de cada método, se puede afirmar, que el modelo de pron
exponencial doble o método Holt, por lo que los datos de Enero a marzo del siguiente año, se encontraran med
α 0.5
β 0.5
Suavización Exponencial Doble
t (Años) Dt At Tt Ft
1 95003 95004 0 95004
2 95811 95407.5 201.75 95609.25
3 96013 95811.125 302.6875 96113.8125
4 96720 96416.9063 454.234375 96871.1406
5 97124 96997.5703 517.449219 97515.0195
6 97729 97622.0098 570.944336 98192.9541
7 98032 98112.4771 530.705811 98643.1829
8 98436 98539.5914 478.910095 99018.5015
9 98941 98979.7508 459.534714 99439.2855
10 100960 100199.643 839.713345 101039.356
11
12
13
. Determine el pronóstico correspondiente para los 3 siguientes períodos de acuerdo con los datos obtenidos de la demanda. Determina el
ORIO.ENTRE() de excel
12 14
α α
0.5 β
dio Movil Simple Suavización Exponencial Simple Suavización Ex
Ft et et /Dt At
et/Dt n=6 e=6 et /Dt
95003 95003
95003 808 0.00843327 95407
95407 606 0.00631165 95811
95710.000 1010.000 0.01044251 96417
0.01273887 96215.000 909.000 0.00935917 96997.75
0.01342488 96669.500 1059.500 0.0108412 97622.1875
0.01158295 96400.000 1632.000 0.017 97199.250 832.750 0.00849468 98112.6094
0.01051191 96904.833 1531.167 0.016 97615.625 820.375 0.0083341 98539.668
0.01122639 97342.333 1598.667 0.016 98025.813 915.188 0.00924983 98979.7803
0.02650059 97830.333 3129.667 0.031 98483.406 2476.594 0.02453045 100199.641
n =6 S. E. Simple M. Holt
MAD 1972.875 MAD 1048.600694 MAD
MAPE 1.98% MAPE 1.07% MAPE
0.5
0.5
Suavización Exponencial Doble Regresión Lineal Y = -233,38 x + 4625
Tt Ft et et / Dt Ft et et/ Dt
Demanda
111116
3939 x − 1593502.17326729
110276
109436
108597
07757 Demanda
17
Linear (Demanda)
Linear (Demanda)