Taller de Proyecciones

Fumc
Fundación Universitaria María Cano

Evaluación de Proyectos
Docente: Alexander Zuluaga Brand
Taller de Proyecciones de ventas
1. Regresión Simple: Se debe calcular el método de regresión simple por los

diferentes métodos y determinar la proyección por el método de mejor ajuste.
Regresión Lineal, Logarítmica, Potencial, Exponencial, Polinomial.
Periodos Ventas
1 302.439
2 300.249
3 298.205
4 296.161
5 294.117
6 294.032
Regresión Lineal
Se establece la relación económica entre ambas variables a través de la ecuación de regresión
y=mx+b
Para encontrar las variables m y b se usan las ecuaciones
n ∑ x i y i−∑ xi ∑ y i
m=
n ∑ x i2−¿ ¿ ¿ ¿
b= ý−m x́
Calculamos los valores que necesitamos
x y xy x^2
1 302.439 302.439 1
2 300.249 600.498 4
3 298.205 894.615 9
4 296.161 1184.644 16
5 294.117 1470.585 25
6 294.032 1764.192 36
21 1785.203 6216.973 91
6 ( 6216.973 )−(21)( 1785.203)

m= =−1.785
6 ( 91 )−(21)2
1785.203 21
b= − (−1.785 ) =303.7813
6 6
Fumc
Regresión Lineal
304
302
f(x) = − 1.79 x + 303.78
300
298
296
294
292
290
288
0 1 2 3 4 5 6 7
Calculamos la suma de cuadrados de residuos (Sr)

n
Sr =∑ ¿ ¿
i=1
2 2 2
Sr =(302.439−(−1.785 ( 1 )+ 303.78 ) ) +(300.249−( −1.785 ( 2 ) +303.78 ) ) +(298.205−(−1.785 ( 3 ) +303.78 ) ) +(2
Calculamos la suma total de los cuadrados de las restas entre cada uno de los puntos y la media
(St)
St =∑ ( y i− ý )2
St =(302.439−297.534)2 +(300.249−297.534)2+(298.205−297.534)2+(296.161−297.534 )2+(294.117−297.

Calculamos el coeficiente de determinación
St −Sr
r 2=
St
57.706−1.94658
r 2= =0.9662
57.706
Regresión Logarítmica

logarítmica
Fumc
y= A +Bln ( x)
Para encontrar las variables A y B, linealizamos la ecuación con una sustitución, decimos que
ln ( x )=x '
Reemplazando tenemos
y= A +Bx '
Para calcular A y B, utilizamos las ecuaciones lineales
n ∑ x i ' y i−∑ xi ' ∑ y i

B=
n ∑ x i ' 2−¿ ¿ ¿ ¿
A= ý−B x́ '
Realizamos los cálculos
X y Ln(x) x'y x'^2

1 302.439 0 0 0
2 300.249 0.693147181 208.116748 0.48045301
3 298.205 1.098612289 327.611678 1.20694896
4 296.161 1.386294361 410.566324 1.92181206
5 294.117 1.609437912 473.36305 2.59029039
6 294.032 1.791759469 526.83462 3.210402
21 1785.203 6.57925121 1946.49242 9.40990642
6 ( 1946.49242 )−( 6.5792)(1785.203)

B= =−5.029
6 ( 9.4099 )−(6.5792)2
1785.203 6.5792
A= −(−5.029 ) =303.048
6 6
Fumc
Regresión Logaritmica
304
f(x) = − 5.04 ln(x) + 303.06

302
300
298
296
294
292
290
288
0 1 2 3 4 5 6 7

n
Sr =∑ ¿ ¿
i=1
2 2
Sr =(302.439−(−5.029 ( 0 ) +303.048 ) ) +(300.249−(−5.029 ( 0.693 ) +303.048 ) ) +(298.205− (−5.029 (1.0986 )+
(St)
St =∑ ( y i− ý )2
St =(302.439−297.534)2 +(300.249−297.534)2+(298.205−297.534)2+(296.161−297.534 )2+(294.117−297.

St −Sr
r 2=
St
57.706−2.0156
r 2= =0.96 51
57.706
Regresión Potencial
y= A x B
Fumc
LogY =logA X b
LogY =logA +logX b

LogY =logA + BlogX
Y ' =LogY
A' =logA
X ' =logX
Entonces tenemos
Y ' = A' + BX '

Para calcular Y’, A’ y X’, utilizamos las ecuaciones lineales
n ∑ x i ' y i '−∑ xi ' ∑ y i '

B=
n ∑ x i ' 2−¿ ¿ ¿ ¿
A' = ý ' −B x́ '

x y X'= logX Y'=logY x'y' x'^2
1 302.439 0 2.480637793 0 0
0.7457962
2 300.249 0.301029996 2.47748157 0.09061906
7
1.1806436
3 298.205 0.477121255 2.474514921 0.22764469
6
1.4880080
4 296.161 0.602059991 2.471527868 0.36247623
5
1.7254215
5 294.117 0.698970004 2.468520128 0.48855907
2
1.9207843
6 294.032 0.77815125 2.468394598 0.60551937
4
7.0606538
21 1785.203 2.8573325 14.8410769 1.77481842
4
6 ( 7.0606 )−(2.8573)(14.841)
B= =−0.017
6 ( 1.7748 )−(2.8573)2
14.841 2.8573
A '= −(−0.0167 ) =2.4814
6 6
Fumc
Devolvemos la sustitución
A' =logA
2.4814=logA
A=102.4814 =303.08
Regresión Potencial
304
f(x) = 303.08 x^-0.02

302
300
298
296
294
292
290
288
0 1 2 3 4 5 6 7

n
Sr =∑ ¿ ¿
i=1
2 2
Sr =( 2.4806−(−0.017 ( 0 )+ 2.4814 ) ) + ( 2.477−( −0.017 ( 0.3010 ) +2.4814 ) ) + ( 2.4745− (−0.017 ( 0.4771 ) +2.4814
(St)
St =∑ ( y i '− ý ')2
St =(2.4806−2.473)2+(2.4774−2.473)2+(2.4745−2.473)2 +(2.4715−2.473)2 +(2.4685−2.473)2 +(2.4683−2.

St −Sr
r 2=
St
Fumc
2 0.0001225−4.698∗1006
r= =0.9616
0.0001225
Regresión Exponencial
y= A e Bx
Lny=lnA e Bx
Lny=lnA + Bx
Y ' =lny
A' =lnA
Entonces tenemos
Y ' = A' + Bx
n ∑ x i y i '−∑ xi ∑ y i '
B=
n ∑ x i2−¿ ¿ ¿ ¿
A= ý '−B x́
x y Y'=lny xY' x^2

1 302.439 5.711879604 5.7118796 1
2 300.249 5.70461213 11.4092243 4
3 298.205 5.697781169 17.0933435 9
4 296.161 5.690903225 22.7636129 16
5 294.117 5.683977647 28.4198882 25
6 294.032 5.683688605 34.1021316 36
21 1785.203 34.1728424 119.50008 91
6 ( 119.50 ) −( 21 )( 34.1728 )
B= 2
=−5.9886∗10−3
6 ( 91 )− ( 21 )
Fumc
34.1728 21
A '= −( −5.9886∗10−3 ) =5.7164
6 6
Devolvemos la sustitución
A' =lnA
5. 7164=lnA
A=e 5.7164
A=303.82
Regresión Exponencial
304
302
f(x) = 303.82 exp( − 0.01 x )
300
298
296
294
292
290
288
0 1 2 3 4 5 6 7

n
Sr =∑ ¿ ¿
i=1
2 2 2
Sr =( 5.7118−(−0.00599 ( 1 ) +5.7164 ) ) + ( 5.7046−(−0.00599 ( 2 ) +5.7164 ) ) + ( 5.6977−( −0.00599 (3 )+ 5.7164 ) ) +
(St)
St =∑ ( y i '− ý ')2
St =(5.7118−5.6954)2 +(5.7046−5.6954)2 +(5.6977−5.6954)2 +(5.6909−5.6954)2 +(5.6839−5.6954)2+(5.68

Fumc
2 St −Sr
r=
St
0.000 6499−2.1513∗100 5
2
r= =0.96 68
0.000 6499
Regresión Polinomial
y=a0 +a1 x+ a2 x 2
Donde a 0 , a1 y a2 se encuentran resolviendo el siguiente sistema de ecuaciones lineales:
n ∑ x i ∑ x i2 a0 ∑ yi
[ 2 3
∑ x i ∑ xi ∑ x i ∗ a1 =
∑ x i2 ∑ xi3 ∑ xi 4 a2 ][ ] [ ]∑ yi xi
∑ x i2 y i
x Y x^2 x^3 x^4 xy x^2y

1 302.439 1 1 1 302.439 302.439
2 300.249 4 8 16 600.498 1200.996
3 298.205 9 27 81 894.615 2683.845
4 296.161 16 64 256 1184.644 4738.576
5 294.117 25 125 625 1470.585 7352.925
6 294.032 36 216 1296 1764.192 10585.152
21 1785.203 91 441 2275 6216.973 26863.933
Entonces las ecuaciones lineales simultaneas son:
a0 1785.203
][ ] [
6 21 91
[ 21 91 441 ∗ a1
91 441 2275 a 2
= 6216.973
26863.93 ]
Resolvemos el sistema de ecuaciones
3.2 −1.95 0.25

[
Minversa= −1.95 1.369 −0.1875
0.25 −0.1875 0.0267 ]
Fumc
305.534
Minversa∗Mcoef = −3.100
0.18786[ ]
Reemplazamos en la ecuación
y=305.534−3.100 x +0.1878 x2
Regresión Polinomial
304
302 f(x) = 0.19 x² − 3.1 x + 305.54
300
298
296
294
292
290
288
0 1 2 3 4 5 6 7

n
Sr =∑ ¿ ¿
i=1
2 2 2
Sr =( 302.439−(−3.1 (1 )+305.534 ) ) + ( 300.249−(−3.1 ( 2 ) +305.534 ) ) + ( 298.205−( −3.1 ( 3 )+305.534 ) ) + ( 296.16
(St)
St =∑ ( y i '− ý ')2
St =(302.439−297.534)2 +(300.249−297.534)2+(298.205−297.534)2+(296.161−297.534 )2+(294.117−297.

2 St −Sr
r=
St
57.706−0.6289
r 2= =0.9 891
57.706
Fumc
Para determinar el método de mejor ajuste comparamos los coeficientes de determinación y el

que más se acerque a 1, es el método que mejor se ajusta
Regresión r 2
Lineal 0.9662
Logarítmica 0.9651
Potencial 0.9616
Exponencia
l 0.9668
Polinomial 0.981
2. Un estudio realizado por una empresa que analiza las posibilidades de ofrecer
"salchichas" en el mercado nacional arrojo los siguientes datos acerca del
comportamiento de la demanda de este producto en la década del 2.000, Se pide
proyectar la demanda, para tres años por el método de regresión simple.
Año Cantidad
2.009 3.599
2.010 3.924
2.011 5.383
2.012 5.366
2.013 6.728
2.014 7.790
2.015 8.897
2.016 10.034
2.017 10.368
2.018 11.148
y=mx+b
m=
n ∑ x i2−¿ ¿ ¿ ¿
Fumc
b= ý−m x́
x Y xy x^2
2009 3.599 7230.391 4036081
2010 3.924 7887.24 4040100
2011 5.383 10825.213 4044121
2012 5.366 10796.392 4048144
2013 6.728 13543.464 4052169
2014 7.79 15689.06 4056196
2015 8.897 17927.455 4060225
2016 10.034 20228.544 4064256
2017 10.368 20912.256 4068289
2018 11.148 22496.664 4072324
20135 73.237 147536.679 40541905
10 ( 147536.679 )−(20135)(73.237)
m= =0.8967
10 ( 40541905 )−(20135)2
73.237 20135
b= −( 0.8967 ) =−1798.18175
10 10
Mi ecuación seria
y=0.8967 x −1798.18175
A partir de la ecuación proyectamos la demandan para los años 2019, 2020 y 2021
 2019
y=0.8967(2019)−1798.18175
y=12.256
 2020
y=0.8967(2020)−1798.18175
y=13.152
 2021
y=0.8967(2021)−1798.18175
y=14.049
Fumc
3. Calcular la ecuación punto pendiente para la demanda y proyectar cuando el precio

es: $ 20; $ 40; 150
Precios Cantidades
100 200
50 500
Calculamos la pendiente de la recta
y 2− y 1
m=
x 2−x 1
500−200
m= =−6
50−100
Conociendo la pendiente y tomando el punto (50,100), calculamos
y− y1 =m(x−x 1)
y−500=−6 ( x−50 )
y−500=−6 x +300
y=−6 x+300+500
y=−6 x+800
Calculamos cuando el precio es $20, $40 y $150
 $20
y=−6 ( 20 ) +800
y=680
 40
y=−6(40)+800
y=560
 150
y=−6 ( 150 )+ 800

Fumc
y=−10 0
4. Estudio de mercado para la producción y Comercialización del fríjol soya, la soya se
destina principalmente para la producción de tortas que se constituyen en materia
prima para las fábricas de alimentos de concentrados, para animales. El aceite
extraído de ellas representa un 18 % del producto.
El mercado para este producto tiene cobertura nacional. La industria procesadora de

aceites y grasas se encuentra distribuida en varias ciudades entre ellas Bogotá, Cali,
Barranquilla, Medellín y Villavicencio.
Con Respecto a la demanda se hizo un estudio a nivel histórico para los años 1.997 a
2.006, que permitió llegar a la siguiente información estadística.
Año Toneladas en Miles

1.997 122.0
1.998 157.5
1.999 106.5
2.000 95.9
2.001 146.9
2.002 195.4
2.003 232.1
2.004 175.8
2.005 325.5
2.006 245.6
Con respecto a la oferta se estableció que las mayores producciones se han venido
obteniendo en los departamentos del valle del cauca, Tolima, y en algunos de la costa
atlántica, y la producción histórica de la soya:
Año Toneladas en Miles

1.997 145.6
1.998 154.5
1.999 89.0
2.000 98.6
2.001 122.4
2.002 94.2
2.003 104.2
2.004 166.9
2.005 128.2
2.006 101.1
Por los métodos de proyección de estimar la demanda y la oferta para los próximos 5 años.
Por los diferentes métodos de proyección y seleccionar el más ajustado, (Lineal, Potencial,
Fumc
Exponencial y Logarítmico). Y Determinar si existe una demanda saturada o insatisfecha.
1. Proyección Lineal
DEMANDA
y=mx+b
m=
n ∑ x i2−¿ ¿ ¿ ¿
b= ý−m x́
DEMANDA
x y xy x^2 Sr St
1 1.997 122 243.634 3.988009 676.378235 3401.2224
2 1.998 157.5 314.685 3.992004 1829.09146 520.7524
3 1.999 106.5 212.8935 3.996001 727.462629 5449.3924
4 2 95.9 191.8 4 3170.91848 7126.7364
5 2.001 146.9 293.9469 4.004001 578.417076 1116.8964
6 2.002 195.4 391.1908 4.008004 32.6075607 227.4064
7 2.003 232.1 464.8963 4.012009 560.311937 2681.1684
8 2.004 175.8 352.3032 4.016016 2638.72124 20.4304
9 2.005 325.5 652.6275 4.020025 6334.90576 21077.2324
10 2.006 245.6 492.6736 4.024036 362.798599 4261.4784
Sumatoria 20.015 1803.2 3610.6508 40.060105 16911.613 45882.716
Promedio 2.0015 180.32
Lineal
180
m 18739.3939 r^2 0.63141648
b 160 -37326.577
140
120 f(x) = − 1251.52 x + 2625.38

R² = 0.02
100
80
60
40
20
0
2 2 2 2 2 2 2 2 2 2.01 2.01 2.01
Fumc
OFERTA
x y xy x^2 Sr St
1 1.997 145.6 290.7632 3.988009 380.179094 631.5169
2 1.998 154.5 308.691 3.992004 879.10453 1158.0409
3 1.999 89 177.911 3.996001 1197.07612 990.3609
4 2 98.6 197.2 4 563.932962 478.2969
5 2.001 122.4 244.9224 4.004001 1.7010483 3.7249
6 2.002 94.2 188.5884 4.008004 657.62717 690.1129
7 2.003 104.2 208.7126 4.012009 207.150598 264.7129
8 2.004 166.9 334.4676 4.016016 2456.07346 2155.7449
9 2.005 128.2 257.041 4.020025 146.659439 59.7529
10 2.006 101.1 202.8066 4.024036 188.73764 375.1969
Sumatoria 20.015 1204.7 2411.1038 40.060105 6678.24206 6807.461
Promedio 2.0015 120.47
-
m 1251.51515 r^2 0.01898196
b 2625.37758
Fumc
Lineal
180
160
140
120 f(x) = − 1251.52 x + 2625.38

R² = 0.02
100
80
60
40
20
0
2 2 2 2 2 2 2 2 2 2.01 2.01 2.01
Proyección para los próximos 5 años
Año Demanda Oferta

2.007 283.386557 113.586667
2.008 302.125951 112.335152
2.009 320.865345 111.083636
2.01 339.604739 109.832121
2.011 358.344133 108.580606
2. Proyección Potencial
y= A x B
LogY =logA X b
LogY =logA +logX b

LogY =logA + BlogX
Y ' =LogY
A' =logA
X ' =logX
Fumc
Entonces tenemos
Y ' = A' + BX '

Para calcular Y’, A’ y X’, utilizamos las ecuaciones lineales
n ∑ x i ' y i '−∑ xi ' ∑ y i '

B=
n ∑ x i ' 2−¿ ¿ ¿ ¿
A' = ý ' −B x́ '

DEMANDA
x y x'=logX y'=logy x'y' x'^2 Sr St

1 1.997 122 0.30037806 2.08635983 0.626696729 0.09022698 0.00351418 0.01961764
2 1.998 157.5 0.30059548 2.19728056 0.660492613 0.09035764 0.01583661 0.00084927
3 1.999 106.5 0.30081279 2.02734961 0.6098527 0.09048834 0.00781859 0.03963015
4 2 95.9 0.30103 1.98181861 0.596586847 0.09061906 0.03177915 0.05983123
5 2.001 146.9 0.30124709 2.1670218 0.652809007 0.09074981 0.0013954 0.00352848
6 2.002 195.4 0.30146407 2.29092456 0.690631449 0.09088059 0.00178749 0.00416047
7 2.003 232.1 0.30168095 2.36567514 0.713679122 0.0910114 0.00529729 0.01939121
8 2.004 175.8 0.30189772 2.24501887 0.677766072 0.09114223 0.00848216 0.00034581
9 2.005 325.5 0.30211438 2.51255099 0.759077778 0.0912731 0.01722151 0.08186932
10 2.006 245.6 0.30233093 2.39022836 0.722639961 0.09140399 0.00124415 0.02683225
Sumatoria 20.015 1803.2 3.01355147 22.2642283 6.710232277 0.90815313 0.09437653 0.25605584
Promedio 2.0015 180.32 0.30135515 2.22642283
B 204.0191427 r^2 0.63142208

A' -59.25579596
A 5.54886E-60
Fumc
Potencial
350
300
250 f(x) = 0 x^204.02

R² = 0.63
200
150
100
50
0
2 2 2 2 2 2 2 2 2 2.01 2.01 2.01
OFERTA
x y x'=logX y'=logy x'y' x'^2 Sr St

1 1.997 145.6 0.30037806 2.16316137 0.649766228 0.09022698 0.00545327 0.00849091
2 1.998 154.5 0.30059548 2.18892848 0.657982017 0.09035764 0.01075067 0.01390353
3 1.999 89 0.30081279 1.94939001 0.586401455 0.09048834 0.01736676 0.0147927
4 2 98.6 0.30103 1.99387691 0.600216759 0.09061906 0.00692692 0.00595032
5 2.001 122.4 0.30124709 2.08778142 0.628938074 0.09074981 0.00021734 0.0002811
6 2.002 94.2 0.30146407 1.9740509 0.595105426 0.09088059 0.00901061 0.00940208
7 2.003 104.2 0.30168095 2.01786772 0.608752249 0.0910114 0.00221328 0.00282466
8 2.004 166.9 0.30189772 2.22245634 0.670954495 0.09114223 0.02611551 0.02293441
9 2.005 128.2 0.30211438 2.10788803 0.636823277 0.0912731 0.00261044 0.0013596
10 2.006 101.1 0.30233093 2.00475116 0.606098279 0.09140399 0.0023029 0.00439093
Sumatoria 20.015 1204.7 3.01355147 20.7101523 6.241038258 0.90815313 0.08296771 0.08433025
Promedio 2.0015 120.47 0.30135515 2.07101523
B -18.72910842 r^2 0.0161571

A' 7.715128461
A 51895351.83
Fumc
Potencial
350
300
250 f(x) = 0 x^204.02

R² = 0.63
200
150
100
50
0
2 2 2 2 2 2 2 2 2 2.01 2.01 2.01
Año Demanda Oferta

2.007 294.889701 111.86286
2.008 110.824081 110.824081
2.009 109.795458 109.795458
2.01 108.776888 108.776888
2.011 107.768266 107.768266
3. Proyección Exponencial
y= A e Bx
Lny=lnA e Bx
Lny=lnA + Bx
Y ' =lny
A' =lnA
Entonces tenemos
Y ' = A' + Bx
Fumc
n ∑ x i y i '−∑ xi ∑ y i '
B=
n ∑ x i2−¿ ¿ ¿ ¿
A= ý '−B x́
DEMANDA
x y y'=lny xy' x^2 Sr St

4.8040210 9.59363002 0.0185678
1.997 122
1 4 6 3.988009 7 0.10401075
5.0594254 10.1087320 0.0839372
1.998 157.5
2 6 7 3.992004 6 0.00450275
4.6681449 9.33162182 0.0414164
1.999 106.5
3 9 5 3.996001 4 0.21011501
4.5633059 9.12661196 0.1683447
2 95.9
4 8 4 4 7 0.31721907
4.9897520 9.98449391 0.0073618
2.001 146.9
5 8 8 4.004001 8 0.01870766
5.2750487 10.5606475 0.0095152
2.002 195.4
6 4 8 4.008004 5 0.0220584
5.4471683 10.9106781 0.0281288
2.003 232.1
7 1 3 4.012009 7 0.10281019
5.1693469 10.3593713 0.0449668
2.004 175.8
8 9 6 4.016016 1 0.00183346
5.7853624 11.5996517 0.0912116
2.005 325.5
9 6 4 4.020025 1 0.43406282
11.0404306 0.0066577
2.006 245.6
10 5.5037042 2 4.024036 1 0.14226186
51.265280 102.615869 0.5001084
Sumatoria 20.015 1803.2 2 2 40.060105 7 1.35758199
5.1265280
Promedio 2.0015 180.32 2
101.949097 0.6316182
B 2 r^2 2
A' -198.92459
A' 4.05647E-87
Fumc
OFERTA
x y y'=lny xy' x^2 Sr St

4.9808631 9.94678368 0.0289467
1.997 145.6
1 4 2 3.988009 3 0.04501795
0.0570301
1.998 154.5
2 5.0401941 10.0703078 3.992004 7 0.07371512
4.4886363 8.97278410 0.0920553
1.999 89
3 7 3 3.996001 7 0.07842937
4.5910712 9.18214252
2 98.6
4 6 3 4 0.036722 0.03154799
4.8072943 9.61939603 0.0011515
2.001 122.4
5 7 5 4.004001 7 0.00149039
4.5454201 9.09993120 0.0477850
2.002 94.2
6 8 4 4.008004 2 0.04984888
4.6463121 9.30656319 0.0117428
2.003 104.2
7 3 5 4.012009 4 0.01497605
5.1173948 10.2552592 0.1384285
2.004 166.9
8 3 4 4.016016 5 0.12159589
4.8535915 9.73145104 0.0138293
2.005 128.2
9 4 7 4.020025 2 0.00720848
4.6161101 9.25991691 0.0122194
2.006 101.1
10 3 3 4.024036 8 0.02328025
95.4445357 0.4399110
Sumatoria 20.015 1204.7 47.686888 5 40.060105 6 0.44711037
Promedio 2.0015 120.47 4.7686888
Fumc
0.0161018
B -9.3415408 r^2 7
A' 23.46578271
1552601295
A' 4
Año Demanda Oferta

2.007 295.080458 111.866962
2.008 326.75059 110.826819
2.009 361.819784 109.796346
2.01 400.652854 108.775455
2.011 443.653764 107.764056
4. Proyección Logarítmica

logarítmica
y= A +Bln ( x)
ln ( x )=x '
Reemplazando tenemos
Fumc
y= A +Bx '
n ∑ x i ' y i−∑ xi ' ∑ y i

B=
n ∑ x i ' 2−¿ ¿ ¿ ¿
A= ý−B x́ '
OFERTA
x y x'=Ln(x) x'y x'^2 Sr St

1 1.997 145.6 0.69164605 100.703666 0.47837426 379.697616 631.5169
2 1.998 154.5 0.69214668 106.936662 0.47906703 878.634162 1158.0409
3 1.999 89 0.69264706 61.6455879 0.47975994 1197.3629 990.3609
4 2 98.6 0.69314718 68.344312 0.48045301 563.979643 478.2969
5 2.001 122.4 0.69364706 84.9023996 0.48114624 1.70509703 3.7249
6 2.002 94.2 0.69414668 65.3886173 0.48183961 657.449789 690.1129
7 2.003 104.2 0.69464606 72.3821191 0.48253314 207.014169 264.7129
8 2.004 166.9 0.69514518 116.019731 0.48322683 2456.60838 2155.7449
9 2.005 128.2 0.69564406 89.1815686 0.48392066 146.790943 59.7529
10 2.006 101.1 0.69614269 70.3800259 0.48461464 188.604795 375.1969
Sumatoria 20.015 1204.7 6.9389587 835.884689 4.81493537 6677.8475 6807.461
Promedio 2.0015 120.47 0.69389587
B -2508.72541 r^2 0.01903992

A 1861.2642
Fumc
DEMANDA
x y x'=Ln(x) x'y x'^2 Sr St

1 1.997 122 0.69164605 84.3808186 0.47837426 678.54117 3401.2224
2 1.998 157.5 0.69214668 109.013102 0.47906703 1829.71679 520.7524
3 1.999 106.5 0.69264706 73.7669114 0.47975994 728.408872 5449.3924
4 2 95.9 0.69314718 66.4728146 0.48045301 3174.6358 7126.7364
5 2.001 146.9 0.69364706 101.896752 0.48114624 580.29856 1116.8964
6 2.002 195.4 0.69414668 135.636261 0.48183961 32.1999325 227.4064
7 2.003 232.1 0.69464606 161.22735 0.48253314 559.215612 2681.1684
8 2.004 175.8 0.69514518 122.206523 0.48322683 2638.84312 20.4304
9 2.005 325.5 0.69564406 226.432142 0.48392066 6339.70352 21077.2324
10 2.006 245.6 0.69614269 170.972645 0.48461464 360.107174 4261.4784
Sumatoria 20.015 1803.2 6.9389587 1252.00532 4.81493537 16921.6705 45882.716
Promedio 2.0015 180.32 0.69389587
B 37500.3328 r^2 0.63119728

A -25841.006
Fumc
Logaritmica
350
300
250 f(x) = 37500.33 ln(x) − 25841.01

R² = 0.63
200
150
100
50
0
2 2 2 2 2 2 2 2 2 2.01 2.01 2.01
Año Demanda Oferta

2.007 283.265916 113.583047
2.008 301.946033 112.33337
2.009 320.616848 111.084316
2.01 339.278373 109.835883
2.011 357.930615 108.588072
La proyección que mejor se ajusta a la demanda es por regresión potencial, y la oferta la

proyección logarítmica, y podemos observa que existe una demanda insatisfecha

Taller de Proyecciones

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Taller de Proyecciones

Cargado por

Copyright:

Formatos disponibles

Fumc

Fundación Universitaria María Cano

1. Regresión Simple: Se debe calcular el método de regresión simple por los

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

6 ( 6216.973 )−(21)( 1785.203)

Calculamos la suma de cuadrados de residuos (Sr)

St =(302.439−297.534)2 +(300.249−297.534)2+(298.205−297.534)2+(296.161−297.534 )2+(294.117−297.

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

n ∑ x i ' y i−∑ xi ' ∑ y i

X y Ln(x) x'y x'^2

6 ( 1946.49242 )−( 6.5792)(1785.203)

f(x) = − 5.04 ln(x) + 303.06

Calculamos la suma de cuadrados de residuos (Sr)

St =(302.439−297.534)2 +(300.249−297.534)2+(298.205−297.534)2+(296.161−297.534 )2+(294.117−297.

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

LogY =logA +logX b

Y ' = A' + BX '

n ∑ x i ' y i '−∑ xi ' ∑ y i '

A' = ý ' −B x́ '

f(x) = 303.08 x^-0.02

Calculamos la suma de cuadrados de residuos (Sr)

St =(2.4806−2.473)2+(2.4774−2.473)2+(2.4745−2.473)2 +(2.4715−2.473)2 +(2.4685−2.473)2 +(2.4683−2.

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

x y Y'=lny xY' x^2

Calculamos la suma de cuadrados de residuos (Sr)

St =(5.7118−5.6954)2 +(5.7046−5.6954)2 +(5.6977−5.6954)2 +(5.6909−5.6954)2 +(5.6839−5.6954)2+(5.68

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

Donde a 0 , a1 y a2 se encuentran resolviendo el siguiente sistema de ecuaciones lineales:

x Y x^2 x^3 x^4 xy x^2y

Entonces las ecuaciones lineales simultaneas son:

3.2 −1.95 0.25

302 f(x) = 0.19 x² − 3.1 x + 305.54

Calculamos la suma de cuadrados de residuos (Sr)

St =(302.439−297.534)2 +(300.249−297.534)2+(298.205−297.534)2+(296.161−297.534 )2+(294.117−297.

Para determinar el método de mejor ajuste comparamos los coeficientes de determinación y el

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

3. Calcular la ecuación punto pendiente para la demanda y proyectar cuando el precio

Calculamos la pendiente de la recta

y=−6 ( 150 )+ 800

El mercado para este producto tiene cobertura nacional. La industria procesadora de

Año Toneladas en Miles

Año Toneladas en Miles

Exponencial y Logarítmico). Y Determinar si existe una demanda saturada o insatisfecha.

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

120 f(x) = − 1251.52 x + 2625.38

120 f(x) = − 1251.52 x + 2625.38

Proyección para los próximos 5 años

Año Demanda Oferta

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

LogY =logA +logX b

Y ' = A' + BX '

n ∑ x i ' y i '−∑ xi ' ∑ y i '

A' = ý ' −B x́ '

x y x'=logX y'=logy x'y' x'^2 Sr St

B 204.0191427 r^2 0.63142208

250 f(x) = 0 x^204.02

x y x'=logX y'=logy x'y' x'^2 Sr St

B -18.72910842 r^2 0.0161571

250 f(x) = 0 x^204.02

Proyección para los próximos 5 años

Año Demanda Oferta

Se establece la relación económica entre ambas variables a través de la ecuación de regresión

Para calcular A y B, utilizamos las ecuaciones lineales

x y y'=lny xy' x^2 Sr St