Ejemplo 1 Pronóstico de largo plazo

Autonorte Import S.A. distribuidora de autos tiene una capacidad instalada para 1,450 unidades y desea conocer el n
próximos 5 años y asi poder planificar en el mediano plazo sus operaciones referente a instalaciónes y distribución d
siguiente información histórica de sus ventas:

Año Ventas (und)

1 780
2 820
3 890
4 850
5 920
6 1,050
7 960
8 1,100
9 1,150
10 1,040
11 1,250
12 1,320

a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de los cinco años siguie
b. Determine el coeficiente de correlación para los datos e interprete su significado.
c. Grafique su modelo de pronóstico.
d. Establecer rangos de confianza para el pronóstico del año 13, para 2 desviaciones estándar.
e. Realice un análisis para otras regresión y comente.
c.-

Solución:

X Y
a.- Año Ventas (und) Pronóstico
1 780 764
2 820 809
3 890 854
4 850 899
5 920 944
6 1,050 988
7 960 1,033
8 1,100 1,078
9 1,150 1,123
 10 1,040 1,168
11 1,250 1,212
12 1,320 1,257
13 1,302
14 1,347
15 1,392
16 1,436
17 1,481

b.- Coeficiente de correlación (r): 0.94

Interpretación: "Existe una fuerte relación entre los datos de la demanda histórica y el tiempo (años)

Coeficiente de determinación (r2): 89%

Interpretación: "el 89% de la relación entre la demanda y el tiempo queda expresado por la ecuación

Error de pronóstico (S): 60.51

Interpretación: "indica la dispersión de los datos históricos de la demanda respecto a la línea de reg

d.- Establecimiento de rangos de confianza para el pronóstico del año 13:

Límite superior = 1,423

Límite inferior = 1,181

Interpretación: "En el año 13 la demanda puede estar en el rango de 1,181 - 1,423; siendo el mejor

e.- Análisis de otras regresiones:

Regresión exponencial

Chart Title
1,400

1,200 f(x) = 748.842078819007 exp( 0.04415917390901 x )

R² = 0.902213969447593
1,000

800

600

400

200
 1,200 f(x) = 748.842078819007 exp( 0.04415917390901 x )
R² = 0.902213969447593
1,000

800

600

400

200

-
1 2 3 4 5 6 7 8 9 10 11 12

Regresión potencial

Chart Title
1,400

1,200
f(x) = 716.927408478342 x^0.198479777359703
1,000 R² = 0.80096333259464

800

600

400

200

-
1 2 3 4 5 6 7 8 9 10 11 12

Regresión logartmica

Chart Title
1,400

1,200
f(x) = 196.873094671483 ln(x) + 682.921269031361
1,000 R² = 0.752936093509895

800

600

400

200

-
1 2 3 4 5 6 7 8 9 10 11 12
 800

600

400

200

-
1 2 3 4 5 6 7 8 9 10 11 12

Regresión polinómica

Chart Title
1,400

1,200

1,000

800

600

400

200

-
1 2 3 4 5 6 7 8 9 10 11 12
450 unidades y desea conocer el nivel de demanda para los
te a instalaciónes y distribución de planta. Cuenta con la

para cada uno de los cinco años siguientes.

Chart Title
1,600

1,400

1,200

Resumen
1,000

800 Estadísticas de la regresión

Coeficiente de correlación m0.94171517
Coeficiente
600 de determinaci 0.88682746
R^2 ajustado 0.87551021
400
Error típico 60.5065062
Observaciones
200
12

-
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Column D Column E
 600

400

200

ANÁLISIS
- DE VARIANZA
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Grados de libertad
Suma
Column Dde cuadrados
Promedio
Column E de los cuadrados F
Regresión 1 286881.294 286881.294 78.3606586081
Residuos 10 36610.373 3661.0373
Total 11 323491.667

Coeficientes Error típico Estadístico t Probabilidad

Intercepción 719.69697 37.2391803 19.3263376 2.9991973E-09
Variable X 1 44.7902098 5.05980824 8.85215559 4.801377E-06

Y = 719.7 + 44.79 X

a histórica y el tiempo (años)"

da expresado por la ecuación de regresión"

da respecto a la línea de regresión calculada en 60.5 unid"

181 - 1,423; siendo el mejor resultado en pronóstico 1,302. Con una confianza del 95.4%"
15 16 17
15 16 17
Valor crítico de F
4.801377E-06

Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%

636.722905191 802.671034 636.722905 802.671034
33.5162544699 56.0641651 33.5162545 56.0641651
 Ejemplo 2 Pronóstico de largo plazo

Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas)
próximos 12 meses. Se cuenta con las ventas por presentación de los últimos 12 años, haga un pronóstico agr
pronóstico empleada y haga un gráfico

Demanda histórica por presentación (en cajas)

Producto / año 2010 2011 2012 2013
Nescafé Grande 23,084 25,300 26,800 29,500
Nescafé Mediano 11,496 12,075 15,870 18,400
Kirma Grande 14,375 15,525 17,250 19,100
Kirma Mediano 9,872 11,347 11,154 11,827

contenido/tarro Peso por SKU

Presentación (SKU) Unidad tarros / caja
(gramos) (en kilos)
Nescafé Grande caja 10 480 4.8
Nescafé Mediano caja 8 280 2.24
Kirma Grande caja 8 480 3.84
Kirma Mediano caja 12 260 3.12

Solución:

Demanda agregada histórica en toneladas

Producto / año 2010 2011 2012 2013
Toneladas de café 222.55 243.51 265.23 293.06

X Y Pronóstico
Año Demanda Agregado Resumen
1 2010 222.55 237.14
2 2011 243.51 251.20 Estadísticas 450.00
de la regresi
3 2012 265.23 265.25 Coeficiente de
400.00
4 2013 293.06 279.31 Coeficiente d
350.00
5 2014 299.81 293.36 R^2 ajustado
300.00
6 2015 315.93 307.41 Error típico
250.00
7 2016 322.64 321.47 Observacione
8 2017 345.19 335.52 200.00

9 2018 355.82 349.57 ANÁLISIS DE VARIANZA

150.00
10 2019 352.29 363.63 Grados de libe
100.00
11 2020 368.32 377.68 Regresión 50.00
12 2021 388.92 391.74 Residuos -
1 2
 150.00
100.00
50.00
-
1 2
13 2022 405.79 Total

Intercepción
Variable X 1

Y = 223.09 + 14
Desagregar el pronóstico para el año 2022

Pronóstico: 405.79 toneladas

En cajas
Producto / año Participación % 2022
Nescafé Grande 46% 38,935
Nescafé Mediano 15% 27,708
Kirma Grande 25% 26,513
Kirma Mediano 14% 17,638
agregada(en toneladas) de sus productos que manufactura para los
haga un pronóstico agregado para el año 2022. Valide la técnica de

2014 2015 2016 2017 2018 2019 2020

28,400 30,500 29,800 31,800 32,700 33,110 34,500
20,250 22,150 23,900 25,400 26,200 26,500 27,000
19,800 20,420 21,500 23,400 23,900 22,500 24,150
13,494 13,302 13,943 14,680 15,513 15,257 15,866

2014 2015 2016 2017 2018 2019 2020

299.81 315.93 322.64 345.19 355.82 352.29 368.32

Chart Title
adísticas 450.00
de la regresión
0.98387211
400.00
0.96800432
350.00
0.96480475
300.00
9.66214739
250.00
12
200.00

ÁLISIS DE VARIANZA
150.00
Grados de libertad
100.00 Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
50.00 1 28244.4598 28244.4598 302.542198 8.3643E-09
- 10 933.570922 93.3570922
1 2 3 4 5 6 7 8 9 10 11 12 13
Column C Column D
 150.00
100.00
50.00
-
1 2 3 4 5 6 7 8 9 10 11 12 13
11 29178.0308
Column C Column D

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
223.089387 5.94664064 37.5151956 4.3145E-12 209.839446 236.339328 209.839446
14.0539569 0.80798936 17.3937402 8.3643E-09 12.2536444 15.8542694 12.2536444

= 223.09 + 14.05 X
 Cajas Kg/cja Promedio en kg Participación %
2021 Promedio/año
36,542 30,170 4.8 144,814.40 46%
28,400 21,470 2.24 48,092.99 15%
24,610 20,544 3.84 78,889.60 25%
17,757 13,668 3.12 42,643.12 14%
314,440.11

2021
388.92
Superior 95.0%
236.339328
15.8542694