INGENIERÍA INDUSTRIAL

Estadisticas Inferencial II

SERIES DE TIEMPO
Trabajo en equipo

EQUIPO:
ALEJANDRE SILVA GILARY JHOANA IS21110610
ALFARO CASTILLO CARLOS ALBERTO IS20110122
LÓPEZ RETANA DIEGO ANTONIO IS19111707
REGALADO PÉREZ GUADALUPE JIMENA IS21110642

CUARTO SEMESTRE
Prof. Norma Mariela Quintero

28 DE MARZO, 2023
Datos

Mes Días Fecha Salario

1 4-Oct 1010
2 11-Oct 1600
Octubre
3 18-Oct 1100
4 25-Oct 1490
5 1-Nov 1770
6 8-Nov 1810
Noviembre
7 15-Nov 1540
8 22-Nov 1720
9 29-Nov 1900
10 6-Dec 1400
Diciembre
11 13-Dec 1200
12 20-Dec 1700
13 27-Dec 1570
14 3-Jan 1020
Enero
15 10-Jan 1456
16 17-Jan 1540
17 24-Jan 1540
18 31-Jan 1100
Febrero
19 7-Feb 1100
20 14-Feb 1100
21 21-Feb 1540
22 28-Feb 1100
Marzo
23 7-Mar 1540
24 14-Mar 1100
25 21-Mar
26 28-Mar
Abril
27 4-Apr
28 11-Apr
Lugar

El Oasis de la Cruz es un restaurante que cuenta con dos sucursales en la ciudad de Irapuato. Esta empresa cuanto con
más de 80 trabajadores a los cuales les paga su salario semanalmente. Este salario puede variar por factores como un
bono por puntualidad, la asistencia, un bono de ventas, puesto del trabajador y antigüedad del trabajador .

Diagrama de Flujo

Objetivos del proyecto

Objetivo General:
Prónosticar los pagos de nómina del trabajador de la empresa Oasis de la Cruz en el mes de Abril de 2023 atreves de métodos

Objetivos Específicos:
1) Analizar patrones y variabilidad de los pagos de nómina del trabajador en un periodo de Octubre de 2022 hasta M
2) Realizar el modelo de pronósticos del pago de nómina para el mes de abril a través de métodos como el promed
3) Evaluar los resultados de los modelos para seleccionar el modelo que presente un menor error.

Evidencia
Evidencia de los últimos 4 recibos de nómina
sta empresa cuanto con
ar por factores como un
ad del trabajador .

ril de 2023 atreves de métodos de series de tiempo.

odo de Octubre de 2022 hasta Marzo de 2023.

és de métodos como el promedio móvil, promedio móvil ponderado, suavización exponencial y valor estacional.
n menor error.
Considera: PM (n=2,3,4 y 5)
PMP (0.2,0.3,0.5) y (0.1,0.4,0.5)
SE (𝛼 = 0.7)

Mes Semanas Fecha Salario PM n=2

1 04/10/2022 1010
2 11/10/2022 1600
Octubre
3 18/10/2022 1100 1305.0000
4 25/10/2022 1490 1350.0000
5 01/11/2022 1770 1295.0000
6 08/11/2022 1810 1630.0000
Noviembre
7 15/11/2022 1540 1790.0000
8 22/11/2022 1720 1675.0000
9 29/11/2022 1900 1630.0000
10 06/12/2022 1400 1810.0000
Diciembre
11 13/12/2022 1200 1650.0000
12 20/12/2022 1700 1300.0000
13 27/12/2022 1570 1450.0000
14 03/01/2023 1020 1635.0000
Enero
15 10/01/2023 1456 1295.0000
16 17/01/2023 1540 1238.0000
17 24/01/2023 1540 1498.0000
18 31/01/2023 1100 1540.0000
Febrero
19 07/02/2023 1100 1320.0000
20 14/02/2023 1100 1100.0000
21 21/02/2023 1540 1100.0000
22 28/02/2023 1100 1320.0000
Marzo
23 07/03/2023 1540 1320.0000
24 14/03/2023 1100 1320.0000
25 21/03/2023 1320.0000
26 28/03/2023
Abril
27 04/04/2023
28 11/04/2023
DAM
RDAM
 Mes Semanas Periodo Valor Promedio Móvil Estacionario
1 10/4/2022 1010
2 10/11/2022 1600 1300.0000
Octubre
3 10/18/2022 1100 1490.0000
4 10/25/2022 1490 1542.5000
5 11/1/2022 1770 1652.5000
6 11/8/2022 1810 1710.0000
Noviembre
7 11/15/2022 1540 1742.5000
8 11/22/2022 1720 1640.0000
9 11/29/2022 1900 1555.0000
10 12/6/2022 1400 1550.0000
Diciembre
11 12/13/2022 1200 1467.5000
12 12/20/2022 1700 1372.5000
13 12/27/2022 1570 1436.5000
14 1/3/2023 1020 1396.5000
Enero
15 1/10/2023 1456 1389.0000
16 1/17/2023 1540 1409.0000
17 1/24/2023 1540 1320.0000
18 1/31/2023 1100 1210.0000
Febrero
19 2/7/2023 1100 1210.0000
20 2/14/2023 1100 1210.0000
21 2/21/2023 1540 1320.0000
22 2/28/2023 1100 1320.0000
Marzo
23 3/7/2023 1540 1293.5000
24 3/14/2023 1100 1411.0000
25 3/21/2023 1434
26 3/28/2023 1570
Abril
27 4/4/2023
28 4/11/2023
 Valor estacional especifico
Semana 1 Semana 2 Semana 3 Semana 4
Octubre 1.0317
Noviembre 1.1334 1.1070 0.9050 1.0133
Diciembre 1.1544 0.8851 0.7873 1.1617
Enero 1.1014 0.7276 1.0346 1.1014
Febrero 1.1219 0.8378 0.8824 0.9091
Marzo 1.2353 0.857 1.1745 0.8200
PROMEDIO 1.1493 0.8829 0.9568 1.0062
 Promedio Movil (n=2, 3, 4 y 5)

DA PM n=3

205.0000
140.0000 1236.6667
475.0000 1396.6667
180.0000 1453.3333
250.0000 1690.0000
45.0000 1706.6667
270.0000 1690.0000
410.0000 1720.0000
450.0000 1673.3333
400.0000 1500.0000
120.0000 1433.3333
615.0000 1490.0000
161.0000 1430.0000
302.0000 1348.6667
42.0000 1338.6667
440.0000 1512.0000
220.0000 1393.3333
0.0000 1246.6667
440.0000 1100.0000
220.0000 1246.6667
220.0000 1246.6667
220.0000 1393.3333
1246.6667

264.7727 DAM
16.2718 RDAM

Dado que los cálculos del promedio móvil con n=2, 3, 4 y 5, se tiene que el mejor pronóstico para el periodo 25 es de n=4 co
15.1385, siendo este el menor error al pronósticar.
Dado que los cálculos del promedio móvil con n=2, 3, 4 y 5, se tiene que el mejor pronóstico para el periodo 25 es de n=4 co
15.1385, siendo este el menor error al pronósticar.

Promedio Móvil de Centrado Valor estacional específico

1444.1667 1.0317
1561.6667 1.1334
1635.0000 1.1070
1701.6667 0.9050
1697.5000 1.0133
1645.8333 1.1544
1581.6667 0.8851
1524.1667 0.7873
1463.3333 1.1617
1425.5000 1.1014
1401.8333 0.7276
1407.3333 1.0346
1398.1667 1.1014
1372.6667 1.1219
1313.0000 0.8378
1246.6667 0.8824
1210.0000 0.9091
1246.6667 1.2353
1283.3333 0.8571
1311.1667 1.1745
1341.5000 0.8200
 Índice estacional típicos de la serie
Periodo
Semsna 1
Semsna 2
Semsna 3
Semsna 4

Factor de corrección =
medio Movil (n=2, 3, 4 y 5)

DA PM n=4 DA PM n=5

253.3333
373.3333 1300.0000 470.0000
356.6667 1490.0000 320.0000 1394.0000
150.0000 1542.5000 2.5000 1554.0000
13.3333 1652.5000 67.5000 1542.0000
210.0000 1710.0000 190.0000 1666.0000
320.0000 1742.5000 342.5000 1748.0000
473.3333 1640.0000 440.0000 1674.0000
200.0000 1555.0000 145.0000 1552.0000
136.6667 1550.0000 20.0000 1584.0000
470.0000 1467.5000 447.5000 1554.0000
26.0000 1372.5000 83.5000 1378.0000
191.3333 1436.5000 103.5000 1389.2000
201.3333 1396.5000 143.5000 1457.2000
412.0000 1389.0000 289.0000 1425.2000
293.3333 1409.0000 309.0000 1331.2000
146.6667 1320.0000 220.0000 1347.2000
440.0000 1210.0000 330.0000 1276.0000
146.6667 1210.0000 110.0000 1276.0000
293.3333 1210.0000 330.0000 1188.0000
293.3333 1320.0000 220.0000 1276.0000
1320.0000 1276.0000

257.1746 DAM 229.1750 DAM

16.0367 RDAM 15.1385 RDAM

e el mejor pronóstico para el periodo 25 es de n=4 con un (RDAM) de

nor error al pronósticar.
e el mejor pronóstico para el periodo 25 es de n=4 con un (RDAM) de
nor error al pronósticar.

La mejor opción para pronosticar de todas las pruebas y méto

tomando el método de Promedio Móvil con n=4 y un Error d
error más pequeño para empezar a pronosticar.

Desestacionalización Y predictoria Pronóstico estacional

1162.1726 1544.6878 1777.4197
1414.4117 1552.5756 1372.4882
1053.6986 1560.4634 1494.7801 2500
1501.0542 1568.3512 1579.9867
2036.6787 1576.2390 1813.7245
2000
1600.0533 1584.1268 1400.3797
1475.1780 1592.0146 1525.0032
1732.7605 1599.9024 1611.7719 1500
2186.2653 1607.7902 1850.0294
1237.6103 1615.6780 1428.2712 1000
1149.4894 1623.5658 1555.2264
1712.6121 1631.4536 1643.5572
500
1806.5455 1639.3414 1886.3343
901.6875 1647.2292 1456.1627
1394.7138 1655.1170 1585.4495 0
1 2 3 4
1551.4251 1663.0048 1675.3425
1772.0256 1670.8926 1922.6392
972.4081 1678.7804 1484.0542
1053.6986 1686.6682 1615.6726
1108.1608 1694.5560 1707.1278
1772.0256 1702.4438 1958.9441
972.4081 1710.3316 1511.9457 2500
1475.1780 1718.2194 1645.8958
1108.1608 1726.1072 1738.9130 2000
1650.0550 1733.9950 1995.2490
1387.8915 1741.8828 1539.8372 1500
1749.7706 1676.1189
1757.6584 1770.6983 1000

500

0
1 2 3 4
 1500

1000

500

Índice estacional típicos de la serie

0
Valor estacional específico Índice estacional 1 2 3 4
1.1493 1.1507
0.8829 0.8840
0.9568 0.9579
1.0062 1.0074
3.9952 4.0000

4/3.9952 4 dado que son cuatro periodos

1.0012
 Promedio Móvil Ponderado (0.2, 0.3, 0.5) Promedio Móvil Ponderado (0.2, 0.4, 0.5)
DA Ponderaciones PMP DA Ponderaciones PMP
0.2 0.1
0.3 0.4
0.5 0.5
5393750.0000 5392260.0000 681000.0000
6017325.0000 6015555.0000 478460.0000
416.0000 6380325.0000 6378515.0000 644620.0000
14.0000 7366225.0000 7364685.0000 761660.0000
178.0000 7373350.0000 7371630.0000 774520.0000
234.0000 7300700.0000 7298800.0000 664720.0000
348.0000 7495550.0000 7494150.0000 742120.0000
474.0000 7226500.0000 7225300.0000 810000.0000
148.0000 6407000.0000 6405300.0000 599200.0000
14.0000 6230250.0000 6228680.0000 523000.0000
534.0000 6514725.0000 6513705.0000 729180.0000
78.0000 6122650.0000 6121194.0000 667400.0000
150.8000 5806680.0000 5805140.0000 444704.0000
82.8000 5870890.0000 5869350.0000 627256.0000
325.2000 6562850.0000 6561750.0000 662200.0000
231.2000 5993350.0000 5992250.0000 656040.0000
247.2000 5337750.0000 5336650.0000 473000.0000
264.0000 4765750.0000 4764210.0000 473000.0000
176.0000 5444450.0000 5443350.0000 479160.0000
352.0000 5421350.0000 5419810.0000 656040.0000
176.0000 6016450.0000 6015350.0000 479160.0000
5421350.0000 656040.0000

233.8526 DAM 6238934.9524 DAM

15.2922 RDAM 2497.7860 RDAM

Con base en el calculo de PMP con 0.2,0.3,0.5 y 0.1,0.4,0.5, se concluye que

la predicción mas aceptable es con 0.2,0.3,0.5, ya que se tiene un menor
error con valor de 16.1841 y una predicción en el periodo 25 de 261.9238.
 Con base en el calculo de PMP con 0.2,0.3,0.5 y 0.1,0.4,0.5, se concluye que
la predicción mas aceptable es con 0.2,0.3,0.5, ya que se tiene un menor
error con valor de 16.1841 y una predicción en el periodo 25 de 261.9238.

as pruebas y métodos desarrolados, es

n n=4 y un Error de 15.1385, siendo el
icar.

Ecuación de la Regresión Lineal

2500

2000

1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Valor Desestacionalización
Linear (Desestacionalización) Linear (Desestacionalización)

Valor Real VS Pronóstico Estacional

2500

2000

1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Valor Pronóstico estacional

 Suavización Exponencial (𝛼 = 0.7)
nderado (0.2, 0.4, 0.5) 0.7 0.3
DA Salario PRONÓSTICO DA
1010.0000
1600.0000 1010.0000 590.0000
1100.0000 505.0000 595.0000
679510.0000 1490.0000 252.5000 1237.5000
476690.0000 1770.0000 126.2500 1643.7500
642810.0000 1810.0000 63.1250 1746.8750
760120.0000 1540.0000 31.5625 1508.4375
772800.0000 1720.0000 15.7813 1704.2188
662820.0000 1900.0000 7.8906 1892.1094
740720.0000 1400.0000 3.9453 1396.0547
808800.0000 1200.0000 1.9727 1198.0273
597500.0000 1700.0000 0.9863 1699.0137
521430.0000 1570.0000 0.4932 1569.5068
728160.0000 1020.0000 0.2466 1019.7534
665944.0000 1456.0000 0.1233 1455.8767
443164.0000 1540.0000 0.0616 1539.9384
625716.0000 1540.0000 0.0308 1539.9692
661100.0000 1100.0000 0.0154 1099.9846
654940.0000 1100.0000 0.0077 1099.9923
471900.0000 1100.0000 0.0039 1099.9961
471460.0000 1540.0000 0.0019 1539.9981
478060.0000 1100.0000 0.0010 1099.9990
654500.0000 1540.0000 0.0005 1539.9995
478060.0000 1100.0000 0.0002 1099.9998
0.0001

618866.8571 DAM 1344.1739

786.6809 RDAM 36.6630
 GRÁFICO SE-Variables Salario vs Pronóstico
2100

1900

1700

1500 f(x) = − 11.7347826086957 x + 1561.10144927536

R² = 0.0881228025024823
1300

1100

900

700
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Salario Linear (Salario) PRONÓSTICO