PRONÓSTICOS

Docente: Yair Yesid Urango Martinez

PRONÓSTICOS

ADMINISTRACIÓN DE LA DEMANDA

El propósito de la administración de la demanda es

coordinar y controlar todas sus fuentes, de modo
que permitan el aprovechamiento eficiente del
sistema de producción y la entrega puntual de los
productos.
PRONÓSTICOS
ADMINISTRACIÓN DE LA DEMANDA
¿De dónde surge la demanda del producto o servicio
de una empresa y qué puede hacer ésta para
administrarla? La demanda tiene dos fuentes
básicas: la demanda dependiente y la demanda
independiente. La demanda dependiente es la
demanda de un producto o servicio que se deriva de
la demanda de otros productos o servicios.
PRONÓSTICOS

Ejemplo de demanda dependiente: si una empresa

vende mil triciclos, entonces necesitará mil ruedas
delanteras y dos mil traseras. Este tipo de demanda
interna no requiere de pronóstico alguno, sino
simplemente de una tabulación.
PRONÓSTICOS

Si nos referimos a la cantidad de triciclos que la

empresa podría vender, estaríamos hablando de la
demanda independiente, porque se trata de una
demanda que no se deriva directamente de la de
otros productos.
PRONÓSTICOS

Para administrar la demanda independiente la empresa puede:

1. Adoptar un papel activo para influir en la demanda.
La empresa puede ejercer presión en su equipo de
vendedores, ofrecer incentivos a los clientes y a su propio
personal, emprender campañas para vender productos y
bajar los precios. Estas medidas incrementarían la
demanda. En cambio, podría disminuir la demanda si sube
los precios o reduce las actividades de ventas.
PRONÓSTICOS

ADMINISTRACION DE LA DEMANDA

Para administrar la demanda independiente la empresa puede:

2. Adoptar un papel pasivo y limitarse a responder de acuerdo con la

demanda. Diversos motivos pueden llevar a la empresa a no tratar de
cambiar la demanda, sino simplemente aceptar lo que ocurra. Si una
empresa está trabajando a toda su capacidad. quizá no quiera hacer nada
respecto de la demanda.
PRONÓSTICOS
ADMINISTRACION DE LA DEMANDA

Para administrar la demanda independiente la empresa puede:

2. Adoptar un papel pasivo y limitarse a responder de acuerdo con la

demanda. Otros motivos serían que la empresa no pueda cambiar la
demanda debido al costo de la publicidad, que el mercado sea estático y de
tamaño fijo. Existen otros motivos, como los que tienen que ver con las
leyes, el entorno, por los que se acepta de manera pasiva la demanda de
mercado.
PRONÓSTICOS

TIPOS DE PRONÓSTICOS

Podemos clasificar los pronósticos en cuatro tipos básicos:

Cualitativos.
De análisis de series de tiempo (cuantitativos).
De relaciones causales.
Simulaciones.
PRONÓSTICOS

TIPOS DE PRONÓSTICOS
Las técnicas cualitativas son subjetivas o simples
juicios y se basan en cálculos y opiniones.
El análisis de series de tiempo, que se sustenta en la
idea de que podemos usar los datos de la demanda del
pasado para prever la demanda futura. Estos datos
constan de varios elementos por ejemplo, las
influencias de las tendencias, de las estaciones o de
los ciclos.
PRONÓSTICOS

TIPOS DE PRONÓSTICOS
Los pronósticos causales, suponen que la
demanda está relacionada con uno o varios
factores básicos del entorno.

Los modelos de simulación permiten que el

pronosticador ponga a prueba una serie de
supuestos sobre la condición del pronóstico.
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS
Raíz de Pasto "Grass Root”
Deriva un pronostico reuniendo información de las
personas que están en un extremo de la jerarquía y
que se ocupan de aquello que se pronosticará. Por
ejemplo derivaríamos un pronostico general de ventas
combinando la información de cada uno de los
vendedores que están mas cerca de su territorio.
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS
Investigación de Mercado
Reúne datos por distintos medios (encuestas,
entrevistas etc) a efecto de comprobar hipótesis
sobre el mercado.
Normalmente la usamos para pronosticar las
ventas a largo plazo y las de productos nuevos.
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS
Investigación de Mercado
La investigación de mercado se utiliza para:
La investigación de productos, con la intención de buscar ideas para
productos nuevos
Conocer qué agrada o desagrada de los productos existentes,
Qué productos en particular de la competencia prefiere la gente, etc.
Los métodos para reunir datos son principalmente encuestas y entrevistas
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS

Consenso de Jurado

Intercambio franco y libre en juntas. La idea es que la

discusión del grupo producirá mejores pronósticos
que los de cualquier individuo.

Los participantes pueden ser ejecutivos, vendedores o

clientes.
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS

Consenso de Jurado

La idea de que dos cabezas piensan mejor que una, un grupo de personas
que ocupan diversos puestos pueden desarrollar un pronóstico más
confiable. Los pronósticos de estos expertos se desarrollan a través de
reuniones de trabajo, donde personas y administradores de todos los
niveles intercambian ideas libremente.
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS
Consenso de Jurado
El problema de este estilo abierto es que los empleados de
niveles más bajos se sienten intimidados ante los
administradores de niveles más altos. Ejemplo: un
vendedor de una línea específica de productos podría hacer
una buena estimación de la demanda futura del producto,
pero tal vez no diga nada que refute una estimación muy
diferente presentada por el vicepresidente de marketing.
PRONÓSTICOS

1. TÉCNICAS CUALITATIVAS
Analogía Histórica
Relaciona lo que se pronostica con un elemento similar. Es ideal para
planear productos nuevos porque se puede derivar un pronostico
empleando el historial de un producto similar.
Podemos clasificar estas analogías de muchas maneras, por ejemplo:
Productos que se complementan, productos que pueden ser sustituidos o
que compiten entre sí.
PRONÓSTICOS

1. TECNICAS CUALITATIVAS

Analogía Histórica

Un ejemplo sería el de tostadores y cafeteras. Una

empresa que produce tostadores y quiere producir
cafeteras podría usar el historial de los tostadores
como modelo del crecimiento probable.
PRONÓSTICOS

1. TECNICAS CUALITATIVAS
Método Delphi
Un grupo de expertos contesta un cuestionario. Un
moderador compila los resultados y prepara otro
cuestionario que también le presenta al grupo. Así,
el grupo pasa por un proceso de aprendizaje debido
a que recibe nueva formación ya que nadie esta
sujeto a influencia alguna por presión del grupo ni
de personas dominantes.
PRONÓSTICOS

1. TECNICAS CUALITATIVAS
Método Delphi
Los pasos de este procedimiento son:
1. Escoger a los expertos que participarán. Debe haber
personas que tengan conocimientos de distintas áreas.
2. Por medio de un cuestionario (o correo electrónico),
obtener pronósticos (y las premisas o calificaciones
para estos pronósticos) de todos los participantes.
PRONÓSTICOS
1. TECNICAS CUALITATIVAS
Método Delphi
Los pasos de este procedimiento son:
3. Resumir los resultados y volver a repartirlos entre los participantes, con
las correspondientes preguntas nuevas.
4. Volver a resumir, mejorando los pronósticos y las condiciones y volver a
preparar preguntas nuevas.
5. Repetir el paso 4 en caso necesario. Repartir los resultados finales entre
todos los participantes.
PRONÓSTICOS

2. Análisis de Series de Tiempo (Cuantitativo)

Se basa en la idea de que podemos usar la historia de los hechos ocurridos

para prever el futuro.

Promedio móvil simple. Se obtiene el promedio de un periodo especifico

que contiene una serie de datos dividiendo la suma de los valores de éstos
entre el número de valores. Por lo tanto, cada uno tiene la misma
influencia.
PRONÓSTICOS

2. Análisis de Series de Tiempo (Cuantitativo)

Promedio ponderado movible.

Se ponderan puntos específicos, adjudicándoles mayor o menor valor que a
otros, según los aconseje la experiencia.

Método exponencial aminorado (Suavizamiento exponencial)

Se ponderan los puntos de datos recientes con un valor más alto, y su peso
va disminuyendo exponencialmente a medida que los datos envejecen.
PRONÓSTICOS

2. Análisis de Series de Tiempo (Cuantitativo)

Análisis de regresión

Se adapta una línea recta a los datos del pasado,

normalmente relacionando el valor de los datos con
el tiempo. La técnica más común de adaptación es la
de los cuadrados mínimos.
PRONÓSTICOS

2. Análisis de Series de Tiempo

Proyecciones de tendencias

Aplica una línea matemática de tendencias

a los puntos de datos y los proyecta al
futuro.
PRONÓSTICOS

3. Causales
Trata de entender el sistema básico en torno al elemento
que será pronosticado Por ejemplo, las ventas pueden
verse afectadas por la publicidad la calidad y los
competidores.
Análisis de regresión: Es parecido al método de los
cuadrados mínimos en las series de tiempo. Pero puede
contener muchas variables. Su base es que el pronóstico
se deriva de otros hechos que han ocurrido.
PRONÓSTICOS

3. Causales
Modelos econométricos Tratan de describir algún sector de la economía
mediante una serie de ecuaciones interdependientes
Modelos de insumos/productos
Se concentran en las ventas que cada industria hace a otras empresas.
Indican los cambios en las ventas que una industria productora puede
esperar debido a cambios en las compras realizadas por otra industria.
PRONÓSTICOS

3. Causales

Indicadores lideres

Representan estadísticas que se mueven en la misma

dirección que la serie que se está pronosticando, pero
que se mueven antes que la serie, ejemplo: un
incremento en el precio de la gasolina que indica una
disminución futura de las ventas de autos grandes.
PRONÓSTICOS

4. Modelos de Simulación

Modelos dinámicos, normalmente de computadora que permiten al

pronosticador formular supuestos respecto de variables internas del
entorno externo del modelo. Dependiendo de las variables del modelo, el
pronosticador puede hacer preguntas como: que pasaría con mi pronostico
si el precio aumentara 10 por ciento? ¿Cual seria el efecto que una recesión
nacional leve tendría en mi pronóstico?
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple: Usa números de valores de datos históricos

reales para generar un pronóstico. Son útiles si podemos suponer que la
demanda del mercado permanecerá relativamente estable en el tiempo. Un
promedio móvil de 4 meses se encuentra simplemente al sumar la
demanda medida durante los últimos 4 meses y dividiéndola entre cuatro.
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple. Al concluir cada mes, los datos del mes más
reciente se agregan a la suma de los 3 meses previos y se elimina el dato
del mes más antiguo. Esta práctica tiende a suavizar las irregularidades del
corto plazo en las series de datos. Matemáticamente, el promedio móvil
simple (que sirve como estimación de la demanda del siguiente periodo) se
expresa como:
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple.
Promedio móvil = Σ Demanda en los n periodos previos
n
EJEMPLO
La tienda de suministros para jardín quiere hacer un pronóstico con el
promedio móvil de 3 meses, incluyendo un pronóstico para las ventas de
cobertizos el próximo enero.
 PRONÓSTICOS
Análisis de Series de Tiempo
(cuantitativo)

Promedio móvil simple.

Pms= Σ Demanda en los n periodos previos

n
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple.

Promedio móvil = Σ Demanda en los n periodos previos
n

Solución: El pronóstico para diciembre es de 20.67. Para proyectar la demanda de

cobertizos en el próximo enero, sumamos las ventas de octubre, noviembre y diciembre
y dividimos entre 3:
(18+16+14)
𝑃𝑟𝑜𝑛 ó 𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑒𝑛𝑒𝑟𝑜= =16
3
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple.

Promedio móvil = Σ Demanda en los n periodos previos
n

Ejercicio de aprendizaje: Si las ventas reales en diciembre fueran de 18 (en vez

de 14), ¿cuál es el nuevo pronóstico para enero? Respuesta:
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple ponderado.

Cuando se presenta una tendencia o un patrón localizable, pueden

utilizarse ponderaciones para dar más énfasis a los valores recientes. Esta
práctica permite que las técnicas de pronóstico respondan más rápido a los
cambios, puesto que puede darse mayor peso a los periodos más recientes.
PRONÓSTICOS
Análisis de Series de Tiempo (cuantitativo)
Promedio móvil simple ponderado.

La elección de las ponderaciones es un tanto arbitraria porque no existe una

fórmula establecida para determinarlas. Por lo tanto, decidir qué ponderaciones
emplear requiere cierta experiencia. Por ejemplo, si el último mes o periodo se
pondera demasiado alto, el pronóstico puede reflejar un cambio grande inusual,
demasiado rápido en el patrón de demanda o de ventas
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple ponderado.

Un promedio móvil ponderado puede expresarse matemáticamente como:

Promedio móvil = Σ (Ponderación para el periodo n)(Demanda en el periodo n)

ponderado Σ Ponderaciones
PRONÓSTICOS
Análisis de Series de Tiempo (cuantitativo)
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Promedio móvil simple ponderado.

Razonamiento: En esta situación particular de pronóstico, se observa que

cuanto más se pondera el último mes, la proyección que se obtiene es
mucho más precisa.

Ejercicio de aprendizaje: Si las ponderaciones asignadas fueran 4, 2 y 1

(en lugar de 3, 2 y 1),
¿cuál es el pronóstico para enero con el promedio móvil ponderado?
Respuesta: 15.1/7
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Los promedios móviles simples como los ponderados son efectivos para
suavizar las fluctuaciones repentinas en el patrón de la demanda con el fin
de obtener estimaciones estables. Sin embargo, los promedios móviles
presentan tres problemas:
PRONÓSTICOS
Análisis de Series de Tiempo (cuantitativo)
1. Aumentar el tamaño de n (el número de periodos promediados) suaviza de
mejor manera las fluctuaciones, pero resta sensibilidad al método ante
cambios reales en los datos.

2. Los promedios móviles no reflejan muy bien las tendencias. Porque son
promedios, siempre se quedarán en niveles pasados, no predicen los cambios
hacia niveles más altos ni más bajos. Es decir, retrasan los valores reales.

3. Los promedios móviles requieren amplios registros de datos históricos.

PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

El suavizamiento exponencial es un sofisticado método de pronóstico de
promedios móviles ponderado que sigue siendo bastante fácil de usar.
Implica mantener muy pocos registros de datos históricos. La fórmula
básica para el suavizamiento exponencial se expresa como sigue:

Nuevo pronóstico = Pronóstico del periodo anterior + α(Demanda real del

mes anterior – Pronóstico del periodo anterior)
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Donde α es la ponderación, o constante de suavizamiento, elegida por
quien pronostica, que tiene un valor de entre 0 y 1. La ecuación también
puede escribirse matemáticamente como:
Ft = Ft−1 + α(At−1 − Ft−1)
Donde:
Ft = nuevo pronóstico
Ft−1 = pronóstico del periodo anterior
α = constante de suavizamiento (o ponderación) (0 ≤α≤ 1)
At−1 = demanda real en el periodo anterior
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

En enero, un vendedor de automóviles predijo que la demanda para febrero
sería de 142 Ford Mustang. La demanda real en febrero fue de 153
automóviles. Usando la constante de suavizamiento que eligió la
administración de α = .20, el vendedor quiere pronosticar la demanda para
marzo usando el modelo de suavizamiento exponencial.
Solución: Al sustituir en la fórmula los datos de la muestra, se obtiene:

Nuevo pronóstico (demanda de marzo) = 142+ 0.2(153 − 142) = 142 + 2.2

= 144.2
PRONÓSTICOS

Análisis de Series de Tiempo (cuantitativo)

Así, el pronóstico de la demanda de marzo para los Ford Mustang se
redondea a 144.

Razonamiento: Usando sólo dos elementos de datos, el pronóstico y la

demanda real, más una constante de suavizamiento, se desarrolló un
pronóstico de 144 Ford Mustang para marzo.

Ejercicio de aprendizaje: Si la constante de suavizamiento se cambia a

0.30, ¿cuál es el nuevo pronóstico? [Respuesta: 145.3].
PRONÓSTICOS
Análisis de Series de Tiempo (cuantitativo)

Selección de la constante de suavizamiento. El enfoque de suavizamiento

exponencial es fácil de usar y se ha aplicado con éxito en prácticamente todo
tipo de negocios. Sin embargo, el valor apropiado de la constante de
suavizamiento, α, puede hacer la diferencia entre un pronóstico preciso y uno
impreciso.
PRONÓSTICOS
Análisis de Series de Tiempo (cuantitativo)

Se eligen valores altos para constante de suavizamiento, α, cuando el

promedio subyacente tiene probabilidades de cambiar. Se emplean
valores bajos de cuando el promedio en que se basa es bastante estable.
Al elegir los valores de la constante de suavizamiento, el objetivo es
obtener el pronóstico más preciso.
PRONÓSTICOS
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)
La razón por la que el suavizamiento exponencial debe modificarse
cuando se observa una tendencia. Suponga que la demanda de un
producto o servicio ha venido aumentando en 100 unidades cada mes y
que hemos obtenido pronósticos con = 0.4 en el modelo de
suavizamiento exponencial. La siguiente tabla muestra un retraso
considerable en los meses 2, 3, 4 y 5 aun cuando nuestra estimación
inicial para el mes 1 es perfecta
PRONÓSTICOS
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)
Mes Demanda real Pronostico por mes T()
1 100
2 200
3 300
4 400
5 500

Para mejorar nuestro pronóstico, veremos un modelo de suavizamiento

exponencial más complejo. Uno que hace ajustes de tendencia. La idea es
calcular un promedio suavizado exponencialmente de los datos y después ajustar
el retraso positivo o negativo en la tendencia.
PRONÓSTICOS
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)

Pronóstico incluyendo la tendencia (FI Tt ) = pronóstico exponencialmente

suavizado (Tt) + tendencia exponencialmente suavizada (Ft)

Con el suavizamiento exponencial ajustado por tendencia, las estimaciones

del promedio y la tendencia se suavizan. Este procedimiento requiere dos
constantes de suavizado, para el promedio y para la tendencia. Después
calculamos el promedio y la tendencia para cada periodo:
PRONÓSTICOS
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)

Ft = α(demanda real del último periodo) (1 - α)(pronóstico del último

periodo tendencia estimada para el último periodo)

𝐹 1 =α ( 𝐴 𝑡 − 1 ) +(1 − α )( 𝐹 𝑡 − 1+ 𝑇 𝑡 − 1)
PRONÓSTICOS
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)

𝑇 𝑡 = 𝛽 ( 𝐹 𝑡 − 𝐹 𝑡 −1 ) +(1− 𝛽) 𝑇 𝑡 −1

Donde:
Ft = pronóstico exponencialmente suavizado de la serie de datos en el periodo t
Tt = tendencia exponencialmente suavizada en el periodo t
At = demanda real en el periodo t
α= constante de suavizado para el promedio (0 ≤ α ≤ 1)
β= constante de suavizado para la tendencia (0 ≤ β ≤ 1)
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)

Así, los tres pasos para calcular el pronóstico con ajuste de tendencia son:

Paso 1: Calcule Ft, el pronóstico exponencialmente suavizado para el

periodo t, empleando la ecuación

Paso 2: Calcule la tendencia suavizada, Tt , usando la ecuación

Paso 3: Calcule el pronóstico incluyendo la tendencia, FITt , con la

fórmula FITt = Ft + Tt .
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)
Un importante fabricante de Portland usa suavizamiento exponencial para pronosticar la demanda
de un equipo para control de contaminación. Aparentemente, hay una tendencia creciente.

Mes (t) Demanda real Mes (t) Demanda real Se asigna a las constantes de suavizado
1 12 6 21 los valores alpha = 0.2y*beta = 0.4
2 17 7 31 Suponga que el pronóstico inicial para
3 20 8 28 el mes 1 (F1) fue 11 unidades y la
4 19 9 36
5 24 10 ? tendencia durante el mismo periodo
(T1) fue 2 unidades.
Paso 1: Pronostique para el mes 2:
Suavizamiento exponencial con ajuste de tendencia (cuantitativo)

Paso 2: Calcule la tendencia en el periodo 2:

Paso 3: Calcule el pronóstico incluyendo la tendencia (FI*T_{t}) :

Proyección de tendencias

El último método de pronósticos de series de tiempo que analizaremos es

la proyección de la tendencia. Esta técnica ajusta una recta de tendencia a
una serie de datos puntuales históricos y después proyecta dicha recta al
futuro para obtener pronósticos de mediano y largo plazo. Se pueden
desarrollar diversas ecuaciones matemáticas (como exponencial y
cuadrática), pero en esta sección revisaremos sólo las tendencias lineales
(en línea recta
Proyección de tendencias
Una recta de mínimos cuadrados se describe en términos de su ordenada o
intersección con el eje y (la altura en la cual cruza al eje y) y su pendiente
(la inclinación de la recta). Si calculamos la pendiente y la ordenada,
expresamos la recta con la siguiente ecuación:

donde ŷ (leído "y gorro") = valor calculado de la variable que debe predecirse
(denominada variable dependiente)
a = ordenada
b = pendiente de la recta de regresión (o la tasa de cambio en y
para los cambios dados en x)
x = variable independiente (que en este caso es tiempo)
Proyección de tendencias
Los profesionales de estadística han desarrollado ecuaciones que se utilizan para encontrar los
valores de a y b para cualquier recta de regresión. La pendiente b se encuentra mediante

𝑏=
∑ 𝑥𝑦 − 𝑛 𝑥 𝑦
∑ 𝑥
2
− 𝑛 𝑥
2

Donde b = pendiente de la recta de regresión

Σ = signo de suma
x = valores conocidos de la variable independiente
y = valores conocidos de la variable dependiente
= promedio del valor de las x
= promedio del valor de las y
n = número de datos puntuales u observaciones
Proyección de tendencias
A continuación se muestra la demanda de energía eléctrica en N.Y. Edison durante el
periodo 1997 a 2003, en megawatts. Pronostique la demanda para 2004 ajustando una
recta de tendencia a estos datos
Año Demanda de energía Año Demanda de energía
eléctrica eléctrica
1997 74 2001 105
1998 79 2002 142
1999 80 2003 122
2000 90

Con una serie de datos en función del tiempo podemos minimizar los cálculos
transformando los valores de x (tiempo) en números más sencillos. En este caso
podemos designar 1997 como año 1, 1998 como año 2, etcétera.
Proyección de tendencias

Año Periodo Demanda de xy

(x) energía eléctrica (y)
1997 1 74 1 74
1998 2 79 4 158
1999 3 80 9 240
2000 4 90 16 360
2001 5 105 25 525
2002 6 142 36 852
2003 7 122 49 854
Σx = 28 Σy = 692 Σ = 140 Σxy = 3,063
Proyección de tendencias

∑ 𝑥 28 𝑦=
∑ 𝑦 692
= =98.86
𝑥= = =4 𝑛 7
𝑛 7

𝑏=
∑ 𝑥𝑦 −𝑛 𝑥 𝑦 = 3,063 −(7)(4)( 98.86) = 295 =10.54
∑ 𝑥 2 −𝑛 𝑥 2 2
140 −(7)(4 ) 28

𝑎= 𝑦 − 𝑏 𝑥=98.86 − 10.54 ( 4 ) =56.70

Así, la ecuación de mínimos cuadrados para la tendencia es = 56.7 + 10.54x . Para proyectar la
demanda en 2004, primero denotamos el año 2004 en el nuevo sistema de códigos como x = 8