Professional Documents
Culture Documents
Faculta
INTEGRANTES d de
Ingenie
Carranza Martínez, Yeni Nathaly CM06021 ría y
Hernández Amaya, Loida Eunice HA04010 Arquite
Orantes Tobar, David Alberto OT 04001 ctura
Santos Vásquez, Sandra Maribel SV06002
Índice
Contenido
Introducción.............................................................................................................................i
Objetivos.................................................................................................................................ii
Objetivo General..................................................................................................................ii
Objetivos Específicos...........................................................................................................ii
Contenido................................................................................................................................1
Pronostico...............................................................................................................................1
Historia del método de mínimos cuadrados...........................................................................3
Definición del método.........................................................................................................4
Formulación dimensional de los problemas.......................................................................5
Deducción analítica de la aproximación discreta mínimo cuadrática lineal.......................6
Corolario..............................................................................................................................8
Deducción geométrica del problema discreto....................................................................9
Algunas Ventajas y restricciones del Modelo...................................................................12
Ventajas.........................................................................................................................12
Restricciones.................................................................................................................13
Pronostico por mínimos cuadrados......................................................................................13
FÓRMULA GENERAL..........................................................................................................13
MÉTODO SIMPLIFICADO (PARES Y NONES)......................................................................14
Ejemplos:...........................................................................................................................14
Método general............................................................................................................14
Método simplificado.....................................................................................................16
Conclusiones.........................................................................................................................24
Bibliografía............................................................................................................................25
Introducción
Objetivos
Objetivo General
Objetivos Específicos
Contenido
Pronostico
¿Qué es un pronóstico?
Es una serie de datos que en base a una serie de estudios determinan la demanda
en un futuro de un determinado producto. Es una inferencia a partir de ciertos datos.
Para este efecto, hay varias clases de pronósticos que se pueden considerar y a
continuación se presenta una tabla que nos describe una de las clasificaciones existentes.
¿Qué
De corto plazo
Por su plazo: De largo plazo
Micro
Según el entorno a pronosticar Macro
significa pronosticar?
Es predecir el futuro a partir de algunos indicios
Cualitativas
Cuantitativas
Combinación de ambas
preciso para permitir aZach, astrónomo alemán, reencontrar a Ceres al final del año fue el
de un Carl Friedrich Gauss de 24 años (los fundamentos de su enfoque ya los había
planteado en 1795, cuando aún tenía 18 años). Pero su método de mínimos cuadrados no
se publicó hasta 1809, apareciendo en el segundo volumen de su trabajo sobre mecánica
celeste, Theoria Motus Corporum Coelestium in sctionibus conicis solem ambientium. El
francés Adrien-Marie Legendre desarrolló el mismo método de forma independiente en
1805.
En 1829 Gauss fue capaz de establecer la razón del éxito maravilloso de este
procedimiento: simplemente, el método de mínimos cuadrados es óptimo en muchos
aspectos. El argumento concreto se conoce como teorema de Gauss-Márkov.
Para alcanzar este objetivo, suponemos que la función f es de una forma particular
que contenga algunos parámetros que necesitamos determinar. Por ejemplo,
supongamos que es cuadrática, lo que quiere decir que , donde
no conocemos aún , y . Ahora buscamos los valores de , y que minimicen la suma
de los cuadrados de los residuos (S):
Esto explica el nombre de mínimos cuadrados. A las funciones que multiplican a los
coeficientes buscados, esto es, a x2, x y 1, se les conoce con el nombre de funciones base
de la aproximación. Dichas funciones base pueden ser cualesquiera funciones, y para ese
caso se deduce a continuación la fórmula general en el caso de que la aproximación sea
discreta y lineal.
Ello equivale por tanto a hallar los m coeficientes . En concreto, se desea que
tal función f(x) sea la mejor aproximación a los n pares empleando el criterio
de mínimo error cuadrático medio de la función f(x) con respecto a los puntos .
Siendo (a,b)d el producto escalar discreto, definido para dos funciones dadas h(x) y g(x)
como:
Corolario
Si se tratara de hallar el conjunto {cj} tal que f(x) pasara exactamente por todos los
pares , esto es, tales que f(x)interpolara a , entonces
tendría que cumplirse que:
Esto es:
De entre todos ellos, el que cumple esto con respecto a la norma euclídea es la
proyección ortogonal del b sobre span(A1,A2,...,Am), y que por tanto hace que el tamaño
del vector r, que será el vector que una los extremos de los vectores b y proyección
ortogonal de b sobre el span, sea mínimo, esto es, que minimiza su norma euclídea.
.
A esta ecuación se le llama ecuación normal de Gauss, y es válida para cualquier
conjunto de funciones base. Si estas son la unidad y la función x, entonces la aproximación
se llama regresión lineal.
por
Ventajas
Restricciones
Esta es otra técnica de tipo cuantitativo que permite el cálculo de los pronósticos para
períodos futuros, para lo cual requiere de registros históricos que sean consistentes,
reales y precisos.
Esta técnica como su nombre lo indica se trata de sacar el total de las desviaciones
elevadas al cuadrado a un valor mínimo: su objetivo es determinar los coeficientes a y b,
que son conocidos como coeficientes de regresión, donde x es la variable independiente
(tiempo), y es la variable dependiente (pronóstico de la demanda).
En la práctica se pueden utilizar dos métodos para calcular los pronósticos a través de
mínimos cuadrados: Fórmula general y Métodos simplificado.
FÓRMULA GENERAL
donde:
Donde:
Ejemplos:
Método general
Ejemplo 1:
Ventas
Períodos x xy x^2
(miles)
1990 85 1 85 1
1991 89 2 178 4
1992 92 3 276 9
1993 95 4 380 16
1994 93 5 465 25
1995 98 6 588 36
Σ 552 21 1972 91
x son los períodos desde el primer dato histórico hasta el pronóstico a calcular
Ejemplo 2:
Sabritas S.A de C.V. desea elaborar el pronóstico de ventas para uno de sus productos
en el año 2003 y en torno a éste resultado, se hará la planeación de los recursos a
utilizar en el sistema; para lo cual cuenta con el volumen de ventas anuales que se
indican en la siguiente tabla.
Ventas
Períodos x xy x2
(miles)
Cálculo del pronóstico
Método simplificado
Ejemplo 1:
Supongamos una empresa con información desde el año 1994 a 2004, queriendo
conocer cuál sería la tendencia para el 2005.
En el cuadro siguiente puede verse cómo se armaría la tabla para calcular los totales
en base a los cuales calcularemos a y b.
Para cada año anterior se resta 1 (uno) y para cada posterior se suma 1 (uno)
Y = 835 + 45 x 6 = 1,106
Ejemplo 2:
Supongamos una empresa con información desde el año 1995 a 2004, queriendo
conocer cuál sería la tendencia para el 2005.
En el cuadro siguiente puede verse cómo se armaría la tabla para calcular los totales
en base a los cuales calcularemos a y b.
El coeficiente X, dado que la cantidad de años a analizar “n” es par (n = 10) se obtiene
de la siguiente forma:
En este caso no existe un año medio. El año que corresponde al total de años
dividido dos (2), llevará coeficiente –1 mientras que el que le sigue llevará
coeficiente 1.
El resto de los años, hacia atrás y hacia adelante, llevarán el coeficiente menos
dos o más dos, según corresponda.
Y = 988 + 16 x 11 = 1,052
Ejemplo 3:
Desarrollando el ejemplo de 1.
Ventas
Períodos x xy x2
(miles)
1990 85 -5 -425 25
1991 89 -3 -267 9
1992 92 -1 -92 1
0 0 0
1993 95 1 95 1
1994 93 3 279 9
1995 98 5 40 25
Σ 552 0 80 70
*los períodos se cuentan a partir de 1993 con números consecutivos impares de los
asignados a x en un principio hasta llegar a 2003:
96-7 2000-15
97-9 2001-17
98-11 2002-19
99-13 2003-21
Ejemplo 4:
Desarrollando el ejemplo de 2.
Sabritas S.A de C.V. desea elaborar el pronóstico de ventas para uno de sus productos
en el año 2003 y en torno a éste resultado, se hará la planeación de los recursos a
utilizar en el sistema; para lo cual cuenta con el volumen de ventas anuales que se
indican en la siguiente tabla.
Ventas
Períodos x xy x2
(miles)
1991 124 0 0 0
Σ 1093 0 44 60
*los períodos se cuentan a partir de 1992 con números consecutivos de los asignados
a x en un principio hasta llegar a 2003:
96-5 2000-9
97-6 2001-10
98-7 2002-11
99-8 2003-12
Conclusiones
El método de mínimos cuadrados es una técnica de las mejores aceptadas por sus
resultados de fiabilidad en cuanto a la reducción del error derivado del ajuste en
los datos reales respecto de la línea propuesta.
Bibliografía
www.monografias.com/trabajos13/.../placo.shtml
http://henalova.blogspot.es