PRONOSTICOS

ARCADIO BUELVAS HERNANDEZ

CINDY CARDENAS DORIA
THOMAS HOYOS MORENO

UNIVERSIDAD DE CARTAGENA
CERET- CRDOBA
INVESTIGACIN DE OPERACIONES II
INGENIERIA DE SISTEMAS VII
27 de marzo de 2015

SOLUCION

1. Los datos de la tabla muestran que la demanda en la venta de airestiene

una tendencia creciente respecto al tiempo. Con generalidad, esa tendencia
significa que el promedio mvil no sera un buen predictor durante un
horizonte de planeacin prolongado. En particular, el uso de una base
grande n para el promedio mvil no se aconseja en este caso, porque
suprimir la tendencia de los datos. Eso quiere decirque es preferible usar
aqu una n pequea, porque permite capturar la tendencia de los datos.
Para nuestro caso tomaremos n = 2. Luego aplicamos la tcnica del
promedio mvil para los datos y obtenemos:

MES
(t)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

VENTAS (
Yt

)
25
15
30
38
58
62
85
88
60
40
40
38
40
35
50

MEDIA MOVIL (
Yt*

)
#N/A
20
22,5
34
48
60
73,5
86,5
74
50
40
39
39
37,5
42,5

16
17
18
19
20
21
22
23
24

60
66
90
105
85
60
55
50
45

55
63
78
97,5
95
72,5
57,5
52,5
47,5

El grafico respectivo de la media mvil lo presentamos a continuacin:

Media mvil
120

100

80
Real
Valor

60

Pronstico

40

20

Punto de datos

Ahora aplicamos suavizacin exponencial a los datos mostrados en la tabla y

obtenemos:
SUAVIZACION

Yt *

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

VENTAS (
25
15
30
38
58
62
85
88
60
40
40
38
40
35
50
60
66
90
105
85
60
55
50
45

EXPONENCIAL (
#N/A
25
15,2
29,704
37,83408
57,5966816
61,91193363
84,53823867
87,93076477
60,5586153
40,41117231
40,00822345
38,04016447
39,96080329
35,09921607
49,70198432
59,79403969
65,87588079
89,51751762
104,6903504
85,39380701
60,50787614
55,11015752
50,10220315

El grafico respectivo al modelo de suavizacin exponencial con una constante de

0,02
suavizacin

es:

Suavizacin exponencial
120
100
80
Real
Valor

60

Pronstico

40
20
0

Punto de datos

Notamos que al comparar el grafico del promedio mvil con el grafico de

suavizacin exponencial observamos que en el modelo de suavizacin el proceso
cambia con lentitud al paso del tiempo por ello es ms conveniente usar este
modelo.
Aplicaremos ahora el modelo de regresin lineal

Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de determinacin
R^2

0,393959076

R^2 ajustado

0,116803924

Error tpico

21,28296002

Observaciones

0,155203754

24

Pronstico para
Y

Observacin

Residuos

40,49

-15,49

41,75173913

-26,75173913

43,01347826

-13,01347826

44,27521739

-6,275217391

45,53695652

12,46304348

46,79869565

15,20130435

48,06043478

36,93956522

49,32217391

38,67782609

50,58391304

9,416086957

10

51,84565217

-11,84565217

11

53,1073913

-13,1073913

12

54,36913043

-16,36913043

13

55,63086957

-15,63086957

14

56,8926087

-21,8926087

15

58,15434783

-8,154347826

16

59,41608696

0,583913043

17

60,67782609

5,322173913

18

61,93956522

28,06043478

19

63,20130435

41,79869565

20

64,46304348

20,53695652

21

65,72478261

-5,724782609

22

66,98652174

-11,98652174

23

68,24826087

-18,24826087

24

69,51

-24,51

Variable X 1 Curva de regresin ajustada

120
100
80

60

Pronstico para Y

40
20
0
0

10

15

20

25

30

Variable X 1

Notamos que el modelo de regresin lineal no se ajusta muy bien a los datos.

2. Tenemos para los autos y aviones respectivamente

AO(T)
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989

AUTO
1042
1182
1224
1338
1455
1613
1644
1699
1790
1885

AVION
500
522
540
612
715
790
840
900
935
980

MEDIA MOVIL
AUTO
#N/A
1112
1203
1281
1396,5
1534
1628,5
1671,5
1744,5
1837,5

MEDIA MOVIL
AVION
#N/A
511
531
576
663,5
752,5
815
870
917,5
957,5

Media mvil auto

2000
Valor

Real

1000

Pronstico

0
1 2 3 4 5 6 7 8 9 10
Punto de datos

Media mvil avion

1500

Real

1000
Valor

Pronstico

500
0
1 2 3 4 5 6 7 8 9 10
Punto de datos

Ahora usamos el modelo de suavizacin exponencial

SUAVIZACION
EXPONENCIAL AUTO
#N/A
1042
1179,2
1223,104
1335,70208
1452,614042
1609,792281
1643,315846
1697,886317
1788,157726

SUAVIZACION
EXPONENCIAL AVION
#N/A
500
521,56
539,6312
610,552624
712,9110525
788,458221
838,9691644
898,7793833
934,2755877

Suavizacin exponencial auto

2000
Valor

Real

1000

Pronstico

0
1

9 10

Punto de datos

Suavizacin exponencial avion

1500

Real

1000
Valor

Pronstico

500
0
1 2 3 4 5 6 7 8 9 10
Punto de datos

Por ultimo aplicamos el modelo de regresin lineal a los datos:

Tenemos para los AUTOS:

Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de
determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0,992799
94
0,985651
72
0,983858
18
35,91346
92
10

Observacin
1
2
3
4
5
6
7
8
9
10

Pronstico
para Y
1070,090909
1162,781818
1255,472727
1348,163636
1440,854545
1533,545455
1626,236364
1718,927273
1811,618182
1904,309091

Variable X 1 Curva de regresin ajustada auto

2000
Y

1000

Pronstico para Y

0
1978 1980 1982 1984 1986 1988 1990
Variable X 1

Ahora para los aviones tenemos:

Estadsticas de la regresin
Coeficiente de correlacin
mltiple
Coeficiente de
determinacin R^2
R^2 ajustado
Error tpico

0,989500
19
0,979110
63
0,976499
46
27,77406
14

Observaciones

10

Observacin
1
2
3
4
5
6
7
8
9
10

Pronstico
para Y
466,9454545
526,1575758
585,369697
644,5818182
703,7939394
763,0060606
822,2181818
881,430303
940,6424242
999,8545455

Variable X 1 Curva de regresin ajustada avion

2000
Y

1000

Pronstico para Y

0
1978 1980 1982 1984 1986 1988 1990
Variable X 1

Notamos de acuerdo a los grficos anteriores que el modelo ms ajustado es el de

regresin lineal.

3. Analizamos los datos de acuerdo a la venta de una tienda departamental;

aplicamos las tcnicas del promedio mvil y suavizacin exponencial
Obtenemos lo siguiente:

ao(t)
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989

ventas(millone
s de $)
21,0
23,2
23,2
24,0
24,9
25,6
26,6
27,4
28,5
29,6

media
mvil
#N/A
22,1
23,2
23,6
24,5
25,3
26,1
27,0
28,0
29,1

suavizacin
exponencial
#N/A
21,0
23,156
23,19912
23,9839824
24,88167965
25,58563359
26,57971267
27,38359425
28,47767189

Los grficos respectivos son:

Media mvil
40.0
Valor

Real

20.0

Pronstico

0.0
1 2 3 4 5 6 7 8 9 10
Punto de datos

Suavizacin exponencial
35.0
30.0
25.0

Real

20.0

Pronstico

Valor 15.0
10.0
5.0
0.0
1 2 3 4 5 6 7 8 9 10
Punto de datos

Ahora aplicamos el modelo de regresin lineal a los datos y obtenemos:

Estadsticas de la regresin
Coeficiente de
0,99102
correlacin mltiple
225
Coeficiente de
0,98212
determinacin R^2
51
R^2 ajustado
0,97989
073
Error tpico
0,37809
33
Observaciones
10

Observacin
1
2
3
4
5
6
7
8
9
10

Pronstico
para Y
21,47272727
22,34545455
23,21818182
24,09090909
24,96363636
25,83636364
26,70909091
27,58181818
28,45454545
29,32727273

Variable X 1 Curva de regresin ajustada

35.0
30.0
25.0
20.0

Y 15.0

Pronstico para Y

10.0
5.0
0.0
1978 1980 1982 1984 1986 1988 1990
Variable X 1

Notamos que para este caso al aplicar cualquier modelo nos da un buen
pronstico que las ventas aumentaran a medida que pasen los aos.