Metodos de pronostico:

1) Series estacionarias(SERIES SIN TENDENCIA):

-SUAVIZAMIENTO EXPONENCIAL SIMPLE
-METODO DE MEDIA MOVIL
-METODO ULTIMO DATO

2) Series con componente de tendencia:

-2.1 Regresion
este metodo NO actualiza pendiente
-2.2 Suavizamiento exponencial doble
este metodo SI actualiza pendiente

3) Series con componente estacional

-Con tendencia
Holt winters
Regresion lineal multiple trigonometrica
-sin tendencia
winters
DENCIA):

encia:

al
 1. DATA
2. Grafico de demanda
t dt dt
1 161 170
2 165
3 158
165 165
4 158 164
163 163
5 164 1
161
6 152 160 160 160
159
158 158 158
7 153
8 155 155 155 155
154
9 163 153
152
10 159 150
11 163
12 160 145
13 160
14 158
140
15 155 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
16 154
17 162
18 164
19 159
20 159
21 ?
22 ?
23 ?
24 ?
25 ?
PRÓNOSTICO
o de demanda dt
dt Li nea r (dt)
F(t+1)=Prom
d(t) N Una vez analizada la
serie de datos, se
procede a utilizar y
164
163 evaluar los posibles
162
160 160
métodos para dicha
159
158
159 159 serie. En este caso
(Proceso
155
154 Constante), es ideal
realizar el
pronostico mediante
los métodos de
Promedio Móvil
y/o Alizado
0 11 12 13 14 15 16 17 18 19 20 21 22
Exponencial
Simple.
 3. Promedio movil (N=2)

t dt F(t+1)=Prom d(t) N Et abs Et Et^2

1 161
2 165
3 158 163 -5 5 25
4 158 161.5 -3.5 3.5 12.25
5 164 158 6 6 36
6 152 161 -9 9 81
7 153 158 -5 5 25
8 155 152.5 2.5 2.5 6.25
9 163 154 9 9 81
10 159 159 0 0 0
11 163 161 2 2 4
12 160 161 -1 1 1
13 160 161.5 -1.5 1.5 2.25
14 158 160 -2 2 4
15 155 159 -4 4 16
16 154 156.5 -2.5 2.5 6.25
17 162 154.5 7.5 7.5 56.25
18 164 158 6 6 36
19 159 163 -4 4 16
20 159 161.5 -2.5 2.5 6.25
21 X 159
22 X
23 X MAE 4.05555556
24 X MSE 23.0277778
25 X
 Promedio movil (N=3)

t dt F(t+1)=Prom d(t) N Et abs Et Et^2

1 161
2 165
3 158
4 158 161.3333333333 -3.3333333 3.33333333 11.1111111
5 164 160.3333333333 3.66666667 3.66666667 13.4444444
6 152 160 -8 8 64
7 153 158 -5 5 25
8 155 156.3333333333 -1.3333333 1.33333333 1.77777778
9 163 153.3333333333 9.66666667 9.66666667 93.4444444
10 159 157 2 2 4
11 163 159 4 4 16
12 160 161.6666666667 -1.6666667 1.66666667 2.77777778
13 160 160.6666666667 -0.6666667 0.66666667 0.44444444
14 158 161 -3 3 9
15 155 159.3333333333 -4.3333333 4.33333333 18.7777778
16 154 157.6666666667 -3.6666667 3.66666667 13.4444444
17 162 155.6666666667 6.33333333 6.33333333 40.1111111
18 164 157 7 7 49
19 159 160 -1 1 1
20 159 161.6666666667 -2.6666667 2.66666667 7.11111111
21 X 160.6666666667
22 X
23 X MAE 3.96078431
24 X MSE 21.7908497
25 X
 Promedio movil (N=4)

t dt F(t+1)=Prom d(t) N Et abs Et Et^2

1 161
2 165
3 158
4 158
5 164 160.5 3.5 3.5 12.25
6 152 161.25 -9.25 9.25 85.5625
7 153 158 -5 5 25
8 155 156.75 -1.75 1.75 3.0625
9 163 156 7 7 49
10 159 155.75 3.25 3.25 10.5625
11 163 157.5 5.5 5.5 30.25
12 160 160 0 0 0
13 160 161.25 -1.25 1.25 1.5625
14 158 160.5 -2.5 2.5 6.25
15 155 160.25 -5.25 5.25 27.5625
16 154 158.25 -4.25 4.25 18.0625
17 162 156.75 5.25 5.25 27.5625
18 164 157.25 6.75 6.75 45.5625
19 159 158.75 0.25 0.25 0.0625
20 159 159.75 -0.75 0.75 0.5625
21 X 161
22 X
23 X MAE 3.84375
24 X MSE 21.4296875
25 X
 Promedio movil (N=5)

t dt F(t+1)=Prom d(t) N Et abs Et

1 161
2 165
3 158
4 158
5 164
6 152 161.2 -9.2 9.2
7 153 159.4 -6.4 6.4
8 155 157 -2 2
9 163 156.4 6.6 6.6
10 159 157.4 1.6 1.6
11 163 156.4 6.6 6.6
12 160 158.6 1.4 1.4
13 160 160 0 0
14 158 161 -3 3
15 155 160 -5 5
16 154 159.2 -5.2 5.2
17 162 157.4 4.6 4.6
18 164 157.8 6.2 6.2
19 159 158.6 0.4 0.4
20 159 158.8 0.2 0.2
21 X 159.6
22 X
23 X MAE 3.89333333
24 X MSE 22.8053333
25 X
Et^2

84.64
40.96
4
43.56
2.56
43.56
1.96
0
9
25
27.04
21.16
38.44
0.16
0.04
 1. DATA METODO ULTIMO DATO

t dt
1 161 t Ft+1 = dt et |et| et2
2 165 1 -
3 158 2 161 -4 4 16
4 158 3 165 7 7 49
5 164 4 158 0 0 0
6 152 5 158 -6 6 36
7 153 6 164 12 12 144
8 155 7 152 -1 1 1
9 163 8 153 -2 2 4
10 159 9 155 -8 8 64
11 163 10 163 4 4 16
12 160 11 159 -4 4 16
13 160 12 163 3 3 9
14 158 13 160 0 0 0
15 155 14 160 2 2 4
16 154 15 158 3 3 9
17 162 16 155 1 1 1
18 164 17 154 -8 8 64
19 159 18 162 -2 2 4
20 159 19 164 5 5 25
21 ? 20 159 0 0 0
22 ? 21 159 MAE MSE
23 ? 22 3.78947368 24.3157895
24 ? 23
25 ? 24
PRÓNOSTICO 25
 1. DATA

t dt dt
1 161 Li ne
ar
170 (dt)
2 165
St
3 158
4 158 165 165
164 164
5 164 163 163
6 152 162
161
7 153 160 160 160
159 159 159
f(x) = - 0.0195488722x
158 158 + 159.3052631579 158
8 155 R² = 0.000914814
9 163
155 155 155
10 159 154
153
11 163 152
12 160 150
13 160
14 158
145
15 155 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
16 154
17 162
18 164
19 159
20 159
21 ?
22 ?
23 ?
24 ?
25 ?
PRÓNOSTICO
 Suavi

Alpha=

Una vez analizada la

serie de datos, se t
procede a utilizar y 1
164
evaluar los posibles 2
162
métodos para dicha 3
160 160 4
159 159 serie. En este caso
158 5
(Proceso
Constante), es ideal 6
155
154
realizar el 7
pronostico mediante 8
los métodos de 9
10
Promedio Móvil
11
y/o Alizado
13 14 15 16 17 18 19 20 21 22 12
Exponencial
13
Simple.
14
15
16
17
Formulas 18
19
〖 1) � 〗 _(𝑡=)a*�_�+(1- 20

a)*(�_(�−1)) 21
 Suavizamiento exponencial Simple
MAE 3.34430658
0.06736361 MSE 16.7989999

St = a dt + (1-a) St-1
dt St Et abs Et Et^2
161 161
165 161 4 4 16
158 161.2694544378 -3.2694544 3.26945444 10.6893323
158 161.0492121859 -3.0492122 3.04921219 9.29769495
164 160.8438062471 3.15619375 3.15619375 9.96155901
152 161.0564188504 -9.0564189 9.05641885 82.0187224
153 160.4463457879 -7.4463458 7.44634579 55.4480656
155 159.9447330583 -4.9447331 4.94473306 24.450385
163 159.6116379917 3.38836201 3.38836201 11.4809971
159 159.8398902867 -0.8398903 0.83989029 0.70541569
163 159.7833122454 3.21668775 3.21668775 10.3470801
160 159.9999999431 5.6894E-08 5.6894E-08 3.237E-15
160 159.9999999469 5.3062E-08 5.3062E-08 2.8156E-15
158 159.9999999505 -2 1.99999995 3.9999998
155 159.8652727349 -4.8652727 4.86527273 23.6708788
154 159.5375304025 -5.5375304 5.5375304 30.664243
162 159.1645023671 2.83549763 2.83549763 8.04004683
164 159.3555117222 4.64448828 4.64448828 21.5712714
159 159.6683812167 -0.6683812 0.66838122 0.44673345
159 159.6233566455 -0.6233566 0.62335665 0.38857351
X 159.5813650919 X X X
 1. DATA ORIGINAL

Año Bimestre Nuevos Usuarios (dt) USUARIOS TOTALES

1 55 55
2 80 135
3 95 230
2003
4 114 344
5 97 441
6 60 501
7 64 565
8 90 655
9 105 760
2004
10 130 890
11 105 995
12 70 1065
 2. GRÁFICO DE DEMANDA (Dt)

Nuevos Us ua ri os
(dt)
Li near (Nuevos Demanda de Nuevos Usuarios (dt)
Us uari os (dt))

140
130

120 114
105 105
95 97
100
Demanda

f(x) = 2.0034965035x + 75.7272727273 90

R² = 0.0959508125
80
80
70
64
60
60 55

40
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Bimestre

Se puede observar através del gráfico de demanda (dt) que, se tiene una
tendencia al alza, también se evidencia que hay presencia de estacionalidad
con (L=6 Bimestres por año).
Para pronósticar la demanda de usuarios en este caso pueden utilizarse dos
métodos RLM y Holt - Winters,
Dada la información el método más conveniente para pronósticar es RLM, ya
que no es limitado por el número de periodos mientras que Holt - Winters sí, ya
que se desea rebasar la capacidad.
 3. MÉTODO DE RLM

En regresion:
Rango de entrada X =(bimestre;seno(2pi*t/6);coseno(2pi*t/6))
Rango de entrada Y=(Numero nuevo de usuarios)

1) paso: Preparar datos para RLM haciendo la transformacion de t en seno y coseno

Bimestre sen(2pt/6)
1 0.8660254038
2 0.8660254038
3 1.22464679914735E-16
4 -0.8660254038
5 -0.8660254038
6 -2.44929359829471E-16
7 0.8660254038
8 0.8660254038
una 9 3.67394039744206E-16
nalidad 10 -0.8660254038
11 -0.8660254038
se dos 12 -4.89858719658941E-16

LM, ya
ers sí, ya 2) Hallar coeficientes realizando RLM
En regresion:
Rango de entrada X =(bimestre;seno(2pi*t/6);coseno(2pi*t/6))
Rango de entrada Y=(Numero nuevo de usuarios)

Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.9657024031
Coeficiente de determinación R^2 0.9325811314
R^2 ajustado 0.9072990557
Error típico 7.1003215298
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 3
Residuos 8
Total 11

Coeficientes
Intercepción B0 79.6008403361
Bimestre B1 1.4075630252
sen(2pt/6) B2 -20.2230273912
Cos(2pt/6) B3 -20.8242296919

4) HALLAR PRONOSTICO

Análisis de los residuales L=

Observación= t Pronóstico Nuevos Usuarios (d't)

1 53.083
2 75.314
3 104.648
4 113.157
5 93.740
6 67.222
7 61.528
8 83.760
9 113.093
10 121.602
11 102.186
12 75.667
13 69.973
14 92.205
15 121.539
16 130.048
17 110.631
18 84.113
19 78.419

Nuevos Us ua ri os (dt)
Li nea r (Nuevos Us uari os Demanda de Nuevos Usuarios (dt)
(dt))
Pronóstico Nuevos Us ua ri os
(d't)
140
130 130.048
 Nuevos Us ua ri os (dt)
Li nea r (Nuevos Us uari os Demanda de Nuevos Usuarios (dt)
(dt))
Pronóstico Nuevos Us ua ri os
(d't)
140
130 130.048
121.539
120 114
110.631
f(x) = 2.0034965035x + 75.7272727273 105 105
R² = 0.0959508125 97
100 95

Demanda
90 92.205
84.113
80 78
80
70.000
70 69.973
64
60
60 55

40
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Bimestre
ÉTODO DE RLM

t en seno y coseno

Cos(2pt/6) Nuevos Usuarios (dt)

0.5 55
-0.5 80
-1 95
-0.5 114
0.5 97
1 60
0.5 64
-0.5 90
-1 105
-0.5 130
0.5 105
1 70

Suma de cuadrados Promedio de los cuadrados F Valor crítico de F

 5578.9334733894 1859.6444911298 36.8870476 4.9452E-05
403.3165266106 50.4145658263
5982.25

Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%

4.7011172019 16.9323241513 1.5012E-07 68.7600446 90.441636 68.7600446
0.6508854075 2.1625358459 0.06254179 -0.0933814 2.90850747 -0.0933814
3.1102062759 -6.5021498888 0.00018768 -27.395176 -13.050879 -27.395176
2.9708718336 -7.0094675431 0.00011158 -27.675072 -13.973387 -27.675072

Residuos= et ABS(RESIDUOS) et^2

1.9173669468 1.9173669468 3.67629601
4.6855742297 4.6855742297 21.9546059
-9.6477591036 9.6477591036 93.0792557
0.8431372549 0.8431372549 0.71088043
3.2598039216 3.2598039216 10.6263216
-7.2219887955 7.2219887955 52.1571222
2.4719887955 2.4719887955 6.11072861
6.2401960784 6.2401960784 38.9400471
-8.0931372549 8.0931372549 65.4988706
8.3977591036 8.3977591036 70.522358
2.8144257703 2.8144257703 7.92099242
-5.6673669468 5.6673669468 32.1190481
MAE 5.10504202

MSE 33.6097106
PRONOSTICO

5. PRONÓSTICO FINAL

s Usuarios (dt)

130.048
s Usuarios (dt)

130.048
121.539

110.631

92.205
84.113
78.419
70.000
70 69.973

12 13 14 15 16 17 18 19 20
Formula
Superior 95,0%
90.441636
2.90850747
-13.050879
-13.973387
 1. DATA

t d(t)
1 130 d(t)
2 160
270
3 170
4 159 250
5 163 231
230 2
6 151 218
7 167 210 210
f(x) = 2.7281208352x + 145.9439441057
8 145 190
R² = 0.3630210845

Demanda
10 177 177
11 157 170 170 167 168
160 159 163 157
163
12 210 150 151
145
13 168
14 218 130 130

15 163 110
17 231
90
18 226 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
19 168
Tiempo
20 167
21 234
22 186
23 158
24 253 Se observa através del gráfico de la dat
de tiempo posee una tendencia al alza
variabilidad no predecible . La s
estacionaria, tampoco presenta estacion
algún patrón repetitivo

Resumen

Estadísticas de la regresión
Coeficiente d 0.6025123107
Coeficiente 0.3630210845
R^2 ajustado 0.3311721388
Error típico 27.1092784126
Observacione 22

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 8376.69502 8376.69502 11.3982135 0.0030021
Residuos 20 14698.2595 734.912976
Total 21 23074.9545

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 145.9439441057 11.6374841 12.5408501 6.2143E-11 121.668578 170.219311 121.668578
t 2.7281208352 0.80806298 3.37612404 0.0030021 1.04253101 4.41371066 1.04253101

Análisis de los residuales

Observación Pronóstico d(t) Residuos

1 148.6720649408 -18.672065
2 151.400185776 8.59981422
3 154.1283066112 15.8716934
4 156.8564274464 2.14357255
5 159.5845482816 3.41545172
6 162.3126691168 -11.312669
7 165.0407899519 1.95921005
8 167.7689107871 -22.768911
9 173.2251524575 3.77484754
10 175.9532732927 -18.953273
11 178.6813941279 31.3186059
12 181.409514963 -13.409515
13 184.1376357982 33.8623642
14 186.8657566334 -23.865757
15 192.3219983038 38.6780017
16 195.050119139 30.9498809
17 197.7782399742 -29.77824
18 200.5063608093 -33.506361
19 203.2344816445 30.7655184
20 205.9626024797 -19.962602
21 208.6907233149 -50.690723
22 211.4188441501 41.5811558
 miguel daza castro:
valor semilla sacado de
d(t) RL
Li nea
d(t) r
(d(t))
Debido a que la serie
253 es considerada no
234 estacionaria
231
218
226 (Tendencial), es
210 pertinente realizar el
pronóstico por medio
186 del método de Holt o
168
163
168 167 mejor conocido como
158 Suavizamiento
Exponencial Doble.

2 13 14 15 16 17 18 19 20 21 22 23 24 25

empo

del gráfico de la data (Demanda), que la serie

a tendencia al alza, sin embargo tiene cierta
o predecible . La serie además de ser no
co presenta estacionalidad pues no se observa
ún patrón repetitivo en la data.
Superior 95,0%
170.219311
4.41371066
miguel daza castro:
valor semilla sacado de
3. MÉTODO DE SUAVIZAMIENTO EXPONENCIAL DOBLE
RL perfil:
S(0) = 146.53 S(t) = alfa * d(t) + (1-alfa) * (S(t-1)+B(t-1))
B(0) = 2.7643 d'(t) = S(tn) + B(
perfil:
alfa = 0.33 B(t) = beta (S(t) - S(t-1)) + (1-beta) (B(t-1))
beta = 0.04347826
t d(t) S(t) B(t) d´(t) e(t)
1 130 142.927181 2.48746874 149.362199 -19.362199
2 160 150.227815 2.69673681 152.078432 7.92156824
3 170 158.55945 2.94173236 154.794664 15.2053356
4 159 160.675792 2.90584584 157.510897 1.48910287
5 163 163.389697 2.8975006 160.22713 2.77287019
6 151 161.242423 2.67816254 162.943362 -11.943362
7 167 164.936792 2.72234544 165.659595 1.34040482
8 145 160.181622 2.39723608 168.375828 -23.375828
9 177 167.337835 2.60414811 171.092061 5.90793946
10 177 172.271129 2.70541531 173.808293 3.19170678
11 157 169.044284 2.44749099 176.524526 -19.524526
12 210 184.19949 3.00000029 179.240759 30.7592414
13 168 180.863658 2.72452935 181.956991 -13.956991
14 218 194.944086 3.21826405 184.673224 33.326776
15 163 186.558774 2.71376077 187.389457 -24.389457
16 208 195.452599 2.98245918 190.105689 17.8943107
17 231 209.181489 3.44969531 192.821922 38.178078
18 226 217.042893 3.64150876 195.538155 30.4618453
19 168 203.298549 2.88560212 198.254387 -30.254387
20 167 193.253381 2.32339473 200.97062 -33.97062
21 234 208.25644 2.87468446 203.686853 30.3131473
22 186 202.837853 2.51410746 206.403085 -20.403085
23 158 189.725814 1.83470976 209.119318 -51.119318
T= 24 253 211.835551 2.71623268 211.835551 41.1644492
25 215
26 217
27 220
28 223
29 225
F(T+k) = S(T) + k B(T)
NCIAL DOBLE Formulas

1) S(t)=alfa*d(t)+(1-alfa)*(S(t-1)+B(t-1))
d'(t) = S(tn) + B(tn)*(t-tn) 2) B(t)=beta(S(t)- S(t-1))+(1-beta)(B(t-1))
3) d´(t) = S(tn) +B(tn)*(t-tn)

|e(t)| e^2
19.3621991 374.894753
7.92156824 62.7512434
15.2053356 231.202229
1.48910287 2.21742736
2.77287019 7.68880909
11.9433625 142.643908
1.34040482 1.79668509
23.3758279 546.429328
5.90793946 34.9037486
3.19170678 10.1869921
19.5245259 381.207112
30.7592414 946.130932
13.9569913 194.797605
33.326776 1110.674
24.3894566 594.845595
17.8943107 320.206355
38.178078 1457.56564
30.4618453 927.92402
30.2543874 915.327955
33.9706201 1154.00303
30.3131473 918.886897
20.4030854 416.285895
51.1193181 2613.18468
41.1644492 1694.51188
21.1761063 627.511113
MAE MSE
+(1-alfa)*(S(t-1)+B(t-1))
S(t-1))+(1-beta)(B(t-1))
S(tn) +B(tn)*(t-tn)

Referencia Bibliografica: - Pronósticos en lo

bliografica: - Pronósticos en los negocios, 8va Edición - John E. Hanke y Dean W. Wichern - Pronóstico en los Negocios 5ta Edic
óstico en los Negocios 5ta Edición - Hanke & Reitsch .
 1. DATA Original

Trimestre 1 2 3
1 60 69 84
2 234 266 310
3 163 188 212
4 50 59 64

1.2 DATA Ordenada

t dt
1 60
2 234
3 163
4 50
5 69
6 266
7 188
8 59
9 84
10 310
11 212
12 64
13 ?
14 ?
15 ?
16 ?
Resumen

Estadísticas de la regresión
Coeficiente de correl 0.1263653796
Coeficiente de deter 0.0159682092
R^2 ajustado -0.0824349699
Error típico 97.2563652557
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados
Regresión 1 1534.9108391608 1534.9108391608
Residuos 10 94588.0058275058 9458.8005827506
Total 11 96122.9166666667

Coeficientes Error típico Estadístico t

Intercepción 125.2878787879 59.8571550328 2.0931144943
t 3.2762237762 8.1329858367 0.4028316097

Análisis de los residuales

Observación Pronóstico dt Residuos dt

1 128.5641025641 -68.5641025641 60
2 131.8403263403 102.1596736597 234
3 135.1165501166 27.8834498834 163
4 138.3927738928 -88.3927738928 50
5 141.668997669 -72.668997669 69
6 144.9452214452 121.0547785548 266
7 148.2214452214 39.7785547786 188
8 151.4976689977 -92.4976689977 59
9 154.7738927739 -70.7738927739 84
10 158.0501165501 151.9498834499 310
11 161.3263403263 50.6736596737 212
12 164.6025641026 -100.6025641026 64
 Ct op 3,1
0.56 2

0.54 1.95
f(x) = 0.0380169659x + 0.4227898213 f
R² = 0.9329015786 R
0.52 1.9

0.5 1.85

0.48 1.8

1.75
0.46

1.7
0.44
1.65
0.42 0.5 1

Ct op 3,3
1.34
1.32
f(x) = 0.0538703182x + 0.8319857623
1.3 R² = 0.9924536469
1.28
1.26
1.24
1.22
1.2
1.18
1.16
1.14
6.5 7 7.5 8 8.5 9 9.5
 2. Grafico de demanda dt

Demanda (dt)
350
326.3082611159
310
300

266
250
234
224.8253000146
212
200
DEMANDA

188 dt
Li nea r (dt)
f(x) = 3.2762237762x
163 + 125.2878787879
150 R² = 0.0159682092 PRONOSTICO

100
84 87.1861482934
69 64 68.474995381
60 59
50 50

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Tiempo EN TRIMESTRE

Se logró observar con el Se presenta el pronóstico de

gráfico de la serie que la demanda, como se puede observar
demanda sigue un patron en el gráfico, el pronóstico sigue la
repetitivo cada cuatro meses tendencia y la estacionalidad que
es decir que presenta una presenta la serie de tiempo, esto
estacionalidad de (L=4). fue posible gracias al Modelo
Además también se evidencia Holt-Winters.
una leve tendencia al alza,
como se refleja en la línea de
tendencia, lo que quiere decir El pronóstico de demanda es el
que la demanda incrementa siguente:
trimestre tras trimestre.
mes 13:87,18
Para pronósticar esta serie es mes 14: 326,31
necesario utilizar el método de mes 15:224,83
Holt - Winters mes 16:68,47
 necesario utilizar el método de mes 15:224,83
Holt - Winters mes 16:68,47

F Valor crítico de F
0.16227331 0.6955492677

Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%

0.06279965 -8.08217391 258.657931 -8.08217391 258.657931
0.69554927 -14.8451979493 21.3976455 -14.845197949 21.3976455

miguel daza castro:

Ct Ct'=dt/pronostico dt

0.46669326
1.77487425
1.20636591
0.36129054
0.48705081
1.83517606
1.26837247
0.38944494 Semilla OP 1 Semilla Op 2 Semilla OP 3
0.54272719 0.4666932589 0.49882375 0.4228
1.96140317 1.7748742475 1.85715116 1.6706
1.31410655 1.2063659105 1.26294831 1.1552
0.38881533 0.3612905399 0.37985027 0.3523
 Ct op 3,2
2

1.95
f(x) = 0.0932644625x + 1.6706222341
R² = 0.9600263482
1.9

1.85

1.8

1.75

1.7

1.65
0.5 1 1.5 2 2.5 3 3.5

Ct op 3,4
0.395
0.39 f(x) = 0.0137623942x + 0.3523254797
R² = 0.7328531172
0.385
0.38
0.375
0.37
0.365
0.36
0.355
0.35
0.345
0.5 1 1.5 2 2.5 3 3.5
 Alpha: a 0
Beta: b 0.1978787
Gamma: g 0.6555448
miguel daza castro:
Bt = b* (St - St-1) + (1-b)* Bt-1
miguel daza castro:
St = a* (dt /Ct-L)+ (1-a)* (St-1 + Bt-1)
dt
Li nea r (dt)
PRONOSTICO
t dt
1 60
2 234
3 163
4 50
5 69
6 266
7 188
8 59
9 84
10 310
11 212
pronóstico de 12 64
e puede observar 13 87.186148
onóstico sigue la 14 326.30826
acionalidad que PRONOSTICO
15 224.8253
de tiempo, esto 16 68.474995
ias al Modelo
inters.

demanda es el
nte:

68,47
68,47
 3. MÉTODO DE HOLT - WINTERS

L= 4
S0 = 125.28788 �_(𝑻−𝑳)
B0 = 3.2762238 C [-3] = 0.4228
miguel daza castro: C [-2] = 1.6706
d't=(St+Bt)*Ct
C [-1] = 1.1552
miguel daza castro:
Bt-1) Ct = g *[dt/St] + (1 - g)* Ct-L C [0] = 0.3523

St Bt Ct d't �_𝑡 |et| e^2

128.5641 3.2762238 0.451574 59.5356634 0.4643366 0.4643366 0.2156085
131.84033 3.2762238 1.7389564 234.9617955 -0.9617955 0.9617955 0.9250507
135.11655 3.2762238 1.1887415 164.5132403 -1.5132403 1.5132403 2.2898962
138.39277 3.2762238 0.3581937 50.74494273 -0.7449427 0.7449427 0.5549397
141.669 3.2762238 0.4748306 68.8244321 0.1755679 0.1755679 0.0308241
144.94522 3.2762238 1.8020327 267.0998932 -1.0998932 1.0998932 1.2097652
148.22145 3.2762238 1.2409432 187.9999999 1.2061E-07 1.2061E-07 1.4547E-14
151.49767 3.2762238 0.3786803 58.60982213 0.3901779 0.3901779 0.1522388
154.77389 3.2762238 0.5193399 82.08172738 1.9182726 1.9182726 3.6797698
158.05012 3.2762238 1.9065072 307.5698285 2.4301715 2.4301715 5.9057335
161.32634 3.2762238 1.288905 212.1570759 -0.1570759 0.1570759 0.0246728
164.60256 3.2762238 0.3853243 64.68776987 -0.6877699 0.6877699 0.4730274

S|et|/mL = MAE 0.87860368

MSE 1.28846055
FORMULAS
1) St = a [dt /Ct-L]+ (1-a) (St-1 + Bt-1)
2) Bt = b (St - St-1) + (1-b) Bt-1
3) Ct = g [dt/St] + (1 - g) Ct-L
4) d't=(St+Bt)*Ct
5) |et|=((St*Bt)*Ct) - (dt)
6) Pronóstico =( $Stn$ + $Btn$ *(t-$tn$)) * Ct-L