Professional Documents
Culture Documents
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)
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=
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
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
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)
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
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
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
2 13 14 15 16 17 18 19 20 21 22 23 24 25
empo
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)
Trimestre 1 2 3
1 60 69 84
2 234 266 310
3 163 188 212
4 50 59 64
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
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
F Valor crítico de F
0.16227331 0.6955492677
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