Dia Hace 4 semanas Hace 3 semanas Hace 2 semanas
Lunes 2,200 2,400 2,300
Martes 2,000 2,100 2,200
Miercoles 2,300 2,400 2,300
Jueves 1,800 1,900 1,800
Viernes 1,900 1,800 2,100
Sabado
Domingo 2,800 2,700 3,000
c) Suavizacion exponencial (a=0.10)
21900 Hogazas.
21900 Pronostico para esta semana.
𝐹_𝑡=𝛼∙𝐷_(𝑡−1)+(1−𝛼)∙𝐹_(𝑡−1)
Formula:
𝐷_(𝑡−1)=𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑚𝑎𝑛𝑎
Con:
𝑝𝑎𝑠𝑎𝑑𝑎=21,000
𝐹_(𝑡−1)=𝑃𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑠𝑒𝑚𝑎𝑛𝑎 𝑝𝑎𝑠𝑎𝑑𝑎=22,000
𝛼=𝑜.10
Semana pasada a) Promedio movil de 4 semanas: b)Promedio movil Ponderad
2,400 2,325 Se usan estos pesos:
2,200 2,125 Semana pasada: 0.40
2,500 2,375 Hace 2 semanas: 0.30
2,000 1,875 Hace 3 semanas: 0.20
2,000 1,950 Hace 4 semanas: 0.10
2,900 2,850
d) Nuevo pronostico con a= 0.10 y demanda real 22, 500
22050 Hogazas.
22050 Pronostico actualizado.
Chart Title
3,500
3,000
2,500
2,000
1,500
1,000
500
0
Lunes Martes Miercoles Jueves
Hace Viernes
4 semanas Sabado Domingo
Hace 3 semanas
Hace 2 semanas
b)Promedio movil Ponderado:
Se usan estos pesos: 2350
Semana pasada: 0.40 2160
Hace 2 semanas: 0.30 2400
Hace 3 semanas: 0.20 1900
Hace 4 semanas: 0.10 1980
2880
PARTE.
C) Suavizacion (21,000 vs 22,000)
D) Suavizacion (22,500 vs 22,000)
bado Domingo
PRONOSTICO.
21900
22050
Un fabricante de aparatos electrónicos ha notado que la demanda de su reciente Dron se increment
observada (en miles) ha sido de 8,415; 8,732; 9,014; 9,808; 10,413 y 11,961. Pronosticar la deman
Suavizamiento Exponencial con corrección por tendencia (Método de Holt) con α=0.10 y β=0.20. (N
obtener los estimadores iniciales de nivel y tendencia empleando la regresión lineal. (valiéndonos d
Excel, Herramientas| Análisis de datos | Regresión. Usando a “X” como la demanda y “Y” como los p
obtiene como el coeficiente del intercepto y la tendencia T0 se obtiene como el coeficiente variable
enteros).
α=0.10
β= 0.20
Columna1 Demanda Nivel L Tendencia T L+T
1 8415 7752 715 8467
2 8732 8493.5 720.3 9213.8
3 9014 9193.82 716.304 9910.124
4 9808 9899.9116 714.26152 10614.17312
5 10413 10594.055808 710.2380576 11304.2938656
6 11961 11369.964479 723.372180288 12093.3366593
7
de su reciente Dron se incrementó en los últimos seis meses. La demanda
3 y 11,961. Pronosticar la demanda para el periodo 7 empleando
de Holt) con α=0.10 y β=0.20. (Nota: para el primer paso es necesario
a regresión lineal. (valiéndonos de la herramienta análisis de datos de
omo la demanda y “Y” como los periodos. El estimado de nivel L0 inicial se
iene como el coeficiente variable X (o la pendiente) solo usar números
Chart Title
Columna1 Demanda Nivel L Tendencia T
L+T Pronóstico Error
Pronóstico Error 12093.336659
12
11961328
11369.964479
11304.293865
11304.293865
10413 6
10614.17312
10614.17312
10594.055808 04
6
8467 265 9910.124 9910.124
9899.9116
9808
9213.8
8732 9213.8
9193.82
9014
9213.8 -199.8 8467
8415 8493.5
8467
7752
9910.124 -102.124
10614.17312 -201.17312
11304.2938656 656.7061344
12093.3366593
- - 723.37218028
656.70613440
715 720.3
265 716.304 714.26152 710.2380576
1 2 3 4
-102.124
199.79999999 5 6
201.17311999 8
0001 7
1 2 3 9999 4 5 9999 6 7
Tendencia T
12093.336659
12093.336659
11961328
11369.964479
11304.293865
11304.293865 328
10413 6
2
10614.17312
10594.055808 04
6
- 723.37218028
656.70613440
710.2380576
5 6
201.17311999 8
0001 7
9999 6 7
AÑO. TRIMESTRE. PERIODO, t DEMANDA, Dt NIVEL (L) TENDENCIA(T)
1 2 1 8,000 18439 524
1 3 2 13,000 0.0 -1372.3
1 4 3 23,000 -615.1 -1296.6
2 1 4 34,000 1801.0 -925.3
2 2 5 10,000 Err:522 Err:522
2 3 6 18,000 Err:522 Err:522
2 4 7 23,000 Err:522 Err:522
3 1 8 38,000 Err:522 Err:522
3 2 9 12,000 Err:522 Err:522
3 3 10 13,000 Err:522 Err:522
3 4 11 32,000 Err:522 Err:522
4 1 12 41,000 Err:522 Err:522
ESTACIONALIDADPRONOSTICO
(S) PARAMETROS
(FT) INICIALES.
0.47 L0 = 18439
1.2 - T0 = 524 A2.3 Tahoe Salt, vende sal a través de varios minoristas
1.7 - S1 = 0.47 de Lake Tahoe en las montañas de la Sierra Nevada. En e
0.5 - S2 = 0.68 apoyado en los estimados de la demanda de una muestr
Err:522 411.554948 S3 = 1.17 compañía a observado que éstos siempre sobreestiman s
Err:522 Err:522 S4 = 1.67 compañía (e incluso a algunos minoristas) con un exceso
Err:522 Err:522 α = 0.05 junta con sus vendedores minoristas, Tahoe ha decidido a
Err:522 Err:522 β = 0.1 colaborativo. Tahoe quiere trabajar con los minoristas par
Err:522 Err:522 γ = 0.1 con base en las ventas reales de sal en los comercios min
Err:522 Err:522 p = 4 demanda por trimestres durante los tres años pasados se
Err:522 Err:522
Err:522 Err:522
al a través de varios minoristas independientes alrededor del área
tañas de la Sierra Nevada. En el pasado Tahoe Salt se ha
s de la demanda de una muestra de sus minoristas, pero la
e éstos siempre sobreestiman sus comparas, dejando a la
unos minoristas) con un exceso de inventario. Después de una
minoristas, Tahoe ha decidido a producir un pronóstico
e trabajar con los minoristas para crear un pronóstico más preciso
ales de sal en los comercios minoristas. La información de la
durante los tres años pasados se muestra en la tabla 7-1.
# EMPRESA PAIS VENTAS (mdp) ACTIVO
1 PEMEX MX 1 282 064.30 1392 715.30
2 AMERICA MOVIL MX 607 855.70 876 694.50
3 WALMART DE MEXICO EU 335 857.40 194 807.60
4 CFE MX 254 417.30 841 202.30
5 CEMEX MX 178 260.00 515 097.00
6 FEMSA MX 169 701.80 223 578.40
7 GM DE MEXICO EU 158 692.00 55 191.00
8 GRUPO DE ALFA MX 136 395.00 112 255.00
9 BBVA ESP 121 910.00 1 114 171.00
A2.4 Los siguientes son algunos datos representativos de las nueve principales compañías de
2011, del listado de las 500 empresas más importantes de México, que cada año publica la
revista Expansión. Encuentre la ecuación de regresión utilizando las ventas como la variable
dependiente y el activo, el pasivo, el patrimonio y el número de empleados como variables
independientes (se evaluara la interpretación de los resultados obtenidos en Excel)
PASIVO PATRIMONIO NO. DE EMPLEADOS
1 506 498.70 –113 783.40 147 672.00
540 657.40 336 037.20 150 618.00
71 948.00 122 859.60 219 767.00
488 545.50 352 656.80 93 254.00
301 397.00 213 700.00 46 523.00
70 565.30 153 013.10 108 572.00
42 073.00 13 112.00 12 000.00
76 014.00 36 241.00 56 332.00
987 910.00 126 261.00 34 189.00
Resumen
ncipales compañías de Estadísticas de la regresión
cada año publica la Coeficiente de
ntas como la variable Coeficiente de
ados como variables R^2 ajustado
os en Excel) Error típico
Observaciones
ANÁLISIS DE VARIANZA
Regresión
Residuos
Total
Intercepción
Variable X 1
Variable X 2
Variable X 3
Variable X 4
Análisis de los residuales
Observación
1
2
3
4
5
6
7
8
9
dísticas de la regresión
0.898084306
0.806555421
0.613110842
234782.5106
9
LISIS DE VARIANZA
Grados de libeSuma de cuadrPromedio de loF Valor crítico de F
4 9.19325E+11 2.29831E+11 4.169439257 0.097784712
4 2.20491E+11 55122827299
8 1.13982E+12
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
-20838.36197 180415.4794 -0.115502074 0.913613368 -521752.0367 480075.3127
-1.114727509 11.25647253 -0.099029914 0.925878921 -32.36770557 30.13825055
1.580179186 11.2169216 0.140874586 0.894778632 -29.56298788 32.72334625
0.461857667 10.86744754 0.042499185 0.968137599 -29.71101387 30.63472921
2.659114407 1.262896025 2.105568752 0.103003949 -0.84724708 6.165475894
sis de los residuales Resultados de datos de probabilidad
Pronóstico parResiduos Percentil Y
1147326.478 134737.8221 5.555555556 121910
411933.5834 195922.1166 16.66666667 136395
516824.2236 -180966.8236 27.77777778 158692
254387.6689 29.6310644 38.88888889 169701.8
103639.0716 74620.92838 50 178260
200814.1063 -31112.30631 61.11111111 254417.3
22086.84161 136605.1584 72.22222222 335857.4
140675.0587 -4280.058675 83.33333333 607855.7
447466.468 -325556.468 94.44444444 1282064.3
Inferior 95.0% Superior 95.0%
-521752.0367 480075.3127
-32.36770557 30.13825055
-29.56298788 32.72334625
-29.71101387 30.63472921
-0.84724708 6.165475894
CASA COSTO DE CALEFACCION ($) TEMPERATURA EXTERNA MEDIA (ºF)
1 250 35
2 360 29
3 165 36
4 43 60
5 92 65
6 200 30
7 355 10
8 290 7
9 230 21
10 120 55
11 73 54
12 205 48
13 400 20
14 320 39
15 72 60
16 272 20
17 94 58
18 190 40
19 235 27
20 139 30
TABLA 14.1. FACTORES EN EL COSTO DE CALEFACCION EN ENERO DE UNA MUESTRA DE 20 CASAS.
276.5699317
AISLAMIENTO DEL ATICO (PULGADAS) ANTIGÜEDAD DEL CALENTADOR (AÑOS)
3 6
4 10
7 3
6 9
5 6
5 5
6 7
10 10
9 11
2 5
12 4
5 1
5 15
4 7
8 6
5 8
7 3
8 11
9 8
7 5
ESTRA DE 20 CASAS.
Resumen
Estadísticas de la regresión
Coeficiente de 0.896755299
Coeficiente de 0.804170066
R^2 ajustado 0.767451954
Error típico 51.04855358
Observaciones 20
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadrados F
Regresión 3 171220.4728 57073.49094 21.90118203
Residuos 16 41695.27717 2605.954823
Total 19 212915.75
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 427.19 59.60142931 7.167509374 2.237642E-06
Temperatura e -4.58 0.772319353 -5.933636915 2.10035E-05
Aislamiento del -14.83 4.754412281 -3.119389277 0.006605963
Antigüedad del 6.10 4.012120166 1.520650381 0.147862484
Valor crítico de F
6.561782E-06
Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%
300.8444175 553.5431892 300.8444175 553.5431892
-6.219906516 -2.945418736 -6.219906516 -2.945418736
-24.90976648 -4.751958899 -24.90976648 -4.751958899
-2.404282741 14.60634686 -2.404282741 14.60634686
