Академический Документы
Профессиональный Документы
Культура Документы
El mtodo de mnimos cuadrados o regresin lineal se utiliza tanto para pronsticos de series de tiem
En particular cuando la variable dependiente cambia como resultado del tiempo se trata de un anlisi
demanda haciendo uso de la informacin histrica de venta de un producto determinado durante los
Trimestre Ventas
1
600
2
1,550
3
1,500
4
1,500
5
2,400
6
3,100
7
2,600
8
2,900
9
3,800
10
4,500
11
4,000
12
4,900
Estimar los valores de dichos parmetros es sencillo haciendo uso de una planilla Excel tal como mue
Promedio
SUMA
n
x
1
2
3
4
5
6
7
8
9
10
11
12
6.5
y
600
1,550
1,500
1,500
2,400
3,100
2,600
2,900
3,800
4,500
4,000
4,900
2,779.17
xy
600
3,100
4,500
6,000
12,000
18,600
18,200
23,200
34,200
45,000
44,000
58,800
268,200
x2
1
4
9
16
25
36
49
64
81
100
121
144
y2
360,000
2,402,500
2,250,000
2,250,000
5,760,000
9,610,000
6,760,000
8,410,000
14,440,000
20,250,000
16,000,000
24,010,000
650
12
Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los valores de 0y1:
1=
51,425
359.62
1=
0=
143.00
359.62
441.67
Una vez obtenido los parmetros de la regresin lineal se puede desarrollar un pronstico de demand
regresin para los distintos valores de la variable independiente (x). Por ejemplo para el primer trimes
Observacin:los valores de los pronsticos han sido redondeados arbitrariamente a un decimal.
Promedio
SUMA
n
0=
1=
x
1
2
3
4
5
6
7
8
9
10
11
12
6.5
y
600
1,550
1,500
1,500
2,400
3,100
2,600
2,900
3,800
4,500
4,000
4,900
2,779.17
xy
x2
600
3,100
4,500
6,000
12,000
18,600
18,200
23,200
34,200
45,000
44,000
58,800
1
4
9
16
25
36
49
64
81
100
121
144
268,200
y2
360,000
2,402,500
2,250,000
2,250,000
5,760,000
9,610,000
6,760,000
8,410,000
14,440,000
20,250,000
16,000,000
24,010,000
650
12
441.67
359.62
Notar que con la informacin que hemos obtenido podemos calcular elMAD y la Seal de Rastreoy ut
utilizar este procedimiento como dispositivo de pronstico.
Siguiendo con nuestro anlisis a continuacin podemos desarrollar un pronstico para los prximos 4
x
1
2
3
4
5
y
600
1,550
1,500
1,500
2,400
xy
600
3,100
4,500
6,000
12,000
x2
1
4
9
16
25
y2
360,000
2,402,500
2,250,000
2,250,000
5,760,000
Promedio
SUMA
n
0=
1=
6
7
8
9
10
11
12
13
14
15
16
6.5
3,100
2,600
2,900
3,800
4,500
4,000
4,900
18,600
18,200
23,200
34,200
45,000
44,000
58,800
36
49
64
81
100
121
144
9,610,000
6,760,000
8,410,000
14,440,000
20,250,000
16,000,000
24,010,000
2,779.17
268,200
650
12
441.67
359.62
Si bien el procedimiento anterior es vlido puede ser resumido haciendo uso de las herramientas de a
un ajuste de una regresin lineal en un grfico de dispersin de la misma forma que abordamos en el
Para ello luego de realizar el grfico nos posicionamos en una de las observaciones y luego botn dere
Ventas
6,000
6,000
5,000
5,000
4,000
4,000
3,000
3,000
2,000
2,000
1,000
1,000
10
12
14
Ventas
6,000
5,000
4,000
3,000
2,000
1,000
-
6,000
5,000
f(x) = 359.6153846154x + 441.6666666667
R = 0.9331861016
4,000
3,000
2,000
1,000
-
10
12
14
de Demanda
a pronsticos de series de tiempo como para pronsticos de relaciones causales.
del tiempo se trata de un anlisis de serie temporal. En el siguiente artculo desarrollaremos un pronstico de
ducto determinado durante los ltimos 12 trimestres (3 aos).
Y
801.3
1,160.9
1,520.5
1,880.1
2,239.7
2,599.4
2,959.0
3,318.6
3,678.2
4,037.8
4,397.4
4,757.1
pronstico para los prximos 4 trimestres (un ao) que corresponden a los trimestres 13, 14, 15 y 16:
Y
801.3
1,160.9
1,520.5
1,880.1
2,239.7
2,599.4
2,959.0
3,318.6
3,678.2
4,037.8
4,397.4
4,757.1
5,116.7
5,476.3
5,835.9
6,195.5
Ventas
6,000
5,000
4,000
3,000
2,000
1,000
-
10
12
14
rrollaremos un pronstico de
e tendencia.