Modelos de Correlación para Pronósticos de Ventas de Teléfonos Celulares

Universidad de San Carlos de Guatemala
Facultad de Ingeniería
Control de la Producción
Aux. Diego Aqueche
PRONOSTICOS DE REGRESIÓN Y CORRELACIÓN Y

FAMILIAS CÍCLICAS
MODELOS DE CORRELACION
(Ascendentes – Descendentes)
A diferencia de la previsión de series temporales, los modelos de Previsión

Causal normalmente consideran diferentes variables que están de alguna
manera, correlacionadas con la cantidad que se va a predecir. Una vez
que éstas variables afines han sido halladas, se construye el modelo que se
utilizará para hacer la previsión respectiva. El modelo cuantitativo de
previsión causal más común es el ANALISIS DE REGRESION Y CORRELACIÓN.
Análisis de Regresión Lineal
Es un modelo matemático directo para describir las relaciones funcionales

entre dos o más variables (dependientes e independientes), este método es
más poderoso que el de las Series Temporales. En primer lugar, se observa
el gráfico de datos para ver si aparecen lineales (o por lo menos una parte
de ellos); el término regresión lineal se refiere a la clase de regresión especial
en la que la relación entre las variables forma una recta.
La Regresión Lineal es útil para el pronóstico a largo plazo de eventos
importantes, así como la planeación agregada. Aun cuando la demanda
de productos individuales dentro de una familia puede variar en gran
medida durante un período, la demanda de toda la familia de productos
es sorprendentemente suavizada.
Coeficiente de Correlación “r”
La ecuación de regresión es una forma de expresar la naturaleza de la

relación entre dos variables, muestra como una variable está relacionada
con los valores y cambios de la otra variable. El coeficiente de correlación
mide el grado de intensidad de la relación lineal. Identificado normalmente
Aux. Diego Aqueche
como r, el coeficiente de correlación toma valores en el rango que va de -

1 a +1, o sea, si r está entre -1 y 0, indica que el conjunto de datos tiene una
tendencia descendente; por otro lado, si los valores están entre 0 y +1, quiere
decir que el conjunto de datos tiene una tendencia ascendente (en ambos
casos hablamos de la variable dependiente).
Métodos Estadísticos de Evaluación
En nuestro caso particular, para obtener los Pronósticos de Evaluación y de

Riesgo, se tomarán en cuenta cuatro ecuaciones estadísticas relacionadas
a la Regresión Lineal. En realidad, son más de cincuenta las formas
matemáticas que describen este método estadístico de evaluación. La
forma general de las ecuaciones normales que utilizaremos es la siguiente:
ECUACIÓN FORMA GENERAL

Lineal Y=a+b*x
Logarítmica Y = a + b * Ln x
Exponencial Y = a * ebx
Potencial Y = a * xb
Donde:
a = Punto de intersección en el eje Y, cuando x = 0
b = pendiente de la curva (valor positivo o negativo).
x = variable independiente (representa las unidades de tiempo).
y = variable dependiente (valores de pronóstico requerido).
r = coeficiente de correlación (valor entre -1 y +1).
Aux. Diego Aqueche
Ecuación Lineal
𝑦 = 𝑎 + 𝑏𝑥
DONDE:
Σy ∗ Σ𝑥 2 − Σx ∗ Σxy
𝑎=
𝑛Σ𝑥 2 − (Σx)2
nΣxy − Σx ∗ Σy
𝑏=
𝑛Σ𝑥 2 − (Σx)2
nΣxy − Σx ∗ Σy
𝑟=
√[𝑛Σ𝑥 2 − (Σx)2 ][𝑛Σ𝑦 2 − (Σy)2 ]
Ecuación Logarítmica
𝑦 = 𝑎 + 𝑏 ln 𝑥
Sustituimos 𝐥𝐧 𝒙 por 𝒙´
𝑦 = 𝑎 + 𝑏𝑥´
DONDE:
Σy ∗ Σ𝑥´2 − Σx´ ∗ Σxý
𝑎=
𝑛Σ𝑥´2 − (Σx´)2
Σy ∗ Σ ln 𝑥 2 − Σ ln 𝑥 ∗ Σ ln 𝑥 y
𝑎=
𝑛Σ ln 𝑥 2 − (Σ ln 𝑥)2
nΣxý − Σx´ ∗ Σy
𝑏=
𝑛Σ𝑥´2 − (Σx´)2
nΣ ln 𝑥 y − Σ ln 𝑥 ∗ Σy
𝑏=
𝑛Σ ln 𝑥 2 − (Σ ln 𝑥)2
nΣxý − Σx´ ∗ Σy
𝑟=
√[𝑛Σ𝑥´2 − (Σx´)2 ][𝑛Σ𝑦 2 − (Σy)2 ]
nΣ ln 𝑥 y − Σ ln 𝑥 ∗ Σy
𝑟=
√[𝑛Σ ln 𝑥 2 − (Σ ln 𝑥)2 ][𝑛Σ𝑦 2 − (Σy)2 ]
Aux. Diego Aqueche
Ecuación Exponencial
𝑦 = 𝑎 + 𝑒 𝑏𝑥
Multiplicamos toda la ecuación por lnpara no alterarlo
ln 𝑦 = ln 𝑎 + ln 𝑒 𝑏𝑥
ln 𝑦 = ln 𝑎 + 𝑏𝑥
Sustituimos
𝑦´ = 𝑎´ + 𝑏𝑥
DONDE:
Σy´ ∗ Σ𝑥 2 − Σx ∗ Σxy´
𝑎´ =
𝑛Σ𝑥 2 − (Σx)2
Σ ln 𝑦 ∗ Σ𝑥 2 − Σx ∗ Σx ln 𝑦
ln 𝑎 =
𝑛Σ𝑥 2 − (Σx)2
nΣxy´ − Σx ∗ Σy´
𝑏=
𝑛Σ𝑥 2 − (Σx)2
nΣx ln 𝑦 − Σx ∗ Σ ln 𝑦
𝑏=
𝑛Σ𝑥 2 − (Σx)2
nΣxy´ − Σx ∗ Σy´
𝑟=
√[𝑛Σ𝑥 2 − (Σx)2 ][𝑛Σ𝑦´2 − (Σy´)2 ]
nΣx ln 𝑦 − Σx ∗ Σ ln 𝑦
𝑟=
√[𝑛Σ𝑥 2 − (Σx)2 ][𝑛Σ ln 𝑦 2 − (Σ ln 𝑦)2 ]
Aux. Diego Aqueche
Ecuación Potencial
𝑦 = 𝑎𝑥 𝑏
Multiplicamos ambos lados de la ecuación por logpara no alterarla
log10 𝑎 = log10 𝑎𝑥 𝑏
Despejamos la ecuación
log10 𝑎 = log10 𝑎 + log10 𝑥 𝑏

log10 𝑎 = log10 𝑎 + 𝑏 log10 𝑥
Sustituimos los log
𝑦´ = 𝑎´ + 𝑏𝑥´
DONDE:
Σy´ ∗ Σ𝑥´2 − Σx´ ∗ Σxý´

𝑎´ =
𝑛Σ𝑥´2 − (Σx´)2
Σ log10 𝑦 ∗ Σ log10 𝑥 − Σ log10 𝑥 ∗ Σ log10 𝑥 log10 𝑦
log10 𝑎 =
𝑛Σ log10 𝑥 2 − (Σ log10 𝑥)2
nΣxý´ − Σx´ ∗ Σy´

𝑏=
𝑛Σ𝑥´2 − (Σx´)2
nΣ log10 𝑥 log10 𝑦 − Σ log10 𝑥 ∗ Σ log10 𝑦
𝑏=
𝑛Σ log10 𝑥 2 − (Σ log10 𝑥)2
nΣxý´ − Σx´ ∗ Σy´

𝑟=
√[𝑛Σ𝑥´2 − (Σx´)2 ][𝑛Σ𝑦´2 − (Σy´)2 ]
nΣ log10 𝑥 log10 𝑦 − Σ log10 𝑥 ∗ Σ log10 𝑦
𝑟=
√[𝑛Σ log10 𝑥 2 − (Σ log10 𝑥)2 ][𝑛Σ log10 𝑦 2 − (Σ log10 𝑦)2 ]
Aux. Diego Aqueche
El modelo matemático a utilizar será el de Análisis de Regresión Lineal, ya

que es el método que relaciona dos variables con determinado grado de
correlación y, a la vez, muestran un comportamiento ascendente -
descendente en función del tiempo. Para efectos didácticos, se evaluarán
las cuatro ecuaciones normales descritas arriba.
Aux. Diego Aqueche
ANALISIS Y RESOLUCION DEL CASO PRÁCTICO

No. 1.1
DESCRIPCION DEL CASO (Modelo de Correlación)
Las compañías de telefonía celular han crecido en forma exponencial

debido al auge que ha tenido la demanda de aparatos telefónicos
inalámbricos. Entre otras causas, esto ha sido debido al mal servicio, que
hasta hace unos diez años, la compañía telefónica nacional ha prestado a
todos los usuarios. Dicha circunstancia ha sido aprovechada por las
compañías telefónicas que operan con celdas instaladas en distintos puntos
estratégicos alrededor del país; el resultado ha sido la creación de los
denominados teléfonos móviles o celulares. La demanda de dichos
aparatos ha sido tan fuerte que son ahora varias compañías de teléfonos
celulares quienes prestan el servicio a toda la población. Esta situación ha
obligado a que cada compañía implemente sus mejores tácticas y
estrategias mercadológicas por llegar a la mente del consumidor final.
Tomando en cuenta las ventas históricas de los últimos tres períodos, se
pretende predecir la demanda futura del modelo PG-9110 que una de estas
compañías de telefonía móvil acaba de lanzar al mercado. Los datos se
muestran a continuación:
MES 2015 2016 2017

Enero 820 1387 1859
Febrero 856 1452 1899
Marzo 815 1460 1934
Abril 904 1508 1946
Mayo 978 1572 1997
Junio 985 1614 2031
Julio 1024 1610 2076
Agosto 1143 1672 2128
Septiembre 1261 1720 2178
Octubre 1240 1702 2241
Noviembre 1301 1793 2249
Diciembre 1327 1824 2284
Aux. Diego Aqueche
Determinar:
1. El Análisis Primario y Secundario para el juego de datos conocido,
utilizando un ciclo = 4 (realizar los cálculos utilizando el Software de
Aplicación y también ingresando datos en los programas que poseen
las calculadoras científicas). Comparar.
2. El Pronóstico de Riesgo para el primer semestre del período número
cuatro.
3. Dibujar el gráfico con los datos resultantes del Pronóstico de Riesgo
comparándolos contra las ventas reales conocidas. Interpretar el
resultado obtenido.
SOLUCION DEL CASO PRÁCTICO (Modelo de Correlación)
Ventas de los primeros 32 meses

2400
2100
1800
1500
1200
900
600
300
0
jun-14 dic-14 jul-15 ene-16 ago-16 mar-17 sep-17 abr-18
1. ANALISIS PRIMARIO: Observando la tendencia que sigue el juego de

datos, se observa que las ventas tienen una tendencia creciente
conforme pasa el período de tiempo; por lo tanto, clasificamos este
conjunto de datos como un MODELO DE CORRELACIÓN.
2. ANALISIS SECUNDARIO: Se calculan los valores de a, b & r para cada

curva estadística a través del Método de Regresión Lineal (se ingresan
32 datos). Los resultados son los siguientes:
Aux. Diego Aqueche
FORMA
ECUACIÓN a b r
GENERAL
Lineal y = a + bx 787.3729 42.8826 0.994341
Logarítmica y = a + b Ln x 367.5694 442.3330 0.935751
Exponencial y = a * bx 865.7124 1.0312 0.975461
Potencial y = a * xb 615.9470 0.3323 0.963294
Se procede a valuar cada ecuación con los valores del período congelado
de ventas elegido, es decir, los meses del 33 al 36:
1) Ecuación Lineal
MES VENTAS PROYECCIÓN ERROR |E|
33 2178 2203 -25 25
34 2241 2246 -5 30
35 2249 2289 -40 70
36 2284 2332 -48 108
2) Ecuación Logarítmica
33 2178 1915 263 263
34 2241 1928 313 576
35 2249 1941 308 884
36 2284 1953 331 1215
3) Ecuación Exponencial
33 2178 2385 -207 07
34 2241 2459 -218 425
35 2249 2536 -287 712
36 2284 2615 -331 1043
Aux. Diego Aqueche
4) Ecuación Potencial
33 2178 1969 209 209
34 2241 1989 252 461
35 2249 2008 241 702
36 2284 2027 257 959
El método que menor error acumulado tiene es la ECUACIÓN LINEAL (108),

asimismo también tiene el factor de correlación más cercano a uno
(0.994341).
3. PRONOSTICO DE RIESGO
Se calculan nuevos valores de a, b & r solamente para la Ecuación de

Regresión Lineal, tomando en cuenta la totalidad de las ventas reales (36
meses)
ECUACIÓN LINEAL
Y = a + bx
Y = 793.2 + 42.3946x
Donde R = 0.995706
Pronóstico
MES 2015 2016 2017 de Riesgo
-2018-
Enero 820 1387 1859 2362
Febrero 856 1452 1899 2405
Marzo 815 1460 1934 2447
Abril 904 1508 1946 2489
Mayo 978 1572 1997 2532
Junio 985 1614 2031 2574
Julio 1024 1610 2076
Agosto 1143 1672 2128
Octubre 1240 1702 2241
Noviembre 1301 1793 2249
Diciembre 1327 1824 2284
Aux. Diego Aqueche
Caso de Discusión No. 1.2

(en clase)
A continuación, se presentan los datos de ventas de tres períodos de un

determinado producto. Establezca la demanda futura del primer semestre
del período cuatro utilizando el método que considere adecuado, tomando
en cuenta un período congelado de 4:
PERÍODO PERÍODO PERÍODO

MES
1 2 3
Enero 1240 1734 2235
Febrero 1267 1781 2301
Marzo 1301 1826 2357
Abril 1342 1888 2384
Mayo 1367 1942 2461
Junio 1399 1925 2488
Julio 1437 2003 2517
Agosto 1482 2050 2556
Octubre 1574 2138 2674
Noviembre 1687 2176 2685
Diciembre 1675 2241 2733
Aux. Diego Aqueche

-Individual en casa-
DESCRIPCION DEL CASO PROPUESTO
El restaurante “DELICIAS TROPICALES” se encuentra ubicado en el

departamento de Izabal a orillas de Rio Dulce, se dedica a la venta de
platillos de mariscos, cuentan con una receta que ha pasado de
generación en generación para la realización de su famoso “caldo de
mariscos al estilo Livingston” siendo su platillo principal. Sus ventas han
crecido a través del tiempo y por esto el gerente desea ampliar las
instalaciones del restaurante, así como implementar un pequeño hostal con
6 habitaciones. Para esto el gerente proporciona los datos de ventas reales
de los últimos tres períodos anuales (2015, 2016 y 2017) por cada mes, para
que se le estimen las ventas potenciales de los primeros ocho meses del año
2018, y así analizar la factibilidad de la inversión.
Ventas- Ventas Ventas

MES
2015 2016 2017
Enero 500 1915 4782
Febrero 700 2047 5124
Marzo 724 2278 55547
Abril 784 2443 5924
Mayo 846 2705 6457
Junio 889 2861 6942
Julio 971 3041 7354
Agosto 1090 3380 7754
Octubre 1456 3921 8647
Noviembre 1605 4217 9078
Diciembre 1799 4499 9545

Aux. Diego Aqueche
En nuestro caso, el período congelado de ventas serán los últimos seis meses
del año 2017
Determinar
a) Un gráfico de Ventas contra Tiempo.
b) Desarrollar los Análisis Primario y Secundario para el conjunto de
ventas históricas.
c) Estimar la Proyección futura para los primeros ocho meses del año
2018 en base a la evaluación realizada de los tres últimos años por
medio de las ecuaciones de regresión, dejando indicado como
mínimo 5 iteraciones por cálculo realizado y las ecuaciones
empleadas y desarrolladas en cada uno de los cálculos realizados.
d) Analizar y proponer en forma individual lo siguiente:
i. ¿Le aconsejaría adquirir un financiamiento bancario?
ii. ¿Debe arriesgarse en la implementación de un hostal o
diversificar sus productos?
IMPORTANTE: Realizar los gráficos de ventas contra tiempo en papel

milimetrado.
Aux. Diego Aqueche
SERIES CÍCLICAS
Cuando un conjunto de datos sigue un comportamiento repetitivo

periódicamente (curvas que contienen picos y valles) se pueden definir
como series de datos ordenados en forma cronológica; estos están
formados por uno o más componentes de demanda: tendencia, factor
estacional, comportamiento cíclico. Los ciclos se pueden componer por
períodos de meses, trimestres, semestres, años; en el caso de estos últimos su
particularidad es que su comportamiento de demanda es similar para los
mismos meses de distinto año.
El factor que explica este comportamiento cíclico se denomina índice

estacional, “i “el cual relaciona las demandas de ventas reales a un nivel
horizontal, ejemplo: demanda de los meses de enero de años consecutivos,
en este caso particular las demandas de los meses de octubre y noviembre
no interesan, ya que la relación es horizontal, no vertical. También se les
llaman “estacionales” ya que coinciden sucesos muy particulares de origen
cualitativo que hacen que la demanda se sitúe en valores muy específicos.
INDICE ESTACIONAL(i)
Factor de corrección necesario para series de datos estacionales, el cual

indica el grado de ajuste de la demanda a nivel horizontal.
FORMULACIONES PARA EL CALCULO DE PRONOSTICO DE EVALUACION Y DE RIESGO
𝑃𝑛 = 𝑉𝑛 ∗ 𝑖𝑛
𝑿𝒉𝒐𝒓
Donde: 𝒊𝒏 =
𝑿𝒗𝒆𝒓
Aux. Diego Aqueche
𝑷𝒏 = Pronóstico de Evaluación o de Riesgo.

𝑽𝒏 = Ventas reales para el n-ésimo mes del último período completo
𝒊𝒏 = índice estacional para el n-ésimo mes
𝑿𝒉𝒐𝒓 = promedio de ventas horizontal
𝑿𝒗𝒆𝒓 = promedio de ventas vertical
Por lo general, se relaciona “estacional” con un período del año

caracterizado por alguna actividad en particular. Se usa la palabra “cíclico”
para indicar que se trata de períodos anuales recurrentes de actividad
repetitiva.
CASO DE DISCUSIÓN EN CLASE 2.1
DESCRIPCION DEL CASO (Series Cíclicas)
Una empresa comercializadora de insumos y accesorios para materiales de

oficina se encuentra evaluando la posibilidad de ejecutar algunos planes
de expansión. En la actualidad, atiende mercados segmentados en la
región central y perimetral alrededor del departamento de Guatemala.
La Gerencia General está evaluando la asignación de recursos financieros

para el reclutamiento, selección y capacitación de personal de ventas que
atienda mercados potenciales ubicados en el norte y oriente de la
República de Guatemala.
Previamente a tomar la decisión de inversión en estas regiones potenciales,

la Gerencia General solicita al Gerente de Producción que le proporcione
un informe con las proyecciones de demanda estimadas, utilizando
modelos matemáticos cuantitativos de pronósticos, tomando en cuenta los
reportes de ventas que el Departamento de Mercadotecnia proporciona a
la alta dirección.
Las ventas históricas de tres períodos anteriores se detallan a continuación:

Aux. Diego Aqueche
VENTAS VENTAS VENTAS

MES
1 2 3
Enero 758 745 762
Febrero 716 763 747
Marzo 690 760 722
Abril 665 726 695
Mayo 632 693 670
Junio 602 662 639
Julio 558 629 642
Agosto 560 655 680
Octubre 640 710 730
Noviembre 672 742 752
Diciembre 710 756 761
I. Graficar y tabular la información proporcionada y realizar un Análisis

Primario.
II. Determinar los Pronósticos de Evaluación (Análisis Secundario)
III. Estimar la proyección futura de ventas para el los primeros siete meses
del período 4.
SOLUCION DEL CASO PRÁCTICO (Modelo de Correlación)
Gráfico de 24 datos
1000
800
VENTAS
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
MESES
Aux. Diego Aqueche
1. ANÁLISIS PRIMARIO: El comportamiento que muestra la cura es del tipo

Cíclico, con picos y valles a largo de su trayectoria, manteniendo
similares demandas de ventas para meses en común de distinto año;
por tanto, este conjunto de ventas se puede clasificar como una Serie
de Estacionalidad (cíclica).
2. ANALISIS SECUNDARIO: Se obtienen los valores de Xhor, Xver e índice

estacional y se colocan en una tabla junto a los valores de ventas
reales. Para encontrar el pronóstico de evaluación del período
congelado de ventas (meses 33, 34, 35 y 36) se toman en cuenta dos
períodos completos de datos, es decir, los meses que van desde 1
hasta 24:
VENTAS VENTAS VENTAS 𝑿𝒉𝒐𝒓 𝑿𝒗𝒆𝒓

MES 𝒊𝟐𝟒 𝒊𝟑𝟔
1 2 3 (𝟐𝟒) (𝟑𝟔)
Enero 758 745 762 751.5 1.104470 755.00 1.094423
Febrero 716 763 747 739.5 1.086834 742.00 1.075579
Marzo 690 760 722 725 1.065524 724.00 1.049487
Abril 665 726 695 695.5 1.022168 695.33 1.007932
Mayo 632 693 670 662.5 0.973668 665.00 0.963962
Junio 602 662 639 632 0.928843 634.33 0.919509
Julio 558 629 642 593.5 0.872260 609.67 0.883753
Agosto 560 655 680 607.5 0.892835 631.67 0.915643
Septiembre 598 688 705 643 0.945009 663.67 0.962029
Octubre 640 710 730 675 0.992039 693.33 1.005033
Noviembre 672 742 752 707 1.039069 722.00 1.046587
Diciembre 710 756 761 733 1.077281 742.33 1.076062
𝑋24 = 680.42
Los pronósticos de evaluación para los meses 33, 34, 35 y 36 se valúan con
el período congelado de ventas del último período completo, es decir que
corresponde a los meses 21, 22, 23 y 24
𝑃33 = 688 ∗ 0.945009 = 651

Aux. Diego Aqueche
𝑃34 = 710 ∗ 0.992039 = 705
𝑃35 = 742 ∗ 1.039069 = 771
𝑃36 = 756 ∗ 1.077281 = 815

Septiembre 705 651 55 55
Octubre 730 705 26 80
Noviembre 752 771 -19 99
Diciembre 761 815 -53 152
3. Pronóstico de Riesgo
Para estimar la Previsión futura, se trabajan los tres períodos completos de

ventas (36 meses), encontrando nuevos valores de Xhor, Xver e índice
estacional para la totalidad de datos de los tres períodos. Se obtiene el
producto de las ventas reales del último período conocido de ventas y se
multiplica por su índice estacional asociado a nivel horizontal. Los índices
estacionales utilizados son los calculados para 36 datos:
MES CÁLCULO PRONÓSTICO

37 762 * 1.094423 834
38 747 * 1.075579 803
39 722 * 1.049487 758
40 695 * 1.007932 701
41 670 * 0.963962 646
42 639 * 0.919509 588
Aux. Diego Aqueche

(en clase)
Con la información que se le proporciona a continuación, establecer un

Pronóstico de Riesgo para el primer cuatrimestre del período 4, utilizando la
metodología que considere conveniente
MES Ventas 1 Ventas 2 Ventas 3

Enero 1200 1215 1220
Febrero 1340 1300 1325
Marzo 1456 1394 1419
Abril 1412 1437 1428
Mayo 1386 1406 1390
Junio 1315 1329 1300
Julio 1204 1231 1211
Agosto 1228 1260 1324
Octubre 1376 1401 1416
Noviembre 1451 1462 1480
Diciembre 1354 1381 1389

Aux. Diego Aqueche

-Individual en casa-
La empresa litográfica de textos didácticos “MIGUEL ANGEL ASTURIAS” ha

implementado desde hace tres años un nuevo programa de logística para
la entrega del producto que fabrica. La demanda de textos se ha
caracterizado por tener órdenes de pedido altos en temporada de ciclo
escolar, contrastando con una demanda baja de libros durante el descanso
vacacional durante el mismo período anual.
La compañía está analizando la posibilidad de invertir en su línea de

producción número dos de las tres con que cuenta en la actualidad para
la impresión de libros de texto. Si decide invertir recursos en su línea de
producción, tendrá que capacitar a un grupo de operarios para que
manejen una maquinaria nueva, siempre y cuando la demanda prevista
para el primer semestre del año 2015 justifique la inversión del nuevo equipo.
“Miguel Ángel Asturias” desea conocer con el mejor grado de confiabilidad

posible cual será la proyección estimada de distribución de libros de texto
para el período de enero a junio de 2018, de tal forma que planifique las
operaciones de producción y efectúe un Análisis Económico Financiero
sobre la viabilidad de modernizar la línea de producción número dos, ya
que el proyecto requiere un desembolso de capital muy fuerte (compra de
maquinaria, adquisición de insumos litográficos, capacitación de personal,
entre otros). Utilizar el Método Cuantitativo que mejor describa el conjunto
de ventas históricas correspondientes a los tres últimos períodos anuales
proporcionado por la empresa litográfica para establecer el Pronóstico de
Riesgo y recomendar a la Gerencia General acerca de la implementación
del nuevo proyecto.
Aux. Diego Aqueche
MES 2015 2016 2017

Enero 1550 1515 1527
Febrero 1530 1520 1520
Marzo 1510 1528 1510
Abril 1498 1540 1495
Mayo 1492 1552 1483
Junio 1485 1560 1474
Julio 1480 1575 1469
Agosto 1465 1578 1465
Octubre 1475 1558 1476
Noviembre 1492 1540 1489
Diciembre 1505 1535 1497
Determinar:
1) Gráfico de Ventas contra Tiempo para los tres períodos completos.

2) Efectuar el Análisis Primario y el Análisis Secundario del conjunto de
ventas reales proporcionadas por la empresa.
3) Establecer el Pronóstico de Riesgo del primer semestre del año 2018.
4) Evaluar y discutir, en equipos de trabajo, los resultados obtenidos y
recomendar a la empresa “Miguel Ángel Asturias” sobre la toma de
decisiones en su línea de producción:
i. ¿Qué opciones sugiere para mantener ocupadas las líneas de

producción en los intervalos de tiempo en que la demanda de
material didáctico es baja?
ii. ¿Qué factores cualitativos considera importantes tomar en
cuenta para que el Departamento de Ventas estime una
proyección futura en función de las cualidades y percepciones
de la cartera de clientes?

Modelos de Correlación para Pronósticos de Ventas de Teléfonos Celulares

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Modelos de Correlación para Pronósticos de Ventas de Teléfonos Celulares

Загружено:

Авторское право:

Доступные форматы

Universidad de San Carlos de Guatemala

PRONOSTICOS DE REGRESIÓN Y CORRELACIÓN Y

A diferencia de la previsión de series temporales, los modelos de Previsión

Análisis de Regresión Lineal

Es un modelo matemático directo para describir las relaciones funcionales

Coeficiente de Correlación “r”

La ecuación de regresión es una forma de expresar la naturaleza de la

como r, el coeficiente de correlación toma valores en el rango que va de -

Métodos Estadísticos de Evaluación

En nuestro caso particular, para obtener los Pronósticos de Evaluación y de

ECUACIÓN FORMA GENERAL

log10 𝑎 = log10 𝑎 + log10 𝑥 𝑏

Sustituimos los log

Σy´ ∗ Σ𝑥´2 − Σx´ ∗ Σx´y´

nΣx´y´ − Σx´ ∗ Σy´

nΣx´y´ − Σx´ ∗ Σy´

El modelo matemático a utilizar será el de Análisis de Regresión Lineal, ya

ANALISIS Y RESOLUCION DEL CASO PRÁCTICO

DESCRIPCION DEL CASO (Modelo de Correlación)

Las compañías de telefonía celular han crecido en forma exponencial

MES 2015 2016 2017

SOLUCION DEL CASO PRÁCTICO (Modelo de Correlación)

Ventas de los primeros 32 meses

1. ANALISIS PRIMARIO: Observando la tendencia que sigue el juego de

2. ANALISIS SECUNDARIO: Se calculan los valores de a, b & r para cada

El método que menor error acumulado tiene es la ECUACIÓN LINEAL (108),

Se calculan nuevos valores de a, b & r solamente para la Ecuación de

Caso de Discusión No. 1.2

A continuación, se presentan los datos de ventas de tres períodos de un

PERÍODO PERÍODO PERÍODO

Caso de Discusión No. 1.3

DESCRIPCION DEL CASO PROPUESTO

El restaurante “DELICIAS TROPICALES” se encuentra ubicado en el

Ventas- Ventas Ventas

Septiembre 1302 3621 8214

Octubre 1456 3921 8647

Noviembre 1605 4217 9078

Diciembre 1799 4499 9545

IMPORTANTE: Realizar los gráficos de ventas contra tiempo en papel

Cuando un conjunto de datos sigue un comportamiento repetitivo

El factor que explica este comportamiento cíclico se denomina índice

Factor de corrección necesario para series de datos estacionales, el cual

FORMULACIONES PARA EL CALCULO DE PRONOSTICO DE EVALUACION Y DE RIESGO

𝑷𝒏 = Pronóstico de Evaluación o de Riesgo.

Por lo general, se relaciona “estacional” con un período del año

CASO DE DISCUSIÓN EN CLASE 2.1

DESCRIPCION DEL CASO (Series Cíclicas)

Una empresa comercializadora de insumos y accesorios para materiales de

La Gerencia General está evaluando la asignación de recursos financieros

Previamente a tomar la decisión de inversión en estas regiones potenciales,

Las ventas históricas de tres períodos anteriores se detallan a continuación:

VENTAS VENTAS VENTAS

I. Graficar y tabular la información proporcionada y realizar un Análisis

SOLUCION DEL CASO PRÁCTICO (Modelo de Correlación)

1. ANÁLISIS PRIMARIO: El comportamiento que muestra la cura es del tipo

2. ANALISIS SECUNDARIO: Se obtienen los valores de Xhor, Xver e índice

VENTAS VENTAS VENTAS 𝑿𝒉𝒐𝒓 𝑿𝒗𝒆𝒓

𝑃33 = 688 ∗ 0.945009 = 651

𝑃34 = 710 ∗ 0.992039 = 705

𝑃35 = 742 ∗ 1.039069 = 771

𝑃36 = 756 ∗ 1.077281 = 815

MES VENTAS PROYECCIÓN ERROR |E|

Para estimar la Previsión futura, se trabajan los tres períodos completos de