You are on page 1of 55

3/$1,78  'RF    6

7HRUtDV GH 3URQyVWLFR (Incluye ejercicios) 'H 7(75$352 Editado por Sr. H. Leijon, UIT

81,21 ,17(51$7,21$/( '(6 7(/(&20081,&$7,216 ,17(51$7,21$/ 7(/(&20081,&$7,21 81,21 81,21 ,17(51$&,21$/ '( 7(/(&2081,&$&,21(6

-1-

7HRUtDV GH 3URQyVWLFR

1. 1.1 1.1.1 1.1.2 1.1.3 1.2 1.3 1.3.1 1.3.2 1.3.3 1.4 1.4.1 1.4.2 1.4.3 2. 2.1 2.2 2.2.1 2.2.2 2.3 2.3.1 2.3.2 2.4 2.5 3. 4. 4.1 4.2 4.3 4.4 5. 6. 7.

SUPUESTOS GENERALES PARA EL PRONSTICO. Por qu pronosticar? 'HQVLGDG WHOHIyQLFD \ GHVDUUROOR HFRQyPLFR 3URSyVLWR GH ORV SURQyVWLFRV 3URQyVWLFR SODQLILFDFLyQ \ SURJUDPD GH WUDEDMR Cundo se necesita un pronstico? Qu es lo que se va a pronosticar? 7ySLFRV D SURQRVWLFDU $PELWR GHO SURQyVWLFR ,QIRUPDFLyQ QHFHVDULD SDUD OD SODQLILFDFLyQ Cmo se realiza el pronstico? 5HTXLVLWRV EiVLFRV 9HULILFDFLyQ GHO SURQyVWLFR &yPR HPSH]DU" METODOS DE PRONOSTICO Introduccin Anlisis estadstico de la demanda 5HJUHVLyQ GH GRV YDULDEOHV 5HJUHVLyQ P~OWLSOH Mtodos de tendencia $QiOLVLV GH VHULHV GH WLHPSR ([WUDSRODFLyQ GH OD WHQGHQFLD Juicio individual Otros mtodos PRONOSTICO PARA LA PLANIFICACION DE CENTRALES PRONOSTICO PARA LA PLANIFICACION DE REDES Introduccin Modelos para el trfico total Pronstico punto a punto Mtodo del doble factor de Kruithof CONCLUSIONES REFERENCIAS EJERCICIOS

-2-

1. 1.1 1.1.1

SUPUESTOS GENERALES PARA EL PRONOSTICO Por qu pronosticar? 'HQVLGDG WHOHIyQLFD \ GHVDUUROOR HFRQyPLFR

Las facilidades de telecomunicaciones en un pas dependen de su nivel econmico. Para desarrollar la economa, son necesarias ciertas facilidades de telecomunicaciones bsicas. Esto es vlido para todos los pases. Existe una correlacin entre el nmero de telfonos por habitante y el producto bruto interno per capita, tal como se muestra en la figura 1.1/1. Ocurren ciertas desviaciones debido a diferencias en la estructura econmica de los diferentes pases. Es fcil comprender que un pas cuya economa est basada principalmente en la agricultura necesite menos telfonos por habitante que un pas altamente industrializado.

70
Sweden

Switzerland

60

Canada

Denmark

France

50
Australia Greece Main lines per 100 inhabitants, 1993 Italy Austria Japan

40

Korea (Rep.)

Israel

Portugal

30

20

Czech Republic

Malaysia Argentina

10
Brazil T hailand India

5000

10000

15000

20000

25000

30000

35000

GDP per capita, en US$, PBI per capita US$, 19931993

)LJXUD   'HQVLGDG WHOHIyQLFD \ 3URGXFWR %UXWR ,QWHUQR 3%, SHU FDSLWD HQ DOJXQRV SDtVHV 

-3-

La demanda de telfonos depende primariamente de la especializacin ocupacional de la poblacin. La necesidad de telfonos es baja en una aldea autosuficiente, pero se incrementa en la medida que la gente deja de lado el sector agrcola por otras actividades ( industria, comercio, servicios pblicos, etc.). Las actividades gubernamentales y las privadas comerciales requieren de las telecomunicaciones para poder funcionar. La concentracin de cada vez ms gente en reas urbanas puede tambin dar paso a una demanda mayor por telfonos residenciales, pero esto solamente para aquellas personas que han alcanzado un nivel de vida suficientemente alto. Una cierta demanda para comunicacin con las reas rurales se derivar tambin de la urbanizacin. La demanda es, claro est, tambin dependiente de las preferencias y hbitos nacionales, as como tambin de las tarifas telefnicas. Para evitar la influencia tarifara, toda investigacin y pronstico deben hacerse sobre el supuesto de que las tarifas telefnicas no son prohibitivas, sino suficientes para permitir un mantenimiento adecuado y una expansin del sonido de la red telefnica. Para estimar la futura demanda de telecomunicaciones, se deben tomar en cuenta el desarrollo general esperado y, especialmente, el desarrollo econmico. Son de utilidad datos publicados sobre la situacin econmica actual e informacin sobre planes de desarrollo econmico. 1.1.2 3URSyVLWR GH ORV SURQyVWLFRV

La ampliacin de los servicios telefnicos requiere la provisin de aparatos telefnicos, planta de lnea de abonados, equipo de central, circuitos de empalme y troncales. Sin embargo, siempre habr un cierto desfase de tiempo entre la identificacin de una necesidad - o ms bien una futura necesidad- y el momento en el cual puede ser satisfecha. El tiempo transcurrido entre la identificacin y la satisfaccin de la necesidad es considerable. Para evitar perodos de espera largos y alta congestin, es conveniente prever las necesidades con suficiente anticipacin. Esto hace posible ampliar la planta en el momento oportuno porque las acciones necesarias pueden tomarse en el momento apropiado. Un pronstico, por tanto, producir en primer lugar estimados precisos de la demanda futura de facilidades de telecomunicacin. 1.1.3 3URQyVWLFR SODQLILFDFLyQ \ SURJUDPD GH WUDEDMR

Los pronsticos proporcionan la base de los planes. Los planes son considerados por la administracin que toma las decisiones. Conforme a las decisiones se formula un programa de trabajo. El programa de trabajo requiere planificacin detallada de lo que se necesita hacer hasta que todo el equipamiento est operativo. Hay planificacin a largo, mediano y corto plazo, cada una de las cuales cuenta con sus propios requerimientos en cuanto a los detalles especficos en cada punto, de acuerdo a un cronograma de trabajo. Cada tipo de planificacin debe usar, ms o menos, pronsticos detallados de las cantidades requeridas. Utilizaremos las siguientes definiciones: Pronstico Plan Un pronstico es una prediccin de la demanda futura, generalmente expresada en cantidades. Un plan es una propuesta de accin y estimacin del costo de llevar a cabo el plan. Puede incluir lneas alternativas de accin. La administracin decide qu accin se tomar. Aprueba el plan que despus se convierte en un programa de trabajo. Un programa de trabajo se basa en un plan aprobado y define las acciones a tomarse as como sus plazos. Un programa de trabajo generalmente requiere planificacin detallada de todas las acciones a tomar para llevar a cabo el programa de trabajo. El plazo para cada accin es de suma importancia. Planes de trabajo ms o menos detallados deben estar listos en un tiempo dado.

Decisin

Programa de trabajo

Planificacin

La relacin entre los conceptos arriba mencionados se ilustra en la Figura 1.1/2.

-4-

FACTORES CONSIDERADOS EN LA TOMA DE DECISIONES

Medida pasiva

Medida activa

PRONOSTICO

necesario para el

PLAN

Va cursos alternativos de desarrollo

Va accin alternativa propia PRESUPUESTO PROGRAMA

Plan en trminos monetarios

Plan establecido en detalle = planificacin y plazos

)LJXUH   5HODFLyQ HQWUH HO SURQyVWLFR \ HO SODQ Debido a que el programa de trabajo e inversiones se basan en pronsticos, es muy importante que estos ltimos sean tan precisos como sea posible. Es tambin deseable que el planificador defina el grado de incertidumbre del pronstico. Esto permite al planificador saber cundo puede ser flexible. La situacin en muchos pases en desarrollo puede ser tal que la demanda es mucho mayor que la oferta. En tal caso, prcticamente todas las ampliaciones se utilizarn de inmediato, sin disminuir esencialmente la brecha entre la oferta y la demanda. Prever la demanda en tales casos es muy difcil, debido a que la demanda existente no puede medirse o estimarse fcilmente. Es tambin tarea del planificador estimar esa demanda para que as la persona que toma las decisiones conozca el efecto de sus acciones sobre la situacin de la oferta y la demanda. El tratar tales situaciones es tambin un asunto dependiente de la poltica que va a seguir la administracin. Se le dar prioridad a los abonados de negocios, al desarrollo de reas de centrales locales o a los servicios de larga distancia, etc.? 1.2 Cundo se necesita un pronstico?

Los perodos de pronstico dependen de los perodos de planificacin. Ellos, a su vez, dependen de los tiempos de entrega de los distintos tipos de equipo necesario. Damos algunos ejemplos a continuacin: Aparatos de abonados Equipo de conmutacin de centrales Cables para abonados Ductos en redes locales Edificios Terrenos para los edificios 1-2 aos 3-4 aos 6-10 aos 10-15 aos 10-20 aos hasta 50 aos

La planificacin as como los pronsticos se dividen por lo general en: Planificacin/pronstico de largo plazo Planificacin/pronstico de mediano plazo Planificacin/pronstico de corto plazo ms de 10-15 aos 5-10 aos menos de 5 aos

De lo anterior se deriva que los varios tipos de pronsticos y planificacin concernientes a diferentes tipos de equipo dependen de cundo tendr que usarse este equipo. Es evidente que un pronstico de corto plazo debe ser ms detallado, ya que sirve para la planificacin a corto plazo en la cual debe especificarse cada detalle de la planta.

-5-

Ningn mtodo de pronstico ser adecuado para todos los plazos de tiempo. Deben usarse diferentes mtodos para diferentes perodos y esto hace surgir problemas de ajuste cuando los pronsticos para perodos de tiempo, ya sea traslapados o no, provienen de mtodos diferentes, ya que pueden ocurrir discrepancias entre las curvas de crecimiento. No existe procedimiento estndar para ajustar los pronsticos contradictorios. En la mayora de los casos se emplea el juicio basado en la experiencia y se dibuja una curva que salva la inconsistencia entre los pronsticos. Esto se muestra en la Figura 1.3/1.

Demanda

pronstico a largo plazo

pronstico a mediano plazo puenteo

Tiempo
)LJXUD   $MXVWH GH SURQyVWLFRV FRQWUDGLFWRULRV 1.3 1.3.1 Qu se va a pronosticar? 7ySLFRV GH SURQyVWLFR La previsin concierne a cuatro reas principales: Ubicacin Terreno Edificios Lneas directas de central de abonado (pronstico de la red de abonado) Red de empalme Red troncal Equipo de abonado Equipo de conmutacin automtico Equipo de conmutacin manual Esquemas de numeracin de centrales (estrategia a largo plazo)

Lneas

Equipo

Numeracin

Los pronsticos generalmente presentan el nmero futuro esperado de lneas directas de central (DELs) y el trfico futuro, siendo este ltimo ms o menos detallado. Consecuentemente hay: pronsticos de abonados; pronsticos de trfico. 1.3.2 $PELWR GHO SURQyVWLFR

Un pronstico puede referirse al total de una entidad dada, tal como un pas, cierta regin de un pas, un rea metropolitana, etc. En este caso se llama un SURQyVWLFR JOREDO y contiene muy pocos detalles de la entidad. Usualmente es suficiente slo para propsitos de planificacin a largo plazo. Un SURQyVWLFR GHWDOODGR proporciona informacin detallada sobre el desarrollo futuro esperado. Se hace separadamente para cada parte del pas donde la divisin es tal que las unidades se vuelven manejables. Solamente el pronstico de abonado detallado especifica la ubicacin exacta de cada abonado. Un pronstico de trfico detallado especifica todo el trfico futuro dentro del rea en cuestin. Se basa generalmente en pronstico de abonados y en mediciones. 1.3.3 ,QIRUPDFLyQ QHFHVDULD SDUD OD SODQLILFDFLyQ

-6-

Dependiendo de la necesidad de planificacin, los resultados del pronstico deben presentarse de diferente manera. Damos los ejemplos siguientes: Distribucin de abonados dentro de un rea Ubicacin exacta de los abonados individuales. Nmero de abonados en cada cuadrcula de un mapa de cuadrcula. Nmero de abonados por rea de trfico en el rea en estudio. Nmero de abonados por categora de abonado en cada rea de trfico. Trfico Trfico de origen y de destino por abonado. Trfico de origen y de destino por abonado en cada rea de trfico. Trfico de origen y de destino por abonado por cada categora de abonado. Flujos de trfico entre reas. Podemos definir: A = N = = y = h = Entonces, $ trfico total para un grupo de abonados nmero de abonados en el grupo trfico por abonado intensidad de llamadas en el grupo tiempo de ocupacin promedio \ K, pero tambin $ 1

El trfico $ puede ahora pronosticarse de diferentes maneras: 1. Directamente, por ejemplo, por extrapolacin de tendencias de valores de $ registrados en los aos anteriores. 2. Indirectamente, pronosticando primero 1 , o alternativamente, \ y K En lo concerniente al pronstico del trfico para un grupo de abonados, generalmente es preferible hacer un pronstico para cada categora de abonado antes de estimar el trfico total. La razn para ello es que las proporciones entre las diferentes categoras pueden variar en el futuro.

-7-

1.4 1.4.1

Cmo se realiza el pronstico? 5HTXLVLWRV EiVLFRV Hay dos requisitos principales para el pronstico del sonido: Debe disponerse de una adecuada provisin de informacin exacta y relevante del pasado. Esto consistir generalmente en registros de mediciones en equipo existente ( conexiones, llamadas, trfico, etc ) complementados con informacin general de base. Dicha informacin se usar sistemticamente en el pronstico. Debe contarse con una razonable conjetura acerca del desarrollo futuro. Este estimado del desarrollo futuro puede ser una extrapolacin del desarrollo pasado, ajustado a veces para tomar en cuenta la informacin bsica disponible. El planificador necesita informacin histrica precisa para mejorar su pronstico.

Consecuentemente, la base del pronstico es el estudio del pasado. Mientras mejor entendamos y describamos matemticamente el desarrollo pasado, mejores sern nuestras probabilidades de realizar un pronstico correcto. Tambin hay que destacar que debe proporcionarse el grado de incertidumbre del pronstico a fin de que aqullos que van a utilizar los datos la tomen en cuenta. 1.4.2 9HULILFDFLyQ GHO SURQyVWLFR

Siempre existe una razn para ser crticos acerca de la viabilidad de un pronstico. Deben formularse las siguientes preguntas: Es el pronstico relevante (vlido)? Cun exacto es el pronstico? Es el resultado creble? La relevancia de un pronstico depende en algunos casos del uso correcto de los supuestos para el desarrollo futuro. La exactitud de un pronstico puede depender de la precisin estadstica de la informacin histrica y del mtodo de extrapolacin usado. La credibilidad de un pronstico con frecuencia es un asunto de juicio personal. Aqu la mente humana puede, sin embargo, tener sus limitaciones al imaginar el crecimiento futuro. As, muchos pronsticos han sido disminuidos de tamao debido a que el planificador no pudo visualizar tal crecimiento. El desarrollo de muchas redes ha sido entorpecido por la falta de imaginacin del planificador. Cuando se juzga la credibilidad de un pronstico se debe recordar que: Los pronsticos concernientes a la poblacin, la economa y el desarrollo industrial, etc., pueden ser engaosos. Las estadsticas de telecomunicaciones disponibles para perodos pasados pueden contener errores y pueden no siempre haberse recogido bajo las mismas condiciones. La informacin disponible sobre el desarrollo histrico puede cubrir slo un perodo limitado. Las relaciones pasadas y presentes entre las variables en estudio pueden no ser necesariamente verdaderas en el futuro.

-8-

1.4.3

&yPR FRPHQ]DU" El proceso de pronstico puede dividirse en las siguientes partes: 'HILQLFLyQ GHO SUREOHPD Debe determinarse el propsito y los supuestos de los pronsticos. 5HFROHFFLyQ GH LQIRUPDFLyQ EiVLFD Se deben investigar varias fuentes para obtener datos bsicos. Hay que estudiar el crecimiento poblacional y econmico. Tambin son esenciales los resultados de los pronsticos ms recientes. 6HOHFFLyQ GHO PpWRGR GH SURQyVWLFR El mtodo debe escogerse de acuerdo a la informacin disponible y a la exactitud requerida, etc. $QiOLVLV \ HVWDEOHFLPLHQWR GH ORV SURQyVWLFRV El anlisis consiste en la preparacin metodologa de la informacin bsica y en la evaluacin de los resultados obtenidos. 'RFXPHQWDFLyQ El pronstico debe presentarse en un formato de fcil entendimiento. El resultado debe contener pronsticos alternativos. Adems del pronstico ms probable, debe existir tambin un pronstico optimista y otro pesimista, para indicar a la persona que elaborar el plan dnde pueden encontrarse los limites superior e inferior.

-9-

2 2.1

METODOS DE PRONOSTICO Introduccin

Casi todos los mtodos de pronstico asumen que el futuro se asemejar de alguna manera al pasado. Esto se puede interpretar de varias maneras, por ejemplo: 1. Para mtodos de pronstico de tendencias de tiempo se asume que el desarrollo seguir una curva que se ha sido ajustada a la informacin histrica existente. 2. Cuando se usan relaciones explcitas entre la demanda y diversos factores determinantes, stas permanecern iguales en el futuro. 3. Comparando varios pasos del desarrollo de las telecomunicaciones, se asume que el pas (o rea) menos desarrollada se desarrollar al nivel de los ms desarrollados. 4. Cuando se aplica juicio personal (subjetivo) en el pronstico, el futuro se asemejar al conocimiento previo personal y a la experiencia obtenida de anteriores desarrollos. Aun cuando el futuro usualmente se asemeja al pasado en este sentido, nunca es una reproduccin exacta. Por tanto, los pronsticos nunca deben aceptarse sin crtica. Esto quiere decir que los pronsticos producidos por ciertos mtodos con frecuencia se modifican antes de ser aceptados para propsitos de planificacin. Pese a que tales correcciones pueden parecer subjetivas, son necesarias siempre que haya una razn para creer que el futuro mostrar divergencias con el pasado que no fueron tomadas en cuenta por el mtodo de pronstico utilizado. Ejemplos de tales situaciones son los cambios tarifarios, las mejoras radicales del servicio, etc. De ello se deduce que los supuestos utilizados en el pronstico deben ser cuestionados, siempre que puedan ocurrir cambios en el ambiente en el cual opera el sistema telefnico. Nunca se pone demasiado nfasis en la importancia de informacin precisa y detallada. La calidad de un pronstico depende directamente de la calidad de los datos histricos empleados. Si no se dispone de informacin fiable, el planificador debe primero establecer procesos adecuados de recojo de datos antes de aplicar mtodos de pronstico. Muchos de los mtodos discutidos en este capitulo sern difciles, sino imposibles de utilizar sin los datos histricos adecuados. 2.2 Anlisis estadstico de la demanda

Uno puede asumir que el desarrollo del nmero de lneas de central directas en un pas sigue ciertos patrones. Por ejemplo, debiera ser dependiente del nmero de habitantes, del estndar de vida, del desarrollo tecnolgico y econmico, etc. Si algunas variables estn lgicamente relacionadas con el desarrollo telefnico, esas variables pueden usarse para explicar el desarrollo. A continuacin se describen algunas de dichas variables: 7DPDxR GH OD 3REODFLyQ - Al crecer la poblacin, el nmero de consumidores aumenta y la demanda por lneas de abonados se incrementa. 1LYHO GH 9LGD Una medida del nivel de vida es el Producto Bruto Interno per capita. En las economas planificadas centralmente puede usarse el Producto Material Neto per capita. Ambos valores deben convertirse en un nivel de precios fijo. Cuando el nivel de vida aumenta, generalmente tambin aumenta la demanda de lneas de abonados. $FWLYLGDG GH OD &RQVWUXFFLyQ.- Puede usarse el nmero de oficinas nuevas y apartamentos como una medida del cambio de estructura en la sociedad debido a la urbanizacin, el alto nivel de vida, el desarrollo poblacional, etc. La actividad de la construccin se puede usar para estimar la futura demanda de lneas de abonados. 3UHFLR Se asume que un alto precio para el uso de un telfono (es decir, cuota de inscripcin, costo de conexin y servicio medido) reducen la demanda de lneas de abonados. La eleccin de las variables explicativas depende de la disponibilidad de pronsticos fiables sobre ellas. Las variables que ms comnmente explican el nmero de lneas de abonados de un pas son poblacin y desarrollo econmico.

- 10 -

La Figura 2.2/1 muestra la densidad telefnica y el Producto Bruto Interno per capita de Suecia de 1900 a 1965. Sobre una escala logartmica, la relacin es aproximadamente lineal durante los perodos 1900-1915 y 1920-1965. escala log x log

PBI PER CAPITA Coronas Suecas, precios 1959

)LJXUD   'HQVLGDG WHOHIyQLFD \ 3%, SHU FDSLWD HQ 6XHFLD  El anlisis de la demanda estadstica por medio de PRGHORV HFRQRPpWULFRV es una tcnica diseada para obtener relaciones cuantitativas explcitas entre el inters y otras variables que se cree tienen influencia sobre ella. Un modelo economtrico de demanda es por tanto una representacin matemtica del comportamiento del cliente y depende de muchos ms factores que aqullos para los que se puede obtener informacin. Algunos factores, a pesar de tener una clara relacin con las variables de pronstico, son en s mismos difciles de pronosticar y otros factores pueden ser interdependientes, de modo que su influencia precisa no es clara. Hay dos clases principales de modelos: los modelos de UHJUHVLyQ GH XQD VROD HFXDFLyQ y los modelos de UHJUHVLyQ GH HFXDFLRQHV P~OWLSOHV. El primero comprende modelos en los cuales se asume que la variable dependiente es una funcin lineal de varias variables explicativas e independientes. La segunda clase de modelo, el modelo de regresin de ecuaciones mltiples, nos da la posibilidad de tener en cuenta simultneamente las interrelaciones entre un conjunto de variables. La debilidad de los modelos de ecuaciones mltiples es que las variables explicativas pueden ser interdependientes. La posible realimentacin entre la variable dependiente y las variables explicativas es despreciable. 2.2.1 5HJUHVLyQ GH GRV YDULDEOHV

Supongamos que deseamos estudiar la relacin entre dos variables, [ y \. A fin de describir esta relacin estadsticamente, necesitamos un conjunto de observaciones de pares de valores, uno para cada variable:

[  \  [  \ 

 [Q  \Q

- 11 -

Si representamos grficamente estas cantidades, podemos encontrar que ellas muestran un patrn consistente, por lo que es posible dibujar una curva que se ajuste a esos puntos. Se presentan entonces dos problemas: a) decidir el tipo de curva a usar; b) elegir la mejor curva de ese tipo. El primer problema se resuelve por lo general simplemente mirando una representacin grfica de los pares de valores observados [L  \L y, de preferencia, eligiendo por observacin un tipo de curva simple. Al respecto, son muy populares las lneas rectas. El segundo problema: escoger los valores ptimos para los parmetros de la curva, puede resolverse solamente despus de haber adoptado algn criterio que nos informe sobre la calidad de la curva. El criterio ms usado es el de los mnimos cuadrados. Esto se debe a sus propiedades intuitivas y a sus propiedades matemticas. Nosotros tambin lo usaremos. De acuerdo con el criterio de mnimos cuadrados una curva es buena si 6, la suma de los cuadrados de las distancias desde los puntos dados a la curva, es pequea. La mejor curva es aqulla en la cual el valor de 6 es el ms pequeo. El segundo problema puede entonces reformularse de la siguiente manera: GHWHUPLQDU ORV YDORUHV GH SDUiPHWUR TXH PLQLPL]DQ 6. Supongamos que deseamos determinar una lnea recta que se ajuste a las observaciones. Esto significa que asumimos una relacin lineal entre [, la variable independiente, e \, la variable dependiente. El hecho de que las observaciones [L  \L no caigan sobre un lnea se atribuye a la influencia de un trmino de error. En resumen, se asume que: \

 [ 

(2.2.1)

Los parmetros y son desconocidos. El error es aleatorio pero tiene un valor esperado igual a cero. Sean D y E las estimaciones de , respecto de B. El valor calculado para \ a partir de un valor dado [L usando estos estimados es:

\L = D + E [L

(2.2.2)

Sin embargo, observamos el par [L  \L , de modo que \L \L es la desviacin de la lnea de este punto particular. As, tenemos que encontrar las estimaciones de D y E, que minimizan:
 6 = \L \L
L = Q

yi yi

y = a + bx desviacin

: observacin

xi
)LJXUD   /DV REVHUYDFLRQHV \ OD OtQHD

- 12 -

Ntese que solamente estamos interesados en las desviaciones verticales. Esto no es sorprendente ya que nuestro objetivo es predecir el valor \ cuando es dado un nuevo valor de [. En general, tenemos que escoger entre tres posibilidades: V: H: P: Distancias verticales Distancias horizontales Distancias perpendiculares a la lnea

La siguiente figura da los resultados obtenidos, empezando por las mismas observaciones en estos tres casos.

H P V

: observaciones

)LJXUD   ,QIOXHQFLD GH OD GLVWDQFLD HVFRJLGD Las estimaciones de D y E se deciden resolviendo:

6 = D
donde

6 = E

6 = \L D E [L 
L =

El resultado es:

E = L =

Q [L \L [L \L
L = Q  Q [L [L L = L = Q L = 

(2.2.3)

D = \ E [

(2.2.4)

Para juzgar la calidad de la lnea as producida, podemos calcular el coeficiente de correlacin U.

\L \  = \L \ 

([SODLQHG YDULDQFH 7RWDO YDULDQFH

(2.2.5)

U tiene el mismo signo que E y cae en [-1, +1]. U recta no puede representar la relacin entre \ e [.

 indica falta de correlacin, en otras palabras: una lnea

Si U se desva de cero, hay dificultades para juzgar la bondad del ajuste entre las observaciones y la lnea recta. Por lo tanto, tienen que aplicarse otros mtodos.

- 13 -

Si estamos satisfechos con el valor obtenido de U , podemos usar


\ = D +E [

para hallar los estimados de \, dado cualquier valor de [. Hay, sin embargo, otros mtodos para verificar que la lneas de regresin proporciona una descripcin fiable de cmo \ depende de [. El primer paso es estimar la varianza de E y verificar que est dentro de lmites razonables. El segundo paso es verificar que no hay errores sistemticos con el test de Durbin-Watson. El primer test requiere calcular la cantidad

7=
donde

( [ [ )


 

(2.2.6)

V =

\  D \ E [\
Q

(2.2.7)

Para una revisin precisa, es necesario usar tablas estadsticas para la distribucin de W pero 7 debe ser menor que -2 o mayor que +2 para que sea aceptable el anlisis de regresin. Para -2 < T < 2, el valor de E no se puede decir que sea significativamente diferente de cero y no podemos estar seguros que nuestra lnea recta con E  represente realmente un cambio de \ con [ Si deseamos disear intervalos de confianza para los parmetros y , o para nuestros valores de \ predichos, debemos asumir lo siguiente: Las observaciones [L  \L forman una muestra al azar de una poblacin de dos variables distribuida normalmente, de modo tal que:

( {< _ ; = [} = + [ 9 {< _ = [} =


(2.2.8)

De ahora en adelante y sin prdida de generalidad, tambin asumiremos que [ = \ =  ; esto significa que escogemos un nuevo origen, de manera que antes de empezar los clculos tenemos que restar [ a todos los valores [  y restar \ a todos los valores \ .
L L

El estimado para puede ahora escribirse as

E=
y D

[L \L [L


(2.2.3a)

(2.2.4a)

La varianza 2 es desconocida, pero podemos estimarla por


 VH =

 Q \ \  Q  L = L

(2.2.8)

 VH se conoce como el error estndar del estimado. VH es un estimador insertado de 2.

- 14 -

Adems,

Q  VH 

= Q 

(Chi cuadrado distribuido con Q grados de libertad)

 D 1  Q

  DVt \ E 1   [L

D Q

[L

se distribuyen normalmente, 1  , (con media = 0 y desviacin estndar = 1). Puede mostrarse que D E y V son independientes entre s, de forma que:

D Q  V
H

EV

[L

VH

se distribuyen de acuerdo a una distribucin W con Q grados de libertad. Pueden calcularse los intervalos de confianza y realizarse las pruebas de hiptesis. Para disear un intervalo de confianza para el valor de \ cuando [ [ debemos ver la varianza de \R E[R . Debido al nuevo origen, el cual es diferente para cada muestra, la varianza de \R incluye la varianza del origen, V(a), y es igual a:

 [  9 \ = 9 D + [ 9 E =  +   Q [L
De nuevo, llegamos a una distribucin W Q eliminando la incgnita 2 porque:

(2.2.9)

\ [ [  +  Q [
L

1  

y por tanto

\ [ [  VH +  Q [
L

W Q 

En lo antes expuesto nos hemos limitado a una relacin lineal entre [ e \. Sin embargo, el mismo mtodo puede aplicarse a ciertos casos donde parece ms apropiada una relacin no lineal. Para esto es suficiente que la relacin pueda obtenerse en una forma lineal, por medio de una transformacin adecuada de los datos. Por ejemplo, si asumimos que la relacin puede expresarse por

\ = H [
entonces o

(2.2.10) (2.2.10a) (2.2.10b)

OQ \ = OQ + [ ] = + [

Determinamos los estimados de F y E para , respecto de , en la forma usual y realizamos el pronstico con:

- 15 -

\ = H ] = H F +E [ = H F HE [

(2.2.10c)

Si la transformacin de datos a una relacin lineal es imposible, entonces debe tratarse con regresin curvilnea. La idea principal es ahora que la actual relacin entre [ y \ pueda ser representada por:

\ =  +  [ +  [  + + N [ N

(2.2.11)

Nuestras observaciones [L  \L con el resultado de fluctuaciones aleatorias I alrededor de esta lnea. Aplicando los criterios de mnimos cuadrados para la estimacin de     N significa otra vez que tiene que minimizarse. As, hemos tratado de encontrar el mnimo de:

L =

(\L E + E [ + E [L +
Q

+ EN [LN

donde los EL estiman los L . Derivando parcialmente respecto a E E  EN  e igualando todas las derivadas a cero, se obtiene el sistema de ecuaciones lineales:

= QE + E [L + E [L + + EN [LN


L

[ \
L L

= E [L + E [L + E [L + + EN [LN + + EN [L N

[ N \L = E [LN + E [LN + +

La solucin de este sistema de ecauciones lineales con N incgnitas proporcionan las estimaciones requeridas. Es aconsejable limitar el nmero de parmetros EN usados. 2.2.2 5HJUHVLyQ P~OWLSOH

Si no estamos satisfechos con el valor de U, lo cual significa que la varianza residuo (= varianza total - varianza explicada) es muy larga, podemos verlos residuos. La varianza residuales

(\

 \L )

y puede tener un alto valor slo si al menos algunos de los residuos \ \ son grandes, lo cual significa que las distancias verticales entre las observaciones y la lnea \ D  E[ son amplias.
No obstante, si la variable \ estudiada parece depender de otras variables adems de [, uno puede tratar de reducir los residuos introduciendo uno o ms factores explicativos, [ [ etc. Los principales mtodos a ser aplicados son el 0pWRGR ,WHUDWLYR y el 0pWRGR 'LUHFWR los cuales se explicarn mediante dos ejemplos numricos.

- 16 -

0pWRGR ,WHUDWLYR Ejemplo: Pronstico del nmero de llamadas locales El mtodo mostrado abajo, se llama iterativo porque trabaja en pasos. Se lo prefiere cuando los factores explicativos a utilizarse no se han decidido por anticipado. Debe notarse que aunque el mtodo implica cierto grado de aproximacin, los resultados numricos sern suficientemente exactos para casos prcticos como los que se dan aqu. Paso 1 Seleccionar una pareja de factores explicativos posibles, [  [Q para lo cual se dispone de buenos pronsticos (nmero de abonados, habitantes, etc.). Calcular los coeficientes de correlacin entre la variable dependiente \ (en el ejemplo de abajo el nmero de llamadas locales) y cada uno de los factores explicativos [  [Q Seleccionar el factor explicativo que tiene el coeficiente de correlacin ms alto, con \. Si se supone que este factor es [, hacer el primer intento con la funcin de regresin:

Paso 2

Paso 3 Paso 4

\ = D + E [
y calcular los parmetros de D y E con los mtodos indicados en la seccin 2.2.1. Paso 5 Calcular los residuos

(2.2.12)

U = \ D + E [
Paso 6

(2.2.13)

Calcular los coeficientes de correlacin entre U V y cada uno de los factores explicativos sobrantes, en este caso [  [   [P Seleccionar el factor explicativo restante que tiene el coeficiente de correlacin ms alto con U. Si a este factor se le llama x1, hacer el segundo intento utilizando la funcin de regresin

Paso 7 Paso 8

U = D + E [
y calcule los parmetros D y E, de acuerdo con los mtodos de la seccin 2.2.1. Paso 9 La funcin de la prueba 1, junto con la funcin de la prueba 2, dan ahora

(2.2.14)

\ = D + E [ + U = = D + E [ + D + E [ = = D + D + E [ + E [
los cual es una mejora comparada con la funcin de regresin de la primera prueba. Paso 10 Calcular los residuos (2.2.15)

U = \ > D + D + E [ + E [ @
Paso 11

(2.2.16)

Calcular los coeficientes de correlacin entre los UV y cada uno de los factores explicativos restantes, en este caso [  [Q Llevar adelante la prueba 3 y seguir de la misma forma mientras los residuos calculados no sean lo suficientemente pequeos.

Paso 12

- 17 -

Un ajuste perfecto no significar que todos los residuos sean cero. Este estado solamente se alcanzar cuando el nmero de parmetros sea el mismo que el nmero de observaciones en el material estadstico. &iOFXORV 1XPpULFRV Llamadas De Larga Distancia Ao fiscal Llamadas locales y1 2305 2423 2605 2852 3040 3376 3642 3700 3884 4059 Servicio manual 110 103 95 84 78 73 55 38 21 13 Servicio automtico 125 165 220 267 322 372 445 530 609 650 Total y2 235 268 315 351 400 445 500 568 630 663

1958/59 1959/60 1960/61 1961/62 1962/63 1963/64 1964/65 1965/66 1966/67 1967/68

7DEOD   /ODPDGDV 7HOHIyQLFDV PLOORQHV Paso 1: Elegir los factores explicativos posibles

Abonados Telefnicos Ao 1o. enero 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 Poblacin x1 7 436 7 471 7 499 7 542 7 581 7 627 7 695 7 773 7 844 7 894 352 311 271 207 174 144 101 75 41 27 1 712 1 839 1 973 2 143 2 294 2 454 2 622 2 785 2 956 3 095 Centrales manuales Centrales automticas Total x2 2 064 2 150 2 244 2 350 2 468 2 598 2 723 2 860 2 997 3 122

Aparatos Telefnicos Centrales manuales 408 359 313 236 198 163 114 86 46 32 Centrales automticas 2 118 2 278 2 448 2 668 2 856 3 060 3 273 3 487 3 711 3 903 Total x3 2 526 2 637 2 761 2 904 3 054 3 223 3 387 3 573 3 757 3 935

7DEOD   )DFWRUHV ([SOLFDWLYRV PLOHV

- 18 -

1ero de enero 1969 1970 1971 1972 1973 1974 1975

Poblacin x1 7 964 8 042 8 120 8 201 8 281 8 360 8 430

Total Abonados x2 3 214 3 335 3 453 3 566 3 672 3 776 3 879

Total Aparatos x3 4 111 4 288 4 458 4 626 4 793 4 957 5 120

7DEOD   3URQyVWLFRV 'LVSRQLEOHV SDUD ORV )DFWRUHV ([SOLFDWLYRV PLOHV Paso 2: Calcular los coeficientes de correlacin Ntese que los valores bsicos dados en las Tablas 2.2/1-2 se han redondeado en los clculos siguientes. El clculo de coeficientes de correlacin entre el \ nmero de llamadas locales y los factores explicativos [ [ y [ dan los resultados que se muestran a continuacin. Los datos se han tomado de las Tablas 2.2/1-2. y1 109 2.31 2.42 2.60 2.85 3.04 3.38 3.64 3.70 3.88 4.06 31.88 x1 106 7.44 7.47 7.50 7.54 7.58 7.63 7.70 7.77 7.84 7.89 76.36 x2 106 2.06 2.15 2.24 2.35 2.47 2.60 2.72 2.86 3.00 3.12 25.57 x3 106 2.53 2.64 2.76 2.90 3.05 3.22 3.39 3.57 3.76 3.94 31.76

7DEOD   )DFWRUHV ([SOLFDWLYRV 'DGRV Se calculan las siguientes sumas:

\L =  \

L

[ =  
 [ = 

[ = 
 [ =  

 [ = 
 [ = 

= 

[ \ = 

[ \ = 

[ \ = 

El coeficiente de correlacin se calcula a partir de:

5 \ [L =

'L *L +L

'L = Q [L \ [L \
donde

*L = Q \


( \ ) ( [ )
L

+L = Q [L

- 19 -

lo cual da

5 [ \ =   5 [ \ =   5 [ \ =  


Paso 3: Elegir el factor explicativo a usarse primero. En esta primera prueba escogemos el factor explicativo con el ms alto coeficiente de correlacin con \. Aqu el nmero de abonados era = [. Paso 4: Hacer la prueba nmero 1 con funcin de regresin

\ = D + E [
Las frmulas para el clculo de D y E en la seccin 2.2 pueden escribirse de la siguiente manera:

DQ + E [ = \
 D [ + E [L = [ \

o con los valores numricos:  D   E  D   E La solucin es: D E     

Paso 5: Calcular el residuo U La funcin encontrada en el paso 4 (prueba 1) da los siguientes valores ajustados de \ Ao fiscal 1958/59 1959/60 1960/61 1961/62 1962/63 1963/64 1964/65 1965/66 1966/67 1967/68 [ 2.06 2.15 2.24 2.35 2.47 2.60 2.72 2.86 3.00 3.12 Valores ajustados - 1.13 + 1.677 x = \ 2.34 2.49 2.64 2.83 3.04 3.26 3.47 3.71 3.95 4.15 Comparacin con los dados de \ Tabla 2.2/1 residuo \ U 2.31 - 0.03 2.42 - 0.07 2.60 - 0.04 2.85 + 0.02 3.04 + 0.00 3.38 + 0.12 3.64 + 0.17 3.70 + 0.01 3.88 - 0.07 4.06 - 0.09

7DEOD   9DORUHV DMXVWDGRV GH \ HQ HO SDVR 

- 20 -

Paso 6: Calcular los coeficientes de correlacin con U Antes de la segunda prueba calcularemos los coeficientes de correlacin entre los residuos de la prueba 1 y el resto de factores explicativos [ y [ Residuos de la prueba No. 1 U - 0.03 - 0.07 - 0.04 - 0.02 - 0.00 + 0.12 + 0.17 - 0.01 - 0.07 - 0.09 Total [ [ Sumas calculadas Variable Valor = 0.0642

de la Tabla 2.2/2 7.44 7.47 7.50 7.54 7.58 7.63 7.70 7.77 7.84 7.89 76.36 2.53 2.64 2.76 2.90 3.05 3.22 3.39 3.57 3.76 3.94 31.76

U
 [  [

= 583.31

= 102.97

U [ U [

= - 0.0073

= - 0.1199

7DEOD   &iOFXOR GH ORV FRHILFLHQWHV GH FRUUHODFLyQ Los coeficientes de correlacin fueron: 5 U [ 5 U [    

Esto indica una correlacin muy baja. Paso 7: Elegir el siguiente factor explicativo. El ms alto coeficiente de correlacin es el que est entre U y [, as que nuestro segundo intento ser para usar el factor explicativo [ Paso 8: Hacer el segundo intento con la funcin: U D  E [

Los parmetros D y E se dan a partir de las ecuaciones siguientes:

D Q + E [ = U
 D [ + E [ = U [

 D   E  D   E

   

La solucin es entonces: D E       (cor - 0.028822)

- 21 -

Consecuentemente

U

   [

Paso 9: Los resultados de las pruebas 1 y 2 anteriores darn ahora la siguiente funcin de regresin para llamadas locales: \    [ (de la prueba 1)    [  U (de la prueba 2)     [

consecuentemente \    [   [

Este resultado est comparado con los valores dados \ en la Tabla 2.2/1. Paso 10: Calcular los residuos U Ao fiscal Valores ajustados para llamadas locales - 1.083 - 0.0154 x1 + 1.715 x2 = y1 2.34 2.49 2.64 2.83 3.04 3.26 3.46 3.70 3.94 4.15 Valores dados de \

Tabla 2.2/1 x2 2.31 2.42 2.60 2.85 3.04 3.38 3.64 3.70 3.88 4.06

Residuo r2 - 0.03 - 0.07 - 0.04 + 0.02 0.00 + 0.12 + 0.18 0.00 - 0.06 - 0.09

1958/59 1959/60 1960/61 1961/62 1962/63 1963/64 1964/65 1965/66 1966/67 1967/68

Apartir de esta funcin de regresin, \ [ [ , encontramos el siguiente nmero futuro de llamadas locales (en millones): x1 7.96 8.04 8.12 8.20 8.28 8.36 8.43 x2 3.21 3.34 3.45 3.57 3.67 3.78 3.88 y (x1x2) 4300 4520 4710 4910 5080 5270 5440 y(x2) 4310 4530 4720 4930 5100 5290 5460

1968/69 1969/70 1970/71 1971/72 1972/73 1973/74 1974/75

- 22 -

El resultado se da en la Figura 2.2/3 Miles de millones Valores dados Valores ajustados Pronstico

Ao fiscal )LJXUD  A partir de los residuos U de deduce que la prueba 2 prcticamente no dio diferencia comparada con la primera prueba. Esto se desprende del pequeo coeficiente de correlacin 5 U [ . Debemos, sin embargo, detenernos en el paso 8 y usar la funcin de regresin. y 0pWRGR 'LUHFWR Para este mtodo asumimos desde el principio que la variable que deseamos pronosticar depende de un nmero de variables explicativas. Ejemplo: 3URQyVWLFR GHO Q~PHUR GH OODPDGDV GH ODUJD GLVWDQFLD.    [   [

El nmero de llamadas de larga distancia, \, generalmente aumenta considerablemente al introducirse el servicio automtico (STD). Con frecuencia se ha observado que la introduccin del STD entre dos reas causa la duplicacin del nmero de llamadas. Por tanto, parece apropiado usar el factor explicativo JUDGR GH DXWRPDWL]DFLyQ (representado por [) para pronosticar el nmero de llamadas de larga distancia. Este grado se define como la relacin entre el nmero de llamadas de larga distancia automticas y el total de llamadas de larga distancia. Tambin es probable que el nmero de aparatos telefnicos (representado por [) sea un factor explicativo til. Despus de estas consideraciones, seleccionamos a priori los dos factores explicativos: nmero de aparatos telefnicos grado de automatizacin = [ = [

Se supone que no necesitamos ms factores explicativos, as que podemos aplicar el PpWRGR GLUHFWR para el clculo de parmetros en la funcin de regresin:

\ = D + E [ + E [

(2.2.17)

- 23 -

Ao fiscal

Llamadas de larga distancia en miles de millones \ 0.235 0.268 0.315 0.351 0.400 0.445 0.500 0.568 0.630 0.663 4.375

Aparatos telefnicos (en millones) [ 2.53 2.64 2.76 2.90 3.05 3.22 3.39 3.57 3.76 3.94 31.76

Grado de automatizacin [ 0.53 0.62 0.70 0.76 0.81 0.84 0.89 0.93 0.97 0.98 8.03

1958/59 1959/60 1960/61 1961/62 1962/63 1963/64 1964/65 1965/66 1966/67 1967/68 Total 7DEOD 

/ODPDGDV GH ODUJD GLVWDQFLD \ IDFWRUHV H[SOLFDWLYRV

Ao fiscal

Aparatos telefnicos en millones [ 4.11 4.29 4.46 4.63 4.79 4.96 5.12

Grado de automatizacin [ 0.99 0.99 1.00 1.00 1.00 1.00 1.00

1968/69 1969/70 1970/71 1971/72 1972/73 1973/74 1974/75

7DEOD   3URQyVWLFRV GDGRV SDUD ORV IDFWRUHV H[SOLFDWLYRV A partir de las cifras del perodo 1958-1968, calculamos los siguientes totales:
 [ =   [ =  

[ [ =   \ [ =  \ [ =  

Los parmetros D E y E se estiman a partir del sistema de ecuaciones:

D Q + E [ + E [ = \ D [ + E [ + E [ [ = \ [ D [ + E [ [ + E [ = \ [
 

10.00 a + 31.76b3 + 8.03b4 = 4.38 31.76 a + 102.97b3 + 26.13b4 = 14.55 8.03 a + 26.13b3 + 6.65b4 = 3.71

La solucin del sistema de ecuaciones es:

- 24 -

D E E

  

En consecuencia, la funcin de regresin ser: \    [   [

En la tabla siguiente se compara el resultado con los valores \ dados: Ao fiscal 1958/59 1959/60 1960/61 1961/62 1962/63 1963/64 1964/65 1965/66 1966/67 1967/68 7DEOD  \ = -0.481 + 0.222 x3 + 0.267 x4 0.223 0.271 0.319 0.366 0.412 0.458 0.510 0.560 0.613 0.656 Comparacin con los valores dados de De la Tabla 2.2/8 0.235 0.268 0.315 0.351 0.400 0.445 0.500 0.568 0.630 0.663 Residuo U +0.012 -0.003 -0.004 -0.015 -0.012 -0.013 -0.010 +0.008 +0.017 +0.007

9DORUHV DMXVWDGRV GH ODV OODPDGDV GH ODUJD GLVWDQFLD \

Extrapolando estos valores al futuro, encontramos el siguiente pronstico para el nmero de llamadas de larga distancia en miles de millones: 1968/69 1969/70 1970/71 1971/72 1972/73 1974/75 0.695 0.735 0.776 0.814 0.887 0.923

El resultado se presenta en la Figura 2.2/4. Miles de Milliones


Valores dados Valores ajustados Pronstico

Ao fiscal )LJXUD  2.3 Mtodos de tendencia

- 25 -

Una serie de tiempo es un conjunto de observaciones de una cantidad como una funcin de tiempo. Las observaciones pueden seguir cierto patrn y el planificador desea averiguar cmo se desarrollar en el futuro la cantidad observada, es decir, estimar su tendencia. Esta seccin tratar sobre las posibles curvas para el desarrollo, tales como la tendencia lineal, la tendencia exponencial y las tendencias hacia un nivel de saturacin. La seccin sobre series de tiempo trata con los mtodos para explicar una variacin observada y el patrn de crecimiento como resultado de cuatro factores: tendencia, variaciones cclicas, variaciones estacionales y variaciones aleatorias. Si los datos histricos disponibles son correctos, los mtodos de tendencia pueden usarse para pronosticar el desarrollo futuro sobre un importante supuesto: en el futuro existir la misma dependencia entre las variables. Este es el mismo supuesto que se hace para todo pronstico basado en la extrapolacin de curvas que describen el pasado. 2.3.1 $QiOLVLV GH VHULHV GH WLHPSR

El anlisis de series de tiempo es el nombre para un nmero de mtodos requeridos para encontrar una explicacin para las fluctuaciones en los valores (\ estudiados.
L

Usualmente los valores de \ se piensa que son el resultado de cuatro factores: T. La tendencia T es el proceso de crecimiento fundamental (el cual puede ser, por supuesto, negativo o cero). Las variaciones cclicas C son cantidades sinusoidales con muy baja frecuencia. Un ejemplo de esto son los ciclos de negocios: siete aos de prosperidad seguidos por siete aos de escasez. Las variaciones estacionales S tambin oscilan, pero con una mayor frecuencia y son generalmente ms pronunciadas que las variaciones cclicas. Usualmente se incorporan en S patrones de variaciones diarias, semanales o anuales. Los movimientos irregulares o aleatorios (I) se deben a sucesos tales como huelgas, terremotos, cambios tarifarios, etc., y pueden considerarse como valores residuales no explicados de T, C y S.

C.

S.

I.

La figura 2.3/1 muestra los efectos de T, C, y S.

t
(a) Tendencia de largo plazo (b) Tendencia de largo plazo, movimiento cclico

t
(c) Tendencia de largo plazo, movimientos cclicos y estacionales

)LJXUD   ,QIOXHQFLD GH ODV YDULDFLRQHV FtFOLFDV \ HVWDFLRQDOHV HQ OD WHQGHQFLD HQ XQD VHULH GH WLHPSR LGHDO Los primeros tres factores se estudian por separado. El factor 1 no puede expresarse como una funcin de tiempo y acta como una variacin residual. Podemos expresar el efecto combinado de los cuatro factores como: < 76&, (2.3.1)

o por medio de una multiplicacin, expresada por la frmula:

< = 7 6 & ,

(2.3.2)

- 26 -

Tambin es posible una combinacin de suma y multiplicacin, por ejemplo:

< = 7  6 & ,

(2.3.3)

Para pronsticos a largo plazo por lo general es suficiente aadir los datos dentro de los valores anuales e intentar ajustar una tendencia lineal a travs de ellos. Se puede ajustar una variedad de curvas matemticas para analizar datos de series de tiempo, desde una extrapolacin a mano alzada de un grfico de la serie, el ajuste de una simple lnea recta a la serie de datos transformada, hasta el uso de curvas polinmicas e inclusive mtodos an ms complicados. 7HQGHQFLD OLQHDO Cualquier lnea recta que proporcione la relacin entre dos variables puede expresarse como: \ DEW (2.3.4)

Cuando D y E tienen sus valores especificados, la lnea est unvocamente definida y se puede calcular el valor de \ para cualquier valor de W. El planificador dispone de un nmero de pares de valores registrados de \ e W Por lo general estos valores no caen exactamente a lo largo de una lnea recta.. Su tarea es estimar D y E Asumiendo que se dispone de Q registros, los valores de D y E calculados con el criterio de mnimos cuadrados, se obtienen resolviendo el siguiente par de ecuaciones simultneas:

\ = QD + E W
W \ = D W + E W 
donde Q = nmero de pares de valores (W \ ; Mtodo Calcular los siguientes valores:

(2.3.5) (2.3.6)

W \ = W \ + W  \ +
  W  = W + W  +

+ W Q \Q

+ WQ

W = W + W  +

+ WQ \Q

\ = \ + \ +

Q = nmero de pares = nmero de valores de W = nmero de valores de \ Aqu:

W =

W
Q

\=

\
Q

Finalmente, calcular D y E para el sistema de ecuaciones (2.3.5) y (2.3.6):

E=
y

W \ QW \ W  QW 

(2.3.7)

D = \ EW
Para cada valor de W el valor de \ est dado a partir de: \ DEW

(2.3.8)

la cual es la ecuacin para la tendencia de lnea recta que estamos buscando.

- 27 -

7HQGHQFLD H[SRQHQFLDO El crecimiento exponencial se puede expresar con la ecuacin

\ = D HEW

(2.3.9)

donde \ e W son las variables, y D y E son los parmetros de la curva, y H = es la base de los logaritmos naturales. Tomando el logaritmo de toda la ecuacin:
OQ \ = OQ D + E W

(2.3.10)

Introducir
] = OQ \

F = OQ D

La ecuacin puede entonces escribirse: ] FEW (2.3.11)

Vemos que esta ecuacin es una lnea recta. Mtodo Tomar el logaritmo de todos los valores de \ y llamarlos ]. Luego calcular:

W]
W=

W
Q Q como se hizo antes ! ]=

W
QW

Entonces tenemos:

E=

W ] QW ] W QW 

(2.3.12)

F = ] EW ] = F + EW
Para cada valor de W, se calcula ahora el valor de \ como \ = antilogaritmo de ] 9HULILFDFLyQ GHO PRGHOR GH UHJUHVLyQ $ 3UXHEDV GHO VLJQLILFDGR GH ORV SDUiPHWURV GH WLHPSR

(2.3.13)

(2.3.14)

Este enfoque de la regresin depende del supuesto de que la cantidad en consideracin (un trfico medido o una tasa de llamadas) se correlaciona con el tiempo. Esto puede o no ser verdad; los valores pueden ser bastante independientes del tiempo. No obstante, las frmulas anteriores siempre producen un valor numrico para E. Por tanto es necesario probar si este valor se alcanza por puro azar y si su media real es cero. Esto puede llevarse a cabo calculando el valor

- 28 -

+=

E W W V

donde

V =

\  D \ E W\
Q

(2.3.15)

Calcular primero V , luego calcular V = raz cuadrada de V. Las notaciones anteriores son vlidas para la lnea recta. Para el caso exponencial, calcular V2 como

V =

]  F ] E W ]
Q 

(2.3.16)

Para una verificacin precisa, es necesario usar tablas estadsticas, pero como una gua aproximada, + debe ser mayor que 2 o menor que -2 para que la descripcin lineal sea vlida. Si se obtienen valores en el rango de - 2 a +2, entonces el valor de E no es significativamente diferente de cero, lo cual significa que la cantidad de trfico no cambia sistemticamente con el tiempo y que la descripcin analtica es inapropiada. El mejor pronstico para valores futuros de \ es que no cambian con el tiempo. % ([DPHQ GH HUURUHV VLVWHPiWLFRV

Aun si el parmetro E pasara la prueba anterior, el modelo podra invalidarse debido a la existencia de errores sistemticos en el proceso de ajustar la mejor lnea a los puntos de datos. Debe usarse el siguiente procedimiento para verificar los errores sistemticos:

Representar los valores en la lnea ajustada correspondiente a los valores registrados de \ por \ , y luego representar las primeras lecturas por \  \ , las segundas por \  \ , y as sucesivamente.
Calcular

Z=

Q 
L

\
=

\L \L + \L +

(2.3.17)

Y = \L \L 
L

(2.3.18)

=

Calcular el valor  

La estadstica conocida como: (VWDGtVWLFD GH 'XUELQ:DWVRQ, debe encontrarse entre 1.5 y 2.5 y de preferencia entre 1.7 y 2.3. Si el valor est fuera de este rango, deben examinarse los datos por indicios de desviacin sistemtica de la curva ajustada. Son causas comunes la forma errnea de la curva (ver figura 2.3/2, grfico 3) o la discontinuidad en los datos (ver la misma figura, grfico 4). Si la (VWDGtVWLFD GH 'XUELQ:DWVRQ da un resultado de prueba insatisfactorio, deben hacerse los ajustes convenientes a los datos y repetirse el anlisis. De otra manera los pronsticos pueden estar sujetos a un error serio.

- 29 -

LINEA CORRECTA LINEA INCORRECTA

LINEA CORRECTA LINEA INCORRECTA

)LJXUD 

- 30 -

3URQyVWLFR GH IXWXURV QLYHOHV Asumiendo que la descripcin analtica del pasado logr aprobar las pruebas anteriormente descritas, el siguiente paso es proporcionar los pronsticos requeridos. Todo lo que se requiere es calcular el valor de \ desde: \ DEW

(Si una curva de crecimiento exponencial se ajusta a los datos histricos, el actual nivel de pronstico se obtiene tomando el antilogaritmo natural del valor de \). Una idea general de la precisin del pronstico puede obtenerse diseando un intervalo de confianza para el valor del pronstico, dentro del cual pueda establecerse HO YDORU IXWXUR FRQ XQ JUDGR SUHGHWHUPLQDGR GH SUREDELOLGDG Por ejemplo, si el pronstico para un tiempo futuro W es \ , entonces hay aproximadamente un 95% de probabilidad de que el valor logrado de \ est dentro del rango.

\  X
 W W  X = V  + + R Q W W 

donde

(2.3.19)

y V2 se calcula a partir de (2.3.15). Debe destacarse (ver Figura 2.3/3) que cuanto ms lejano sea el pronstico futuro, ms amplio ser el intervalo de confianza y, por consiguiente, el pronstico ser ms incierto.

)LJXUD   ,QWHUYDOR GH FRQILDQ]D 

SDUD HO GHVDUUROOR OLQHDO SURQRVWLFDGR

Si las cantidades expresadas en un grfico muestran un patrn consistente a lo largo del tiempo es posible dibujar la curva que mejor ajuste. Entonces se prevn los valores futuros por extrapolacin de esta curva.

- 31 -

El primer problema es encontrar la ecuacin para la curva que mejor describa la relacin entre cantidad y tiempo. Para muchos tipos de equipos tcnicos, la historia de su uso puede describirse en tres fases. En la primera fase observamos un uso acelerado, que en la segunda fase cambia a un incremento lineal en el tiempo. En la tercera fase el uso disminuye y eventualmente alcanza un nivel de saturacin. Ejemplos de tal fenmeno pueden ser el nmero de hogares con aparatos de radio, televisin y telfonos. Para otros casos el nivel de saturacin puede llegar a cero. Por ejemplo: el uso de carruajes en Londres, el empleo del servicio telegrfico, la utilizacin de embarcaciones convencionales para transportar mercadera, el uso de hachas de piedra en las batallas etc. No vamos a tratar con este ltimo tipo de curva de desarrollo. Para una cantidad que en el futuro pueda alcanzar un nivel de saturacin, es posible describir la historia completa con una sola expresin matemtica. No obstante, puede ser ms simple y ms exacto describir cada fase por separado.

y (por ej. nmero de abonados) Lmite de saturacin Tendencia logstica o de Gompertz

Tendencia lineal

Tendencia exponencial Tiempo 0


Intervalo inicial Intervalo promedio Intervalo de saturacin

)LJXUD   'HVDUUROOR HQ HO WLHPSR GH XQ VHUYLFLR GH WHOHFRPXQLFDFLRQHV Las curvas que describen la tendencia de desarrollo en el tiempo a menudo son llamadas curvas de crecimiento, aun si el crecimiento es a veces realmente una disminucin en la cantidad. Aqu hay algunos tipos comunes de curvas de tendencia. Lineal: Parablica: Exponencial: Gompertz: \ \ \ \ DEW D  E W  F W2 D HEW HDEU W (2.3.20) (2.3.21) (2.3.22) (2.3.23)

- 32 -

Notaciones W= D E F U = \= H= punto de tiempo (variable independiente) parmetros a ser calculados a partir de los datos histricos tem a ser pronosticado (variable dependiente) base del logaritmo natural A continuacin damos algunos ejemplos numricos simples sobre tendencias:  7HQGHQFLD OLQHDO \ D  EW

La frmula tiene como parmetros desconocidos D y E los que han de calcularse a partir de los datos histricos dados. Para calcular dos parmetros necesitamos dos ecuaciones. Estas dos ecuaciones pueden obtenerse de dos puntos en un diagrama a travs del cual pasar la lnea recta.

500

400 y = 100 + 26.7 t 300

200

100

10

15

20

25

30

)LJXUD   7HQGHQFLD OLQHDO HVWLPDGD GHVGH  SXQWRV Asumir los siguientes puntos: W \   W \  

Al insertar los dos puntos en la ecuacin de la lnea recta (2.3.20) se obtiene:   lo cual da: D DE D  E   y

E=

  =   

Esto da la tendencia: \    W

- 33 -

7HQGHQFLD H[SRQHQFLDO

D HEW

Asumir los mismos puntos que en el caso anterior: W \   W \  

Las dos ecuaciones requeridas sern     OQ DHE DHE HE HE  E \ lo cual da  HW E  Por lo que: D  y E se calcula a partir de:

La tendencia es:

La curva se traza en el diagrama siguiente:

500

400 y = 100 e 0.1073 t 300

200

100

10

15

20

25

30

)LJXUD   7HQGHQFLD H[SRQHQFLDO GHWHUPLQDGD D SDUWLU GH  SXQWRV  7HQGHQFLD *RPSHUW]

\ = H D EU

En este caso tenemos tres parmetros: D E y U, y el clculo requiere de tres ecuaciones para la determinacin de los parmetros. Usamos los mismos dos puntos que antes. W \   W \  

Puede obtenerse una tercera ecuacin asumiendo un valor de VDWXUDFLyQ en el infinito, es decir, el punto: W



(es decir, el valor 3000 ser alcanzado despus de un nmero infinito de aos)

- 34 -

Los parmetros se calculan a partir de:

 = H D EU

 = H D EU



La tercera ecuacin da desde que U   y t =  Si D H


h

por tanto

Q



 se inserta en la primera ecuacin para,    E; lo cual da E 

Entonces U se calcula desde la segunda ecuacin para D  y


$





   U
  

    U = 



)LJXUD   (MHPSORV QXPpULFRV VREUH WHQGHQFLDV 1) 2) 3) Tendencia lineal: Tendencia exponencial:
\ =  +   W

\ =  H W
W

Tendencia Gompertz: \ = H      (valor de saturacin = 3000) Otras curvas de crecimiento: Considerar

\ = 0 D H

(2.3.24)

- 35 -

Hay cuatro configuraciones de esta curva de acuerdo a los signos de D y E. Estas se ilustran a continuacin.
y y

a<0 b>0

a<0 b<0

(I)

( II )

a>0 b<0

a>0 b>0

( III )

( IV )

)LJXUD   &XUYDV H[SRQHQFLDOHV PRGLILFDGDV Cuando se prev la demanda en telecomunicaciones, slo las configuraciones (ii) y (iii) se aplican en los pronsticos a largo plazo, de las cuales (ii) es la que se usa con menos frecuencia. Para variables como el nmero de llamadas manuales por abonado o el nmero de telegramas per capita, puede usarse un descenso hacia un mnimo como se muestra en (ii). Sin embargo, pocos servicios de telecomunicaciones se caracterizan por una declinacin sostenida. Por lo tanto, (iii) es la curva ms aplicable. Por supuesto, la aproximacin implicada hacia un nivel de saturacin como el que se muestra en (iii) puede cubrir un perodo que se extiende sobre varias dcadas. Posiblemente sta pueda aplicarse para el pronstico de densidad telefnica en pases con muy alta penetracin, pero es inaplicable donde el desarrollo de la telefona est en una etapa temprana. Una alternativa a la curva de Gompertz es la curva logstica, que se describe a continuacin. Curva logstica La curva logstica simple est dada por la frmula:

\=)+

0) + DH

EW

(2.3.25)

La curva tiene forma de 6 con un valor mnimo ), y un mximo 0. La curva aumenta a su mximo a lo largo del tiempo para D !  E ! 

- 36 y M

(M+F)/2

tc

)LJXUD   &XUYD /RJtVWLFD La curva tiene las siguientes propiedades: i. El crecimiento aumenta constantemente hasta un pico y luego disminuye.

ii. El punto de inflexin para el cual la tasa de crecimiento absoluto cambia de un aumento a un descenso, ocurre a mitad de camino entre el mximo y el mnimo, en el tiempo W W donde W est dado por E Q D .
p p

Comentarios El propsito de un anlisis de tendencia no siempre es encontrar cmo el SURPHGLR de todos los valores de trfico cambia con el tiempo. Para fines de dimensionamiento estamos particularmente interesados en cmo el extremo superior de la distribucin anual de trfico cambia con el tiempo, a fin de obtener un valor representativo para la hora de trfico pico. Esta hora de trfico pico determina luego el nmero de circuitos y conmutadores requeridos en el futuro. Para llevar a cabo una extrapolacin significativa de una serie de tiempo es, por tanto, esencial que los datos utilizados se refieran a valores realmente representativos para nuestro propsito. Un grupo de datos histricos basados en minutos pagados por mes, por ejemplo, no merecera el esfuerzo de ningn anlisis serio de series de tiempo. Ello es as porque la relacin entre la hora trfico pico y los minutos pagados mensualmente generalmente no est establecida por la experiencia, sino que tiene que calcularse como un producto de varios factores inexactos. Otro caso en el que un anlisis de series de tiempo no funcionar es cuando cambian las funciones operacionales. Por ejemplo, si el servicio de repente mejora notablemente el trfico usualmente cambia de una forma drstica. Tales saltos en la mejora del servicio pueden significar un aumento en el trfico de un 100% o ms. Para estimar la magnitud de un aumento tan repentino en el trfico se requiere informacin sobre el comportamiento del servicio antes y despus del cambio, cunto trfico se suprima antes del cambio, etc. Dichos datos generalmente no estn disponibles o son ms bien difciles de reunir.  -XLFLR LQGLYLGXDO

El mtodo de pronstico matemticamente ms simple es el criterio personal. El pronstico se basa en la experiencia y en la informacin recogida. No se hace ningn anlisis sistemtico. Sin embargo, la calidad de un pronstico depende directamente de la calidad de la informacin bsica. A menos que se disponga de datos bsicos fiables, el planificador debe establecer un proceso adecuado de recopilacin de datos antes de comenzar a trabajar en su pronstico, o ms bien, asegurarse de contar con datos ms fiables para su trabajo futuro. Un ejemplo tpico de pronsticos basados en juicio individual es estimar el nmero futuro de abonados en un rea determinada. Generalmente estos pronsticos estn relacionados con los edificios existentes y futuros. Cada tipo de edificio tiene su densidad telefnica tpica. Los pronsticos a corto plazo pueden referirse a los edificios existentes, edificios en construccin y en planes de construccin. Los pronsticos a mediano y largo plazo pueden referirse tambin a diferentes clases de reas, donde las reas con edificios de oficinas requerirn ms telfonos que las reas

- 37 -

residenciales. El planificador puede tener como una ayuda tablas que muestren el nmero promedio de abonados en los diferentes tipos de edificios y reas. Para llevar a cabo este tipo de investigacin, es esencial que cuente con informacin correcta de las autoridades de planificacin de la ciudad, as como su experiencia pasada. En la Tabla 2.4/1 se muestra un ejemplo del nmero promedio de abonados para diferentes tipos de edificios. Naturalmente, la tabla se ajustar a la situacin del pas o ciudad considerados. La tabla 2.4/2 muestra valores tpicos de reas con diferente tipo de construccin para pronsticos a mediano y largo plazo. Aqu tambin deben ajustarse los valores de acuerdo al pas en consideracin. Las cifras que se dan en las tablas necesitan actualizarse cuando la densidad telefnica aumenta. Tipo de edificio Edificios oficiales y oficinas, bancos, compaas aseguradoras, grandes hoteles, clubes, grandes restaurantes, hospitales, grandes almacenes. Hoteles pequeos, restaurantes, tiendas de comida, casas de huspedes. Farmacias, mdicos, abogados, etc. Tiendas Fbricas grandes Fbricas pequeas, talleres Cines, estaciones de gasolina Casas privadas de clase alta Casas privadas de clase ms baja Viviendas unifamiliares Bloques de apartamentos de clase alta Bloques de apartamentos de clase ms baja Nmero de abonados investigar 1-2 1 - 1.5 0.5 - 1 investigar 0.5 - 1.5 1-2 1 0.3 - 0.5 0.3 / apartamento 0.5 - 1 / apartamento 0.2 / apartamento

7DEOD   'LVWULEXFLyQ GHO Q~PHUR GH DERQDGRV SRU GLIHUHQWH FODVH GH HGLILFLR Este ejemplo es vlido para un pas en desarrollo con 4 a 8 abonados por cada 100 habitantes. Tipo de rea edificada A. B. C. D. E. F. G. H. I. J. K. L. M. N. O. P. Q. R. S. T. Barrios marginales Parques, jardines, etc. Antiguas casas privadas con grandes jardines Distritos residenciales de trabajadores pobres Distritos residenciales de trabajadores ms acomodados Casas modernas privadas con jardines grandes Distritos residenciales de trabajadores modernos Areas industriales Casas privadas modernas con jardines pequeos Casas no dispersas de tipo antiguo Areas de viviendas de clase trabajadora y pequeos talleres Casas modernas no dispersas Casas residenciales no dispersas de 1 a 2 plantas y pequeas tiendas Bloques de apartamentos de hasta 4 plantas Bloques de apartamentos y tiendas de hasta 4 plantas Centros comerciales en reas residenciales Bloques de apartamentos de ms de 4 plantas Edificios de oficinas de ms de 3 plantas Edificios de oficinas de 4 a 6 plantas Edificios de oficinas de ms de 6 plantas Abonados por hectrea 0.25 0.50 1.00 1.50 2.00 3.00 4.00 5.00 7.00 8.00 10.0 13.0 18.0 25.0 28.0 30.0 40.0 80.0 150 250

7DEOD   'LVWULEXFLyQ GHO Q~PHUR GH DERQDGRV SRU KHFWiUHD HQ iUHDV FRQ GLIHUHQWHV FODVHV GH FRQVWUXFFLyQ  Este ejemplo es vlido para un pas en desarrollo, con 4-8 abonados por cada 100 habitantes.

- 38 -

2.5

Otros Mtodos El siguiente es un estudio de algunos otros mtodos usados para pronsticos. &RPSDUDFLRQHV $QDOtWLFDV

Este mtodo se basa en los datos de otro mtodo, elaborado de preferencia para la comparacin de reas con desarrollo ms avanzado. El pronstico se hace entonces por comparacin y asumiendo que el desarrollo ser el mismo. Este mtodo se utiliza cuando la serie de datos histricos adecuados es demasiado corta para permitir un anlisis de tendencia fiable. Este es un caso frecuente de los pases en desarrollo. Se asume entonces que el desarrollo seguir el mismo patrn que las regiones o reas ms desarrolladas. La Tabla 2.5/1 muestra el crecimiento de la penetracin telefnica en el perodo 1960-1975, expresado en el nmero de telfonos por cada 100 habitantes, para ciertos pases. Este muestra tambin en qu perodo el Reino Unido se desarroll con la misma tasa y cuntos aos le tom alcanzar la misma penetracin que tuvieron los otros pases de 1960 a 1975. Telfonos por 100 habitantes 1960 Argentina Chile Costa Rica Chipre Fiji Grecia Irlanda Japn Mxico Espaa 5.99 2.43 1.34 2.95 1.71 2.30 5.13 5.21 1.46 5.47 1975 9.41 4.26 5.02 10.65 4.53 20.71 12.78 37.88 4.37 12.46 Penetracin correspondiente en el R. U. Fechas 12 aos 8 aos 25 aos 25 aos 18 aos 45 aos 20 aos 41 aos 20 aos 18 aos Perodo 1937-1949 1923-1931 1910-1935 1925-1950 1914-1932 1922-1967 1935-1955 1935-1976 1911-1931 1936-1954

Pas

7DEOD   1~PHUR GH WHOpIRQRV SRU FDGD  KDELWDQWHV SDUD FLHUWRV SDtVHV Tabla 2.5/1 muestra que no hay una clara conexin entre el tiempo que demor a un pas particular desarrollar desde el valor de 1960 hasta el de 1975 y el tiempo que necesit el Reino Unido para alcanzar el mismo grado de desarrollo (crecimiento). Por lo tanto no es recomendable comparar pases con gran diferencia en el desarrollo. La tabla 2.5/2 da la misma informacin que la tabla anterior, pero para un grupo de pases con aproximadamente el mismo desarrollo econmico. Telfonos por 100 habitantes 1960 Australia Dinamarca Finlandia Repblica Federal de Alemania Islandia Holanda Noruega 20.88 22.17 12.89 9.98 21.42 13.15 19.50 1975 37.49 42.48 35.78 30.25 40.41 34.41 33.90 9 aos 10 aos 20 aos 24 aos 10 aos 19 aos 8 aos 1969-1976 1968-1978 1955-1975 1949-1973 1967-1977 1955-1974 1966-1974 Fechas equivalentes para el R. U.

Pas

7DEOD   3HQHWUDFLyQ WHOHIyQLFD  HQ DOJXQRV SDtVHV FRQ DSUR[LPDGDPHQWH HO PLVPR GHVDUUROOR HFRQyPLFR Esta tabla muestra una mejor armona con el desarrollo en el Reino Unido que la tabla anterior.

- 39 -

Ahora podemos concluir lo siguiente: 1. La proyeccin a corto plazo de la densidad telefnica de un pas desde un nivel dado, en comparacin con el crecimiento de algn pas ms avanzado que estuvo antes en el mismo nivel, no siempre puede ser recomendable debido a que circunstancias especiales pueden causar que el desarrollo no siga la misma tendencia. Tales circunstancias son, por ejemplo: recesin o expansin econmica, limitaciones en los suministros, diferentes polticas tarifarias, etc. 2. Para proyecciones a largo plazo es necesario escoger un pas que est por lo menos 15 aos ms avanzado, a fin de tener una serie suficientemente larga para el posible crecimiento futuro. 3. Si tal comparacin se lleva a cabo, no obstante, se asume que es vlida una comparacin entre las caractersticas de un pas en los ltimos 15 aos y las de otro pas en los 15 aos anteriores. Esto es improbable por el rpido cambio en la economa mundial y debido a la posibilidad de sucesos desestabilizadores tales como guerras y grandes recesiones, que distorsionan la comparacin. Los datos confirman esta afirmacin. 2WURV 0pWRGRV 0pWRGR GH OD LQVSHFFLyQ RFXODU El mtodo consiste simplemente en que el planificador inspecciona los datos graficados a fin de darse una idea de alguna posible tendencia o relacin entre las variables y luego trata de dibujar manualmente la curva correspondiente. 3URPHGLRV PyYLOHV El nuevo valor se calcula como la media de un nmero de valores observados. El propsito de este enfoque es reducir las irregularidades causadas, por ejemplo, por variaciones estacionales. 6XDYL]DGR H[SRQHQFLDO Es un mtodo similar al de los promedios mviles, pero con ponderacin, de modo que las observaciones ms recientes son las que mayor peso tienen. ,QYHVWLJDFLyQ GH PHUFDGR Este mtodo consiste en estudiar el mercado por medio de preguntas a los clientes potenciales. 0pWRGRV FRPELQDGRV LQFOX\HQGR DQiOLVLV HVWUXFWXUDO Una combinacin de los diferentes mtodos tales como: investigacin de mercado, curvas de crecimiento, modelos de proyeccin y economtricos.

3.

PRONOSTICO PARA LA PLANIFICACION DE CENTRALES

Para la planificacin de centrales, la demanda debe pronosticarse para todos los tems particulares de cada central por separado. Esto incluye lo siguiente, por categora de abonado: nmero de lneas directas de abonados (DEL); trfico de origen; trfico de destino; trfico local; trfico de larga distancia; trfico internacional; servicios especiales.

Una vez que estos pronsticos se han efectuado, pueden sumarse las cifras correspondientes de las diferentes centrales para producir resultados para reas ms grandes o para todo el pas. Esto se conoce como pronstico de abajo hacia arriba.

- 40 -

Cuando se tiene que hacer un pronstico para determinada rea, debe ser reunirse toda la informacin disponible acerca de futuros cambios en dicha rea. La informacin relevante que se obtiene de esta forma puede hacer posible prever discontinuidades en el desarrollo de la demanda. Por otro lado, las fluctuaciones de las cantidades de inters son relativamente grandes cuando analizamos un rea pequea. El nmero de registros histricos fiables tambin es usualmente muy limitado. Estos dos factores combinados hacen que el pronstico de las pequeas reas sean menos fiables. La suma de los resultados para obtener cifras que correspondan a un rea ms extensa puede conducir a graves errores. Para evitarlo se compara el pronstico GH DEDMR KDFLD DUULED con un pronstico GH DUULED KDFLD DEDMR. Comenzando por el pronstico para todo el pas o para un rea grande, uno puede llegar a pronsticos para regiones ms pequeas, dividiendo las cantidades pronosticadas. Usualmente se dispone de informacin ms amplia y fiable para el pronstico de grandes reas. Por tanto, el pronstico GH DUULED KDFLD DEDMR generalmente se considera ms fiable que el pronstico GH DEDMR KDFLD DUULED. Hay dos formas para lograr la concordancia entre los dos pronsticos: 1. Cambiando la divisin de la cantidad total entre las diferentes reas. 2. Reduciendo los pronsticos totales por un factor dado, de manera uniforme o en base a algn sistema. Es evidente que este procedimiento de ajustar los dos pronsticos es ms bien subjetivo. Tambin es notorio que un rea que haya tenido un alto pronstico tendr que reducir sus cifras, a menos que haya una razn satisfactoria para este alto pronstico. Tal razn puede ser un plan de desarrollo conocido para el rea, que motivara un aumento sbito en la demanda. El pronstico de una rea grande no siempre toma en cuenta tales peculiaridades locales. 4. 4.1 PRONOSTICO PARA LA PLANIFICACION DE REDES ,QWURGXFFLyQ

La planificacin de una red telefnica se basa en las estimaciones sobre la necesidad de trfico futuro. Se necesita un SURQyVWLFR D ODUJR SOD]R para que el plan de desarrollo asegure una ampliacin coordinada durante un perodo de 15 a 25 aos. El plan de desarrollo debe actualizarse aproximadamente cada 2 a 4 aos. Dentro del plan de desarrollo se necesitan SURQyVWLFRV D FRUWR SOD]R para proporcionar los datos bsicos para planificar los pasos de las ampliaciones actuales. Ellos deben contener estimaciones de las necesidades de trfico para los prximos 4 a 6 aos, a ser satisfechos por los tiempos de entrega, etc. Los pronsticos a corto plazo deben actualizarse cada ao. Las necesidades de trfico se expresan en erlangs. Para pronosticar estas necesidades se estima el trfico entre cada par de centrales, generalmente por separado para cada direccin. Tambin se estima el trfico dentro cada rea de central. 4.2 0DWUL] GH WUiILFR
!

Para especificar las necesidades de trfico en una regin con Q centrales se requieren Q valores de trfico. Una manera estandarizada de especificar estos trficos es presentarlos en una matriz, la llamada matriz de trfico. hacia desde 1 i j n ST Aqu: A(ij) es el trfico de L a M; 1 A(11) A(ii) A(ji) A(n1) T(1) T(i) T(j) A(ij) A(jj) A(nn) T(n) i j n A(1n) SO O(1) O(i) O(j) O(n) A(11)

- 41 -

A(ji) A(ii) O(i) T(j)

es el trfico de M a L es el trfico local en la central L; es la suma de todo el trfico que se origina en L; es la suma de todo el trfico terminando en M.

Sumando los totales de las filas O(i), es decir, las entradas en la columna SO (suma de trfico de origen) obtenemos el trfico total A. El mismo resultado se obtiene sumando los totales de todas las columnas T(j), esto es, las entradas en la fila ST (suma del trfico de destino). En resumen:

2 L = 7 M = $ 
L M

Mientras no haya confusin, se puede usar el smbolo $ L M . Sin embargo, con frecuencia ser necesario distinguir entre el trfico actual desde L a M $ L M y el trfico estimado en alguna fecha futura W: $ L MW . Luego,

2 L  W = $ LM  W
M

7 M  W = $ LM  W
L

4.3

3URQyVWLFR SXQWR D SXQWR

Existen varios mtodos para predecir $ LMW basados en el crecimiento esperado del nmero de clientes en las reas \ y M  en los cambios esperados en el trfico por abonado, etc. Entonces puede completarse la matriz de trfico aadiendo las entradas por filas para obtener O(i/t) y por columnas para obtener T(j/t). Para estimar los trficos futuros punto a punto en una red, usualmente uno se puede basar en los clculos del crecimiento previsto en las lneas de abonados y en la matriz de trfico actual. Se usan frmulas diferentes, de las cuales las ms comunes se dan a continuacin. No se puede sostener que una frmula sea ms exacta que la otra. Solamente la realimentacin de los registros futuros puede sealar cul frmula es la mejor para un caso particular. No obstante esto se haya descubierto, no hay garanta de que siempre ser as . (VWLPDFLyQ GHO WUiILFR WRWDO Tomando en cuenta que categoras diferentes de abonados generan cantidades diferentes de trfico, a veces ser posible estimar el trfico futuro a partir de:

$ W = 1  W  + 1  W  +
!

(4.3.1)

donde 1 W  1 W , etc., son el nmero de abonados en los tiempos 1, 2, etc., y 1, 2, etc., es el trfico por cliente por categora 1, 2, etc. Si no es posible separar los abonados en categoras con trfico diferente, el trfico futuro puede estimarse sencillamente como:

$ W = $ 

1 W 1 

(4.3.2)

donde 1 W y 1  son el nmero de abonados en los tiempos W y cero. (VWLPDFLyQ GHO WUiILFR SXQWR D SXQWR Para estimar el trfico de una central a otra se pueden aplicar varias frmulas. La idea principal es tomar en cuenta el incremento de abonados en ambas centrales y aplicar ciertos factores de ponderacin a estos crecimientos:

$LM W = $LM 

:L *L + : M * M :L + : M

(4.3.3)

- 42 -

donde :L y : M son las ponderaciones y *L es el crecimiento de abonados en la central L y * M en la central M.

*L =

1L W 1L 

*M =

1 M W 1 M 

(4.3.4)

Existen mtodos diferentes para estimar :L y : M . Primera Frmula de Rapp

:L = 1 L W

:M = 1 M W

(4.3.5)

El supuesto aqu es que el trfico por abonado de la central L a la central M es proporcional al nmero de abonados en la central M. Segunda Frmula de Rapp

:L = 1 L W

:M = 1 M W

(4.3.6)

Esta frmula supone que el cambio del trfico de origen y terminado por abonado es tan pequeo como sea posible. Frmula de Australian Telecom

:L =

1L  + 1L W 

:M =

1 M  + 1 M W 

(4.3.7)

Esta frmula es una modificacin de la Primera Frmula de Rapp. Una cuarta frmula se deduce del siguiente supuesto: el trfico de un abonado en la central L a todos los abonados en la central M es constante.

$LM W 1L W 1 M W

$LM  1L  1 M 
(4.3.8)

$LM W = $LM  *L * M
Estas cuatro frmulas pueden ajustarse posteriormente introduciendo 1 en los factores de ponderacin. Modelo Gravitacional El trfico entre dos centrales se puede expresar como:

$LM = . GLM 1 L 1 M
donde . GLM = factor de comunidad de inters.

(4.3.9)

Se ha encontrado que este factor depende, hasta cierto punto, de las distancias entre las centrales GLM Podemos, entonces, escribir . GLM as:

. GLM = H

GLM

(4.3.10) (4.3.11)

. GLM = GLM

- 43 -

El valor de los parmetros J puede calcularse a partir de una matriz de trfico conocida. Puede ser necesario ajustar la expresin para $LM para pares de centrales con relaciones especiales entre ellas; por ejemplo: una fbrica grande en una parte del pas y la oficina principal en otra parte. Las frmulas dadas aqu son todas deducidas bajo ciertos supuestos. Un supuesto es que el trfico por abonado permanece constante y otro es que un abonado tiene el mismo inters en llamar a cada uno de los otros abonados. Sin embargo, en pases desarrollados se ha encontrado que los nuevos abonados pueden tener menos trfico que los viejos. Esto se ha tomado en cuenta parcialmente en la frmula australiana. En principio es imposible decir que una frmula es ms fiable que otra. El planificador debe intentar frmulas diferentes y tratar de encontrar cul le da el resultado mas creble para su caso en particular. 4.4 0pWRGR GHO GREOH IDFWRU GH .UXLWKRI

El mtodo de Kruithof nos permite estimar los valores individuales del trfico futuro, $ LM en una matriz de trfico. Los valores actuales se asumen conocidos, as como los valores futuros de las sumas de filas y de columnas. El procedimiento es ajustar los valores individuales $ LM de modo que estn de acuerdo con las nuevas sumas de filas y de columnas, es decir:

6 $ L M se cambia a $ L  M  6
donde 6 es la suma actual y 6 es la nueva suma para la fila o columna individual. Si empezamos con ajustar los valores $ L M  con respecto a las nuevas sumas de filas, 6M , estas sumas coincidirn, pero no as las sumas de columnas. El prximo paso ser entonces ajustar los valores encontrados de $ LM para que coincidan con las sumas de columnas. Esto har que las sumas de filas no concuerden, entonces el siguiente paso ser ajustar los nuevos valores de $ LM para que coincidan con las sumas de filas. Este procedimiento seguir hasta alcanzar la exactitud suficiente tanto de las sumas de filas como de columnas. La iteracin es ms bien rpida y proporciona generalmente un resultado satisfactorio luego de ms o menos tres correcciones. Este procedimiento se comprender mejor mediante el ejemplo numrico que se da a continuacin El mtodo es aplicable cuando no se espera mucho cambio en las proporciones entre los valores individuales $ LM , y tambin en casos donde no es posible predecir los valores individuales $ LM de otra manera. (MHPSOR GHO XVR GHO 0pWRGR GHO 'REOH )DFWRU GH .UXLWKRI Considere una red telefnica con dos centrales: Dado: 1. Los intereses de trfico actuales $LM  i 1 2 suma 2. j 1 10 30 40 2 20 40 60 sum 30 70 100 (4.4.4)

Pronosticar los trficos totales de origen y de destino futuros por cada central:

$L  W
i 1 2

\
j

$ M W 
1 ? 2 suma 45 105

- 44 -

suma Problema:

50

100

150

(4.4.5)

Estimar los valores de trfico $ L MW) con el mtodo de Kruithof. Solucin: Iteracin 1: Multiplicacin de filas. $L  se distribuye segn el inters de trfico actual.

Resultado: i 1 2 suma j 1 15 45 60 2 30 60 90 suma 45 105 150

$LM  =

$LM  $L  

$L  W

(4.4.6)

Despus de la multiplicacin de filas, las sumas de columnas difieren del pronstico. La prxima iteracin ser la multiplicacin por columnas. Iteracin 2: Multiplicacin de columnas. $ M  se distribuye segn indica la iteracin 1.

Resultado: i 1 2 suma j 1 12.5 37.5 50 2 33.33 66.67 100 suma 45.83 104.17 150

$LM  =

$LM  $ M 

$ M W

(4.4.7)

Despus de la multiplicacin de columnas, las sumas de las filas difieren de los valores pronosticados. La siguiente iteracin ser la multiplicacin de filas. Iteracin 3: Multiplicacin de Filas. $L  se distribuye como indica la iteracin 2.

Resultado: i 1 2 suma j 1 12.27 37.80 50.07 2 32.73 67.20 99.93 suma 45 105 150

$LM  =

$LM  $L  

$L  W

(4.4.8)

- 45 -

Iteracin 4:

Multiplicacin de Filas. $ M se distribuye como indica la iteracin 3.

Resultado: i 1 2 suma j 1 12.25 37.75 50 2 32.75 67.25 100 suma 45 105 150

$LM  =

$LM  $ M 

$ M W

(4.4.9)

Despus de 4 iteraciones las sumas de las filas y las columnas son iguales a los valores previstos. Ahora podemos escribir:

$LM W = $LM 

(4.4.10)

5.

CONCLUSIONES

Este captulo ha tratado principalmente con las matemticas que estn detrs de todos los mtodos de pronstico. Esto har posible al lector colaborar en el trabajo de pronstico, especialmente en lo concerniente a los tratamientos preliminares de datos histricos. Adems de explicar cundo y por qu los pronsticos son necesarios, este captulo contiene algunos mtodos frecuentemente usados para la descripcin de datos histricos en frmulas matemticas. Nuevamente se debera de hacer nfasis en que HO WUDWDPLHQWR GH ORV GDWRV KLVWyULFRV QR HV SURQyVWLFR. Slo es tratamiento de datos histricos. Por otra parte, el pronstico es el arte de predecir el desarrollo futuro. Slo en ciertos casos para propsitos de corto plazo, la extrapolacin de curvas obtenidas de los datos histricos proporcionarn pronsticos fiables. En la mayora de los casos debe juzgarse si las condiciones futuras y supuestos son los mismos del pasado. Los ajustes de los valores extrapolados pueden ser necesarios por varias razones. La mejora del funcionamiento del servicio puede duplicar el trfico dentro de un mes o dos. Nuevas actividades en la sociedad (por ej. industrias) pueden causar cambios drsticos en la dispersin del trfico, etc. El pronstico generalmente concierne a la GHPDQGD para suscripciones y trfico ocasionado por varios servicios de telecomunicaciones. Ya que las demandas de cantidades son difciles o imposibles de medir, los datos histricos dados al pronosticador son generalmente cantidades mensurables, tales como el trfico cursado. Por eso, el planificador antes que nada debe primero transferir los datos dados en datos de demanda. Si ellos se refieren a un pas y a un servicio donde la demanda est satisfecha, sta puede estimarse con precisin aceptable. Si la demanda es mucho mayor que la oferta es bien difcil estimar la demanda real. El planificador tiene que tomar en cuenta esta dificultad mientras las condiciones no permitan un equilibrio entre la oferta y la demanda. Otra dificultad en el uso de datos histricos es que ellos no son suficientemente fiables como para permitir un anlisis. Una razn para esto es que los datos se hayan recogido bajo diferentes fundamentos, para diferentes propsitos y en diferentes tiempos. Inclusive puede suceder que no se disponga de ningn dato histrico. El pronstico entonces debe basarse en otros indicadores indirectos, lo cual generalmente no mejora la fiabilidad del pronstico.

6.

REFERENCIAS Algunas teoras sobre Distribucin de Trfico Telefnico, Un estudio crtico (Documento ITC, Estocolmo, 1973). Introduccin a Ingeniera de Teletrfico Prctica. Seccin F. Pronstico (UIT) REM/72/038, Benghazi, 1976. Mtodos Usados en el Pronstico de Largo Plazo de la Demanda Domstica de Telecomunicaciones y Recursos Requeridos (1980).

BEAR, D. LEIJON, K.H. CCITT (GAS 5)

- 46 -

LONNQUIST, I. LONNQUIST, I. LONNSTROM, M.M. MARKLUND, F. MOO, I. NYEAARD, J. RAPP, Y. TURNER, W.M. CCITT (GAS 5)

Teora y Mtodos de Pronstico de Trfico (TELE, Estocolmo, 1968). Seminario sobre Pronstico en Ingeniera de Teletrfico, Estambul, 1980 (UIT). Un proyecto de Desarrollo Telefnico, Estocolmo, 1967.

Una Herramienta en el Pronstico de Trfico Telefnico Integrado para Uso en Planificacin, I. (Teleteknik Vol. XIV, 1970, No. 1). Algunos aspectos Econmicos sobre la Planificacin a largo plazo de Redes Telefnicas. (Estocolmo, 1969). Pronstico. Seminario UIT/SIDA, Nueva Delhi, 1975 SEM/ASIA/75. Estudios Econmicos a Nivel Nacional en el Campo de las telecomunicaciones.

1RWD: Este captulo ha sido editado de un manuscrito preparado por K.H. Leijon, L.M. Ericsson, Suecia.

- 47 -

7.

EJERCICIOS TECNICAS DE PRONOSTICO

1.

Un objeto va a ser pronosticado. El desarrollo histrico ha sido el siguiente: Ao (al final de) 1968 1969 1970 1971 1972 1973 1974 Escala de Tiempo (t) 1 2 3 4 5 6 7 Stock (y) 583 615 646 697 738 802 844 Aumento Absoluto % 32 31 51 41 64 42 5.5 5.0 7.9 5.9 8.7 5.2

Hacer un pronstico del stock esperado dentro de 5 y 10 aos, de cuatro diferentes maneras: a. Asumiendo un aumento DEVROXWR constante e invariable por ao, basado en el incremento histrico promedio. b. Asumiendo un SRUFHQWDMH de incremento anual constante e invariable, basado en el incremento total de los pasados seis aos. c. Adaptando una lnea de tendencia lineal a los datos histricos. d. Adaptando una tendencia exponencial a los datos histricos. Representar los datos histricos en un diagrama y mostrar en los mismos diagramas las dos lneas de tendencia c) y d) ampliadas al ao 16 (6 + 10), y tambin los otros dos pronsticos a) y b). Comparar el resultado de los dos pronsticos. Verificar las lneas de tendencia en lo que concierne a la fiabilidad estadstica. (Coeficiente de correlacin, prueba T y prueba de Durbin - Watson). Discutir la credibilidad de los pronsticos. 2. Calcular el pronstico de todas las conexiones para una red telefnica local para 1983 (31.3.83) Dados: CUADRO DE CRECIMIENTO DE DEMANDAS EN UNA RED TELEFONICA LOCAL. Fecha 31/3/72 31/3/73 31/3/74 31/3/75 30/9/75 31/3/76 31/3/77 31/3/78 3. Capacidad equipada 11800 12000 12100 12500 12500 12800 14150 15500 Conexiones en funcionamiento 9825 11114 11458 11530 11653 12275 13683 14437 Lista de espera 1901 1781 3555 5106 5662 2587 1624 1893 Demanda total 11,726 12,925 15,013 16,636 17,315 14,862 15,307 16,330

Pronosticar el trfico total de origen para diciembre de 1986 en una central telefnica local.

- 48 -

Dados: a. Registros de trfico desde enero de 1979 hasta diciembre de 1981 (Tabla A). b. Registros de tasa de llamadas desde enero de 1979 hasta diciembre de 1981 (Tabla B). c. Pronstico de conexiones para diciembre de 1986 = 2969 (1170 abonados en enero 1979 y 1600 en diciembre 1981) A. TRAFICO TOTAL DE ORIGEN MES ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE B. 1979 38.6 37.9 42.1 40.6 40.1 38.1 37.7 39.9 40.4 40.7 40.8 42.2 1980 39.4 43.7 48.7 43.8 40.2 42.6 41.1 44.2 41.0 43.8 41.8 49.5 1981 45.6 46.2 47.2 46.2 45.6 48.5 44.4 47.4 49.1 48.7 45.0 49.5

TASAS TOTALES DE LLAMADAS DE ORIGEN MES ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE 1979 .033 .033 .036 .035 .034 .032 .031 .033 .034 .034 .033 .034

(Erlang/Abonado) 1980 .031 .034 .038 .033 .030 .032 .031 .032 .030 .032 .030 .036 1981 .033 .033 .034 .033 .032 .035 .032 .034 .035 .032 .028 .031

- 49 -

4.

Considere una red telefnica con dos centrales. Dados:

a.

Los intereses de trfico actuales > $LM  @ j i * 2 Tj (o) 1 10 30 40 2 20 40 60 02 (o) 30 70 100

b.

Los valores futuros previstos para los trficos totales de origen y de destino por central [0; (t) T; (t)] j i 1 2 Tj (t) Estimar los valores de trfico $LM
W

1 ? ? 50

2 ? ? 100

oi (E) 45 105 150

usando el mtodo de Kuithof.

5.

Calcular los intereses de trfico entre dos centrales en un rea local. Dados:

a. Un rea local est dividida en iUHDV GH WUiILFR No. 1,2, 3, 4... Los trficos futuros entre todas las iUHDV GH WUiILFR estn pronosticados. b. c. d. El rea local se divide en reas de central. Las iUHDV GH FHQWUDO no coinciden con las iUHDV GH WUiILFR. Tratar de calcular el trfico futuro esperado desde una central A hasta la central B. Tenemos la siguiente informacin: La central $ tendr: 5000 lneas de abonados del rea de trfico I, que tiene en total 10,000 lneas de abonados. 8000 lneas de abonados del rea de trfico II, que tiene en total 12,000 lneas de abonados. La central % tendr: 9000 lneas de abonados del rea de trfico III, que son todas las lneas de abonado que hay all. 2000 lneas de trfico del rea de trfico IV, que tiene un total de 6000 lneas de abonados. e. Por el pronstico tambin sabemos que el trfico total esperado desde cada rea de trfico hacia cada una de las reas involucradas es el siguiente: Del rea de trfico No. I I II II Al rea de trfico No. III IV III IV Trfico total esperado 100 erl. 90 erl. 105 erl. 95 erl.

- 50 -

6. Estimar el inters de trfico entre centrales: El objetivo del ejemplo es ilustrar cmo una matriz de trfico para centrales puede calcularse desde una matriz de trfico dada para iUHDV GH WUiILFR. Dada: Un rea consistente en tres reas de trfico I, II, III:

10000 abonados I

60 %

25 % 50 % 20 % 30 % II

15 % 50 %

25 %

III

25 % 5000 abonados

5000 abonados

Area de Trfico 1 Nmero de abonados Trfico total originado/abonado Distribucin de este trfico 10,000 0.06 erl. 60 % 25 % 15 % Area de Trfico II Nmero de abonados Trfico total originado/abonado Distribucin de este trfico 5,000 0.05 erl. 50 % 30 % 20 % Area de Trfico III Nmero de abonados Trfico total originado/abonado Distribucin de este trfico 5,000 0.04 erl. 50 % 25 % 25 % I II III I II III I II III

El rea est servida por un nmero de centrales 1, 2, ... etc.

- 51 -

I 1 2

II

III

Central 1 Nmero total de abonados No. de abonados pertenecientes al rea de trfico I No. de abonados pertenecientes al rea de trfico II Central 2 Nmero total de abonados No. de abonados pertenecientes al rea de trfico I No. de abonados pertenecientes al rea de trfico III Tarea: Calcular el flujo de trfico total esperado de la central 1 a central 2. Sugerencia: Comenzar con el clculo de trfico de XQ abonado en el rea de trfico I a XQ abonado en el rea de trfico II, etc. 6,000 4,000 8,000 5,000

3,000

2,000

- 52 -

7.

Se ha estimado la matriz de trfico actual $LM Hacia Desde 1 2 3 Suma

Central No. j 1 2 3 25 35 60 120 30 55 85 170 45 110 155 310

Suma 100 200 300 600

Se ha pronosticado el nmero de lneas principales por central en el ao W :

Central No. 1 2 3

Ni (0) 2000 3500 6800

Ni(t) 3000 3500 7500

Las lneas principales no se han clasificado en diferentes categoras ya que se espera que la proporcin de los diferentes abonados sea la misma en el futuro. Por eso el trfico total de origen y de destino por central se ha previsto mediante las frmulas siguientes:

$L  = 1 L

$L  1L

 

W M

=1

W M

$ M 1M

 

Central No. 1 2 3 Suma


Ai (t) 150.0 200.0 331.9 681.9

Aj (t) 180.0 170.0 341.9 691.9

Ya que la suma de $L W y $ M difieren, podemos usar el valor medio de estas sumas como una estimacin de
$ W y ajustar $L W y $ M . Esto da:

Central No. 1 2 3 Suma

Ai (t) 151.1 201.5 334.3 686.9

A.j(t) 178.7 168.8 339.4 686.9

a. Dibujar ahora una matriz de trfico para el ao W futuro y rellenarla con los trficos totales calculados anteriormente. b. Calcular los diferentes trficos punto a punto usando el mtodo de crecimiento ponderado, a partir de los datos conocidos acerca del nmero actual y futuro de lneas principales y los trficos actuales punto a punto. El tipo de ponderacin es de su eleccin.

- 53 -

c. Colocar estos valores en una nueva matriz de trfico y calcular las sumas de las columnas y filas. Se podr apreciar que estas sumas no concuerdan con los valores de la primera matriz. d. Si consideramos que el trfico por lnea principal ser constante durante el perodo de pronstico, entonces los trficos punto a punto obtenidos deben corregirse, de modo que sus sumas coincidan con los trficos totales pronosticados. Si el tiempo lo permite, hacer esa correccin empleando el Mtodo del Doble Factor de Kruithof. 8. Suponer que un pronstico de trfico de troncales durante la hora pico para una central A es de 75 erlangs, que se distribuyen en cinco rutas hacia las centrales B, C, D, E y F, para las cuales no se dispone de datos de trfico. Suponer tambin que los pronsticos de conexiones para las centrales son: A B C D E F 10 000 5 000 7 000 4 000 2 000 10 000 (c0) (c1) (c2) (c3) (c4) (c5)

Y que las distancias desde A son: B C D E F 20 millas 30 millas 10 millas 10 millas 50 millas (d1) (d2) (d3) (d4) (d5)

La situacin se ilustra en el siguiente diagrama.

F B
d1
d5

A
d2

d4

d3 E D

Estimar la distribucin del trfico troncal total en las cinco diferentes rutas de $ hacia %, de $ hacia &, ...,etc. Sugerencia: El pronstico de trfico para una ruta puede obtenerse a partir de:

F FL G WL = Q L F F M


M =

GM

donde 7 es el trfico total.