Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 28 vistas

    Ejemplos Promedios Moviles

    Cargado por

    fabiola kalman
    Este documento presenta varios ejemplos del método de promedios móviles para series de tiempo, incluyendo promedios de 3 meses, 3 años y 5 años. También muestra cómo calcular el error y la desviación media absoluta para medir la precisión de los pronósticos. Finalmente, presenta un ejemplo de regresión lineal simple para pronosticar el crecimiento de ventas.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd

    Ejemplos Promedios Moviles

    Cargado por

    fabiola kalman
    28 vistas13 páginas
    Este documento presenta varios ejemplos del método de promedios móviles para series de tiempo, incluyendo promedios de 3 meses, 3 años y 5 años. También muestra cómo calcular el error y la desviación media absoluta para medir la precisión de los pronósticos. Finalmente, presenta un ejemplo de regresión lineal simple para pronosticar el crecimiento de ventas.

    Título original

    Ejemplos promedios moviles

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    XLSX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta varios ejemplos del método de promedios móviles para series de tiempo, incluyendo promedios de 3 meses, 3 años y 5 años. También muestra cómo calcular el error y la desviación media absoluta para medir la precisión de los pronósticos. Finalmente, presenta un ejemplo de regresión lineal simple para pronosticar el crecimiento de ventas.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    28 vistas13 páginas

    Ejemplos Promedios Moviles

    Cargado por

    fabiola kalman
    Este documento presenta varios ejemplos del método de promedios móviles para series de tiempo, incluyendo promedios de 3 meses, 3 años y 5 años. También muestra cómo calcular el error y la desviación media absoluta para medir la precisión de los pronósticos. Finalmente, presenta un ejemplo de regresión lineal simple para pronosticar el crecimiento de ventas.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    de 13

    METODOS DE SERIES DE TIEMPO

    EJEMPLO PROMEDIO MOVIL MESES

    MES VENTAS PROMEDIO MOVIL 3 MESES


    Enero 100
    Febrero 120
    Marzo 130 Error Error abs
    Abril 110 116.67 6.67 6.67
    Mayo 140 120.00 - 20.00 20.00
    Junio 150 126.67 - 23.33 23.33
    Julio 160 133.33 - 26.67 26.67
    Agosto 170 150.00 - 20.00 20.00
    Septiembre 180 160.00 - 20.00 20.00
    Octubre 190 170.00 - 20.00 20.00
    Noviembre 200 180.00 - 20.00 20.00
    Diciembre 210 190.00 - 20.00 20.00
    176.67

    EJEMPLO PROMEDIO MOVIL AÑOS

    PROMEDIO VENTAS REALEPROMEDIO SIMPLE PROMEDIO


    MOVIL 3 AÑOS
    1995 1500
    1996 750
    1997 1250
    1998 800
    1999 1750
    2000 900
    2001 1400 1158 1167
    2002 750 1292
    2003 900 992
    2004 1000 933
    2005 500 925
    2006 650 733
    2007 1150 658
    2008 850 875
    2009 1200 1011 917

    EJEMPLO PROMEDIO MOVIL PARA PRONOSTICO DE CRECIMIENTO.


    Año Ventas Crecimiento
    2018 86,419,516 104%
    2019 89,646,787 101%
    2020 90,159,667 124% 110.7%
    2021 112,004,581 100%
    2022 112,520,564 124%
    2023 140,069,718
    Ppto. 2024 154,076,690 110%

    EJEMPLO PROMEDIO MOVIL CON ERROR

    Semana Ventas (Miles


    de galones)
    1 18
    2 21
    3 19 Pronostico Error Relativo Error abs
    4 23 19 -4 4
    5 22 21 -1 1
    6 18 21 3 3
    7 20 21 1 1
    8 18 20 2 2
    9 21 19 -2 2
    10 20 20 0 0
    11 18 20 2 2
    12 21 20 -1 1
    13 ? 20 17

    EJEMPLO PROMEDIO MOVIL - SUAVIZAMIENTO EXPONENCIAL

    Semana Ventas reales Pronosticos Error Relativo Error Abs


    1 1,584
    2 1,600
    3 1,892
    4 1,799 1,743 - 56 56
    5 1,973 1,797 - 176 176
    6 1,574 1,902 328 328
    7 1,611 1,745 134 134
    8 1,702 1,659 - 43 43
    9 1,931 1,650 - 281 281
    10 1,633 1,801 168 168
    11 1,744 1,744 1,185
    METODOS DE SERIES DE TIEMPO

    DMA 19.63

    PROMEDIO
    MOVIL 5
    AÑOS Error

    Peso Año
    2 Antiguo
    4 Intermedio
    6 Reciente

    1090 -233 233


    542 542
    92 92
    -67 67
    425 425
    83 83
    -492 492
    25 25
    830 0
    1958 244.791667
    Promedio: Sumar Cierta cantidad de datos y dividirlo dentro del numero de esos datos.
    ¿Por qué es promedio movil? Porque el dato mas reciente va sustituyendo al mas antiguo
    ¿Cuánto meses o años es recomendable tomar? Para saber, se tiene que hacer prueba y error y luego
    medir la desviacion media de ese error para ver cuanto es realmente lo que nos va a dar un pronostico
    preciso.
    ¿Cómo medimos la precision de este pronostico? Sacando el error
    Error absoluto: Funcion ABS (Trae el numero absoluto)
    Desviacion media absoluta DMA = promedio de los errores absolutosQue me sirve para saber la precision de mi p

    DMA 1.85 ¿Qué significa este 1.85? Significa que mi pronostico de la semana 13 puede variar
    monto arriba o abajo
    ERROR ESPERADO O VALOR ESPERADO

    Pesos
    1 Antigua
    2 Intermedia
    3 Reciente

    DMA 169
    prueba y error y luego
    va a dar un pronostico

    e para saber la precision de mi pronostico

    o de la semana 13 puede variar ese


    ajo
    EJEMPLO DE METODO REGRESION LINEAL SIMPLE

    Pronostico de crecimiento de ventas en unidades y en porcentaje

    Año Ventas en miles Eje Y


    2010 685
    2011 698
    2012 710 Ventas en m
    2013 735 850
    2014 745
    2015 798
    800 f(x) = 22.9642857142857 x + 649.8
    2016 821
    2017 ¿? Años , meses, trimestres, semanas
    750
    Año Ventas en miles
    1 685 700
    2 698
    3 710 650
    4 735
    5 745
    600
    6 798 0 1 2 3 4
    7 821
    8 834 13 Incremento en unidades
    1.53% Incremento en porcentaje
    Ventas en miles

    x) = 22.9642857142857 x + 649.857142857143

    2 3 4 5 6 7 8 Eje X
    Resumen

    Estadísticas de la regresión
    Coeficiente de correlación múltiple 0.884312734837862
    Coeficiente de determinación R^2 0.782009012996419
    R^2 ajustado 0.636681688327365
    Error típico 16.1080671586074
    Observaciones 6

    ANÁLISIS DE VARIANZA
    Grados de libertad
    Suma de cuadrados
    Promedio de los cuadradosF
    Regresión 2 2792.42385 1396.21193 5.38101843
    Residuos 3 778.409483 259.469828
    Total 5 3570.83333

    Coeficientes Error típico Estadístico t Probabilidad


    Intercepción 219.230603448276 86.2419217 2.54204219 0.08452845
    Variable X 1 6.38146551724138 2.1801878 2.92702561 0.06114751
    Variable X 2 -1.67083333333333 0.68446124 -2.4410927 0.09241012
    Valor crítico de F
    0.1017789126106

    Inferior 95% Superior 95%Inferior 95,0%


    Superior 95,0%
    -55.22968157326 493.690888 -55.2296816 493.690888
    -0.556865077861 13.3197961 -0.55686508 13.3197961
    -3.849094476833 0.50742781 -3.84909448 0.50742781
    Resumen

    Estadísticas de la regresión
    Coeficiente d 0.88431273
    Coeficiente d 0.78200901
    R^2 ajustado 0.63668169
    Error típico 16.1080672
    Observacione 6

    ANÁLISIS DE VARIANZA
    Grados de libertad
    Suma de cuadrados
    Promedio de los cuadradosF Valor crítico de F
    Regresión 2 2792.42385 1396.21193 5.38101843 0.10177891
    Residuos 3 778.409483 259.469828
    Total 5 3570.83333

    Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
    Intercepción 219.230603 86.2419217 2.54204219 0.08452845 -55.2296816 493.690888 -55.2296816
    Variable X 1 6.38146552 2.1801878 2.92702561 0.06114751 -0.55686508 13.3197961 -0.55686508
    Variable X 2 -1.67083333 0.68446124 -2.4410927 0.09241012 -3.84909448 0.50742781 -3.84909448
    Superior 95,0%
    493.690888
    13.3197961
    0.50742781
    EJEMPLO METODO REGRESION LINEAL MULTIPLE

    Pronostico de ventas para el mes julio tomando en cuenta la publicidad y el precio en dolares

    Y X1 X2
    Precio
    Publicidad (Dolares)
    Mes Ventas en miles (Numero de anuncios)
    Enero 33 3 125
    Febrero 61 6 115
    Marzo 70 10 140
    Abril 82 13 130
    Mayo 17 9 145
    Junio 24 6 140
    Julio 28 8 145

    Publicidad Precio
    Mes Ventas en miles (Numero de anuncios) (Dolares)
    Enero 33 3 125
    Febrero 61 6 115
    Marzo 70 10 140
    Abril 82 13 130
    Mayo 17 9 145
    Junio 24 6 140
    Julio 40.77432215 10 145
    recio en dolares

    Y= a + b1X1 + b2X2

    Pueden haber muchas mas X


    Coeficientes
    Intercepción 219.230603
    Variable X 1 6.38146552
    Variable X 2 -1.67083333

    Y= 219,210603+(6,38146552*X1)+(-1,67083333*X2)

    Coeficientes
    Intercepción 219.230603
    Variable X 1 6.38146552
    Variable X 2 -1.67083333

    y= 219,230603+(6,3814552*X1)+(-1,67083333*X2)

    También podría gustarte