Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 40 vistas

    OPERACIONES

    Cargado por

    Juan Diego Arcila Ramirez
    1. Se analizaron diferentes métodos de pronóstico como promedios móviles, suavizado exponencial y regresiones polinómicas de diferentes grados para predecir las ventas mensuales de una empresa. 2. La regresión polinómica de grado 2 tuvo el mejor desempeño con un R2 de 0,833 y un error de solo el 5,691%. 3. Según este método, la cifra pronosticada de ventas para el mes 13 es de 22 unidades.

    Copyright:

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

    OPERACIONES

    Cargado por

    Juan Diego Arcila Ramirez
    40 vistas5 páginas
    1. Se analizaron diferentes métodos de pronóstico como promedios móviles, suavizado exponencial y regresiones polinómicas de diferentes grados para predecir las ventas mensuales de una empresa. 2. La regresión polinómica de grado 2 tuvo el mejor desempeño con un R2 de 0,833 y un error de solo el 5,691%. 3. Según este método, la cifra pronosticada de ventas para el mes 13 es de 22 unidades.

    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?

    1. Se analizaron diferentes métodos de pronóstico como promedios móviles, suavizado exponencial y regresiones polinómicas de diferentes grados para predecir las ventas mensuales de una empresa. 2. La regresión polinómica de grado 2 tuvo el mejor desempeño con un R2 de 0,833 y un error de solo el 5,691%. 3. Según este método, la cifra pronosticada de ventas para el mes 13 es de 22 unidades.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    40 vistas5 páginas

    OPERACIONES

    Cargado por

    Juan Diego Arcila Ramirez
    1. Se analizaron diferentes métodos de pronóstico como promedios móviles, suavizado exponencial y regresiones polinómicas de diferentes grados para predecir las ventas mensuales de una empresa. 2. La regresión polinómica de grado 2 tuvo el mejor desempeño con un R2 de 0,833 y un error de solo el 5,691%. 3. Según este método, la cifra pronosticada de ventas para el mes 13 es de 22 unidades.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    de 5

    Las ventas mensuales en unidades del año 1 de Telco Batteries, Inc.

    , fueron como sigue:

    ALPHA:
    0.3

    PRONOSTICO PROMEDIO MOVIL SUAVIZAMIENTO


    NUMERO MES VENTAS MOVIL 3 MESES PONDERADO EXPONENCIAL
    1 ENERO 20 18.00
    2 FEBRERO 21 18.60
    3 MARZO 15 19.32
    4 ABRIL 14 18.67 17.83 18.02
    5 MAYO 13 16.67 15.50 16.82
    6 JUNIO 16 14.00 13.67 15.67
    7 JULIO 17 14.33 14.67 15.77
    8 AGOSTO 18 15.33 16.00 16.14
    9 SEPTIEMBRE 20 17.00 17.33 16.70
    10 OCTUBRE 20 18.33 18.83 17.69
    11 NOVIEMBRE 21 19.33 19.67 18.38
    12 DICIEMBRE 23 20.33 20.50 19.17
    13 ENERO 23 21.33 21.83 20.32

    Regresión Lineal
    25

    f(x) = 0.204295704295704 x² − 2.25724275724276 x + 21.7727272727273


    f(x)
    f(x)==
    R² 0.003846153846154
    =0.715120745515882 x⁵x⁶
    − 0.000885076252723 −+0.12558275058276 x⁴ +x⁵1.46037296037307
    0.038364127702347 x³ − 6.98280885780941
    − 0.646168510138864 x² +x³
    x⁴ + 5.2730400726707 11.469347319
    − 20.900954
    f(x)
    R² = − 0.033411033411033
    0.000582750582751 x³
    x⁴+−0.855810855810849
    0.018259518259506x² x³−+5.78210678210675 x +x²26.3333333333333
    0.725524475524367 − 5.36868686868651 x + 25.969696
    R² == 0.928709588284055
    0.963046340393018
    R² = 0.833024118738404
    0.833315620549663
    20
    f(x) = 0.398601398601398 x + 15.5757575757576
    R² = 0.207175802920483

    15

    10

    0
    0 2 4 6 8 10 12 14
    gue:
    b=
    0.3986
    a=
    15.576
    REGRESION REGRESION REGRESION REGRESION REGRESION
    REGRESIÓN POLINOMICA POLINOMICA POLINOMICA POLINOMICA POLINOMICA
    LINEAL GRADO 6 GRADO 5 GRADO 4 GRADO 3 GRADO 2
    15.975 20.14 20.46 21.31 21.37 19.72
    16.373 20.34 19.44 17.98 17.93 18.08
    16.772 16.07 16.38 15.85 15.79 16.84
    17.170 13.28 13.99 14.78 14.76 16.01
    17.569 13.23 13.34 14.60 14.64 15.59
    17.968 14.77 14.29 15.15 15.24 15.58
    18.366 16.12 15.98 16.22 16.34 15.98
    18.765 15.84 17.27 17.63 17.75 16.79
    19.163 13.25 17.21 19.14 19.27 18.01
    19.562 8.19 15.45 20.53 20.69 19.63
    19.961 0.12 12.75 21.56 21.83 21.66
    20.359 -13.45 11.43 21.95 22.47 24.11
    20.758 -39.15 15.79 21.44 22.42 26.96

    Lineal

    780941 x² +x³
    400726707 11.4693473193486 x + 14.6363636363623
    − 20.9009547777865 x² + 34.5461818410235 x + 1.83333333333965
    3333333 x + 25.9696969696967
    686868651

    14
    María Carolina Pérez
    Juan Diedo Barbosa

    Juan Sebastian Moreno


    Juan Pablo Amaya
    PROMEDIO SUAVIZAMI REGERSIO REGERSIO REGRESIO REGRESIO
    PROMEDIO MOVIL ENTO REGRESIÓ N N N N
    MOVIL DE 3 PONDERAD EXPONENC N (LINEA POLINOMI POLINOMI POLINOMIC POLINOMIC
    MESES O IAL RECTA) O GRADO 6 O GRADO 5 A GRADO 4 A GRADO 3
    10.00% 20.13% 0.71% 2.30% 6.54% 6.87%
    11.43% 22.03% 3.16% 7.44% 14.39% 14.64%
    28.80% 11.81% 7.11% 9.19% 5.67% 5.25%
    33.33% 27.38% 28.74% 22.65% 5.13% 0.07% 5.56% 5.43%
    28.21% 19.23% 29.36% 35.15% 1.74% 2.58% 12.32% 12.64%
    12.50% 14.58% 2.05% 12.30% 7.66% 10.71% 5.34% 4.78%
    15.69% 13.73% 7.23% 8.04% 5.15% 6.00% 4.58% 3.90%
    14.81% 11.11% 10.34% 4.25% 12.00% 4.03% 2.08% 1.40%
    15.00% 13.33% 16.51% 4.18% 33.75% 13.97% 4.30% 3.67%
    8.33% 5.83% 11.56% 2.19% 59.03% 22.77% 2.67% 3.46%
    7.94% 6.35% 12.47% 4.95% 99.43% 39.27% 2.66% 3.94%
    11.59% 10.87% 16.66% 11.48% 158.50% 50.30% 4.55% 2.31%
    16.38% 13.60% 15.43% 13.26% 32.78% 14.05% 5.89% 5.69%
    REGRESIO
    N
    POLINOMIC
    A GRADO 2
    1.40% 1. R^2 = 0,833
    13.92% 2. ERROR = 5,691%
    12.27% 3. CIFRA VTAS= 22 UNIDADES
    14.38%
    19.96%
    2.60%
    5.98%
    6.72%
    9.97%
    1.85%
    3.16%
    4.81%
    8.08%

    También podría gustarte