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

¡Te damos la bienvenida a Scribd!

  • 26 vistas

    Pronósticos Con Regresión Lineal y Media Móvil

    Cargado por

    maugi1618
    El documento describe dos métodos de proyección estadística: regresión lineal y media móvil. La regresión lineal encuentra la función matemática que mejor relaciona una variable independiente (como el tiempo) con una dependiente (ventas) minimizando las desviaciones. La media móvil calcula el promedio de los valores históricos para proyectar valores futuros. El documento usa estos métodos para proyectar las ventas de una empresa en los próximos tres meses.

    Copyright:

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

    Pronósticos Con Regresión Lineal y Media Móvil

    Cargado por

    maugi1618
    26 vistas9 páginas
    El documento describe dos métodos de proyección estadística: regresión lineal y media móvil. La regresión lineal encuentra la función matemática que mejor relaciona una variable independiente (como el tiempo) con una dependiente (ventas) minimizando las desviaciones. La media móvil calcula el promedio de los valores históricos para proyectar valores futuros. El documento usa estos métodos para proyectar las ventas de una empresa en los próximos tres meses.

    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?

    El documento describe dos métodos de proyección estadística: regresión lineal y media móvil. La regresión lineal encuentra la función matemática que mejor relaciona una variable independiente (como el tiempo) con una dependiente (ventas) minimizando las desviaciones. La media móvil calcula el promedio de los valores históricos para proyectar valores futuros. El documento usa estos métodos para proyectar las ventas de una empresa en los próximos tres meses.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    26 vistas9 páginas

    Pronósticos Con Regresión Lineal y Media Móvil

    Cargado por

    maugi1618
    El documento describe dos métodos de proyección estadística: regresión lineal y media móvil. La regresión lineal encuentra la función matemática que mejor relaciona una variable independiente (como el tiempo) con una dependiente (ventas) minimizando las desviaciones. La media móvil calcula el promedio de los valores históricos para proyectar valores futuros. El documento usa estos métodos para proyectar las ventas de una empresa en los próximos tres meses.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    Está en la página 1de 9

    MÉTODOS DE PROYECCIÓN ESTADÍSTICA

    REGRESIÓN LINEAL

    Ejemplo 1: Proyección de ventas ==> La empresa XYZ quiere proyectar sus ventas para los próximos tres mese
    histórico de sus ventas de los 24 meses de los dos últimos años, como se

    (en miles de unidades)


    Año Meses t Ventas
    2019 Enero 1 138
    2019 Febrero 2 119
    2019 Marzo 3 119
    2019 Abril 4 150
    2019 Mayo 5 123
    2019 Junio 6 122 250
    2019 Julio 7 154
    2019 Agosto 8 125 200
    2019 Septiembre 9 139
    2019 Octubre 10 133 150

    2019 Noviembre 11 155


    100
    2019 Diciembre 12 123
    2020 Enero 13 155
    50
    2020 Febrero 14 132
    2020 Marzo 15 189 0
    2020 Abril 16 173 0 5 1

    2020 Mayo 17 191


    2020 Junio 18 168
    2020 Julio 19 196 Se observa que parece hab
    2020 Agosto 20 185 realizar una proyección ba
    2020 Septiembre 21 215
    2020 Octubre 22 195
    2020 Noviembre 23 210
    2020 Diciembre 24 215

    MODELO DE REGRESIÓN LINEAL SIMPLE

    Es una función matemática para poder establecer la relación de causalida


    variable independiente y otra dependiente.

    La variable independiente es tambien conocida como la "causa" y es la qu


    La variable dependiente es también conocida como el "efecto" y es la qu

    𝑦=𝑎+𝛽𝑥
    Variable
    Dependiente

    Intercepto

    𝑦 ̂=𝑎+𝛽𝑥
    Variable
    Dependiente
    Estimada

    TENDENCIA CRECIENTE

    0 x

    Entonces, necesitamos encontrar la función de regresión lineal, esto sign

    CRITERIO DE MÍNIMOS CUADRADOS

    Significa que vamos a estimar: 𝑦


    a través de: 𝑦 ̂

    Por lo que existe una desviación del valor estimado respecto del valor real de "y":

    Si queremos calcular el tamaño de estas "Desviaciones" se debe primero elevar al cuadrado:

    para luego sumar esas desviaciones: 𝛴(𝑦−𝑦 ̂ )^2

    𝛴(𝑦−𝑦 ̂ )^
    Y luego minimizar esa suma de las desviaciones: Mínimo 𝛴(𝑦−𝑦 ̂ )^

    De allí viene el nombre de MÍNIMOS CUADRADOS

    𝛽=𝛴(𝑥−𝑥 ̅ )(𝑦
    Mediante cálculo diferencial se llega a las siguientes fórmulas:

    x y
    Año Meses t Ventas (𝑥−𝑥 ̅ ) (𝑦−𝑦 ̅ ) (𝑥−𝑥 ̅ )(𝑦−𝑦 ̅ ) (𝑥−𝑥 ̅ )^2
    2019 Enero 1 138 -11.5 -21.33 245.33 132.25
    2019 Febrero 2 119 -10.5 -40.33 423.50 110.25
    2019 Marzo 3 119 -9.5 -40.33 383.17 90.25
    2019 Abril 4 150 -8.5 -9.33 79.33 72.25
    2019 Mayo 5 123 -7.5 -36.33 272.50 56.25
    2019 Junio 6 122 -6.5 -37.33 242.67 42.25
    2019 Julio 7 154 -5.5 -5.33 29.33 30.25
    2019 Agosto 8 125 -4.5 -34.33 154.50 20.25
    2019 Septiembre 9 139 -3.5 -20.33 71.17 12.25
    2019 Octubre 10 133 -2.5 -26.33 65.83 6.25
    2019 Noviembre 11 155 -1.5 -4.33 6.50 2.25
    2019 Diciembre 12 123 -0.5 -36.33 18.17 0.25
    2020 Enero 13 155 0.5 -4.33 -2.17 0.25
    2020 Febrero 14 132 1.5 -27.33 -41.00 2.25
    2020 Marzo 15 189 2.5 29.67 74.17 6.25
    2020 Abril 16 173 3.5 13.67 47.83 12.25
    2020 Mayo 17 191 4.5 31.67 142.50 20.25
    2020 Junio 18 168 5.5 8.67 47.67 30.25
    2020 Julio 19 196 6.5 36.67 238.33 42.25
    2020 Agosto 20 185 7.5 25.67 192.50 56.25
    2020 Septiembre 21 215 8.5 55.67 473.17 72.25
    2020 Octubre 22 195 9.5 35.67 338.83 90.25
    2020 Noviembre 23 210 10.5 50.67 532.00 110.25
    2020 Diciembre 24 215 11.5 55.67 640.17 132.25

    Sumatorias = 300 3824 4676 1150


    MEDIA MÓVIL

    Ejemplo 2: Proyección de ventas ==>


    Año Meses t Ventas Media Móvil
    2019 Enero 1 138
    2019 Febrero 2 119
    2019 Marzo 3 119
    2019 Abril 4 150 125.33
    2019 Mayo 5 123 129.33
    2019 Junio 6 122 130.67
    2019 Julio 7 154 131.67
    2019 Agosto 8 125 133.00
    2019 Septiembre 9 139 133.67
    2019 Octubre 10 133 139.33
    2019 Noviembre 11 155 132.33
    2019 Diciembre 12 123 142.33
    2020 Enero 13 155 137.00
    2020 Febrero 14 132 144.33
    2020 Marzo 15 189 136.67
    2020 Abril 16 173 158.67
    2020 Mayo 17 191 164.67
    2020 Junio 18 168 184.33
    2020 Julio 19 196 177.33
    2020 Agosto 20 185 185.00
    2020 Septiembre 21 215 183.00
    2020 Octubre 22 195 198.67
    2020 Noviembre 23 210 198.33
    2020 Diciembre 24 215 206.67
    2021 Enero 25 206.67 206.67
    2021 Febrero 26 210.56 210.56
    2021 Marzo 27 210.74
    para los próximos tres meses, para ello utiliza el registro
    s dos últimos años, como se muestra a continuación:

    Ventas

    5 10 15 20 25 30

    Ventas

    Se observa que parece haber una tendencia lineal creciente, por lo que decide
    realizar una proyección basada en una Regresión Lineal

    lecer la relación de causalidad estadística entre una

    da como la "causa" y es la que se puede manipular


    a como el "efecto" y es la que no se manipula, solo de observa

    +𝛽𝑥 FUNCIÓN DE REGRESIÓN LINEAL

    Variable
    Independiente

    Intercepto Pendiente

    𝛽𝑥 FUNCIÓN DE REGRESIÓN LINEAL ESTIMADA

    TENDENCIA DECRECIENTE TENDENCIA ESTACIO

    y y

    0 x 0

    de regresión lineal, esto significa calcular los parámetros: "a" y "B".

    or real de "y": 𝑦−𝑦 ̂ ==> Desviación

    mero elevar al cuadrado: (𝑦−𝑦 ̂ )^2


    ==> Desviaciones al cuadrado

    𝛴(𝑦−𝑦 ̂ )^2
    𝛴(𝑦−𝑦 ̂ )^2

    𝛽=(𝛴𝑥𝑦−𝛴𝑥𝛴𝑦/𝑛)/(𝛴𝑥^2−(𝛴𝑥)^2/𝑛)
    𝛽=𝛴(𝑥−𝑥 ̅ )(𝑦−𝑦 ̅ )/(𝛴(𝑥−𝑥 ̅ )^2 )
    ó

    𝑎=𝑦 ̅−𝛽𝑥 ̅
    (𝑥−𝑥 ̅ )^2
    𝑥 ̅=𝛴𝑥/𝑛
    = 300 / 24 = 12.5 meses

    𝑦 ̅=𝛴𝑦/𝑛
    = 3824 / 24 = 159.33 mil unidades

    Nota: redondeando a 2 decimales

    𝛽=𝛴(𝑥−𝑥 ̅ )(𝑦−𝑦 ̅ )/(𝛴(𝑥−𝑥 ̅ )^2 ) 𝑎=𝑦 ̅−𝛽𝑥 ̅

    𝛽= 4676 / 1150 = 4.07

    𝑎= 159,33 - 4,07 * 12,5 = 108.46

    𝑦 ̂=𝑎+𝛽𝑥
    𝑦 ̂=108,46+4,07𝑥 Función de regresión lineal estim

    Proyectando las ventas para Enero, Febrero y Marzo del 2021:

    Año Meses t Ventas Proyectadas


    2021 Enero 25 ? ==> = 108,46 + 4,07 * (25) =
    2021 Febrero 26 ? ==> = 108,46 + 4,07 * (26) =
    2021 Marzo 27 ? ==> = 108,46 + 4,07 * (27) =
    TENDENCIA ESTACIONARIA

    x
    2−(𝛴𝑥)^2/𝑛)

    ión de regresión lineal estimada

    210.21
    214.28
    218.35

    También podría gustarte