6.

PRONSTICOS
La opcin Nuevo Problema (New Problem) genera una plantilla en el cual se introducirn las caractersticas de nuestro problema de pronsticos:

A continuacin se describir la ventana de Especificaciones del problema (Problem Specification): Pronstico de Series de Tiempos (Time Series Forecasting): Ttulo del problema (Problem Title): Nombre con el cual se identificar el problema. Unidad de Tiempo (Time Unit): Se especifica la unidad de tiempo de la serie. Numero de unidades de tiempo (Number of Time Units - Periodos): Datos disponibles.

58

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

Regresin lineal (Linear Regression): Ttulo del problema (Problem Title): Nombre con el cual se identificar el problema. Nmero de variables (Number of Factors - Variables): Cantidad de variables utilizadas en el modelo. Numero de observaciones (Number of Observations): Datos disponibles.

6.1 EJEMPLO DE SERIES DE TIEMPO

Mediante un ejemplo demostraremos como se introducen los datos para la creacin de un pronstico empleando series de tiempo. ENUNCIADO Ejemplo 6-1: Informacin suministrado por el Departamento de Estadsticas de la ciudad, el nmero de carros que transitaron en los ltimos 7 aos fueron: Ao 1998 1999 2000 2001 2002 2003 2004 Cantidad 1200.000 1500.000 1850.000 1915.000 2400.000 2750.000 2920.000

Pronosticar la cantidad de vehculos para los aos 2005 y 2006.

6.2 INTRODUCIENDO LOS DATOS

Procederemos a llenar los campos de la ventana, en donde la unidad de tiempo esta dado en aos y el nmero de datos disponibles son 7.

59

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

Luego introducimos los datos de los vehculos en estricto orden:

En el caso de que queramos eliminar o agregar nuevos datos, tenemos las opciones Agregar una observacin (Add an Observation) y Eliminar una observacin (Delete an Observation) en el men Editar (Edit).

60

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

6.3 REALIZANDO EL PRONSTICO

En el men Resolver y analizar (Solve and Analyze) elegimos la nica opcin disponible:

La nueva ventana permitir distinguir entre diferentes mtodos de solucin para series de tiempo:

Promedio simple (Simple Average) Promedio mvil (Moving Average) Promedio mvil ponderado (Weighted Moving Average) Promedio mvil con tendencia lineal (Moving Average with Linear Trend) Suavizado exponencial simple (Single Exponential Smoothing) Suavizado exponencial simple con tendencia lineal (Single Exponential Smoothing with Linear Trend) Suavizado exponencial doble (Double Exponential Smoothing) Suavizado exponencial doble con tendencia lineal (Double Exponential Smoothing with Linear Trend) Suavizado exponencial adaptado (Adaptive Exponential Smoothing) Regresin lineal con tiempos (Linear Regression with Time) Algoritmo suma Holt-Winters (Holt-Winters Additive Algorithm) Algoritmo multiplicativo Holt-Winters (Holt-Winters Multiplicative Algorithm). 61

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

Seleccionaremos la opcin Suavizado exponencial simple (Single Exponential Smoothing) e indicaremos informacin adicional para resolver el problema con este mtodo:

La primera opcin (permanente en todos los mtodos) corresponde al nmero de periodos a pronosticar (para nuestro ejemplo problema son dos aos). Recordemos que (alpha) es una constante entre 0 y 1. Existe tambin la opcin de mantener el resultado de un mtodo para poder compararlo con otros distintos.

Al pulsar OK tenemos:

62

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

6.4 ANALIZANDO LOS RESULTADOS

El pronstico para los dos aos se puede observar en la columna Pronstico por SES (Forecast for SES) en las filas correspondiente a los valores 8 y 9.

Tambin contamos con los siguientes indicadores:

Error del pronstico acumulado (Cumulative Forecast Error - CFE) Desviacin media absoluta (Mean Absolute Deviation - MAD) Error medio cuadrtico (Mean Square Error - MSE) Error medio porcentual absoluto (Mean Absolute Percent Error MAPE) Seal de senda (Tracking Signal): Equivale a la divisin entre CFE y MAD. R al cuadrado (R-Square): Coeficiente de determinacin.

6.5 EJEMPLO DE REGRESIN LINEAL

Ejemplo 6-2: Predecir el valor de Y para un X de 40 si se tienen los siguiente datos: X 10 15 20 25 30 35 Y 1000 1220 1310 1670 1845 2050

63

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

En la ventana Especificaciones del problema (Problem Specification), seleccionamos Regresin lineal (Linear Regression) y digitamos la siguiente informacin:

Ingresamos los datos del problema como se muestra a continuacin (factor 1 equivale a X):

En el men Resolver y analizar (Solve and Analyze) elegimos la opcin disponible:

En la siguiente ventana se especifica cual es la variable dependiente, para lo cual, se deber marcar el factor 2 (que para nuestro caso es Y) y luego pulsar el botn OK.

64

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

6.6 ANALIZANDO LOS RESULTADOS DE UNA REGRESIN

Los resultados de la regresin se muestran de la siguiente forma:

Las medias de las variables aparecen en la columna llamada Mean

X = 22,5 Y = 1515,833

Las desviaciones correspondientes estn en la columna Standard Deviation (9,35 para X y 403,34 para Y). Los valores de a y b de la ecuacin de la lnea recta estn en la columna Regression Coefficient: Y = 553,4762 + 42,7714X La correlacin al cuadrado es de 0,9839438.

65

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

6.7 LA ECUACIN DE LA RECTA EN MODO GRFICO

Para observar el mapa de dispersin y la lnea de tendencia simplemente accederemos al men Resultados (Results) y seleccionamos Mostrar regresin lineal (Show Regression Line).

6.8 ESTIMANDO Y
Para estimar el valor de Y para un X de 40 deberemos cerrar las ventanas de resultado y en el men Resolver y analizar (Solve and Analyze) pulsamos sobre la ltima opcin:
66

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

Pulsamos sobre el botn Entrar valor de la variable independiente (Enter Value for Independent Variable) e ingresamos 40:

67

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL

Pulsamos el botn OK en ambas ventanas.

En la primera fila se observa el valor de la prediccin para Y (2264,333). Aplicando un nivel de significancia (dado por el usuario) podremos ver el intervalo de prediccin (Prediction Interval). Los dems valores corresponden:

Intervalos de confianza para la media (Confidence Interval of Prediction Mean) nivel de significancia (Significance Level alpha) Grados de Libertad (Degree of Freedom) Valor crtico de t (t Critical Value).

68

UNIVERSIDAD DE CARTAGENA

ISBN: 978-84-690-3681-5

ADMINISTRACIN INDUSTRIAL