Mes Ventas Promedio movil simple

1 106
2 145
3 201
4 253
5 308 176.25
6 344 226.75
7 416 276.50
8 452 330.25
9 522 380.00
10 546 433.50
11 613 484.00
12 538 533.25
13 554.75
 Ponderadores
a0 0.23
a1 0.38
a2 0.38
Suma coef.pond. 1.00000073

Ponderacion movil Error

Mes Ventas
para 3 meses observado
1 104
2 126
3 155
4 132 132.00 0.000
5 144 139.42 4.575
6 168 141.96 26.041
7 157 150.41 6.589
8 183 158.19 24.808
9 191 169.53 21.466
10 178 180.01 2.014
11 202 184.15 17.849
12 188 190.23 2.233
13 191.04
Suma 105.575
Promedio 11.731
 t1
wi Di
i=tN
Ft = t1
Wi
i=tN

Condiciones del Modelo:

a0<a1
a1<a2
a1+a2+a3=1

Funcin Objetivo: Minimizar la Suma de los Errores SSE

Funcin a Minimizar
Datos
Trimestre Ao 1 Ao 2
1 45 70
2 335 370
3 520 590
4 100 170
Total 1,000 1,200

Solucin: Trimestre Ao 1 Ao 2
1 45 70
2 335 370
3 520 590
4 100 170
Total 1,000 1,200
Promedio 250 300

Calculamos los ndices de estacionalidad

Trimestre Ao 1 Ao 2
1 45/250=0,18 70/300=0,23
2 1.34 1.23
3 2.08 1.97
4 0.4 0.57

Trimestre Ao 1 Ao 2

1 0.18 0.23
2 1.34 1.23
3 2.08 1.97
4 0.4 0.57

Estimacin final Demanda Estimada:2600 /4

Trimestre Ao 5
1 131.625
2 843.375
3 1300
4 323.375
 Ao 3 Ao 4
100 100
585 725
830 1,160
285 215
1,800 2,200

Ao 3 Ao 4
100 100
585 725
830 1,160
285 215
1,800 2,200
450 550

Ao 3 Ao 4
100/450=0,22 100/550=0,18
1.3 1.32
1.84 2.11
0.63 0.39

Ao 3 Ao 4 ndice
promedio
0.22 0.18 0.2025
1.3 1.32 1.2975
1.84 2.11 2
0.63 0.39 0.4975

650
Datos

Mes 2000 2001 2002

Enero 80 85 105
Febrero 70 85 85
Marzo 80 93 82
Abril 90 95 115
Mayo 113 125 131
Junio 110 115 120
Julio 100 102 113
Agosto 88 102 110
Septiembre 85 90 95
Octubre 77 78 85
Noviembre 75 82 83
Diciembre 82 78 80

Datos promedios

Mes 2000 2001 2002

1 80 85 105
2 70 85 85
3 80 93 82
4 90 95 115
5 113 125 131
6 110 115 120
7 100 102 113
8 88 102 110
9 85 90 95
10 77 78 85
11 75 82 83
12 82 78 80
SUMA
DEMANDA PROMEDIO ANUAL

Demanda Estimada
Demanda Mensual

Estimacin para 2003:

Mes
1
2
3
4
5
6
7
8
9
10
11
12
Demanda Promedio Anual Indice de estacionalidas
90 0.957
80 0.851
85 0.904
100 1.064
123 1.309
115 1.223
105 1.117
100 1.064
90 0.957
80 0.851
80 0.851
80 0.851
1128
94

1200
100

2003
96
85
90
106
131
122
112
106
96
85
85
85
Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.92581351
Coeficiente de determinacin R^2 0.85713066
R^2 ajustado 0.83672076
Error tpico 103.697086
Observaciones 9

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crtico de F
Regresin 1 451584.623 451584.623 41.9958176 0.00034035
Residuos 7 75271.5995 10753.0856
Total 8 526856.222

bk sk Estadstico t Probabilidad Inferior 95%

a 107.454397 74.6789724 1.43888425 0.19335551 -69.1333118
b 0.74248277 0.11457328 6.48041801 0.00034035 0.47156001
or crtico de F

Superior 95%Inferior 95,0%Superior 95,0%

284.042107 -69.1333118 284.042107
1.01340554 0.47156001 1.01340554
Para el conjunto de datos promedios siguientes, que se
obtuvieron de los registros histricos:

X Y
480 362
880 750
110 243
320 410
960 758
950 1002
240 320
510 365
750 618

Grfico Datos Promedio

1200

1000

800
f(x) = 0.7424827736x + 107.4543974825
Y

R = 0.8571306624
600

400

200

0
0 200 400 600 800

b) Ajuste la curva de tendencia lineal por mtodo de mnimos cuadrados

X Y XY
480 362 173760
880 750 660000
110 243 26730
320 410 131200
960 758 727680
950 1002 951900
240 320 76800
510 365 186150
750 618 463500

b=
a=
Luego el ajuste por MCO sera:

c) Realice una regresin Lineal y compare los datos con los obtenidos en la parte b) Comente.

Resumen

Estadsticas de la regresin
Coeficiente de
correlacin 0.9258135138
mltiple
Coeficiente de
determinacin 0.8571306624
R^2
R^2 ajustado 0.836720757
Error tpico 103.6970859758
Observaciones 9

ANLISIS DE VARIANZA
Promedio de
Grados de libertad Suma de cuadrados los
cuadrados
Regresin 1 451584.622743084 451584.6227
Residuos 7 75271.5994791384 10753.08564
Total 8 526856.222222222

Coeficientes Error tpico Estadstico t

Intercepcin 107.4543974825 74.6789724402 1.438884253
Variable X 0.7424827736 0.1145732841 6.480418008

Como se puede ver, los resultados de la regresin lineal son los mismos que los obtenidos por el mtodo de
Cuadrados (lo que se refleja en los valores de la pendiente y la interseccin). Adems el mismo resultado se
incorporar la lnea de tendencia en el

d) Estime el valor de la variable dependiente cuando la independiente es 64

Y= 154.9733

e) Estime el intervalo de confianza para lograr un grado de confianza del 95%

Intervalos de confianza por estimacin:

Inferior Superior
Intercepcin -64.7556 279.6644
Variable X 0.4783 1.0067
Intervalos de confianza entregados por la regresin:

Inferior Superior
Intercepcin -69.1333 284.0421
Variable X 0.4716 1.0134
Grfico Datos Promedio

X
600 800 1000 1200

cuadrados

X^2 Sumatoria
230400 X 5200
774400 Y 4828
12100 XY 3397720
102400 X^2 3823600
921600
902500 Promedio
57600 X 577.7778
260100 Y 536.4444
562500

0.7425
107.4544
btenidos en la parte b) Comente.

Valor crtico de
F
F
41.99581756 0.0003403507

Probabilidad Inferior 95% Superior 95%

0.1933555053 -69.13331179 284.042106751
0.0003403507 0.4715600075 1.0134055397

mos que los obtenidos por el mtodo de los Mnimos

seccin). Adems el mismo resultado se obtiene al

ndiente es 64

fianza del 95%

t (tabla)
2.3060