Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 3 vistas

    3.3 Pronã - Stico - Montero - Mariana

    Cargado por

    Alexa Estefania Lugo Vargas

    Copyright:

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

    3.3 Pronã - Stico - Montero - Mariana

    Cargado por

    Alexa Estefania Lugo Vargas
    3 vistas12 páginas

    Título original

    3.3 PRONÃ_STICO_MONTERO_MARIANA

    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?

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    3 vistas12 páginas

    3.3 Pronã - Stico - Montero - Mariana

    Cargado por

    Alexa Estefania Lugo Vargas

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    de 12

    Calcula los pronósticos empleando “promedios móviles” de la serie cronológica, el de la semana 13 e indica cual es el mejor

    que consideras que sea el mejor.

    Valor de la serie de
    Pronóstico Residual
    Semana tiempo PM (3) PM (4) PM (5)
    FT PM3
    (miles de litros)
    1 17 19.12
    2 21 19.14
    3 19 19.16 19 0
    4 23 19.19 21 20 2
    5 18 19.21 20 20.25 19.6 -2
    6 16 19.24 19 19 19.4 -3
    7 20 19.26 18 19.25 19.2 2
    8 18 19.29 18 18 19 0
    9 22 19.31 20 19 18.8 2
    10 20 19.34 20 20 19.2 0
    11 15 19.36 19 18.75 19 -4
    12 22 19.39 19 19.75 19.4 3
    13 19.41 18.50 19.00 19.75

    Pronóstico con tendencia


    25

    20
    f(x) = 0.0244755244755245 x + 19.0909090909091
    15

    10

    0
    0 2 4 6 8 10 12 14

    PM 3
    21.5 20.5
    21 20
    20.5
    19.5
    20
    19.5 19
    19 18.5
    18.5
    18
    18
    17.5 17.5
    17 17
    16.5 16.5
    14 15 16 17 18 19 20 21 22 23 24 14 15 16 17
    18
    17.5 17.5
    17 17
    16.5 16.5
    14 15 16 17 18 19 20 21 22 23 24 14 15 16 17
    e indica cual es el mejor pronóstico, aclarando el

    Residual
    PM4
    Residual
    PM5 Conclusion

    El mejor pronóstico es el de promedios


    3 móviles de orden 5, ya que los
    residuales positivos y negativos se
    -2.25 -1.6 encuentran equilibrados, lo que indica
    -3 -3.4 que el pronóstico es más atinado.
    0.75 0.8
    0 -1
    3 3.2
    0 0.8
    -3.75 -4
    2.25 2.6

    PM 4 PM 5
    .5 19.8
    20 19.6
    .5 19.4
    19 19.2
    .5 19
    18 18.8
    .5 18.6
    17 18.4
    .5 18.2
    14 15 16 17 18 19 20 21 22 23 24 14 15 16 17 18 19 20 21
    18.8
    .5 18.6
    17 18.4
    .5 18.2
    14 15 16 17 18 19 20 21 22 23 24 14 15 16 17 18 19 20 21
    M5

    8 19 20 21 22 23
    8 19 20 21 22 23
    Calcula los pronósticos de la siguiente serie de tiempo, empleando el procedimiento de suavización exponencial, lo
    el pronóstico correspondiente a 1994.r Indica el mejor pronóstico.
    Año Xt 0.3 0.4 0.5
    1974 5136 5136 5136 5136 Conclusio
    1975 4604 5136 5136 5136
    1976 5141 4976.4 4923.2 4870
    1977 5613 5025.78 5010.32 5005.5 α=0.4 podría ser una buen
    1978 5539 5201.946 5251.392 5309.25 que proporciona un eq
    1979 5604 5303.062 5366.435 5424.125 adecuado entre los datos
    1980 5562 5393.344 5461.461 5514.063 las variaciones recie
    1981 5578 5443.94 5501.677 5538.031
    1982 4891 5484.158 5532.206 5558.016
    1983 4557 5306.211 5275.724 5224.508
    1984 5981 5081.448 4988.234 4890.754
    1985 5744 5351.313 5385.34 5435.877
    1986 5140 5469.119 5528.804 5589.938
    1987 4798 5370.384 5373.283 5364.969
    1988 4886 5198.668 5143.17 5081.485
    1989 5321 5104.868 5040.302 4983.742
    1990 4198 5169.708 5152.581 5152.371
    1991 4517 4878.195 4770.749 4675.186
    1992 5073 4769.837 4669.249 4596.093
    1993 4821 4860.786 4830.75 4834.546
    1994 4848.85 4826.85 4827.773
    de suavización exponencial, los valores α = 0.3, α = 0.4 y α = 0.5 y
    ica el mejor pronóstico.

    Conclusion

    α=0.4 podría ser una buena opción, ya


    que proporciona un equilibrio
    adecuado entre los datos históricos y
    las variaciones recientes.

    También podría gustarte