Este documento presenta un análisis de pronósticos de demanda de clientes mediante el uso de regresión lineal y promedios móviles. Muestra los datos históricos de clientes por mes y aplica estas técnicas de pronóstico para predecir la demanda futura. Luego compara los resultados de ambos métodos con los datos reales para evaluar cuál se ajusta mejor.
0 calificaciones0% encontró este documento útil (0 votos)
22 vistas6 páginas
Este documento presenta un análisis de pronósticos de demanda de clientes mediante el uso de regresión lineal y promedios móviles. Muestra los datos históricos de clientes por mes y aplica estas técnicas de pronóstico para predecir la demanda futura. Luego compara los resultados de ambos métodos con los datos reales para evaluar cuál se ajusta mejor.
Este documento presenta un análisis de pronósticos de demanda de clientes mediante el uso de regresión lineal y promedios móviles. Muestra los datos históricos de clientes por mes y aplica estas técnicas de pronóstico para predecir la demanda futura. Luego compara los resultados de ambos métodos con los datos reales para evaluar cuál se ajusta mejor.
Este documento presenta un análisis de pronósticos de demanda de clientes mediante el uso de regresión lineal y promedios móviles. Muestra los datos históricos de clientes por mes y aplica estas técnicas de pronóstico para predecir la demanda futura. Luego compara los resultados de ambos métodos con los datos reales para evaluar cuál se ajusta mejor.
Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
Descargar como xlsx, pdf o txt
Está en la página 1/ 6
Camilo Alejandro Peña Varon
El pronostic presenta te los datos o comportam de pronósti precaución Mes Periodo #Clientes i*D_i Enero 1 133 133 A Febrero 2 183 366 3000 Marzo 3 285 855 2500 Abril 4 640 2560
Número de clientes Mayo 5 1876 9380 2000 f(x) = 500.542857142857 x − 80 Junio 6 2550 15300 1500 ∑ 5667 28594 1000
Julio 7 2696 500
Agosto 8 3197 0 Septiembre 9 3697 0 1 2 3 4 Octubre 10 4198 Periodos (meses) Noviembre 11 4699 Diciembre 12 5199 S_xy 52557 S_xx 105 D b 500.54 6000 a -807.4 5000 Número de clientes 4000 El pronostico realizado mediante la regresión 3000 presenta tendencia lineal, esto permite que los datos obtenidos tengan un 2000 comportamiento ideal, por lo cual este tipo 1000 de pronósticos se deben tomar con precaución 0 0 2 4 6 8 10 Periodos (meses) b 500.54 A a -807.4
Periodo #Clientes 1 133 2 183 3 285 Se acerca mas a la prediccion 4 640 basado en los datos registrado 5 1876 datos inmediatamente anterio 6 2550 7 2696 8 3197 9 3697 10 4198 11 4699 12 5199 13 5700 14 6200 15 6701 16 7201 17 7702 18 8202 19 8703 20 9203 21 9704 22 10205 23 10705 1994 A B 12000
Mes Periodo #Clientes PM(6)
Enero 13 5700 3948 10000 Febrero 14 6200 4448 Marzo 15 6701 4949 8000 Abril 16 7201 5449 Mayo 17 7702 5950 6000 Junio 18 8202 6450 f(x) = − 4.02724682724683 x³ + 82.355488955489 x² + 25.9540311540 Julio 19 8703 6951 4000 R² = 0.983098629509956 Agosto 20 9203 7452 Septiembre 21 9704 7952 2000 Octubre 22 10205 8453 Noviembre 23 10705 8953 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Diciembre 24 11206 9454
mas a la prediccion realizada mediante la regresión, debido a que esta sigue su pronostico los datos registrados, al contrario del realizado con promedios moviles el cual toma los 6 ediatamente anteriores para de esta manera hacer el pronostico Demanda historica Polynomial (Demanda historica) Regresion 683 x³ + 82.355488955489 x² + 25.9540311540308 x − 141.680808080806 Promedio movil 56
