Beruflich Dokumente
Kultur Dokumente
APRENDIZAJE AUTÓNOMO
Luego procedemos a encontrar los factores estacionales, pero antes nos valemos del uso
de una regresión lineal para encontrar L y T, y así encontrar la demanda
desestacionalizada en todos los periodos.
Demanda
Demanda
25000
20000
15000
10000
5000
0
Julio
Julio
Julio
Julio
Julio
Marzo
Noviembre
Mayo
Noviembre
Noviembre
Noviembre
Noviembre
Mayo
Marzo
Marzo
Mayo
Marzo
Mayo
Marzo
Mayo
Septiembre
Septiembre
Septiembre
Septiembre
Septiembre
Enero
Enero
Enero
Enero
Enero
Fig. 1. Serie de Tiempo para la demanda
11000
10000
9000
8000
7000
6000
5000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
Y luego calculamos los factores estacionales de los 12 periodos en que se repite el ciclo, con la
fórmula:
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3
Hay un total de 60 periodos con periodicidad de p=12, lo que implica que existen r=5 ciclos
estacionales en la información.
S1 0,42597994 S7 0,89516528
S2 0,4743619 S8 1,14809036
S3 0,48746082 S9 1,68833283
S4 0,46209785 S10 1,74648014
S5 0,6202529 S11 2,11731022
S6 0,80569609 S12 1,09161495
61 Enero 4412,297
62 Febrero 4947,61286
63 Marzo 5119,35469
64 Abril 4886,28295
65 Mayo 6603,32172
66 Junio 8635,6298
67 Julio 9659,0735
68 Agosto 12470,9183
69 Septiembre 18460,8394
70 Octubre 19222,4698
71 Noviembre 23456,52
72 Diciembre 12172,0505
5 950
6 1170
7 970
8 1060
9 1180
10 1070
11 980
12 920
a) Estime el pronóstico usando una media móvil de 4 semanas desde la semana 5 hasta
la 13. Calcule el error de pronóstico para cada semana.
Demanda
Semana Pronostico (F) Error (E)
(Q)
1 1100
2 1180
3 1190
4 1340
5 950 1202,5 252,5
6 1170 1165 -5
7 970 1162,5 192,5
8 1060 1107,5 47,5
9 1180 1037,5 -142,5
10 1070 1095 25
11 980 1070 90
12 920 1072,5 152,5
13 1037,5
b) Estime el pronóstico usando una media móvil de 6 semanas desde la semana 7 hasta
la 13. Calcule el error de pronóstico para cada semana.
Demanda
Semana Pronostico Error
(Q)
1 1100
2 1180
3 1190
4 1340
5 950
6 1170
7 970 1155 185
8 1060 1133,33333 73,3333333
9 1180 1113,33333 -66,6666667
10 1070 1111,66667 41,6666667
11 980 1066,66667 86,6666667
12 920 1071,66667 151,666667
13 1030
Demanda
Semana Nivel (L) Pronostico Error (Et) At
(Q)
0 1092.5
1 1100 1093.25 1092.5 -0.75 0.75
2 1180 1101.925 1093.25 -8.675 8.675
3 1190 1110.7325 1101.925 -8.8075 8.8075
4 1340 1133.65925 1110.7325 -22.92675 22.92675
5 950 1115.29333 1133.65925 18.365925 18.365925
6 1170 1120.76399 1115.29333 -5.4706675 5.4706675
7 970 1105.68759 1120.76399 15.0763992 15.0763992
8 1060 1101.11883 1105.68759 4.56875932 4.56875932
9 1180 1109.00695 1101.11883 -7.88811661 7.88811661
10 1070 1105.10626 1109.00695 3.90069505 3.90069505
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3
d) Calcular MAD, MAPE, MSE, bias y TS en cada caso. ¿Cuál de los métodos usted
recomendaría?
MAD 113.4375
MSE 11952.40385
MAPE 7.04 %
Bias 612.5
TS 5.399449036
MAD 100.833333
MSE 12716.2037
MAPE 10.144 %
Bias 471.666667
TS 4.67768595
MAD 10.5166668
MSE 152.189908
MAPE 0.9855 %
Bias 17.1639331
TS 1.63206969
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3
Coeficientes
Intercepción (𝐿0 ) 90.225
Variable X 1 (𝑇0 ) 4.41470588
Demanda
Mes
(unidades)
1 1000
2 1113
3 1271
4 1445
5 1558
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3
6 1648
7 1724
8 1850
9 1864
10 2076
11 2167
12 2191
c) Evalúe MAD, MAPE, MSE, bias, y TS en cada caso. ¿Cuál de los dos métodos escogería
usted y por qué?
MAD 316.9190845
MSE 131032.3536
MAPE 20.87 %
Bias -1117.042264
TS -3.524692322
MAD 43.8703357
MSE 2880.84588
MAPE 2.86 %
Bias 20.8700162
TS 0.47572046
5. Considere los datos del ejercicio 1. Pronostique la demanda para el año 6 usando el
modelo de Holt y el modelo de Winter con α=0.05, β=0.20 y γ=0.15. Calcule MAD, MAPE
y MSE. ¿Cuál método de pronóstico preferiría usted? Fundamente su respuesta.
Modelo de Holt
MAD 4337.11103
MSE 27134605
MAPE 81.18 %
Método de Winter
S1 0,42597994 S7 0,89516528
S2 0,4743619 S8 1,14809036
S3 0,48746082 S9 1,68833283
S4 0,46209785 S10 1,74648014
S5 0,6202529 S11 2,11731022
S6 0,80569609 S12 1,09161495
MAD 1294.58804
MSE 2954359.62
MAPE 24.726 %
Escogería el modelo de Winter, para estimar el pronóstico en este caso, debido a que el
MAD y el MAPE son mucho menores que en el modelo de Holt
6. Usando los datos del ejercicio 4, aplique el método de suavizamiento exponencial doble
con α=0.3 y β=0.4. ¿Qué combinación de constantes de suavizamiento escogería usted?
¿Por qué?
Coeficientes
Intercepción (Lo) 948.2575758
Variable X 1 (To) 109.3321678
Mes Demanda Lt Tt Ft
(unidades)
0 948.2575758 109.3321678
1 1000 1040.312821 102.4213986 1057.589744
2 1113 1133.813953 98.85329231 1142.734219
3 1271 1244.167072 103.4532228 1232.667246
4 1445 1376.834206 115.1387874 1347.620295
5 1558 1511.781096 123.0620282 1491.972994
6 1648 1638.790187 124.6408533 1634.843124
7 1724 1751.601728 119.9091285 1763.43104
8 1850 1865.0576 117.3278257 1871.510857
9 1864 1946.869798 103.1215747 1982.385425
10 2076 2057.793961 106.24261 2049.991372
11 2167 2164.925599 106.5982215 2164.036571
12 2191 2247.366675 96.935363 2271.523821
13 2344.302038
Normalmente las constantes alfa y beta deben tener su máximo valor hasta 0.2 para
obtener un buen pronóstico.
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3
Temporada 1 30 36 43
Temporada 2 33 42 51
Temporada 3 40 49 60
Temporada 4 55 63 72
Temporada 5 49 58 56
Total 207 248 282
Demanda
80
70
60
50
40
30
20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Como la periodicidad p es impar (p=5), entonces, usamos la siguiente formula, para calcular
la demanda desestacionalizada:
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3
Luego procedemos a encontrar los factores estacionales, pero antes nos valemos del uso
de una regresión lineal para encontrar L y T, y así encontrar la demanda
desestacionalizada en todos los periodos.
Coeficientes
Intercepción (L) 36,3636364
Variable X 1 (T) 1,63636364
60
55
50
45
40
35
30
0 2 4 6 8 10 12 14 16
Hay un total de 15 periodos con periodicidad de p=5, lo que implica que existen r=3 ciclos
estacionales en la información.
S1 0,786657048
S2 0,87387003
S3 1,000327094
S4 1,243199891
S5 1,039800995