Trabajo individual

Unidad 2

Presentado por:

Yuly Paola Navarro Cadena

Docente:

Germán Darío Leuro Casas

Universidad Autónoma de Bucaramanga

Facultad de administración de empresas

Investigación general de operaciones

2019
 ACTIVIDAD 2 UNIDAD 2
A partir del estudio, los aprendizajes y comprensiones logrados, realice el
pronóstico de la demanda para el siguiente caso:
La empresa XYZ, productora de muebles finos para sala, ha venido
registrando el número de juegos vendidos en los últimos 10 años. Usted,
como jefe de ventas, debe pronosticar las ventas (demanda) en el año
2019 y para el efecto cuenta con tres métodos a utilizar: la regresión lineal,
el promedio móvil y la suavización exponencial. Teniendo en cuenta que
puede probar cada uno de los métodos realizando “pronósticos” para los
años anteriores a 2019 y de esta forma compararlos con las ventas reales a
fin de determinar cuál de los métodos es el que menos error genera,
calculando el error promedio y el error en valor absoluto promedio. Hecho
lo anterior, usted debe definir cuál será el pronóstico de demanda para el
año 2019.

Año Juegos vendidos

2009 1215
2010 900
2011 1300
2012 1150
2013 1200
2014 900
2015 1100
2016 980
2017 1234
2018 925
2019
 SOLUCIÓN
1. REGRESIÓN LIENAL
Resumen

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,280413408
Coeficiente de determinación R^2 0,07863168
R^2 ajustado -0,03653936
Error típico 154,6956543
Observaciones 10

ANÁLISIS DE VARIANZA
Grados de libertad
Regresión 1
Residuos 8
Total 9

Coeficientes
Intercepción 1167,8
Periodo -14,07272727

Juegos vendidos
Juegos vendidos Linear (Juegos vendidos)

1400
1200
Juegos vendidos

1000
800
y = -14.073x + 1167.8
600
R² = 0.0786
400
200
0
0 2 4 6 8 10 12
Periodo

En el gráfico (y en la tabla anterior) podemos observar que la recta de

regresión está determinada por la ecuación Y=1167,8-14,073*X
 Periodo Año Juegos Pronóstico Error Error
vendidos Absoluto
1 2009 1215 1153,7 61,27273 61,27273
2 2010 900 1139,7 -239,7 239,7
3 2011 1300 1125,6 174,4 174,4
4 2012 1150 1111,5 38,5 38,5
5 2013 1200 1097,4 102,6 102,6
6 2014 900 1083,4 -183,4 183,4
7 2015 1100 1069,3 30,7 30,7
8 2016 980 1055,2 -75,2 75,2
9 2017 1234 1041,1 192,9 192,9
10 2018 925 1027,1 -102,1 102,1
11 2019 1013,0

ME = 0,0
MAE = 120,1

El método de regresión lineal sugiere que para el 2019 se alcanzaran 1013

juegos vendidos, este pronóstico está asociado a un error medio absoluto
de 120 juegos.

2. PROMEDIO MÓVIL

Periodo Año Juegos Pronóstico Error Error

vendidos Absoluto
1 2009 1215
2 2010 900
3 2011 1300
4 2012 1150 1138,3 11,7 11,7
5 2013 1200 1116,7 83,3 83,3
6 2014 900 1216,7 -316,7 316,7
7 2015 1100 1083,3 16,7 16,7
8 2016 980 1066,7 -86,7 86,7
9 2017 1234 993,3 240,7 240,7
 10 2018 925 1104,7 -179,7 179,7
11 2019 1046,3

ME = -33,0
MAE = 133,6

El método de promedio móvil sugiere que para el 2019 se alcanzaran 1046

juegos vendidos, este pronóstico está asociado a un error medio absoluto
de 134 juegos.

3. SUAVIZAMIENTO EXPONENCIAL

Periodo Año Juegos Pronóstico Error Error

vendidos Absoluto
1 2009 1215 1215 0 0
2 2010 900 1215,0 -315,0 315,0
3 2011 1300 1135,1 164,9 164,9
4 2012 1150 1176,9 -26,9 26,9
5 2013 1200 1170,1 29,9 29,9
6 2014 900 1177,7 -277,7 277,7
7 2015 1100 1107,3 -7,3 7,3
8 2016 980 1105,4 -125,4 125,4
9 2017 1234 1073,6 160,4 160,4
10 2018 925 1114,3 -189,3 189,3
11 2019 1066,3

Alpha
0,25350004

ME = -58,7
MAE = 129,7

El método de suavizamiento exponencial sugiere que para el 2019 se

alcanzaran 1066 juegos vendidos, este pronóstico está asociado a un error
medio absoluto de 130 juegos.
CONCLUSIÓN: Para este caso en particular el método de regresión lineal
está asociado al menor de los errores medios absolutos, por esto se
concluye que para el 2019 se alcanzarán 1013 juegos vendidos, este
pronóstico está asociado a un error medio absoluto de 120 juegos.
CONCLUSIONES
De acuerdo a lo anterior se concluye que:

Si se quiere pronosticar una variable considerando su comportamiento

pasado contando con una base de datos históricos se pueden utilizar tanto
el promedio móvil como la suavización exponencial.

Con la regresión lineal se halla el pronóstico de una variable con base en

otra a partir de datos observados siendo útil a largo plazo.

A diferencia del método de promedio móvil la suavización exponencial

otorga una ponderación a los datos sujeto al peso que tengan dentro del
cálculo del pronóstico.