Aplicación 2
La empresa "La Genovesa – Tacna" dedicada a la
venta de Abarrotes desea saber el valor de sus ventas al final de
cada semana mediante un modelo senoidal de predicción
ajustado por mínimos cuadrados
Para lo cual cuenta con los siguientes
datos:
Semana T | Valor Observado de |
1 | 71 |
2 | 70 |
3 | 69 |
4 | 68 |
5 | 64 |
6 | 65 |
7 | 72 |
8 | 78 |
9 | 75 |
10 | 75 |
11 | 75 |
12 | 70 |
13 | 75 |
14 | 75 |
15 | 74 |
16 | 78 |
17 | 86 |
18 | 82 |
19 | 75 |
20 | 73 |
21 | 72 |
22 | 73 |
23 | 72 |
24 | 77 |
25 | 83 |
26 | 81 |
27 | 81 |
28 | 85 |
29 | 85 |
30 | 84 |
Tal como aprendimos en el caso anterior tendremos que
formar las siguientes columnas para luego poder llevarlas a un
programa especializado que nos brinde el pronóstico
esperado.
Semana T | Valor Observado de | Cos(2pT/10) | Sen(2pT/10) | TCos(2pT/10) | TSen(2pT/10) |
X1 | X2 | X3 | X4 | X5 | |
1 | 71 | 0.81 | 0.59 | 0.81 | 0.59 |
2 | 70 | 0.31 | 0.95 | 0.62 | 1.90 |
3 | 69 | -0.31 | 0.95 | -0.93 | 2.85 |
4 | 68 | -0.81 | 0.59 | -3.24 | 2.35 |
5 | 64 | -1.00 | 0.00 | -5.00 | 0.00 |
6 | 65 | -0.81 | -0.59 | -4.85 | -3.53 |
7 | 72 | -0.31 | -0.95 | -2.16 | -6.66 |
8 | 78 | 0.31 | -0.95 | 2.47 | -7.61 |
9 | 75 | 0.81 | -0.59 | 7.28 | -5.29 |
10 | 75 | 1.00 | 0.00 | 10.00 | 0.00 |
11 | 75 | 0.81 | 0.59 | 8.90 | 6.47 |
12 | 70 | 0.31 | 0.95 | 3.71 | 11.41 |
13 | 75 | -0.31 | 0.95 | -4.02 | 12.36 |
14 | 75 | -0.81 | 0.59 | -11.33 | 8.23 |
15 | 74 | -1.00 | 0.00 | -15.00 | 0.00 |
16 | 78 | -0.81 | -0.59 | -12.94 | -9.40 |
17 | 86 | -0.31 | -0.95 | -5.25 | -16.17 |
18 | 82 | 0.31 | -0.95 | 5.56 | -17.12 |
19 | 75 | 0.81 | -0.59 | 15.37 | -11.17 |
20 | 73 | 1.00 | 0.00 | 20.00 | 0.00 |
21 | 72 | 0.81 | 0.59 | 16.99 | 12.34 |
22 | 73 | 0.31 | 0.95 | 6.80 | 20.92 |
23 | 72 | -0.31 | 0.95 | -7.11 | 21.87 |
24 | 77 | -0.81 | 0.59 | -19.42 | 14.11 |
25 | 83 | -1.00 | 0.00 | -25.00 | 0.00 |
26 | 81 | -0.81 | -0.59 | -21.03 | -15.28 |
27 | 81 | -0.31 | -0.95 | -8.34 | -25.68 |
28 | 85 | 0.31 | -0.95 | 8.65 | -26.63 |
29 | 85 | 0.81 | -0.59 | 23.46 | -17.05 |
30 | 84 | 1.00 | 0.00 | 30.00 | 0.00 |
UTILIZACIÓN DE PROGRAMA
STATGRAPHICS
Programa que cuenta con un módulo disponible para
hallar los parámetros que son necesarios para un
pronóstico eficaz.
Ingreso de datos
Para ello hemos pegado la tabla de datos ya
procesados en Excel, tal como se muestra en la siguiente
imagen.
Luego debemos de especificar el nombre de
cada columna, para poder tener claro cuales son las variables a
utilizar en el siguiente caso.
Procesamiento de
datos
Seguidamente aparecerá la siguiente ventana donde
habrá que colocar la variable dependiente y las variables
independientes en el casillero que le corresponda.
Escogemos la tabla de Resumen de Análisis para
poder obtener el valor de cada variable.
Resultados
La salida muestra los resultados de ajustar un modelo de
regresión lineal múltiple para describir la
relación entre VENTAS y 5 variables independientes. La
ecuación del modelo ajustado es
VENTAS = 68.4745 + 0.436126*X1 +
3.93261*X2 – 0.184506*X3 – 0.201623*X4 –
0.194681*X5
Esta Tabla Final nos muestra el valor de
predicción, además del error de predicción,
pero sobre todo la predicción que teníamos como
objetivos al realizar este caso.
Tabla de los coeficientes de
Variable
Modelo Senoidal | |||||||||||||||||||||
Periodo de ciclo |
| = | 10 | ||||||||||||||||||
Termino Independiente |
| = | 68.4745 | ||||||||||||||||||
Coeficiente Variable | X1 | = | 0.436126 | ||||||||||||||||||
Coeficiente Variable | X2 | = | 3.93261 | ||||||||||||||||||
Coeficiente Variable | X3 | = | 0.184506 | ||||||||||||||||||
Coeficiente Variable | X4 | = | 0.201623 | ||||||||||||||||||
Coeficiente Variable | X5 | = | 0.194681 |
X1 | = | t |
|
X2 | = | Cos | (2p t/10) |
X3 | = | Sen | (2p t/10) |
X4 | = | t Cos | (2p t/10) |
X5 | = | t Sen | (2p t/10) |
Gráfica del Modelo
El siguiente grafico nos muestra el comportamiento de
este modelo al considerarse el valor observado y el valor de
predicción.
Aplicación 3
La marca Sport, empresa dedicada a la venta de ropa
deportiva, ha decidido realizar un pronóstico, para poder
conocer el valor de sus ventas al final de cada semana mediante
un modelo senoidal de predicción ajustado por
mínimos cuadrados.
Tal es así que se cuenta con los
siguientes datos:
Semana T | Valor Observado de |
X1 | Yt |
1 | 121 |
2 | 104 |
3 | 110 |
4 | 140 |
5 | 131 |
6 | 114 |
7 | 102 |
8 | 148 |
9 | 111 |
10 | 128 |
11 | 110 |
12 | 148 |
13 | 122 |
14 | 119 |
15 | 137 |
16 | 112 |
17 | 128 |
18 | 121 |
19 | 124 |
20 | 102 |
El siguiente paso será obtener las
siguientes columnas con la ayuda del Excel y sus formulas. Hecho
que ya pudimos apreciar con detenimiento en el desarrollo del
primer caso.
Semana T | Valor Observado de | Cos(2pT/10) | Sen(2pT/10) | TCos(2pT/10) | TSen(2pT/10) |
X1 | Yt | X2 | X3 | X4 | X5 |
1 | 121 | 0.81 | 0.59 | 0.81 | 0.59 |
2 | 104 | 0.31 | 0.95 | 0.62 | 1.90 |
3 | 110 | -0.31 | 0.95 | -0.93 | 2.85 |
4 | 140 | -0.81 | 0.59 | -3.24 | 2.35 |
5 | 131 | -1.00 | 0.00 | -5.00 | 0.00 |
6 | 114 | -0.81 | -0.59 | -4.85 | -3.53 |
7 | 102 | -0.31 | -0.95 | -2.16 | -6.66 |
8 | 148 | 0.31 | -0.95 | 2.47 | -7.61 |
9 | 111 | 0.81 | -0.59 | 7.28 | -5.29 |
10 | 128 | 1.00 | 0.00 | 10.00 | 0.00 |
11 | 110 | 0.81 | 0.59 | 8.90 | 6.47 |
12 | 148 | 0.31 | 0.95 | 3.71 | 11.41 |
13 | 122 | -0.31 | 0.95 | -4.02 | 12.36 |
14 | 119 | -0.81 | 0.59 | -11.33 | 8.23 |
15 | 137 | -1.00 | 0.00 | -15.00 | 0.00 |
16 | 112 | -0.81 | -0.59 | -12.94 | -9.40 |
17 | 128 | -0.31 | -0.95 | -5.25 | -16.17 |
18 | 121 | 0.31 | -0.95 | 5.56 | -17.12 |
19 | 124 | 0.81 | -0.59 | 15.37 | -11.17 |
20 | 102 | 1.00 | 0.00 | 20.00 | 0.00 |
X1 | = | t |
|
X2 | = | Cos | (2p t/10) |
X3 | = | Sen | (2p t/10) |
X4 | = | t Cos | (2p t/10) |
X5 | = | t Sen | (2p t/10) |
UTILIZACION DE SOFWARE
INFOSTAT
InfoStat es un software para análisis
estadístico de aplicación general. Cubre tanto las
necesidades elementales para la obtención de
estadísticas descriptivas y gráficos para el
análisis exploratorio, como métodos avanzados
de modelación estadística y análisis
multivariado. Una de sus fortalezas es la sencillez de su
interfaz combinada con capacidades profesionales para el
cálculo y el manejo de datos.
3.3.1 Ingreso de datos
Para ello hemos pegado la tabla de datos ya
procesados en Excel, tal como se muestra en la siguiente
imagen.
Luego debemos de especificar el nombre de cada columna,
para poder tener claro cuales son las variables a utilizar en el
siguiente caso.
Procesamiento de
datos
En esta parte debemos de seguir la siguiente ruta
ESTADISTICAS(REGRESION LINEAL
Seguidamente aparecerá la siguiente ventana donde
habrá que colocar la variable dependiente y las variables
independientes en el casillero que le corresponda.
Escogemos la tabla de Coeficientes de regresión y
estadísticos asociados para poder obtener el valor de cada
variable.
Resultados
La salida muestra los resultados de ajustar un modelo de
regresión lineal múltiple para describir la
relación entre VENTAS y 5 variables independientes. La
ecuación del modelo ajustado es
VENTAS = 120.804 + 0.152774*X1 –
0.522789*X2 – 3.83423*X3 – 0.257529*X4 +
0.441354*X5
Esta Tabla Final nos muestra el valor de
predicción, además del error de predicción,
pero sobre todo la predicción que teníamos como
objetivos al realizar este caso.
Tabla de los coeficientes de
Variable
Modelo Senoidal | |||||||||||||||||||||
Periodo de ciclo |
| = | 10 | ||||||||||||||||||
Termino Independiente |
| = | 120.804 | ||||||||||||||||||
Coeficiente Variable | X1 | = | 0.152774 | ||||||||||||||||||
Coeficiente Variable | X2 | = | -0.522789 | ||||||||||||||||||
Coeficiente Variable | X3 | = | -3.83423 | ||||||||||||||||||
Coeficiente Variable | X4 | = | -0.257529 | ||||||||||||||||||
Coeficiente Variable | X5 | = | 0.441354 |
MODELO SENOIDAL
Conclusiones
El Modelo Senoidal puede llegar a representar con
mucha exactitud la realidad, situación que pudimos
constatar con la utilidad de las variables
trigonométricas como predictores en un modelo de
pronóstico.El modelo Senoidal aplicado en la
administración de negocios, mejora notablemente el
entendimiento del comportamiento de las variables, generando
ventajas competitivas para quien los usa.Es un modelo aproximado por lo que el comportamiento
de la variable es algo diferente a la real, pero se usa con
excelentes resultados en pronosticar sus valoresEste modelo es un modelo que requiere definir el
coeficiente de suaviza miento pero es fácil de usar y
aplicar a problemas reales.
Glosario
Variable trigonométrica
Concepto que se utiliza en el ámbito de las
matemáticas para hacer referencia a las funciones
trigonométricas variables que pueden encontrarse en una
figura geométrica.
Ventaja competitiva
Se denomina ventaja competitiva a una ventaja que una
compañía tiene respecto a otras
compañías competidoras. Se dice que la única
ventaja competitiva de largo recorrido es que una empresa pueda
estar alerta y sea tan ágil como para poder encontrar
siempre una ventaja sin importar lo que pueda ocurrir.
Métodos predictivos
Puede referirse tanto a la «acción y al
efecto de predecir» como a «las palabras que
manifiestan aquello que se predice»; en este sentido,
predecir algo es «anunciar por revelación, ciencia o
conjetura algo que ha de suceder».
Modelo estadístico
Un modelo estadístico es una expresión
simbólica en forma de igualdad o ecuación que se
emplea en todos los diseños experimentales y en la
regresión para indicar los diferentes factores que
modifican la variable de respuesta.
Escenario futuro
Un escenario es un conjunto formado por la
descripción de una situación futura y el proceso
que marca la propia evolución de los acontecimientos de
manera que permitan al territorio pasar de la situación
actual a la situación futura.
Mínimo cuadrado
Es una técnica de análisis numérico
enmarcada dentro de la optimización matemática, en
la que, dados un conjunto de pares ordenados: variable
independiente, variable dependiente, y una familia de funciones,
se intenta encontrar la función continua, dentro de dicha
familia, que mejor se aproxime a los datos , de acuerdo con el
criterio de mínimo error cuadrático.
Referencias
bibliográficas
L2DJ Temas de Matemáticas Inc.
(24 de Octubre de 2011). Trigonometría 1.
Recuperado el 17 de Noviembre de 2014, de
Trigonometría 1:
http://es.slideshare.net/Matematicas_PR/grficas-senoidalesPérez, P. (2011). Modelos
estadísticos aplicados en administración de
negocios que generan ventajas competitivas. Mexico:
Publicacion de la Universidad del Valle de
México.Young, H. &. (2009). Modelo
Senoidal. En Física Universitaria
(págs. 492 – 493). México: Pearson
Educación.http://www.iessierradeguara.com/documentos/departamentos/tecnologia/electrotecnia/ARCHIVOS/TEORIA/elec_ondas_senoidales_cal.pdf
Anexos
Autor:
Cabrera, Edgar
Torres, José
Mayta, Judith
Atencio, William
Ticona, Alejandro
Presentado a:
Dr. Humberto Espada
Sánchez
Métodos Predictivos
Tacna – 2014
UNIVERSIDAD NACIONAL JORGE BASADRE
GROHMANN
Página anterior | Volver al principio del trabajo | Página siguiente |