¡Descarga Análisis de Series Temporales y Regresión Lineal para Predecir Clientes o Ventas y más Ejercicios en PDF de Estadística Descriptiva solo en Docsity!
Nombre : Matrícula :
Nombre del curso:
Estadística y pronósticos para la toma de
decisiones
Nombre del profesor:
Módulo:
Módulo 2: Series de tiempo y regresión
lineal simple
Actividad:
Evidencia 2
Fecha: 2022
Bibliografía:
Organícense en equipos de trabajo de 3 a 4 integrantes y seleccionen uno de los casos que se presentan a continuación. Resuélvanlo y presenten su propuesta de solución en clase. Caso 1 El director de Consumer Credit Counseling (CCC), Marv Hrnishfeger, concluyó que la variable más importante que CCC necesitaba pronosticar era el número de clientes que habría en el resto de 1993. Marv proporcionó a Dorothy Mercer los datos mensuales del número de clientes nuevos que CCC había visto en el periodo de enero de 1985 a marzo de 1993. En ese caso Dorothy empleó el análisis de correlación para explorar el patrón de datos. Utilicen los resultados de esta investigación para realizar lo siguiente. ➔ Desarrollo de tres modelos de pronósticos para calcular el número posible de clientes de la CCC para el resto de 1993. Se pueden emplear los métodos de promedio simple, promedio móvil y suavizamiento exponencial. Promedio simple Año Enero Febrero Marzo Abril Mayo Junio Julio Agosto 1985 182 136 99 77 75 63 87 73 1986 102 121 128 128 112 122 104 108 1987 145 103 113 150 100 131 96 92 1988 101 153 138 107 100 114 78 106 1989 150 102 151 100 100 98 97 120 1990 127 146 175 110 153 117 121 121 1991 171 185 172 168 142 152 151 141 1992 166 138 175 108 112 147 168 149 1993 152 151 199 119 112 118 113 114
Septiembre Octubre Noviembre Diciembre Total (^83 82 74 75 ) (^97 141 97 87 ) (^88 118 102 98 ) (^94 93 103 104 ) (^98 135 141 67 ) (^131 147 121 110 ) (^128 151 121 126 ) (^145 149 169 138 ) (^108 127 116 101 ) Suavización exponencial Total de clientes a= 0.05 111 112 145 167 150 145 149 168 140 1789 a= 0.1 115 112 144 166 151 145 149 167 141 1791 a= 0.2 121 111 140 164 153 146 148 165 144 1794 a= 0.3 128 111 137 162 155 146 148 163 147 1798 ➔ Identifiquen cuál de los tres métodos aplicados es el mejor y justifiquen su respuesta. La suavización exponencial, ya que el promedio móvil porque entre más se aumente el valor de k más bajo va a hacer el valor de los pronósticos y con el valor más bajo de alfa se puede ver que es mayor que si k tuviera un valor de 2. Caso 2 Julie Murphy sabe que las decisiones operativas más importantes dependen, hasta cierto grado, de un buen pronóstico. Para Murphy Brothers Furniture, los pronósticos de ventas ejercen influencia en Promedio móvil Total de clientes k= 2 138 127 150 160 145 137 150 145 132 1785 k= 3 129 136 139 147 137 135 149 137 125 1734 k= 4 122 127 129 134 133 126 146 138 110 1665
Caso 3 Karin, miembro del equipo de Surtido Cookies, sugirió que los pronósticos de las ventas futuras para un mes determinado se podrían generar usando el promedio de ventas históricas de ese mes. Sin embargo, después de aprender algo acerca de los métodos de suavización, pensó en aplicar esta metodología para elaborar pronósticos de las ventas futuras. Karin sabe que un paso importante seleccionar un buen método de pronóstico es, primeramente, graficar la serie de tiempo de las ventas y realizar un análisis de autocorrelación para verificar y reforzar el patrón observado en la gráfica. Karin debe pronosticar el objetivo de ventas mensuales para los meses restantes de 2003. A. ¿Qué patrón observó Karin en la gráfica de serie de tiempo de las ventas de Surtido Cookies? La serie de tiempo es cíclica ya que se refiere a que sus ventas van subiendo y bajando en un ciclo o loop infinito En los periodos noviembre- diciembre hay mas ventas y con ello más ganancia B. ¿La autocorrelación es congruente con el patrón que se observa en la gráfica? No es congruente porque es mayor que el H0 y con ello cae en la zona de rechazo R1= 0. H0= 0. C. Aplica un método de suavización para pronosticar las ventas futuras de galletas y elabora un pronóstico para los meses restantes de 2003.
Suavización Exponencial
D. Aplica un método de medias móviles para pronosticar las ventas futuras de galletas y elabora un
pronóstico para los meses restantes de 2003. E. ¿Cuál método es mejor y por qué? El método de promedio móvil por tener un pronóstico mayor que la suavización exponencial, aunque
- 2000 2001 2002 k=2 k= Promedio Movil - 1 666,922.00 802,365.00 574,064.00 1,072,617.00 1,072,617. - 2 559,962.00 567,637.00 521,469.00 510,005.00 510,005. - 3 441,071.00 527,987.00 522,118.00 579,541.00 579,541. - 4 556,265.00 684,457.00 716,624.00 771,350.00 771,350. - 5 529,673.00 747,335.00 632,066.00 590,556.00 590,556. - 6 564,722.00 658,036.00 633,984.00 646010 618,914. - 7 638,531.00 874,679.00 543,636.00 709157.5 685,615. - 8 478,899.00 793,355.00 596,131.00 694743 622,795. - 9 917,045.00 1,819,748.00 1,606,798.00 1713273 1,447,863. - 10 1,515,695.00 1,600,287.00 1,774,832.00 1687559.5 1,630,271. - 11 1,834,695.00 2,177,214.00 2,102,863.00 2140038.5 2,038,257. - 12 1,874,515.00 1,759,703.00 1,819,749.00 1789726 1,817,989. - 10,577,995.00 13,012,803.00 12,044,334.00 12,904,576.50 12,385,774.
- 8 478,899.00 793,355.00 596,131.00 560,188.15 576740.3 609844.6 642948. tenga un resultado más realista que el promedio móvil.
- 9 917,045.00 1,819,748.00 1,606,798.00 605,992.20 615853.4 635575.8 655298.
- 10 1,515,695.00 1,600,287.00 1,774,832.00 1,617,445.50
- 11 1,834,695.00 2,177,214.00 2,102,863.00 1,766,104.75 1757377.5 1739923 1722468.
- 12 1,874,515.00 1,759,703.00 1,819,749.00 2,106,580.55 2110298.1 2117733.2 2125168.
- 10,577,995.00 13,012,803.00 12,044,334.00 11,453,396.20 11,492,413.40 11,570,447.80 11,648,482.
