Embed Size (px)
DESCRIPTION
Pronosticos mixtospronosticos estacionales pronostico de regresion lineal plantilla en excel para pronosticos Pronosticos de produccion industrial
Citation preview
AÑO PERIODO VENTAS x y xy x²
2014
ENERO 300 1 300 300 1FEBRERO 280 2 280 560 4MARZO 320 3 320 960 9ABRIL 300 4 300 1200 16MAYO 350 5 350 1750 25JUNIO 300 6 300 1800 36JULIO 380 7 380 2660 49
AGOSTO 330 8 330 2640 64SEPTIEMBRE 420 9 420 3780 81
OCTUBRE 350 10 350 3500 100NOVIEMBRE 450 11 450 4950 121DICIEMBRE 380 12 380 4560 144
78 4160 28660 650
22
2
xxn
xyxya x
22 xxn
yxxyn
b
Y=273,03 + 11,329(x) año x Y=273,03 + 11,329(x) año x284.36
2015
13 420.30
2016
25295.69 14 431.63 26307.02 15 442.96 27318.34 16 454.29 28329.67 17 465.62 29341.00 18 476.95 30352.33 19 488.28 31363.66 20 499.60 32374.99 21 510.93 33386.32 22 522.26 34397.65 23 533.59 35408.97 24 544.92 36
a 273.03 0.77871689b 11.33n 12Y=a + b(x) Y=273,03 + 11,329(x)
ENER
O
FEBR
ERO
MAR
ZO
ABRI
L
MAY
O
JUNI
O
JULIO
AGO
STO
SEPT
IEM
BRE
OCT
UBRE
NOVI
EMBR
E
DICI
EMBR
E
2014
0
50
100
150
200
250
300
350
400
450
500
f(x) = 11.3286713286713 x + 273.030303030303R² = 0.606358399309941
VENTAS
VENTASLinear (VENTAS)
1500 2000 2500 3000 3500 4000 45000
50
100
150
200
250
300
350
f(x) = NaN x + NaNR² = 0 VENTAS
VENTASLinear (VENTAS)
ENER
O
FEBR
ERO
MAR
ZO
ABRI
L
MAY
O
JUNI
O
JULIO
AGO
STO
SEPT
IEM
BRE
OCT
UBRE
NOVI
EMBR
E
DICI
EMBR
E
2014
0
50
100
150
200
250
300
350
400
450
500
f(x) = 11.3286713286713 x + 273.030303030303R² = 0.606358399309941
VENTAS
VENTASLinear (VENTAS)
Y=273,03 + 11,329(x)556.25567.58578.90590.23601.56612.89624.22635.55646.88658.21669.53680.86
ENER
O
FEBR
ERO
MAR
ZO
ABRI
L
MAY
O
JUNI
O
JULIO
AGO
STO
SEPT
IEM
BRE
OCT
UBRE
NOVI
EMBR
E
DICI
EMBR
E
2014
0
50
100
150
200
250
300
350
400
450
500
f(x) = 11.3286713286713 x + 273.030303030303R² = 0.606358399309941
VENTAS
VENTASLinear (VENTAS)
1500 2000 2500 3000 3500 4000 45000
50
100
150
200
250
300
350
f(x) = NaN x + NaNR² = 0 VENTAS
VENTASLinear (VENTAS)
ENER
O
FEBR
ERO
MAR
ZO
ABRI
L
MAY
O
JUNI
O
JULIO
AGO
STO
SEPT
IEM
BRE
OCT
UBRE
NOVI
EMBR
E
DICI
EMBR
E
2014
0
50
100
150
200
250
300
350
400
450
500
f(x) = 11.3286713286713 x + 273.030303030303R² = 0.606358399309941
VENTAS
VENTASLinear (VENTAS)
AÑO PERIODO VENTAS promedio estacional S año ventas
2014
ENERO 300 347 0.87
2015
?FEBRERO 280 347 0.81 ?MARZO 320 347 0.92 ?ABRIL 300 347 0.87 ?MAYO 350 347 1.01 ?JUNIO 300 347 0.87 ?JULIO 380 347 1.10 ?
AGOSTO 330 347 0.95 ?SEPTIEMBRE 420 347 1.21 ?
OCTUBRE 350 347 1.01 ?NOVIEMBRE 450 347 1.30 ?DICIEMBRE 380 347 1.10 ?
4160 6000
promedio estacional pronostico500 432.692308500 403.846154500 461.538462500 432.692308500 504.807692500 432.692308500 548.076923500 475.961538500 605.769231500 504.807692500 649.038462500 548.076923
6000
MESES
ENERO 80 100 90FEBRERO 75 85 80MARZO 80 90 85ABRIL 90 110 100MAYO 115 131 123JUNIO 110 120 115JULIO 100 110 105AGOSTO 90 110 100SEPTIEMBRE 85 95 90OCTUBRE 75 85 80NOVIEMBRE 75 85 80DICIEMBRE 80 80 80
1128
VENTAS 2003 (EA)
VENTAS 2004 (EA)
VENTAS PROMEDIO MENSUAL
2005
94 0.96 ? 208
94 0.85 ? 208
94 0.90 ? 208
94 1.06 ? 208
94 1.31 ? 208
94 1.22 ? 208
94 1.12 ? 208
94 1.06 ? 208
94 0.96 ? 208
94 0.85 ? 208
94 0.85 ? 208
94 0.85 ? 208
11282500 2500
promedio estacional
promedio estacional
pronostico2006
199 ? 292 279
177 ? 292 248
188 ? 292 264
222 ? 292 310
273 ? 292 382
255 ? 292 357
233 ? 292 326
222 ? 292 310
199 ? 292 279
177 ? 292 248
177 ? 292 248
177 ? 292 248
2500 3500 3500 3500
promedio estacional
pronostico
AÑO TRIMESTRE x y
2012
I 3000 1 3000 2967
II 1700 2 1700 2967
III 900 3 900 2967
IV 4400 4 4400 2967
2013
I 3300 5 3300 2967
II 2100 6 2100 2967
III 1500 7 1500 2967
IV 5100 8 5100 2967
2014
I 3502 9 3502 2967
II 2448 10 2448 2967
III 1768 11 1768 2967
IV 5882 12 5882 296778 35600
VENTAS REALES (MPS)
promedio estacional
I II III IV I II III IV I II III IV2012 2013 2014
0
1000
2000
3000
4000
5000
6000
7000
VENTAS REALES (MPS)
VENTAS REALES (MPS)
22
2
xxn
xyxya x
I II III IV I II III IV I II III IV2012 2013 2014
0
1000
2000
3000
4000
5000
6000
7000
VENTAS REALES (MPS)
VENTAS REALES (MPS)
s DESESTACIONALIZAR X Y
3267 1.10 2723.9 1 2723.9
2082.66666666667 0.70 2421.6 2 2421.6
1389.33333333333 0.47 1921.8 3 1921.8
5127.33333333333 1.73 2545.8 4 2545.8
3267 1.10 2996.3 5 2996.3
2082.66666666667 0.70 2991.4 6 2991.4
1389.33333333333 0.47 3203.0 7 3203.0
5127.33333333333 1.73 2950.9 8 2950.9
3267 1.10 3179.7 9 3179.7
2082.66666666667 0.70 3487.1 10 3487.1
1389.33333333333 0.47 3775.2 11 3775.2
5127.33333333333 1.73 3403.3 12 3403.378 35600.0
promedio ventas reales
I II III IV I II III IV I II III IV2012 2013 2014
0
1000
2000
3000
4000
5000
6000
7000
VENTAS REALES (MPS)
VENTAS REALES (MPS)
22
2
xxn
xyxya x
22 xxn
yxxyn
b
I II III IV I II III IV I II III IV2012 2013 2014
0
1000
2000
3000
4000
5000
6000
7000
VENTAS REALES (MPS)
VENTAS REALES (MPS)
XY X² y=555+342(X) ESTACIONALIZAR
2723.93389 1 2315.55350327908 2550.23094821815
4843.14981 4 2433.9377148041 1708.67897102202
5765.35509 9 2552.32192632911 1195.28963920671
10183.3312 16 2670.70613785413 4615.82042836766
14981.6364 25 2789.09034937914 3071.75995557465
17948.1434 36 2907.47456090416 2041.11247826171
22420.8253 49 3025.85877242917 1417.05386106571
23606.8132 64 3144.24298395419 5434.24107631274
28617.6495 81 3262.62719547921 3593.28896293114
34870.6786 100 3381.01140700422 2373.54598550139
41527.6392 121 3499.39561852924 1638.8180829247
40839.7868 144 3617.77983005425 6252.66172425781248328.942 650
A 2197.2B 118.4N 12
1 2 3 4 5 6 7 8 9 10 11 120
500
1000
1500
2000
2500
3000
3500
4000
f(x) = 118.384211525016 x + 2197.16929175406R² = 0.704888016826692
XYLinear (Y)
PERIODOSy=555+342(X)
ESTACIONAIZAR
2015
13 3736.16404157927 4114.8179702876414 3854.54825310428 2705.9794927410815 3972.9324646293 1860.582304783716 4091.31667615432 7071.08237220289
1 2 3 4 5 6 7 8 9 10 11 120
500
1000
1500
2000
2500
3000
3500
4000
f(x) = 118.384211525016 x + 2197.16929175406R² = 0.704888016826692
XYLinear (Y)
