analisis estrategico

28. TENDENCIA: ventas de SEARS (1955-1985)

30. ESTACIONALIDAD

32. CICLICIDAD

34. SERIE ALEATORIA:generada por números aleatorios

36. SERIE ESTACIONARIA

37. SERIE CON VARIOS PATRONES

38. PATRONES Y CORRELOGRAMAS Una forma de saber si la serie tiene Tendencia, Estacionalidad, es una serie Aleatoria o una serie Estacionaria es mediante la observación del Correlograma. Correlograma: gráfica que muestra los coeficientes de autocorrelación de la serie

50. SERIE DE VENTAS: ACME OBS TRIM. 1 TRIM. 2 TRIM. 3 TRIM. 4 1985 500.0000 350.0000 250.0000 400.0000 1985 450.0000 350.0000 200.0000 300.0000 1986 350.0000 200.0000 150.0000 400.0000 1988 550.0000 350.0000 250.0000 550.0000 1989 550.0000 400.0000 350.0000 600.0000 1990 750.0000 500.0000 400.0000 650.0000 1991 850.0000 600.0000 450.0000 700.0000 1992 550.0000 400.0000 500.0000 NA 1993 NA NA NA NA 1994 NA

52. MODELOS NAIVE: F t+1 = Y t ACME ACME1 500.0000 NA 350.0000 500.0000 250.0000 350.0000 400.0000 250.0000 450.0000 400.0000 350.0000 450.0000 200.0000 350.0000 300.0000 200.0000 350.0000 300.0000 200.0000 350.0000 150.0000 200.0000 400.0000 150.0000 550.0000 400.0000 350.0000 550.0000 250.0000 350.0000 550.0000 250.0000 550.0000 550.0000 400.0000 550.0000 350.0000 400.0000 600.0000 350.0000 750.0000 600.0000 Serie con tendencia y estacionalidad

53. MODELOS NAIVE: F t+1 = Y t Serie con tendencia y estacionalidad

54. MODELOS NAIVE: F t+1 = Y t +(Y t - Y t-1 ) ACME ACME2 500.0000 NA 350.0000 NA 250.0000 200.0000 400.0000 150.0000 450.0000 550.0000 350.0000 500.0000 200.0000 250.0000 300.0000 50.00000 350.0000 400.0000 200.0000 400.0000 150.0000 50.00000 400.0000 100.0000 550.0000 650.0000 350.0000 700.0000 250.0000 150.0000 550.0000 150.0000 550.0000 850.0000 400.0000 550.0000

55. MODELOS NAIVE: F t+1 = Y t +(Y t - Y t-1 )

56. MODELOS NAIVE: F t+1 =Y t-3 ACME ACME3 500.0000 NA 350.0000 NA 250.0000 NA 400.0000 NA 450.0000 500.0000 350.0000 350.0000 200.0000 250.0000 300.0000 400.0000 350.0000 450.0000 200.0000 350.0000 150.0000 200.0000 400.0000 300.0000 550.0000 350.0000 350.0000 200.0000 250.0000 150.0000 550.0000 400.0000 550.0000 550.0000 400.0000 350.0000 350.0000 250.0000 600.0000 550.0000

57. MODELOS NAIVE: F t+1 =Y t-3

58. ERRORES

62. PROMEDIO MÓVIL DE ORDEN 2

63. PROMEDIO MÓVIL DE ORDEN 3

64. PROMEDIO MÓVIL DE ORDEN 4

65. PROMEDIO MÓVIL DOBLE LINEAL (Brown) F t+p = A t +p* B t

66. PROMEDIO MÓVIL DOBLE LINEAL (Brown)

68. SUAVIZAMIENTO EXPONENCIAL SIMPLE (  0.2620)

69. SUAVIZAMIENTO EXPONENCIAL SIMPLE (  0.2620)

70. SUAVIZAMIENTO EXPONENCIAL DOBLE (  0.2620) F t+p= a t+p b t Donde= at= 2At - A’t bt=  /  (At - A’t) At=  Yt+(  )A t-1 A’t=  At+(  )A’ t

71. SUAVIZAMIENTO EXPONENCIAL DOBLE (  0.2620)

72. SUAVIZAMIENTO EXPONENCIAL DOBLE (  0.2620)

73. SUAVIZAMIENTO DE HOLT  = 0.31,  = 0

74. SUAVIZAMIENTO DE HOLT

75. SUAVIZAMIENTO DE WINTERS  =  1 ,  =  0, = 0 

76. SUAVIZAMIENTO DE WINTERS

77. MEDIDAS DE ERROR DADO QUE LA SERIE TIENE COMPONENTE ESTACIONAL, EL MEJOR MODELO ES WINTERS

83. REGRESIÓN LINEAL NOTACIÓN Y= VARIABLE DEPENDIENTE OBSERVADA Y= VALOR PRONOSTICADO X= VARIABLES INDEPENDIENTES (X = X1,X2,X3) Y= b 0 + b 1 * X1+ b 2 * X2+ b 3 *X3 E(Y/X) =  0 +  1 * X1+  2 * X2+  3 * X3 U= E(Y/X) - Y (ERROR ALEATORIO) e= Y - Y (ERROR DEL PRONÓSTICO)   

84. REPRESENTACIÓN GRÁFICA FRP: E(Y/X) FRM Xi Yi Yi  Ui ei

85. NOTACIÓN MATRICIAL SI SE TIENEN n OBSERVACIONES MUESTRALES (para cada variable) Y k VARIABLES: Y: VECTOR DE VALORES DE LA VARIABLE Y (n *1)  VECTOR DE COEFICIENTES DE LA FRP (k*1) X: MATRIZ DE VALORES DE LAS VARIABLES INDEPENDIENTES (n*k) b: VECTOR DE COEFICIENTES DE LA FRM (k*1) U: VECTOR DE ERRORES (FRP) (n*1) e: VECTOR DE ERRORES DEL PRONÓSTICO (FRM) (n*1)

90. EJEMPLO

91. EJEMPLO

95. R 2 : COEFICIENTE DE DETERMINACIÓN R 2 : ES EL PORCENTAJE DE VARIACIÓN DE LA VARIABLE DEPENDIENTE, EXPLICADA POR LAS VARIABLES DEPENDIENTES EN EL EJEMPLO: LAS VARIABLES PRECIO Y PUBLICIDAD EXPLICAN EN UN 83% A LA VARIABLE VENTAS