- Introducción
- Resumen
- Marco
teórico: modelo senoidal - Aplicación a la ingeniería
comercial - Conclusiones
- Glosario
- Referencias
bibliográficas - Anexos
Introducción
Actualmente diversas instituciones requieren conocer el
comportamiento futuro de ciertos fenómenos con el fin de
planificar y prevenir, pero sobre todo de entender el
comportamiento de las variables y a su vez obtener una ventaja
competitiva, para todo ello se hace necesario el uso de los
métodos predictivos o modelos de
predicción.
En el siguiente trabajo buscamos desarrollar uno de los
principales modelos para establecer ecuaciones de
regresión múltiple especiales que se adecuen a
casos particulares. Este es el caso del modelo Senoidal y como
este método nos permite realizar predicciones cada vez
más exactas, donde la principal variable con la que
trabaja es el tiempo, es decir, la que utiliza para predecir lo
que ocurrirá con una variable en el futuro a partir del
comportamiento de esa variable.
En las organizaciones es de mucha utilidad las
predicciones a corto y mediano plazo, por ejemplo ver que
ocurrirá con la demanda de un cierto producto, las ventas
al futuro, decisiones sobre inventario, insumos, etc. En estos
tiempos la información se ha convertido en poder, y lograr
obtener predicciones sobre los principales ámbitos
estratégicos de la empresa va a garantizar el éxito
de una empresa que desea tener éxito, es por ello que se
es fundamental la aplicación de métodos predictivos
como soporte para una adecuada toma de decisiones.
Los datos se pueden comportar de diferentes formas a
través del tiempo, Puede que se presente una tendencia, un
ciclo; no tener una forma definida o aleatoria, variaciones
estacionales (Anual, semestral, etc.) el reto es que se encuentre
un patrón a estos datos, y a partir de ello el modelo de
predicción mas adecuado para un caso en
particular.
Resumen
El presente trabajo busca desarrollar uno de los
métodos de predicción utilizado en los negocios,
este es caso del modelo Senoidal, para ello hemos partido de
tener en claro que este es un modelo estadístico
aproximado que se caracteriza por utilizar funciones
trigonométricas, teniendo como principal finalidad el
hecho de entender el comportamiento de las variables, al
establecerse una ecuación de regresión
múltiple.
Para poner en práctica este modelo, daremos uso
de un software estadístico especializado como lo es el
SPSS Statistics.
La parte práctica de este trabajo consiste en la
aplicación de la Ingeniería Comercial, para lo cual
utilizando tres situaciones que se presentan en diferentes
empresas, buscaremos obtener una predicción que nos
permita entender el comportamiento de las variables y a su vez
obtener una ventaja competitiva para la empresa.
Es importante tener en cuenta que este un modelo
aplicado en la administración de negocios, por lo que el
comportamiento de las variables se convierte en algo primordial
que la empresa debe de conocer, para poder realizar predicciones
cada vez mas exactas.
OBJETIVOS DEL ESTUDIO
Objetivos generales
Construir un modelo Senoidal de pronostico
aproximado basado en la técnica de regresión
múltiple para una determinada empresaFormular un escenario futuro de mercado utilizando
un software estadístico especializado como el
SPSS
Objetivos específicos
Desarrollar el modelo senoidal y analizar de que
forma este, puede ayudarnos a realizar predicciones cada vez
mas exactas.Ilustrar la utilidad de las variables
trigonométricas como predictores en un modelo de
pronósticoEstablecer a partir del modelo senoidal ecuaciones
de regresión múltiple especiales que se adecuen
a casos particulares.
Marco
teórico: modelo senoidal
Concepto
Modelo estadístico aproximado que trabaja con
términos periódicos como variables independientes
para pronosticar sus valores.
Características
Utiliza funciones trigonométricas dentro de
la ecuación (Sen, Cos, Tg, etc.)Son útiles en las serie de tiempo debido al
efecto cíclico que normalmente presenta.Realiza predicciones cada vez más
exactas.Ilustran como pueden combinarse linealmente
funciones no lineales de las variables independientes en una
ecuación econométricas de predicción por
el método de mínimo cuadrados.
Finalidad
Establecer ecuaciones de regresión
múltiple especiales que se adecuen a casos
particulares.Brinda una ventaja competitiva a partir del
pronóstico obtenido.
Metodología del Modelo Senoidal
La esencia del modelo senoidal es lograr establecer
ecuaciones de regresión múltiple especiales que se
adecuen a casos particulares (únicos), por lo cual no
existe una ecuación general de regresión senoidal,
esta varia de acuerdo a al cantidad de variables independientes o
causales que se utilicen en el modelo, y al arreglo que se le de
a cada ecuación mediante funciones trigonométricas
para una mejor predicción. Una vez establecida la
ecuación, solo se debe adecuar a un modelo de
regresión múltiple. Por ejemplo la siguiente
ecuación es de un modelo senoidal en función solo
de la variable tiempo como variable independiente o
causal.
Ventajas y desventajas
VENTAJAS | DESVENTAJAS |
|
|
Descripción del software
SPSS son las siglas en ingles, que en su
traducción al castellano quedaría como "Paquete
Estadístico para las Ciencias Sociales".
Se trata de un programa o software estadístico
que se emplea muy a menudo en las ciencias sociales y, de un modo
más específico por las empresas y profesionales de
investigación de mercados. Ello quiere decir que este
software estadístico resultará de gran utilidad a
la hora de llevar a cabo una investigación de
carácter comercial.
Es uno de los programas estadísticos más
conocidos teniendo en cuenta su capacidad para trabajar con
grandes bases de datos y un sencillo interface para la
mayoría de los análisis.
Función
Los usuarios pueden ejecutar análisis
estadísticos, simples o complejos, haciendo clic en una
serie de menús desplegables y seleccionando los comandos
deseados pre-programados. Como resultado, permite a los usuarios
crear programas personalizados, o para unir múltiples
operaciones de pre-programados para ser aplicados en
secuencia.
Beneficios
Un programa SPSS permite a un usuario llevar a cabo el
mismo procedimiento en repetidas ocasiones, sin tener que
recordar los menús desplegables o los comandos que debe
hacer clic y elegir con el fin de establecer la serie de los
procedimientos necesarios. Esto ahorra tiempo al organizar y
analizar los datos.
Módulos del SPSS
El sistema de módulos de SPSS, como los de otros
programas (similar al de algunos lenguajes de
programación) provee toda una serie de capacidades
adicionales a las existentes en el sistema base. Algunos de los
módulos disponibles son:
Modelos de Regresión
Modelos Avanzados
Tendencias
Análisis Conjunto
Pruebas Exactas
Muestras Complejas
Árboles de Clasificación
Aplicación
a la ingeniería comercial
Aplicación 1
La Panadería "Bohemia Tacneña" dedicada a
la venta de panes desea conocer el valor de sus ventas al final
de cada semana. Para ello recurrieron a un Ing. Comercial, quien
a partir de un modelo senoidal de predicción ajustado por
mínimos cuadrados podrá obtener dichos valores.
Para todo ello se cuenta con los siguientes datos:
Semana T | Valor Observado de |
1 | 70.65 |
2 | 67.81 |
3 | 66.01 |
4 | 66 |
5 | 67.83 |
6 | 70.92 |
7 | 74.07 |
8 | 76.09 |
9 | 76.44 |
10 | 75.28 |
11 | 73.29 |
12 | 71.54 |
13 | 71.03 |
14 | 72.06 |
15 | 74.27 |
16 | 76.89 |
17 | 78.95 |
18 | 79.69 |
19 | 79 |
20 | 77.46 |
21 | 75.93 |
22 | 75.28 |
23 | 76.04 |
24 | 78.11 |
25 | 80.71 |
26 | 82.86 |
27 | 83.83 |
28 | 83.29 |
29 | 82.04 |
30 | 79.63 |
APLICACIÓN CON
EXCEL
Inicializando Excel 2010. Este lo
encontramos en el escritorio
3.1.1 Ingreso de datos
Para realizar el modelo senoidal lo primero
que se debe hacer es ingresar los datos de la siguiente
manera.
3.1.2 Procedimiento
Primero debemos hallar los picos. Para lo
cual seleccionamos todos los datos de la tabla
Seguidamente vamos al
menú(INSERTAR(GRAFICOS(DISPERSION y escogemos el que nos
dice Dispersión con Líneas Suavizadas y marcadores
y le damos clic.
Automáticamente nos aparece el siguiente
grafico
Seguidamente creamos nuestra tabla de acuerdo al Modelo
Senoidal que nos ayude a entender mejor el problema. Nos debe
quedar de la siguiente manera.
Seguidamente insertamos en una celda (en nuestro Caso
J3) el valor de 180 que representa a Pi. Y seguidamente damos
clic en la celda C4 para insertar una formula para toda esa
columna.
Y comenzamos insertando la formula, con la finalidad de
hallar el valor X2 para el periodo 1.
Seguidamente jalamos desde la parte inferior derecha de
la celda para que toda la columna X2 tenga sus respectivos
valores. Nos debe quedar de la siguiente manera:
A continuación hacemos el mismo
procedimiento con las siguientes columnas:
X3
X4
X5
Y por ultimo, para terminar de completar la tabla.
Arrastramos las columnas de X3, X4 y X5 haciendo clic sin soltar
desde la parte inferior derecha de cada celda
Finalmente nos debe quedar así nuestra
tabla:
Seguidamente una columna con el nombre de PREDICCION,
que es lo que deseamos sabes:
Inicializamos SPSS 20 de IBM
Copiamos los datos de Excel
Lo llevamos al SPSS
Damos clic en vista de variables y le ponemos nombre a
las columnas
Una vez llenados los datos seguimos la siguiente ruta
ANALIZAR(REGRESION (LINEALES
Aparece la siguiente ventana donde
ingresamos la variable dependiente y las
independientes
Al final nos sale la siguiente, ventana con los
resultados para la ecuación
Ahora, adecuamos el modelo de regresión
múltiple que anteriormente nos dio el SPS
La formula debe quedar de la siguiente
manera:
Nuestra tabla final ya esta lista y
debería quedarnos de la siguiente manera:
Semana T | Cos(2pT/10) | Sen(2pT/10) | TCos(2pT/10) | TSen(2pT/10) | Valor Observado de | PREDICCION |
X1 | X2 | X3 | X4 | X5 | ||
1 | 0.81 | 0.59 | 0.81 | 0.59 | 70.65 | 70.60 |
2 | 0.31 | 0.95 | 0.62 | 1.90 | 67.81 | 67.84 |
3 | -0.31 | 0.95 | -0.93 | 2.85 | 66.01 | 66.02 |
4 | -0.81 | 0.59 | -3.24 | 2.35 | 66 | 66.00 |
5 | -1.00 | 0.00 | -5.00 | 0.00 | 67.83 | 67.86 |
6 | -0.81 | -0.59 | -4.85 | -3.53 | 70.92 | 70.92 |
7 | -0.31 | -0.95 | -2.16 | -6.66 | 74.07 | 74.03 |
8 | 0.31 | -0.95 | 2.47 | -7.61 | 76.09 | 76.07 |
9 | 0.81 | -0.59 | 7.28 | -5.29 | 76.44 | 76.44 |
10 | 1.00 | 0.00 | 10.00 | 0.00 | 75.28 | 75.26 |
11 | 0.81 | 0.59 | 8.90 | 6.47 | 73.29 | 73.28 |
12 | 0.31 | 0.95 | 3.71 | 11.41 | 71.54 | 71.56 |
13 | -0.31 | 0.95 | -4.02 | 12.36 | 71.03 | 71.03 |
14 | -0.81 | 0.59 | -11.33 | 8.23 | 72.06 | 72.03 |
15 | -1.00 | 0.00 | -15.00 | 0.00 | 74.27 | 74.27 |
16 | -0.81 | -0.59 | -12.94 | -9.40 | 76.89 | 76.91 |
17 | -0.31 | -0.95 | -5.25 | -16.17 | 78.95 | 78.96 |
18 | 0.31 | -0.95 | 5.56 | -17.12 | 79.69 | 79.72 |
19 | 0.81 | -0.59 | 15.37 | -11.17 | 79 | 79.07 |
20 | 1.00 | 0.00 | 20.00 | 0.00 | 77.46 | 77.51 |
21 | 0.81 | 0.59 | 16.99 | 12.34 | 75.93 | 75.95 |
22 | 0.31 | 0.95 | 6.80 | 20.92 | 75.28 | 75.29 |
23 | -0.31 | 0.95 | -7.11 | 21.87 | 76.04 | 76.04 |
24 | -0.81 | 0.59 | -19.42 | 14.11 | 78.11 | 78.07 |
25 | -1.00 | 0.00 | -25.00 | 0.00 | 80.71 | 80.68 |
26 | -0.81 | -0.59 | -21.03 | -15.28 | 82.86 | 82.89 |
27 | -0.31 | -0.95 | -8.34 | -25.68 | 83.83 | 83.89 |
28 | 0.31 | -0.95 | 8.65 | -26.63 | 83.29 | 83.37 |
29 | 0.81 | -0.59 | 23.46 | -17.05 | 82.04 | 81.69 |
30 | 1.00 | 0.00 | 30.00 | 0.00 | 79.63 | 79.76 |
Modelo Senoidal
Página siguiente |