que son los modelos deterministicos y su importanciaDescripción completa
resolucion pronosticos ejercicios krajeuski
Descripción completa
Manual de capacitacion de pronosticos
Ejercicios
Para complementar conocimientos en claseDescripción completa
Descripción completa
resolucion pronosticos ejercicios krajeuski
Descripción: MANUAL DE APRENDIZAJE
Descripción: ejercicios de pronosticos
Guía de ejercicios de pronosticosDescripción completa
Análisis de pronósticos de ventas con regreisón lienal
Descripción completa
pronosticosDescripción completa
PRONOSTICOS
Taller Pronosticos IIDescripción completa
pronósticos
Descripción: :)
PMS clear all clc n=input ( ' Digite el numero de datos: '); '); for i=1:n for i=1:n x(i)= input(' input(' Digite los valores del consumo: '); '); end display(x); periodo=input ( ' Digite el periodo: '); '); p=periodo; k=1; while (p<=n) while (p<=n) sum=0; for i= for i= k: p sum= sum+ x(i); end pronostico(k)=sum/periodo; k=k+1; p=p+1; end display(pronostico) fprintf (' (' El valor pronosticado es: %d', %d', pronostico(k-1) );
PMP clear all clc n=input ( ' Digite el numero de datos: '); '); for i=1:n for i=1:n x(i)= input(' input(' Digite los valores del consumo: '); '); %Datos del vector end display(x); periodo=input ( ' Digite el periodo: '); '); for i=1:periodo for i=1:periodo peso(i) =input ( ' Digite las ponderaciones: '); '); %ponderaciones end display(peso) p=periodo; k=1; while (p<=n) while (p<=n) sum=0; j=1; for i= for i= k: p sum= sum+ x(i)*peso(j); j=j+1; end
pronostico(k)=sum; k=k+1; p=p+1; end display(pronostico) fprintf (' El valor pronosticado es: %d', pronostico(k-1) );
EXPONENCIAL SIMPLE clear all clc n=input ( ' Digite el numero de datos: '); for i=1:n d(i)= input(' Digite los valores de la demanda: '); %Datos del vector end display(d); alfa=input ( ' Digite la constante de suavización: '); p(1)== d(1); for i= 1: n; p(i+1)= d(i)+ alfa*( d(i)-p(i)); end fprintf (' El valor pronosticado es: %d', p(n+1) );
SUAVIZACIÓN EXPONENCIAL DOBLE
clc clear t = input(‘Digite el número de períodos: ’); k= input(‘Digite el número de valores que desea pronosticar: ‘ ); a= input(‘Digite el valor de la constante de suavización: ’); b= input(‘Digite el valor de la constante de tendencia: ’);
for i=1:t-, D(i)=input(‘Digite el valor de la demanda: ‘); end for i=1:t; F(i) = 1; S(i)=1; T(i)=1; end F(1)=D(1) ; S(1)=D(1) ; T(1)=(D(t)-D(1))/(t-1) ;
for i=2:t F(i)= S(i-1)+k*T(i-1); S(i)= F(i) + a*(D(i)-F(i)); T(i)=T(i-1) + b*(F(i) – F(i-1) - T(i-1)); end F(t+k)= S(t)+k*T(t); f printf =(‘El valor del pronóstico es: ‘); F(t+k)
Regresión Lineal en Matlab clear all;
clc; fprintf('Metodo de Regresion Lineal \n\n');
n=input('Numero de puntos: '); for i=1:n
x(1,i)=input('dame los valores de x: '); end for i=1:n
y(1,i)=input('dame los valores de y: '); end
% se nota extraño pero asi se mostraran los resultados %en forma de Vector. x y plot(x,y) grid
xlabel('x');ylabel('y') pause
a=0; for i=1:n
a=a+x(1,i)*y(1,i); end
b=0; for i=1:n
b=b+x(1,i)*x(1,i); end
c=0; for i=1:n
c=c+x(1,i); end
e=0; for i=1:n
e=e+y(1,i); end
d=0; d=c/n; f=0; f=e/n; a1=(n*a-c*e)/(n*b-c*c); a0=f-a1*d; clc; fprintf('Ecuacion con la que se encuentran los nuevos valores de y
\n\n'); fprintf(' y = %d + %d x',a0,a1); for i=1:n
y(1,i)=a0+a1*x(1,i); end fprintf('\n\nPresiona enter para ver la nueva grafica\n\n'); pause