Reyna Segura, Roger DemetrioAraujo Mori, Alejandro Paul2024-11-062024-11-062024https://hdl.handle.net/20.500.14414/22806En esta investigación se determinó el modelo de pronóstico adecuado para las ventas en soles mensuales de gas licuado de petróleo (GLP) en la empresa Gran Prix Gas S.A.C. durante el periodo enero 2019 a diciembre 2023. Utilizando la metodología Box-Jenkins, se analizó la tendencia, estacionariedad y estacionalidad de la serie de tiempo, observándose una clara tendencia al alza y falta de estacionariedad, la cual se corrigió utilizando la primera diferencia en logaritmo. Se probaron varios modelos y se seleccionó el modelo AR(1) MA(2) AR(8) en base a criterios como Akaike, Schwarz y el error cuadrático medio, debido a su capacidad para capturar adecuadamente la dinámica de las ventas mensuales. La validación del modelo mostró residuos que siguen una distribución normal según el test de Jarque-Bera, sin evidencia de heteroscedasticidad e independientemente de los errores, confirmando su adecuación. El modelo demostró una buena capacidad de predicción con errores aceptables y consistencia en los datos predichos en comparación con los datos originales. Para los primeros meses de 2024, el modelo predice una estabilización de las ventasAbstract In this research, the appropriate forecast model was determined for monthly sales in soles of liquefied petroleum gas (LPG) in the company Gran Prix Gas S.A.C. during the period January 2019 to December 2023. Using the Box Jenkins methodology, the trend, stationarity and seasonality of the time series was analyzed, observing a clear upward trend and lack of stationarity, which was corrected using the first difference in logarithm. Several models were tested and the AR(1) MA(2) AR(8) model was selected based on criteria such as Akaike, Schwarz and the mean square error, due to its ability to adequately capture the dynamics of monthly sales. The validation of the model showed residuals that follow a normal distribution according to the Jarque-Bera test, without evidence of heteroskedasticity and independently of the errors, confirming its adequacy. The model demonstrated good prediction ability with acceptable errors and consistency in the predicted data compared to the original data. For the first months of 2024, the model predicts a stabilization of salesapplication/pdfspainfo:eu-repo/semantics/openAccessPronóstico; ventas; GLP; Gran Prixinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#1.01.03