 Problemas

La cantidad de aires acondicionados vendidos en los últimos 4 meses se muestran en la tabla. Haga el pronóstico
para el mes 25 con el método de promedio móvil con n = 3 y el método del ultimo valor e indique cual se ajusta
mejor.

Método promedio móvil

Mes Ventas
1 25 Error Measures
2 15 Bias (Mean Error) 2,302
3 30 MAD (Mean Absolute Deviation) 19,635
4 38 MSE (Mean Squared Error) 499,868
5 58
6 62 Standard Error (denom=n-2=19) 23,505
7 85 MAPE (Mean Absolute Percent Error) 34,047%
8 88 Forecast
9 60 next period 50
10 40
11 40 Método del último valor
12 38
13 40 Error Measures
14 35 Bias (Mean Error) ,87
15 50
16 60 MAD (Mean Absolute Deviation) 11,739
17 66
MSE (Mean Squared Error) 209,652
18 90
19 105 Standard Error (denom=n-2=21) 15,153
20 85
21 60 MAPE (Mean Absolute Percent Error) 22,715%
22 55 Forecast
23 50
24 45 next period 45

Los siguientes datos proporcionan el precio de venta, área de construcción, números de recamaras y edad de casas
que se han vendido en una urbanización durante los 6 meses. Desarrolle 3 modelos de regresión para predecir el
precio de venta en base en cada uno de los factores de manera individual. ¿Cuál es la mejor?

Precio de Área No. de Edad

Venta Construida Recámaras
64000 1670 2 30
58000 1339 2 25
61500 1712 3 30
79000 1840 3 40
87500 2300 3 18
92500 2234 3 30
95500 2311 3 19
113000 2377 3 7
115000 2736 4 10
138000 2500 3 1
142500 2500 4 3
144000 2479 3 3
 145000 2400 3 1
147500 3124 4 0
144000 2500 3 2
155000 4062 4 10
165000 2854 3 3

Regresión lineal (precio de venta vs área de

Regresión lineal (precio de venta vs Nº de recamaras)
construcción)
Error Measures
Error Measures
Bias (Mean Error) -,002
Bias (Mean Error) -,002
MAD (Mean Absolute Deviation) 23163,26
MAD (Mean Absolute Deviation) 18205,85
MSE (Mean Squared Error) 770687400
MSE (Mean Squared Error) 431751200
Standard Error (denom=n-2=15) 29554,11
Standard Error (denom=n-2=15) 22120,53
MAPE (Mean Absolute Percent Error) 22,688%
MAPE (Mean Absolute Percent 16,426%
Regression line
Error)
Precio de Venta = 1530,563
Regression line
+ 36244,91 * No. de Recámaras
Precio de Venta = 2232,281
Statistics
+ 46,633 * Área Construida
Statistics Correlation coefficient ,605
Coefficient of determination (r^2) ,366
Correlation coefficient ,803
Forecast
Coefficient of determination (r^2) ,645
x=2 74020.39
Forecast
x=2 2325.547

Regresión lineal (precio de venta vs Edad)

Error Measures
Bias (Mean Error) ,004
MAD (Mean Absolute Deviation) 12859,14
MSE (Mean Squared Error) 271925000
Standard Error (denom=n-2=15) 17555,1
MAPE (Mean Absolute Percent Error) 13,965%
Se puede observar que la mejor relación
Regression line
es para la regresión lineal de precio de
Precio de Venta = 147646,3
-2426,672 * Edad venta vs área de construcción
Statistics
Correlation coefficient -,881
Coefficient of determination (r^2) ,776
Forecast
x=2 142793
Usando los modelos de regresión cual será el precio de ventas para una casa de 200 pie cuadrados y 3
recamaras.

Error Measures
Bias (Mean Error) -,001
MAD (Mean Absolute Deviation) 18171,55
MSE (Mean Squared Error) 431006500
Standard Error (denom=n-2-1=14) 22877,17
MAPE (Mean Absolute Percent Error) ,164
El precio de venta será: 7966.091 $
Regression line
Precio de Venta = 5299,154
+ 48,384 * Área Construida
-2336,621 * No. de Recámaras
Statistics
Correlation coefficient ,803
Coefficient of determination (r^2) ,646

¿Cuál será el precio de venta de una casa de 10 años de edad con 2000 pie cuadrados y 3 recamaras?

Error Measures
Bias (Mean Error) ,0
MAD (Mean Absolute Deviation) 10438,91
MSE (Mean Squared Error) 139371400
Standard Error (denom=n-2-2=13) 13500,18
MAPE (Mean Absolute Percent Error) ,104
Regression line
Precio de Venta = 81900,96 El precio de venta será: 110 487. 13 $
+ 25,785 * Área Construida
-1947,379 * No. de Recámaras
-1714,169 * Edad
Statistics
Correlation coefficient ,941
Coefficient of determination (r^2) ,885