Professional Documents
Culture Documents
1. GRAFICAR LA SERIE:
Ene10 105.6702841
Feb10 105.3305845
Mar10 101.5897675
Abr10 101.5640135
May10 101.3230068
Jun10 99.82714005
Jul10 99.46513135
Ago10 99.19876744
Sep10 96.46370449
Oct10 96.60060845
Nov10 96.59297238
Dic10 96.37401945
Ene11 95.99920359
Feb11 95.63357604
Mar11 92.22586507
Abr11 91.60213423
May11 91.62385452
Jun11 91.4261389
Jul11 90.7068766
Ago11 90.46640044
Sep11 88.98960617
Oct11 88.71030136
Nov11 88.32922873
Dic11 87.62812677
Ene12 84.71545089
Feb12 84.44109426
Mar12 83.16400094
Abr12 82.72428813
May12 82.69182268
Jun12 82.48708816
Jul12 82.41262105
Ago12 81.99575377
Sep12 80.04237776
Oct12 78.95107648
Nov12 79.05975888
Dic12 78.85570004
Ene13 78.76479155
Feb13 78.83574372
Mar13 77.89534247
Abr13 77.69924013
May13 77.54911621
Jun13 75.75966051
Jul13 75.34640154
Ago13 74.93955095
Sep13 74.19415857
Oct13 74.06692358
Nov13 72.67216794
Dic13 72.43883311
Ene14 72.21003812
Feb14 71.77876353
Mar14 71.14383801
Abr14 70.8651805
May14 70.70607028
Jun14 70.51077965
Jul14 70.20656577
Ago14 70.26672789
Sep14 69.89287269
Oct14 69.62907713
Nov14 69.73330097
Dic14 68.62960768
Ene15 68.51293311
Feb15 68.3056467
Mar15 67.19243888
Abr15 66.93107887
May15 66.55545833
Jun15 66.10809375
Jul15 65.8114248
Ago15 65.56409989
Sep15 63.54777522
Oct15 62.29426209
Nov15 62.08066008
Dic15 61.54296141
Ene16 61.31455231
Feb16 61.20799455
Mar16 60.42928808
Abr16 60.42239596
May16 60.29603733
Jun16 60.7028252
Jul16 60.65324297
Ago16 60.4367068
Sep16 60.3121838
Oct16 60.06390692
Nov16 59.89018702
Dic16 59.69070352
Ene17 59.54907019
Feb17 59.35724457
Mar17 58.59286653
Abr17 58.74445865
May17 58.99420353
Jun17 59.08827133
Jul17 58.97133952
Ago17 58.57756611
Sep17 58.58680523
Oct17 58.86301713
Nov17 58.97934642
Dic17 58.8869811
120
105.6702841
100
80
60 58.8869811
y = -0.4913x + 99.322
40 R² = 0.9602
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos mensuales cuyas estimaciones son de orden
descendentes de acuerdo, al periodo, esto ocurren en las compañías de telefonía
en el Perú y en otros países de américa latina por la competencia en los
mercados del consumo de los servicios telefónicos en los últimos 10 años.
2. PROMEDIOS MÓVILES SIMPLES:
Mes Pronóstico-Semestral
Ene10
Feb10
Mar10
Abr10
May10
Jun10
Jul10 102.7487121
Ago10 102.3978579
Sep10 100.3942675
Oct10 99.01385898
Nov10 98.96180761
Dic10 98.21005622
Ene11 97.9195754
Feb11 97.59898551
Mar11 96.04864026
Abr11 94.41323676
May11 94.09755331
Jun11 93.99893699
Jul11 93.71267124
Ago11 93.17022632
Sep11 91.34613276
Oct11 90.2958702
Nov11 90.16707794
Dic11 89.87768381
Ene12 89.16750168
Feb12 87.59092567
Mar12 86.71535021
Abr12 85.93715115
May12 85.52675843
Jun12 85.15997472
Jul12 83.60126952
Ago12 83.42685766
Sep12 82.57987736
Oct12 81.38333294
Nov12 80.82144958
Dic12 80.77342352
Ene13 80.63416055
Feb13 80.38027266
Mar13 79.43906074
Abr13 78.42320948
May13 78.37949951
Jun13 78.20240813
Jul13 77.26222603
Ago13 77.09107263
Sep13 76.41744671
Oct13 75.94669935
Nov13 75.8080199
Dic13 74.21591422
Ene14 73.89261733
Feb14 73.57479453
Mar14 72.98646105
Abr14 72.6053808
May14 71.76867422
Jun14 71.57245169
Jul14 71.36040889
Ago14 70.99266465
Sep14 70.70528295
Oct14 70.37902659
Nov14 70.1675737
Dic14 70.12204031
Ene15 69.41808673
Feb15 69.3898305
Mar15 69.09925969
Abr15 68.410758
May15 68.33218992
Jun15 67.592533
Jul15 67.31051343
Ago15 67.05853575
Sep15 66.37826938
Oct15 65.23942705
Nov15 64.42486021
Dic15 64.09437691
Ene16 63.67719311
Feb16 63.4393261
Mar16 62.37788489
Abr16 61.36177508
May16 61.25152802
Jun16 60.91949937
Jul16 61.00868876
Ago16 60.93061876
Sep16 60.43299744
Oct16 60.36728988
Nov16 60.17997213
Dic16 60.29650611
Ene17 60.17197325
Feb17 59.9928885
Mar17 59.83471418
Abr17 59.32838673
May17 59.31732284
Jun17 59.34245353
Jul17 59.31867076
Ago17 59.16429205
Sep17 58.58521632
Oct17 58.66563194
Nov17 58.92861033
Dic17 59.03380887
Pronóstico-Semestral
120
102.7487121
100
80
60 59.03380887
y = -0.4964x + 100.94
40 R² = 0.9689
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos del orden Semestral cuyos Pronósticos son del
orden semestral t=6, de forma descendentes de acuerdo, al periodo, como se
ven los pronósticos para los semestres siguientes son menores por la
competencia del mercado, paso de un mercado Monopolista por parte de
Telefónica y Claro a un Oligopolio en los últimos 10 años en el Perú.
2.2 PROMEDIOS MÓVILES SIMPLES ANUALES
Mes Pronóstico-Anual
Ene10
Feb10
Mar10
Abr10
May10
Jun10
Jul10
Ago10
Sep10
Oct10
Nov10
Dic10
Ene11 101.0221518
Feb11 100.664894
Mar11 98.61167177
Abr11 96.89493928
May11 96.4625705
Jun11 95.72549729
Jul11 95.44563512
Ago11 94.95282202
Sep11 93.46505247
Oct11 92.79510731
Nov11 92.65163687
Dic11 92.35162409
Ene12 91.81366518
Feb12 90.17451346
Mar12 88.33347967
Abr12 87.38306758
May12 87.17407132
Jun12 87.05898079
Jul12 86.59698238
Ago12 86.43951075
Sep12 85.49267997
Oct12 84.37633956
Nov12 83.64015261
Dic12 83.34394282
Ene13 81.78557546
Feb13 81.60294291
Mar13 80.99987233
Abr13 80.3098153
May13 80.1955314
Jun13 80.01810219
Jul13 79.08614078
Ago13 78.67107766
Sep13 77.49096435
Oct13 76.57261752
Nov13 76.56334123
Dic13 75.76393399
Ene14 75.60181233
Feb14 75.52289092
Mar14 74.837053
Abr14 74.42153907
May14 74.20714836
Jun14 73.2328654
Jul14 72.9285906
Ago14 72.57305836
Sep14 72.23044323
Oct14 71.97989814
Nov14 71.15062253
Dic14 71.08606704
Ene15 70.4198229
Feb15 70.14584832
Mar15 69.72474235
Abr15 69.02880969
May15 68.81857458
Jun15 68.53311899
Jul15 68.15732976
Ago15 68.03907635
Sep15 67.72848629
Oct15 66.58842617
Nov15 66.01378153
Dic15 65.35513388
Ene16 65.02794726
Feb16 64.8100995
Mar16 64.20021672
Abr16 63.68018348
May16 63.48892714
Jun16 63.20206554
Jul16 63.257125
Ago16 63.10867143
Sep16 61.99224101
Oct16 61.30322294
Nov16 61.0722835
Dic16 60.71657421
Ene17 60.50262792
Feb17 60.37853237
Mar17 59.89326632
Abr17 59.50763125
May17 59.52024799
Jun17 59.84851437
Jul17 59.87075715
Ago17 59.70402316
Sep17 59.44487495
Oct17 59.32535608
Nov17 59.37660207
Dic17 59.33502497
Pronóstico-Anual
120
100 101.0221518
80
60 59.33502497
40 y = -0.4971x + 102.25
R² = 0.9734
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos del orden Anual cuyos Pronósticos son del
orden anual t=12, de forma descendentes de acuerdo, al periodo, como se ven
los pronósticos para los años siguientes son descendentes por la competencia
del mercado de telefonía en el Perú, en los últimos 10 años en el Perú.
3. PROMEDIOS MÓVILES DOBLES:
3.1 PROMEDIOS MOVILES DOBLES SEMESTRALES (α=0.4)
α 0.4
Yt+1'=αYt+(1-α)Yt'
Pronóstico-Semestral Doble(Yt')
120
100 100.4793842
80
60 59.23135666
40
y = -0.5165x + 104.69
R² = 0.9796
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos Dobles del orden Semestral cuyos Pronósticos
son del orden Semestral t=6(dobles-α=0.4), de forma descendentes de acuerdo,
al periodo, como se ven los pronósticos para los años siguientes deberían ser
descendentes el aumento de los competidores en el mercado de telefonía en el
Perú, ya que a más competidores los precios del mercado descienden también
por aumento de la Oferta de los productos.
3.2 PROMEDIOS MOVILES DOBLES SEMESTRALES (α=0.6)
α 0.6
Yt+1'=αYt+(1-α)Yt'
Pronóstico-Semestral Doble(Yt')
120
100 100.4793842
80
60 59.07807498
40
y = -0.5125x + 104.06
R² = 0.9778
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos Dobles del orden Semestral cuyos Pronósticos
son del orden Semestral t=6(dobles-α=0.6), de forma descendentes de acuerdo,
al periodo, como se ven los pronósticos para los años siguientes deberían ser
descendentes el aumento de los competidores en el mercado de telefonía en el
Perú, ya que a más competidores los precios del mercado descienden también
por aumento de la Oferta de los productos.
Como DAM (0.4)>DAM (0.6), Por lo tanto, el pronóstico DS de α=0.6, será el
mejor.
α 0.4
Yt+1'=αYt+(1-α)Yt'
Pronóstico-Anual Doble(Yt')
120
100
96.68688794
80
60 60.63858379
40 y = -0.5137x + 107.27
R² = 0.9847
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos Dobles del orden Anual cuyos Pronósticos son
del orden anual t=12(dobles-α=0.4), de forma descendentes de acuerdo, al
periodo, como se ven los pronósticos para los años siguientes son de caída esto
se debe principalmente por el aumento de la Oferta del mercado de la telefonía
y la disminución de la Demanda de los consumidores en los últimos 10 años en
el Perú.
3.4 PROMEDIOS MOVILES DOBLES ANUALES (α=0.6)
Yt+1'=αYt+(1-α)Yt'
Pronóstico-Anual Doble(Yt')
120
100
96.68688794
80
60 60.38699079
y = -0.5099x + 106.63
R² = 0.9832
40
20
0
0 20 40 60 80 100 120
Interpretación:
Se trata de una serie de tiempos Dobles del orden Anual cuyos Pronósticos son
del orden Anual t=12(dobles-α=0.6), de forma descendentes de acuerdo, al
periodo, como se ven los pronósticos para los años siguientes deberían ser
descendentes el aumento de los competidores en el mercado de telefonía en el
Perú, ya que a más competidores los precios del mercado descienden también
por aumento de la Oferta de los productos.
Como DAM (0.4)>DAM (0.6), Por lo tanto, el pronóstico DA de α=0.6, será el
mejor.
r1 r2 r3
ri 0.032860201 0.032369029 0.031870914
Error Estándar de AC(SE(ri)) 0.102062073 0.115213853 0.115334246
Disribución t: 1.985251004
Analsis de Variabilidad
Límites de Significancia 0.202618832 0.228728417 0.228967427
ri 0.032860201 0.032369029 0.031870914
HIPÓTESIS H0: ri<=LS(SE(ri)) H0: ri<=LS(SE(ri)) H0: ri<=LS(SE(ri))
H1: ri>LS(SE(ri)) H1: ri>LS(SE(ri)) H1: ri>LS(SE(ri))
SE ACEPTA H0 SE ACEPTA H0 SE ACEPTA H0
Comparación ri VS LS(SE(ri))
0.25
0.228728417 0.228967427
0.202618832
0.2
0.15
0.1
0
1 2 3
Limites de Significancia ri
Interpretación:
Se trata de una serie de tiempos, aplicando una autocorrelación de K=3(con el
método de D.W), en ella observamos que la autocorrelación no es necesaria en
este ejercicio ya que es menor que la L(SE), por lo que los valores deben seguir
una tendencia como ya lo vimos en os preguntas anteriores son de orden
descendentes, esto se be generalmente cuando la Oferta en el mercado es
mayor que la Demanda generada por los consumidores.
5. UTILIZANDO EL MÉTODO DE ALISADO EXPONENCIAL EVALUE
CON α=0.2,0.5,0.6 GRAFICAR EL PRONÓSTICO:
Pronóstico- Pronóstico-
Pronóstico- Trimestral(Yt')- Pronóstico- Trimestral(Yt')-
Trimestral(Yt) α=0.2 α=0.2- ׀et ׀ Trimestral(Yt')-α=0.5 α=0.5- ׀et ׀ α=0.6 α=0.6- ׀et ׀
Yt+1'=αYt+(1-α)Yt'
DAM 0.15029841 0.001263511 0.0313921
DAM-PRONOSTICADO
0.16 0.15029841
0.14
0.12
0.1
0.08
0.06
0.04 0.031392104
0.02
0.001263511
0
1 2 3
Interpretación:
Como DAM (0.2)>DAM (0.6)>DAM (0.5), Por lo tanto, el pronóstico ST de α=0.5,
será el mejor, generalmente esto se debe a la poca demanda del mercado donde
se éste generando la competencia de este rubro, en nuestro caso el de telefonía.
P2:
1. REALIZAR EL GRÁFICO DE DISPERSIÓN:
Exportaciones(Y)
800
700
600
500
400
300
200
100
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Interpretación:
Se trata de un diagrama de dispersión entre la variable independiente (tipo de
cambio) y la variable dependiente exportaciones, como vemos el diagrama de
dispersión nos dice que existe mucha dependencia entre las variables, esto
generalmente se da cuando las variables son del mismo tipo o rubro en el su
desarrollo económico o administrativos, como en este caso de nuestro ejercicio.
En los últimos años en el Perú el tipo de cambio en el mercado donde se
efectuarán las exportaciones determinan el riesgo económico en el cual incurre
el exportador.
2. REALIZAR EL GRÁFICO DE LA LAS ESTIMACIONES:
MES -
AÑO Tipo de Cambio(X) Exportaciones(Y) Tipo de Cambio(Xp) Exportaciones(Yp)
Ene-95 2.185272727 420.6828392 2.185272727 476.9941825
Feb-95 2.2108 447.1587037 2.2108 478.2786128
Mar-95 2.254173913 418.825017 2.254173913 480.4610146
Abr-95 2.25425 359.7704137 2.25425 480.464843
May-95 2.248409091 465.2926624 2.248409091 480.1709518
Jun-95 2.241166667 531.3936518 2.241166667 479.806542
Jul-95 2.229325 490.5700637 2.229325 479.2107167
Ago-95 2.239295455 477.809722 2.239295455 479.7123901
Set-95 2.24652381 486.8425581 2.24652381 480.076092
Oct-95 2.257931818 426.1074538 2.257931818 480.6500974
Nov-95 2.313809524 456.3805056 2.313809524 483.46164
Dic-95 2.323157895 510.581467 2.323157895 483.9320126
Ene-96 2.349954545 440.3790493 2.349954545 485.2803129
Feb-96 2.354380952 460.7223725 2.354380952 485.503032
Mar-96 2.356 522.9336736 2.356 485.584496
Abr-96 2.3648 432.7953426 2.3648 486.0272768
May-96 2.410704545 471.871313 2.410704545 488.3370099
Jun-96 2.4419 553.9781952 2.4419 489.9066404
Jul-96 2.444545455 542.5510428 2.444545455 490.0397491
Ago-96 2.467142857 498.956437 2.467142857 491.17676
Set-96 2.493833333 449.6892903 2.493833333 492.519718
Oct-96 2.556477273 478.0016045 2.556477273 495.6717105
Nov-96 2.585275 487.1814569 2.585275 497.1206969
Dic-96 2.583738095 538.5840148 2.583738095 497.043366
Ene-97 2.627204545 557.5252051 2.627204545 499.2304239
Feb-97 2.6381 494.1939143 2.6381 499.7786396
Mar-97 2.632763158 563.1093158 2.632763158 499.5101111
Abr-97 2.662159091 499.5285917 2.662159091 500.9891968
May-97 2.663857143 633.1287395 2.663857143 501.074636
Jun-97 2.655214286 725.853971 2.655214286 500.639762
Jul-97 2.650880952 597.1585999 2.650880952 500.421726
Ago-97 2.653380952 650.1026523 2.653380952 500.547516
Set-97 2.644022727 518.6614159 2.644022727 500.0766475
Oct-97 2.664409091 551.0648947 2.664409091 501.1024078
Nov-97 2.720725 473.9772241 2.720725 503.9359991
Dic-97 2.716809524 560.2524368 2.716809524 503.738988
Ene-98 2.745833333 415.3076248 2.745833333 505.19935
Feb-98 2.80055 368.6767198 2.80055 507.9524738
Mar-98 2.805227273 413.792651 2.805227273 508.1878155
Abr-98 2.820075 397.7564471 2.820075 508.9348937
May-98 2.84445 463.2891622 2.84445 510.1613462
Jun-98 2.90847619 478.2410098 2.90847619 513.382888
Jul-98 2.91852381 517.8135619 2.91852381 513.888444
Ago-98 2.962261905 536.3181928 2.962261905 516.08917
Set-98 3.042545455 510.2043512 3.042545455 520.1287171
Oct-98 3.049575 525.244753 3.049575 520.4824157
Nov-98 3.093738095 525.1394213 3.093738095 522.704526
Dic-98 3.136571429 604.990945 3.136571429 524.859728
Ene-99 3.253525 528.2013467 3.253525 530.7443639
Feb-99 3.3972 420.7010444 3.3972 537.9735152
Exportaciones(Y)
800
y = 50.316x + 367.04
700 R² = 0.0454
600
500
400
300
200
100
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Interpretación:
Como observamos las estimaciones son aleatorias dependiendo exclusivamente
del tipo del cambio del mercado donde se efectuarán las exportaciones, es por
eso, que en los últimos 15 años las exportaciones peruanas se orientan al
mercado europeo que es el que presenta un tipo de cambio menos fluctuante,
con lo que garantiza un mejor intercambio comercial entre sus importaciones é
exportaciones.
3. ANALIZAR E INTERPRETAR LOS COEFICIENTES DEL MODELO:
Exportaciones(Y)
800
y = 50.316x + 367.04
700 R² = 0.0454
600
500
400
300
200
100
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Interpretación:
PENDIENTE: b=β=50.316
Cuando se incremente en una unidad al tipo de cambio, entonces las
exportaciones aumentarán en 50.316 unidades.
INTERCEPTO: a=α=367.04
Cuando el tipo de cambio sea cero, entonces las exportaciones serán de 367.04
unidades.
4. REALIZAR E INTERPRETAR ANVA
MES
- Tipo de
AÑO Cambio(X) Exportaciones(Y) Yi^2 Xi*Yi
1 2.185272727 420.6828392 176974.0512 919.3067352
2 2.2108 447.1587037 199950.9063 988.5784621
3 2.254173913 418.825017 175414.3949 944.1044274
4 2.25425 359.7704137 129434.7506 811.0124551
5 2.248409091 465.2926624 216497.2617 1046.168252
6 2.241166667 531.3936518 282379.2132 1190.941739
7 2.229325 490.5700637 240658.9874 1093.640107
8 2.239295455 477.809722 228302.1304 1069.957139
9 2.24652381 486.8425581 237015.6764 1093.703398
10 2.257931818 426.1074538 181567.5622 962.1215778
11 2.313809524 456.3805056 208283.1659 1055.97756
12 2.323157895 510.581467 260693.4344 1186.161366
13 2.349954545 440.3790493 193933.7071 1034.870748
14 2.354380952 460.7223725 212265.1045 1084.715978
15 2.356 522.9336736 273459.627 1232.031735
16 2.3648 432.7953426 187311.8086 1023.474426
17 2.410704545 471.871313 222662.536 1137.542319
18 2.4419 553.9781952 306891.8408 1352.759355
19 2.444545455 542.5510428 294361.634 1326.290686
20 2.467142857 498.956437 248957.526 1230.996809
21 2.493833333 449.6892903 202220.4578 1121.450142
22 2.556477273 478.0016045 228485.5339 1222.000238
23 2.585275 487.1814569 237345.7719 1259.498041
24 2.583738095 538.5840148 290072.741 1391.560036
25 2.627204545 557.5252051 310834.3543 1464.732753
26 2.6381 494.1939143 244227.6249 1303.732965
27 2.632763158 563.1093158 317092.1015 1482.533461
28 2.662159091 499.5285917 249528.8139 1329.824582
29 2.663857143 633.1287395 400852.0008 1686.564515
30 2.655214286 725.853971 526863.9872 1927.297833
31 2.650880952 597.1585999 356598.3934 1582.996358
32 2.653380952 650.1026523 422633.4585 1724.969994
33 2.644022727 518.6614159 269009.6643 1371.352571
34 2.664409091 551.0648947 303672.5182 1468.262315
35 2.720725 473.9772241 224654.409 1289.561683
36 2.716809524 560.2524368 313882.7929 1522.099156
37 2.745833333 415.3076248 172480.4232 1140.36552
38 2.80055 368.6767198 135922.5237 1032.497588
39 2.805227273 413.792651 171224.358 1160.78243
40 2.820075 397.7564471 158210.1912 1121.703013
41 2.84445 463.2891622 214636.8478 1317.802857
42 2.90847619 478.2410098 228714.4635 1390.95259
43 2.91852381 517.8135619 268130.8849 1511.25121
44 2.962261905 536.3181928 287637.2039 1588.714951
45 3.042545455 510.2043512 260308.48 1552.31993
46 3.049575 525.244753 275882.0506 1601.773268
47 3.093738095 525.1394213 275771.4118 1624.643833
48 3.136571429 604.990945 366014.0435 1897.597313
49 3.253525 528.2013467 278996.6627 1718.516287
50 3.3972 420.7010444 176989.3688 1429.205588
n ẋ ŷ 12645908.86 65020.9183
50 2.602418938 497.9858609
n(ŷ^2) 12399495.88
RECTA DE REGRESIÓN
LINEAL: Yp=50.316X+367.04
b 50.316
SCT 246412.9754
SCR 11196.64505
SCE 235216.3303
ANVA
Fuente de
Variación GL SC CME Fcal Ftabla
Regresión 1 11196.64505 11196.64505 2.28487096 0.82401224
Error 48 235216.3303 4900.340216
Total 49 246412.9754
Interpretación:
Como Fcal > Ftabla, entonces rechazamos Ho y aceptamos H1, por lo que los
coeficientes de la Recta de Regresión no están bien correlacionados, esto
generalmente se debe a que las exportaciones fluctúan según el cambio de
moneda en el país donde son negociadas o porque son hechas por micro
empresas y no multinacionales que dependen del tipo de cambio monetario para
realizar sus exportaciones.
5. GRÁFICAR LOS INTERVALOS DE CONFIANZA CON UN NIVEL DE
SIGNIFICANCIA DEL 95%.
n ẋ ŷ
50 2.602418938 497.9858609
S 0.300429077 70.91428793
NC 95% 95%
DATOS INTERVALOS
MEDIA(ẋ) 2.58595762 LI 2.50268446
DESV(S) 0.30042908 LS 2.66923078
NC 95%
TAMAÑO(n) 50
Z 1.95996398
Alfa 0.05
INTERVALO DE CONFIANZA(X)
1.4
1.2
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Interpretación:
El intervalo de confianza para el tipo de cambio(X), estará determinado por
[2.50268446; 2.66923078], el cual determina que su media será: ẋ=2.58595762.
5.2 INTERVALO DE CONFIANZA PARA LAS EXPORTACIONES(Y):
DATOS INTERVALOS
MEDIA(ŷ) 493.204294 LI 493.121021
DESV(S) 70.9142879 LS 493.287567
NC 95%
TAMAÑO(n) 50
Z 1.95996398
Alfa 0.05
INTERVALO DE CONFIANZA(Y)
0.007
0.006
0.005
0.004
0.003
0.002
0.001
0
0 10 20 30 40 50 60
-0.001
Interpretación:
El intervalo de confianza para las exportaciones(Y), estará determinado por
[493.121021; 493.287567], el cual determina que su media será: ŷ =493.204294.
6. GRÁFICAR LOS ERRORES DEL MODELO:
700
600
500
400
300
200
117.2724708
100
56.31134333
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Interpretación:
Como observamos en promedio los errores de las exportaciones son de
50.46194373 unidades, entre los meses de enero del año 95 a febrero del 99,
lo cual nos indica que, las exportaciones estimadas están dentro de un rango
accesible para el mercado peruano, ya que por estos años el promedio según
las INEI fue de 102.345 unidades económicas de exportación para los mercados
de Sudamericanos.
Interpretación:
Como el sesgado de los pronósticos CFE<1 y su DAM está dentro de los límites
fluctuantes de las exportaciones de los mercados sudamericanos, por lo tanto,
diremos que nuestros parámetros si están determinados por la RG,
pronosticada.
8.
9.
10.
11.
12.