Escuela Superior Politécnica de Chimborazo

ESCUELA SUPERIOR POLITÉCNICA DE
CHIMBORAZO
FACULTAD DE CIENCIAS
ESCUELA DE FÍSICA – MATEMÁTICAS
Carrera de Ingeniería en Estadística Informática.
Series de tiempo
Quinto Semestre “1”
Pertenece a: Geovanny Miranda (550) y Gissela Peñafiel (641)

Docente: Ing. Isabel Escudero
Fecha: 26 de julio de 2019
Capítulo 4
1. ¿Qué técnica de pronósticos revisa continuamente el estimado a la luz de las

experiencias más recientes?
Suavización exponencial
2. ¿Cuál técnica de pronósticos usa el valor del periodo actual como base del
pronóstico
para el siguiente periodo?
Promedio móvil
3. ¿Cuál técnica de pronósticos concede el mismo peso a cada observación?

El promedio móvil
4. ¿Cuál(es) técnica(s) de pronósticos debe(n) utilizarse si los datos muestran una
tendencia?
Promedio móvil doble
5. ¿Cuál(es) técnica(s) de pronósticos debe(n) utilizarse si los datos son estacionales?
Procedimiento de suavización de los tres parámetros de Winters
6. La Ápex Mutual Fund invierte principalmente en acciones de tecnología. El precio

del fondo al final de cada mes para los 12 meses de 2006 se presenta en la tabla P-6.
tabla p-6
mes precio común
enero 19.39
febrero 18.96
marzo 18.2
abril 17.89
mayo 18.43
junio 19.98
julio 19.51
agosto 20.63
septiembre 19.78
octubre 21.25
noviembre 21.18
diciembre 22.14
a) Obtener el grafico de la serie, estadística descriptica y ver si existes datos atípicos

de la serie.
Primero debemos abrir Minitad después e procede a seleccionar en estadística, seleccionar
en series de tiempo y luego seleccionar en la opción grafica de series de tiempo.
Gráfica de series de tiempo de precio comun
22
21
precio comun
20
19
18
1 2 3 4 5 6 7 8 9 10 11 12
Índice
Interpretacion: cómo podemos observar en la gráfica existe tendencia creciente en la serie
Para poder obtener la gráfica de caja para poder observar si existe datos atípicos se procede
a en seleccionar en opción graficas luego en opción diagrama de cajas y obtenemos
diagrama de cajas.
Gráfica de caja de precio comun
22
21
precio comun
20
19
18
Interpretacion: En el diagrama se puede observar que la media se encuentra dentro del

primer y tercer cuartil antes mencionados, así como también se observan que no existen
datos atípicos.
Para poder obtener la estadística descriptiva procedemos ir a la opción estadística básico y

después seleccionamos en mostrar estadística descritica y por ultimo seleccionamos la
variable que vamos utilizar en este caso es precio común.
Interpretacion: Se puede observar que la serie presenta un valor mínimo de 17.890 y un

valor máximo de 22.140, así como también su primer cuartil que es de 18.563 y tercer cuartil
de 21.043 con una media 19.776 y mediana de 0.382 y una desviación estándar de 1.323.
b) Obtenga el pronóstico del fondo común por cada mes usando un modelo informal
(véase la ecuación 4.1).
Utilizaremos el modelo promedio móvil ya que nos indica en el literal que utilicemos un
modelo informal por lo que el promedio móvil es el valor medio de k observaciones
consecutivas es un promedio móvil de orden k. Los valores más recientes del promedio
móvil brindan un pronóstico para el siguiente periodo.
K será un valor de 12 ya que en el ejercicio nos indica que es cada 12 meses.
Entonces vamos a las opciones estadista después en la opción series de tiempo, en la opción
del promedio móvil seleccionamos la variable precio común, en longitud digitamos 1 que
es el valor de k y generamos pronósticos 12 ya que dice para cada mes empezamos desde
el 12 el origen del pronóstico por que la serie tiene 12 datos.
Como podemos observar en la gráfica esta todos los modelos que maneja Minitad es
cuestión seleccionar el modelo que desea y en los ejercicios resueltos se indicara que
parámetros utilizar en cada uno de ellos.
Interpretacion: este modelo no es tan bueno ya que los pronosticos son constantes para
cada mes los valores pronosticos seran de 22.14.
c) Evalúe este método de pronóstico usando la MAD.
El valor de Mad es igual a 0.7754 es un modelo no es confiable ya que el error es alto.

d) Evalúe este método de pronóstico usando el MSE.
El valor de mse es de 0.8034

e) Evalúe este método de pronóstico usando el MAPE.
El modelo no es bueno ya que el mape es de un valor de 3.87125 el error es alto

f) Utilizando un modelo informal, pronostique el precio del fondo común para
enero del 2007.
Los pronósticos para el año 2007 será de un valor de 22.14.
7. Refiérase al problema 6. Use un promedio móvil de tres meses para pronosticar el
precio del fondo común para enero de 2007. ¿Es mejor este pronóstico que el
pronóstico realizado usando el modelo informal? Explique.
Los mismo paso que el anterior pero esta vez la longitud cambia a 3 ya que dice utilice
el promedio de 3 meses.
Interpretacion: el modelo no es tan bueno en si ya que los pronósticos siguen siendo
constantes y los errores son altos, los pronósticos para cada mes será un valor de
21.5233.
8. A partir de la serie Yt en la tabla P-8, responda lo siguiente:
tabla P-8
periodo Yt
1 200
2 210
3 215
4 216
5 219
6 220
7 225
8 226
9 200
a) Obtener grafica de serie, diagrama de cajas y estadística descriptica.

Primero debemos abrir Minitad después e procede a seleccionar en estadística,
seleccionar en series de tiempo y luego seleccionar en la opción grafica de series de
tiempo.
Gráfica de series de tiempo de Yt
225
220
215
Yt
210
205
200
1 2 3 4 5 6 7 8 9
Índice
Interpretacion: cómo podemos observar en la gráfica existe tendencia decreciente en

la serie, Sin embargo es conveniente encontrar una linea de tendencia tal que se pueda
hallar una ecuación ajustada para los pronósticos de la producción en el tiempo.
Gráfica de caja de Yt
225
220
215
Yt
210
205
200
Interpretacion: En el diagrama se puede observar que la media se encuentra dentro del

primer y tercer cuartil antes mencionados, así como también se observan que no existen
datos atípicos.
Para poder obtener la estadística descriptiva procedemos ir a la opción estadística

básico y después seleccionamos en mostrar estadística descritica y por ultimo
seleccionamos la variable que vamos utilizar en este caso es precio común.
Interpretacion: Se puede observar que la serie presenta un valor mínimo de 200 un valor
máximo de226, así como también su primer cuartil que es de 205 y tercer cuartil de
222.50 con una media 214.56 y mediana de 3.20 y una desviación estándar de 9.59.
b) ¿Cuál es el pronóstico para el periodo 9 usando un promedio móvil de cinco

meses?
Entonces vamos a las opciones estadista después en la opción series de tiempo, en la opción
del promedio móvil seleccionamos la variable precio común, en longitud digitamos 5 que
es el valor de k y generamos pronósticos 9 ya que dice para periodo de 9 empezamos desde
el 8 el origen del pronóstico por que la serie tiene 8 datos.
Interpretacion: el pronóstico para el periodo 9 es de un valor de 218.
c) Si se usa la suavización exponencial simple con una constante de suavización de.4,

¿cuál es el pronóstico para el periodo 4?
Seleccionamos series de tiempo y escogemos método de suavización exponencial
simple con una suavización de 4, pronosticar 4 valores desde el origen 9.
Interpretacion: el pronóstico para el periodo 4 es de un valor de 213.577.
d) En el inciso b), ¿cuál es el error de pronóstico para el periodo 3?
Interpretacion: el error MAPE evalúa la exactitud del pronóstico por lo tanto el valor
es 3.8465 es muy alto esto quiere decir que no están bueno modelo, pero es mejor
que el modelo promedio móvil.
9. El rendimiento de un bono de obligación general de la ciudad de Davenport fluctúa
con el mercado. Las cotizaciones mensuales para 2006 se indican en la tabla P-9.
tabla P-9
Mes Rendimiento
Enero 9.29
Febrero 9.99
Marzo 10.16
Abril 10.25
Mayo 10.61
Junio 11.07
Julio 11.52
Agosto 11.09
Septiembre 10.8
Octubre 10.5
Noviembre 10.86
Diciembre 9.97
a) Obtener grafíca de serie, diagrama de cajas y estadística descriptica.
Gráfica de series de tiempo de Rendimiento
11.5
11.0
Rendimiento
10.5
10.0
9.5
9.0
1 2 3 4 5 6 7 8 9 10 11 12
Índice
Interpretacion: cómo podemos observar en la gráfica existe tendencia decreciente en

la serie
Gráfica de caja de Rendimiento
11.5
11.0
Rendimiento
10.5
10.0
9.5
9.0
Interpretacion: En el diagrama se puede observar que la media se encuentra dentro

del primer y tercer cuartil antes mencionados, así como también se observan que
no existen datos atípicos.
Interpretacion: Se puede observar que la serie presenta un valor mínimo de 9.290 y un

valor máximo de 11.520, así como también su primer cuartil que es de 10.032 y tercer
cuartil de 11.018 con una media 10.509 y mediana de 0.177 y una desviación estándar
de 0.613.
Para poder sacar la gráfica seleccionamos el Autocorrelación que están dentro de la
serie de tiempos después agregamos el número total de datos en este caso son 12 en el
número de desfases.
Función de autocorrelación para Rendimiento

(con límites de significancia de 5% para las autocorrelaciones)
1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 2 3 4 5 6 7 8 9 10 11
Desfase
Interpretacion: los rezagos no están salido del intervalo y están autocorelacionada por
lo tanto no es estacionaria la serie.
a) Usando un promedio móvil de tres meses, obtenga el pronóstico del rendimiento

mensual de los bonos de obligación a partir de abril.
Utilizamos una longitud de 3 ya que dice de 3 meses
Interpretacion: utilizando el promedio móvil de 3 meses los pronósticos calculados son de
10.4433 desde el mes de abril en adelante.
a) Usando un promedio móvil de cinco meses, obtenga el pronóstico del rendimiento
mensual de los bonos de obligación a partir de junio.
Utilizamos una longitud de 5 ya que dice de 5 meses
Interpretacion: utilizando el promedio móvil de 5 meses los pronósticos calculados son de
10.644 desde el mes de junio en adelante.
b) Evalúe estos métodos de pronósticos usando la MAD.
Los errores para MAD tiene un valor de 0.60400

c) Evalúe estos métodos de pronósticos usando el MAPE.
Los errores para MAPE que evalúa la exactitud del pronóstico son de 5.58295
d) Evalúe estos métodos de pronósticos usando el MSD.
El valor de MSD es de 0.52015

e) Empleando la mejor técnica, pronostique el rendimiento para enero del 2007.
La mejor técnica seria escoger una longitud de 1 para cada mes para que salgo un
error bajo
Interpretacion: los valores pronosticados para el mes de enero del 2007 serán de un
valor de 9.97
10. Esta pregunta se refiere al problema 9. Use suavización exponencial con una
constante de suavización de .2 y un valor inicial de 9.29 para pronosticar el
rendimiento de enero de 2007. ¿Es mejor este pronóstico que el pronóstico
realizado usando el mejor modelo de promedio móvil? Explique.
Interpretacion: usando la suavización exponencial con un constante de 2 no es

recomendable ya que los errores obtenido MAPE de 5.13 es muy Alto en
comparación al modelo de promedio móvil y el pronóstico para el mes de enero del
2007 es de un valor de 10.0305.
11. La Hughes Supply Company utiliza un método de administración del inventario
para determinar las demandas mensuales de varios productos. Se tienen
registrados los valores de la demanda de los últimos 12 meses de cada producto y
están disponibles para futuros pronósticos. Los valores de la demanda de los 12
meses de 2006 de una pieza eléctrica se presentan en la tabla P-11.
tabla P-11
mes demanda
Enero 205
Febrero 251
Marzo 304
Abril 284
Mayo 352
Junio 300
Julio 241
Agosto 284
Septiembre 312
Octubre 289
Noviembre 385
Diciembre 256
a) Halle la gráfica de la serie, estadística descriptica y observar si existe datos
atípicos.
Gráfica de series de tiempo de demanda
400
350
demanda
300
250
200
1 2 3 4 5 6 7 8 9 10 11 12
Índice
Se puede observar que tienen tendencia y posiblemente estacionalidad se analizara

más a fondo esto más adelante.
Gráfica de caja de demanda
400
350
demanda
300
250
200
Interpretacion: Es claro observar en el diagrama de cajas que no existes datos

atípicos en nuestra serie
Interpretacion: Podemos apreciar que Hughes Supply Company tiene en promedio

de demandas mensuales de productos de 288.6, una demanda máxima de 385 y una
mínima de 205 con una desviación estándar de 48.61 entre cada demanda mensual.
b) Identifique si la Serie es estacionaria por medio de Autocorrelación simple y
parcial
Función de autocorrelación para demanda
1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 2 3 4 5 6 7 8 9 10 11
Desfase
Interpretacion: En el autocorrelograma se observa que la serie esta auto

correlacionada ya que no existen varios rezagos fuera de los límites y se ve cómo va
decreciendo por lo cual se confirma que la serie tiene tendencia y no es estacionaria.
Función de autocorrelación parcial de demanda
(con límites de significación de 5% para las autocorrelaciones parciales)
1.0
0.8
0.6
Autocorrelación parcial
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 2 3 4 5 6 7 8 9 10 11
Desfase
Interpretacion: Se puede observar que no existen varios rezagos que sobrepasan los
límites de confianza por lo cual se puede decir que la serie esta auto correlacionada
y se observa que tiene tendencia por el comportamiento de los rezagos
c) Halle el k para el modelo
Promedio medio móvil: Ya que presenta tendencia, y es a corto plazo y es una serie
de tiempo.
Con k=2
Con k=3
Con k=4
Interpretacion: Concluimos que el mejor modelo para el pronóstico es el modelo 2 con k=3
ya que se ajusta de mejor manera a los datos y presenta menos error.
d) Comprobé los supuestos
Interpretacion: El extremo superior se aleja de la recta por lo que es necesario
realizar una prueba analítica de normalidad para confirmarla.
Los datos tienden a estar en linea vertical para concluir que son homocedasticos.
EL grafico si presenta patrón por lo que se concluye que es independiente.
e) Use una suavización exponencial con una constante de suavización de .5 y un valor

inicial de 205 para pronosticar la demanda para enero de 2007.
Interpretacion: utilizando el modelo exponencial simple con una constante de

suavización de 5 el pronóstico para el mes de enero de 2007 es de 297.328
12. La General American Investors Company, una compañía de administración de
inversiones, invierte principalmente en acciones de mediana y alta calidad. Jim
Campbell está estudiando el valor de sus activos por acción para esta compañía y
le gustaría pronosticar esta variable para los trimestres restantes de 1996. Los
datos se presentan en la tabla P-12.

atípicos.
Gráfica de series de tiempo de Inversion
32.5
30.0
27.5
Inversion
25.0
22.5
20.0
17.5
15.0
4 8 12 16 20 24 28 32 36 40 44
Índice
Interpretacion: Se puede observar que tienen tendencia y posiblemente estacionalidad se

analizara más a fondo esto más adelante.
Gráfica de caja de Inversion
32.5
30.0
27.5
25.0
Inversion
22.5
20.0
17.5
15.0
Interpretacion: Es claro observar en el diagrama de cajas que no existes datos atípicos
Interpretacion: La general American Investrors tiene en promedio de inversiones 22.88, con

un máximo de 30.60 y un mínimo de inversiones de 16.70 con una desviación de inversión
de 3.56 entre cada una.
parcial
Función de autocorrelación para Inversion
1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40
Desfase
Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya

que existen 2 rezagos fuera de los límites y se ve cómo va decreciendo por lo cual se
confirma que la serie tiene tendencia.
Función de autocorrelación parcial de Inversion
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40
Desfase
Interpretacion: Se puede observar que no existen varios rezagos que sobrepasan los límites
de confianza por lo cual se puede decir que la serie esta auto correlacionada y se observa
que tiene tendencia por el comportamiento de los rezagos.
c) Evalúe la capacidad para pronosticar el valor de los activos por acción de los
siguientes métodos de pronósticos: promedio móvil y suavización exponencial.
Cuando compare las técnicas, tome en consideración que el valor real de los
activos por acción para el segundo trimestre de 1996 fue de 26.47. Escriba un
reporte para Jim indicando cuál método debe usar y por qué.
Promedio móvil
Con k=4 ya que tenemos los datos de la serie por trimestres por ese motivo se
trabaja on k=4.
Suavización exponencial
Se trabaja con un alfa de 0.4 porque es el mejor que se ajusta ala al grafico original
Concluimos que el mejor modelo para el pronóstico es el Suavizamiento

exponencial que presenta menos error que M.M. Doble. Se elige estos dos modelos
ya que presenta ST, S, TS.
d) Comprueba los supuestos con el mejor modelo
Interpretacion: Cumple con normalidad que sigue una ley normal. Los datos tienden
a estar en linea vertical para concluir que son homocedasticos. EL grafico si presenta
patrón por lo que se concluye que es independiente.
13. Southdown, Inc., el tercer productor de cemento más grande de Estados Unidos,
está impulsando un programa de quema de residuos de combustible. El costo para
Southdown totalizará cerca de los $37 millones. Por esta razón, es
extremadamente importante para la compañía tener un pronóstico exacto de los
ingresos para el primer trimestre de 2000. Los datos se presentan en la tabla P-13.

atípicos.
400
350
300
250
Yt
200
150
100
1 6 12 18 24 30 36 42 48 54
Índice
Interpretacion: existe tendencia creciente en la serie. También puede haber una

ligera curvatura en los datos, puesto que el incremento en los valores de datos
parece acelerar con el tiempo.
Interpretacion: Southdown, Inc tiene un ingreso promedio de $160,5 con un máximo
de ingreso de $370 y un mínimo a su vez de $74,7. Podemos decir que presenta una
desviación de $70,36 entre cada ingreso.
400
350
300
250
Yt
200
150
100
Interpretacion: se observan 6 datos atípicos los cuales no serán eliminados ya que podría
afectar a nuestra estimación. Por lo tanto, no existen normalidad en nuestros datos.
La solución sería sacar el promedio de los 2 valores más cercano que están cerca de punto
atípico.

parcial
Función de autocorrelación para Yt

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55
Desfase

que existen 4 rezagos fuera de los límites y se ve cómo va decreciendo por lo cual se
confirma que la serie tiene tendencia
Función de autocorrelación parcial de Yt
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55
Desfase
Interpretacion: Se puede observar que existen 3 rezagos que sobrepasan los límites de
confianza por lo cual se puede decir que la serie esta auto correlacionada y se observa que
tiene tendencia por el comportamiento de los rezagos.
c) Use suavización exponencial con una constante de suavización de .4 y un valor
inicial de 77.4 para pronosticar los ingresos trimestrales del primer trimestre de
2000.
Se utiliza un alfa de 4 ya que en el ejerció nos pide que utilicemos eso y pronósticos
dice para el primer trimestre por tanto será procederá a pronosticar 15 por que en
el trimestre tenemos 14 datos y pronostico 15 será el primer trimestre del año 2000.
Interpretacion: los pronósticos para el primer trimestre del año 2000 son de 326.367
con un error de MAPE de 14.11 y un MAD de 24.05.
Cumplimiento de residuos
Interpretacion: cómo podemos observar en la gráfica cumple con normalidad y

homocedasticidad ya que están disperso y cumple con independencia ya que sigue
un patrón.
d) Use ahora una constante de suavización de .6 y un valor inicial de 77.4 para
pronosticar los ingresos trimestrales del primer trimestre de 2000.
Se utiliza un alfa de 6 ya que en el ejerció nos pide que utilicemos eso y pronósticos
dice para el primer trimestre
Cumplimiento de supuestos
Interpretacion: cómo podemos observar en la gráfica cumple con normalidad y

homocedasticidad ya que están disperso y cumple con independencia ya que sigue
un patrón.
e) ¿Qué constante de suavización ofrece el mejor pronóstico?
Se utiliza un constante de alfa de 4 ya que ofrece un mejor pronóstico, el grafico se
iguale mejor al grafico original también tiene los errores bajos con respecto al
constante de suavización de alfa es 6.
f) Revise el inciso c). Examine las auto correlaciones residuales. ¿Está usted
satisfecho con la suavización exponencial simple para este ejemplo? Explique.
Función de autocorrelación para RESID1

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55
Desfase
Usar una gráfica de residuos vs. orden (1, 2, 3, 4, n) para inspeccionar visualmente los
residuos y determinar si hay Autocorrelación. Una Autocorrelación positiva se identifica
mediante un agrupamiento de los residuos con el mismo signo. Una Autocorrelación
negativa se identifica mediante cambios rápidos en los signos de los residuos consecutivos.
Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya que

existen solo 1 rezagos fuera de los límites y en la gráfica podemos observar que existe
Autocorrelación negativa
14. La Triton Energy Corporation explora para extraer petróleo y gas. El presidente de
la compañía, Gail Freeman, quiere que el analista de la compañía pronostique las
ventas por acción de la compañía para el año 2000. Éste será un pronóstico
importante, puesto que los planes de reestructuración de Triton han encontrado
inconvenientes. Los datos se presentan en la tabla P-14. Determine cuál es el
mejor método para la elaboración del pronóstico y pronostique las ventas por
acción para el año 2000.
Ventas
Año acción
1974 0.93
1975 1.35
1976 1.48
1977 2.36
1978 2.45
1979 2.52
1980 2.81
1981 3.82
1982 5.54
1983 7.16
1984 1.93
1985 5.17
1986 7.72
1987 5.33
1988 8.12
1989 10.65
1990 12.06
1991 11.63
1992 6.58
1993 2.96
1994 1.58
1995 2.99
1996 3.69
1997 3.98
1998 4.39
1999 6.85
atípicos.
Gráfica de series de tiempo de Ventas acción
12
10
Ventas acción
6
0
3 6 9 12 15 18 21 24
Índice

analizara más a fondo esto más adelante.
Gráfica de caja de Ventas acción
12
10
8
Ventas acción
Interpretacion: Es claro observar en el diagrama de cajas que no existes datos atípicos
Interpretacion: La Triton Energy tiene un promedio de ventas de $4,84 con un mínimo de

ingresos $0,93 y alcanzando un máximo de $12,060. Tiene una deviación estándar mínima
por lo cual es muy pequeña que es 0.
parcial
Función de autocorrelación para Ventas acción
1.0
0.8
0.6
Autocorrelación 0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22 24
Desfase

que existen 1 rezagos fuera de los límites por lo tanto no es estacionaria.
Función de autocorrelación parcial de Ventas acción
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22 24
Desfase
c) Obtengan el modelo de predicción

Utilizaremos el promedio móvil y exponencial Se elige estos dos modelos ya que
presenta ST, S, TS.
Promedio móvil
Con k=2
Con k= 4
Modelo suavización exponencial
Con alfa=0.1
Con alfa=0.4
Con alfa=0.3
Interpretacion: el mejor modelo es el exponencial simple con alfa de 0,4 ya que es

el mejor que se ajustan al os datos originales y tiene un error menor con respecto al
otro modelo con un MAPE de 53.6191, MAD de 1.9748 y un MSD de 6.6035
d) pronostique las ventas por acción para el año 2000.

Interpretacion: con el modelo de suavización exponencial el pronostico para el año
2000 es de 5.19504.
Interpretacion: Los residuos también cumple con normalidad, homocedasticidad y

son independientes.
15. La Consolidated Edison Company vende energía eléctrica (82% de sus ingresos),
gas (13%) y vapor (5%) en la ciudad de Nueva York y el condado de Westchester.A
Bart Thomas, el encargado de elaborar pronósticos en la empresa, se le asigna la
tarea de pronosticar los ingresos trimestrales de la compañía por el resto de 2002
y todo 2003. Él recopila los datos que se presentan en la tabla P-15. Determine
cuál es la mejor técnica para la elaboración del pronóstico y pronostique los
ingresos trimestrales para el resto de 2002 y todo 2003.
atípicos.
Gráfica de series de tiempo de Venta
3.0
2.5
Venta
2.0
1.5
1.0
1 7 14 21 28 35 42 49 56 63 70
Índice

analizara más a fondo esto más adelante
Gráfica de caja de Venta
3.0
2.5
Venta
2.0
1.5
1.0
Interpretacion: se observan 2 datos atípicos los cuales no serán eliminados ya que podría
afectar a nuestra estimación
Interpretacion: La consolidated presenta ingresos trimestrales con un promedio de $1,64

con un ingreso minimo de $1.10 y un ingreso trimestral máximo de $2,88 Tiene una
desviación entre cada ingreso de $0,38 en cada uno de sus ingresos trimestrales.
parcial
Función de autocorrelación para Venta

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55 60 65
Desfase

que existen varios rezagos fuera de los límites por lo tanto no es estacionaria.
Función de autocorrelación parcial de Venta

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55 60 65
Desfase
Interpretacion: Se puede observar que existen varios rezagos que sobrepasan los límites de
c) Determine cuál es la mejor técnica para la elaboración del pronóstico

Utilizaremos el promedio móvil y exponencial Se elige estos dos modelos ya que presenta
ST, S, TS.
Promedio móvil con k=2
Con k =4
Suavización exponencial simple con alfa 0.1

Con alfa = 0.2
Con alfa 0.4

Interpretacion: Concluimos que el mejor modelo para el pronóstico es el modelo de
Suavizamiento Exponencial con alfa 0.1 ya que presenta menos error de mape de 10.7520
que los modelos restantes.
d) pronostique los ingresos trimestrales para el resto de 2002 y todo 2003.
Interpretacion los pronósticos para el año 2002 y 2003 es de un valor de 2.09079
Interpretacion= cumple con normalidad, homocedasticidad y son independientes.

16. Un fabricante que se especializa en refacciones no tiene sistema de pronósticos y
fabrica sus productos con base en las últimas ventas mensuales. Están disponibles
los datos de 24 meses de ventas y se presentan en la tabla P-16.
tabla P-16
meses ventas
enero 430
febrero 420
marzo 436
abril 452
mayo 477
junio 420
julio 398
agosto 501
septiembre 514
octubre 532
noviembre 512
2005 diciembre 410
enero 442
febrero 449
marzo 458
abril 472
mayo 463
junio 431
julio 400
agosto 487
septiembre 503
octubre 503
noviembre 548
2006 diciembre 432

atípicos. ¿Los datos son estacionales?
Pista: Para los datos mensuales el periodo estacional es s = 12. ¿Existe un patrón que
tienda a repetirse cada 12 meses? (por ejemplo, ventas de verano relativamente bajas o
ventas de otoño relativamente altas).
Gráfica de series de tiempo de ventas
560
540
520
500
ventas
480
460
440
420
400
2 4 6 8 10 12 14 16 18 20 22 24
Índice

analizara más a fondo esto más adelante
Gráfica de caja de ventas
560
540
520
500
ventas
480
460
440
420
400
Interpretacion: se observan que no existen datos atípicos los
Interpretacion: la fábrica tiene un promedio de 462.08 con un ingreso minimo de 398.00 y

un ingreso trimestral máximo de 548.00 Tiene una desviación entre cada ingreso de 42.61
en cada uno de sus ingresos trimestrales.

parcial
Función de autocorrelación para ventas
1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22
Desfase

que existen varios rezagos fuera de los límites por lo tanto no es estacionaria es estacional.
Función de autocorrelación parcial de ventas
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22
Desfase
Interpretacion: Se puede observar que existen varios rezagos que sobrepasan los límites de
c) Use un modelo informal para generar pronósticos de ventas mensuales (por

ejemplo, el pronóstico de febrero de 2005 está dado por el valor de enero de 2005,
y así sucesivamente). Calcule el MAPE.
Utilizaremos el modelo promedio móvil porque no dice un modelo informal con un
k= 2 porque dice que se repite cada 12 meses solo tenemos 2 años 2005 y 2006
Interpretacion: los pronósticos mensuales que se darán en la fábrica en el año 2005 mes a
mes serán de 490 con un error mape de 8.99 y un mad de 41.05
d) Use suavización exponencial simple con una constante de suavización de .5 y un

valor inicial suavizado de 430 para producir pronósticos de ventas mensuales.
Calcule el MAPE.
Interpretacion: los pronósticos mensuales que se darán en la fábrica en el año 2005 mes a
mes serán de 475.766 con un error mape de7.79 y un mad de 35.78
e) ¿Piensa que alguno de los modelos de los incisos b) y c) probablemente generará

pronósticos de ventas exactos para las ventas mensuales futuras? Explique.
Si sería buenos modelos ya que el error de evaluación de pronósticos de ambos
modelos tiene un error bajo como el modelo promedio móvil con un error de 8.99
mientras que el modelo exponencial con error de mape de 7.99 y los pronósticos
son a corto plazo a un que son constantes los pronósticos de ambos modelos son
475.766y 490 hay una mínima diferencia.
f) Use Minitad y el método de suavización multiplicativa de Winters con constantes

de suavización alfa= beta = gamma = .5 para generar el pronóstico de enero de
2007. Guarde los residuos.
Interpretacion: los pronósticos del modelo de Winter no son constantes, es largo plazo va
creciendo mes a mes las ventas de las fabrica, también el error de mape es de 2.448 y el
pronóstico para el mes de enero es de 467. 208.Los residuos del modelo de Winter son los
siguientes
g) Remítase al inciso f). Compare el MAPE del método de Winters que salió de la
computadora con el MAPE de los incisos g) y c). ¿Cuál de los tres métodos para
pronosticar prefiere y por qué?
Método Winter
método de promedio móvil
método de exponencial
Interpretacion: el mejor modelo de predicción es el modelo es Winter ya que tiene

un erro menor de mape de 2.448 con respecto a otros modelos ya que el mape
evalúa la exactitud del pronóstico.
h) Revise el inciso f). Calcule la Autocorrelación de los residuos (para seis retrasos de
tiempo) con el procedimiento multiplicativo de Winters. ¿Las auto correlaciones
residuales sugieren que el procedimiento de Winters funciona bien para estos
datos? Explique.
Usar una gráfica de residuos vs. orden (1, 2, 3, 4, n) para inspeccionar visualmente los
residuos y determinar si hay Autocorrelación.
Una Autocorrelación positiva se identifica mediante un agrupamiento de los residuos con
el mismo signo. Una Autocorrelación negativa se identifica mediante cambios rápidos en
los signos de los residuos consecutivos.
1.0
0.8
0.6
0.4
Autocorrelación 0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2 4 6 8 10 12 14 16 18 20 22
Desfase

que existen solo 1 rezagos fuera de los límites y en la gráfica podemos observar que existe
Autocorrelación negativa y funciona bien para estos datos.
17. Considere las compras de gasolina de la Spokane Transit Authority de la tabla 4.2.
En el ejemplo 4.3 se utilizó un promedio móvil de cinco semanas para suavizar los
datos y generar los pronósticos
Ventas
Año acción
1974 0.93
1975 1.35
1976 1.48
1977 2.36
1978 2.45
1979 2.52
1980 2.81
1981 3.82
1982 5.54
1983 7.16
1984 1.93
1985 5.17
1986 7.72
1987 5.33
1988 8.12
1989 10.65
1990 12.06
1991 11.63
1992 6.58
1993 2.96
1994 1.58
1995 2.99
1996 3.69
1997 3.98
1998 4.39
1999 6.85
a) Utilice Minitab para suavizar los datos de la Spokane Transit Authority, usando un
promedio móvil de cuatro semanas. ¿Cuál longitud de promedio móvil (cuatro o
cinco semanas) parece representar mejor los datos? Explique
Con longitud 4
Con longitud 5
Interpretacion: utilizada longitud 4 sería mejor para representar los datos ya que se
iguala mejor ala grafica original de la serie además los errores son bajos con un mape
de 67.19, mad de 2.5578 y un msd 10.1259 con respecto a los errores de longitud 5.
b) Utilice Minitab para suavizar los datos de Spokane Transit Authority usando la
suavización exponencial simple. Compare sus resultados con los del inciso a). ¿Qué
procedimiento, entre el promedio móvil de cuatro semanas o la suavización
exponencial simple, prefiere para estos datos? Explique.
Interpretacion: utilizada alfa 4 el modelo de exponencial simple sería mejor para
representar los datos ya que se iguala mejor ala grafica original de la serie además
los errores son bajos con un mape de 53.6198, mad de 1.9748 y un msd 6.6034 con
respecto a los errores de longitud 4 del modelo promedio móvil.
18. La tabla P-18 indica el número de terremotos severos anuales (aquellos con una
magnitud en la escala de Richter de 7 grados o más) de 1900 a 1999.
atípicos.
Gráfica de series de tiempo de numero
45
40
35
30
numero
25
20
15
10
5
1 10 20 30 40 50 60 70 80 90 100
Índice
Interpretacion: se puede observar en la gráfica Variación aleatoria Estos datos muestran

una variación aleatoria, No hay patrones o ciclos.
Gráfica de caja de numero

45
40
35
30
numero
25
20
15
10
Interpretacion: Es claro observar en el diagrama de cajas que existes 2 datos atípicos

Por lo tanto, se procederá a modificarlo. La solución es sacar el promedio de los 2 valores
más cercanos al punto de dato atípico.
Como podemos observar los 2 datos atípicos se encuentran en la fila 51 numero 39 y en la

fila 44 numero 41
Los nuevos datos sin los valores atípicos
La nueva nueva grafica de la serie

Gráfica de series de tiempo de numero
40
35
30
25
numero
20
15
10
5
1 10 20 30 40 50 60 70 80 90 100
Índice
Interpretacion: se puede observar en la gráfica Variación aleatoria Estos datos muestran

una variación aleatoria, No hay patrones o ciclos.
Gráfica de caja de numero
40
35
30
25
numero
20
15
10
Interpretacion: Es claro observar en el diagrama de cajas que no existen datos atípicos
Interpretacion: Los terremotos severos anuales tiene un promedio magnitud en la escala de

Richter de 19.825 grados con un mínimo de 6 grados y alcanzando un máximo de 36 grados
Tiene una deviación estándar mínima por lo cual es muy pequeña que es 0.676 grados.
b) Identifique si la Serie es estacionaria por medio de Autocorrelación simple

y parcial y si el dato de la serie cumple con normalidad
Función de autocorrelación para numero

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80 90
Desfase

que existen 1 rezagos fuera de los límites por lo tanto no es estacionaria.
Función de autocorrelación parcial de numero
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80 90
Desfase
Interpretacion: Por medio de técnica de Anderson Darling podemos compramos que sigue
una ley normal y que el valor de p es mayor a 0.5.
c) Utilice Minitab para suavizar los datos de terremotos con promedios

móviles de órdenes de k = 5, 10 y 15. Describa la naturaleza de la
suavización conforme el orden del promedio móvil se incrementa. ¿Cree
usted que podría haber un ciclo en estos datos? Si es así, dé un estimado
de la duración (en años) del ciclo.
Esta componente refleja comportamientos recurrentes, aunque no tienen por qué ser
exactamente periódicos, con un periodo superior a un año. Muestran, habitualmente, cómo
se suceden las etapas de los terremotos, o al menos, desaceleración.
Método de promedio móvil Con k=5

Interpretacion: si existe ciclo en estos datos también tendencia, pero a veces
no se separa de la tendencia. A la componente se le denomina entonces la
"ciclo-tendencia" No separaremos ciclo y tendencia en estos materiales, por
lo que, siempre que nos refiramos a la tendencia, estaremos hablando, de
hecho, de la ciclo-tendencia.
Grafica de promedio móvil y estimación
Interpretacion: Se estimó con k=5 ya que es el mejor que se ajusta a la gráfica

de la serie y valor estimado es de 21 años de duración aproximadamente.
d) Use Minitab para suavizar los datos de los terremotos usando la
suavización exponencial simple. Almacene los residuos y genere un
pronóstico para el número de terremotos severos en el año 2000. Calcule
las auto correlaciones residuales. ¿La suavización exponencial simple
ofrece un ajuste razonable de estos datos? Explique.
Después de probar con alfa 0.1 y alfa 0.2 Se utilizó un alfa de 0.5 porque tiene error
bajo y su grafica se acomoda más ala grafica original
Interpretacion: los números de terremotos severos en el año 2000 será de 20.6465

grados
Residuos
Autocorelacion de residos
1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80 90
Desfase
Interpretacion: La suavización exponencial simple no ofrece un ajuste razonable de

estos datos ya puede decir que la serie esta auto correlacionada y no tiene ningún
rezago fuera de lineal del intervalo.
e) ¿Existe un componente estacional en los datos del terremoto? ¿Por qué?
No existen componente estacional sino cíclica porque existen movimientos
hacia arriba y hacia abajo durante un periodo relativamente prolongado.
19. La tabla P-23 del capítulo 3 contiene los ingresos trimestrales antes de ingresos
extraordinarios de la Southwest Airlines de 1988 a 1999.
Año Trimestre Yt
1988 1 0.17
2 15.13
3 26.59
4 16.07
1989 1 19.64
2 19.24
3 24.57
4 8.11
1990 1 5.09
2 23.53
3 23.04
4 -4.58
1991 1 -8.21
2 10.57
3 15.72
4 8.84
1992 1 13.48
2 23.48
3 26.89
4 27.17
1993 1 24.93
2 42.15
3 48.83
4 38.37
1994 1 41.85
2 58.52
3 58.62
4 20.34
1995 1 11.83
2 59.72
3 67.72
4 43.36
1996 1 33
2 85.32
3 60.86
4 28.16
1997 1 50.87
2 93.83
3 92.51
4 80.55
1998 1 70.01
2 133.39
3 129.64
4 100.38
1999 1 95.85
2 157.76
3 126.98
4 93.8
a) Grafique la serie, diagrama de cajas y estadística descriptiva
160
140
120
100
80
Yt
60
40
20
1 5 10 15 20 25 30 35 40 45
Índice
Interpretacion: la serie tiene tendencia y También puede haber una ligera
curvatura en los datos, puesto que el incremento en los valores de datos
parece acelerar con el tiempo.
160
140
120
100
80
Yt
60
40
20
Interpretacion: existe 1 dato a típico por lo que la solución será sacar el

promedio de los 2 valores cercanos donde se encuentra el dato atípico.
El dato atípico se encuentra en dila 46 numero 157.76
Interpretacion: los datos serán lo mismo excepto que la fila 46 del año 1999
de 2 trimestre el número 157.76 cambiará al valor de 111.415 porque lo
sacamos el dato atípico.
140
120
100
80
Yt
60
40
20
1 5 10 15 20 25 30 35 40 45
Índice
Interpretacion: la nueva de grafica de serie sin datos atípicos tiene tendencia

creciente.
140
120
100
80
Yt
60
40
20
Interpretacion: ya no existen datos atípicos como podemos observar en la

gráfica además existen datos negativos.
Interpretacion: los ingresos extraordinarios de la Southwest Airlines tiene un ingreso medio

de 45.78, un minio de ingresos de 8.21, un ingreso máximo de 133.39, con una desviación
estándar de 37.68, primer cuartil de 16.86 y un tercer cuartil de 69.44.
b) Identifique si la serie es estacionaria
Función de autocorrelación para Yt
1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45
Desfase
Interpretacion: En el autocorrelograma se observa que la serie esta auto

correlacionada ya que existen varios rezagos fuera de los límites por lo tanto
la serie no es estacionaria.
c) Con Minitab, suavice los datos de ingresos de la Southwest Airlines

utilizando la suavización lineal de Holt y guarde los residuos. Calcule las
auto correlaciones de los residuos.
El modelo holt también se conoce como suavización exponencial doble para
modelar tendencias lineales y para generar pronósticos por lo tanto
utilizaremos exponencial doble me Minitad.
Con alfa 0.2 y beta 0.2

Interpretacion: se procede a trabajar con alfa 0.2, beta con 0.2 ya que la
gráfica se igual ala grafica original además los errores son bajos comparado
a los otros métodos es por eso que se escoge este técnica.
Residuos

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45
Desfase
Interpretacion: La suavización exponencial simple si ofrece un ajuste

razonable de estos datos ya puede decir que la serie esta auto correlacionada
y tiene 3 rezago fuera de lineal del intervalo.
d) ¿Parece que el procedimiento de suavización de Holt representa bien estos
datos? Si no es así, ¿qué componente de la serie de tiempo (tendencia,
ciclo, componente estacional) no toma en cuenta el método de Holt?
Este método de holt si representa bien los datos ya que trabaja con
componentes estacional y la serie es estacional. El modelo exponencial
simple o más conocido como holt es óptimo para patrones de demanda que
presentan una tendencia, al menos localmente, y un patrón estacional
constante, en el que se pretende eliminar el impacto de los elementos
irregulares históricos mediante un enfoque en períodos de demanda
reciente.
e) Emplee Minitab para suavizar los datos de ingresos de Southwest Airlines
con la suavización exponencial multiplicativa de Winters. Guarde los
residuos y genere pronósticos de ingresos para los cuatro trimestres de
2000. Calcule las auto correlaciones residuales. ¿La técnica de suavización
de Winters se ajusta bien a los datos de ingresos? ¿El pronóstico parece
razonable? Discútalo.
Interpretacion: se procede a trabajar con alfa 0.1, beta con 0.1, gamma de
0.9 ya que la gráfica se igual ala grafica original además los errores son bajos
y con k de 4 ya que los datos son trimestrales.
Interpretacion: pronósticos de ingresos para el 2000 para el primer trimestre

es de $ 100.497, para el segundo semestre $ 125.533, para el tercer trimestre
$ 140.994 y para cuarto trimestre $ 105.473. y los pronósticos son razonables
ya que son a largo plazo.
Residuos

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45
Desfase
Interpretacion: La suavización no ofrece un ajuste razonable de estos datos

ya puede decir que la serie esta auto correlacionada y tiene solo 1 rezago
fuera de lineal del intervalo.
20. La tabla P-20 contiene las ventas trimestrales (en millones de $) para The Gap de
los años fiscales 1980 a 2004.
a) Dada la serie haga un análisis descriptivo, grafique la serie y de diagrama de cajas,

interprete los resultados
Gráfica de series de tiempo de ventas

5000
4000
3000
ventas
2000
1000
0
1 9 18 27 36 45 54 63 72 81
Índice
Interpretacion: Se puede observar que tienen tendencia y posiblemente estacionalidad

Gráfica de caja de ventas
5000
4000
3000
ventas
2000
1000
Interpretacion: no existen datos atípicos en la serie
Interpretacion: Se puede observar que la serie presenta un valor minimo de 87 y un

valor máximo de 4898, así como también su primer cuartil que es de 313 y tercer
cuartil de 2851 con una media de 1498 y mediana de 153.
Análisis de componente para ventas

Modelo multiplicativo
Datos originales Datos con tendencia invertida
10
4500
3000 0
1500
-10
0
1 17 34 51 68 85 1 17 34 51 68 85
Índice Índice
Datos ajustados estacionalmente Datos con elim. de tend. y ajuste estac.

1000
4500
3000
0
1500
0
-1000
1 17 34 51 68 85 1 17 34 51 68 85
Índice Índice
En el grafico se observa que presenta tendencia con pendiente positiva y en el tercer

grafico se observar que estacional la serie
b) MODELACIÖN: Analice los autocorrelograma simple y parcial
Función de autocorrelación para ventas

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80
Desfase
En el autocorrelograma se observa que la serie esta auto correlacionada ya que

existen varios rezagos fuera de los límites y se ve cómo va decreciendo por lo cual
se confirma que la serie tiene tendencia
Función de autocorrelación parcial de ventas

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80
Desfase
Se puede observar que existen varios rezagos que sobrepasan los límites de
confianza por lo cual se puede decir que la serie esta auto correlacionada y se
observa que tiene tendencia por el comportamiento de los rezagos
c) Aplique un modelo ARIMA
Con promedio móvil 1, diferencia 1 y autoregresivo de 0
Los errores del modelo 1
Podemos observar que lo errores son mayores a 2 por lo tanto se rechaza la

hipótesis nula
Analizamos los datos de chi-cuadrado podemos observar los valores de chi cuadrado
son menores a los valores críticos de las condiciones que establece esta estimación
por tano el modelo obtenido es un modelo adecuado.
Autocorrelación
0.3313/70.51=0.00469862 no es significativo
Con promedio móvil 0, diferencia 1 y autoregresivo de 1
Los errores del modelo 2
Podemos observar que lo errores son mayores a 2 por lo tanto se rechaza la

hipótesis nula
Analizamos los datos de chi-cuadrado podemos observar los valores de chi
cuadrado son menores a los valores críticos de las condiciones que establece
esta estimación por tano el modelo obtenido es un modelo adecuado.
El primero modelo es mejor ya que tiene un error más bajo que el modelo 2
d) Cumplimiento de supuestos de modelo arima
Interpretacion: La serie se distribuye de forma homogénea, Cumpliendo con el

supuesto de normalidad y homocedasticidad se puede seguir con el modelo
Pronósticos
Interpretacion: los pronósticos del modelo arima para los 4 trimestres va desde
4664.25 a 4897.16 son pronósticos a largo plazo.
e) Identifique los valores óptimos de alfa, beta y gama para el modelo de Holt Winter.
interpretacion Con un NIVEL de 0.1 TENDENCIA= 0.1 y ESTACIONALIDAD=0.9 se

obtiene los siguientes errores con un MAPE de 10.5 lo cual nos dice q es un buen
modelo en comparación con otros.
f) Identifique que los residuos de holt Winter cumplan con los supuestos y analice
los errores
Interpretacion: Se observa que tiene errores de un MAPE=10.5 un MAD=111.7 y un

MSD=34623.6 con lo cual se concluye que este modelo no presenta demasiado error
y puede ser un modelo óptimo para estimar pronósticos
Se puede observar que cumple con el supuesto de normalidad ya que los datos se
ajustan a la línea de tendencia así como también el de homocedasticidad ya que no
presenta ningún patrón al igual que presenta independencia
g) Prediga 4 datos para los 4 trimestres con ambos modelos
Modelo arima
Modelo holt Winter
h) ¿Cuál de los dos modelos analizados considera que es el mejor para predecir?
Argumente su respuesta
El de holt Winters ya que este presenta menor error que el modelo ARIMA, así como
también los pronósticos se ajustan más a los datos reales
Capítulo 5
1. Explique el concepto de descomposición de una serie de tiempo.

Cada componente se identifica por separado Las proyecciones de cada uno de los
componentes se pueden usar luego de manera combinada para elaborar pronósticos de
valores futuros de la serie de tiempo. Los métodos de descomposición se usan para
pronósticos tanto de corto como de largo plazos. También se emplean para exhibir de
manera simple el crecimiento o la declinación subyacente de una serie, así como para
ajustar la serie al eliminar uno o más de los componentes.
2. Explique cuándo es más adecuada una descomposición multiplicativa que una
descomposición aditiva.
El modelo multiplicativo funciona mejor cuando la variabilidad de la serie aumenta con el
nivel, es decir los valores de la serie se dispersa conforme la tendencia aumenta
3. ¿Cuáles son algunos factores básicos que influyen en el ciclo de tendencia de la
mayoría de las variables?
Crecimiento de la población, inflación, ventas de producto en su etapa de crecimiento en
el ciclo de vida
4. ¿Qué clase de modelo de tendencia debería emplearse en cada uno de los
siguientes casos?
a) La variable aumenta a una tasa constante.
Es posible ajustar a una tendencia exponencial
b) La variable aumenta a una tasa constante hasta que alcanza la saturación y se nivela.
Tendencia no lineal
c) La variable aumenta en una cantidad constante.
Curvas de tendencia no lineal
5. ¿Cuáles son algunos factores básicos que influyen en el componente estacional de
la mayoría de las variables?
Periodos escolares, periodos vacacionales, productos de estación, estaciones de año
6. Las estimaciones de crecimiento de ventas e ingresos de Valué Line para compañías
individuales se derivan de las correlaciones de ventas, ingresos y dividendos de los
componentes apropiados de Nacional Income Accounts, como inversiones en
bienes de capital. Jason Black, un analista de Value Line, está revisando la
tendencia de la variable de las inversiones en bienes de capital de 1977 a 1993. Los
datos se presentan en la tabla P-6.
Como primer paso debemos abrir el programa Minitab y este es la pantalla principal del
programa
Después de abrir procedemos a ingresar los datos y a continuación realizamos un análisis

descriptivo
a) Analisis descriptivo diagrama de caja y cumplimiento de supuestos y la serie es

estacionaria o no es estacionaria
Estadísticas
En el análisis descriptivo
Los datos tienen una media de 447.2 y como máximo es de 680 y como mínimo 214 y los datos son 18 en total.
Gráfica de caja de YT
700
600
500
YT
400
300
200
Interpretacion: no existen datos atípicos en la serie
Análisis de los componentes de la serie
Como podemos ver en la gráfica podemos No está auto correlacionado por que no
decir que tiene tendencia creciente sobrepasa ningún rezago por lo tanto
podemos decir que es estacionario
a) Grafique los datos y determine el modelo de tendencia adecuado para los años de
1977 a 1993.
Como podemos ver la gráfica el modelo adecuado para estos datos es la tendencia lineal
con un Yt =218.5+ 23.89*t
b) Si el modelo adecuado es lineal, calcule el modelo de tendencia lineal para los años
de 1997 a 1993.
Aplicamos el modelo de tendencia lineal ya que era el mejor que se ajusta a nuestros datos
con un MAPE de 4,502
c) ¿Cuál es el incremento promedio anual en inversiones en bienes de capital desde
1977?
El incremento promedio anual está por arriba del promedio un 22%
d) Estime el valor de la tendencia para inversiones en bienes de capital en 1994.
el pronóstico para el año de 1994 de las inversiones es de 648.581

e) Compare su estimación de la tendencia con la de Value Line.
cuando se realiza la comparación podemos ver los datos reales con el pronóstico hay una
diferencia grande esto quiere decir que no fue un mejor modelo para predecir
f) ¿Qué factor(es) influye(n) en la tendencia de la inversión en bienes de capital?

El factor que influyen en la tendencia de la inversión en bienes de capital es la inflación
Los supuestos
Como se puede ver en la gráfica existe normalidad hay variable aleatoria porque están
dispersos y no se ve muy bien que tiene homocedastidad por que no siguen un patrón
7. Una compañía estadounidense grande está considerando hacer recortes en su

publicidad en TV y, en vez de ello, entregar a sus clientes videos del negocio. Esta
acción se está revisando después de que el presidente de la compañía leyó
recientemente un artículo en el periódico que se refería a los videos para atraer
clientes como “el arma para lograr ventas “en la actualidad. Algo que al presidente
le gustaría investigar antes de emprender esta acción es la historia de la publicidad
en TV en Estados Unidos, especialmente en relación con el ciclo de tendencia. La
tabla P-7 indica el gasto total en dólares en publicidad televisiva en Estados Unidos
(en millones de dólares).
AÑO Y
1980 11,424
1981 12,811
1982 14,566
1983 16,542
1984 19,670
1985 20,770
1986 22,585
1987 23,904
1988 25,686
1989 26,891
1990 29,073
1991 28,189
1992 30,450
1993 31,698
1994 35,435
1995 37,828
1996 42,484
1997 44,580
Estadísticas
Variable N N* Media Desv.Est. Varianza CoefVar Suma Mínimo Q1 Mediana Q3
Y 18 0 26366 9704 94171989 36.81 474586 11424 18888 26289 32632
N para
Variable Máximo Rango Modo moda Asimetría Curtosis
Y 44580 33156 * 0 0.27 -0.60
Diagrama de caja
Interpretación:
Los datos tienen una media de 26,366 y una

mediana de 26, 289 no tiene moda y su
desviación de 97,04 y un máximo es de 44,558 y
como mínimo 11,424 y los datos son 18 en total.
Como se puede observar en la gráfica de
diagrama de caja no existe datos atípicos
No está auto correlacionado por que no

sobrepasa ningún rezago por lo tanto
podemos decir que es estacionario
a) Grafique la serie de tiempo de los gastos en publicidad televisiva en Estados

Unidos.
En el siguiente grafico observamos

que la serie de tiempo es creciente
Los datos de los gastos en publicidad tienen una tendencia y creciente atreves del tiempo
b) Ajuste una tendencia lineal a los datos de publicidad y grafique la línea ajustada
sobre la gráfica de la serie de tiempo.
Ecuación de tendencia ajustada
Yt = 9310 + 1795.4×t
Los datos que se ajusta mejor es a una tendencia lineal con una ecuación de
y=9310+1795.4×te y con un error de MAPE de 3
c) Pronostique los gastos en publicidad televisiva en dólares para 1998.

Pronósticos
Período Pronóstico Inferior Superior
19 40.0818 29992.7 50170.8
El pronóstico de gasto de publicidad en Estados Unidos para el año 1998 es de

40,818 eso quiere decir que se van a bajar para ese año respecto al año anterior
Se puede observar en la gráfica de los supuestos si cumple con los supuestos de la
normalidad y también con la homocedastidad como también independencia ya que los
datos están dispersos
d) De acuerdo con los resultados del inciso ¿cree que podría haber un componente
cíclico en los gastos en publicidad televisiva en dólares? Explique.
Si ya que Esta componente refleja comportamientos recurrentes, aunque no tienen

por qué ser exactamente periódicos, con un periodo superior a un año. Muestran,
habitualmente, cómo se suceden las etapas de bonanza económica con las de crisis,
o al menos, desaceleración.
8. Suponga que los siguientes índices estacionales específicos para marzo están dados
como porcentajes y se obtuvieron por el método de la proporción del promedio
móvil:
102.2 105.9 114.3 122.4 109.8 98.9

¿Cuál es el índice estacional para marzo usando la mediana?
102.2+105.9+114.3
+122.4+109.8+98.9
=108.917
𝟔
El índice estacional usando la media seria a:108.917

9. El valor esperado de la tendencia para octubre es de $850.Suponiendo un índice
estacional para octubre de 1.12 (112%) y el modelo multiplicativo dado por la
ecuación 5.2, ¿cuál sería el pronóstico para octubre?
El valor esperado de la tendencia para octubre aplicando el modelo multiplicativo

con la siguiente ecuación
Y=1.12+5.2*t Y=1.12+5.2*850 = 957.2
El valor esperado de la tendencia para octubre seria a: 975.2
10. Los siguientes porcentajes específicos para los índices estacionales corresponden
al mes de diciembre:
75.4 86.8 96.9 72.6 80.0 85.4
Suponga un modelo de descomposición multiplicativa. Si la tendencia esperada para
diciembre es de $900 y se usa el ajuste estacional de la mediana, ¿cuál es el
pronóstico para diciembre?
75.4+86.8+96.9+72.6+80.0+85.4
=82.85
6
xt = Tt +St + at
xt =900+82.85+1=983.85
El pronóstico para diciembre es: 983.85
11. Un gran centro vacacional cerca de Portland, Maine, ha llevado registro de sus
ventas mensuales durante varios años, pero nunca ha analizado estos datos. El
centro vacacional calcula los índices estacionales para sus ventas mensuales.
¿Cuáles de los siguientes enunciados acerca del índice son correctos?
a) La suma de los 12 números índices mensuales, expresados como porcentajes,
debería ser 1,200.
I=12/1200=0.01 es Incorrecta
b) Un índice de 85 para mayo indica que las ventas son 15% más bajas que las ventas
mensuales promedio.
Y=0.15+0.01*85 =1
Correcta
En la preparación de un reporte para June Bancock, gerente de Kula Department Store,
usted incluye las cifras de ventas del último año (en miles de dólares) presentadas en la
tabla P-12. Al verlas, el señor Bancock dice: “Este reporte confirma lo que le he estado
diciendo: el negocio cada vez va mejor”. ¿Es correcta esta afirmación? ¿Por qué?
Índice
estacional
Mes Ventas ajustado
Enero 125 51
Febrero 113 50
Marzo 189 87
Abril 201 93
Mayo 206 95
Junio 241 99
Julio 230 96
Agosto 245 89
Septiembre 271 103
Octubre 291 120
Noviembre 320 131
Diciembre 419 189
Como se puede observar en la gráfica podemos decir que el negocio va cada vez mejor y
es correcta la afirmación porque se va en forma creciente el negocio
12. Los niveles de ventas trimestrales (medidos en millones de dólares) de Goodyear
Tire se presentan en la tabla P-13. ¿Parece haber un efecto estacional significativo
en estos niveles de ventas? Analice esta serie de tiempo para obtener los cuatro
índices estacionales y determine la magnitud del componente estacional en las
ventas de Goodyear.
En la grafica podemos observar que tiende a crecer positivamente
Interpretación
Los datos no tienen datos típicos ni faltantes como

su media es de 2.808 como mínimo es 2.063 y con
un máximo de 3.351 y no se encuentra datos atípicos
Si está auto correlacionado porque si

sobrepasa rezago por lo tanto podemos decir
que es estacionario
ANALISIS DE LA SERIE
Como se puede apreciar en la gráfica existe tendencia creciente y también hay

estacionalidad y el factor aleatorio
a) Para pronosticar, ¿usaría el componente de la tendencia, el componente de la
estacionalidad o ambos?
Para pronosticar estos datos se recomienda utilizar ambos componentes ya que

los dos se ajustan
b) Elabore un pronóstico para el tercero y el cuarto trimestres de 1996.

Pronósticos
Período Pronóstico
47 3.250
48 3.452
El pronóstico para el periodo tercero es de 3.250 y para el cuarto

trimestre de 1996 es de 3.452
c) Compare sus pronósticos con los de Value Line.

Pronósticos
47 3.250
48 3.452
Los valores pronosticados con el valor real hay una diferencia de decimales ya que
el modelo que se escogió no era el más indicado
13. Las ventas mensuales de Cavanaugh Company, representadas en la figura 5.1
(abajo), se especifican en la tabla P-14.
La serie tiene tendencia y crecer positivamente
Estadísticas
Conteo
Variable total Media Desv.Est. Varianza CoefVar Suma Mínimo Q1 Mediana Q3
Ventas_2 77 298.4 198.4 39374.7 66.50 22977.0 36.0 146.5 257.0 398.0
N para
Ventas_2 895.0 859.0 169, 210, 223, 2 1.04 0.61
272
Interpretación
Los datos si tienen datos típicos su media es de

298.4 como mínimo es 36 y con un máximo de 895
su promedio de 257 y su moda de 2 su asimetría de
1.04 y una curtosis de 0.61
Interpretación
Si esta auto correlacionada es decir

que si es estacionaria ya que
sobrepasa 3 rezagos de la línea de
confianza
Observamos que no tiene tendencia y es estacionalidad y tiene factor aleatorio

a) Realice una descomposición multiplicativa de la serie de tiempo de las ventas de
Cavanaugh Company, suponiendo los componentes de tendencia, estacional e
irregular.
DESCOMPOSICIÓN MULTIPLICATIVA
Método
Tipo de modelo Modelo multiplicativo
Datos Ventas_2
Longitud 77
Número de valores 0
faltantes
Yt = 72.6 +
6.013×t
Índices estacionales
Período Índice
1 1.27806
2 0.90740
3 0.61574
4 0.48172
5 0.42562
6 0.46744
7 0.65326
8 0.86343
9 1.36478
10 1.78981
11 1.86506
12 1.28769
Medidas de exactitud
MAPE 14.21
MAD 32.63
MSD 1913.95
Interpretacion:
Observamos en el grafico que si se ajustan el modelo multiplicativo también decimos que,
si hay normalidad, homocedastidad y independencia.
b) Para pronosticar, ¿usaría el componente de tendencia, el componente estacional
o ambos?
Para el pronóstico usaría el componente estacional ya que se ajustan mejor los
datos. Muchas series económicas presentan oscilaciones regulares en el mismo mes
de cada año, y con unas pautas que se presentan, sin repetirse exactamente, todos
los años.
c) Obtenga pronósticos para el resto de 2006.
Para el resto del 2006 los pronósticos son:
Pronósticos
78 253.17
79 357.74
80 478.03
81 763.80
82 1012.44
83 1066.21
84 743.89
14. Construya una tabla similar a la tabla P-14 con los logaritmos naturales de las
ventas mensuales. Por ejemplo, el valor para enero de 2000 es ln (154) = 5.037.
Ventas Ventas Ventas Ventas Ventas Ventas Ventas
Año (ln)2000 (ln)2001 (ln)2002 (ln)2003 (ln)2004 (ln)2005 (ln)2006
Enero 5.037 5.298 5.407 5.846 6.250 6.418 6.443
Febrero 4.564 4.771 4.644 5.565 6.001 5.971 5.730
Marzo 4.290 4.500 4.673 5.412 5.704 5.609 5.781
Abril 3.892 4.369 4.443 4.949 5.347 5.775 5.513
Mayo 3.584 4.357 4.317 4.997 5.278 5.242 5.606
Junio 4.078 4.511 4.595 4.977 5.226 5.549
Julio 4.554 5.118 4.905 5.407 5.509 5.781
Agosto 5.130 5.130 5.352 5.606 5.838 6.001
Septiembre 5.347 5.666 5.814 6.098 6.140 6.518
Octubre 5.628 5.849 6.131 6.328 6.522 6.755
Noviembre 5.697 5.927 6.190 6.417 6.567 6.797
Diciembre 5.501 5.313 5.787 6.146 6.413 6.498
Estadísticas
Conteo Desv.Est Mínim
Variable total Media . Varianza CoefVar Suma o Q1 Mediana
Ventas 77 5.4662 0.7212 0.5202 13.19 420.899 3.5835 4.987 5.5491
(ln) 8 0
N para
Variable Q3 Máximo Rango Modo moda Asimetría Curtosis
Ventas 5.9863 6.7968 3.2133 5.12990, 5.34711, 2 -0.36 -0.39
(ln) 5.40717,
5.60580
Interpretación
Los datos no tienen datos típicos su media es de

5.466 como mínimo es 3.58 y con un máximo de
6.7968 su promedio de 5.5491 y su moda de 2 su
asimetría de -0.36 y una curtosis de -0.39
Interpretación
Si esta auto correlacionada es decir que si es

estacionaria ya que sobrepasa 3 rezagos de la línea
de confianza
a) Haga una descomposición aditiva de ln(ventas), considerando el modelo.

Y=T+S+I
Método
Tipo de modelo Modelo aditivo
Datos Ventas (ln)
Longitud 77
faltantes
Período Índice
1 0.334619
2 0.018136
3 0.402487
4 0.636992
5 0.714009
6 0.570579
7 0.273000
8 0.001204
9 0.469961
10 0.722911
11 0.746716
12 0.342200
MAPE 8.52519
MAD 0.44378
MSD 0.25754
c) Para pronosticar, ¿usaría el componente de la tendencia, el componente

estacional o ambos?
Para pronosticar se recomienda utilizar descomposiciones estacionales ya que

como observamos en la gráfica la línea de color verde esta descomposición de la
tendencia y observamos que es constante.
c)Elabore pronósticos para las(ventas) para los meses restantes de 2006.
Los pronósticos de los meses restantes son:
Pronósticos
78 4.91432
79 5.21189
80 5.48369
81 5.95485
82 6.20780
83 6.23161
84 5.82709
d)Tome los antilogaritmos de los pronósticos calculados en el inciso para obtener
pronósticos de las ventas reales para el resto de 2006.
Para el resto del 2006 los pronósticos son:
Pronósticos
78 253.17
79 357.74
80 478.03
81 763.80
82 1012.44
83 1066.21
84 743.89
Pronósticos
78 4.91432
79 5.21189
80 5.48369
81 5.95485
82 6.20780
83 6.23161
84 5.82709
Observamos que los pronósticos sin algoritmos es el mejor ya que nos da
datos que si concuerda con los datos reales.
d) Compare los pronósticos del inciso con los del inciso del problema
Podemos decir que los pronósticos reales son más existentes ya que cuando se aplica
logaritmos son menores los resultados.
15. ¿Cuál conjunto de pronósticos prefiere usted? ¿Por qué? 16. La tabla P-16 indica las
ventas trimestrales (en millones de dólares) de Disney Company del primer
trimestre de 1980 al tercer trimestre de 1995.
Estos datos muestran un patrón estacional. El patrón se repite cada 12 meses.
Estadísticas
Conteo Medi
Variable total a Desv.Est. Varianza CoefVar Suma Mínimo Q1 Mediana Q3
ventas_3 63 1134 871 758644 76.78 71464 204 363 775 1739
N para
ventas_3 3302 3098 * 0 0.83 -0.41
Interpretación

1134 como mínimo es 204 y con un máximo de 3302
su promedio de 775 y su moda de 0 su asimetría de
0.83 y una curtosis de -0.41
Interpretación

de confianza
a) Haga una descomposición multiplicativa de la serie de tiempo que integran las

ventas trimestrales de Disney.
Método
Datos ventas_3
Longitud 63
faltantes
Yt = -302.9 +
44.89×t
MAPE 37.0
MAD 224.2
MSD 79278.5
b) ¿Parece haber una tendencia significativa? Discuta la naturaleza del componente
estacional.
Si hay tendencia creciente el componente estacional ya que Muchas series económicas

presentan oscilaciones regulares en el mismo mes de cada año, y con unas pautas que se
presentan, sin repetirse exactamente, todos los años.
c) ¿Usaría usted ambos componentes el de tendencia y el estacional, para pronosticar?
Solo usaría la de la tendencia ya que observamos que si hay tendencia y no estacional
d) Pronostique las ventas para el cuarto trimestre de 1995 y los cuatro trimestres de
1996.
Los pronósticos para el cuarto trimestre 1995 y los otros cuatro trimestres de 1996 es:
Pronósticos
64 2506.18
65 2501.53
66 2719.25
67 2830.03
68 2681.28
16. La demanda mensual de gasolina (en miles de barriles/día) de la Yukong Oil

Company de Corea del Sur para el periodo que va de enero de 1986 a septiembre
de 1996 se indica en la tabla P-17.
Gráfica de series de tiempo de VENTAS

3500
3000
2500
2000
VENTAS
1500
1000
500
1 6 12 18 24 30 36 42 48 54 60
Índice
En este grafica observamos cambios estacionales multiplicativos, la magnitud de los

cambios estacionales se incrementa con el tiempo a medida que los valores de datos se
van incrementando.
Estadísticas
Conteo
Variable total Media Desv.Est. Varianza CoefVar Suma Mínimo Q1 Mediana
ventas4 129 84.21 53.58 2870.67 63.62 10863.67 0.04 34.65 74.10
N para
ventas4 124.75 216.10 216.06 68.1 3 0.47 -0.88
Interpretación

asimetría de 0.47 y una curtosis de -0.88
Función de autocorrelación para VENTAS

1.0
0.8
0.6
Interpretación
0.4
Autocorrelación
0.2 Si esta auto correlacionada es decir que si es

0.0
-0.2 estacionaria ya que sobrepasa 7 rezagos de la línea

-0.4
-0.6
de confianza
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55 60
Desfase
a) Grafique la serie de tiempo de la demanda de gasolina. ¿Piensa usted que sería

adecuada una descomposición aditiva o una multiplicativa para esta serie de
tiempo? Explique.
Se puede observar que mejor es la descomposición multiplicativa ya que se ajusta mejor
los datos a la serie que tenemos
b) Realice un análisis de descomposición de la demanda de gasolina.
Método
Datos ventas4
Longitud 129
faltantes

Yt = -6.37 +
1.3914×t
Período Índice
1 0.94408
2 0.94698
3 0.95790
4 0.99406
5 1.00071
6 1.01123
7 1.02689
8 1.07703
9 1.04103
10 0.98261
11 0.99809
12 1.01939
MAPE 1807.64
MAD 8.43
MSD 122.48
c) Interprete los índices estacionales.
Período Índice
1 0.94408
2 0.94698
3 0.95790
4 0.99406
5 1.00071
6 1.01123
7 1.02689
8 1.07703
9 1.04103
10 0.98261
11 0.99809
12 1.01939
Observamos que la descomposición multiplicativa es la mejor porque se ajustan mejor a
la serie.
d) Pronostique la demanda de gasolina para los últimos tres meses de 1996.
Los últimos tres meses de 1996 es de:
Pronósticos
130 171.485
131 175.575
132 180.740
17. La tabla P-18 contiene datos que representan las ventas mensuales (en miles de
millones de dólares) de todas las tiendas minoristas en Estados Unidos. Con base
en los datos de 1994, ejecute un análisis de descomposición de esta serie. Haga
comentarios acerca de los tres componentes de la serie. Pronostique las ventas al
menudeo para 1995 y compare sus resultados con los valores reales que aparecen
en la tabla.
Gráfica de series de tiempo de gasolina
200
150
gasolina
100
50
0
1 13 26 39 52 65 78 91 104 117
Índice
La serie tiene es estacional ya que va creciendo positivamente

Estadísticas
Conteo
Variable total Media Desv.Est. Varianza CoefVar Suma Mínimo Q1 Mediana
P18 84 157.70 22.54 508.14 14.29 13247.10 113.60 142.50 154.35
N para
P18 174.55 233.30 119.70 130.9, 145, 154.6, 2 0.65 0.78
164.6
Interpretación
Los datos si tienen datos típicos su media es de

asimetría de 0.65 y una curtosis de 0.78
Interpretación

de confianza
Observamos que no tiene tendencia, pero si es estacional y tiene variable aleatoria
Descomposición multiplicativa con tendencia y estacional
Método
Datos P18
Longitud 84
faltantes

Yt = 128.814 +
0.6767×t
Período Índice
1 0.88020
2 0.85927
3 0.99140
4 0.98614
5 1.03112
6 1.02073
7 1.00741
8 1.03463
9 0.97311
10 0.99059
11 1.01547
12 1.20993
MAPE 1.9842
MAD 3.1934
MSD 16.5349
Pronósticos
85 164.010
86 160.690
87 186.071
88 185.751
89 194.920
90 193.648
91 191.802
92 197.684
93 186.590
94 190.611
95 196.085
96 234.453
La descomposición multiplicativa se ajusta mejor los datos y por ende decimos que es la
mejor y si hay normalidad homocedastidad e independencia.
Pronostico de 1995 de las ventas de los minoristas son:
Pronósticos
85 164.010
86 160.690
87 186.071
88 185.751
89 194.920
90 193.648
91 191.802
92 197.684
93 186.590
94 190.611
95 196.085
96 234.453
18. Los índices estacionales ajustados que aparecen en la tabla P-19 reflejan el
volumen cambiante de los negocios del Mount Spokane Resort Hotel, el cual ofrece
servicios a familias en el verano y a esquiadores entusiastas durante los meses de
invierno. No se esperan variaciones cíclicas bruscas durante 2007.
Estadísticas
Conteo
Variable total Media Desv.Est. Varianza CoefVar Suma Mínimo Q1 Mediana Q3
índice 12 100.0 39.4 1550.9 39.38 1200.0 33.0 65.5 98.5 134.0
N para
índice 153.0 120.0 * 0 -0.29 -0.90
Interpretación
Los datos no tienen datos típicos su media es de 100

como mínimo es 33 y con un máximo de 153 su
promedio de 98.5 y su moda de 0 su asimetría de -
0.29 y una curtosis de -0.90
Interpretación
No esta auto correlacionada es decir que no es

estacionaria ya que no sobrepasa ningún rezago de
la línea de confianza
a) Si 600 turistas se alojaran en el hotel en enero de 2007, ¿cuál sería una

estimación razonable para febrero?
Ajustamos la serie a un modelo multiplicativo y nos da la siguiente ecuación. Para

poder pronosticar los turistas que alojaran en febrero del 2017 será de
Y= 113.0-1.77*600 = 949
b) La ecuación de la tendencia mensual es 𝑻 = 𝟏𝟒𝟎 + 𝟓𝒕 donde t = 0 representa el
15 de enero de 2001. ¿Cuál es el pronóstico para el mes de 2007?
T = 140 + 5t T = 140 + 5(7) = 175
Observamos que el pronóstico del mes de septiembre es de 175
c) ¿Cuál es el número promedio de nuevos turistas por mes?
Y= 113.0-1.77*12= 91.76 =92 personas
El numero promedio de turistas por mes es de =92
19. Analice el desempeño del índice compuesto de los indicadores con
comportamiento adelantado como un barómetro de la actividad empresarial en
años recientes.
Este indicador proporciona señales adelantadas acerca de la posible evolución de la
economía. Es decir, basándose en una serie de variables, el CLI trata de adelantar qué va
a pasar en esa economía en los próximos 6-9 meses. Si el CLI aumenta, significa que la
economía va a mantener un crecimiento sostenido en los próximos tiempos. Si alcanza un
techo, quiere decir que la economía va a estar por debajo de su potencial. Y si cae, la
economía podría entrar en recesión.
Actualmente, tanto el índice español como el general de la OCDE están a la baja, y se ha
situado por debajo de 100 puntos, el valor de referencia, en un claro signo de
desaceleración.
20. ¿Cuál es la posición actual del ciclo de negocios? ¿Se está expandiendo o
contrayendo? ¿Cuándo se presentará el siguiente punto de inflexión?
En si la hipótesis del ciclo de negocios hace hincapié en el sentido del cambió de la
economía. Para qué los políticos resulten reelegidos, la tasa de desempleo debe estar
disminuyendo y la tasa de inflación no debe estar empeorando.
21. ¿Cuál es el propósito de la deflación de una serie de tiempo que se mide en dólares?
Si disponemos de una serie estadística de datos sobre la valoración de alguna
magnitud económica (consumo , producción,
etc. ), lo habitual es que la valoración monetaria de estos datos se realice a precios
corrientes de cada período. En la medida en que los precios sufren alteraciones de
unos períodos a otros, la serie así representada no permite hacer comparaciones. La
solución de este problema es expresar la serie en términos de precios constantes de
un determinado período (año base).
22. La tabla P-25 contiene el número (en miles) de varones de 16 años de edad en
adelante que fueron empleados en Estados Unidos para los meses de enero de 1993
a octubre de 2003.
a) Use Minitab para hacer una descomposición multiplicativa de estos datos y genere
los pronósticos para los siguientes 12 meses.
b) Estadísticas
Conte
Variabl o Medi Desv.Est Varianz CoefVa Mínim Median
e total a . a r Suma o Q1 a Q3
p25 130 7011 2975 885123 4.24 911550 63344 6742 70738 7269
9 2 3 2 7
Variabl Máxim Rang N para Asimetrí
e o o Modo moda a Curtosis
p25 74579 1123 * 0 -0.37 -1.01
5
Interpretación

70119 como mínimo es 63344 y con un máximo de
74579 su promedio de 70738 y su moda de 0 su
asimetría de -0.37 y una curtosis de -1.01
Interpretación

estacionaria ya que sobrepasa 11 rezago de la línea
de confianza
Observamos que existe tendencia creciente tambien podemos decir que hay estacionalidad
y variable aleatoria
a) Modelo Multiplicativo
Método
Datos p25
Longitud 130
faltantes
b) Ecuación de tendencia ajustada
Yt = 65355 +
72.67×t
Período Índice
1 0.98118
2 0.98484
3 0.98973
4 0.99534
5 1.00191
6 1.01375
7 1.01906
8 1.01372
9 1.00207
10 1.00439
11 0.99889
12 0.99513
MAPE 1
MAD 597
MSD 551164
Observamos que el modelo multiplicativo se ajusta a los datos también podemos decir que
hay normalidad y homocedastidad y independencia.
c) ¿Los pronósticos parecen razonables?
Los pronósticos para los siguientes 12 meses son:
Pronósticos de modelo multiplicativo

131 74791.4
132 74581.7
133 73607.8
134 73954.0
135 74393.4
136 74887.2
137 75454.0
138 76419.5
139 76894.1
140 76564.4
141 75757.2
142 76005.6
d) Pronósticos de suaviza miento exponencial
Período Pronóstico Inferior Superior
131 74059.5 72954.6 75164.3
132 74059.5 72954.6 75164.3
133 74059.5 72954.6 75164.3
134 74059.5 72954.6 75164.3
135 74059.5 72954.6 75164.3
136 74059.5 72954.6 75164.3
137 74059.5 72954.6 75164.3
138 74059.5 72954.6 75164.3
139 74059.5 72954.6 75164.3
140 74059.5 72954.6 75164.3
141 74059.5 72954.6 75164.3
142 74059.5 72954.6 75164.3
Si ya que no está contante en cambio el modelo de suaviza miento exponencial son

contantes
e) Modelo suaviza miento exponencial
MAPE 1
MAD 451
MSD 292767
f) ¿Parece adecuada una descomposición multiplicativa para este caso?
Explique.
Si el mejor ya que los pronósticos no están constantes en cambio los pronósticos del otro
modelo están contantes y el modelo multiplicativo se ajustan mejor los datos.
23. Remítase al problema 25. La descomposición multiplicativa en Minitab supone de

forma predeterminada una tendencia lineal. Grafique los datos de los varones
empleados de la tabla P-25 y examine los años de 1993 a 2000 y de 2001 a 2003. ¿Se
trata de una tendencia lineal adecuada? Si no es así, ¿puede usted sugerir una curva
de tendencia que podría ser adecuada? Ajuste su curva de tendencia sugerida y
guarde los residuos. Calculé la función de auto correlación de los residuos. ¿Las auto
correlaciones residuales sugieren un componente estacional? Explique.
Modelo multiplicativo Modelo cuadrático
Observamos que los modelos multiplicativos se ajustan mejor los datos como observamos
arriba observamos que hay normalidad homocedastidad e independencia.
24. La tabla P-27 indica las ventas trimestrales (en millones de dólares) de las tiendas
Wal-Mart de 1990 a 2004.Use Minitab para hacer una descomposición multiplicativa
de la serie de tiempo de las ventas de Wal-Mart de los años 1990 a 2003 y genere
pronósticos de los cuatro trimestres de 2004.
a) Estadísticas
Variabl Conteo Medi Desv.Est CoefVa Mínim Median
e total a . Varianza r Suma o Q1 a
p27 56 32070 18431 33969140 57.47 179592 6768 1690 27968
8 4 1
Máxim N para
Variable Q3 o Rango Modo moda Asimetría Curtosis
p27 4807 75190 68422 * 0 0.54 -0.83
1
INTERPRETACION DE DESCRIPCION ESTADISTICA
Los datos son en total de 56 con un mínimo de 67.68 y

con un máximo de 75.190 con una media de 32.070 y en
diagrama de cajas se puede ver que no existen datos
atípicos
b) INTERPRETACION DE LOS COMPONENTES DE LA SERIE
Autocorrelación Autocorrelación parcial

Como se puede observar que los datos Que no están auto correlacionados y eso
están auto correlacionados y eso quiere quiere decir que los tienen estacionalidad
decir que los datos tienen tendencia
c) ANALISIS DE LOS COMPONENTES DE LA SERIE
Se puede observar claramente

que tiene una tendencia
creciente y un factor aleatorio y
no se puede observar
claramente que tiene
estacionalidad
Modelo Multiplicativo
Método

Datos p27
Longitud 56
faltantes
Yt = 1165 +
1081.4×t
Período Índice
1 0.92253
2 0.98493
3 0.95995
4 1.13259
d) ¿Es adecuada una descomposición multiplicativa para los datos de Wal-Mart?

Explique. ¿Existe un fuerte componente estacional? ¿Le sorprende?
No es muy adecuado la descomposición multiplicativa que los valores pronosticados no se

ajustan bien a la línea de datos originales también los errores están muy alto pero el que se
ajusta bien es el modelo exponencial simple con un error de MAPE de 11
e) Compare los pronósticos trimestrales de 2004 con las ventas reales. ¿Los
resultados refuerzan la selección de una descomposición multiplicativa?
Se puede observar que los datos reales con los datos pronosticados con la
descomposición multiplicativa que los pronosticados están por encima de los datos
reales
25. Remítase al problema 27. La descomposición multiplicativa en Minitab supone de

manera predeterminada una tendencia lineal. Ajuste y grafique una línea de
tendencia lineal para las ventas de Wal-Mart. ¿Es adecuada la tendencia lineal para
estos datos? Si no es así, ¿podría sugerir una curva de tendencia que resulte
adecuada? Ajuste su curva de tendencia sugerida y guarde los residuos. Calculé las
auto correlaciones de los residuos. ¿Las auto correlaciones residuales sugieren un
componente estacional? Explique.
a) Estadísticas, gráfica de la serie y diagrama de caja

Gráfica de series de tiempo de Ventas_1
90
80
70
60
Ventas_1
50
40
30
20
10
0
1 6 12 18 24 30 36 42 48 54 60
Índice
En este grafico obsérvanos la magnitud de los cambios estacionales se incrementa

con el tiempo a medida que los valores de datos se van incrementando.
INTERPRETACION DE DESCRIPCION
ESTADISTICA
Los datos son en total de 56 con un

mínimo de 6.77 y con un máximo de
82.82 con una media de 34.73 y en
diagrama de cajas se puede ver que no
existen datos atípicos
b) INTERPRETACION DE LOS COMPONENTES DE LA SERIE
Autocorrelación
Función de autocorrelación para Ventas_1

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55
Desfase
Autocorrelacion parcial
Función de autocorrelación parcial de Ventas_1
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55
Desfase
Como se puede observar que los datos están auto correlacionados y eso quiere decir que los
datos tienen tendencia
a) ¿Existe un fuerte componente estacional?
Se puede observar claramente que tiene una

tendencia creciente y un factor aleatorio y no se
puede observar claramente que tiene
estacionalidad
b) Use Minitab para hacer una descomposición multiplicativa de la serie de tiempo
de las ventas de Wal-Mart de los años 1990 a 2003 y genere pronósticos de los
cuatro trimestres de 2004. ¿Es adecuada una descomposición multiplicativa para
los datos de Wal-Mart? Explique.
Si es adecuado la descomposición multiplicativo además los pronósticos para el

periodo 1 es de 69.90, periodos dos de 74.37, periodo tres es de 75,16 y para el
cuarto periodo es de 90.58
c) ¿Es adecuada la tendencia lineal para estos datos? Si no es así, ¿podría sugerir una
curva de tendencia que resulte adecuada? Ajuste su curva de tendencia sugerida
y guarde los residuos. Calcule las auto correlaciones de los residuos. ¿Las auto
correlaciones residuales sugieren un componente estacional? Explique

Yt = 1165 + 1081.4×t
No es muy adecuado la descomposición multiplicativa que los valores pronosticados no se
ajustan bien a la línea de datos originales también los errores están muy alto pero el que se
ajusta bien es el modelo exponencial simple con un error de MAPE de 11
Los supuestos de normalidad si se

cumplen y también con la de
homocedastidad ya que siguen un patrón
y también hay variable aleatoria ya que
los datos están dispersos
Como se puede observar en la Autocorrelación parcial y con el grafico de los supuestos se puede
decir que si cumplen con el componente estacional
Residuos

1.0
0.8
0.6
0.4
Autocorrelación
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55
Desfase
La suavización no ofrece un ajuste razonable de estos datos ya puede decir que la serie esta
auto correlacionada y tiene solo 1 rezago fuera de lineal del intervalo.

Escuela Superior Politécnica de Chimborazo

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Escuela Superior Politécnica de Chimborazo

Uploaded by

Copyright:

Available Formats

ESCUELA SUPERIOR POLITÉCNICA DE

Quinto Semestre “1”

Pertenece a: Geovanny Miranda (550) y Gissela Peñafiel (641)

1. ¿Qué técnica de pronósticos revisa continuamente el estimado a la luz de las

3. ¿Cuál técnica de pronósticos concede el mismo peso a cada observación?

6. La Ápex Mutual Fund invierte principalmente en acciones de tecnología. El precio

a) Obtener el grafico de la serie, estadística descriptica y ver si existes datos atípicos

Interpretacion: cómo podemos observar en la gráfica existe tendencia creciente en la serie

Interpretacion: En el diagrama se puede observar que la media se encuentra dentro del

Para poder obtener la estadística descriptiva procedemos ir a la opción estadística básico y

Interpretacion: Se puede observar que la serie presenta un valor mínimo de 17.890 y un

c) Evalúe este método de pronóstico usando la MAD.

El valor de Mad es igual a 0.7754 es un modelo no es confiable ya que el error es alto.

El valor de mse es de 0.8034

El modelo no es bueno ya que el mape es de un valor de 3.87125 el error es alto

8. A partir de la serie Yt en la tabla P-8, responda lo siguiente:

a) Obtener grafica de serie, diagrama de cajas y estadística descriptica.

Interpretacion: cómo podemos observar en la gráfica existe tendencia decreciente en

Interpretacion: En el diagrama se puede observar que la media se encuentra dentro del

Para poder obtener la estadística descriptiva procedemos ir a la opción estadística

b) ¿Cuál es el pronóstico para el periodo 9 usando un promedio móvil de cinco

c) Si se usa la suavización exponencial simple con una constante de suavización de.4,

Interpretacion: cómo podemos observar en la gráfica existe tendencia decreciente en

Interpretacion: En el diagrama se puede observar que la media se encuentra dentro

Interpretacion: Se puede observar que la serie presenta un valor mínimo de 9.290 y un

Función de autocorrelación para Rendimiento

a) Usando un promedio móvil de tres meses, obtenga el pronóstico del rendimiento

Los errores para MAD tiene un valor de 0.60400

El valor de MSD es de 0.52015

Interpretacion: usando la suavización exponencial con un constante de 2 no es

Se puede observar que tienen tendencia y posiblemente estacionalidad se analizara

Interpretacion: Es claro observar en el diagrama de cajas que no existes datos

Interpretacion: Podemos apreciar que Hughes Supply Company tiene en promedio

Interpretacion: En el autocorrelograma se observa que la serie esta auto

e) Use una suavización exponencial con una constante de suavización de .5 y un valor

Interpretacion: utilizando el modelo exponencial simple con una constante de

a) Halle la gráfica de la serie, estadística descriptica y observar si existe datos

Interpretacion: Se puede observar que tienen tendencia y posiblemente estacionalidad se

Interpretacion: Es claro observar en el diagrama de cajas que no existes datos atípicos

Interpretacion: La general American Investrors tiene en promedio de inversiones 22.88, con

Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya

Concluimos que el mejor modelo para el pronóstico es el Suavizamiento

a) Halle la gráfica de la serie, estadística descriptica y observar si existe datos

Interpretacion: existe tendencia creciente en la serie. También puede haber una

b) Identifique si la Serie es estacionaria por medio de Autocorrelación simple y

Función de autocorrelación para Yt

Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya

Interpretacion: cómo podemos observar en la gráfica cumple con normalidad y

Interpretacion: cómo podemos observar en la gráfica cumple con normalidad y

Función de autocorrelación para RESID1

Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya que

Interpretacion: Se puede observar que tienen tendencia y posiblemente estacionalidad se

Interpretacion: Es claro observar en el diagrama de cajas que no existes datos atípicos

Interpretacion: La Triton Energy tiene un promedio de ventas de $4,84 con un mínimo de

Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya

c) Obtengan el modelo de predicción

Interpretacion: el mejor modelo es el exponencial simple con alfa de 0,4 ya que es

d) pronostique las ventas por acción para el año 2000.

Interpretacion: Los residuos también cumple con normalidad, homocedasticidad y

Interpretacion: Se puede observar que tienen tendencia y posiblemente estacionalidad se

Interpretacion: La consolidated presenta ingresos trimestrales con un promedio de $1,64

Función de autocorrelación para Venta

Interpretacion: En el autocorrelograma se observa que la serie esta auto correlacionada ya