Professional Documents
Culture Documents
Metodo de Descomposición-Cuaderno de Trabajo-Solución
Metodo de Descomposición-Cuaderno de Trabajo-Solución
Bibliografía:
• Anderson David, Sweeney Dennis y Willians Thomas (2010). Estadística para la administración y
economía. 10ma Edición. Cengage Learning Ediores, México D.F. capítulo 18. Página 780
• Render Barry y Slair Ralph. (2016). Métodos cuantitativos para los negocios. 12va Edición. Pearson
Prentice Hall. Capítulo 5.3 Pag 151
Longitud estacional:
Si la serie de tiempo tiene periodicidad anual
Por ejemplo: Ventas anuales de un producto (2015-2019), tiene 5 registros
No podríamos visualizar un patrón que se repite y tampoco se puede visualizar un ciclo porque son
muy pocos años (se requiere 15 a 20 años)
II. Ciclo: Patrón que se repite cada cierto tiempo (en un periodo largo de tiempo)
III. Tendencia: Observar si los datos de la serie crecen (aumentan) o decrecen (disminuye)
IV. Irregular o aleatorio: Es el componente que no puedo medir, porque son aleatorias son irregulares.
Ejemplos: Veda, huelgas, Pandemia, o cualquier situación que implique un cambio estructural.
3. Un índice estacional puede ser menor que uno, igual a uno o mayor que uno. Explique qué significaría
cada uno de estos valores.
Si el valor es mayor a 1, en ese periodo se variable de estudio es mayor que el promedio anual
Si el valor es menor a 1, en ese periodo se variable de estudio es menor que el promedio anual
Si el valor es igual a 1, en ese periodo se variable de estudio es igual que el promedio anual
Y = T x E → Modelo multiplicativo
Y: es la serie original
Y
Ysin estacionalidad = E → Solo queda la Tendencia, la cual se estima mediante la regresión simple
Modelo multiplicativo
El modelo multiplicativo permite descomponer una serie de tiempo no estacionaria como el producto de
cuatro componentes:
Y=TxExCxI
Donde:
Y: Valor real de la variable de interés.
T: Tendencia. Componente que representa el crecimiento o disminución en la serie sobre un periodo a largo
plazo.
E: Estacionalidad. Es un patrón de cambio que se repite de manera regular en periodos de corto plazo.
C: Ciclo/Cíclico. Es la fluctuación en forma de onda alrededor de la tendencia, muestran variaciones a periodos
de mediano plazo.
I: Componente irregular. Son variaciones aleatorias que ocurren en una serie por acontecimientos
inesperados.
Hay series de tiempo no estacionarios que solo contienen el componente de tendencia o solo el componente
estacional o ambos componentes, el de tendencia y estacional a la vez. En este último caso, el modelo
multiplicativo a considerar es:
Ŷ t =T̂ t x Ê t
Donde:
Ŷ t : Pronóstico de la variable de interés en el periodo t
T̂ t : Componente estimado de tendencia sin estacionalidad para el periodo t
Ê t : Componente estimado de estacionalidad para el periodo t
Procedimiento para realizar pronóstico en serie de tiempo no estacionaria
La fábrica Rapid Pinturas S.A. se dedica a la producción de pinturas desde hace 5 años. Con la finalidad de
mejorar la producción, el gerente de la fábrica decidirá crear una nueva planta de producción solo si, el
número operaciones a realizar en el primer trimestre del 2021, es mayor a 200 operaciones.
Para ello cuenta con datos desde el cuarto trimestre del 2016 hasta el cuarto trimestre del 2020. Analice la
serie histórica del número de operaciones y prepare un informe que ayude a tomar la decisión al gerente. Use
un nivel de significación del 5%.
1. ¿Cuál es la problemática que se deberá resolver? Marque con una “X” la opción correcta.
a. ¿Cuánto es el número de operaciones cuando la empresa tiene 5 años de funcionamiento?
b. ¿La fábrica Rapid Pinturas S.A. solicitará crear una nueva planta de producción?
c. ¿Existe relación lineal entre el número de operaciones y producción de pinturas?
Y: Número de operaciones
X: Tiempo (trimestres)
3. A partir del caso se obtuvo la siguiente gráfica de la serie, ¿qué conclusiones podría mencionar?
Del gráfico de serie se observa que, existe una tendencia creciente y un comportamiento de patrón que se
repite cuya longitud estacional es de 4 (asumiendo que el patrón se repite cada año). Por lo tanto, la serie es
no estacionaria.
Índice estacional
Trimestre Interpretación
ajustado (IEA)
5. Dividir cada valor de la serie (Y), entre su respectivo índice estacional ajustado (IEA), es decir:
Y
Ysin estacionalidad =
IEA
6. Se estima el mejor modelo de la tendencia usando regresión simple. Asuma que se cumplen los supuestos
de todos los modelos de regresión.
Fuente GL SC Ajust. MC Ajust. Valor F Valor p Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 1 0.73052 0.730516 190.51 0.000 Regresión 1 0.77296 0.772964 769.36 0.000
T 1 0.73052 0.730516 190.51 0.000 Ln(T) 1 0.77296 0.772964 769.36 0.000
Error 15 0.05752 0.003835 Error 15 0.01507 0.001005
Total 16 0.78803 Total 16 0.78803
Ranking de los modelos propuestos en función del coeficiente de determinación.
Modelo R2 Ranking
Lineal 97.09% 3
Cuadrático 98.11% 1
Exponencial 92.70% 4
Potencia 98.09% 2
Se selecciona el modelo con el mayor coeficiente de determinación, el cual corresponde al modelo cuadrático
y se realiza su validación. Si no se valida se continua con el siguiente, en este caso el modelo potencia.
Decisión: Como el p – valor < α, se rechaza H0. Decisión: Como el p – valor < α, se rechaza H0.
Conclusión: Al 5% de nivel de significación, la Conclusión: Al 5% de nivel de significación, la
evidencia muestral es suficiente para afirmar que evidencia muestral es suficiente para afirmar que
al menos un coeficiente de regresión es al menos un coeficiente del término cuadrático es
significativo. significativo. Por lo tanto, el modelo cuadrático
es válido.
El mejor modelo estimado para la tendencia es: Ŷ sin estacionalidad = 80.62 + 7.879T - 0.1301T2
Año Trimestre t Ŷ sin estacionalidad Índice estacionalidad ajustado (IEA) Pronóstico (Ŷ t )
2021 I 18 180.2896 0.98464 177.5204