Análisis de datos

Profesor: Carlos Guadarrama Ponce

Estudiante:
Adriana Villagómez Martínez

Unidad 4
Actividad No.6
Ejercicios

Agosto 2022
Instrucciones

1.- Consulta el material que se encuentra a continuación y entiéndelo. Se sugiere

queelabores una síntesis de los puntos más importantes.

García, J. (2016). Predicción en el dominio del tiempo: análisis de series

temporales para ingenieros [Archivo PDF]. Recuperado de
https://elibro.net/es/ereader/uvm/57439?page=49

2.- Con base en el material consultado en la unidad, realiza los ejercicios que se
mencionan en la lectura, predicción en dominio del tiempo: análisis de series
temporales para ingenieros. Para el desarrollo utiliza MINITAB.

3.- Redacta una conclusión acerca de la utilidad que representan las series de
tiempo, preferentemente con su carácter predictivo y estimativo. Además,
busca y explica una situación o problemática cotidiana que pueda ser atacada
con esta metodología.

4.- Realiza la actividad en un procesador de textos e incluye capturas de

pantalla con el desarrollo y los resultados del ejercicio señalado.
Desarrollo

P1.1
Realiza el análisis descriptivo de la serie Z, cuya representación frente al tiempo
se muestra en la figura 1.13. también representa el grafico de subseries
estacionales de la figura 1.14

Figura 1.13. serie Z, frente al tiempo

Imagen 1 figura 1.13 del problema P1.1

Solución

Como podemos observar en la figura anterior, vemos claramente que no se cuenta

con una tabla de datos para el análisis correcto del problema, por lo que no es
posible realizar un estadístico de la serie Z que sea más preciso, lo cual nos limita
la posibilidad de usar MINITAB, sin embargo podemos realizar un análisis basado
en la observación, identificando un componente estacional en dicha imagen el cual
es de periodo o longitud de 12 meses (un año) por lo que es posible que este
tenga una solución estacional la cual se mantienen y se denota, debido a que el
patrón se repite en relación de los datos de un año.
 Figura 1.13 serie Z, frente al tiempo

Mes

TFigura 1.14 Grafico de subseries estacones

Imagen 2 Figura 1.14 del problema P1.1

Análisis descriptivo figura 1.14

La grafica anterior nos muestra la representación en subseries por periodo de

estación (12 meses) y muestra la descomposición estacional de la serie, para la
cual las líneas horizontales de cada mes muestran la media de la serie para cada
mes, las líneas sobresalientes muestran la posible variación en los diferentes
meses de los años futuros.

Por otro lado, este grafico de subseries refleja los puntos máximos casi al término
del mes (12), así como sus puntos mínimos en el mes 8 y 7.
P1.2
los índices estacionales obtenidos con Statgraphics al realizar la descomposición
estacional de la serie CEEsem del ejercicio 1.6 se muestran en la figura 1.9
interpretar dichos coeficientes realizar una predicción del consumo para las horas
7 y 14 cuando el valor de la componente Ciclo -Tendencia en esas horas es de
31325.5 y 31080.8 Mw respectivamente.

Problema por realizar

Figura 1.9 de referencia

Solución

Interpretación de coeficientes

En cuanto a los coeficientes estos se relacionan con el factor del porcentaje que
se relaciona con las variaciones con respecto a cada periodo en cada estación, si
observamos la gráfica y los datos para la hora 1 se tendrá una variación de
93.003% con respecto de las otras estaciones, para el mismo periodo, ahora bien,
los datos de cada hora tienen un % de variación respecto de la anterior estación y
a su vez entre más pasa el tiempo (hora 10) la variación es mayor.

Para demostrar lo anterior y tener una visión más amplia de esto, utilizaremos la
herramienta Minitab, para ello es necesario capturar los datos.

Nos dirigimos a estadísticas>series de tiempo> gráficos de tiempo

Obteniendo la gráfica anterior

Si prestamos atención la gráfica que nos da el programa estadístico, es la misma
que nos muestran en el problema 1.9, lo cual hace referencia al asertividad del
programa.

Ahora nos vamos al apartado estadísticas>series de tiempo y ahí nos vamos al

apartado “descomposición” donde obtendremos los siguientes datos
 Ahora bien, el método estadístico nos muestra los siguientes datos, en donde
tenemos que como dato predatorio para la hora 7 y 14 el problema nos brinda los
datos MW, donde para la hora 7 el valor es de 31325.5 y para la hora 14 es de
31080.8 mw

Ahora bien, como vimos el problema nos solicita la predicción para la hora 7 y 14,
pero para realizar dicha predicción es necesario de los valores en MW y de las
horas 6 y 13 que son las sucesoras para cada hora solicitada, lo cual tendría como
resultado el predecir para la hora 8 con los datos de la 7 y para la 15 los de la 14.

Teniendo entonces que la fórmula para esta predicción es la siguiente ecuación

Ecuación de tendencia ajustada

Yt = 82.42 +1.407×t

En donde 𝑌𝑡 hace referencia a 𝑍𝑡 para la hora 8

Por lo tanto

𝑌𝑡 = 82.42 + 1.407(31325.5) = 44157.3985

Predicción con datos de la hora 14

Entonces tenemos que

𝑌𝑡 = 82.42 + 1.407(31080.8) = 43813.1056

Realizamos el procedimiento en minitab con los datos para lo cual obtenemos los
mismos datos
P1.13

Obtener la serie Z desestacionalizada correspondiente al precio del barril de Brent

Trimestral, (2010-2013) cuya descomposición e índices se dan a continuación
Solución

Como se ha trabajado anteriormente es necesario pasar los datos a Minitab para

su análisis, teniendo entonces la siguiente tabla:
Realizamos el procedimiento de:

Estadísticas>series de tiempo>graficas de series de tiempo

Teniendo entonces la gráfica de datos de realces del precio del barril

Ahora para obtener Z desestacionalizada, seleccionamos

Estadísticas>series de tiempo>descomposición
Interpretación de Zt desestacionalizada

Como podemos observar en la tabla anterior, se muestran los datos el programa

nos muestra la predicción de los precios del barril de Brent, trimestral, de acuerdo
con los datos reales dados en el 2010 al 2013, y se observa como disminuyen o
incrementan.
Conclusión

Después de realizar los problemas descritos en el presente trabajo, podemos

tener una visión más clara, de las series del tiempo, las cuales debido a al cambio
de variables, podemos obtener las PREDICCIONES, logrando que se pueda
analizar el periodo establecido, todo esto está relacionado con las industrias y la
implementación de las nuevas tecnologías para los procesos, en donde se puede
predecir el comportamiento sobre una producción, teniendo un dato predatorio
futuro sobre la tendencia que se desea analizar, y cabe mencionar que aun
seguimos encontrando el famoso error de redondeo, debido a que el programa
toma la cantidad de unidades indicadas por el usuario, sin embargo este no es un
punto crítico que nos lleve a un error.

Ahora bien, aplicando esto a una situación de la vida cotidiana, podemos decir que
las series de tiempo de carácter predictorio, se puede llevar acabo en un negocio,
logrando tener un una visión clara sobre las ventas futuras del mismo, utilizando
las herramientas de ESTADISTICA que nos permite el software Minitab, podremos
obtener desde históricos de ventas, gráficos y predicciones de las ventas futuras.
Referencias

✓ García, J. (2016). Predicción en el dominio del tiempo: análisis de series temporales

paraingenieros [Archivo PDF]. Recuperado de
https://elibro.net/es/ereader/uvm/57439?page=49

✓ En, P., Dominio, E. L., Tiempo, D., Carlos, J., & Díaz, G. (n.d.). RESA

ECONOMÍA EMPRESA ECO-A ECONOMÍA EMPRESA ECONOMÍA OMÍA

EMPRESA ECONOMÍA EMPRESA RESA ECONOMÍA EMPRESA ECO-A

ECONOMÍAEMPRESA ECONOMÍA OMÍA EMPRESA ECONOMÍA EMPRESA

RESA ECONOMÍA EMPRESA ECONO-CONOMÍA EMPRESA. Upv.Es.

Retrieved