STA 371G Tarea 7 Problema 1: Venta de Vinos (|) (15 puntos) Lea ol caso" Northern Napa Valley Winery, Ine."en e! paquete dol curso. El archivo de datos es disponible en el sitio web del curso. El archivo contiene las ventas mensuales de vino para e! Norte Bodega Napa Valley para el periodo de enero de 1988 a agosto de 1996 El objetivo de este caso es progorcionar previsiones mensuales de ventas de vino en los proximos doce meses meses, es decir, de sepliemore de 1996 a agasto de 1997. y para comainar los pronésiicos menssuales yn de ventas anuales para estos doce moses. proporcionar una previ {@) Uslizande los graticos de series temporales apropiados, decida si las ventas o et cambio porcentual en ventas, denotads PaiChange, debe analizeise. Conatruye un modelo de regresién en PetChange que tiene en cusnta la tendencia y la estacionalidad de los datos (©) 2Son independientes ios residuos de este modelo? Para probar silos residues Son independientes- dent, puede ejecutar la Siguiente regresion 0 + B1Residualt-1 +- et. Residualt Si rechaza la hipétesis nula de que 31 = 0, considere modificar el modelo. (Sugerencia: construya un modelo de tendenciavestaconatoad + AR (1)) (6) Utiizando el modo final obtenido anteriormente, proporcione prondsticos numéricos de ventas de vino en: Sepliembre de 1996 y octubre de 1996. (4) Explique brevemente como obiendria las previsiones de ventas de vino para los meses de noviembre, 1996 hasta agosto de 1997 No tiene que hacer las célculos reales para e5tos pronésticos porque son un poco tedioses de hacer a mano. Solo necesitas explicar Brevememe cfm io arias, (e) Dados los pronésticos para los meses de septiembre de 1996 3 agosto de 1997, explique brevemente, cémo podtia obtener un pronésiico de ventas ariuales para el afio que abarque estos doce meses. No tiene que hacer los céiculos reales, solo proporcione un breve explicacién de io que haria si los doce prondaticos menstiales estuvieran disponibles (9 Proporcione un inlervato de preiccion de compementos del 68% para el pronésic de venlas en septiembre de 1998, (@) Exptique brevemente por qué es cial obtener intervalos de prediccién para los pronéstices mensuales {da las ventas de vino en octubre de 1996 a agosto de 1997.cL oy jes 6B neuS6ejed EL Wo 006. 0001 ous a0Problema 2: Venta de Vinos (II) (15 puntos) En este problema, ntentaremos la ransformacinlogartmica para estabilzar ta variance y ego consrur un modelo de ragresis para pionesticar ventas de vino Ejecutar la regrosion Log(Més vendido) = Bo + Bit + B2Jan ++ + B12Nov + «1 doinde t 6s la variable de tondencid y Ene, Feb”, Nov son Variables ficticias para cada mes del ano, (2) Cul seria el aumento previsto de las Ventas de Vino (en porcentaje) a partir de diciembre 1996 a enero de 1997? b) Cual seria el aumento previsto de las Ventas de vino (en porcentaje) a partir de julio de 1997 hasta agosto de 1997 (€) Grafique los residuos en funcién del tiempo. ¢Ves algin patron claro en la trama? Estan ahi se violaron los supuestes del modelo? Agregue el término t2 y ejecute la rearesion Log (Mas vendido) = BO + Bit + B2Jan + - + B12Nov + Bist2 + « (6) Grafique los residuos en funcién del tiempo. Ves algun patron claro en la trama? (€) Utiizando e! madeto final obtenido anteriormente, proporcione previsiones numéricas de ventas de vino en Soptiombre de 1996 y actubre de 1996. (?)Proporcione un intvaio de predicién de complements cel 95% para el prondstco de venlas en septembre de 1986. 4g) (Optativo) Cual seria el aumento previsto de las Ventas de vino (en porcentaje) dei Marzo de 1997 a abril de 19977 (0) (Qptativ) De acuerdo con el modelo, sin considerar ios efectos estacionales, realice el las ventas aumentan ‘uit rllmo mas rapldo a meslda que aumenta el tempo? () (Opcional) Cree un modelo de hoja de calculo de Excel 0 escriba cddigo R para pronosticar las ventas de los preximos 12 meses,Problema 1: Venta de Vinos (1) (15 puntos) Los cambios on las ventas de un mes a otro estén aumeniando en términos de délares, mientras que el per- los cambios de centaje en las ventas (PetChange) de un mes a olro son relativamente consistentes ‘(para por ejemplo, los camblos porcentuales o@ alclembre a enero de cada aito son slempre alrededor del 40%). Por lo tanto, la serie de cambios porcentuales exhibe una volatilidad constanta y es "mas facil" Un modelo de regresién que tiene en cueiita la tendeneia y Ia estacionalidad es PetChanget = Bo + Bit + B2Jan +B B12Nov + donde t és Ia variable de tendencla sy Ene, Feb, Nov, Nov son dummies para cada mes del afio Loe resuitcce 6 ete modo on oa grits reseualea que St mues-an a conicion RESULIADO RESUMIDO Fibivias& Rava Tee ‘conazinaa custo o.arose0041 Cinco Rane o.ss3005007 ror Estinar o.0r200736 Oreos 103 ANOVA se = eM Rayesan 2 Sears Oana Residual 50 049049042 0.005515604 Teak 12 apesasoo? lemme 0 1erarones —oozsueras 5 saaso0en oe Ses735= 6 connageset oo waSsONS mt -osTosrese9 —oms795e86. -15:36800108 cm “ovms2rsise = “noaeroma “5 tsoeazoa9 ma “o woonsas —omonersrs “Aarau Ne “0 laesarser — ovpeonoNAT 3 sust7I42 Me “OMGA1209 — OmDenBEEDS 3 g7asHSTO MT “ozts2eo701 | ooaeasoHT§ “Sasaaose4s Ma Omnsoses —onanneTs7s “a as0rKASEE ne Oarr7ro1we — oasria2735 4 Tasz0908 mo ‘ooriawer! —oga7I9eM2.0:305005255 Mit .ureasrse2 _osriascae 205010361os 03. 02 a4 ot 02 oa 04 1 7 6 25 3 3 a ‘9 55 a oa n " as or 97 103 Para probar silos resiauos son independientes, podemos ejecutar la sigulente regresion: Deseanso= 80 +B1 Descanso 1+ € Ss resutfados sen: 8 modo que concliimios que atin queda alge de dependencia tompcral en'el Sasa ee Rua STOSOTS Cacao R 0277782476 (Cuatad R Ajstado 0-270560801, stor Estangar 0.058600007 Obsrvaconee| 102 Cooteinies de Erior Esndar aaa eae Doomesan6s — 0.005927945 —orTomOSE Res Laat -0.570035429 _0.00544852 _6.201800053, rosidusies, ya que de hecho estan correacionados en el tempo (Zansulte la estimacién yin estadistica {para bt). Podemas intontar resciver ests probleme agregendo un términe autoregresive PeiChange-t ir a modelo. Bo + Bit + B2Jan +B B12Nov + B13PctChanget - 1+ PetChangetesua00 RESIMDD RNase COTS umm o9oen2ens6 ‘Nustadocuseraso ‘osea061724 Reo entiaer (0068700003 nines 02 eT ei Rev osion TT BAesTi7ors 0206085 Residue! 2 ase0ga7e —coovos@te¢ Total sor asexz0400 — ess 0 tat ‘DORM — BASSE Petcrangetegt -ossnei36x7 9091125513 5820190847 i aewsccs, pooper 0. s7eR2I05 oe ostsosma — ogazeser 48 7225382 = Cosstessria — oosreresrs | 1928220 mes “Cozzsrasier — og3Tets05 “5 rerezm8 me cozzrosire7—oseante73-2 597822517 m5 “ozetr73009 — O02eTS7405 “Ses0is7072 M6 “0252015077 coseananie -E97ez1OS Mr "0.202300 036820205 a peGL0s00 we oarer99919 040s 11 70196738 Me “Coozesorar © ooa7rarmm “oe17ma7E3 ano) ooesnisas — gasMoorsr§—1.2747sseIa ma osonsnns —“oarasoi06 _‘oorssaste ‘Ahora, podemos verificar una vez mas la Independencia de los residuos ejecutando las regres Descanso = BO + Btresto 1 +2: Los rosutaios son: ‘SUNIMARYOUTPUT aan enagen OFT uacinto o03co72084 (Cantrado R Austado (0020877762 fr Estandar osanazsi4 bseracenes 101 Caceres Eno Ea ‘Donceaa77T—On0saROSES 7 007630684 es Lagi -0.173505042 00095852364 1 758006468 \Wshora no podemos rechazer la hipétesis de que los residuos son indapendianties a travas dl tiempo! ¢) Septiombre de 1996 os ol mes t= 105. El modelo is (b) nos permite predecir ol porcentaje cracimionio de agosto de 1996 a septiembre de 1996 via: Cambio de pett05 = 0.28 + (0.000038 x 105) + (-0.029 x 1) + (-0.5309 x -0.240) = 0.381 Esto implica la siguiente prediccién para septiembre: Ventas 10! 14530 Ventas 104 x (1 + petcambio 105) = 10522 « (1 + 0.381Para predecir él porcentaje de crecimiento para octubre usamos: ).28 + (0.000038 « 106) + (0.042 x 1) + (=0.5309 x 0.381) = 0.121 Cambio de pet106 = donde el térmio rojo representa él crecinilents previsio para septiembre. Por lo tanto, el la prediccién para las Ventas en octubre es: Ventas 106 = Ventas105 x (1 + petcambio 106) = 14530 x (1 + 0.121) = 16289, (e) Las previsiones para septiembre de 1996 a agosto de 1997 se suman para obtener una prevision de ventas anuales para el afi que abarca estos doce meses. (f) lintervto de Predicion de complements del 88% para septiembre de 1996 €s PctChange105 # 1 xs = 0.381 + 0.064 = (0.317; 0.445] De este modo, el itervala de predic de plug-ins del 68% para as ventas de vino en Septiembre de 190608 [(1 + 0.817) + 10522; (1 + 0.445) * 10522] = (13858, 15204) (g) Hay dos fuentes de error en esta prediccién. La primera fuente de error se debe a 106 € mientras que la segunda fuente de error se debe al uso de PctChange105 predicho en lugar ela valor real de PetChange105. La incertidumbre en la prediccién debido al uncer- la impureza en 106 €se puede contabilizar de la forma habitual. Sin embargo, es mas diffil ‘ac- contar la incertidumbre en la predicolén Inducida mediante ol uso de PotChange105 prodiché of lugar del Valor real dé PetChange105. Un argumento similar explica por qué es Intervalos precictivos difciles de obtener para PetChange107, Pc, PelChange116- Problema 2: Venta de Vinos (I) (15 puntos) Log (Mas vendido) = 9.3916 + 0.0072 * t-0.5525 * M1 - 0.5920 + M2 - 0.5320 * M3-0.5224 * M4-0.5030 * M5-0.4970 * M6-0.5644 * M7-0.7605 * M8 - 0.4705 * M9-0.3419 * M10 - 0.1389 M11 +€ De tiempo t-4 at, laa Ventas aumentan en Saivot- Nsveaion = elociSaiesty-iog (Salest-4) 2) De diciembre de 1996 a enero de 1997, las ventas de vino umentarian aproximadamente AK 0072 0.5525 'b) De julio de 1997 a agosto de 1997, las Ventas de vino aumentarian aproximadamente 0:0072-0.7005-(-0.5644) _ 17%(c) Parece que existe una relacién no lineal entre las Ventas y el Tiempo que queda sin terminar- plained. Las suposiciones de que los errores son independientes ¢ idénticamente normales distibuidos son claramente violados. ‘Agregue €l termini 2 y ejecute la regresion Log (Mas vencido) = BO + Bit + B2Jan + + + B12Nov + B1312 + « (d)No parece que queden patrones claros. (@) 14755 para septiembre de 1996 y 16829 para octubre de 1996, {1 Eltervao de preeskin de complements de! 95% paa el Regis (ventas) en septembre de 1996 [9.5993 — 2 0.05837, 9.5993 + 2 « 0.05837] = (9.4825, 9.7160] lineal de peso dl 95% oe os complemenias paras vers en septembre de 1996 es (13128.75, 16581.45] g) (Optativo) Cuai seria el aumento previsto de las Ventas de vino (en porcentaje) de Marzo de 1997 a abril de 19977 Sale8112 1-log(Salest12) - log (Sales 1) - 1-eB1tp13 (112°-1112) + Papirt-PMarch - 1 Ventas 111 .<0.0113--0.000046(1127-111) -0.51453-(-0.528) __ 2% (h) (Optativo) Sin considerar el efecto estacional, cada mes las ventas aumentan ‘en aproximadamente un 100 (B1 + 2B12t) por ciento. Como B13 es negativo y 0 no esta dentro de su 95% Intervalo de confanza, el modelo predce que tas ventas aumentan 2 un no menor a medida que pasa el tempo aumenta. (0) (Opcional) Consuite el archivo de Excel en el sitio web del curso.