Title | Actividad 3 Tecmi |
---|---|
Author | Viri Zúñiga |
Course | Estadísticas y pronósticos para la toma de decisiones |
Institution | Universidad TecMilenio |
Pages | 9 |
File Size | 391.2 KB |
File Type | |
Total Downloads | 95 |
Total Views | 145 |
.................
Reporte
Nombre: Angélica Viridian Ibarra Zúñiga Matrícula: 2771090 Nombre del curso: Nombre del profesor: Estadística para los Pronósticos para
Maria Adela Hernández Flores
la Toma de Decisiones. Módulo:
Actividad:
2. Series de Tiempo y Regresión
Actividad 3. Pronosticar con
Lineal Simple.
Promedio Móviles y Correlación entre Variables.
Fecha: Martes 02 de Marzo del 2020. Bibliografía: Ibarra, A. (2020). Actividad 3. Pronosticar con Promedio Móviles y Correlación entre Variables. Ciudad de México. Canvas. (s.f.) Tema 6. Patrón de Datos en las series de Tiempo y Análisis de Autocorrelación. Marzo 02, 2020. De Universidad Tecmilenio. Sitio web: https://a14121-1866681.cluster211.canvas-usercontent.com/courses/14121~4611/files/14121~1866681/course %20files/ma/ma13202/bb/tema6.htm# Canvas. (s.f.) Tema 7. Métodos de pronósticos basados en Promedios, suavización Exponencial y Descomposición. Marzo 02, 2020. De Universidad Tecmilenio. Sitio web: https://a14121-1866681.cluster211.canvas-usercontent.com/courses/14121~4611/files/14121~1866681/course %20files/ma/ma13202/bb/tema6.htm# Realiza las siguientes acciones: 1. Define lo que significan los siguientes términos: a. Correlación Es una medida de asociación entre dos variables, que es independiente de las unidades de medida. b. Autocorrelación Es la correlación que existe entre una variable cuando se retarda uno o más periodos consigo misma.
c. Promedio Móvil
Reporte
Cuando una serie de tiempo no están presentes una marcada tendencia o fluctuaciones estacionales, se utiliza para generar los pronósticos confiables a corto plazo. d. Suavizamiento Exponencial Proporciona un promedio móvil con un peso exponencial de todos los valores observados con anterioridad, revisa continuamente el valor estimado de las experiencias más recientes. 2. Busca información de 20 casas en venta en donde las variables sean Y (metros de construcción) y X (metros de terreno); lleva a cabo lo que se indica:
Metros de Construcción
Metros de Terreno
Y
X
174 m 126 m2 2 201 m 201 m2 2 350 m 2000 m2 498 m2 598 m2 2 300 m 200 m2 2 293 m 322 m2 2 73 m 73 m2 170 m2 250 m2 2 1250 m 1868 m2 2 500 m 1000m2 220 m2 240 m2 2 210 m 120 m2 2 321 m 190 m2 120 m2 120 m2 2 385 m 390 m2 2 1200 m 1050 m2 333 m2 218 m2 2 173 m 103 m2 2 400 m 248 m2 2 261 m 163 m2 a. Realiza y describe el diagrama de dispersión. 2
Reporte
Gráfica de dispersión de Y vs. X 1400 1200
1000
Y
800 600
400 200
0 0
500
1000
1500
X
Los valores dados aquí, es que muestran que hay mayor concentración entre los metros de las viviendas que tienen una relación en cuanto a los metros del terreno, y el precio irá aumentando si el
terreno, junto con la vivienda
es mucho más
grande. b. Calcula e interpreta el coeficiente de correlación muestral r.
Correlaciones Correlación de Pearson
0.702
Valor p 0.001 De acuerdo al resultado, podemos ver que la correlación tiene un valor significativo. c. Responde a la siguiente cuestión en un terreno urbano. ¿A mayor cantidad en metros de construcción, mayor es el precio de la vivienda? No, a mayor sea los metros de terreno, mayor es el costo de la vivienda, ya que, si fuera más cantidad de metros, estarían considerando los metros en altura.
2000
Reporte
3. Busca información de los cetes a 28 días-semanal, periodicidad diaria y datos del Banco de México. Considera las últimas 20 cotizaciones de los cetes y realiza lo que se indica:
Y
X
5.82% 1 5.87% 2 5.86% 3 5.77% 4 5.88% 5 5.90% 6 6.21% 7 6.24% 8 6.25% 9 6.29% 10 6.30% 11 6.32% 12 6.43% 13 6.48% 14 6.54% 15 6.47% 16 6.50% 17 6.49% 18 6.53% 19 6.71% 20 a. Determina el coeficiente de autocorrelación r1.
Autocorrelaciones Desfas e
ACF
T
LBQ
1 0.820515 3.67 15.59
b. Determina la prueba de hipótesis de lo siguiente: I. Hipótesis nula: Ho: µ1 = 0 (La autocorrelación es igual a cero). II. Hipótesis alternativa: Ha. µ1 ≠ 0 (la autocorrelación es diferente de cero). III. Donde µk es el coeficiente de autocorrelación poblacional en el lapso k.
Reporte
Paso 1. Hipótesis. H0: ρ1 = 0 Ha: ρ1 ≠ 0 Paso 2. α = 0.05 Sustitución n = 2 /√ n n = 2 / √ 20 = 0.4472 Paso 3. Decisión. rk = 0.8205 > 0.4472 Se rechaza Ho. c. ¿Existe autocorrelación entre los rendimientos de los CETES a 28 días? No, no hay autocorrelación entre los datos obtenidos. 4. Las llamadas de emergencia a un teléfono durante las últimas 24 semanas son éstas:
Seman
Llamada
Seman
Llamada
Seman
a
s
a
s
a
1 2 3 4 5 6 7 8
50 35 24 40 44 34 20 30
9 10 11 12 13 14 15 16
35 20 15 40 55 35 25 55
17 18 19 20 21 22 23 24
a. Realiza y describe un diagrama de dispersión.
Llamadas 55 40 35 60 75 50 40 65
Reporte
Gráfica de dispersión de Semana vs. Llamadas 25
Semana
20
15
10
5
0 10
20
30
40
50
60
70
Llamadas
b. Determina un promedio móvil con k=3 periodos y pronostica el valor para la semana 25.
Medidas de exactitud MAPE
35.100
MAD
12.968
MSD
234.735
Resumen del modelo Tiempo Llamadas
MA Predecir
Error
1
50
*
*
*
2
35
*
*
*
3
24
36.333 3
*
*
4
40
33.000 36.3333 0
3.6667
5
44
36.000 33.0000 0
11.0000
6
34
39.333 36.0000 3
-2.0000
7
20
32.666 39.3333 -19.3333 7
8
30
28.000 32.6667
-2.6667
80
Reporte
0
c.
9
35
28.333 28.0000 3
7.0000
10
20
28.333 28.3333 3
-8.3333
11
15
23.333 28.3333 -13.3333 3
12
40
25.000 23.3333 0
16.6667
13
55
36.666 25.0000 7
30.0000
14
35
43.333 36.6667 3
-1.6667
15
25
38.333 43.3333 -18.3333 3
16
55
38.333 38.3333 3
16.6667
17
55
45.000 38.3333 0
16.6667
18
40
50.000 45.0000 0
-5.0000
19
35
43.333 50.0000 -15.0000 3
20
60
45.000 43.3333 0
16.6667
21
75
56.666 45.0000 7
30.0000
22
50
61.666 56.6667 7
-6.6667
23
40
55.000 61.6667 -21.6667 0
24
65
51.666 55.0000 7
10.0000
25
*
52.500 51.6667 0
*
Considera un pronóstico inicial de 50 llamadas durante la primera semana, utilizando un suavizamiento exponencial con α = 0.10, desarrolla los pronósticos para el periodo comprendido entre las semanas 1 a 24. ¿cuál es el pronóstico para la semana 25?
Reporte
Pronostica nuevamente cada periodo utilizando α = 0.6. Obtén el valor para la semana 25.
α = 0.6
α = 0.10
Medidas de exactitud MAPE
32.045
MAD
11.541
MSD
211.740
Medidas de exactitud
Resumen del modelo Tiemp o 1 2 3
Suaviz ar
Predec ir
50
39.050 0
37.833 3
Error Tiemp o 12.166 7 1
38.645 0
39.050 0
4.0500 2
37.180 5
38.645 0
14.645 0 3
24
4
40
37.462 5
37.180 5
2.8195
5
44
38.116 2
37.462 5
6.5375
6
34
37.704 6
38.116 2
4.1162
7
20
35.934 1
37.704 6
37.833 3
35
39.053 3
45.133 3
10.133
30.021 3
39.053 3
15.053
24
12.166
7.9915
6 17.704 6 7
34
36.721 4
40.803 4
6.8034
26.688 5
36.721 4
16.721
30
28.675 4
26.688 5
3.3115
35
32.470 2
28.675 4
6.3246
20
24.988 1
32.470 2
12.470
18.995 2
24.988 1
9.9881
0.3407
10
20
33.776 0
35.306 6
9 15.306 6 10
35
45.133 3
36.008 5
35.340 7
14
50
Error
40.803 4
35.306 6
55
Predec ir
44
35
13
Suaviz ar
5
9
40
Llamad as
9.9787
5.9341
12
221.977
30.021 3
35.934 1
33.776 0
MSD
36.008 5
35.340 7
31.898 4
13.745
40
30
15
MAD
4
8
11
36.952
Resumen del modelo
Llamad as
35
MAPE
8
18.776 0 11
20
15
32.708 5
31.898 4
8.1016 12
40
32.708 5
22.291 5 13
18.995 2
21.004
34.937 7
31.598 1
55
34.937 7
0.0623
31.598 1
23.401
34.943 9
45.639 2
35
39.255 7
45.639 2
10.639
30.702 3
39.255 7
14.255
14
15
25
33.949 5
34.943 9
9.9439
16
55
36.054
33.949
21.050
15
25
Reporte 6
5
5
17
55
37.949 1
36.054 6
18.945 16 4
55
45.280 9
30.702 3
24.297
18
40
38.154 2
37.949 1
2.0509 17
55
51.112 4
45.280 9
9.7191
19
35
37.838 8
38.154 2
- 18 3.1542
40
44.444 9
51.112 4
11.112
40.054 9
37.838 8
22.161 2 19
43.549 4
40.054 9
34.945 1 20
38.778 0
44.444 9
9.4449
60
43.549 4
6.4506
38.778 0
21.222
44.194 5
51.511 2
21
75
44.194 5
4.1945 22
51.511 2
23.488
43.775 0
65.604 5
50
45.897 5
43.775 0
21.225 0
56.241 8
65.604 5
15.604
46.496 7
56.241 8
16.241
57.598 7
46.496 7
20
60
21
75
22
50
23
40
24
65
Pronósticos Períod o 25
Pronóstico 45.8975
Inferior Superior 17.623 7
23
24
74.1714
35
40
65
18.503
Pronósticos Períod o 25
Pronóstico 57.5987
Inferior Superior 23.924 2
91.2732
d. Las llamadas reales durante la semana 25 fueron 85. ¿Cuál de los tres métodos anteriores se acerca más? El más cercano fue el de suavizamiento exponencial. CONCLUSIÓN: La actividad me permitió responder mis dudas que tenía al hacer los ejercicios anteriores a la actividad, además de que aproveché para mejorar los errores que probablemente tenía. Más que nada para mí esto me ayudó demasiado para repasar los temas antes del examen, fue muy práctico, y me ayuda a mejorar mis interpretaciones ante los resultados....