Actividad 3 Tecmi PDF

Preview

Summary

.................

Description

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....