Está en la página 1de 13

DETERMINANCIN DE UNA TCNICA DE PRONSTICO DE LA RELACION DE ACIERTOS PARA LA SEMANA 4

[Escriba el subttulo del documento]

DETERMINANCIN DE UNA TCNICA DE PRONSTICO DE LA RELACION DE ACIERTOS PARA LA SEMANA 4.


RESUMEN

INTRODUCCIN

FORMULACIN DEL PROBLEMA

OBJETIVOS DEL TRABAJO


Identificar patrones de datos de serie de tiempo Determinar la tcnica ms adecuada para pronosticar. Realizar el pronstico de la relacin de aciertos para la para la 4 semana.

IDENTIFICACIN DE PATRN DE DATOS DE SERIE DE TIEMPO


Para examinar los patrones de datos se realiza los siguientes: 1. Grfica de series de tiempo.

Figura 1. Grfica de series de tiempo de la Relacin de aciertos de las reservaciones del martes. Aparentemente la grfica nos indica que la relacin de aciertos tiene estacionalidad.

2. Grafica de auto correlacin:

Funcin de auto correlacin: Rel. Aciertos

Figura 2. Grfica auto correlacin para la relacin de aciertos.

Analizando la aleatoriedad de los datos:

En la figura 2 los coeficientes de auto correlacin son significativamente diferentes de cero, por lo que decimos que no existe aleatoriedad de las ventas, y analizando el LBQ para 10 retrasos se obtiene 19.27, y el chi cuadrado para 10 grados de libertad (95% confianza) es de 18,3.

Ho: Datos no correlacionados. H1: Datos correlacionados. Si LBQ < chi cuadrado se acepta Ho. Como: LBQ (19.27) > Chi cuadrado (18,3) se rechaza Ho, por lo tanto, se dice que los datos estn correlacionados, es decir, no existe aleatoriedad.

Analizando la estacionalidad de los datos:

Al analizar los coeficientes de auto correlacin observamos que el primero sobrepasa los lmites de significancia a pesar de que el sptimo no sobrepasa los lmites de significancia decimos que tiene una longitud estacional de 7 das.

DETERMINACIN DE LAS TCNICAS DE PRONSTICO A EVALUAR


De acuerdo al anlisis de patrones de datos de serie de tiempo se encontr lo siguiente: Estacionalidad

Por lo que se puede emplear como mtodo de pronstico la descomposicin clsica, suavizamiento exponencial simple o regresin mltiple y el mtodo de Winter. A continuacin evaluaremos cada uno de ellos: Descomposicin clsica o Empleamos una longitud estacional de 7

Figura 3. Grfica descomposicin de series de tiempo de Relacin de Aciertos.

Suavizamiento exponencial simple :

Figura 4. Grfica de suavizamiento exponencial simple de relacin de aciertos.

Mtodo Winter

Figura 5. Grfica de Mtodo Winter de relacin de aciertos.

EVALUACIN DE LA TCNICA DE PRONSTICO SELECCIONADA


Descomposicin: Suavizamiento exp. simple: Metodo Winter : MSD: 0.01073 MAPE: MSD: 0.01448 MAPE: MSD:0.0294 MAPE: 0.08664 MAD: 7.45430 9.0052 MAD: 0.10444 11.6601 MAD: 0.1240

De lo obtenidos en las figura 3, figura 4 y figura 5 se concluye que los errores del mtodo de pronstico de Descomposicin es menor que los errores del mtodo Winter por lo que el mtodo ms adecuado para pronosticar es el de Descomposicin.

ANLISIS DE SUPOSICIONES DEL MODELO


Anlisis de residuos

Figura 6. Funcin de auto correlacin para los residuales obtenidos al utilizar el mtodo de descomposicin para serie con estacionalidad de las relacin de aciertos. Residuos aleatorios

La figura 6 muestra la funcin de auto correlacin para los residuales del mtodo del descomposicin, al llevar a cabo la prueba de Ljumg-Box con 10 retrasos de tiempo, el LBQ (45.57) indica que el conjunto de las primeras 10 auto correlacin residuales muestra cierta auto correlacin comparando con chi cuadrado para 10 retrasos (18.3): no presenta aleatorios, por lo que este mtodo no es el ms adecuado para pronosticar.

10

Distribucin normal de Residuos

Figura 7. Grfica de probabilidad de residuales. En la figura 7 el valor de p (0.989) es mayor que (0.05) porque lo se concluye que los residuos tienen distribucin normal. Se cumple el supuesto de normalidad.

11

PRONSTICO PARA LA SEMANA 04:

Figura 8. Pronsticos para la semana 4, utilizando el mtodo de descomposicin

CONCLUSIONES
La funcin de auto correlacin de los datos de Relacin de aciertos nos indica que los datos presentan estacionalidad. Se han determinado tres tcnicas para el anlisis de los datos (descomposicin, suavizamiento exponencial simple y Mtodo de Winter). La tcnica ms adecuada para pronosticar es la de Descomposicin ya que presenta menor error respecto a las dems tcnicas analizadas. El anlisis de los residuales nos indica no hay aleatoriedad en los datos.

12

Si cumple con el supuesto de normalidad. Se pronostic La relacin de aciertos para la semana 4 mediante el mtodo de descomposicin.

RECOMENDACIONES
Aunque el mtodo de descomposicin tiene menor error respecto a los dems no es ms adecuado para realizar los pronsticos es recomendable usar otros mtodos como los no formales.

13