SEGUNDA ESPECIALIDAD DE PROYECT

PED

LOGISTICA

"Estadstica Aplicada"
I. SERIES DE TIEMPO DE LARGO PLAZO
I.1. METODO DE LOS MINIMOS CUADRADOS

II. SERIES DE TIEMPO DE CORTO PLAZO

II.1. VARIACION TEMPORAL O ESTACIONAL

III. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO: LAR

IV. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO: COR

PROYECTOS

E TIEMPO: LARGO PLAZO

E TIEMPO: CORTO PLAZO

I. SERIES DE TIEMPO DE LARGO PLAZO

I.1. METODO DE LOS MINIMOS CUADRADOS
Ejemplo # 1
El departamento de produccin de una corporacin alpaquera del sur lleva un registro
de las toneladas de materia prima procesadas de un tipo especfico de pelo. La
empresa esta realizando un anlisis para establecer el comportamiento de este
material. Identifique la ecuacin lineal que describe la tendencia de este artculo.

Aos
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

Tn
procesadas
38

42
50
61
75
92
111
120
127
140
138

Comandos
0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis
1. Herramientas/ Anlisis de datos/ regresin
2. Rango de X
3. Rango de Y
4. Rango de salida

Ejemplo # 2
Se presenta en la siguiente tabla el registro de automoviles adquiridos en un pas
desarrollado durante los ltimos aos. Utilizar una linea de tendencia para expresar el
comportamiento de los datos y analizar los otros comonentes de la serie de tiempo.

Aos
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

Registro
millones
6577
5855
6939
7557
8065
9314
9009
8357
9404
9447
8388
9831
10409
11351
8701
8168
9752
10826
10946
10357
8761
8444
7754
8924
10118
10889
11140
10183
10398
9853
9103
8234

Comandos en Excel

0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis

1. Herramientas/ Anlisis de datos/ regresin
2. Rango de X
3. Rango de Y
4. Rango de salida

I. SERIES DE TIEMPO DE LARGO PLAZO

I.1. METODO DE LOS MINIMOS CUADRADOS
Ejemplo # 1

El departamento de produccin de una corporacin alpaquera del sur lleva un registro de las tonelad
materia prima procesadas de un tipo especfico de pelo. La empresa esta realizando un anlisis para
establecer el comportamiento de este material. Identifique la ecuacin lineal que describe la tendencia
este artculo.

Aos
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

Tn
procesadas
38

42
50
61
75
92
111
120
127
140
138

Comandos
0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis
1. Herramientas/ Anlisis de datos/ regresin
2. Rango de X
3. Rango de Y
4. Rango de salida

Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltipl 0.9878883648

Coeficiente de determinacin R^2 0.9759234213

R^2 ajustado
0.9732482459
Error tpico
6.3747449939
Observaciones
11
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
1 14824.80909 14824.80909 364.8072631
9 365.7363636 40.63737374
10 15190.54545

Regresin
Residuos
Total

Coeficientes
Error tpico Estadstico t Probabilidad
90.363636364 1.922057934 47.01400241 4.4628E-012
11.609090909 0.607808087 19.09992835 1.3623E-008

Intercepcin
Variable X 1

Anlisis de los residuales

Observacin

Pronstico para Y Residuos

1 32.318181818 5.681818182
2 43.927272727 -1.92727273
3 55.536363636 -5.53636364
4 67.145454545 -6.14545455
5 78.754545455 -3.75454545
6 90.363636364 1.636363636
7 101.97272727 9.027272727
8 113.58181818 6.418181818
9 125.19090909 1.809090909
10
136.8
3.2
11 148.40909091 -10.4090909

Ejemplo # 2

Se presenta en la siguiente tabla el registro de automoviles adquiridos en un pas desarrollado durant

ltimos aos. Utilizar una linea de tendencia para expresar el comportamiento de los datos y analizar
comonentes de la serie de tiempo.

Aos
1982
1983
1984

Registro
millones
6577
5855
6939

Cdigo
1
2
3

1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

I.

7557
8065
9314
9009
8357
9404
9447
8388
9831
10409
11351
8701
8168
9752
10826
10946
10357
8761
8444
7754
8924
10118
10889
11140
10183
10398
9853
9103
8234

4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

Valores menores a 100 estan por debajo de la linea de te

24

Valores encima de 100 estan por encima de la linea de te

25

Valores 100 coinciden con la liena de tendencia

26

Estas ondas por encima y por debajo de la liena de tend

27
28
29
30
31
32

Comandos en Excel
0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis
1. Herramientas/ Anlisis de datos/ regresin
2. Rango de X
3. Rango de Y
4. Rango de salida
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltipl 0.5223706856
Coeficiente de determinacin R^2 0.2728711332

R^2 ajustado
Error tpico
Observaciones

0.2486335043
1184.9586876
32

ANLISIS DE VARIANZA
Regresin
Residuos
Total

Intercepcin
Variable X 1

Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
1 15807889.14 15807889.14 11.2581612
30 42123812.74 1404127.091
31 57931701.88
Coeficientes
Error tpico Estadstico t Probabilidad
7901.9112903 428.9622251 18.42099567 6.6452E-018
76.122800587 22.68720662 3.355318346 0.00216301

Anlisis de los residuales

Observacin

Pronstico para Y Residuos

1 7978.0340909 -1401.03409
2 8054.1568915 -2199.15689
3 8130.2796921 -1191.27969
4 8206.4024927 -649.402493
5 8282.5252933 -217.525293
6 8358.6480938 955.3519062
7 8434.7708944 574.2291056
8 8510.893695 -153.893695
9 8587.0164956 816.9835044
10 8663.1392962 783.8607038
11 8739.2620968 -351.262097
12 8815.3848974 1015.615103
13 8891.5076979 1517.492302
14 8967.6304985 2383.369501
15 9043.7532991 -342.753299
16 9119.8760997
-951.8761
17 9195.9989003 556.0010997
18 9272.1217009 1553.878299
19 9348.2445015 1597.755499
20 9424.3673021 932.6326979
21 9500.4901026 -739.490103
22 9576.6129032 -1132.6129
23 9652.7357038 -1898.7357
24 9728.8585044 -804.858504
25 9804.981305 313.018695
26 9881.1041056 1007.895894
27 9957.2269062 1182.773094
28 10033.349707 149.6502933
29 10109.472507 288.5274927
30 10185.595308 -332.595308

31 10261.718109 -1158.71811
32 10337.840909 -2103.84091

va un registro de las toneladas de

realizando un anlisis para
eal que describe la tendencia de

Aos (X)
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

Tn proces.
(Y)
38

42
50
61
75
92
111
120
127
140
138
994

X2

-5
-4
-3
-2
-1
0
1
2
3
4
5
0

25
16
9
4
1
0
1
4
9
16
25
110

b=

14047
1210

a=

b=

11.61

a=

Variable X 1 Curva de reg

200
200

150
150
100
100

Variable X 1 Curva de reg

200
200

150
150
100
100
Valor crtico de F
1.3623E-008

50
50
00
-6

Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%

86.01563925 94.71163348 86.01563925 94.71163348
10.23413349 12.98404832 10.23413349 12.98404832

-4
-4

-2
-2

00
Variable
Variable X
X 11

12000
10000
8000
6000
4000
2000
0

un pas desarrollado durante los

ento de los datos y analizar los otros

Ao
1982
1983
1984

Ventas
6577
5855
6939

Ao

Y esti
1
2
3

7978.03
8054.16
8130.28

Ciclo
82.439
72.695
85.348

22

100 estan por debajo de la linea de tendencia

100 estan por encima de la linea de tendencia

den con la liena de tendencia

ncima y por debajo de la liena de tendencia son los

1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

7557
8065
9314
9009
8357
9404
9447
8388
9831
10409
11351
8701
8168
9752
10826
10946
10357
8761
8444
7754
8924
10118
10889
11140
10183
10398
9853
9103
8234

4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

8206.40
8282.53
8358.65
8434.77
8510.89
8587.02
8663.14
8739.26
8815.38
8891.51
8967.63
9043.75
9119.88
9196.00
9272.12
9348.24
9424.37
9500.49
9576.61
9652.74
9728.86
9804.98
9881.10
9957.23
10033.35
10109.47
10185.60
10261.72
10337.84

92.087
97.374
111.430
106.808
98.192
109.514
109.048
95.981
111.521
117.067
126.577
96.210
89.563
106.046
116.759
117.092
109.896
92.216
88.173
80.330
91.727
103.192
110.200
111.879
101.492
102.854
96.735
88.708
79.649

Valor crtico de F
0.00216301

Inferior 95% Superior 95% Inferior 95,0%Superior 95,0%

7025.853556 8777.969025 7025.853556 8777.969025
29.78934355 122.4562576 29.78934355 122.4562576

XY
-190
-168
-150
-122
-75
0
111
240
381
560
690
1277

994
11
90.36

able X 1 Curva de regresin ajustada

200
200
150
150
100
100

Y
Pronstico para Y

able X 1 Curva de regresin ajustada

200
200
150
150
Y
Pronstico para Y

100
100
50
50
00
-2
-2

00
Variable
Variable X
X 11

22

44

66

12000
10000
8000
6000

Column C

4000
2000
0
0

10

15

20

25

30

35

II. SERIES DE TIEMPO DE CORTO PLAZO

II.1. VARIACION TEMPORAL O ESTACIONAL

Ejemplo # 3
La responsable de las segunda especialidades univesitaria y cursos de extensin,
necesita, de alguna manera, pronosticar el nmero de estudiantes que cada trimestre
del ao podran matricularse. Se cuenta con reportes de aos anteriores y se decide
utilizar los ltimos cinco aos como un buen periodo de anlisis para la preparacin de
los pronsticos. Utilice estos datos para realizar una evaluacin estacional y pronosticar
para el prximo ao.
Ao
2009
2010
2011
2012
2013

1 Trim
1861
1921
1834
1837
2073

2 Trim
2203
2343
2154
2025
2414

3 Trim
2415
2514
2098
2304
2339

4 Trim
1908
1986
1799
1965
1967

Ao

Trim

Ocupac.

Total Mvil

Promed.
Mvil

2009

1861

II

2203

III

2415

IV

1908

1921

II

2343

III

2514

IV

1986

1834

2010

2011

% Valor
Prom.Mv
Real / Prom
Centrado
Mvil

2012

2013

II

2154

III

2098

IV

1799

1837

II

2025

III

2304

IV

1965

2073

II

2414

III

2339

IV

1967

Clculo de Indice de Estacionalidad:

Ao

1 Trim

2 Trim

3 Trim

4 Trim

0.00

0.00

0.00

0.00

Ind.Tem/100

Ocupac.
desestac

2009
2010
2011
2012
2013

Serie de Tiempo Desestacionalizada

Ao

Trim

Ocupac.

2009

I
II
III
IV
I
II
III
IV

1861
2203
2415
1908
1921
2343
2514
1986

2010

Codigo X
1
2
3
4
5
6
7
8

2011

2012

2013

I
II
III
IV
I
II
III
IV
I
II
III
IV

1834
2154
2098
1799
1837
2025
2304
1965
2073
2414
2339
1967

9
10
11
12
13
14
15
16
17
18
19
20

II. SERIES DE TIEMPO DE CORTO PLAZO

II.1. VARIACION TEMPORAL O ESTACIONAL

Ejemplo # 3
La responsable de las segunda especialidades univesitaria y cursos de extensin,
necesita, de alguna manera, pronosticar el nmero de estudiantes que cada trimestre
del ao podran matricularse. Se cuenta con reportes de aos anteriores y se decide
utilizar los ltimos cinco aos como un buen periodo de anlisis para la preparacin de
los pronsticos. Utilice estos datos para realizar una evaluacin estacional y
pronosticar para el prximo ao.
Ao
2009
2010
2011
2012
2013

1 Trim
1861
1921
1834
1837
2073

2 Trim
2203
2343
2154
2025
2414

3 Trim
2415
2514
2098
2304
2339

4 Trim
1908
1986
1799
1965
1967

rsos de extensin,
es que cada trimestre
nteriores y se decide
para la preparacin de
estacional y

Ao

Trim

2009

1861

II

2203

2010

III

2415

IV

1908

I
II
III
IV

2011

2013

2096.75

8447

2111.75

8587

2146.75

8686

2171.50

8764

2191.00

8677

2169.25

8488

2122.00

8072

2018.00

7885

1971.25

7888

1972.00

7759

1939.75

7965

1991.25

8131

2032.75

8367

2091.75

8756

2189.00

8791

2197.75

1986
1834

2098
1799
1837
2025

III

2304

IV

1965

8387

2514

III

II

Promed.
Mvil

2343

2154

Total Mvil

1921

II

IV
2012

Ocupac.

2073

II

2414

III

2339

IV

1967

8793

2198.25

3 Trim
114.77
115.31
106.41
111.72

4 Trim
89.61
92.56
91.98
91.81

Clculo de Indice de Estacionalidad:

Ao

2009
2010
2011
2012
2013

Trimestre
I
II
III
IV

1 Trim
88.97
88.60
93.46
94.51
91.22
90.30

Indice
Desajust.
45.61
53.85
56.62
45.95
202.03

2 Trim

107.42
107.99
100.65
109.83
107.70
113.25
91.89
106.62
112.11
90.97
INDICES DE ESTACIONALIDAD

Constante
Ajuste
1.97992
1.97992
1.97992
1.97992

Indice
Temporal
90.301
106.621
112.108
90.970
400.000

Serie de Tiempo Desestacionalizada

Ao

Trim

2009

I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I

2010

2011

2012

2013

Ocupac.
1861
2203
2415
1908
1921
2343
2514
1986
1834
2154
2098
1799
1837
2025
2304
1965
2073

Ind.Tem/10
0
0.90301
1.06621
1.12108
0.90970
0.90301
1.06621
1.12108
0.90970
0.90301
1.06621
1.12108
0.90970
0.90301
1.06621
1.12108
0.90970
0.90301

Ocupac.
desestac
2060.89
2066.19
2154.17
2097.39
2127.34
2197.50
2242.48
2183.14
2030.99
2020.23
1871.41
1977.57
2034.31
1899.25
2055.16
2160.05
2295.66

II
III
IV

2414
2339
1967

1.06621
1.12108
0.90970

2264.09
2086.38
2162.25

I
II
III
IV

ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresin
1
1686.8866031 1686.8866 0.12691161
Residuos
18
239252.81326 13291.823
Total
19
240939.69986

Intercepcin
Variable X 1

Coeficientes Error tpico Estadstico t Probabilidad

2082.6002 53.555909856 38.8864683 8.043E-019
1.5926932 4.4707609752 0.35624655 0.72579738

Anlisis de los residuales

Observacin Pronstico para Y Residuos
1 2084.1929 -23.30124491
2 2085.7856 -19.5940868
3 2087.3783 66.795130566
4 2088.971 8.4232314442
5 2090.5637 36.772634897
6 2092.1564 105.34100009
7 2093.749 148.73208734
8 2095.3417 87.794988722
9 2096.9344 -65.94288405
10 2098.5271 -78.29268316
11 2100.1198 -228.7095488
12 2101.7125 -124.1380034
13 2103.3052 -68.99142416
14 2104.8979 -205.6524266
15 2106.4906 -51.32888439
16 2108.0833 51.968915924
17 2109.676
185.9867698
18 2111.2687 152.81951068
19 2112.8614 -26.47975276
20 2114.4541 47.796669592

Pronostico para el siguiente ao como serie desestacionalizada y estacionalizada

Ao

Trimestre

2014

I
II
III
IV

Cdigo
21
22
23
24

Pronostico
Indice
desestacioestacional
nalizado
0.9030
2116.05
1.0662
2117.64
1.1211
2119.23
0.9097
2120.82

Prom.Mv % Valor Real /

Centrado
Prom Mvil

2104.25

114.77

2129.25

89.61

2159.13

88.97

2181.25

107.42

2180.13

115.31

2145.63

92.56

2070.00

88.60

1994.63

107.99

1971.63

106.41

1955.88

91.98

1965.50

93.46

2012.00

100.65

2062.25

111.72

2140.38

91.81

2193.38

94.51

2198.00

109.83

Media Modificada:
Trim 1
Trim 2
Trim 3
Trim 4

91.22
107.70
113.25
91.89

404.06 0.9899579321

400/404,06
1.97991586
400/4
100

Codigo X
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Resumen
Estadsticas de la regresin
Coeficiente de 0.08367366
Coeficiente d 0.00700128
R^2 ajustado -0.04816531
Error tpico
115.290169
Observacione
20
ANLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Regresin
1 1686.8866
Residuos
18 239252.813
Total
19
240939.7

Intercepcin
Codigo X

Coeficientes Error tpico

2082.60019 53.5559099
1.59269319 4.47076098

18
19
20

PRONOSTIC
O SIN ESTAC

21
22
23
24

2116.05 0.9030072052
2117.64 1.0662128894
2119.23 1.121079667
2120.82 0.9097002384

1910.81
2257.85
2375.83
1929.31

Valor crtico de F
0.72579738

Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%

1970.0834 2195.1169829 1970.0834005 2195.11698
-7.8000271 10.98541344 -7.800027069 10.9854134

zada y estacionalizada

Pronostico
estacionalizado
1910.81
2257.85
2375.83
1929.31

F
Valor crtico de F
0.12691161 0.72579738

Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%

8.043E-019 1970.0834 2195.11698 1970.0834 2195.11698
0.72579738 -7.80002708 10.9854135 -7.80002708 10.9854135

III. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO

III.1. METODO DE LOS MINIMOS CUADRADOS
Ejemplo # 1
De acuerdo a lo planificado en un programa de desarrollo, una corporacin explora y
explota petroleo y gas . El analista esta estudiando la tendencia de de las ventas de la
compaa. Establezca las conclusiones.

Ao
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

Ventas
(millone
s $)
0.39
0.81
0.93
1.35
1.48
2.36
2.45
2.52
2.81
3.82
5.54
7.16
1.93
5.17
7.72
5.33
8.12
10.65
12.06
11.63
5.85
6.40

Ejercicio # 2
El siguiente cuadro muestra, en miles de dolares, las ventas de tracto camiones en el sur
del Per. Se desea conocer la demanda que se esperaria encontrar para el proximo ao y
poder evaluar la posibilidad de considerar un proyecto de servicios de reparacin
especializados para estos productos.

Aos

Volumen de
Ventas

2010
2011
2012
2013

772416
5757022
11331073
15352972

IV. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO DE

IV.1. VARIACION TEMPORAL O ESTACIONAL
Ejemplo # 3
Un indice de mejora de la economia esta en el progreso del sector construccin. Los
siguientes datos corresponden al nmero mensual de nuevas construcciones en un pas
desarollado, expresada en miles de viviendas. Analice la variable, calcule un indice de
estacionalidad y pronostique para el ao 2014.

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

2008
47.6
52.0
78.7
85.1
99.2
91.9
107.2
97.2
108.4
111.5
110.0
83.4

Ejercicio # 4

2009
92.9
96.7
135.8
136.4
175.5
173.8
162.0
177.7
156.8
159.9
136.4
108.5

2010
109.2
130.4
138.1
170.9
182.2
184.3
163.1
147.8
149.6
152.7
126.5
99.0

2011
105.4
95.8
145.2
176.0
170.5
163.4
161.0
161.1
148.6
173.2
124.1
120.5

2012
115.7
107.2
151.0
188.2
186.7
183.6
172.2
163.8
153.2
154.9
115.7
113.1

2013
105.1
102.8
141.3
159.6
158.3
163.2
152.8
143.8
152.3
139.1
118.9
85.4

Una compaa se especializa en la produccin de equipo para recreacin. Para predecir las
ventas, basndose en los patrones de ventas pasadas, la compaa ha recolectado la informacin
que se presenta en la siguiente tabla.

Ao
2009
2010
2011
2012
2013

1 Trim
16,00
15,00
17,00
17,00
18,00

Ventas por trimestre

2 Trim 3 Trim
21,00
9,00
20,00
10,00
24,00
13,00
25,00
11,00
26,00
14,00

4 Trim
18,00
18,00
22,00
21,00
25,00

Ejercicio # 5

Se tienen los datos mensuales de los ultimos 11 aos de la estacin hidromtrica del sur. Expresa los
caudal en m3 por segundo. Elegir aleatoriamente 20 datos y realizar un anlisis de la variable. Interpre
resultados.
Aos
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

ENE
7.37
22.59
28.93
29.96
67.53
6.48
17.36
26.83
28.64
13.27
23.90

FEB
4.90
24.78
15.85
9.83
105.31
12.82
37.95
73.63
34.80
87.69
68.33

MAR
5.04
42.94
6.39
35.66
11.71
46.54
13.59
22.31
10.54
90.36
35.07

ABR
2.53
6.48
0.90
4.41
9.94
6.41
12.12
3.89
4.42
25.68
2.49

MAY
1.44
2.80
0.39
2.57
5.73
4.28
2.95
2.64
1.01
4.02
2.23

JUN
2.48
3.06
0.75
1.23
2.72
1.67
1.19
0.66
0.68
1.59
1.31

JUL
1.64
2.16
0.73
1.60
2.15
1.43
1.13
0.94
0.25
1.14
0.78

AGO
1.31
1.72
1.05
1.43
1.59
1.24
0.96
1.32
0.50
0.69
0.71

ES DE TIEMPO

acin explora y
las ventas de la

camiones en el sur
ara el proximo ao y
reparacin

ES DE TIEMPO DE CORTO PLAZO

struccin. Los
ciones en un pas
ule un indice de

ra predecir las
ectado la informacin

dromtrica del sur. Expresa los aforos de

n anlisis de la variable. Interprete los

SET
1.11
1.54
0.78
1.01
1.58
1.62
0.50
1.10
0.35
0.59
0.48

OCT
1.56
1.41
0.64
3.38
1.23
1.20
0.49
1.00
0.12
1.96
1.47

NOV
5.02
2.18
1.10
4.95
1.71
0.86
0.73
1.86
0.77
0.57
0.46

DIC
9.50
2.04
2.44
14.57
3.51
2.11
6.53
5.06
2.39
1.01
2.36

SERIE DE TIEMPO: CASO DE ESTUDIO N 3

La empresa Algodn y Afines, haproporcionado los datos de ventas, en prendas y valorizadas, de una de u
requiere que ordene la data en Tablas de Distribucin de Frecuencia, grafique los resultados e interprete e

COMANDOS
I. MODELO MULTIPLICATIVO
I.1. SERIES DE TIEMPO
A.

B.

LARGO PLAZO
a.1. Tendencia
a.2. Ciclo
CORTO PLAZO
b.1. Estacionalidad

y valorizadas, de una de una de sus importantes tiendas de Lima.Se

s resultados e interprete el comportamiento de la variables

SERIE DE TIEMPO: CASO DE ESTUDIO N 3

La empresa Algodn y Afines, haproporcionado los datos de ventas, en prendas y valorizadas, de una d
ordene la data en Tablas de Distribucin de Frecuencia, grafique los resultados e interprete el comporta

VENTAS GAMARR A(PZAS)

ENERO
FEBRERO
2009
2126
2241
2010
2091
1329
2011
1864
1382
2012
1596
2008
2013
1394
1602

MARZO
3000
1586
1576
1948
1538

ABRIL
1559
1613
1886
1802
1540

COMANDOS
I. MODELO MULTIPLICATIVO
I.1. SERIES DE TIEMPO
A.

B.

LARGO PLAZO
a.1. Tendencia
a.2. Ciclo
DATOS: Anlisis de datos: Regresin
SPSS: DATOS: Definir fecha
SPSS: ANALIZAR: Regresin: Lineales
CORTO PLAZO
b.1. Estacionalidad
SPSS: ANALIZAR: Predicciones: Descomposicin estacional

COMANDOS
I. MODELO MULTIPLICATIVO
I.1. SERIES DE TIEMPO
A.

LARGO PLAZO
a.1. Tendencia
a.2. Ciclo
1. Datos
2009
2010
2011
2012
2013

2. Grafico
TOTAL
Cdigo
29817
1
25210
2
24490
3
26106
4
26014
5

35000
30000
f(x) = - 671x + 28340.4

25000
20000
15000
10000
5000
0
1

10000
5000
0
1

B.

CORTO PLAZO
b.1. Estacionalidad

Factores estacionales
Nombre de la serie: Vta_pz

Perodo

Factor
estacional
(%)

1
2
3
4
5
6
7
8
9
10
11
12

103.7
115.7
103.4
95.0
85.4
97.5
91.9
85.9
110.8
103.0
108.4
99.1

n prendas y valorizadas, de una de una de sus importantes tiendas de Lima.Se requiere que
esultados e interprete el comportamiento de la variables

MAYO
2486
2860
2358
2068
2394

JUNIO
2565
2206
2362
1750
2282

JULIO
2642
2379
2376
2026
2304

AGOSTO
SEPTIEMBRE
3433
2550
2544
1935
2486
1990
4386
2090
2384
2308

OCTUBRE NOVIEMBRE DICIEMBRE

2377
2345
2493
2170
1988
2509
2066
1792
2352
2190
2016
2226
3262
2540
2466

icin estacional

3. Resultados
Resumen

000

Estadsticas de la regresin
Coeficiente de c 0.5154046568
Coeficiente de 0.2656419603
R^2 ajustado
0.020855947
Error tpico
2036.8895568
Observaciones
5

000
f(x) = - 671x + 28340.4

000

000
Column D

000

ANLISIS DE VARIANZA
Grados de libertad
Regresin
1
Residuos
3
Total
4

000

000
0
1

000

000
0
1

Intercepcin
Cdigo

Coeficientes
28340.4
-671

Anlisis de los residuales

Observacin Pronstico TOTAL
1
27669.4
2
26998.4
3
26327.4
4
25656.4
5
24985.4

Y
TOTAL
29817
25210
24490
26106
26014

Suma de cuadrados
4502410
12446757
16949167

Promedio de los cuadrados

4502410
4148919

F
Valor crtico de F
1.08520073 0.3741045793

Error tpico
2136.308
644.121

Residuos
2147.6
-1788.4
-1837.4
449.6
1028.6

Estadstico t
13.26607
-1.04173

Probabilidad
Inferior 95% Superior 95%
0.0009256164 21541.715167 35139.084833
0.3741045793 -2720.8806054 78.88060537

Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.51540466
Coeficiente de determinacin R^2
0.26564196
R^2 ajustado
0.02085595
Error tpico
2036.88956
Observaciones
5
ANLISIS DE VARIANZA
Regresin
Residuos
Total

Intercepcin
Variable X 1

Grados de libertad
Suma de cuadrados
1
4502410
3 12446757.2
4 16949167.2
Coeficientes Error tpico
28340.4 2136.30779
-671 644.121034

Inferior 95,0% Superior 95,0%

21541.715167 35139.084833
-2720.8806054 78.88060537

Promedio de los cuadradosF

Valor crtico de F
4502410 1.08520073 0.37410458
4148919.07

Estadstico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%

13.2660659 0.00092562 21541.7152 35139.0848 21541.7152 35139.0848
-1.04172968 0.37410458 -2720.88061 1378.88061 -2720.88061 1378.88061