Está en la página 1de 37

UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE INGENIERA CIVIL, SISTEMAS Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS

Curso:
Mtodos de Prediccin
Docente:
Ing. Guzmn Valle Mara

Integrantes:
o INOAN VIDAURRE, Henry
o MUICO ROJAS, Alonso
o SAMPI COLQUICOCHA, Antony
o TULLUME PALMA, Jean Paul

Ciclo:
2016 - II

LAMBAYEQUE, Febrero de 2017


Contenido
................................................................................................................................................... 1
RESUMEN ................................................................................................................................... 3
INTRODUCCION ........................................................................................................................ 4
I. SITUACION PROBLEMTICA ......................................................................................... 4
II. OBJETIVOS ........................................................................................................................ 5
GENERAL .................................................................................................................................... 5
ESPECIFICOS ............................................................................................................................ 5
III. MARCO TEORICO BREVE .......................................................................................... 5
GENERALIDADES DE LA EMPRESA.................................................................................... 5
POBLACION Y MUESTRA ....................................................................................................... 5
VARIABLES DE ESTUDIO ....................................................................................................... 5
IV. DESCRIPCION DEL PROCESO DE RECOLECCION DE DATOS E
IDENTIFICACION DEL TIPO DE FUENTES DE LA CUAL LOS OBTUVO...................... 7
Fuente de datos .............................................................................................................. 7
Tcnica de recoleccin de datos.................................................................................. 7
Instrumentos de recoleccin de datos......................................................................... 7
Herramientas ................................................................................................................... 7
V. ANALISIS DE SERIES DE TIEMPO ............................................................................... 9
VI. SELECCIN DE UNA TECNICA DE PRONOSTICO ............................................ 13
VII. OBTENCION Y EVALUACION DEL PRONOSTICO .............................................. 31
VIII. CONCLUSIONES Y RECOMENDACIONES ........................................................... 36
IX. BIBLIOGRAFIA ............................................................................................................. 37
RESUMEN

El presente trabajo ha sido realizado con la finalidad de responder a la

interrogante sobre los ingresos tributarios anuales del Banco Central de Reserva,

para cumplir con tales requerimientos se ha utilizado diferentes tcnicas de

pronostico como regresin lineal, mtodos informales, mtodos basados en

promedios y mtodos de suavizamiento exponencial, etc. los cuales han sido

estudiadas y abordadas en clase para luego seleccionar la tcnica apropiada

que ajuste al modelo y as aplicarlos a nuestro proyecto, consideramos que

mediante estas tcnicas de pronsticos nos ayudar a concluir si el tener un

mejor control, adems de estas variables tambin sern analizadas otras

variables como puntaje acumulado vs horas extras de estudio y puntaje

acumulado vs gnero.
INTRODUCCION

El presente trabajo ha sido realizado con la finalidad de pronosticar los ingresos

tributarios para el ao 2016, para cumplir con tales requerimientos se ha utilizado

diferentes tcnicas de pronostico como algunas como regresin lineal, mtodos

informales, mtodos basados en promedios y mtodos de suavizamiento

exponencial, los cuales han sido estudiadas y abordadas en clase para luego

aplicarlos a nuestro proyecto, consideramos que mediante estas tcnicas de

pronsticos nos ayudar a concluir los ingresos tributarios para tal ao.

Se analiza primerio la serie de tiempo y posteriormente las diferentes tcnicas

para pronosticar, utilizando una de todas las que conocemos que fueron

brindadas en clase.

I. SITUACION PROBLEMTICA
Saber si habr aumento o disminucin de los ingresos tributarios del gobierno
central.
II. OBJETIVOS
GENERAL
Pronosticar los ingresos tributarios para el siguiente ao del Gobierno Central.

ESPECIFICOS
a. Incremento de las devoluciones,
b. Las menores cotizaciones de nuestros principales productos de
exportacin (cobre, oro y gas) y de uno de los principales insumos que
importamos (petrleo)
c. La desaceleracin de nuestra economa

III. MARCO TEORICO BREVE


GENERALIDADES DE LA EMPRESA

1. Nombre de la empresa: SUNAT


2. Giro del negocio: Sector Economa y Finanzas
3. Ubicacin: Oficina central: Av. Garcilaso de la Vega 1472, Lima 1
4. Pgina Web: http://www.sunat.gob.pe/estadisticasestudios/

POBLACION Y MUESTRA
a. Poblacin: La poblacin considerada para el presente trabajo son los
ingresos tributarios del gobierno central.

b. Muestra: La muestra analizada ha sido extrada desde los ingresos


anuales desde el ao 2000 hasta 2017.

VARIABLES DE ESTUDIO
Qu son los ingresos tributarios?
Los ingresos del gobierno central se clasifican en ingresos corrientes y de capital.
Los ingresos corrientes se clasifican en ingresos tributarios y no tributarios. Los
ingresos tributarios son los ingresos percibidos por el Estado, a travs de
impuestos.

Estructura del ingreso tributario:

Ingresos tributarios = Impuestos a los ingresos + impuesto al patrimonio+


impuesto a la importacin + impuesto general a la ventas+ impuesto selectivo al
consumo + otros ingresos tributarios.

Impuesto a los ingresos: considera el impuesto a la renta pagado por los


contribuyentes (personas jurdicas y personas naturales).

Impuesto a las importaciones: comprende lo recaudado tanto por el


arancel de aduanas, cuanto por la sobretasa arancelaria. Esta sobretasa
puede ser especfica (aplicada al arroz, maz, azcar y lcteos) o ad-
valorem (aplicada a carnes, leche y derivados, diversos productos
agropecuarios como sorgo, maz, entre otros, confitera, cervezas, licores
y algunos bienes de capital).

Impuesto General a las Ventas (IGV): impuesto que grava la venta en el


pas de bienes muebles, la prestacin o utilizacin de servicios en el pas,
los contratos de construccin, la primera venta de inmuebles que realicen
los constructores y la importacin de bienes.

Impuesto Selectivo al Consumo (ISC): Impuesto que grava las ventas a


nivel de productor y la importacin de ciertos bienes: a combustibles y
otros bienes (cigarrillos, gaseosas, cervezas, licores y vehculos).
Asimismo, grava los juegos de azar y las apuestas.

Otros ingresos tributarios: incluyen los ingresos por fraccionamiento


tributario, Impuesto a las Transacciones Financieras (ITF), Impuesto a los
Activos Netos (ITAN), Impuesto Extraordinario de Solidaridad (eliminado
en 2004), Impuesto al Rodaje, Rgimen nico Simplificado (RUS),
Impuesto a los Casinos y Tragamonedas, multas, entre otros.
IV. DESCRIPCION DEL PROCESO DE
RECOLECCION DE DATOS E IDENTIFICACION
DEL TIPO DE FUENTES DE LA CUAL LOS
OBTUVO
Fuente de datos

a. Primarias: Los datos a utilizar en el presente trabajo han sido


exportados de la base de datos de la Sunat.

Tcnica de recoleccin de datos

a. Recopilacin de datos de manera electrnica de la base de datos de la


Sunat.

Instrumentos de recoleccin de datos

a. El instrumento de recoleccin utilizado ha sido un dispositivo de


almacenamiento externo, en este caso un USB en un formato de hoja
de Excel, que contiene los datos de los meses de cada ao de los
ingresos tributarios.

Herramientas

a. Minitab: Es un asistente interactivo que gua durante el anlisis de


datos. Es un programa estadstico informtico muy usado en las ciencias
sociales y las empresas de investigacin de mercado. Es uno de los
programas ms conocidos teniendo en cuenta su capacidad para
trabajar con grandes bases de datos y una sencilla interface para la
mayora de los anlisis.
b. Excel: Es un software que permite realizar tareas contables y financieras
gracias a sus funciones, desarrolladas especficamente para ayudar a
crear y trabajar con hojas de clculo.
c. El instrumento utilizado en la medicin de los datos ha sido el software
de anlisis minitab.
INGRESOS TRIBUTARIOS ANUALES
DEL BANCO CENTRAL DE RESERVA DEL
PER
V. ANALISIS DE SERIES DE TIEMPO
SERIES DE TIEMPO
Serie de tiempo de los Ingresos Tributarios anuales del BCRP (2000-2016)

Time Series Plot of Y-Tributarios (anuales)


8000

7000
Y-Tributarios (anuales)

6000

5000

4000

3000

2000

2 4 6 8 10 12 14 16
Index

PATRON DE DATOS DE LA SERIE DE TIEMPO


El patrn que muestra la serie de tiempo es de:

o TENDENCIA
o CICLICO (porque oscila alrededor de la tendencia).

EXPLORACION DE PATRONES DE DATOS


1. Los datos son aleatorios?
o Grfica de auto correlacin y coeficientes de auto
correlacin:

Autocorrelation Function for Y-Tributarios (anuales)


(with 5% significance limits for the autocorrelations)

1 .0

0.8

0.6

0.4
Autocorrelation

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1 .0

1 2 3 4 5 6 7 8 9 10
Lag

o Distribucin chi-cuadrado
H0: p=0 (no hay correlacin)
Ha: p0 (si hay correlacin).

Distribution Plot
Chi-Square, df=1 0
0.1 0

0.08

0.06
Density

0.04

0.02
0.025
0.025
0.00
0 3.247 20.48
X

CONCLUSION: Para que la serie de datos sea aleatoria debera existir una
auto correlacin baja (p=0). Por lo tanto, los datos NO son Aleatorios, porque el
LBQ10 est en la zona de rechazo y se rechaza la hiptesis nula (H0).
LBQ10 = 43.65
CONLUSION: Si los coeficientes de auto correlacin son significativos
entonces podemos concluir que la serie de datos SI muestran una tendencia.
2. Los datos son estacionarios?
a. Tabla de datos diferenciados

Y(Anual) DIFERENCIADO
1909.415305 * *
1932.025141 1909.415305 22.60983643
1910.47552 1932.025141 -21.54962116
2013.99769 1910.4752 103.5224904
2292.49943 2013.99769 278.5017397
2590.752064 2292.49943 298.252634
2963.089719 2590.752064 372.3376545
3816.469474 2963.089719 853.3797548
4363.507632 3816.46974 547.0378919
4858.681418 4363.507632 495.173786
4384.45978 4858.681418 -474.2216378
5371.849703 4384.45978 987.3899227
6295.058317 5371.849703 923.2086137
7006.570554 6295.058317 711.5122365
7443.549539 7006.570554 436.9789848
7942.53963 7443.549539 498.9900912

b. Grafica de los datos diferenciados (quitamos la tendencia a la serie


de datos)

Time Series Plot of Diferenciacion


1 000

750

500
Diferenciacion

250

-250

-500

2 4 6 8 10 12 14 16
Index

c. Grafica de auto correlacin y sus coeficientes de auto correlacin.


Autocorrelation Function for Diferenciacion
(with 5% significance limits for the autocorrelations)

1 .0

0.8

0.6

0.4
Autocorrelation

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1 .0

1 2 3 4 5 6 7 8 9 10
Lag

d. Distribucin chi cuadrado


i. H0: p=0 (no hay correlacin)
ii. H0: p0 (si hay correlacin)

Distribution Plot
Chi-Square, df=1 0
0.1 0

0.08

0.06
Density

0.04

0.02
0.025
0.025
0.00
0 3.247 20.48
X

CONLUSIN: Los datos SI son estacionarios


Para que la serie de datos sea estacionaria debera existir una auto correlacin
baja (p=0). Por lo tanto los datos Si son estacionarios, porque el LBQ10 est en
la zona de aceptacin y se acepta la hiptesis nula (H0).
LBQ10 = 5.30

CONCLUSION: Segn la grfica de auto correlacin, los datos NO son


estacionales.
VI. SELECCIN DE UNA TECNICA DE
PRONOSTICO
Como los datos son estacionarios se puede utilizar las siguientes
tcnicas: mtodos informales, mtodos de promedio simple, promedio
mvil y modelos autor regresivos de promedio mvil (ARMA) as como los
modelos de Box-Jenkins.
Como los datos son con una tendencia se puede utilizar las siguientes
tcnicas: modelos de promedios mviles, de suavizamiento exponencial
lineal de Holt, de regresin simple, de curvas de crecimiento, los modelos
exponenciales y los modelos autorregresivos integrados de promedio
mvil (ARIMA) (mtodos de Box-Jenkins).

MEDICION DEL ERROR DE PRONOSTICO


Para medir el error del pronstico se utilizan los siguientes mtodos:
El MAD: Desviacin absoluta media.
MSD: Desviacin cuadrtica media.
MAPE: error porcentual absoluto medio, expresa la exactitud del
pronstico en porcentaje.
MPE: Indica que la tcnica no tiene sesgo.

TECNICA DE PRONOSTICO: PROMEDIO MOVIL


a. Residuos y grfica de la tcnica de promedio mvil
b. Autocorrelacin

Autocorrelation Function for RESI1


(with 5% significance limits for the autocorrelations)

1 .0

0.8

0.6

0.4
Autocorrelation

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1 .0

1 2 3 4 5 6 7 8 9 10
Lag

c. Distribucin chi cuadrado


i. H0: p=0 (no hay correlacin)
ii. H0: p0 (si hay correlacin)

Distribution Plot
Chi-Square, df=1 0
0.1 0

0.08

0.06
Density

0.04

0.02
0.025
0.025
0.00
0 3.247 20.48
X

Podemos observar que LBQ (17.52) est en la regin de aceptacin, entonces


decimos que los datos son aleatorios, ya que se acepta la H0. Por lo tanto, la
tcnica de promedios mviles es una tcnica adecuada para pronosticar.
TECNICA DE PRONOSTICO: SUAVIZAMIENTO
EXPONENCIAL DOBLE METODO DE HOLT
a. Residuos de la tcnica de pronostico

b. Auto correlacin

Autocorrelation Function for RESI1


(with 5% significance limits for the autocorrelations)

1 .0

0.8

0.6

0.4
Autocorrelation

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1 .0

1 2 3 4 5 6 7 8 9 10
Lag

c. Distribucin chi cuadrado


i. H0: p=0 (no hay correlacin)
ii. H0: p0 (si hay correlacin)
Distribution Plot
Chi-Square, df=8
0.1 2

0.1 0

0.08

Density
0.06

0.04

0.02
0.025
0.025
0.00
0 2.180 17.53
X

Podemos observar que LBQ (3.02) est en la regin de aceptacin, entonces


decimos que los datos son aleatorios, ya que se acepta la H 0. Por lo tanto la
tcnica de Suavizamiento Exponencial Doble es una tcnica adecuada para
pronosticar.

COMPARACION ENTRE LAS TECNICAS DE MODELO DE


PRONOSTICO(PROMEDIO MOVIL VS METODO HOLT)
Analizamos el MAPE y el MAD de ambas tcnicas de pronstico.
o Promedio Mviles
o Suavizamiento Exponencial Doble Mtodo de Holt

CONCLUSION: La tcnica de pronostico que ms se ajusta al modelo es


Mtodo de Holt, porque el Porcentaje del Error Medio Absoluto (MAPE=7%) es
menor que de la tcnica de Promedios Mviles (MAPE=27%), es decir el error
de pronstico es menor.
PRONOSTICO UTILIZANDO EL METODO:
SUAVIZAMIENTO EXPONENCIAL - METODO HOLT

o Pronostico a Mediano Plazo

AO PRONOSTICO MNIMO MXIMO


2016 8408.9 7769.78 9048.1
2017 8870.4 7862.17 9916.6

CONCLUSIN:
Utilizando el Mtodo de Holt, podemos pronosticar que los ingresos tributarios
para el ao 2016 sera de 8 408.9 millones de soles y para el ao 2017 seria 8
870.4 millones de soles.
o Pronostico a Largo Plazo

AO PRONOSTICO MNIMO MXIMO


2018 9331.8 7862.51 10801.1
2019 10254.7 7926.11 12583.2
2020 10716.1 7955.43 13476.8
2021 10716.1 7955.43 13476.8
2022 11177.6 7984 14371.1
2023 11639 8012.08 15265.9

Nota: El siguiente cuadro muestra los ingresos tributarios que se obtendr en los prximos
aos (2018 2013) en millones de soles.
INGRESOS TRIBUTARIOS
MENSUALES DEL BANCO CENTRAL
DE RESERVA DEL PER
INGRESOS TRIBUTARIOS MENSUALES
MES Millones MES Millones MES Millones
soles soles soles
Ene00 2124.693616 Ene03 2219.796203 Ene06 3854.778853
Feb00 1781.559835 Feb03 1909.600594 Feb06 2868.176176
Mar00 1854.253639 Mar03 2325.790622 Mar06 3604.94924
Abr00 2180.553659 Abr03 2650.947087 Abr06 6137.615841
May00 1979.144036 May03 2200.645664 May06 3578.677126
Jun00 1810.843935 Jun03 2156.050852 Jun06 3529.466521
Jul00 1856.867565 Jul03 2176.906618 Jul06 3783.52123
Ago00 1898.173508 Ago03 2352.890348 Ago06 3573.381308
Sep00 1772.257363 Sep03 2241.053316 Sep06 3432.294997
Oct00 1859.070816 Oct03 2293.890603 Oct06 3757.1671
Nov00 1858.75001 Nov03 2432.683321 Nov06 3795.79302
Dic00 1936.815674 Dic03 2549.737928 Dic06 3881.812273
Ene01 2006.356641 Ene04 2495.78346 Ene07 4167.629252
Feb01 1912.619392 Feb04 2262.725256 Feb07 3290.241225
Mar01 1684.444586 Mar04 2539.988971 Mar07 4000.392445
Abr01 2255.44754 Abr04 2970.688958 Abr07 7407.259185
May01 1949.60045 May04 2650.08531 May07 3879.018967
Jun01 1766.063104 Jun04 2632.537294 Jun07 4066.993824
Jul01 1957.564899 Jul04 2515.384776 Jul07 4368.307369
Ago01 1891.247649 Ago04 2598.840955 Ago07 4395.828159
Sep01 1919.112373 Sep04 2610.392296 Sep07 4124.358593
Oct01 1906.986327 Oct04 2512.657923 Oct07 4406.754458
Nov01 2004.509468 Nov04 2506.290252 Nov07 4292.227645
Dic01 1930.349267 Dic04 2793.649318 Dic07 3963.080462
Ene02 2088.472152 Ene05 2854.069054 Ene08 4968.316864
Feb02 1607.63137 Feb05 2398.893002 Feb08 3907.445169
Mar02 1626.497399 Mar05 3043.351015 Mar08 4560.526774
Abr02 2508.572057 Abr05 4351.360439 Abr08 6807.079625
May02 1850.082381 May05 2844.566641 May08 4577.715648
Jun02 1956.188875 Jun05 2766.7724 Jun08 4810.568001
Jul02 2002.157755 Jul05 2546.253942 Jul08 5084.737838
Ago02 2067.435792 Ago05 2789.763435 Ago08 4741.715491
Sep02 2137.993477 Sep05 2932.193799 Sep08 4949.570748
Oct02 2027.432427 Oct05 2838.444463 Oct08 4934.739785
Nov02 2065.692823 Nov05 3038.583563 Nov08 4483.208151
Dic02 2229.815776 Dic05 3152.82487 Dic08 4478.552924

INGRESOS TRIBUTARIOS MENSUALES


MES Millones MES Millones MES Millones
soles soles soles
Ene09 4831.185059 Ene12 7741.369207 Ene15 8447.443198
Feb09 3756.797007 Feb12 5630.126732 Feb15 6802.981289
Mar09 4411.035531 Mar12 7506.349987 Mar15 8050.476893
Abr09 5883.542859 Abr12 9279.994112 Abr15 8885.501938
May09 3819.767017 May12 6677.060468 May15 6871.856615
Jun09 3923.936432 Jun12 6182.050064 Jun15 6684.842581
Jul09 3847.428768 Jul12 6912.406737 Jul15 6938.400224
Ago09 4309.146481 Ago12 6546.644046 Ago15 7131.402564
Sep09 4171.220175 Sep12 6488.599719 Sep15 6851.181821
Oct09 4420.949018 Oct12 6917.149102 Oct15 7273.087488
Nov09 4460.069848 Nov12 6907.129368 Nov15 7683.48029
Dic09 4778.439167 Dic12 7289.9671 Dic15 8556.248522
Ene10 5627.446846 Ene13 8036.189872 Ene16 8373.247342
Feb10 4339.071323 Feb13 6190.388693 Feb16 6143.740739
Mar10 5522.875551 Mar13 7485.974032 Mar16 8766.078791
Abr10 7510.405709 Abr13 9003.021126 Abr16 8897.135187
May10 4884.54358 May13 7000.012794 May16 6862.671214
Jun10 4894.286044 Jun13 6525.009531
Jul10 5044.344957 Jul13 7162.900389
Ago10 5347.232072 Ago13 7208.845939
Sep10 5088.365149 Sep13 7294.624722
Oct10 5436.833018 Oct13 7506.219562
Nov10 5482.453278 Nov13 7657.261563
Dic10 5284.338905 Dic13 8252.146241
Ene11 6499.103425 Ene14 8693.883201
Feb11 5193.473164 Feb14 6779.544919
Mar11 6824.249487 Mar14 8768.839219
Abr11 8916.265791 Abr14 9982.003618
May11 5867.602311 May14 7169.903325
Jun11 5708.728364 Jun14 6933.738004
Jul11 5725.911504 Jul14 7144.962126
Ago11 6120.26255 Ago14 7726.034509
Sep11 6094.658406 Sep14 7613.296999
Oct11 6216.649599 Oct14 7616.744496
Nov11 6269.566141 Nov14 8939.250032
Dic11 6104.229059 Dic14 7942.275112
GRAFICAS DE SERIES DE TIEMPO
Series de Tiempo de los ingresos Tributarios mensuales de Banco Central de Reserva (Enero
2000 Junio 2016).
Index: Meses

PATRONES DE DATOS DE SERIES DE TIEMPO

Tendencia: Positiva
Cclico: Si por que oscila alrededor de la tendencia
Estacional: Si porque en los meses de abril tiene un pico ver las
siguientes imgenes
EXPLORACION DE PATRONES DE DATOS
1. Es Aleatoria?
a. Grfica de auto correlacin
Funcin de auto correlacin: Y (Mensual)

Lag ACF T LBQ


1 0.899291 12.62 161.76
2 0.862022 7.48 311.15
3 0.889640 6.16 471.08
4 0.864768 5.09 622.98
5 0.844688 4.42 768.67
6 0.829940 3.97 910.04
7 0.820799 3.65 1049.05
8 0.817203 3.41 1187.57
9 0.823508 3.25 1328.99
10 0.774628 2.90 1454.78

b. Distribucin chi cuadrado


i. H0: p=0 (no hay correlacin)
ii. Ha: p0 (si hay correlacin)

CONCLUSIONES:
Los datos no son aleatorios por que el (LBQ) 10 se encuentra en la zona
de rechazo.
Rechaza la Hiptesis Nula
Se acepta la Hiptesis Alterna.

2. Tienen Tendencia?

Si tiene tendencia porque los coeficientes de auto correlacin son


significativos (se acerca a 1)

3. Los Datos son estacionarios?


a. Tabla de datos diferenciados

Ingresos Tributarios
(mill. S/) DIFERENCIADOS
Ene00 2124.69362 * *
Feb00 1781.55983 2124.69362 -343.133781
Mar00 1854.25364 1781.55983 72.6938041
Abr00 2180.55366 1854.25364 326.3000198
May00 1979.14404 2180.55366 -201.4096226
Jun00 1810.84394 1979.14404 -168.3001005
Jul00 1856.86757 1810.84394 46.02362979
Ago00 1898.17351 1856.86757 41.30594315
Sep00 1772.25736 1898.17351 -125.9161458
Oct00 1859.07082 1772.25736 86.81345324
Nov00 1858.75001 1859.07082 -0.320805353
Dic00 1936.81567 1858.75001 78.0656632
Ene01 2006.35664 1936.81567 69.54096766
Feb01 1912.61939 2006.35664 -93.73724914
Mar01 1684.44459 1912.61939 -228.1748061
Abr01 2255.44754 1684.44459 571.0029538
May01 1949.60045 2255.44754 -305.8470895
Jun01 1766.0631 1949.60045 -183.5373462
Jul01 1957.5649 1766.0631 191.5017944
Ago01 1891.24765 1957.5649 -66.31724943
Sep01 1919.11237 1891.24765 27.86472377
Oct01 1906.98633 1919.11237 -12.12604588
Nov01 2004.50947 1906.98633 97.52314099
Dic01 1930.34927 2004.50947 -74.16020065
Ene02 2088.47215 1930.34927 158.1228846
Feb02 1607.63137 2088.47215 -480.8407819
Mar02 1626.4974 1607.63137 18.86602893
Abr02 2508.57206 1626.4974 882.074658
May02 1850.08238 2508.57206 -658.4896758
Jun02 1956.18888 1850.08238 106.1064938
Jul02 2002.15776 1956.18888 45.9688803
Ago02 2067.43579 2002.15776 65.27803704
Sep02 2137.99348 2067.43579 70.55768446
Oct02 2027.43243 2137.99348 -110.56105
Nov02 2065.69282 2027.43243 38.26039631
Dic02 2229.81578 2065.69282 164.1229528
Ene03 2219.7962 2229.81578 -10.01957302
Feb03 1909.60059 2219.7962 -310.1956094
Mar03 2325.79062 1909.60059 416.1900285
Abr03 2650.94709 2325.79062 325.1564653
May03 2200.64566 2650.94709 -450.3014231
Jun03 2156.05085 2200.64566 -44.59481196
Jul03 2176.90662 2156.05085 20.85576602
Ago03 2352.89035 2176.90662 175.9837298
Sep03 2241.05332 2352.89035 -111.8370319
Oct03 2293.8906 2241.05332 52.83728728
Nov03 2432.68332 2293.8906 138.7927171
Dic03 2549.73793 2432.68332 117.054607
Ene04 2495.78346 2549.73793 -53.95446772
Feb04 2262.72526 2495.78346 -233.0582038
Mar04 2539.98897 2262.72526 277.2637149
Abr04 2970.68896 2539.98897 430.6999871
May04 2650.08531 2970.68896 -320.6036486
Jun04 2632.53729 2650.08531 -17.5480156
Jul04 2515.38478 2632.53729 -117.1525182
Ago04 2598.84096 2515.38478 83.45617933
Sep04 2610.3923 2598.84096 11.55134141
Oct04 2512.65792 2610.3923 -97.73437336
Nov04 2506.29025 2512.65792 -6.367671451
Dic04 2793.64932 2506.29025 287.3590659
Ene05 2854.06905 2793.64932 60.41973676
Feb05 2398.893 2854.06905 -455.1760526
Mar05 3043.35102 2398.893 644.4580135
Abr05 4351.36044 3043.35102 1308.009424
May05 2844.56664 4351.36044 -1506.793798
Jun05 2766.7724 2844.56664 -77.79424141
Jul05 2546.25394 2766.7724 -220.5184576
Ago05 2789.76343 2546.25394 243.5094926
Sep05 2932.1938 2789.76343 142.4303645
Oct05 2838.44446 2932.1938 -93.74933614
Nov05 3038.58356 2838.44446 200.1390997
Dic05 3152.82487 3038.58356 114.2413077
Ene06 3854.77885 3152.82487 701.9539824
Feb06 2868.17618 3854.77885 -986.6026763
Mar06 3604.94924 2868.17618 736.773064
Abr06 6137.61584 3604.94924 2532.666601
May06 3578.67713 6137.61584 -2558.938716
Jun06 3529.46652 3578.67713 -49.21060497
Jul06 3783.52123 3529.46652 254.0547086
Ago06 3573.38131 3783.52123 -210.1399217
Sep06 3432.295 3573.38131 -141.0863111
Oct06 3757.1671 3432.295 324.8721036
Nov06 3795.79302 3757.1671 38.62591988
Dic06 3881.81227 3795.79302 86.01925253
Ene07 4167.62925 3881.81227 285.8169793
Feb07 3290.24123 4167.62925 -877.3880267
Mar07 4000.39245 3290.24123 710.15122
Abr07 7407.25918 4000.39245 3406.866739
May07 3879.01897 7407.25918 -3528.240218
Jun07 4066.99382 3879.01897 187.9748572
Jul07 4368.30737 4066.99382 301.313545
Ago07 4395.82816 4368.30737 27.52078952
Sep07 4124.35859 4395.82816 -271.4695661
Oct07 4406.75446 4124.35859 282.3958653
Nov07 4292.22764 4406.75446 -114.526813
Dic07 3963.08046 4292.22764 -329.1471829
Ene08 4968.31686 3963.08046 1005.236402
Feb08 3907.44517 4968.31686 -1060.871695
Mar08 4560.52677 3907.44517 653.0816058
Abr08 6807.07962 4560.52677 2246.55285
May08 4577.71565 6807.07962 -2229.363977
Jun08 4810.568 4577.71565 232.8523536
Jul08 5084.73784 4810.568 274.1698361
Ago08 4741.71549 5084.73784 -343.0223469
Sep08 4949.57075 4741.71549 207.855257
Oct08 4934.73979 4949.57075 -14.83096255
Nov08 4483.20815 4934.73979 -451.5316346
Dic08 4478.55292 4483.20815 -4.655227047
Ene09 4831.18506 4478.55292 352.6321357
Feb09 3756.79701 4831.18506 -1074.388052
Mar09 4411.03553 3756.79701 654.2385237
Abr09 5883.54286 4411.03553 1472.507328
May09 3819.76702 5883.54286 -2063.775842
Jun09 3923.93643 3819.76702 104.1694151
Jul09 3847.42877 3923.93643 -76.50766445
Ago09 4309.14648 3847.42877 461.7177132
Sep09 4171.22017 4309.14648 -137.9263058
Oct09 4420.94902 4171.22017 249.7288434
Nov09 4460.06985 4420.94902 39.12082997
Dic09 4778.43917 4460.06985 318.3693189
Ene10 5627.44685 4778.43917 849.0076788
Feb10 4339.07132 5627.44685 -1288.375523
Mar10 5522.87555 4339.07132 1183.804228
Abr10 7510.40571 5522.87555 1987.530159
May10 4884.54358 7510.40571 -2625.862129
Jun10 4894.28604 4884.54358 9.742463286
Jul10 5044.34496 4894.28604 150.0589129
Ago10 5347.23207 5044.34496 302.8871153
Sep10 5088.36515 5347.23207 -258.8669226
Oct10 5436.83302 5088.36515 348.4678686
Nov10 5482.45328 5436.83302 45.62025993
Dic10 5284.3389 5482.45328 -198.114373
Ene11 6499.10342 5284.3389 1214.76452
Feb11 5193.47316 6499.10342 -1305.630261
Mar11 6824.24949 5193.47316 1630.776323
Abr11 8916.26579 6824.24949 2092.016304
May11 5867.60231 8916.26579 -3048.663479
Jun11 5708.72836 5867.60231 -158.873947
Jul11 5725.9115 5708.72836 17.1831401
Ago11 6120.26255 5725.9115 394.3510454
Sep11 6094.65841 6120.26255 -25.60414417
Oct11 6216.6496 6094.65841 121.9911929
Nov11 6269.56614 6216.6496 52.91654189
Dic11 6104.22906 6269.56614 -165.3370812
Ene12 7741.36921 6104.22906 1637.140147
Feb12 5630.12673 7741.36921 -2111.242474
Mar12 7506.34999 5630.12673 1876.223255
Abr12 9279.99411 7506.34999 1773.644125
May12 6677.06047 9279.99411 -2602.933644
Jun12 6182.05006 6677.06047 -495.0104039
Jul12 6912.40674 6182.05006 730.3566737
Ago12 6546.64405 6912.40674 -365.7626911
Sep12 6488.59972 6546.64405 -58.04432709
Oct12 6917.1491 6488.59972 428.5493825
Nov12 6907.12937 6917.1491 -10.01973394
Dic12 7289.9671 6907.12937 382.8377321
Ene13 8036.18987 7289.9671 746.2227723
Feb13 6190.38869 8036.18987 -1845.801179
Mar13 7485.97403 6190.38869 1295.585339
Abr13 9003.02113 7485.97403 1517.047094
May13 7000.01279 9003.02113 -2003.008333
Jun13 6525.00953 7000.01279 -475.0032629
Jul13 7162.90039 6525.00953 637.8908585
Ago13 7208.84594 7162.90039 45.94554937
Sep13 7294.62472 7208.84594 85.77878348
Oct13 7506.21956 7294.62472 211.59484
Nov13 7657.26156 7506.21956 151.0420003
Dic13 8252.14624 7657.26156 594.8846787
Ene14 8693.8832 8252.14624 441.7369597
Feb14 6779.54492 8693.8832 -1914.338281
Mar14 8768.83922 6779.54492 1989.2943
Abr14 9982.00362 8768.83922 1213.164399
May14 7169.90333 9982.00362 -2812.100293
Jun14 6933.738 7169.90333 -236.1653213
Jul14 7144.96213 6933.738 211.2241222
Ago14 7726.03451 7144.96213 581.0723827
Sep14 7613.297 7726.03451 -112.73751
Oct14 7616.7445 7613.297 3.447497143
Nov14 8939.25003 7616.7445 1322.505536
Dic14 7942.27511 8939.25003 -996.9749199
Ene15 8447.4432 7942.27511 505.1680859
Feb15 6802.98129 8447.4432 -1644.46191
Mar15 8050.47689 6802.98129 1247.495604
Abr15 8885.50194 8050.47689 835.0250454
May15 6871.85661 8885.50194 -2013.645323
Jun15 6684.84258 6871.85661 -187.014034
Jul15 6938.40022 6684.84258 253.5576436
Ago15 7131.40256 6938.40022 193.0023397
Sep15 6851.18182 7131.40256 -280.2207427
Oct15 7273.08749 6851.18182 421.9056671
Nov15 7683.48029 7273.08749 410.392802
Dic15 8556.24852 7683.48029 872.7682317
Ene16 8373.24734 8556.24852 -183.0011799
Feb16 6143.74074 8373.24734 -2229.506603
Mar16 8766.07879 6143.74074 2622.338052
Abr16 8897.13519 8766.07879 131.0563958
May16 6862.67121 8897.13519 -2034.463973
b. Grafica de los datos diferenciados (sin tendencia)

c. Auto correlacin

Funcin de auto correlacin: C5

Lag ACF T LBQ


1 -0.363821 -5.09 26.34
2 -0.340054 -4.23 49.47
3 0.311505 3.57 68.99
4 -0.055339 -0.60 69.61
5 -0.033391 -0.36 69.83
6 -0.019277 -0.21 69.91
7 -0.024464 -0.26 70.03
8 -0.049469 -0.53 70.54
9 0.287708 3.08 87.71
10 -0.349854 -3.58 113.25

d. Distribucin chi cuadrado


iii. H0: p=0 (no hay correlacin)
iv. Ha: p0 (si hay correlacin)

CONCLUSIONES:
El Lbq10 est en la zona de rechazo, por lo tanto se rechaza la H0
La hiptesis alterna se acepta (Ha).
Por tanto, la serie de datos no es estacionaria pues el Lbq10 se
encuentra en la zona de rechazo.

4. Los Datos son estacionales?


No son estacionales pues todos los coeficientes de correlacin son muy
significativos
Pues debera ser significativos slo el 1 y el 4.
Todos los coeficientes de correlacin son significativos

FUNCIN DE AUTO CORRELACIN


Lag ACF T LBQ
1 0.899291 12.62 161.76
2 0.862022 7.48 311.15
3 0.889640 6.16 471.08
4 0.864768 5.09 622.98
5 0.844688 4.42 768.67
6 0.829940 3.97 910.04
7 0.820799 3.65 1049.05
8 0.817203 3.41 1187.57
9 0.823508 3.25 1328.99
10 0.774628 2.90 1454.78

VII. OBTENCION Y EVALUACION DEL PRONOSTICO

TECNICA DE PRONOSTICO: SUAVIZAMIENTO


EXPONENCIAL LINEAL
b. Residuos de la tcnica de pronstico

c. Auto correlacin
Autocorrelation Function: RESI2

Lag ACF T LBQ


1 -0.016586 -0.23 0.06
2 -0.256522 -3.60 13.28
3 0.194665 2.57 20.94
4 -0.018567 -0.24 21.01
5 -0.093379 -1.19 22.79
6 -0.101364 -1.28 24.90
7 -0.083781 -1.05 26.35
8 -0.023964 -0.30 26.47
9 0.133054 1.66 30.16
10 -0.296643 -3.66 48.61

d. Distribucin chi- cuadrado


i. H0: p=0 (no hay correlacin)
ii. H0: p0 (si hay correlacin)
CONCLUSIN:
Se rechaza la H0.
Los datos no son aleatorios por lo tanto la tcnica de pronostico
exponencial lineal no es una tcnica adecuada para la Variable ingresos
Tributarios.

TECNICA DE PRONOSTICO: SUAVIZAMIENTO


EXPONENCIAL TRIPLE- METODO DE WINTERS
a. Residuos y grfica de la tcnica de promedio mvil
b. Auto correlacin

c. Distribucin chi - cuadrado


CONCLUSIN:
Podemos observar que LBQ6 (12.30) est en la regin de aceptacin,
entonces Los datos son aleatorios por tanto es una tcnica de pronstico
adecuada para la variable Ingresos Tributarios pues se ajusta al Mtodo
de Suavizamiento exponencial triple porque el Porcentaje del Error
Medio Absoluto (MAPE=6%) pues el error de pronstico es menor.

AO PRONOSTICO MNIMO MXIMO


6651.35 6028.93 7273.77
2017

CONCLUSIN:
Utilizando el Mtodo de Suavizacin exponencial Triple, podemos pronosticar
que los ingresos tributarios para el ao 2017 sera de 6651.35 millones de
soles.

VIII. CONCLUSIONES Y RECOMENDACIONES

Podemos identificar que nuestra tcnica ms relevante fue el Mtodo de


Suavizacin exponencial Triple.

Pudimos pronosticas los ingresos tributarios del gobierno central.


IX. BIBLIOGRAFIA
Bunge, Mario. (2001). La investigacin cientfica: Su estrategia y su
filosofa. Pp. 808 pginas

Schuster, Flix Gustavo - Autor/a. Explicacin y Prediccin. La validez del


conocimiento en ciencias sociales. Buenos Aires. CLACSO, Consejo
Latinoamericano de Ciencias Sociales. PP 506

John E. Hanke. (2010). Pronosticos De Los Negocios. Prentice-Hall.


Madrid. Pp. 576

También podría gustarte