Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DOCENTE:
ALUMNOS:
SEMESTRE: 2018 – II
Suele ocurrir con frecuencia que en los mercados de acciones y de futuros la presión
compradora o vendedora es transmitida automáticamente a los precios, y por ello, éstos, están
constantemente sometidos a variaciones bruscas. Esas variaciones son denominadas por
"volatilidad" del valor. Un valor con un alto nivel de volatilidad, presentara bruscos cambios en
los precios, que trasladados a un gráfico, tendrá grandes picos y valles, es decir, presentará el
gráfico los denominados dientes de sierra. Estos movimientos pueden llegar a ocultar la
verdadera tendencia del valor, y que será solucionado mediante la determinación de la media
móvil.
Las medias móviles son el indicador más empleado en el análisis chartista. Se trata de
un promedio aritmético que "suaviza" la curva de precios y se convierte en una linea o curva de
la tendencia, permitiendo analizar su inicio y su final. No proporciona cambios de tendencia
pero si los puede confirmar.
Los métodos de suavización son fáciles de usar y por lo general proporcionan un alto nivel de
precisión para pronósticos de corto alcance como un pronóstico para el siguiente periodo.
Uno de los objetivos del siguiente trabajo es hacer una descripción, mostrando varias de las
aplicaciones, de algunos de los métodos no paramétricos de más fácil uso por su sencillez para
el análisis y el cálculo, tales como: la prueba del signo
PROMEDIO MÓVIL
II. CARACTERÍSTICAS:
Se utiliza para poder estimar valores futuros en base a datos históricos.
Se requiere que la información esté ordenada cronológicamente todos los periodos
deben ser de la misma duración (meses, días, etc). Deben haber sido obtenidos por
periodos uniformes de la observación (todas las semanas de lunes a viernes) la
información faltante debe ser suplida con información.
Existen multiplicidad de técnicas, las empresas deciden por lo general por alguna de
ellas luego de haber experimentado su bondad para el pronóstico, luego de haberlos
aplicado a casos concretos.
Proyecta valores en el periodo de pronósticos, basándose en el valor promedio de la
variable calculada durante un número específico de periodos anteriores. Una media
móvil proporciona información de tendencias que se vería enmascarada por una
simple media de todos los datos históricos.
Cuanto menor el número de periodos utilizados para el promedio móvil, el pronóstico
responde en forma más rápida a los cambios que tienen los datos históricos y
viceversa.
III. VENTAJAS:
Permite aproximar el futuro, facilitando la toma de decisiones.
Los pronósticos planeados son más valiosos y exactos que los intuitivos.
IV. DESVENTAJAS:
No existe un método de pronóstico universal, capaz de adaptarse a todas las
situaciones y circunstancias, este debe seleccionarse cuidadosamente, dependiendo
del uso específico que se le pretenda dar del producto y las características cualitativas
que podría tenerse.
Son simplificaciones de la realidad y no se asegura que todas las variables que influyen
sobre el futuro a pronosticar estén incluidas en el modelo de pronóstico.
Solo pronostica un periodo más.
GRÁFICO:
4500
4400
4300
4200
4100
4000
3900
3800
3700
1 2 3 4 5 6 7 8
NIVEL DE INVENTARIO PROMEDIO MÓVIL 3
2. Una empresa presenta en el siguiente cuadro el reporte de ventas correspondiente al
año 2011
MES VENTAS PM 5
Enero 100 -
Febrero 70 -
Marzo 80 88
Abril 85 98
Mayo 105 102
Junio 150 108
Julio 90 104
Agosto 110 103
Septiembre 65 89
Octubre 100 90
Noviembre 80 -
Diciembre 95
Hallar el promedio móvil de longitud 5 y el pronóstico para el mes de Enero del 2012
Septiembre 65 89
Octubre 100 90
Noviembre 80
Diciembre 95
Enero del 2012 90 86
160
140
120
100
80
60
40
20
0
er
o ro zo ri l ay
o
ni
o lio os
to br
e re br
e
br
e
En bre ar Ab M Ju Ju g m tub m m
Fe M A e c i e i e
pti O v
Di
c
Se No
GRÁFICO:
3. Una empresa desea conocer la tendencia que tendrá para el siguiente período de la
producción de un artículo XX, para lo cual ha obtenido la información del sector dentro
de su área de influencia. Se solicita hallar el pronóstico mediante el promedio móvil 4.
1200
1000
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
PRODUCCIÓN PROMEDIO MÓVIL 4
GRÁFICO:
4. Una fábrica de zapatos desea conocer la tendencia que tendrá para el siguiente mes
con respecto a la cantidad de zapatos que confeccionan sus empleados. Hallar el
pronóstico con un promedio móvil de 6.
Abril 256 -
Mayo 123 -
Junio 234 162.917
Julio 70 156.417
Agosto 132 168
Septiembre 145 181.667
Octubre 213 191
Noviembre 305 -
Diciembre 216 -
Enero del 2010 200 -
Febrero 191 206.75
El pronóstico para el siguiente mes es de: 206.75
GRÁFICO:
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12
VENTAS(MILES DE GASOLINA) PM 3
5. En el siguiente cuadro se presenta la cantidad de galones de gasolina vendidos por una
determinada gasolinera durante las últimas 12 semanas. Se quiere saber el pronóstico
de ventas de gasolina con un promedio móvil de tres semanas.
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12
VENTAS(MILES DE GASOLINA) PM 3
GRÁFICO:
Dónde:
^
X t : Promedio de ventas en unidades en el periodo t
^
X t −1 : Pronóstico de ventas en unidades en el periodo t−1
Para efectos académicos suele proporcionarse el factor de suavización (α), sin embargo en la
práctica éste es comúnmente hallado de la siguiente forma:
2
α=
n+1
EJERCICIO N°1: Una empresa de consumo masivo lleva registro de la demanda mensual de uno
de sus productos emblemáticos para un período de un año. Dicha información se presenta a
continuación. Se requiere utilizar el método de suavizamiento exponencial simple
considerando el parámetro de suavizamiento α: 0,5. Obtener el pronóstico del período 13 (mes
de Enero del año siguiente).
^
X Marzo=2000+ [ 0,5. ( 1350−2000 ) ]=1675
^
X Abril=1675+ [ 0,5. ( 1950−1675 ) ] =1812,5 ≈ 1813
^
X Mayo=1813+ [ 0,5. ( 1975−1813 ) ] =1894
^
X Junio =1894 + [ 0,5. ( 3100−1894 ) ] =2497
^
X Julio =2497+ [ 0,5. ( 1750−2497 ) ] =2123,5 ≈ 2124
^
X Agosto =2124 + [ 0,5. ( 1550−2124 ) ]=1837
^
X Septiembre=1837+ [ 0,5. ( 1300−1837 ) ]=1568,5 ≈ 1569
^
X Octubre =1569+ [ 0,5. ( 2200−1569 ) ] =1884,5≈ 1885
^
X Noviembre=1885+ [ 0,5. ( 2770−1885 ) ] =2327,5 ≈ 2328
^
X Diciembre=2328+ [ 0,5. ( 2350−2328 ) ]=2339
^
X Enero=2339+ [ 0,5. ( 2230−2339 ) ]=2284,5 ≈ 2285
3500
3000
2500
2000
1500
DEMANDA
SUAVIZAMIENTO α = 0,5
1000
500
0
O O O I L YO I O LI O TO RE RE RE RE RO
ER ER RZ ABR A N JU S B B B B E
EN EBR MA M JU
AGO I EM CTU I EM I EM EN
F PT O V I C
SE NO D
EJERCICIO N°2: Una gasolinera lleva seguimiento de la demanda diaria de los galones vendidos
para un período de 10 días. Dicha información se presenta a continuación. Se requiere utilizar
el método de suavizamiento exponencial simple considerando tres valores para el parámetro
de suavizamiento α: 0,35. Obtener el pronóstico del período 11.
^
X 3=17 + [ 0,35. (21−17 ) ]=18,4 ≈ 18
^
X 4 =18+ [ 0,35. ( 19−18 ) ] =18,35 ≈18
^
X 5=18+ [ 0,35. ( 23−18 ) ]=19,75 ≈ 20
^
X 6 =20+ [ 0,35. (18−20 ) ] =19,3≈ 19
^
X 7 =19+ [ 0,35. ( 16−19 ) ]=17,95 ≈ 18
^
X 8 =18+ [ 0,35. (20−18 ) ]=18,7 ≈19
^
X 9 =19+ [ 0,35. ( 18−19 ) ]=18,65 ≈ 19
^
X 10=19+ [ 0,35. ( 22−19 ) ] =20,05 ≈ 20
^
X 11 =20+ [ 0,35. ( 20−20 ) ] =20
DÍA Nº DE GALONES PRONÓSTICO (α = 0,35)
VENDIDOS
1 17 17
2 21 17
3 19 18
4 23 18
5 18 20
6 16 19
7 20 18
8 18 19
9 22 19
10 20 20
11 20
25
20
15
GALONES VENDIDOS
SUVIZACIÓN α = 0,35
10
0
DIA 1 DIA 2 DIA 3 DIA 4 DIA 5 DIA 6 DIA 7 DIA 8 DIA 9 DIA 10 DIA 11
ÍNDICES ESTACIONALES
Esta técnica sirve para calcular el pronóstico de ventas cuando existe estacionalidad o ciclos y
también se utiliza cuando en cada período existen diferencias de ventas muy marcadas, razón
por la cual se hace necesario calcular un índice que nos permitirá un ajuste por cada período.
en general, los patrones estacionales son fluctuaciones que ocurren dentro de un año y
tienden a repetirse anualmente. Estas estaciones pueden ser causadas por el clima, las
vacaciones, los días de pago, los eventos escolares o cualquier otro fenómeno.
El índice estacional se utiliza en ventas para determinar con anterioridad a los hechos cuales
van a ser los periodos en los que vamos a estar por debajo de la línea media establecida como
optima de rentabilidad, esto nos da la posibilidad de diagramar estrategias puntuales, para
mantener un equilibrio durante todo el período analizado.
usa la ecuación de regresión para calcular los pronósticos del futuro y se utilizan los índices de
estacionalidad para aplicar los patrones estacionales a los pronósticos.
Ejercicio 1: Los datos trimestrales de ventas (número de productos que se venden) de una
empresa de cosméticos en los últimos 3 años son los siguientes:
TRIMESTRE AÑO
2011 2012 2013
I 1,700.00 1,800.00 1,850.00
II 940 900 1,100.00
III 2,630.00 2,900.00 2,930.00
IV 2,500.00 2,360.00 2,650.00
• Calcule los índices estacionales para los 4 trimestres Determine la ecuación de la expresión
de la componente lineal de tendencia.
Se saca el promedio de cada año luego se divide cada trimestre de cada año con el promedio
de cada año y asi se obtendrá un resultado que ira en cada casilla luego se saca el promedio y
se tiene los índices estacionales.
TRIMESTRE AÑO
2011 2012 2013
I 1,700.00 1,800.00 1,850.00
II 940 900 1,100.00
III 2,630.00 2,900.00 2,930.00
IV 2,500.00 2,360.00 2,650.00
promedio 1,942.50 1,990.00 2,132.50
Estos números indican el porcentaje de cada uno de los trimestres en función del trimestre
típico de cada uno de los años. Estos números contienen la estacionalidad.
Ejercicio 2: Muebles Daris desea calcular el pronóstico de ventas para 2002, si en los últimos
años cuenta con la siguiente información bimestral a su vez hallar los índices estacionales.
Año 1 2 3 4 5 6 Total
Period Ventas X XY X2
o
(miles) 97 – 2
1995 718 0 0 0 00 – 5
353 0 26 03 - 8
7 7 10
Año 1 2 3 4 5 6 Total
Ejercicio 3:
90/94 =0.957
Razón por PM
Trimestre del Año Ingreso PM PM Centrado Y/CMA=S*I
1996-1 24.00
1996-11 31.00
29.50
1996-III 21.00 29.88 0.7029
30.25
1996-IV 42.00 30.38 1.3827
30.50
1997-1 27.00 31.00 0.8710
31.50
1997-11 32.00 31.38 1.0199
31.25
1997-111 25.00 30.38 0.8230
29.50
1997-IV 41.00 28.88 1.4199
28.25
1998-1 20.00 27.38 0.7306
26.50
1998-11 27.00 26.25 1.0286
26.00
1998-111 18.00
1998-IV 39.00
Razones Por Promedio móvil Razón
promedio por
Periodo 1996 1997 1998 índice Estacional
PM
DATO AJUSTADO = 1.0026
Interpretación: Las ventas en el 4o trimestre por ejemplo son 40.50% mayores que el
promedio anual. El valor desestacionalizado para el 4® trimestre de 1996 es 42/1.4050:
29.89.
Ejercicio 5: Toys Internacional es una fábrica de juguetes que ha estado operando por varios
años. Se generó una tabla con las ventas que se han realizado en durante 6 años según las
estaciones del año, la cual se muestra a continuación:
Los porcentajes interpretan los niveles de compra de invernó y primavera son menores
a las compras normales; mientras que en verano y otro son superior a la media
normal.
DESESTACIONALIZACION DE DATOS
¿QUÉ ES LA ESTACIONALIDAD?
Son fluctuaciones subanuales (por ejemplo, mensuales, trimestrales) que se repiten
regularmente de año en año. Por convención, la estacionalidad se anula cada año.
Como resultado de ello: - Las series anuales no pueden contener estacionalidad (en
virtud de la definición de estacionalidad). - Las sumas o promedios de 12 meses
consecutivos (o de 4 trimestres) no contienen estacionalidad. Estela Bee Dagum señala
que las tres características más importantes del fenómeno estacional son:
a) Se repite cada año con cierta regularidad, pero puede evolucionar.
b) Es posible medirlo y separarlo de las otras fuerzas que influyen en el movimiento
de la serie.
c) Es causado principalmente por fuerzas no económicas, exógenas al sistema
económico, que los tomadores de decisiones no pueden controlar o modificar en el
corto plazo.
Causas de la estacionalidad:
Índices
Trimestre 1991 1992 1993 1994 Promedio
estacionales
I ---------- 0.9794 0.9507 0.9516 0.9606 0.9615
II ---------- 1.0208 1.0227 1.0444 1.0293 1.0302
III 1.0262 0.9719 1.0014 ---------- 0.9998 1.0007
IV 0.9898 1.0265 1.0041 ---------- 1.0068 1.0077
Suma 3.9965 4.0001
Ajusta de datos:
4
AD = =1.0009
3.9965
Ecuación de regresión:
Y^ =a+b x i ⇒ Y^ =b0 +b 1 x i
a=b0
b=b1
2
2 (∑ x )
SC x =∑ x −
n
( 136 )2
SC x =1496− =340
16
( ∑ x )( ∑ y )
SC xy =∑ xy−
n
( 136 ) ( 1435 )
SC xy =12642− =444.5
16
SC xy
b1=
SC x
444.5
b1 = =1.3074
340
b0 =Ý −b 0 X́
Ý =89.6875
X́ =8.5
b0 =89.6875−1.3074 × 8.5=78.5746
Interpretaciones:
1. Los gastos del tercer trimestre del año 1991 están por encima del 4%.
2. Los gastos del cuarto trimestre del año 1991 están por encima del 2%.
3. Los gastos del primer trimestre del año 1992 están por debajo del 1%.
4. Los gastos del segundo trimestre del año 1992 están por debajo del 3%.
5. Los gastos del tercer trimestre del año 1992 están por debajo del 4%.
6. Los gastos del cuarto trimestre del año 1992 están por debajo del 5%.
7. Los gastos del primer trimestre del año 1993 están por debajo del 5%.
8. Los gastos del segundo trimestre del año 1993 están por debajo del 4%.
9. Los gastos del tercer trimestre del año 1993 están por debajo del 4%.
10. Los gastos del cuarto trimestre del año 1993 están por debajo del 2%.
11. Los gastos del primer trimestre del año 1994 están iguales al 100%.
12. Los gastos del segundo trimestre del año 1994 están por encima del 1%.
EJEMPLO N°02:
Los ingresos mensuales en miles dólares de países de Norteamérica. Calcule los datos
desestacionalizados, la norma estadística y el componente cíclico.
Periodo Ingresos PM = 4 PMC Razón con
PMC
I 115 ---------- ---------- ----------
II 123 118.75 ---------- ----------
1998
III 118 118.5 118.625 0.9947
IV 119 119.5 119 1
I 114 119 119.25 0.9560
II 127 119.25 1.0650
1999 119.5
II 116 120.5 0.9627
121.5
IV 121 122 0.9918
I 122 122.5 123 0.9919
II 131 123.5 123.25 1.0629
2000 123
III 120 122.5 0.9796
IV 119 122 121.875 0.9764
I 118 121.75 122.125 0.9662
II 130 122.5 123.125 1.0558
2001 III 123 123.75 ---------- ----------
IV 124 ---------- ---------- ----------
Índices
Trimestre 1998 1999 2000 2001 Promedio
estacionales
I ---------- 0.9560 0.9919 0.9662 0.9714 0.9712
II ---------- 1.0650 1.0629 1.0558 1.0612 1.0610
III 0.9947 0.9627 0.9796 ---------- 0.9790 0.9788
IV 1 0.9918 0.9764 ---------- 0.9894 0.9892
Suma 4.0010 4.0002
Ajusta de datos:
4
AD = =0.9998
4.0010
Ecuación de regresión:
Y^ =a+b x i ⇒ Y^ =b0 +b 1 x i
a=b0
b=b1
2
2 (∑ x )
SC x =∑ x −
n
( 136 )2
SC x =1496− =340
16
( ∑ x )( ∑ y )
SC xy =∑ xy−
n
( 136 ) ( 1940 )
SC xy =16642− =152
16
SC xy
b1 =
SC x
152
b1= =0.4471
340
b0 =Ý −b 0 X́
Ý =121.25
X́ =8.5
b0 =121.25−0.4471 ×8.5=117.4497
Norma Componente
Componente PMC
Proyección Estadística cíclico
X cíclico Componente %.
( Y^ ) Y^ Y
( )
IE NE ( )PM = 4 cíclico
Interpretaciones:
1. Los ingresos del tercer trimestre del año 1998 están por debajo del 1%.
2. Los ingresos del cuarto trimestre del año 1998 están por debajo del 1%.
3. Los ingresos del primer trimestre del año 1999 están por debajo del 1%.
4. Los ingresos del segundo trimestre del año 1999 están por debajo del 1%.
5. Los ingresos del tercer trimestre del año 1999 están iguales al 100%.
6. Los ingresos del cuarto trimestre del año 1999 están iguales al 100%.
7. Los ingresos del primer trimestre del año 2000 están por encima del 1%.
8. Los ingresos del segundo trimestre del año 2000 están por encima del 1%.
9. Los ingresos del tercer trimestre del año 2000 están iguales al 100%.
10. Los ingresos del cuarto trimestre del año 2000 están por debajo del 1%.
11. Los ingresos del primer trimestre del año 2001 están por debajo del 1%.
12. Los ingresos del segundo trimestre del año 2001 están por debajo del 1%.
PRUEBA DEL SIGNO
La hipótesis nula establece que no existe diferencia entre los conjuntos de datos. Si eso es
cierto, entonces un signo más y un signo menos son igualmente probables. La probabilidad de
que ocurra cualquiera es de 0,59. Una prueba de dos colas es:
H o :m= p
H A :m≠ p
Donde m y p son los números de signos menos y de signos más, respectivamente. Una prueba
de una sola cola es:
H o :m≤ p
H A :m> p
H o :m≥ p
H A :m< p
Debido a que existen dos posibles resultados, un signo menos y un signo más, y a la
probabilidad de que cada uno siga constante ensayo tras ensayo, se puede utilizar la
distribución binomial.
Para datos n ≥30 , es permisible utilizar la aproximación normal al binomio:
Regla de decisión:”No rechazar si −( valor crítico ) < Z <(valor crítico) . Rechazar en caso
contrario.
Dónde:
k ± 0.5−0.5 n
Z=
0.5 √n
Ejemplos:
Una compañía de taxis trata de decidir si el uso de llantas radiales en lugar de llantas
regulares con cinturón para mejorar la economía de combustible. Se equipan 16
automóviles con llantas radiales y se manejan por un recorrido de prueba establecido.
Sin cambiar de conductores, se equipan los mismos autos con llantas regulares con
cinturón y se manejan una vez más por el recorrido de prueba. Se registra el consumo
de gasolina, en kilómetros por litro, de la siguiente manera:
Sign
Automóvi Llantas radiales Llantas con o
l cinturón
+
1 4.2 4.1
+
2 4.7 4.6
+
3 6.6 6.2
+
4 7.0 6.9
+
5 6.7 6.4
+
6 4.5 4.4
+
7 5.7 5.3
+
8 6.0 5.8
-
9 7.4 7.9
0
10 4.9 4.9
¿Se puede concluir en el nivel de significancia del 10% que los autos equipados con llantas
radiales obtienen mejores economías de combustible que los equipados con llantas regulares
con cinturón?
1. Formulación de Hipótesis:
α =0.1
3. Estadístico de prueba:
4. Cálculo:
5. Decisión:
Debido a que:
α
=0.05> 0.0195, se rechaza lahipótesis nula .
2
6. Conclusión:
Existen datos necesarios para afirmar que existe una diferencia de economías de
combustible.
Se toma los datos de la cantidad de artículos vendidos en dos tiendas en diez días,
obteniendo los siguientes datos:
Sign
Número Tienda A Tienda B o
de días
+
1 82 84
+
2 91 85
-
3 90 90
+
4 82 78
-
5 85 94
+
6 89 88
-
7 93 96
-
8 93 94
+
9 96 92
+
10 89 84
Para poder afirmar que la tienda A tiene un mayor promedio de ventas que la tienda B
con un nivel de significancia del 10% se pide usar la prueba de signos para comprobar
dicha hipótesis.
1. Formulación de Hipótesis:
α =0.1
3. Estadístico de prueba:
4. Cálculo:
5. Decisión:
Debido a que:
α
=0.05< 0.377,no se rechaza la hipótesisnula .
2
6. Conclusión:
Existen datos necesarios para afirmar que existe una mayor venta en la tienda A.
1. Formulación de Hipótesis:
3. Estadístico de prueba:
4. Cálculo:
8+ 0.5−(0.5)(36)
Z= =3.17
0.5 √ 36
5. Decisión:
Debido a que:
3.17 se encuentra fuera del valor crítico se rechaza la hipótesis nula (H 0).
6. Conclusión:
Existen datos suficientes para afirmar que el tratamiento si produce efectos en los
trabajadores.
CONCLUSION