Está en la página 1de 8

Nombre: Jonathan Trejo Jiménez Matrícula:2821900

Nombre del curso: Estadística y Nombre del profesor:


pronósticos para la toma de
decisiones.
Módulo: 1. Estadística y series de Actividad: Evidencia 1. Aplicación de
tiempo. medidas de tendencias central,
dispersión y pruebas de hipótesis en el
planteamiento de un problema, así
como la utilización del análisis de
regresión y correlación lineal simple
entre variables cuantitativas.

Fecha: 19 febrero 2018


Bibliografía:
 Hanke, J. E. y Wichern, D. W. (2010). Pronósticos en los negocios (9a
ed.). México: Person educación.
 Hines, H. W. y Montgomery, D. C. (1972). Probabilidad y estadística
para ingeniería y administración. México: CECSA.
 Keller, G. y Warrack, B. (2000). Statistics for management and
economics (5ª ed.). Estados Unidos: Duxbury.

Parte 1

1. Define lo que significan los términos de:


a. Serie de tiempo

Son datos estadísticos que se recopilan, observan o registran en


intervalos de tiempo regulares (diario, semanal, semestral, anual, entre
otros). El término serie de tiempo se aplica por ejemplo a datos
registrados en forma periódica que muestran, por ejemplo, las ventas
anuales totales de almacenes, el valor trimestral total de contratos de
construcción otorgados, el valor trimestral del PIB.

b. Componentes de una serie de tiempo


1. Tendencia secular:

La tendencia secular o tendencia a largo plazo de una serie es por


lo común el resultado de factores a largo plazo. En términos
intuitivos, la tendencia de una serie de tiempo caracteriza el patrón
gradual y consistente de las variaciones de la propia serie, que se
consideran consecuencias de fuerzas persistentes que afectan el
crecimiento o la reducción de la misma, tales como: cambios en la
población, en las características demográficas de la misma,
cambios en los ingresos, en la salud, en el nivel de educación y
tecnología. Las tendencias a largo plazo se ajustan a diversos
esquemas. Algunas se mueven continuamente hacía arriba, otras
declinan, y otras más permanecen igual en un cierto período o
intervalo de tiempo.

2. Variación estacional:

El componente de la serie de tiempo que representa la variabilidad


en los datos debida a influencias de las estaciones, se llama
componente estacional. Esta variación corresponde a los
movimientos de la serie que recurren año tras año en los mismos
meses (o en los mismos trimestres) del año poco más o menos con
la misma intensidad. Por ejemplo: Un fabricante de albercas
inflables espera poca actividad de ventas durante los meses de
otoño e invierno y tiene ventas máximas en los de primavera y
verano, mientras que los fabricantes de equipo para la nieve y ropa
de abrigo esperan un comportamiento anual opuesto al del
fabricante de albercas.

3. Variación cíclica:

Con frecuencia las series de tiempo presentan secuencias alternas


de puntos abajo y arriba de la línea de tendencia que duran más
de un año, esta variación se mantiene después de que se han
eliminado las variaciones o tendencias estacional e irregular. Un
ejemplo de este tipo de variación son los ciclos comerciales cuyos
períodos recurrentes dependen de la prosperidad, recesión,
depresión y recuperación, las cuales no dependen de factores
como el clima o las costumbres sociales.

4. Variación Irregular:

Esta se debe a factores a corto plazo, imprevisibles y no


recurrentes que afectan a la serie de tiempo. Como este
componente explica la variabilidad aleatoria de la serie, es
impredecible, es decir, no se puede esperar predecir su impacto
sobre la serie de tiempo. Existen dos tipos de variación irregular:
a) Las variaciones que son provocadas por acontecimientos
especiales, fácilmente identificables, como las elecciones,
inundaciones, huelgas, terremotos. b) Variaciones aleatorias o por
casualidad, cuyas causas no se pueden señalar en forma exacta,
pero que tienden a equilibrarse a la larga.

c. Correlación

Determina la relación o dependencia que existe entre las dos variables


que intervienen en una distribución bidimensional.

Es decir, determinar si los cambios en una de las variables influyen en los


cambios de la otra. En caso de que suceda, diremos que las variables
están correlacionadas o que hay correlación entre ellas.

d. Autocorrelación

Es la correlación que existe entre una variable cuando se retarda uno o


más periodos consigo misma.

2. Con la información que obtuviste contesta lo siguiente:


a. ¿Qué significa el coeficiente de correlación?

Es una medida estadística que analiza el grado de dependencia entre dos


variables, es decir, cómo se verá afectada una variable determinada,
conociendo la variación de una segunda variable.

¿Para qué sirve?

El coeficiente de correlación mide qué tanto se relacionan linealmente dos


variables entre sí.

b. Indica en qué situaciones de la vida diaria se pueden aplicar estos


conceptos, da un ejemplo de cada término.
Parte 2
¿Cuánto tiempo dedica una persona en promedio a Internet?
Para tener una idea de esto, realiza un censo con los siguientes puntos:

3. Pregunta de manera individual a 10 personas del género masculino y a 10


personas del género femenino la siguiente información:
a. Su edad.
b. Tiempo que dedica diariamente a Internet.

HOMBRES MUJERES
EDAD HORAS EDAD HORAS
32 8 32 7
30 8 19 10
26 7 19 10
19 6 16 8
23 5 25 4
20 4 40 6
21 6 15 5
16 3 15 10
16 10 21 7
21 10 20 8

4. Con una calculadora de bolsillo y con base en esta información realiza lo


siguiente:
a. En promedio, ¿quién dedica más tiempo a Internet, hombres o mujeres?

R= Las mujeres

HOMBRES PROMEDIO MEDIANA VARIANZA DESVIACION


EDAD 21.9 21 21.43 4.63
HORAS 6.7 6.5 5.57 2.36

MUJERES PROMEDIO MEDIANA VARIANZA DESVIACION


EDAD 21 19.5 53.78 7.33
HORAS 7.5 7.5 4.50 2.12
b. ¿Cuál es el promedio de edad de las mujeres?, ¿de los hombres?

R= Mujeres: 21 años y Hombres: 21.9 años

c. Para los géneros por separado determina la mediana de la edad y del


tiempo dedicado a Internet.
d. Para el total de datos determina la varianza y la desviación estándar del
tiempo que dedican a Internet y de la edad.
5. Utiliza Excel para elaborar una base de datos donde incluyas toda la
información. Con una calculadora de bolsillo contesta lo siguiente:
a. ¿Cuál es el promedio general de tiempo dedicado a Internet y de la edad?

Edad: 21.45 años

Horas: 7.12

b. ¿Cuál es la mediana para los datos en general, tanto para el tiempo


dedicado a Internet como de la edad?

Edad: 21.45 años

Horas: 7.1

c. ¿Cuál es la varianza y la desviación estándar de todos los datos para el


tiempo dedicado a Internet y para la edad?

Desviación estándar: Edad: 5.9868 y Horas: 2.22

6. Verifica lo anterior utilizando herramientas de análisis de Excel.


7. Para finalizar, reflexiona sobre las siguientes preguntas y prepara un
documento con respuestas a manera de conclusiones.

Para el total del conjunto de datos:

a. ¿Cuál es el promedio general, tanto del el tiempo dedicado a


Internet como de la edad?

Edad: 21.45 años

Horas: 7.12

b. ¿Cuál es la desviación estándar para todo el conjunto de datos?

Desviación estándar: Edad: 5.9868 y Horas: 2.22


Conclusión: Puesto que t calculada en este caso no cae en la región de rechazo,
se acepta HO y se concluye que existe suficiente evidencia para indicar que el
tiempo promedio dedicado a internet es de 7 horas.

8. Busca información de TIIE 28 DÍAS - MENSUAL, Periodicidad mensual,


datos del Banco de México y realiza lo que se indica:
a. Considera las últimas 12 cotizaciones de la TIIE

b. Determina el coeficiente de auto correlación r1

Periodo t Serie, Serie con un (𝑌𝑡 − 𝑌̅) (𝑌𝑡 − 1 − 𝑌̅) (𝑌𝑡 − 𝑌̅)2 (𝑌𝑡 − 𝑌̅)(𝑌𝑡 − 1
Yt retardo Yt-1 − 𝑌̅)

02/02/2018 3.3100 0 0
05/06/2018 3.3105 3.3100 0.0005 0 0.00000025 0
06/06/2018 3.3094 3.3105 -0.0006 0.0005 0.00000036 -0.0000003
7/06/2018 3.3000 3.3094 -0.01 -0.0006 0.0001 0.000006
8/06/2018 3.2950 3.3000 -0.015 -0.01 0.000225 0.00015
9/06/2018 3.3145 3.2950 0.0045 -0.015 0.00002025 -0.0000675
12/06/2018 3.3025 3.3145 -0.0075 0.0045 0.00005625 -0.00003375
13/06/2018 3.3050 3.3025 -0.005 -0.0075 0.000025 0.0000375
14/06/2018 3.3080 3.3050 -0.002 -0.005 0.000004 0.00001
15/06/2018 3.3100 3.3080 0 -0.002 0 -0
16/06/2018 3.3100 3.3100 0 0 0 0
19/06/2018 3.3100
Total 36.3749 0.00043111 0.00010195

36.3749
𝑌̅ = = 3.31
11

0.00010195
𝑟1 = = 0.236482568
0.00043111

c. Determina la prueba la hipótesis de que:

Hipótesis nula: H0: ρ1 = 0 (La auto correlación es igual a cero)


Hipótesis alternativa: Ha: ρ1≠ 0 (La auto correlación es diferente de cero)
Donde ρk es el coeficiente de autocorrelación poblacional en el lapso k
En el presente caso, puesto que 0.2364 es menor que 2 ⁄ √n = 2 ⁄ √11 =
0.6030 no hay razón para descartar la H0, es decir, puede concluirse que
no existe suficiente evidencia para indicar que la auto correlación sea
diferente de cero.

9. Busca información de TIIE 28 DÍAS - MENSUAL, Periodicidad mensual,


datos del Banco de México, considera las últimas 24 cotizaciones de la TIIE
y realiza lo que se indica,
a. Determina el valor de pronóstico para el rendimiento del bono,
comenzando en 4to periodo, por medio de un promedio móvil de k= 3
meses.

Periodo de tiempo Rendimiento del bono Promedio móvil con


K= 3 meses
25/01/2018 3.3072
26/01/2018 3.3050
27/01/2018 3.3000
28/01/2018 3.3025 3.30
29/01/2018 3.2950 3.30
01/01/2018 3.3000 3.30
02/01/2018 3.3089 3.30
03/01/2018 3.3075 3.30
04/01/2018 3.3000 3.30
05/01/2018 3.3100 3.31
08/01/2018 3.3105 3.31
09/01/2018 3.3094 3.31
10/01/2018 3.3000 3.31
11/01/2018 3.2950 3.31
12/01/2018 3.3145 3.30
15/01/2018 3.3025 3.30
16/01/2018 3.3050 3.30
17/01/2018 3.3080 3.31
18/01/2018 3.3100 3.31
19/01/2018 3.3100 3.31
20/01/2018 3.3025 3.31
b. Determina el valor de pronóstico para el rendimiento del bono para cada
mes, comenzando en el periodo 6, mediante un promedio móvil de k=5
meses.

Periodo de tiempo Rendimiento del bono Promedio móvil con


K= 5 meses
27/01/2018 3.3000
28/01/2018 3.3025
29/01/2018 3.2950
01/01/2018 3.3000
02/01/2018 3.3089
03/01/2018 3.3075 3.30
04/01/2018 3.3000 3.30
05/01/2018 3.3100 3.30
08/01/2018 3.3105 3.31
09/01/2018 3.3094 3.31
10/01/2018 3.3000 3.31
11/01/2018 3.2950 3.31
12/01/2018 3.3145 3.30
15/01/2018 3.3025 3.31
16/01/2018 3.3050 3.30
17/01/2018 3.3080 3.30
18/01/2018 3.3100 3.31
19/01/2018 3.3100 3.31
20/01/2018 3.3025 3.31

También podría gustarte