Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística descriptiva
Se puede definir como la recolección, presentación, descripción, análisis e
interpretación de una colección de datos, esencialmente consiste en resumir éstos
con uno o dos elementos de información, que caracterizan la totalidad de estos.
[ CITATION San02 \l 4106 ].
El estadístico Anderson-Darling mide qué tan bien siguen los datos una
distribución específica. Para un conjunto de datos y distribución en particular,
mientras mejor se ajuste la distribución a los datos, menor será este estadístico.
Por ejemplo, usted puede utilizar el estadístico de Anderson-Darling para
determinar si los datos cumplen el supuesto de normalidad para una prueba t.
Las hipótesis para la prueba de Anderson-Darling son:
Utilice el valor p correspondiente (si está disponible) para probar si los datos
provienen de la distribución elegida. Si el valor p es menor que un nivel de
significancia elegido (por lo general 0.05 o 0.10), entonces rechace la hipótesis
nula de que los datos provienen de esa distribución.
Pronósticos
En el mundo globalizado y con mercados tan competidos como los que enfrentan
hoy las empresas se ven obligadas a buscar mayor eficiencia en sus procesos de
negocio. En este sentido, un tema que actualmente interesa es cómo
pronosticar conmás certeza la demanda de productos o servicios.
Cada vez más empresas están redefiniendo y formalizando el proceso de
elaboración de pronósticos para llevar a cabo una mejor
planeación de ventas y operación y, por lo tanto, un mejor desempeño financiero.
Un pronóstico es información con cierto grado de probabilidad de lo que
pudiera pasar.
La probabilidad de éxito, está en función directa de la elaboración de los pronóstic
os. Dicho de otra forma, el resultado de la planeación y operación de la
empresa está directamente ligada a la certeza de los pronósticos.
Serie de tiempo
Una serie de tiempo es una secuencia de observaciones en una variable que se
mide en puntos sucesivos en el tiempo o sobre un periodo sucesivo. Las medidas
pueden ser tomadas cada hora, dia, semana, mes o año, o en cualquier otro
intervalo regular. El patrón de datos es un factor importante en la comprensión de
cómo las series de tiempo se han comportado en el pasado. Si se espera que tal
comportamiento continúe en el futuro, se puede utilizar el patrón anterior como
guía en la selección de un método de elaboración de pronósticos adecuado.
Promedios móviles
En el método del promedio móvil, cada observación en los cálculos recibe el
mismo peso. Una variante, conocida como promedios móviles ponderados,
consiste en seleccionar un peso diferente para cada uno de los valores y después
calcular el promedio ponderado de los k valores más recientes como pronóstico.
En la mayoría de los casos la observación más reciente recibe el mayor peso, y
los pesos se reducen para los datos más antiguos.
Suavizamiento exponencial
El suavizamiento exponencial también utiliza un promedio ponderado de los
valores pasados de la serie de tiempo como pronóstico; es un caso especial del
método de promedio móvil ponderado en el que se elige sólo un peso, aquel para
la observación más reciente. Los pesos de los valores para los demás datos se
calculan automáticamente y son más pequeños conforme las observaciones se
vuelven más antiguas. La ecuación de suavizamiento exponencial es la siguiente.
Se realizo un análisis de los cuatro años para poder conocer de forma general los
datos y su comportamiento, para esto se utilizó Excel, la herramienta datos>
análisis de datos >estadística descriptiva.
Análisis de ventas por los 4 años
Estadística descriptiva
Media 5392004.75 El promedio por los cuatro años de ventas obtenidas fue de $5,392,004.75
Mediana 5338886 Las ventas por los cuatros años se mantuvieron entre $5,338,886.00
Rango 3208939 La diferencia entre el monto de ventas del año más alto del más bajo es de $3,208,939.00
Mínimo 3840654 El monto de ventas más bajas reportadas es de $3,840,654.00 del año 2015
Máximo 7049593 El monto de ventas más altas es de $7,049,593.00 del año 2018
Suma 21568019 La sumatoria de los montos de ventas de los cuatro años es de $21,568,019.00
Cuenta 4 4 años evaluados
Año 2015
Normal
99
Mean 320721
StDev 166801
95
N 12
90 AD 0.548
P-Value 0.123
80
70
Percent
60
50
40
30
20
10
5
1
.0 0.
0
0.
0
0.
0
0.
0
0.
0
0.
0
0.
0
0.
0
0.
0
0 00 $ 00 00 00 00 00 00 00 00
0, 0, 0, 0, 0, 0, 0, 0, 0,
10 10 2 0 30 40 5 0 60 70 80
-$ $ $ $ $ $ $ $ $
2015
Año 2016
Normal
99
Mean 382862
StDev 184989
95 N 12
AD 0.339
90
P-Value 0.435
80
70
Percent
60
50
40
30
20
10
5
1
$ 0.0 $ 200,000.0 $ 400,000.0 $ 600,000.0 $ 800,000.0
2016
Percent
60
50
40
30
20
10
5
2017
Año 2018
Normal
99
Mean 587466
StDev 298777
95
N 12
90 AD 0.424
80 P-Value 0.265
70
Percent
60
50
40
30
20
10
5
2018
Pronósticos
$ 800,000.0
Data
$ 600,000.0
$ 400,000.0
$ 200,000.0
$ 0.0
1 2 3 4 5 6 7 8 9 10 11 12
Index
Análisis de tendencia
Para ajustar las líneas de tendencia usando un modelo de tendencia lineal,
cuadrático, de crecimiento o de curva S, realice un análisis de tendencia. En
Minitab, elija Estadísticas > Series de tiempo > Análisis de tendencia.
Accuracy Measures
2000000 MAPE 2.04886E+01
MAD 1.04498E+05
MSD 1.44350E+10
2018
1500000
1000000
500000
0
4 8 12 16 20 24 28 32 36
Index
Promedio móvil
Para suavizar la serie usando un método que promedie las observaciones
recientes y excluya las observaciones más antiguas, utilice un método de
promedio móvil. No use esta opción cuando la serie exhiba una tendencia.
En Minitab, elija Estadísticas > Series de tiempo > Promedio móvil.
Moving Average Plot for 2018
Variable
1400000
Actual
Fits
1200000 Forecasts
95.0% PI
2018
MAPE 2.63147E+01
MAD 1.90654E+05
600000 MSD 5.04642E+10
400000
200000
0
2 4 6 8 10 12 14 16 18 20 22 24
Index
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0% Superior 95.0%
GANANCIA Intercepción 12566.6704 15411.20749 0.815424125 0.438430451 -22971.63782 48104.97857 -22971.63782 48104.97857
PÉDIDOS Variable X 1 -22.5664631 29.45818599 -0.76605067 0.465645934 -90.4971618 45.3642356 -90.4971618 45.3642356
DESCUENTOS Variable X 2 -44.6582845 34.06194016 -1.311090452 0.22620704 -123.2052594 33.88869034 -123.2052594 33.88869034
VENTAS Variable X 3 0.18133653 0.045009713 4.028831015 0.003794224 0.077543944 0.285129114 0.077543944 0.285129114
Ilustración 11 Resultados
Ecuación de ajuste líneal
y=12566.6704-22.5664-44.6582+0.1813
CONCLUSIONES
Podemos concluir que los datos se ajustan a una distribución normal ya que el
valor de p-value es mayor al nivel de significancia utilizado de 0.05, por lo cual
los datos se trabajaran como una muestra normal.
Se obtuvieron los pronósticos de ventas para los siguientes dos años de venta,
obteniendo así mediante los métodos de análisis de tendencia y promedios
móviles los siguientes datos mostrados en la parte superior, como tal los
pronósticos nos muestran que las ventas se aumentaran.
Se determina que:
o Sí aumenta la venta aumenta la ganancia.
o Sí aumenta los descuentos disminuyen las ganancias.
o Sí aumentan los pedidos y aumenta el descuento, disminuyen las
ganancias.
Se define que se necesita disminuir en descuentos y aumentar los pedidos.