GLOSARIO

ACRÓNIMO: es una palabra formada por la unión de elementos de dos o más

palabras, o una sigla que, debido a su uso extendido, es ya pronunciada como una
palabra.
AUTOCORRELACIÓN: La autocorrelación o dependencia secuencial es una
herramienta estadística utilizada frecuentemente en el procesado de señales.
La función de autocorrelación se define como la correlación cruzada de la señal
consigo misma. La función de autocorrelación resulta de gran utilidad para
encontrar patrones repetitivos dentro de una señal, como la periodicidad de una
señal enmascarada bajo el ruido o para identificar la frecuencia fundamental de
una señal que no contiene dicha componente, pero aparecen numerosas
frecuencias armónicas de esta.
AUTORREGRESIVO: En estadística y procesamiento de señales, un modelo
autorregresivo es una representación de un proceso aleatorio, en el que la variable
de interés depende de sus observaciones pasadas. Específicamente, la variable
de interés o de salida, depende linealmente de sus valores anteriores.
DEFLACIÓN: es el fenómeno contrario a la Inflación y consiste en la caída
generalizada y prolongada (como mínimo, dos semestres según el FMI) del nivel
de los precios de bienes y servicios.
Por lo general, la deflación es causada por la disminución de la demanda, lo cual
representa un problema mucho más grave que la inflación, toda vez que una caída
de la demanda significa una caída general de la economía.
ERGODICIDAD: es una propiedad muy importante de algunos sistemas
mecánicos que permite justificar ciertos resultados de la mecánica estadística. Un
sistema es ergódico si el único conjunto invariante de medida no nula de la
hipersuperficie de energía constante del espacio de las fases es toda la
hipersuperficie de energía constante.
Los sistemas ergódicos tienen el interés de que en ellos el promedio temporal de
ciertas magnitudes pueden obtenerse como promedios sobre el espacio de
estados lo cual simplifica las predicciones sobre los mismos.
ESTACIONARIEDAD: es un proceso estocástico cuya distribución de probabilidad
en un instante de tiempo fijo o una posición fija es la misma para todos los
instantes de tiempo o posiciones. En consecuencia, parámetros tales como la
media y la varianza, si existen, no varían a lo largo del tiempo o la posición.
ESTOCÁSTICO: Se denomina estocástico al sistema, cuyo comportamiento
intrínseco es no determinista. Un proceso estocástico es aquel cuyo
comportamiento no es determinista, en la medida en que el subsiguiente estado
del sistema se determina tanto por las acciones predecibles del proceso como por
elementos aleatorios.
FLUCTUACIONES: En el campo de las finanzas, la fluctuación es la pérdida
monetaria que se produce por la reducción de una determinada cantidad de
mercancías o por la actualización del stock. Se trata de la diferencia entre lo que
reflejan los libros de inventarios y la existencia real (física) de los bienes.
Se conoce como merma a la pérdida concreta y material de los productos,
mientras que la fluctuación está vinculada a la pérdida monetaria por dicha
variación. La fluctuación refleja en dinero, por lo tanto, la diferencia entre lo que se
tiene y aquello con lo que se debería contar de acuerdo con los inventarios.
HETEROCEDASTICIDAD: En estadística se dice que un modelo de regresión
lineal presenta heterocedasticidad cuando la varianza de los errores no es
constante en todas las observaciones realizadas. Esto implica el incumplimiento
de una de las hipótesis básicas sobre las que se asienta el modelo de regresión
lineal.
 PLANTEAMIENTO DEL PROBLEMA

Las empresas constantemente se enfrentan a diversos retos para llevar una

adecuada planeación de la demanda y el modo en cómo lo realicen repercutirá
directamente en su rentabilidad. La importancia de lograr pronósticos de ventas
más exactos y mantener un óptimo control del inventario de mercancía
(optimización de inventarios) permite mejorar significativamente el servicio al
cliente además de una importante reducción de costos. La utilización de los
distintos modelos para pronosticar busca la proyección más apropiada para un
análisis conciso de los datos históricos de la producción en (TONELADAS).
 ANALISIS DE UNA VARIABLE

Los datos y gráficos que veremos a continuación son obtenidos de un análisis

realizado con la ayuda del Software Statgraphics, en este caso analizaremos la
variable Toneladas (miles y su comportamiento en el trascurso de los periodos
recorridos).
Análisis de Una Variable - TONELADAS (MILES)
Datos/Variable: TONELADAS (MILES)
144 valores con rango desde 104,0 a 622,0
Resumen Estadístico para TONELADAS (MILES)
Recuento 144
Promedio 280,299
Desviación Estándar 119,966

Coeficiente de 42,7995%
Variación
Mínimo 104,0
Máximo 622,0
Rango 518,0
Sesgo Estandarizado 2,85689

Curtosis Estandarizada -0,893921

Esta tabla muestra los estadísticos de resumen para TONELADAS (MILES).

Incluye medidas de tendencia central, medidas de variabilidad y medidas de
forma. De particular interés aquí son el sesgo estandarizado y la curtosis
estandarizada, las cuales pueden utilizarse para determinar si la muestra proviene
de una distribución normal. Valores de estos estadísticos fuera del rango de -2 a
+2 indican desviaciones significativas de la normalidad, lo que tendería a invalidar
cualquier prueba estadística con referencia a la desviación estándar. En este
caso, el valor de sesgo estandarizado no se encuentra dentro del rango esperado
para datos provenientes de una distribución normal. El valor de curtosis
estandarizada se encuentra dentro del rango esperado para datos provenientes de
una distribución normal.
Tabla de Frecuencias para TONELADAS (MILES)

Límite Límite Frecuen Frecuen Frecuen

cia cia cia
Clas Inferior Superi Punto Frecuen Relativa Acumula Rel.
e or Medio cia da Acum.
menor o0 0 0,0000 0 0,0000
igual
1 0 36,363 18,1818 0 0,0000 0 0,0000
6
2 36,3636 72,727 54,5455 0 0,0000 0 0,0000
3
3 72,7273 109,09 90,9091 1 0,0069 1 0,0069
1
4 109,091 145,45 127,273 18 0,1250 19 0,1319
5
5 145,455 181,81 163,636 19 0,1319 38 0,2639
8
6 181,818 218,18 200,0 16 0,1111 54 0,3750
2
7 218,182 254,54 236,364 15 0,1042 69 0,4792
5
8 254,545 290,90 272,727 12 0,0833 81 0,5625
9
9 290,909 327,27 309,091 14 0,0972 95 0,6597
3
10 327,273 363,63 345,455 16 0,1111 111 0,7708
6
11 363,636 400,0 381,818 5 0,0347 116 0,8056
12 400,0 436,36 418,182 13 0,0903 129 0,8958
4
13 436,364 472,72 454,545 7 0,0486 136 0,9444
7
14 472,727 509,09 490,909 3 0,0208 139 0,9653
1
15 509,091 545,45 527,273 1 0,0069 140 0,9722
5
16 545,455 581,81 563,636 2 0,0139 142 0,9861
8
17 581,818 618,18 600,0 1 0,0069 143 0,9931
2
18 618,182 654,54 636,364 1 0,0069 144 1,0000
5
19 654,545 690,90 672,727 0 0,0000 144 1,0000
9
20 690,909 727,27 709,091 0 0,0000 144 1,0000
3
21 727,273 763,63 745,455 0 0,0000 144 1,0000
6
22 763,636 800,0 781,818 0 0,0000 144 1,0000
mayor de 800,0 0 0,0000 144 1,0000

Media = 280,299 Desviación Estándar = 119,966

Esta opción ejecuta una tabulación de frecuencias dividiendo el rango de

TONELADAS (MILES) en intervalos del mismo ancho, y contando el número de
datos en cada intervalo. Las frecuencias muestran el número de datos en cada
intervalo, mientras que las frecuencias relativas muestran las proporciones en
cada intervalo.

Pueden verse gráficamente los resultados de la tabulación seleccionando

Histograma de frecuencia.

Intervalos de Confianza para TONELADAS (MILES)

Me permitirá determinar cómo está mi media y me desviación
Intervalos de confianza del 95,0% para la media: 280,299 +/- 19,7614 [260,537;
300,06]
Intervalos de confianza del 95,0% para la desviación estándar: [107,527; 135,688]

El StatAdvisor
Este panel muestra los intervalos de confianza del 95,0% para la media y la
desviación estándar de TONELADAS (MILES). La interpretación clásica de estos
intervalos es que, en muestreos repetidos, estos intervalos contendrán la media
verdadera ó la desviación estándar verdadera de la población de la que fueron
extraídas las muestras, el 95,0% de las veces. En términos prácticos, puede
establecerse con 95,0% de confianza, que la media verdadera de TONELADAS
(MILES) se encuentra en algún lugar entre 260,537 y 300,06, en tanto que la
desviación estándar verdadera está en algún lugar entre 107,527 y 135,688.

Ambos intervalos asumen que la población de la cual proviene la muestra puede

representarse por la distribución normal. Mientras que el intervalo de confianza
para la media es bastante robusto y no muy sensible a violaciones de este
supuesto, los intervalos de confianza para la desviación estándar son muy
sensibles. Si los datos no provienen de una distribución normal, el intervalo para
la desviación estándar puede ser incorrecto
Prueba de Hipótesis para TONELADAS (MILES)

Media Muestral = 280,299

Mediana Muestral = 265,5
Desviación Estándar de la Muestra = 119,966

Prueba t
Hipótesis Nula: media = 0
Alternativa: no igual

Estadístico t = 28,0377
Valor-P = 0
Se rechaza la hipótesis nula para alfa = 0,05.

Prueba de los signos

Hipótesis Nula: mediana = 0
Alternativa: no igual

Número de valores menores a la mediana hipotética: 0

Número de valores mayores a la mediana hipotética: 144

Estadístico para Grandes Muestras = 11,9167 (aplicada la corrección por

continuidad)
Valor-P = 0
Se rechaza la hipótesis nula para alfa = 0,05.

Prueba de rangos con signo

Hipótesis Nula: mediana = 0
Alternativa: no igual

Rango medio de valores menores a la mediana hipotética: 0

Rango medio de valores mayores a la mediana hipotética: 72,5
Estadístico para Grandes Muestras = 10,4093 (aplicada la corrección por
continuidad)
Valor-P = 0
Se rechaza la hipótesis nula para alfa = 0,05.

Prueba chi-cuadrada
Hipótesis Nula: sigma = 1,0
Alternativa: no igual

Chi-cuadrado calculado = 2,05804E6

Valor-P = 0
Se rechaza la hipótesis nula para alfa = 0,05.

El StatAdvisor
Esta ventana muestra los resultados de las pruebas relativas a la población de la
cual procede la muestra de TONELADAS (MILES). La prueba-t evalúa la hipótesis
de que la media de TONELADAS (MILES) es igual a 0,0 versus la hipótesis
alterna de que la media de TONELADAS (MILES) es no igual a 0,0. Debido a que
el valor-P para esta prueba es menor que 0,05, se puede rechazar la hipótesis
nula con un 95,0% de confianza. La prueba de los signos evalúa la hipótesis de
que la mediana de TONELADAS (MILES) es igual a 0,0 versus la hipótesis alterna
de que la mediana TONELADAS (MILES) es no igual a 0,0. Se basa en contar el
número de valores arriba y abajo de la mediana hipotética. Debido a que el valor-
P para esta prueba es menor que 0,05, se puede rechazar la hipótesis nula con un
95,0% de confianza. La prueba de rangos con signo evalúa la hipótesis nula de
que la mediana de TONELADAS (MILES) es igual a 0,0 versus la hipótesis alterna
de que la mediana TONELADAS (MILES) es no igual a 0,0. Se basa en comparar
los rankeos promedio de los valores arriba y abajo de la mediana hipotética.
Debido a que el valor-P para esta prueba es menor que 0,05, se puede rechazar la
hipótesis nula con un 95,0% de confianza. La prueba del signo y la del signo con
rango son menos sensibles a la presencia de valores aberrantes pero son un tanto
menos potentes que la prueba-t si todos los datos provienen de la misma
distribución normal.

La prueba de chi-cuadrada evalúa la hipótesis nula de que la desviación estándar

de TONELADAS (MILES) es igual a 1,0 versus la hipótesis alterna de que la
desviación estándar de TONELADAS (MILES) es no igual a 1,0. Debido a que el
valor-P para esta prueba es menor que 0,05, se puede rechazar la hipótesis nula
con un 95,0% de confianza.
 ANEXOS

Grafico de Dispersión

Teniendo en cuenta la gráfica anterior podemos analizar que la variable no guarda

ninguna relación es decir no maneja ninguna tendencia en sus datos.
En este grafico podemos ver que la mediana está por debajo de la media muestral
de la variable, teniendo como valor mínimo su bigote en 104,0 y su bigote en valor
máximo de 622,0.

El gráfico de simetría se usa para ayudar a juzgar si los datos provienen de una
distribución simétrica, en este caso podemos evidenciar que la media se
encuentra antes de la mediana, confirmando el análisis que se hizo en la caja de
bigotes.
Modelo Arima RW y suavización Exponencial con Alpha= 0,3
Pronósticos - Ton Procesadas (miles)
Datos/Variable: Ton Procesadas (miles)

Número de observaciones = 144

Indice Inicial = 1,0
Intervalo de Muestra = 1,0

Resumen de Pronósticos
Diferenciación no estacional de orden: 1
Modelo de pronóstico seleccionado: ARIMA (0,1,0) con constante
Número de pronósticos generados: 24
Número de periodos retenidos para validación: 48

Periodo Periodo
de de
Estadísti Estimaci Validaci
co ón ón
RMSE 23,3672 47,9722
MAE 18,6139 39,6949
MAPE 8,71493 9,56131
ME - 0,51767
0,06521 6
9
MPE - -
0,56941 0,43558
1 9

Resumen de Modelo ARIMA

Parámet Estima Error t Valor-P
ro do Estd.
Media 2,10732 2,39742 0,87899 0,38088
7 8
Constan 2,10732
te
Pronóstico Histórico: sí
Varianza estimada de ruido blanco = 546,024 con 142 grados de libertad
Desviación estándar estimada de ruido blanco = 23,3672
Número de iteraciones: 1

El StatAdvisor
Este procedimiento pronostica futuros valores de Ton Procesadas (miles). Los
datos cubren 144 periodos de tiempo. Actualmente, se ha seleccionado el modelo
de un promedio móvil autoregresivo integrado (ARIMA). Este modelo asume que
el mejor pronóstico disponible para datos futuros está dado por el modelo
paramétrico que relaciona el valor más reciente con los valores y ruido previos.
Cada valor de Ton Procesadas (miles) ha sido ajustado de la siguiente forma,
antes de ajustar el modelo:

(1) Se tomaron diferencias simples de orden 1.

La salida resume la significancia estadística de los términos en el modelo de

pronósticos. Términos con valores-P menores que 0,05 son estadísticamente
diferentes de cero con un nivel de confianza del 95,0%. El valor-P para el término
de la constante es mayor o igual que 0,05, de modo que no es estadísticamente
significativo. Usted debería considerar eliminar el término de la constante del
modelo. La desviación estándar estimada del ruido blanco de entrada es igual a
23,3672.

Tabla de Pronósticos para Ton Procesadas (miles)

Modelo: ARIMA (0, 1,0) con constante
V = Retenido para validación

Period Dato Pronósti Residuo

o s co
1,0 112,0
2,0 118,0 114,107 3,89268
3,0 132,0 120,107 11,8927
4,0 129,0 134,107 -
5,10732
5,0 121,0 131,107 -
10,1073
6,0 135,0 123,107 11,8927
7,0 148,0 137,107 10,8927
8,0 148,0 150,107 -
2,10732
9,0 136,0 150,107 -
14,1073
10,0 119,0 138,107 -
19,1073
11,0 104,0 121,107 -
17,1073
12,0 118,0 106,107 11,8927
13,0 115,0 120,107 -
5,10732
14,0 126,0 117,107 8,89268
15,0 141,0 128,107 12,8927
16,0 135,0 143,107 -
8,10732
17,0 125,0 137,107 -
12,1073
18,0 149,0 127,107 21,8927
19,0 170,0 151,107 18,8927
20,0 170,0 172,107 -
2,10732
21,0 158,0 172,107 -
14,1073
22,0 133,0 160,107 -
27,1073
23,0 114,0 135,107 -
21,1073
24,0 140,0 116,107 23,8927
25,0 145,0 142,107 2,89268
26,0 150,0 147,107 2,89268
27,0 178,0 152,107 25,8927
28,0 163,0 180,107 -
17,1073
29,0 172,0 165,107 6,89268
30,0 178,0 174,107 3,89268
31,0 199,0 180,107 18,8927
32,0 199,0 201,107 -
2,10732
33,0 184,0 201,107 -
17,1073
34,0 162,0 186,107 -
24,1073
35,0 146,0 164,107 -
18,1073
36,0 166,0 148,107 17,8927
37,0 171,0 168,107 2,89268
38,0 180,0 173,107 6,89268
39,0 193,0 182,107 10,8927
40,0 181,0 195,107 -
14,1073
41,0 183,0 183,107 -
0,10732
4
42,0 218,0 185,107 32,8927
43,0 230,0 220,107 9,89268
44,0 242,0 232,107 9,89268
45,0 209,0 244,107 -
35,1073
46,0 191,0 211,107 -
20,1073
47,0 172,0 193,107 -
21,1073
48,0 194,0 174,107 19,8927
49,0 196,0 196,107 -
0,10732
4
50,0 196,0 198,107 -
2,10732
51,0 236,0 198,107 37,8927
52,0 235,0 238,107 -
3,10732
53,0 229,0 237,107 -
8,10732
54,0 243,0 231,107 11,8927
55,0 264,0 245,107 18,8927
56,0 272,0 266,107 5,89268
57,0 237,0 274,107 -
37,1073
58,0 211,0 239,107 -
28,1073
59,0 180,0 213,107 -
33,1073
60,0 201,0 182,107 18,8927
61,0 204,0 203,107 0,89267
6
62,0 188,0 206,107 -
18,1073
63,0 235,0 190,107 44,8927
64,0 227,0 237,107 -
10,1073
65,0 234,0 229,107 4,89268
66,0 264,0 236,107 27,8927
67,0 302,0 266,107 35,8927
68,0 293,0 304,107 -
11,1073
69,0 259,0 295,107 -
36,1073
70,0 229,0 261,107 -
32,1073
71,0 203,0 231,107 -
28,1073
72,0 229,0 205,107 23,8927
73,0 242,0 231,107 10,8927
74,0 233,0 244,107 -
11,1073
75,0 267,0 235,107 31,8927
76,0 269,0 269,107 -
0,10732
4
77,0 270,0 271,107 -
1,10732
78,0 315,0 272,107 42,8927
79,0 364,0 317,107 46,8927
80,0 347,0 366,107 -
19,1073
81,0 312,0 349,107 -
37,1073
82,0 274,0 314,107 -
40,1073
83,0 237,0 276,107 -
39,1073
84,0 278,0 239,107 38,8927
85,0 284,0 280,107 3,89268
86,0 277,0 286,107 -
9,10732
87,0 317,0 279,107 37,8927
88,0 313,0 319,107 -
6,10732
89,0 318,0 315,107 2,89268
90,0 374,0 320,107 53,8927
91,0 413,0 376,107 36,8927
92,0 405,0 415,107 -
10,1073
93,0 355,0 407,107 -
52,1073
94,0 306,0 357,107 -
51,1073
95,0 271,0 308,107 -
37,1073
96,0 306,0 273,107 32,8927
97,0 315,0 308,107 6,89268 V
98,0 301,0 317,107 - V
16,1073
99,0 356,0 303,107 52,8927 V
100,0 348,0 358,107 - V
10,1073
101,0 355,0 350,107 4,89268 V
102,0 422,0 357,107 64,8927 V
103,0 465,0 424,107 40,8927 V
104,0 467,0 467,107 - V
 0,10732
4
105,0 404,0 469,107 - V
65,1073
106,0 347,0 406,107 - V
59,1073
107,0 305,0 349,107 - V
44,1073
108,0 336,0 307,107 28,8927 V
109,0 340,0 338,107 1,89268 V
110,0 318,0 342,107 - V
24,1073
111,0 362,0 320,107 41,8927 V
112,0 348,0 364,107 - V
16,1073
113,0 363,0 350,107 12,8927 V
114,0 435,0 365,107 69,8927 V
115,0 491,0 437,107 53,8927 V
116,0 505,0 493,107 11,8927 V
117,0 404,0 507,107 - V
103,107
118,0 359,0 406,107 - V
47,1073
119,0 310,0 361,107 - V
51,1073
120,0 337,0 312,107 24,8927 V
121,0 360,0 339,107 20,8927 V
122,0 342,0 362,107 - V
20,1073
123,0 406,0 344,107 61,8927 V
124,0 396,0 408,107 - V
12,1073
125,0 420,0 398,107 21,8927 V
126,0 472,0 422,107 49,8927 V
127,0 548,0 474,107 73,8927 V
128,0 559,0 550,107 8,89268 V
129,0 463,0 561,107 - V
98,1073
130,0 407,0 465,107 - V
58,1073
131,0 362,0 409,107 - V
47,1073
132,0 405,0 364,107 40,8927 V
133,0 417,0 407,107 9,89268 V
134,0 391,0 419,107 - V
 28,1073
135,0 419,0 393,107 25,8927 V
136,0 461,0 421,107 39,8927 V
137,0 472,0 463,107 8,89268 V
138,0 535,0 474,107 60,8927 V
139,0 622,0 537,107 84,8927 V
140,0 606,0 624,107 - V
18,1073
141,0 508,0 608,107 - V
100,107
142,0 461,0 510,107 - V
49,1073
143,0 390,0 463,107 - V
73,1073
144,0 432,0 392,107 39,8927 V

Límite en Límite en
95,0% 95,0%
Period Pronósti Inferior Superior
o co
145,0 434,107 387,915 480,3
146,0 436,215 370,889 501,541
147,0 438,322 358,314 518,33
148,0 440,429 348,044 532,814
149,0 442,537 339,247 545,826
150,0 444,644 331,496 557,792
151,0 446,751 324,537 568,965
152,0 448,859 318,206 579,511
153,0 450,966 312,388 589,544
154,0 453,073 307,0 599,147
155,0 455,181 301,977 608,384
156,0 457,288 297,272 617,304
157,0 459,395 292,846 625,945
158,0 461,503 288,666 634,339
159,0 463,61 284,707 642,513
160,0 465,717 280,947 650,487
161,0 467,825 277,368 658,281
162,0 469,932 273,954 665,91
163,0 472,039 270,691 673,388
164,0 474,146 267,567 680,726
165,0 476,254 264,573 687,935
166,0 478,361 261,699 695,023
167,0 480,468 258,937 702,0
168,0 482,576 256,28 708,872
Esta tabla muestra los valores pronosticados para Ton Procesadas (miles).
Durante el periodo en donde hay disponibles datos, también se muestran los
valores predichos del modelo ajustado y los residuos (dato-pronóstico). Para los
periodos de tiempo más allá de la serie de tiempo, se muestran los límites del
95,0% de predicción para los pronósticos. Estos límites muestran en donde podría
estar el valor verdadero del dato, al tiempo futuro seleccionado, con 95,0% de
confianza, asumiendo que el modelo ajustado es apropiado para los datos.

Comparación de Modelos
Variable de datos: Ton Procesadas (miles)
Número de observaciones = 144
Índice Inicial = 1,0
Intervalo de Muestra = 1,0
Número de periodos retenidos para validación: 48

Modelos
(A) Suavización exponencial simple con alfa = 0,9999
(B) ARIMA (0,1,0) con constante
(C) tendencia curtva-S = exp(5,37839 + -1,28829 /t)
(D) Promedio móvil simple de 3 términos
(E) Suavización exponencial simple con alfa = 0,9999
Ajuste matemático:

Periodo de Estimación
Model RMSE MAE MAPE ME MPE
o
(A) 23,333 18,500 8,6249 2,02099 0,51814
9 4 8 7
(B) 23,367 18,613 8,7149 - -
 2 9 3 0,06521 0,56941
9 1
(C) 65,609 51,481 25,023 9,68224 -
8 9 4,39804
(D) 32,435 25,319 11,572 3,66308 0,63108
2 6
(E) 23,333 18,500 8,6249 2,02099 0,51814
9 4 8 7

Model RMSE RUN RUNM AUTO MEDIA VAR

o S
(A) 23,333 * OK *** OK ***
9
(B) 23,367 * OK *** OK ***
2
(C) 65,609 *** *** *** *** ***
8
(D) 32,435 *** *** *** OK ***
2
(E) 23,333 * OK *** OK ***
9

Periodo de Validación
Model RMSE MAE MAPE ME MPE
o
(A) 48,042 40,043 9,6212 2,62525 0,09096
8 15
(B) 47,972 39,694 9,5613 0,51767 -
2 9 1 6 0,43558
9
(C) 213,7 199,14 46,448 199,141 46,4483
1 3
(D) 69,529 57,118 13,564 5,35417 -
5 1 4 0,10904
1
(E) 48,042 40,043 9,6212 2,62525 0,09096
8 15

Esta tabla compara los resultados de cinco diferentes modelos de pronósticos.

Viendo las estadísticas del error, el modelo con la menor raíz cuadrada del error
cuadrado medio (RMSE) durante el periodo de estimación del modelo es el
modelo A. El modelo con el menor error medio absoluto (MAE) es el modelo A. El
modelo con el menor porcentaje del error medio absoluto (MAPE) es el modelo A.
Durante el periodo de validación, el modelo con la menor raíz del error cuadrado
medio (RMSE) es el modelo B. El modelo con el menor error medio absoluto
(MAE) es el modelo B. El modelo con el menor porcentaje del error medio
absoluto (MAPE) es el modelo B.

La tabla también resume los resultados de cinco pruebas para determinar si cada
modelo es adecuado para los datos. Un OK significa que el modelo pasa la
prueba. Un * significa que no pasa la prueba al nivel de confianza del 95%. Dos
*'s significa que no pasa la prueba al nivel de confianza del 99%. Tres *'s significa
que no pasa la prueba al nivel de confianza del 99,9%. Note que el modelo
actualmente seleccionado, el modelo B, pasa 2 pruebas. Puesto que una ó mas
pruebas son estadísticamente significativas al 95% de confianza o más, debería
considerar seriamente seleccionar otro modelo.

Autocorrelaciones Estimadas para residuos

Variable de datos: Ton Procesadas (miles)
Modelo: ARIMA(0,1,0) con constante

Límite en Límite en
95,0% 95,0%
Retras Autocorrelac Error Inferior Superior
o ión Estd.
1 0,302855 0,08362 -0,163901 0,163901
42
2 -0,102148 0,09097 -0,178301 0,178301
15
3 -0,241273 0,09177 -0,179866 0,179866
01
4 -0,300402 0,09610 -0,18836 0,18836
37
5 -0,0940727 0,10246 -0,200818 0,200818
6 -0,0784426 0,10306 -0,201998 0,201998
2
7 -0,0923622 0,10347 -0,202815 0,202815
9
8 -0,294802 0,10405 -0,203942 0,203942
4
9 -0,191778 0,10973 -0,215085 0,215085
9
10 -0,104917 0,11205 -0,219631 0,219631
8
11 0,282931 0,11274 -0,220973 0,220973
3
12 0,829178 0,11760 -0,230499 0,230499
4
13 0,284501 0,15312 -0,300115 0,300115
2
14 -0,105752 0,15677 -0,307275 0,307275
 5
15 -0,222131 0,15727 -0,308251 0,308251
3
16 -0,231076 0,15945 -0,312521 0,312521
2
17 -0,062279 0,16177 -0,317078 0,317078
7
18 -0,066185 0,16194 -0,317406 0,317406
5
19 -0,0903997 0,16213 -0,317777 0,317777
4
20 -0,29711 0,16248 -0,318467 0,318467
6
21 -0,162732 0,16624 -0,325828 0,325828
2
22 -0,0829937 0,16735 -0,328004 0,328004
2
23 0,255511 0,16763 -0,328568 0,328568
9
24 0,701086 0,17034 -0,333863 0,333863
1

Esta tabla muestra las autocorrelaciones estimadas entre los residuos a diferentes
retrasos. El coeficiente de autocorrelación con retraso k mide la correlación entre
los residuos al tiempo t y al tiempo t-k. También se muestran límites de
probabilidad del 95,0% alrededor de 0. Si los límites de probabilidad a un retraso
particular no contienen el coeficiente estimado, hay una correlación
estadísticamente significativa a ese retraso al nivel de confianza del 95,0%. En
este caso, 7 de los 24 coeficientes de autocorrelación son estadísticamente
significativos al nivel de confianza del 95,0% nivel de confianza, implicando que
los residuos pueden no ser completamente aleatorios (ruido blanco).
Autocorrelaciones Parciales Estimadas para residuos
Variable de datos: Ton Procesadas (miles)
Modelo: ARIMA(0,1,0) con constante

Parcial Límite en Límite en

95,0% 95,0%
Retras Autocorrelac Error Inferior Superior
o ión Estd.
1 0,302855 0,08362 -0,163901 0,163901
42
2 -0,213446 0,08362 -0,163901 0,163901
42
3 -0,160447 0,08362 -0,163901 0,163901
42
4 -0,22163 0,08362 -0,163901 0,163901
42
5 0,0100838 0,08362 -0,163901 0,163901
42
6 -0,190643 0,08362 -0,163901 0,163901
42
7 -0,153657 0,08362 -0,163901 0,163901
42
8 -0,454732 0,08362 -0,163901 0,163901
42
9 -0,233751 0,08362 -0,163901 0,163901
42
10 -0,547297 0,08362 -0,163901 0,163901
42
11 -0,130043 0,08362 -0,163901 0,163901
42
12 0,571287 0,08362 -0,163901 0,163901
42
13 -0,149281 0,08362 -0,163901 0,163901
42
14 -0,171815 0,08362 -0,163901 0,163901
42
15 0,0672073 0,08362 -0,163901 0,163901
42
16 0,0624636 0,08362 -0,163901 0,163901
42
17 0,00763771 0,08362 -0,163901 0,163901
42
18 -0,0799447 0,08362 -0,163901 0,163901
42
19 0,0371434 0,08362 -0,163901 0,163901
42
20 -0,0946768 0,08362 -0,163901 0,163901
42
21 -0,00468348 0,08362 -0,163901 0,163901
42
22 -0,00812498 0,08362 -0,163901 0,163901
42
23 -0,0385328 0,08362 -0,163901 0,163901
42
24 -0,041968 0,08362 -0,163901 0,163901
42

Esta tabla muestra las autocorrelaciones parciales estimadas entre los residuos a
diferentes retrasos. El coeficiente de autocorrelación parcial al retraso k mide la
correlación entre los residuos al tiempo t y al tiempo t+k, habiendo descontado por
la correlación a todos los retrasos menores. Se puede utilizar para juzgar el orden
del modelo autoregresivo necesario para ajustar los datos. También se muestran
los límites de probabilidad del 95,0% alrededor de 0. Si los límites de probabilidad
a un retraso particular no contienen el coeficiente estimado, existe una correlación
estadísticamente significativa a ese retraso con un 95,0% de nivel de confianza.
En este caso, 9 de los 24 coeficientes de autocorrelación parcial son
estadísticamente significativa con un 95,0% de nivel de confianza.
Periodo grama para residuos
Variable de datos: Ton Procesadas (miles)
Modelo: ARIMA (0, 1,0) con constante

Suma Periodogr
ama
i Frecuenc Period Ordenada Acumulad Integrado
ia o a
0 0,0 1,80765E- 1,80765E- 1,1173E-
28 28 33
1 0,006993 143,0 89,6072 89,6072 0,0005538
01 56
2 0,013986 71,5 19,0272 108,634 0,0006714
62
3 0,020979 47,666 261,367 370,002 0,0022869
7 6
4 0,027972 35,75 103,055 473,057 0,0029239
3
5 0,034965 28,6 206,453 679,51 0,0042
6 0,041958 23,833 20,631 700,141 0,0043275
3 2
7 0,048951 20,428 66,5075 766,648 0,0047386
6
8 0,055944 17,875 403,318 1169,97 0,0072314
1 8
9 0,062937 15,888 193,312 1363,28 0,0084263
1 9 3
10 0,069930 14,3 797,691 2160,97 0,0133568
1
11 0,076923 13,0 5787,79 7948,76 0,0491307
1
12 0,083916 11,916 39655,5 47604,3 0,294239
1 7
13 0,090909 11,0 3827,06 51431,3 0,317894
1
14 0,097902 10,214 1152,94 52584,3 0,32502
1 3
15 0,104895 9,5333 357,518 52941,8 0,32723
3
16 0,111888 8,9375 186,296 53128,1 0,328381
17 0,118881 8,4117 404,207 53532,3 0,33088
6
18 0,125874 7,9444 922,787 54455,1 0,336583
4
19 0,132867 7,5263 502,008 54957,1 0,339686
2
20 0,13986 7,15 100,845 55057,9 0,340309
21 0,146853 6,8095 495,748 55553,7 0,343374
2
22 0,153846 6,5 599,829 56153,5 0,347081
23 0,160839 6,2173 5049,74 61203,3 0,378293
9
24 0,167832 5,9583 43994,5 105198, 0,65022
3
25 0,174825 5,72 2447,79 107646, 0,66535
26 0,181818 5,5 398,771 108044, 0,667814
27 0,188811 5,2963 138,855 108183, 0,668673
28 0,195804 5,1071 168,062 108351, 0,669711
4
29 0,202797 4,9310 22,1634 108373, 0,669848
3
30 0,20979 4,7666 28,9183 108402, 0,670027
7
31 0,216783 4,6129 154,117 108556, 0,67098
32 0,223776 4,4687 724,477 109281, 0,675458
5
33 0,230769 4,3333 469,521 109750, 0,67836
3
34 0,237762 4,2058 1243,31 110994, 0,686044
8
35 0,244755 4,0857 3468,91 114463, 0,707486
1
36 0,251748 3,9722 10354,7 124817, 0,771487
2
37 0,258741 3,8648 440,228 125258, 0,774208
6
38 0,265734 3,7631 418,201 125676, 0,776793
6
39 0,272727 3,6666 140,86 125817, 0,777664
7
40 0,27972 3,575 149,758 125966, 0,778589
41 0,286713 3,4878 213,227 126180, 0,779907
42 0,293706 3,4047 88,3047 126268, 0,780453
6
43 0,300699 3,3255 180,396 126448, 0,781568
8
44 0,307692 3,25 235,467 126684, 0,783024
45 0,314685 3,1777 395,7 127079, 0,785469
8
46 0,321678 3,1087 656,071 127736, 0,789525
47 0,328671 3,0425 7492,0 135228, 0,835832
5
48 0,335664 2,9791 5854,32 141082, 0,872017
7
49 0,342657 2,9183 66,2385 141148, 0,872427
7
50 0,34965 2,86 1445,86 142594, 0,881363
51 0,356643 2,8039 514,987 143109, 0,884547
2
52 0,363636 2,75 181,51 143290, 0,885668
53 0,370629 2,6981 127,784 143418, 0,886458
1
54 0,377622 2,6481 193,217 143611, 0,887653
5
55 0,384615 2,6 541,903 144153, 0,891002
56 0,391608 2,5535 118,766 144272, 0,891736
7
57 0,398601 2,5087 201,825 144474, 0,892984
7
58 0,405594 2,4655 450,779 144925, 0,89577
2
59 0,412587 2,4237 4330,11 149255, 0,922534
3
60 0,41958 2,3833 6419,28 155674, 0,962211
3
61 0,426573 2,3442 1740,75 157415, 0,97297
6
62 0,433566 2,3064 1727,05 159142, 0,983645
5
63 0,440559 2,2698 31,8699 159174, 0,983842
4
64 0,447552 2,2343 56,7231 159231, 0,984193
8
65 0,454545 2,2 3,09888 159234, 0,984212
66 0,461538 2,1666 388,138 159622, 0,986611
7
67 0,468531 2,1343 1064,82 160687, 0,993193
3
68 0,475524 2,1029 276,021 160963, 0,994899
4
69 0,482517 2,0724 144,329 161107, 0,995791
6
70 0,48951 2,0428 384,57 161491, 0,998168
6
71 0,496503 2,0140 296,431 161788, 1,0
8

Esta tabla muestra las ordenadas del periodograma para los residuos. A menudo
se usan para identificar ciclos de frecuencia fija en los datos. El periodograma se
construye ajustando una serie de funciones seno a cada una de las 72
frecuencias. Las ordenadas son igual a las amplitudes cuadradas de las funciones
seno. Puede pensarse en el periodograma como un análisis de varianza por
frecuencia, puesto que la suma de ordenadas es igual a la suma de cuadrados
total corregida en la tabla ANOVA.

ANEXOS
 CONCLUSIÓN

La aplicación de esta metodología permitió generar un modelo ARIMA para

describir y establecer pronósticos de la producción (TONELADAS), aun cuando la
serie en estudio presenta poca variabilidad. Es importante evaluar
exhaustivamente la presencia de un comportamiento estacional de toda serie pues
la selección equivocada de un modelo integrado o de un modelo no integrado
produciría resultados predictivos inadecuados.

Los resultados obtenidos son aceptables, no obstante siempre hay que analizar
los picos que tiene en determinados meses, porque estos pueden ser negativos
como positivos, en cambio hay que resaltar que tiene tendencias positivas en
determinados periodos. El margen de error de los pronósticos efectuados es
relativamente bajo.