Base de datos Nº1:

Año Trimestres Ventas

I 36
II 38
III 43
2011 IV 34
I 38
II 41
III 50
2012 IV 39
I 47
II 51
III 58
2013 IV 47
I 54
II 58
III 68
2014 IV 56
I 63
II 70
III 77
2015 IV 59
I 63
II 75
III 90
2016 IV 70
 Gráfica de series de tiempo de ventas de camionetas 4x4 trimestralmente

90

80

70
VENTAS_1

60

50

40

30
2 4 6 8 10 12 14 16 18 20 22 24
Índice

ANÁLISIS DE AUTOCORRELACIÓN EN LOS DATOS

H0: p=0 No existe autocorrelación

H1: p ≠ 0 existe autocorrelación

Dependent Variable: Ventas

Method: Least Squares
Date: 07/30/19 Time: 03:58
Sample: 2001Q1 2006Q4
Included observations: 24

Variable Coefficient Std. Error t-Statistic Prob.

X 7.650000 0.781018 9.794908 0.0000

C -15348.07 1572.580 -9.759798 0.0000

R-squared 0.813465 Mean dependent var 55.20833

Adjusted R-squared 0.804986 S.D. dependent var 14.79712
S.E. of regression 6.534466 Akaike info criterion 6.671714
Sum squared resid 939.3833 Schwarz criterion 6.769885
Log likelihood -78.06056 Hannan-Quinn criter. 6.697758
F-statistic 95.94023 Durbin-Watson stat 2.113740
Prob(F-statistic) 0.000000
Aplicamos la formula:

 e  e 
2
t 1
d  t

e t
2

Años Yt Ypron et
2011 37.75 36.08333333 1.666666667
2012 42 43.73333333 -1.73333333
2013 50.75 51.38333333 -0.63333333
2014 59 59.03333333 -0.03333333
2015 67.25 66.68333333 0.566666667
2016 74.5 74.33333333 0.166666667

et-et-1 (et-et-1) 2 et2

2.777777778
-3.4 11.56 3.004444444
1.1 1.21 0.401111111
0.6 0.36 0.001111111
0.6 0.36 0.321111111
-0.4 0.16 0.027777778
13.65 6.533333333

Donde:

El DW=2.1 y el dl=1.273, du=1.446 y el 4-dl=2.727, 4-du=2.554.

NORMALIDAD DE LOS ERRORES

Ho: et siguen una distribución normal
H1: et datos no siguen una distribución normal
5
Series: VENTAS
Sample 2011Q1 2016Q4
4 Observations 24

Mean 55.20833
3 Median 55.00000
Maximum 90.00000
Minimum 34.00000
2
Std. Dev. 14.79712
Skewness 0.448772
Kurtosis 2.489172
1

Jarque-Bera 1.066529
0 Probability 0.586687
30 35 40 45 50 55 60 65 70 75 80 85 90 95
2
El valor de la tabla es X 2,0.05 =5.99
∴ 1.066529< 5.99
COEFICIENTES DE AUTOCORRELACIÓN

H0: p=0 no existe autocorrelación

H1: p ≠ 0 existe autorrelación

Autocorrelation Function for Ventas

(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
Lag
Procedimiento de datos para el correlograma:

Yt-1 (Yt-Ῡ )^2 (Yt-1 - Ῡ ) (Yt-Ῡ )(Yt-1-Ῡ )

- 368.9600694 - -
36 296.1267361 -19.20833333 330.543403
38 149.0434028 -17.20833333 210.085069
43 449.7934028 -12.20833333 258.918403
34 296.1267361 -21.20833333 364.960069
38 201.8767361 -17.20833333 244.501736
41 27.12673611 -14.20833333 74.0017361
50 262.7100694 -5.208333333 84.4184028
39 67.37673611 -16.20833333 133.043403
47 17.71006944 -8.208333333 34.5434028
51 7.793402778 -4.208333333 -11.7482639
58 67.37673611 2.791666667 -22.9149306
47 1.460069444 -8.208333333 9.91840278
54 7.793402778 -1.208333333 -3.37326389
58 163.6267361 2.791666667 35.7100694
68 0.626736111 12.79166667 10.1267361
56 60.71006944 0.791666667 6.16840278
63 218.7934028 7.791666667 115.251736
70 474.8767361 14.79166667 322.335069
77 14.37673611 21.79166667 82.6267361
59 60.71006944 3.791666667 29.5434028
63 391.7100694 7.791666667 154.210069
75 1210.460069 19.79166667 688.585069
90 218.7934028 34.79166667 514.626736
5035.958333   3666.0816

Yt-2 (Yt-Ῡ)(Yt-2-Ῡ) Yt-3 (Yt-Ῡ)(Yt-3-Ῡ)

- - - -
- - - -
36 234.5017361 - -
38 364.9600694 36 407.3767361
43 210.0850694 38 296.1267361
34 301.3350694 43 173.4600694
38 89.62673611 34 110.4600694
41 230.2934028 38 278.9184028
50 42.75173611 41 116.6267361
39 68.21006944 50 21.91840278
47 -22.91493056 39 -45.24826389
51 34.54340278 47 67.37673611
 58 -3.373263889 51 5.085069444
47 -22.91493056 58 7.793402778
54 -15.45659722 47 -104.9982639
58 2.210069444 54 -0.956597222
68 99.66840278 58 21.75173611
56 11.71006944 68 189.2100694
63 169.7934028 56 17.25173611
70 56.08506944 63 29.54340278
77 169.7934028 70 115.2517361
59 75.04340278 77 431.2934028
63 271.0850694 59 131.9184028
75 292.7517361 63 115.2517361
  2659.788194   2385.411458

r1= 0.72798092
r2= 0.52815929
r3= 0.47367577

SE(r1)= 0.20412415
SE(r2)= 0.29296704
SE(r3)= 0.33026611
distribución_t_s 2.064
tudent
t1= 3.56636361
t2= 1.80279426
t3= 1.43422457
I. MÉTODO DE PROMEDIO MÓVIL SIMPLE
Gráfica de promedio móvil de ventas de camionetas 4x4 trimestralmente
Variable
90
A ctual
A justes
Pronósticos
80 IP de 95,0%

Promedio móvil
70 Longitud 4
VENTAS_1

Medidas de exactitud
MA PE 8,4248
60 MA D 5,0714
MSD 41,5045

50

40

30
2 4 6 8 10 12 14 16 18 20 22 24
Índice

 Cuadro 1.0

Trimestre
Año Ventas Ajuste Residuos
s
I 36
II 38
III 43
2011 IV 34
I 38 37.75 0.25
II 41 38.25 2.75
III 50 39 11
2012 IV 39 40.75 -1.75
I 47 42 5
II 51 44.25 6.75
III 58 46.75 11.25
2013 IV 47 48.75 -1.75
I 54 50.75 3.25
II 58 52.5 5.5
III 68 54.25 13.75
2014 IV 56 56.75 -0.75
I 63 59 4
II 70 61.25 8.75
III 77 64.25 12.75
2015 IV 59 66.5 -7.5
 I 63 67.25 -4.25
II 75 67.25 7.75
III 90 68.5 21.5
2016 IV 70 71.75 -1.75
II. SUAVIZAMIENTO EXPONENCIAL SIMPLE

Gráfica de suavización para ventas de camionetas 4x4 trimestralmente

Método exponencial simple
Variable
90
A ctual
A justes
Pronósticos
80
IP de 95,0%

C onstante de suavización
70 A lfa 0,3
VENTAS

Medidas de exactitud
60 MA PE 11,8157
MA D 7,0413
MSD 79,6216
50

40

30
2 4 6 8 10 12 14 16 18 20 22 24
Índice
X

 Cuadro 2.0

Trimestre
Año Ventas Ajuste E
s
I 36 38.3333333 -2.333333333
II 38 36.4666667 1.533333333
III 43 37.6933333 5.306666667
2011 IV 34 41.9386667 -7.938666667
I 38 35.5877333 2.412266667
II 41 37.5175467 3.482453333
III 50 40.3035093 9.696490667
2012 IV 39 48.0607019 -9.060701867
I 47 40.8121404 6.187859627
II 51 45.7624281 5.237571925
III 58 49.9524856 8.047514385
2013 IV 47 56.3904971 -9.390497123
 I 54 48.8780994 5.121900575
II 58 52.9756199 5.024380115
III 68 56.995124 11.00487602
2014 IV 56 65.7990248 -9.799024795
I 63 57.959805 5.040195041
II 70 61.991961 8.008039008
III 77 68.3983922 8.601607802
2015 IV 59 75.2796784 -16.27967844
I 63 62.2559357 0.744064312
2016 II 75 62.8511871 12.14881286
III 90 72.5702374 17.42976257
IV 70 86.5140475 -16.51404749

Pronóstico_25
73.3028095

Gráfica de suavización para ventas trimestrales de camionetas 4x4

Método exponencial simple
100 Variable
A ctual
90 A justes
Pronósticos
IP de 95,0%
80
C onstante de suavización
A lfa 0,8
VENTAS_1

70
Medidas de exactitud
MA PE 13,8056
60 MA D 7,7643
MSD 80,5634

50

40

30
2 4 6 8 10 12 14 16 18 20 22 24
Índice

III. SUAVIZAMIENTO EXPONENCIA AJUSTADO: MÈTODO DE HOLT

Gráfica de suavización para ventas de camionetas 4x4 trimestralmente
Método exponencial doble
100 Variable
Actual
90 Ajustes
Pronósticos
IP de 95,0%
80
Constantes de suavización
A lfa (nivel) 0,3
VENTAS_1

70 Gamma (tendencia) 0,2

Medidas de exactitud
60 MAPE 10,8440
MAD 6,0353
MSD 55,0559
50

40

30
2 4 6 8 10 12 14 16 18 20 22 24
Índice

 Cuadro 3.0

Año Trimestres Ventas Ajuste E

I 36 33.4633333 2.53666667
II 38 36.2674029 1.7325971
III 43 38.9342074 4.06579258
2011 IV 34 42.5449181 -8.5449181
I 38 41.8597206 -3.8597206
II 41 42.348499 -1.348499
III 50 43.509734 6.49026601
2012 IV 39 47.4120144 -8.4120144
I 47 46.3388899 0.66111012
II 51 48.0273693 2.9726307
III 58 50.5876627 7.41233726
2013 IV 47 54.9246084 -7.9246084
I 54 54.1849938 -0.1849938
II 58 55.756164 2.24383599
III 68 58.1906133 9.80938671
2014 IV 56 63.483291 -7.483291
I 63 63.1391679 -0.1391679
II 70 64.9899317 5.01006829
2015 III 77 68.6860704 8.31392955
 IV 59 73.8722033 -14.872203
I 63 71.2101642 -8.2101642
II 75 70.0541269 4.94587311
III 90 73.1416532 16.8583468
2016 IV 70 80.8144224 -10.814422

Pronóstico_25
79.53649551
IV. MÉTODO DE HOLT WINTERS

Año Trimestres Ventas Ajuste E

I 36 34.8368321 1.16316785
II 38 39.0362069 -1.0362069
III 43 44.1420399 -1.1420399
2011 IV 34 33.9472694 0.0527306
I 38 34.2759538 3.72404616
II 41 39.9759176 1.02408238
III 50 47.2247768 2.7752232
2012 IV 39 39.2061794 -0.2061794
I 47 40.8974424 6.10255761
II 51 49.3104341 1.68956588
III 58 60.176485 -2.176485
2013 IV 47 47.285174 -0.285174
I 54 50.979736 3.02026395
II 58 57.5607585 0.43924151
III 68 68.2878024 -0.2878024
2014 IV 56 55.0973967 0.90260335
I 63 61.0690403 1.93095971
II 70 67.3974427 2.60255731
III 77 81.614747 -4.614747
2015 IV 59 63.8973167 -4.8973167
I 63 66.3331879 -3.3331879
II 75 68.4383438 6.56165615
III 90 83.3496693 6.65033068
2016 IV 70 70.690041 -0.690041

Pronóstico_25
77.53688186
Gráfica de método Winters de ventas de camionetas 4x4 trimestralmente
Método multiplicativo
Variable
90
A ctual
A justes
Pronósticos
80
IP de 95,0%

C onstantes de suavización
70 A lfa (nivel) 0,6
VENTAS_1

Gamma (tendencia) 0,2

Delta (estacional) 0,4
60
Medidas de exactitud
MA PE 4,15329
50 MA D 2,38784
MSD 9,84050

40

30
2 4 6 8 10 12 14 16 18 20 22 24
Índice