NOMBRE: MORAN URCIA YOEXER ELIAS

a) Examine los datos de la serie de tiempo e identifique la presencia de algún patrón de

datos.

Explique colocando evidencias de sus argumentos y del análisis estadístico efectuado.

Los datos de la serie de tiempo, se observa una tendencia creciente, con un patrón estacional.

Presentamos la Función de auto correlación, Los coeficientes de autocorrelación inician con

valores alto y van disminuyendo hasta tender a cero, debido a eso, se comprueba la serie es
una tendencia.
Luego, realizamos la función de autocorrelación de las diferencias con desfase de 1, y nos da la
siguiente gráfica.
Existen coeficientes de autocorrelación que son significativos cada seis meses, por lo tanto, se
concluye que existe un patrón estacional SEMESTRAL.
b) Utilice promedios móviles dobles a 5 periodos como un primer intento de pronosticar los

dos últimos meses del año 2019. Evalúe la técnica.

Siguiendo esta fórmula de promedios móviles Yt+p = a+b*p (p=2)

Mt = Y^
t Yt Mt' at bt Yt+p = a+b*p (p=2) error
t+1
1 63344            
2 63621            
3 64023            
4 64482            
5 65350 64164          
6 66412 64778          
7 67001 65454          
8 66861 66021          
9 65808 66286 65341 67231 472.5    
10 65961 66409 65790 67028 309.5    
11 65779 66282 66090 66474 96 68176 -2397
12 65545 65991 66198 65784 -103.5 67647 -2102
13 64434 65505 66095 64915 -295 66666 -2232
14 64564 65257 65889 64625 -316 65577 -1013
15 64936 65052 65617 64487 -282.5 64325 611
16 65492 64994 65360 64628 -183 63993 1499
17 66340 65153 65192 65114 -19.5 63922 2418
18 67230 65712 65234 66190 239 64262 2968
19 67649 66329 65448 67210 440.5 65075 2574
20 67717 66886 65815 67957 535.5 66668 1049
21 66997 67187 66253 68121 467 68091 -1094
22 67424 67403 66703 68103 350 69028 -1604
23 67313 67420 67045 67795 187.5 69055 -1742
24 67292 67349 67249 67449 50 68803 -1511
25 65966 66998 67271 66725 -136.5 68170 -2204
26 66333 66866 67207 66525 -170.5 67549 -1216
27 66758 66732 67073 66391 -170.5 66452 306
28 67018 66673 66924 66422 -125.5 66184 834
29 67227 66660 66786 66534 -63 66050 1177
30 68384 67144 66815 67473 164.5 66171 2213
31 68750 67627 66967 68287 330 66408 2342
32 68326 67941 67209 68673 366 67802 524
33 67646 68067 67488 68646 289.5 68947 -1301
34 67850 68191 67794 68588 198.5 69405 -1555
35 67219 67958 67957 67959 0.5 69225 -2006
36 67049 67618 67955 67281 -168.5 68985 -1936
37 66006 67154 67798 66510 -322 67960 -1954
38 66481 66921 67568 66274 -323.5 66944 -463
39 66961 66743 67279 66207 -268 65866 1095
40 67415 66782 67044 66520 -131 65627 1788
41 68258 67024 66925 67123 49.5 65671 2587
42 69298 67683 67031 68335 326 66258 3040
43 69819 68350 67316 69384 517 67222 2597
44 69533 68865 67741 69989 562 68987 546
45 68614 69104 68205 70003 449.5 70418 -1804
46 69099 69273 68655 69891 309 71113 -2014
47 68565 69126 68944 69308 91 70902 -2337
48 68434 68849 69043 68655 -97 70509 -2075
49 67640 68470 68964 67976 -247 69490 -1850
50 67981 68344 68812 67876 -234 68461 -480
51 68573 68239 68606 67872 -183.5 67482 1091
52 69105 68347 68450 68244 -51.5 67408 1697
53 69968 68653 68411 68895 121 67505 2463
54 70619 69249 68566 69932 341.5 68141 2478
55 71157 69884 68874 70894 505 69137 2020
56 70890 70348 69296 71400 526 70615 275
57 69890 70505 69728 71282 388.5 71904 -2014
58 70215 70554 70108 71000 223 72452 -2237
59 70328 70496 70357 70635 69.5 72059 -1731
60 69849 70234 70427 70041 -96.5 71446 -1597
61 68932 69843 70326 69360 -241.5 70774 -1842
62 69197 69704 70166 69242 -231 69848 -651
63 69506 69562 69968 69156 -203 68877 629
64 70348 69566 69782 69350 -108 68780 1568
65 70856 69768 69689 69847 39.5 68750 2106
66 71618 70305 69781 70829 262 69134 2484
67 72049 70875 70015 71735 430 69926 2123
68 71537 71282 70359 72205 461.5 71353 184
69 70866 71385 70723 72047 331 72595 -1729
70 71219 71458 71061 71855 198.5 73128 -1909
71 71256 71385 71277 71493 54 72709 -1453
72 70930 71162 71334 70990 -86 72252 -1322
73 69992 70853 71249 70457 -198 71601 -1609
74 70084 70696 71111 70281 -207.5 70818 -734
75 70544 70561 70931 70191 -185 70061 483
76 70877 70485 70751 70219 -133 69866 1011
77 71470 70593 70638 70548 -22.5 69821 1649
78 72312 71057 70678 71436 189.5 69953 2359
79 72803 71601 70859 72343 371 70503 2300
80 72348 71962 71140 72784 411 71815 533
81 71603 72107 71464 72750 321.5 73085 -1482
82 71825 72178 71781 72575 198.5 73606 -1781
83 71797 72075 71985 72165 45 73393 -1596
84 71699 71854 72035 71673 -90.5 72972 -1273
85 71862 71757 71994 71520 -118.5 72255 -393
86 72177 71872 71947 71797 -37.5 71492 685
 87 72501 72007 71913 72101 47 71283 1218
88 73006 72249 71948 72550 150.5 71722 1284
89 73236 72556 72088 73024 234 72195 1041
90 74267 73037 72344 73730 346.5 72851 1416
91 74420 73486 72667 74305 409.5 73492 928
92 74352 73856 73037 74675 409.5 74423 -71
93 73391 73933 73374 74492 279.5 75124 -1733
94 73616 74009 73664 74354 172.5 75494 -1878
95 73497 73855 73828 73882 13.5 75051 -1554
96 73338 73639 73858 73420 -109.5 74699 -1361
97 72408 73250 73737 72763 -243.5 73909 -1501
98 72505 73073 73565 72581 -246 73201 -696
99 72725 72895 73342 72448 -223.5 72276 449
100 73155 72826 73137 72515 -155.5 72089 1066
101 73313 72821 72973 72669 -76 72001 1312
102 74007 73141 72951 73331 95 72204 1803
103 74579 73556 73048 74064 254 72517 2062
104 73714 73754 73220 74288 267 73521 193
105 73483 73819 73418 74220 200.5 74572 -1089
106 73228 73802 73614 73990 94 74822 -1594
107 72690 73539 73694 73384 -77.5 74621 -1931
108 72547 73132 73609 72655 -238.5 74178 -1631
109 71285 72647 73388 71906 -370.5 73229 -1944
110 71792 72308 73086 71530 -389 72178 -386
111 71956 72054 72736 71372 -341 71165 791
112 72483 72013 72431 71595 -209 70752 1731
113 73230 72149 72234 72064 -42.5 70690 2540
114 73747 72642 72233 73051 204.5 71177 2570
115 74210 73125 72397 73853 364 71979 2231
116 73870 73508 72687 74329 410.5 73460 410
117 73596 73731 73031 74431 350 74581 -985
118 73513 73787 73359 74215 214 75150 -1637
119 72718 73581 73546 73616 17.5 75131 -2413
120 72437 73227 73567 72887 -170 74643 -2206
121 71716 72796 73424 72168 -314 73651 -1935
122 72237 72524 73183 71865 -329.5 72547 -310
123 72304 72282 72882 71682 -300 71540 764
124 72905 72320 72630 72010 -155 71206 1699
125 71131 72059 72396 71722 -168.5 71082 49
126 73896 72495 72336 72654 79.5 71700 2196
127 74269 72901 72411 73391 245 71385 2884
128 74032 73247 72604 73890 321.5 72813 1219
129 73715 73409 72822 73996 293.5 73881 -166
130 73979 73978 73206 74750 386 74533 -554
131 -         74583  
132 -         75522  
Los pronósticos para los dos últimos años del 2019 son 74583 y 7522.

Con un MSD =

2.86666
MSD 7

c) Pruebe con el método de suavizamiento de Winters asignando los valores de las

constantes de nivel, tendencia y estacionalidad en 0.2, 0.3 y 0.4 respectivamente. Evalúe la
técnica.
d) Seleccione el método de descomposición multiplicativo para analizar la serie y determine

sus componentes. Use el mejor modelo de tendencia que considere con mejor ajuste a los
datos.

Siendo

T : Línea Tendencial, SCI: los datos sin tendecia, S: Los datos estacionales, TCI: Los datos
ajustados estacionalmente, CI: Datos cíclicos e irregulares, C: Datos cíclicos, I: Datos
irregulares

TOTAL T SCI S TCI CI C I

EMPLEADO
S
63344 65384.7 0.96879 1.00646 62937.2 0.96257 * *
63621 65457.9 0.97194 0.99867 63705.9 0.97323 * *
64023 65531.1 0.97699 0.99400 64409.6 0.98289 0.97982 1.00313
64482 65604.3 0.98289 0.99865 64569.2 0.98422 0.98863 0.99554
65350 65677.5 0.99501 0.99883 65426.5 0.99618 0.99626 0.99992
66412 65750.7 1.01006 1.00339 66187.6 1.00665 1.00287 1.00376
67001 65823.9 1.01788 1.00646 66570.7 1.01135 1.00674 1.00457
66861 65897.1 1.01463 0.99867 66950.2 1.01598 1.00753 1.00839
65808 65970.3 0.99754 0.99400 66205.4 1.00356 1.00541 0.99816
65961 66043.5 0.99875 0.99865 66050.2 1.00010 1.00052 0.99958
65779 66116.7 0.99489 0.99883 65856.0 0.99606 0.99056 1.00555
65545 66189.9 0.99026 1.00339 65323.6 0.98691 0.98476 1.00218
64434 66263.1 0.97240 1.00646 64020.2 0.96615 0.98148 0.98438
64564 66336.2 0.97328 0.99867 64650.1 0.97458 0.97956 0.99492
64936 66409.4 0.97781 0.99400 65328.1 0.98372 0.98176 1.00199
65492 66482.6 0.98510 0.99865 65580.6 0.98643 0.98965 0.99674
66340 66555.8 0.99676 0.99883 66417.7 0.99792 0.99627 1.00166
67230 66629.0 1.00902 1.00339 67002.9 1.00561 1.00262 1.00298
67649 66702.2 1.01419 1.00646 67214.5 1.00768 1.00699 1.00069
67717 66775.4 1.01410 0.99867 67807.3 1.01545 1.00918 1.00622
66997 66848.6 1.00222 0.99400 67401.6 1.00827 1.00924 0.99904
67424 66921.8 1.00750 0.99865 67515.2 1.00887 1.00769 1.00117
67313 66995.0 1.00475 0.99883 67391.8 1.00592 0.99984 1.00609
67292 67068.2 1.00334 1.00339 67064.7 0.99995 0.99582 1.00414
65966 67141.4 0.98249 1.00646 65542.3 0.97618 0.99367 0.98240
66333 67214.6 0.98688 0.99867 66421.5 0.98820 0.99174 0.99643
66758 67287.8 0.99213 0.99400 67161.1 0.99812 0.99137 1.00681
67018 67361.0 0.99491 0.99865 67108.6 0.99625 0.99805 0.99820
67227 67434.2 0.99693 0.99883 67305.7 0.99809 1.00256 0.99555
68384 67507.4 1.01299 1.00339 68153.0 1.00956 1.00519 1.00435
68750 67580.6 1.01730 1.00646 68308.4 1.01077 1.00691 1.00383
68326 67653.8 1.00994 0.99867 68417.1 1.01128 1.00771 1.00355
67646 67726.9 0.99880 0.99400 68054.5 1.00484 1.00410 1.00073
67850 67800.1 1.00074 0.99865 67941.7 1.00209 0.99864 1.00346
67219 67873.3 0.99036 0.99883 67297.7 0.99152 0.98921 1.00233
67049 67946.5 0.98679 1.00339 66822.5 0.98346 0.98377 0.99968
66006 68019.7 0.97039 1.00646 65582.1 0.96416 0.98100 0.98283
66481 68092.9 0.97633 0.99867 66569.7 0.97763 0.98055 0.99702
66961 68166.1 0.98232 0.99400 67365.4 0.98825 0.98393 1.00439
67415 68239.3 0.98792 0.99865 67506.2 0.98926 0.99309 0.99614
68258 68312.5 0.99920 0.99883 68337.9 1.00037 1.00022 1.00015
69298 68385.7 1.01334 1.00339 69063.9 1.00992 1.00576 1.00413
69819 68458.9 1.01987 1.00646 69370.6 1.01332 1.00915 1.00413
69533 68532.1 1.01460 0.99867 69625.7 1.01596 1.01057 1.00533
68614 68605.3 1.00013 0.99400 69028.3 1.00617 1.00828 0.99791
69099 68678.5 1.00612 0.99865 69192.4 1.00748 1.00380 1.00367
68565 68751.7 0.99728 0.99883 68645.3 0.99845 0.99570 1.00276
68434 68824.9 0.99432 1.00339 68202.8 0.99096 0.99186 0.99910
67640 68898.1 0.98174 1.00646 67205.6 0.97543 0.99019 0.98509
67981 68971.3 0.98564 0.99867 68071.7 0.98696 0.99074 0.99618
68573 69044.5 0.99317 0.99400 68987.1 0.99917 0.99503 1.00416
69105 69117.7 0.99982 0.99865 69198.4 1.00117 1.00317 0.99801
69968 69190.8 1.01123 0.99883 70049.9 1.01242 1.00971 1.00268
70619 69264.0 1.01956 1.00339 70380.4 1.01612 1.01441 1.00169
71157 69337.2 1.02625 1.00646 70700.0 1.01965 1.01656 1.00305
70890 69410.4 1.02132 0.99867 70984.6 1.02268 1.01624 1.00634
69890 69483.6 1.00585 0.99400 70312.0 1.01192 1.01526 0.99671
70215 69556.8 1.00946 0.99865 70309.9 1.01083 1.01107 0.99976
70328 69630.0 1.01002 0.99883 70410.3 1.01121 1.00284 1.00834
69849 69703.2 1.00209 1.00339 69613.0 0.99871 0.99885 0.99985
68932 69776.4 0.98790 1.00646 68489.3 0.98155 0.99670 0.98481
69197 69849.6 0.99066 0.99867 69289.3 0.99198 0.99573 0.99623
69506 69922.8 0.99404 0.99400 69925.7 1.00004 0.99847 1.00157
70348 69996.0 1.00503 0.99865 70443.1 1.00639 1.00568 1.00070
70856 70069.2 1.01123 0.99883 70938.9 1.01241 1.01119 1.00121
71618 70142.4 1.02104 1.00339 71376.0 1.01759 1.01501 1.00254
72049 70215.6 1.02611 1.00646 71586.3 1.01952 1.01638 1.00309
71537 70288.8 1.01776 0.99867 71632.4 1.01912 1.01639 1.00268
70866 70362.0 1.00716 0.99400 71293.9 1.01325 1.01523 0.99804
71219 70435.2 1.01113 0.99865 71315.3 1.01250 1.01164 1.00085
71256 70508.4 1.01060 0.99883 71339.4 1.01179 1.00467 1.00709
70930 70581.6 1.00494 1.00339 70690.4 1.00154 1.00046 1.00108
69992 70654.7 0.99062 1.00646 69542.5 0.98426 0.99844 0.98580
70084 70727.9 0.99090 0.99867 70177.5 0.99222 0.99636 0.99584
70544 70801.1 0.99637 0.99400 70970.0 1.00238 0.99776 1.00464
70877 70874.3 1.00004 0.99865 70972.8 1.00139 1.00386 0.99754
71470 70947.5 1.00736 0.99883 71553.7 1.00854 1.00890 0.99964
72312 71020.7 1.01818 1.00339 72067.7 1.01474 1.01202 1.00269
72803 71093.9 1.02404 1.00646 72335.4 1.01746 1.01397 1.00344
72348 71167.1 1.01659 0.99867 72444.5 1.01795 1.01397 1.00392
71603 71240.3 1.00509 0.99400 72035.4 1.01116 1.01241 0.99877
71825 71313.5 1.00717 0.99865 71922.1 1.00853 1.00891 0.99963
71797 71386.7 1.00575 0.99883 71881.0 1.00692 1.00494 1.00197
71699 71459.9 1.00335 1.00339 71456.8 0.99996 1.00458 0.99540
71862 71533.1 1.00460 1.00646 71400.5 0.99815 1.00638 0.99182
72177 71606.3 1.00797 0.99867 72273.3 1.00931 1.00877 1.00054
72501 71679.5 1.01146 0.99400 72938.8 1.01757 1.01294 1.00457
73006 71752.7 1.01747 0.99865 73104.7 1.01884 1.01920 0.99965
73236 71825.9 1.01963 0.99883 73321.7 1.02083 1.02281 0.99806
74267 71899.1 1.03293 1.00339 74016.1 1.02944 1.02597 1.00338
74420 71972.3 1.03401 1.00646 73942.0 1.02737 1.02696 1.00039
74352 72045.4 1.03202 0.99867 74451.2 1.03339 1.02702 1.00620
73391 72118.6 1.01764 0.99400 73834.2 1.02379 1.02478 0.99903
73616 72191.8 1.01973 0.99865 73715.5 1.02111 1.02138 0.99973
73497 72265.0 1.01705 0.99883 73583.0 1.01824 1.01341 1.00476
73338 72338.2 1.01382 1.00339 73090.2 1.01040 1.00898 1.00141
72408 72411.4 0.99995 1.00646 71943.0 0.99353 1.00643 0.98719
72505 72484.6 1.00028 0.99867 72601.7 1.00162 1.00449 0.99713
72725 72557.8 1.00230 0.99400 73164.2 1.00836 1.00433 1.00401
73155 72631.0 1.00721 0.99865 73253.9 1.00858 1.00831 1.00026
73313 72704.2 1.00837 0.99883 73398.8 1.00955 1.01142 0.99816
74007 72777.4 1.01690 1.00339 73757.0 1.01346 1.01219 1.00126
74579 72850.6 1.02373 1.00646 74100.0 1.01715 1.01302 1.00408
73714 72923.8 1.01084 0.99867 73812.3 1.01218 1.01181 1.00037
73483 72997.0 1.00666 0.99400 73926.7 1.01274 1.00811 1.00459
73228 73070.2 1.00216 0.99865 73327.0 1.00351 1.00218 1.00133
72690 73143.4 0.99380 0.99883 72775.1 0.99496 0.99302 1.00195
72547 73216.6 0.99085 1.00339 72301.9 0.98751 0.98646 1.00107
71285 73289.8 0.97265 1.00646 70827.2 0.96640 0.98290 0.98321
71792 73363.0 0.97859 0.99867 71887.8 0.97989 0.98139 0.99848
71956 73436.2 0.97984 0.99400 72390.5 0.98576 0.98316 1.00265
72483 73509.3 0.98604 0.99865 72581.0 0.98737 0.98945 0.99790
 73230 73582.5 0.99521 0.99883 73315.7 0.99637 0.99348 1.00291
73747 73655.7 1.00124 1.00339 73497.9 0.99786 0.99678 1.00108
74210 73728.9 1.00652 1.00646 73733.4 1.00006 0.99976 1.00030
73870 73802.1 1.00092 0.99867 73968.5 1.00225 0.99957 1.00268
73596 73875.3 0.99622 0.99400 74040.4 1.00223 0.99671 1.00554
73513 73948.5 0.99411 0.99865 73612.4 0.99545 0.99156 1.00393
72718 74021.7 0.98239 0.99883 72803.1 0.98354 0.98326 1.00029
72437 74094.9 0.97762 1.00339 72192.3 0.97432 0.97767 0.99658
71716 74168.1 0.96694 1.00646 71255.4 0.96073 0.97434 0.98603
72237 74241.3 0.97300 0.99867 72333.4 0.97430 0.97391 1.00040
72304 74314.5 0.97295 0.99400 72740.6 0.97882 0.97033 1.00875
72905 74387.7 0.98007 0.99865 73003.6 0.98139 0.97580 1.00573
71131 74460.9 0.95528 0.99883 71214.3 0.95640 0.97876 0.97716
73896 74534.1 0.99144 1.00339 73646.3 0.98809 0.98152 1.00669
74269 74607.3 0.99547 1.00646 73792.0 0.98907 0.98365 1.00551
74032 74680.5 0.99132 0.99867 74130.7 0.99264 0.99037 1.00229
73715 74753.7 0.98611 0.99400 74160.1 0.99206 * *
73979 74826.9 0.98867 0.99865 74079.0 0.99001 *

Modelo de Tendencia

Los índices estacionales son:

e) Compare los tres métodos en función de sus medidas de precisión MAD, MAPE, RMSE y

MPE e indique cuál escogería. Explique la razón de su elección.

Medidas de precisión del promedio móvil doble

MSD 2.866667

Medidas de precisión del Método de Winters

Medidas de precisión por descomposición

Entonces concluimos que se debe utilizar el método de DESCOMPOSICIÓN DE SERIES DE

TIEMPO por el método multiplicativo, ya que tienes el MSD (Error cuadrático medio) mínimo.

f) Analice los residuos del modelo seleccionado y verifique el cumplimiento de los supuestos

estadísticos para una técnica apropiada.

g) Finalmente pronostique los dos periodos de noviembre y diciembre de 2019 con la técnica
seleccionada e indique cuál es la señal de control a utilizar.