ESTADÍSTICA INFERENCIAL – MA461

Solución Clase integral para el examen Final Sesión 2

Ciclo 2020_01 (AC)

CASO 1

Likor S.A es una empresa peruana dedicada a la importación, comercialización y distribución de bebidas
alcohólicas y productos afines. Debido a su política de precios competitivos, productos de excelente calidad
y buen servicio, se han convertido rápidamente en una de las mejores empresas surtidores de licores en
Lima.
El gerente comercial de la empresa desea ampliar el negocio, creando una planta distribuidora en
provincia. Para tomar esta decisión el área de presupuesto solicita la proyección de las ventas de los
trimestres II y III del presente año, y verificar si se logra superar las 13 mil unidades vendidas en cada uno
de los trimestres mencionados. Se tiene información de las ventas históricas desde el trimestre I del 2016,
en que se inició el negocio hasta el trimestre I del presente año.

Año Trimestres Yt: unidades vendidas

2016 I 5771,5
  II 8456
  III 7551
  IV 7356,7
2017 I 7375,1
  II 9384,8
  III 8981,2
  IV 8834,6
2018 I 8441,8
  II 10706,3
  III 10921,3
  IV 10317,4
2019 I 9925,4
  II 11354,4
  III 11250
  IV 11155,2
2020 I 12258

Con un nivel de significación del 5%, ayude al gerente de la empresa a tomar la decisión. Utilice promedios
móviles de periodo 3.

Solución
Interpretación
Determinar si el gerente comercial de la empresa debe ampliar el negocio, para crear una planta
distribuidora en provincia

Representación
Yt: unidades vendidas de bebidas alcohólicas y productos afines
Herramienta Estadística: Análisis de una serie de tiempo por descomposición por promedios móviles de
periodo 3.
Nivel de significación: α = 0.05

1
Cálculo/Análisis

AÑ TRIMES
O T Yt PMC=P=3 IE IEA Ysin estac t
201
5771,5
6 I     0,92137 6264,07182 1
  II 8456 7259,50000 1,16482 1,09317 7735,26937 2
  III 7551 7787,90000 0,96958 0,99610 7580,53240 3
  IV 7356,7 7427,60000 0,99045 0,98936 7435,84965 4
201
7375,1
7 I 8038,86667 0,91743 0,92137 8004,53194 5
  II 9384,8 8580,36667 1,09375 1,09317 8584,90492 6
  III 8981,2 9066,86667 0,99055 0,99610 9016,32600 7
  IV 8834,6 8752,53333 1,00938 0,98936 8929,65016 8
201
8441,8
8 I 9327,56667 0,90504 0,92137 9162,27003 9
10023,1333
10706,3
  II 3 1,06816 1,09317 9793,76945 10
10648,3333 10964,0138
10921,3
  III 3 1,02563 0,99610 4 11
10388,0333 10428,4033
10317,4
  IV 3 0,99320 0,98936 8 12
201 10532,4000 10772,4886
9925,4
9 I 0 0,94237 0,92137 9 13
10843,2666 10386,6299
11354,4
  II 7 1,04714 1,09317 2 14
11253,2000 11293,9994
11250
  III 0 0,99972 0,99610 1 15
11554,4000 11275,2171
11155,2
  IV 0 0,96545 0,98936 5 16
202 13304,1657
12258
0 I     0,92137 1 17

TRIMESTRES
PROMEDIO
AÑO 2016 2017 2018 2019 S
I   0,91743 0,90504 0,94237 0,92161
II 1,16482 1,09375 1,06816 1,04714 1,09347
III 0,96958 0,99055 1,02563 0,99972 0,99637
IV 0,99045 1,00938 0,99320 0,96545 0,98962
  SUMA 4,00107

CONSTANT
E DE
AJUSTE 4 0,99973
  4,00107  

TRIMEST IEA
I 0,92137
2
 (1,09317-1)*100%= 9,317%
En el II trimestre, las unidades vendidas de bebidas alcohólicas y
productos afines está por encima en un 9,317% con respecto al promedio
II 1,09317 de las unidades vendidas de bebidas alcohólicas y productos afines.
III 0,99610
(0,98936-1)*100%= -1,064%
En el IV trimestre, las unidades vendidas de bebidas alcohólicas y
productos afines está por debajo en un 1,064% con respecto al promedio
IV 0,98936 de las unidades vendidas de bebidas alcohólicas y productos afines.
SUMA 4,00000

REPORTES DEL EXCEL

Modelo Lineal

Modelo Cuadrático

Modelo Potencia

3
Modelo Exponencial

Modelos según el valor del coeficiente de determinación

Modelos R2 Orden
Lineal 0,9244 3°
Cuadrático 0,9251 2°
Exponencia
l 0,9271 1°
Potencial 0,8789 4°

Validación del modelo Exponencial

α = 0.05

TCalc = 0,0367/ 0,0027 = 13,8098

Tcrit( 0,025; 15) = ±2,1315

-2,1315 2,1315 13,10982

Decisión: Se Rechaza Ho
Conclusión: Con un nivel de significación de 0.05 se puede afirmar que, el modelo “Exponencial” es válido

4
 ln ^y =ln ^β0 + β^ 1 t modelo exponencial linealizado
ln ^y =8,8078251278+ 0,036720391t

Elevar a la e el valor de 8,8078251278 con la función exp del Excel.

Modelo estimado es: Y ^ =e8,8078251278 e 0,036720391t =6686,3615 e 0,036720391t

Calcular las estimaciones con todos los decimales de los parámetros en el Excel
^y =6686,36146 e0,0367 t

2020 TRIMESTRES t Yse IEA YCE=Pronósticos

12949,237
II 18 3 1,09317 14155,7773
13433,576
  III 19 5 0,99610 13381,2417
  13936,031
  IV 20 4 0,98936 13787,6917

Para los trimestres II y III, las estimaciones de unidades vendidas de bebidas alcohólicas y productos afines
es de 14156 y 13382 respectivamente.

Argumentación
Se sugiere al gerente comercial de la empresa ampliar el negocio, para crear una planta distribuidora en
provincia, debido a que las estimaciones obtenidas de los trimestres II y III, son mayores a 13 mil unidades.

CASO 2

En enero del 2015, un conocido conductor de televisión inauguró su tienda “Rock & Blues” en la galería ‘El
Paraíso’ en Gamarra. Usted ha sido contratado, por dicho conductor con el objetivo de aplicar una nueva
estrategia de marketing para elevar las ventas, para ello, le solicita pronosticar las ventas en miles de
dólares para los meses de junio a setiembre del 2020. Si el pronóstico de las ventas de los cuatro meses
mencionados es menor a 170 mil dólares, se optará por aplicar una nueva estrategia de marketing. A
continuación, se muestra el monto de las ventas realizadas desde el primer mes del 2017 hasta el mes de
mayo del 2020.

Meses 2017 2018 2019 2020

Enero 17,8 29,94 34,67 38,22
Febrero 15,54 25,78 38,35 30,43
Marzo 13,29 26,35 36,14 38,8
Abril 18,99 28,35 38,75 41,47
Mayo 12,25 21,90 34,80 42,28
Junio 18,27 24,71 40,07
Julio 22,58 31,49 42,64
Agosto 18,66 26,89 44,11
Setiembre 24,47 35,51 47,67
Octubre 34,09 36,13 50,76
Noviembre 38,62 40,59 52,33
Diciembre 39,91 42,69 54,81
5
¿Recomendaría aplicar la nueva estrategia de marketing? Utilizar nivel de significación de 5%.

Interpretación
Determinar si se debe aplicar una nueva estrategia de marketing

Representación

Y: Monto de las ventas (miles de dólares)

Herramienta Estadística: Análisis de una serie de tiempo por descomposición por promedios móviles
mensual.

Nivel de significación: α = 0.05

Calculo y análisis
Año
Meses Y= VENTAS PM PMC : p=12 IE= Y / PMC IEA Yse= Yt/IEA Tiempo = t
s
Enero 17,8       0,98690 18,03631 1
Febrero 15,54       0,93668 16,59054 2
Marzo 13,29       0,89093 14,91695 3
Abril 18,99       0,93496 20,31096 4
Mayo 12,25       0,76857 15,93877 5
Junio 18,27       0,86301 21,17007 6
2017 Julio 22,58 22,87250 23,37833 0,96585 0,97728 23,10484 7
Agosto 18,66 23,88417 24,31083 0,76756 0,86949 21,46091 8
Setiembre 24,47 24,73750 25,28167 0,96790 1,04340 23,45220 9
Octubre 34,09 25,82583 26,21583 1,30036 1,17172 29,09409 10
Noviembr
38,62 26,60583 27,00792 1,42995 1,25502 30,77249 11
e
Diciembre 39,91 27,41000 27,67833 1,44192 1,30205 30,65174 12
Enero 29,94 27,94667 28,31792 1,05728 0,98690 30,33749 13
Febrero 25,78 28,68917 29,03208 0,88798 0,93668 27,52278 14
Marzo 26,35 29,37500 29,83500 0,88319 0,89093 29,57574 15
Abril 28,35 30,29500 30,38000 0,93318 0,93496 30,32206 16
Mayo 21,90 30,46500 30,54708 0,71693 0,76857 28,49462 17
Junio 24,71 30,62917 30,74500 0,80371 0,86301 28,63232 18
2018 Julio 31,49 30,86083 31,05792 1,01391 0,97728 32,22193 19
Agosto 26,89 31,25500 31,77875 0,84616 0,86949 30,92625 20
Setiembre 35,51 32,30250 32,71042 1,08559 1,04340 34,03301 21
Octubre 36,13 33,11833 33,55167 1,07685 1,17172 30,83513 22
Noviembr
40,59 33,98500 34,52250 1,17575 1,25502 32,34219 23
e
Diciembre 42,69 35,06000 35,70000 1,19580 1,30205 32,78684 24
Enero 34,67 36,34000 36,80458 0,94200 0,98690 35,13028 25
Febrero 38,35 37,26917 37,98667 1,00956 0,93668 40,94254 26
2019
Marzo 36,14 38,70417 39,21083 0,92168 0,89093 40,56423 27
Abril 38,75 39,71750 40,32708 0,96089 0,93496 41,44549 28

6
 Mayo 34,80 40,93667 41,42583 0,84006 0,76857 45,27911 29
Junio 40,07 41,91500 42,42000 0,94460 0,86301 46,43048 30
Julio 42,64 42,92500 43,07292 0,98995 0,97728 43,63110 31
Agosto 44,11 43,22083 42,89083 1,02842 0,86949 50,73101 32
Setiembre 47,67 42,56083 42,67167 1,11713 1,04340 45,68723 33
Octubre 50,76 42,78250 42,89583 1,18333 1,17172 43,32110 34
Noviembr
52,33 43,00917 43,32083 1,20796 1,25502 41,69664 35
e
Diciembre 54,81 43,63250     1,30205 42,09526 36
2020 Enero 38,22       0,98690 38,72741 37
  Febrero 30,43       0,93668 32,48713 38
  Marzo 38,8       0,89093 43,54986 39
  Abril 41,47       0,93496 44,35470 40
  Mayo 42,28       0,76857 55,01152 41

Meses 2017 2018 2019 Promedio Constante de ajuste IEA

1,0572
Enero   0,94200 0,99964 0,98725 0,98690
8
0,8879
Febrero   1,00956 0,94877 0,98725 0,93668
8
0,8831
Marzo   0,92168 0,90244 0,98725 0,89093
9
0,9331
Abril   0,96089 0,94704 0,98725 0,93496
8
0,7169
Mayo   0,84006 0,77849 0,98725 0,76857
3
0,8037
Junio   0,94460 0,87415 0,98725 0,86301
1
1,0139
Julio 0,96585 0,98995 0,98990 0,98725 0,97728
1
0,8461
Agosto 0,76756 1,02842 0,88072 0,98725 0,86949
6
1,0855
Setiembre 0,96790 1,11713 1,05687 0,98725 1,04340
9
1,0768
Octubre 1,30036 1,18333 1,18685 0,98725 1,17172
5
Noviembr 1,1757
1,42995 1,20796 1,27122 0,98725 1,25502
e 5
1,1958
Diciembre 1,44192   1,31886 0,98725 1,30205
0
Suma de promedios = 12,15496 12,00000

Constante
12 0,98725
de ajuste =
  12,15496  

Modelo Cuadrático

7
Validación del modelo Cuadrático

α = 0.05

TCalc = -1,8505
TCrit = T(gle ; α/2) = T(38; 0.025) = ± 2,0244
Gráfica de distribución
T; df=14
TC = -0.885
0.4

0.3
Densidad

0.2

0.1

0.025 0.025
0.0
-2.1448 0 2.1448

- 2,0244 -1,8505 2,0244

Decisión: No Rechazar Ho
Conclusión: Con un nivel de significación de 5%, el modelo “Cuadrático” NO es válido

Modelo Potencia

8
α = 0.05

TCalc = 13,9399
T(39;0.025) = ± 2,0227

Gráfica de distribución
T; df=15
TC = 14.165
0.4

0.3
Densidad

0.2

0.1

0.025 0.025
0.0
-2.1315 0 2.1315

-2,0227 2,0227 13,9399

Decisión: Se rechaza HO
Conclusión: Con un nivel de significación de 0.05 se puede afirmar que, el modelo “Potencia” si es válido.

ln ^y =ln ^β0 + β^ 1 lnx modelo potencia linealizado

ln ^y =2,50518515+ 0,3418738lnx
ln ^β 0=¿ 2,50518515 elevar a exp el valor 2,50518515 con Excel e2,50518515 = 12,24582609

Calcular las estimaciones con todos los decimales de los parámetros en el Excel

Modelo Potencia estimado:

^y =12,24582609∗T 0,3418738

Pronósticos:

2020 Meses t Y sin estac IEA Pronóstico

  Junio 42 43,94753978 0,86301 37,92720
  Julio 43 44,3024999 0,97728 43,29615
  Agosto 44 44,65206798 0,86949 38,82443
  Setiembre 45 44,99644575 1,04340 46,94924
Suma = 166,99702

El pronóstico de las ventas de los cuatro meses (junio, julio, agosto y setiembre) es 166,997 mil dólares es
menor a 170 mil dólares.

Argumentación/Comunicación
Por lo que se sugiere, aplicar una nueva estrategia de marketing, debido a que la estimación es menor a
170 mil dólares.

9
10