EVIDENCIA # 3 ESTADÍSTICA APLICADA MET.

ALEJANDRA CERDA

NOMBRES: Acevedo Gutiérrez Mariana, Martínez Hernández Luis Said, Tijerina Aréchiga Oliverio
GRUPO: 053 FECHA: Martes 30 agosto 2022

Lea detenidamente las instrucciones y conteste lo que se pide indicando claramente el valor de la
respuesta. Ya que puede hacer uso de computadora debe indicar de forma clara el procedimiento
realizado.

I. Análisis gráfico y clasificación de series de tiempo. Considerando las series indicadas,

clasifique la serie en estacionaria o no estacionaria indicando si se debe a la media y/o a la
varianza según corresponda, llene la tabla incluyendo la evidencia que sustente la
clasificación asignada.
Nota:para los datos utilice install.packages(TSA) seguido de library(TSA)

SERIE DE TIEMPO hare

Estacionariedad en media

Donde los resultados de cada summary son los siguientes

Ya que t2 y t1 son similares, es posible elegir cualquiera de los dos y se grafica la tendencia.
Prueba de hipótesis:
Ho: B1=0, la regresión no es significativa
Ha: B1 dif 0 la regresión es significativa
Rechazamos H0 si P-valor<α
0.888<0.05
Por lo tanto, no rechazamos H0

El modelo NO es significativo y se observa que no tiene cambio.

Clasificamos la serie como: estacionaria en media

Estacionariedad en varianza
Prueba de hipótesis:
Ho: serie no estacionaria en varianza
Ha: serie estacionaria en varianza
Haciendo uso de la función adf.test

Rechazamos H0 si P-valor<α
0.06<0.05
Por lo tanto, no rechazamos H0

Clasificamos la serie como: no estacionaria en varianza

Clasificación asignada
No estacionaria; ya que a pesar de que en la media sí se cumpla, no lo es en varianza.
 SERIE DE TIEMPO hours

Estacionariedad en media

Donde los resultados de cada summary son los siguientes

Ya que t3 y t4 son similares, es posible elegir cualquiera de los dos y se grafica la tendencia.
Prueba de hipótesis:
Ho: B1=0, la regresión no es significativa
Ha: B1 dif 0 la regresión es significativa
Rechazamos H0 si P-valor<α
4.10E -09<0.05
Por lo tanto, rechazamos H0

El modelo es significativo y se observa que tiene cambio.

Clasificamos la serie como: no estacionaria en media

Estacionariedad en varianza
Realizando la prueba de hipótesis siguientes
Ho: serie no estacionaria en varianza
Ha: serie estacionaria en varianza
Haciendo uso de la función adf.test

Rechazamos H0 si P-valor<α
0.2156<0.05
Por lo tanto, no rechazamos H0

Clasificamos la serie como: no estacionaria en varianza

Clasificación asignada
No estacionaria; ya que es no estacionaria media y no estacionaria en varianza.
 II. Realice el modelado de aquella(s) serie(s) que hayan resultado estacionarias en I.
Debido a que a ninguna de las series es estacionaria, se omite la realización del siguiente apartado.

III. Realice un análisis de tendencia de la serie para aquella(s) que hayan resultado no estacionarias en
I.
A) Ajuste modelos de regresión: lineal, un modelo polinómico (cuadrático o cúbico) y un modelo
linealizable, indicando los resultados mediante la tabla auxiliar del análisis de tendencia.

SERIE DE TIEMPO hare

Prueba de significancia
ecuación Modelo lineal
MODELO R2
estimada asociado
hipótesis p valor conclusión
Rechazamos
h0 con 95%
- y* =- H0: B1=0 0.88<
de
lineal 121.48387+0.08387 121.48387+0.08387 VS HA: 0.05 -3.37%
confianza,
x x B1 diff 0
modelo no
significativo
Rechazamos
H0: B1=0 h0 con 95%
(1.145e-02)x^2 +(- y* =(1.145e-02)x^2
VS HA: 7.97E-12 de
cuadrático 4.389e+01)x + +(-4.389e+01)x + -6.9%
B1 diff < 0.05 confianza,
+4.209e+04 +4.209e+04
0 modelo
significativo
Rechazamos
H0: B1=0 h0 con 95%
y*= VS HA: 4.946E- de
exponencial ln(3.748)+0.077x* 73.32%
ln(3.748)+0.077x* B1 diff 10<0.05 confianza,
0 modelo
significativo
 SERIE DE TIEMPO hours

Prueba de significancia
Modelo lineal
MODELO ecuación estimada R2
asociado
hipótesis p valor conclusión
Rechazamos
H0: B1=0
h0 con 95%
- y* =- VS HA: 4.106E-
lineal de confianza, 44.23%
556.31190+0.30062x 556.31190+0.30062x B1 diff 09< 0.05
modelo
0
significativo
Rechazamos
H0: B1=0
(-1.299e-01)x^2 y* =(-1.299e-01)x^2 h0 con 95%
VS HA: 7.97E-
cuadrático +(5.159e+02)x + - +(5.159e+02)x + - de confianza, 57.78%
B1 diff 12<0.05
5.122e+05 5.122e+05 modelo
0
significativo
Rechazamos
H0: B1=0
h0 con 95%
VS HA: 2.2E-
exponencial ln(2.69)+0.024x* y*= ln(2.69)+0.024x* de confianza, 99.99%
B1 diff 16<0.05
modelo
0
significativo
 B) Realice la gráfica de dispersión de los datos sobreponiendo en el mismo plano el ajuste de los
modelos obtenidos en el inciso anterior. La grafica deberá incluir la leyenda adecuada

SERIE DE TIEMPO hare

Los tres modelos presentan un comportamiento similar al inicio, después la exponencial se distancia de
los modelos lineal y cuadráticos, y estos últimos siguen teniendo un comportamiento similar

SERIE DE TIEMPO hours

El modelo lineal y el modelo exponencial presentan un comportamiento muy similar, tanto así que se empalman
sus gráficas
 C) Concluya respecto a la clasificación de la tendencia de la serie lineal/no lineal
creciente/decreciente y el modelo que mejor la describe.

SERIE DE TIEMPO hare

Gracias a la información visual ofrecida en el gráfico, podemos observar que presenta una tendencia
creciente lineal, también que en este caso particular todos los modelos que gráficamente presentan
similares tendencias

Dada la información presentada en la tabla de modelos linealizables para el caso de la serie de tiempo
“Hare” el modelo que presenta un valor de R^2 mayor sería el modelo exponencial con un 73.32% y con
un p valor menor a alfa

SERIE DE TIEMPO hours

Gracias a la información visual ofrecida en el gráfico, podemos observar que presenta una tendencia
creciente lineal, también que en este caso particular hay dos modelos que gráficamente presentan
similares o iguales valores

Dada la información presentada en la tabla de modelos linealizables para el caso de la serie de tiempo
“Hours” el modelo que presenta un valor de R^2 mayor sería el modelo exponencial con un 99.99% y
con un p valor menor a alfa
 D) Incluya el pronóstico informal para el siguiente dato inmediato, posterior al fin de los registros de
la serie, realice la gráfica donde se muestra la serie original, la tendencia y con * el valor del
pronóstico.

SERIE DE TIEMPO hare

SERIE DE TIEMPO hours