PRONOSTICO DE LA DEMANDA

DE GAS NATURAL VEHICULAR

(GNV) PARA LA GESTIÓN 2020

INTEGRANTES
Ardaya Guzmán Camila 218003714
Cristaldo Garcia Alejandro 217014356
Cruz Gutiérrez Rony Amael 218015399
Paz Limón Natalia Yomardy 218039859 INGENIEROS
D
Rosales Alvis Daniela 217178421 E
L

S A N TA C R U Z , S E P T I E M B R E D E L 2 0 2 0 FUTURO
 introduccion

En este trabajo se presenta un modelo econométrico desarrollado para el pronóstico de la demanda de

Gas Natural Vehicular (GNV).
Para obtener esta estimación empleamos el análisis de regresión ya que es la herramienta principal para
obtener las estimaciones.
Los datos obtenidos fueron mediante serie de tiempo, con una muestra de 13 observaciones, que abarcan
desde el año 2006 al 2019, dicha muestra se utilizó para obtener el pronóstico del año 2020.
Los resultados obtenidos señalan que existe una relación directa o positiva entre el volumen
comercializado de GNV y las unidades vehiculares que hay en Bolivia.

JUSTIFICACIÓN
Se selecciono la Demanda del GNV como objeto de estudio, debido al incremento de conversiones que se
han dado a partir del año 2010. Demanda que se estima será de 885,391 millones de metros cúbicos en el
año 2020; esto equivale a un incremento del 12,13% en relación con la gestión 2019.
Análisis de gráficos
Descripcion de las variables
Modelo DE REGRESIÓN CON DOS
VARIABLES
ESTIMACIÓN DE LOS
PARÁMETROS
 INTERVALO DE CONFIANZA
n = 13 Grados de libertad = n – cantidad de parámetros; Gl = (13-2) = 11

Si 𝜶 = 𝟓%, entonces: 𝒕𝜶/𝟐 = 𝑡5%/2 = 𝑡2,5% = ࢚૙Ǥ૙૛૞ ൌ

૛Ǥ૛૙૚

n = 13 Grados de libertad = n – cantidad de parámetros; entonces Gl = (13-2) =

11 𝜷෡𝟏 = 𝑷𝒓ൣ𝜷෡𝟏 − 𝒕𝜶/𝟐𝒆𝒆൫𝜷෡𝟏൯≤ 𝜷𝟏 ≤ 𝜷෡𝟏 + 𝒕𝜶/𝟐𝒆𝒆൫𝜷෡𝟏൯൧= 𝟏 − 𝜶

Si 𝜶 = 𝟓%, entonces: 𝒕𝜶/𝟐 = 𝑡5%/2 = 𝑡2,5% = 𝒕𝟎.𝟎𝟐𝟓 = 𝟐. 𝟐𝟎𝟏
𝑃𝑟ሾ−0.0520 − 2.201ሺ0.0627ሻ≤ 𝛽1 ≤ −0.0520 + 2.201ሺ0.0627ሻሿ= 1 − 5%
𝑃𝑟ሾ−0.1900 ≤ 𝛽1 ≤ 0.0860ሿ= 95%
෡𝟐 =
𝜷 𝑷𝒓ൣ
ො
𝜷 − 𝒕𝜶/𝟐 𝒆𝒆൫
𝜷ො ൯≤ 𝜷𝟐 ≤ 𝜷ො + 𝒕𝜶/𝟐 𝒆𝒆൫
𝜷ො ൯
൧= 𝟏 − 𝜶
𝟐 𝟐 𝟐 𝟐 Amplitud = Lim. superior – Lim. inferior
𝑃𝑟ሾ1.7654 − 2.201ሺ0.5846ሻ≤ 𝛽2 ≤ 1.7654 + 2.201ሺ0.5846ሻሿ= 1 − 5%
𝑃𝑟ሾ0.4787 ≤ 𝛽2 ≤ 3.0521ሿ= 95% Amplitud = 0.0860 – (-0.0151) = 0.2760
Amplitud = Lim. superior – Lim. inferior

Amplitud = 3.0521 – 0.4787 = 2.5734 Dado el coeficiente de confianza de 95%, a largo plazo, en 95 de cada 100 casos, intervalos
Dado el coeficiente de confianza de 95%, a largo plazo, en 95 de cada 100 casos, intervalos como [-0.1900 – 0.0860] contendrán el verdadero 𝛽1 .
como [0.4787 – 3.0521] contendrán el verdadero 𝛽2 .
1.- Método del intervalo de confianza
Usando los valores del intervalo de confianza encontrado en el punto anterior, si 𝐻0 :𝛽2 = 2 y
𝐻1 : 𝛽2 ≠ 2 ¿se rechaza la hipótesis nula? ¿Es o no estadísticamente significativo?

𝑃𝑟ሾ0.4787 ≤ 𝐻0 : 𝛽2 = 2 ≤ 3.0521ሿ= 95%

PRUEBA DE HIPOTESIS
𝐻0 : 𝛽2 = 2
2.- Método de prueba de significancia. - Asumiendo que 𝜷𝟐 = 𝜷∗𝟐, entonces:

☞Prueba de significancia de dos lados o dos colas

0.4787 3.0521 Si 𝛽መ
2 = 1.7654; 𝑒𝑒൫ 𝛽መ
2 ൯= 0.5846; grados de libertad = 11; 𝛼 = 5%; 𝑡𝛼/2 = 2.201 Se plantea
que𝐻0 : 𝛽2 = 𝛽2∗ = 2 y 𝐻1 : 𝛽2 ≠ 2 ¿Se rechaza la hipótesis nula?
RESPUESTA: Se acepta la hipótesis nula, por lo tanto el hallazgo no es estadísticamente significativo.
𝑃𝑟ൣ𝛽2∗ − 𝑡𝛼/2 𝑒𝑒൫𝛽መ መ ∗ 𝛽መ
2 ൯≤ 𝛽2 ≤ 𝛽2 + 𝑡𝛼/2 𝑒𝑒൫ 2൯
൧= 1 − 𝛼

☞Prueba de significancia de un lado o una cola 𝑃𝑟ൣ2 − 2.201ሺ0.5846ሻ≤ 𝛽መ

2 = 0.5624 ≤ 2 + 2.201ሺ0.5846ሻ൧= 1 − 5%
Supóngase que la experiencia sugiere 𝐻0 :𝛽2 = 𝛽2∗ ≥ 0.9 y 𝐻1 : 𝛽2 < 0.9
𝑃𝑟ൣ0.7133 ≤ 𝛽መ
2 = 1.7654 ≤ 3.2867൧= 95%
ANÁLISIS LADO DERECHO

𝑃𝑟ൣ𝛽መ2 = 1.7654 ≤ 𝛽2∗ + 𝑡𝛼 𝑒𝑒൫𝛽መ2 ൯൧= 1 − 𝛼

𝑃𝑟ൣ𝛽መ2 = 1.7654 ≤ 2 + 2.201ሺ0.5846ሻ൧= 1 − 5%

𝑃𝑟ൣ𝛽መ2 = 1.7654 ≤ 3.2867൧= 95%

𝛽መ
2 = 1.7654 t= -0.4013

0.7133 3.2867 -2.201 2.201

𝛽መ2 = 1.7654 t= -0.4013

𝛽෡2 −𝛽2 1.7654−2
3.2867 2.201 𝑡= entonces: 𝑡 = = −0.4013
𝑒𝑒 ൫𝛽෡2 ൯ 0.5846

RESPUESTA: Se acepta la hipótesis nula, por lo tanto el hallazgo no es estadísticamente significativo

RESPUESTA: Se acepta la hipótesis nula, por lo tanto el hallazgo no es estadísticamente significativo.
 Modelo log-log
Yi VARIACIÓN % DEL VOLUMEN COMERCIALIZADO DE GNV
Xi VARIACIÓN % DE LAS UNIDADES VEHICULARES

n Yi Xi Yi X i X i2 xi  X i  X y i  Yi  Y x i2  i2 y i xi Yˆi uˆ i  Yi  Yˆi Yˆi uˆ i uˆ i2

n 1 2 3 4 5 6 7 8 8 9 10 11 12
1 3,54 2,79 9,8766 7,7841 0,5908 1,5346 0,3490 2,3550 0,9066 3,0295 0,5105 0,2606
2 3,34 3,02 10,0868 9,1204 0,8208 1,3346 0,6737 1,7812 1,0954 3,4283 -0,0883 0,0078
3 3,47 2,01 6,9747 4,0401 -0,1892 1,4646 0,0358 2,1451 -0,2772 1,6773 1,7927 3,2137
4 1,63 1,81 2,9503 3,2761 -0,3892 -0,3754 0,1515 0,1409 0,1461 1,3306 0,2994 0,0896
5 2,70 2,54 6,8580 6,4516 0,3408 0,6946 0,1161 0,4825 0,2367 2,5961 0,1039 0,0108
6 2,26 2,44 5,5144 5,9536 0,2408 0,2546 0,0580 0,0648 0,0613 2,4228 -0,1628 0,0265
7 2,49 2,30 5,7270 5,2900 0,1008 0,4846 0,0102 0,2349 0,0488 2,1801 0,3099 0,0961
8 1,65 2,28 3,7620 5,1984 0,0808 -0,3554 0,0065 0,1263 -0,0287 2,1454 -0,4954 0,2454
9 0,81 2,09 1,6929 4,3681 -0,1092 -1,1954 0,0119 1,4289 0,1306 1,8160 -1,0060 1,0121
10 0,77 2,16 1,6632 4,6656 -0,0392 -1,2354 0,0015 1,5262 0,0485 1,9374 -1,1674 1,3628
11 1,57 1,65 2,5905 2,7225 -0,5492 -0,4354 0,3017 0,1896 0,2391 1,0532 0,5168 0,2670
12 1,79 1,81 3,2399 3,2761 -0,3892 -0,2154 0,1515 0,0464 0,0838 1,3306 0,4594 0,2110
13 0,05 1,69 0,0845 2,8561 -0,5092 -1,9554 0,2593 3,8235 0,9957 1,1226 -1,0726 1,1504
SUMATORIA 26,0700 28,5900 61,0208 65,0027 0,0000 0,0000 2,1267 14,3453 3,6869 26,0700 0,0000 0,0000 7,9538
PROMEDIO 2,00538462 2,19923077
n= 13
 ESTIMACIÓN DE LOS PARÁMETROS DEL
Modelo log-log

ˆ 2 
 xi yi  1,7336 ˆ1  Y  ˆ 2 X  -1,8072  
cov ˆ1 , ˆ 2   X var ˆ 2   -0,74773181

 x i2
2
ˆ 
 ˆ i2
 0,723069 ˆ 
 ˆi2  0,850335 r2 
 xi yi  2 0,4455504 44,56 %
n2 n2  xi  y i
2 2

 
var ˆ 2 
ˆ 2
 0,339997 var  ˆ  
 X ˆ
i
2
2
 1,700055 r
 xi yi
 xi2 *  yi2 
0,6674956 66,75 %

 xi n x
2 1 2
i

 
ee ˆ 2 
ˆ
 0,583093  
ee ˆ 1 
X i
2

ˆ  1,303862
x 2
i n x i
2
 HETEROSCEDASTICIDAD / SUPUESTO N°4.

- Test de Durbin-Watson
AUTO CORRELACIÓN / SUPUESTO N° 5
Para ilustrar la AUTOCORRELACION asúmase el siguiente modelo:
- Análisis Gráfico
෡𝟏 + 𝜷
𝑮𝑵𝑽 = 𝜷 ෡𝟐 𝑽𝒆𝒉í𝒄𝒖𝒍𝒐𝒔 + 𝝁
ෝ

GNV: Variación % del vólumen comercializado de GNV

Vehículos: Variación % de las unidades vehiculares existentes
Identificamos 𝑑𝐿 y 𝑑𝑈 en la Tabla Estadístico 𝑑 de Durbin – Watson:

𝑘′ = 1 𝑛 = 13
𝑑𝐿 = 1,010 𝑑𝑈 = 1,340
Regla de Decisión
Si el Estadístico Durbin – Watson obtenido es mayor que 𝒅𝑼=𝟏, 𝟖𝟓𝟖𝟗 (D-W > 𝒅𝑳 ) no
hay evidencia de auto correlación serial positiva de primer orden.

(D-W > 𝒅𝑳) entonces: (1,8589 > 𝟏, 𝟎𝟏𝟎).

SPSS SIMPLEX