Estadística y pronóstico para la toma de decisiones. Actividad: 3
Enviado por l2lira • 5 de Diciembre de 2016 • Apuntes • 846 Palabras (4 Páginas) • 504 Visitas
Nombre: Lizeth Lira Gandarilla Victor Omar Meza Medina | Matrícula: 2675091 2675902 |
Nombre del curso: Estadística y pronóstico para la toma de decisiones | Nombre del profesor: Lizel Barraza Espinosa |
Módulo: 2 | Actividad: 3 |
Fecha: Lunes, 22 de Febrero de 2016 | |
Bibliografía: |
Ejercicios a resolver:
- Define lo que significan los siguientes términos:
- Correlación
Ayuda a determinar si los cambios en una variable influyen en los cambios de otra, y en caso de que si sea así, se dice que las variables están correlacionadas.
- Auto correlación
Es como la correlación pero en esta, están desfasadas en el tiempo, es decir, que se presentan los mismos valores pero en diferentes tiempos.
- Promedio móvil
Es obtener un valor futuro de la variable que se está estudiando, mediante la serie de valores que ya se han obtenido.
- Suavizamiento exponencial
Es considerado como la evolución del método promedio ponderado, es utilizado para patrones aleatorios o nivelados para eliminar el impacto de elementos irregulares.
- Busca información de 20 casas en venta en donde las variables sean Y (metros de construcción) y X (metros de terreno); lleva a cabo lo que se indica:
- Realiza y describe el diagrama de dispersión.
[pic 2]
- Calcula e interpreta el coeficiente de correlación muestral r.
.61154151
- Responde a la siguiente cuestión en un terreno urbano. ¿A mayor cantidad en metros de construcción, mayor es el precio de la vivienda?
Si debido a que el valor de la vivienda siempre dependerá de los metros construidos que tenga el terreno, además de la zona en donde se encuentre.
- Busca información de los cetes a 28 días– semanal, periodicidad diaria y datos del Banco de México. Considera las últimas 20 cotizaciones de los cetes y realiza lo que se indica:
- Determina el coeficiente de autocorrelación r1
.735891443
- Determina la prueba de hipótesis de lo siguiente:
- Hipótesis nula: H0 : ρ1 = 0 (La autocorrelación es igual a cero).
- Hipótesis alternativa: Ha: ρ1≠ 0 (La autocorrelación es diferente de cero).
- Donde ρk es el coeficiente de autocorrelación poblacional en el lapso k.
[pic 3]
Entonces se dice que H0 se rechaza debido a que Rk es mayor que , además de que existe suficiente información para descartarla.[pic 4]
- ¿Existe autocorrelación entre los rendimientos de los CETES a 28 días?
No debido a que los datos mostrados no representan un desfase regular.
- Las llamadas de emergencia a un teléfono durante las últimas 24 semanas son éstas:
Semana | Llamadas | Semana | Llamadas | Semana | Llamadas |
1 | 50 | 9 | 35 | 17 | 55 |
2 | 35 | 10 | 20 | 18 | 40 |
3 | 24 | 11 | 15 | 19 | 35 |
4 | 40 | 12 | 40 | 20 | 60 |
5 | 44 | 13 | 55 | 21 | 75 |
6 | 34 | 14 | 35 | 22 | 50 |
7 | 20 | 15 | 25 | 23 | 40 |
8 | 30 | 16 | 55 | 24 | 65 |
- Realiza y describe un diagrama de dispersión.
[pic 5]
Podemos determinar que las llamadas realizadas se comportan de una manera cíclica ya que las llamadas tienen a subir y bajar con respecto
- Determina un promedio móvil con k=3 periodos y pronostica el valor para la semana 25.
[pic 6]
- Considera un pronóstico inicial de 50 llamadas durante la primera semana, y utilizando un suavizamiento exponencial con α = 0.10, desarrolla los pronósticos para el periodo comprendido entre las semanas 1 a 24. ¿Cuál es el pronóstico para la semana 25? Pronostica nuevamente cada periodo utilizando α = 0.6. Obtén el valor para la semana 25.
[pic 7]
[pic 8]
Podemos observar que utilizando un suvizamiento de .1 (serie 2), la gráfica se va a comportar de una manera menos variable en comparación del suavizamiento = .6 ya que presenta más subidas y decaídas en el número de llamadas realizadas.
...