Describe con tus propias palabras qué significa una serie de tiempo
Enviado por locustwp13 • 17 de Septiembre de 2017 • Ensayo • 666 Palabras (3 Páginas) • 1.367 Visitas
Actividad: __4__ FECHA DE ENTREGA: 21 DE JUNIO DEL 2017
NOMBRE: __________________________________________ Calificación: _________
Realiza lo siguiente:
- Describe con tus propias palabras qué significa una serie de tiempo.
Datos estadísticos que se recopilan atreves del tiempo
- Enlista y define las componentes de una serie de tiempo:
- Tendencia Secular: es una serie de resultados de factores a largo plazo. La tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la propia serie que se consideran consecuencias de fuerzas persistentes que afectan el crecimiento o la reducción de la misma
- Variación estacional: Esta variación corresponde a los movimientos de la serie que recurren año tras año en los mismos meses (o en los mismos trimestres) del año
- Variación Cíclica: variación se mantiene después de que se han eliminado las variaciones o tendencias estacional e irregular.
- Variación Irregular: Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a la serie de tiempo. Como este componente explica la variabilidad aleatoria de la serie, es impredecible
- ¿Cuál de las cuatro componentes de una serie de tiempo se utilizaría para describir el efecto de las ventas navideñas de una tienda departamental de menudeo?
La Variación estacional.
- ¿Por qué es más fácil pronosticar valores para una serie de tiempo que contiene un componente estacional que uno que posee un componente cíclico?
Es más sencillo de pronosticar debido a que el componente estacional es repetitivo en periodos más cortos, son periodos de menos de un año. Mientras que el cíclico depende de periodos mayores de un año
- Los datos que se presentan a continuación corresponden al número de autos de pasajeros (en miles) en Francia durante los años 1970 a 2006.
Año | 1970 | 1975 | 1979 | 1980 | 1981 | 1982 | 1983 | 1984 | 1985 | 1986 |
Número de autos | 12470 | 15520 | 18440 | 19130 | 19750 | 20300 | 20600 | 20800 | 21090 | 21500 |
Año | 1987 | 1988 | 1989 | 1990 | 1991 | 1992 | 1993 | 1994 | 1995 | 1996 |
Número de autos | 21970 | 22520 | 23010 | 23550 | 23810 | 24020 | 24385 | 24900 | 25100 | 25500 |
Año | 1997 | 1998 | 1999 | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 |
Número de autos | 26090 | 26810 | 27480 | 28060 | 28700 | 29160 | 29560 | 29900 | 30100 | 30400 |
- Grafica el número de autos contra los años
[pic 2]
- ¿Qué componentes de la series de tiempo parecen estar presentes en esta serie?
Tendencia, por el crecimiento de los números de datos que está representando y se puede ver la serie de tiempo que en este caso es un periodo largo y aumenta en un ritmo constante.
- El gerente de un banco está interesado en reducir el tiempo que las personas esperan para ver a su asesor financiero. También le interesa la relación entre el tiempo de espera (Y) en minutos y el número de asesores atendiendo (X). Se registraron los siguientes datos:
[pic 3]
- Realiza el diagrama de dispersión y calcula el coeficiente de correlación. ¿Qué puedes interpretar del resultado obtenido del coeficiente de correlación?
Coeficiente de Correlación es Negativo (-0.8136) por lo tanto el diagrama de dispersión tiene una tendencia lineal negativa
X | 2 | 3 | 5 | 4 | 2 | 6 | 1 | 3 | 4 |
Y | 12.8 | 11.3 | 3.2 | 6.4 | 11.6 | 3.2 | 8.7 | 10.5 | 8.2 |
[pic 4]
- Una empresa refresquera está estudiando el efecto de su última campaña publicitaria. Se eligieron personas al azar y se les llamó para preguntarles cuántas latas de su refresco habían comprado la semana anterior y cuántos anuncios de su refresco habían leído o visto durante el periodo. Los datos se presentan a continuación:
[pic 5]
X | Y |
3 | 11 |
7 | 18 |
4 | 9 |
2 | 4 |
0 | 7 |
4 | 6 |
1 | 3 |
2 | 8 |
- Realiza el diagrama de dispersión y calcula el coeficiente de correlación. ¿Qué puedes interpretar del resultado obtenido del coeficiente de correlación?
El Coeficiente de Correlación es positivo 0.7867, el diagrama de dispersión indica una línea ascendente.
[pic 6]
- El siguiente conjunto de datos son las ventas semanales de un artículo de comida (en miles). Determinen el coeficiente de autocorrelación r1:
Coeficiente de Auto correlación es igual a 0[pic 7]
[pic 8]
- Enseguida se presentan los precios diarios al cierre (en dólares por acción). Realiza el diagrama de dispersión y prueba si existe autocorrelación en estos datos. Utiliza un alfa = 0.05.
[pic 9]
Periodo | Precio |
1 | 88.7 |
2 | 83 |
3 | 83.61 |
4 | 83.15 |
5 | 82.84 |
6 | 83.99 |
7 | 84.55 |
8 | 84.36 |
9 | 85.53 |
10 | 86.54 |
11 | 86.89 |
12 | 87.77 |
13 | 87.29 |
14 | 87.99 |
15 | 88.8 |
16 | 88.8 |
17 | 89.11 |
18 | 89.1 |
19 | 88.9 |
20 | 89.21 |
[pic 10]
[pic 11]
Periodo | Precio |
1 | 88.7 |
2 | 83 |
3 | 83.61 |
4 | 83.15 |
5 | 82.84 |
6 | 83.99 |
7 | 84.55 |
8 | 84.36 |
9 | 85.53 |
10 | 86.54 |
Coef.C. | 0.07334 |
Periodo | Precio |
11 | 86.89 |
12 | 87.77 |
13 | 87.29 |
14 | 87.99 |
15 | 88.8 |
16 | 88.8 |
17 | 89.11 |
18 | 89.1 |
19 | 88.9 |
20 | 89.21 |
Coef.C. | 0.90391 |
[pic 12]
...