Prctica Nro 1 Pronsticos para los proyectos

A. Objetivos.

Conocer los diferentes tipos de pronsticos que se pueden aplicar en la
formulacin de proyectos de inversin publica.

Calcular ecuaciones de regresin.

Encontrar el coeficiente de correlacin y determinacin entre dos series de
datos.

B. Marco Terico

1. Correlacin
La correlacin es el mtodo es el mtodo empleado para determinar el grado de
relacionamiento entre las variables que se estudian, para as determinar en que
medida una relacin funcional describe o explica de una forma adecuada la
relacin entre estas dos variables Se usa el trmino correlacin cuando se habla
de relaciones entre variables de experimentos bivariantes.
Los diversos tipos de correlacin que existen pueden ser:

2. Coeficiente de correlacin lineal de Pearson

Es una medida del grado de asociacin lineal entre las variables X e Y. Es un
nmero abstracto y se representa por r:

r=
((X-X)(Y-Y)) r=
nXY ( X )( Y )
(n-1) SXSY ( nX 2 ( X )2 )( nY 2 ( Y )2 )

2.1 Propiedades
r est siempre comprendido entre -1 y 1.
Si r = 1 r = -1 entonces los puntos de la muestra estn situados en lnea
recta (correlacin lineal perfecta).
Si r est prximo a 1 a -1, habr una asociacin lineal fuerte entre
ambas variables.
Si r es cercano a 0, habr una asociacin lineal muy dbil.
r no vara cuando en las variables se realiza un cambio de escala o de
origen. Esto demuestra que r no tiene dimensin

Docente: Ing. Ferly Urday Luna Pgina 1 de 22

 2.2 Dos consideraciones sobre el coeficiente de correlacin.
a) Se trata de una medida matemtica que luego hay que interpretar.
Aunque un alto grado de correlacin indique buena aproximacin a un
modelo matemtico lineal, su interpretacin puede no tener ningn
sentido. Por ejemplo puede haber un alto grado de correlacin entre las
ventas de celulares y el consumo de alcohol en Arequipa, pero ambas
variables estn claramente disociadas.

b) Aunque el grado de correlacin sea cercano a cero (pobre aproximacin

al modelo lineal) eso no significa que no haya relacin entre las dos
variables. Puede ser que dicha relacin sea no lineal.

3. Coeficiente de determinacin
El coeficiente de determinacin se calcula elevando al cuadrado el coeficiente de
correlacin y representa el porcentaje de la variacin explicada por la recta de
regresin. El coeficiente de determinacin r2, es una medida de la proximidad del
ajuste de la recta de regresin; cuanto mayor sea el valor de r2, mejor ser el
ajuste y mas til la recta de regresin como instrumento de prediccin. (r2 = 0.92
indica que de 100 pares de puntos 92 estn en la recta de regresin y 8 fueran de
la recta de regresin)

4. Mtodo de mnimos cuadrados para encontrar la ecuacin de regresin

Recordemos que el anlisis de regresin lo que persigue es determinar la relacin
funcional de la variable dependiente Y con respecto a la variable independiente X
con el fin de predecir valores de Y.

A continuacin desarrollaremos un modelo matemtico (ecuacin de la lnea) para

expresar la relacin entre dos variables y para estimar el valor de la variable
dependiente Y basndonos en el valor de la variable independiente X. La tcnica
que se utiliza para desarrollar la ecuacin de la lnea y hacer estas predicciones,
se le llama anlisis de regresin.
El principio matemtico con base con el cual se traza la ecuacin de la lnea y se
predicen los valores de Y, se conoce con el nombre de mnimos cuadrados. Este
principio consiste en trazar una lnea sobre la grfica de dispersin de los valores
de modo que la suma de los cuadrados de la distancia vertical entre el valor real
de Y y su valor predictorio, sea la cantidad ms pequea posible.
Entonces la ecuacin lineal que se tiene que encontrar es:

Y* = a + bX
Donde:

Y*= Se lee Y asterisco, es el valor predictorio de la variable Y para un valor

seleccionado de X.
a= Es la interseccin con el eje Y. Es el valor estimado de Y cuando X = 0.
b= Es la pendiente de la lnea, o el cambio promedio en Y* por cada cambio
en una unidad de la variable independiente X.
X= Es el valor que se escoge para la variable independiente.
A los valores a y b se les conoce como coeficientes de regresin y se
calculan con las siguientes frmulas:

y bx nxy xy
a= b=
n nx 2 ( x )2
Docente: Ing. Ferly Urday Luna Pgina 2 de 22
5. Varianza de la regresin poblacional 2.
Una vez que se ha determinado la recta de regresin Y = a + bX es de suma
prioridad saber su utilidad, siendo esta la de predecir valores de Y para valores
determinados de X. Si se hace una prediccin seria razonable conocer la
respuesta de la interrogante: Qu tan confiable es la prediccin que se acaba de
determinar?
La respuesta a la pregunta anterior depende de la variabilidad de los valores de Y
con respecto a la recta de regresin.
Una medida que indica el grado de variabilidad o dispersin o concentracin en
torno a la lnea de regresin es la varianza de la regresin poblacional, que se
denota por 2 o por Y2 y se define por:
X
N 2

( yi Y ) Donde N es el tamao
(
2 = E Y Y
X
) = i =1

N
X
de la poblacin

La raz cuadrada de esta varianza es la regresin estndar de la regresin en la

poblacin. Una estimacin insesgada de 2 es la varianza de la regresin muestral
que se denota por s2 y se define por:
n 2 n n n

SCE ( yi $y i ) yi2 a yi b xi yi
s2 = = i =1
= i =1 i =1 i =1

n2 n2 n2
Donde, el numerador es la suma de los cuadrados de los errores alrededor de la
lnea de regresin y el denominador, n-2, representa los grados de libertad (se le
quitan 2 valores a n porque corresponden al numero de coeficientes de regresin).

La raz cuadrada de la varianza de la regresin muestral, es la desviacin estndar

muestral de la regresin, denotada por s. Este valor es conocido tambin como
error estndar de estimacin.

6. Anlisis de la varianza para

El anlisis de la varianza es un mtodo que utiliza la estadstica F para probar la
significacin de la ecuacin de regresin muestral o existencia de regresin en la
poblacin.
Las hiptesis nula y alternativa para esta prueba son:

H0: = 0 contra H1: 0

Se siguen todos los pasos para el anlisis de la varianza de ms de dos medias

poblacionales, resumindose los clculos en la siguiente tabla:

Fuente de Suma de Grados de Cuadrados Razn F

Variacin Cuadrados Libertad Medios calculada
SCR
CMR = CMR
Regresin SCR 1 1 Fcal =
CME
SCE
Error SCE n-2 CME =
n2

Total SCT n-1

Docente: Ing. Ferly Urday Luna Pgina 3 de 22

Donde:

SCT=y2 -n(y)2 SCR=b ( xy-n(x)(y)) SCE=SCT-SCR

7. Intervalo de confianza para la media de Y

1 (x0 -x)2
y0 t 0 s +
n (xi -x)2

Donde: t0 =tn-2; es un valor t de student con n - 2 grados de libertad.

8. Intervalo de prediccin para y0.

2
0 t0s 1+ 1 + (x0 -x) 2
y
n (xi -x)

C. Aplicaciones
Problema Nro 1
Lori Franz, supervisora de mantenimiento de Baltimore Transit Authority, quisiera
determinar si existe una relacin positiva entre los costos anuales de mantenimiento
de un autobs y su edad. Si existe tal relacin, Lori cree que puede hacer un mejor
trabajo si pronostica el presupuesto anual para el autobs. Ella recopil los datos d la
tabla P.1
a) Grafique un diagrama de dispersin.
b) Qu clase de relacin existe entre estas dos variables?
c) Calcule el coeficiente de correlacin.
d) Determine la recta de mnimos cuadrados.
e) Pruebe la significancia de la pendiente de la regresin en el nivel de significancia
0.05. Esta regresin es significativa? Explique.
f) Pronostique el costo anual del mantenimiento de un autobs de 5 aos.

Tabla Nro 1
Autobus Costo de mantenimiento ($) Edad (aos)
Y X
1 859 8
2 682 5
3 471 3
4 708 9
5 1094 11
6 224 2
7 320 1
8 651 8
9 1049 12
Fuente: Dpto Mnto de Baltimore Transit Authority

Solucin
Punto (a), primero solucionaremos con el Excel.
Paso 1.- Se introducen los datos en una hoja de clculo, y se seleccionan los
valores a graficar, para nuestro caso es el rango C3:D11.

Docente: Ing. Ferly Urday Luna Pgina 4 de 22

 Paso 2.- Se inicia el asistente para grficos, ( ) y se escoge el tipo de grafico.

Se escoge el tipo de
grafico.
Luego se puede cambiar
el subtipo

Finalmente se presiona
siguiente

Se configuran las opciones

apropiadamente.

Paso 3.- Finalmente el grafico queda terminado.

Docente: Ing. Ferly Urday Luna Pgina 5 de 22

 Diagrama de dispersin

1200

1000 En el presente

Costo de Mantenimiento
diagrama se puede
800 notar que parece
existir cierta relacin
600
lineal, directamente
400 proporcional, entre
las variables tiempo
200
de vida y costo de
0 mantenimiento
0 3 6 9 12 15
Tiem po de vida

(b) Qu clase de relacin existe entre estas dos variables?

La relacin que existe entre estas variables es positiva, ello debido a que segn se
puede apreciar en el diagrama de dispersin, la relacin es directamente proporcional,
es decir que si aumenta el tiempo de vida tambin aumenta el costo de
mantenimiento.

(c) Calculo del coeficiente de correlacin.

Introducimos los datos en una hoja de clculo, segn se aprecia en la figura siguiente:

Luego utilizamos las siguientes formulas:

nXY ( X )( Y )
r=
2 2 2 2 r=
((X-X)(Y-Y))
( nX ( X ) )( nY ( Y ) ) (n-1) SXSY
948665-596058 8951.44
r= =0.9377 r= =0.9377
(9513-(59) )(94799724-(6058) )
2 2 (9-1)3.9721300.42

Tambin se pueden usar funciones de Excel, como:

Docente: Ing. Ferly Urday Luna Pgina 6 de 22

FUNCIN: PEARSON
Devuelve el coeficiente de correlacin producto o momento r de Pearson, r, un ndice
adimensional acotado entre -1,0 y 1,0 que refleja el grado de dependencia lineal entre
dos conjuntos de datos.
Sintaxis
=PEARSON(matriz1;matriz2)
Matriz1 es un conjunto de valores independientes.
Matriz2 es un conjunto de valores dependientes.

FUNCIN: COEF.DE.CORREL
Devuelve el coeficiente de correlacin entre dos rangos de celdas definidos por los
argumentos matriz1 y matriz2. Use el coeficiente de correlacin para determinar la
relacin entre dos propiedades. Por ejemplo, para examinar la relacin entre la
temperatura promedio de una localidad y el uso de aire acondicionado.
Sintaxis
COEF.DE.CORREL(matriz1;matriz2)
Matriz1 es un rango de celdas de valores.
Matriz2 es un segundo rango de celdas de valores.

Entonces los clculos de r, quedaran de la siguiente manera:

d) Determinacin de la recta de mnimos cuadrados

Para determinar los coeficientes de la recta de regresin, se puede utilizar estas
ecuaciones:

y bx nxy xy
a= b=
n nx 2 ( x )2
En Excel se hace uso de las funciones:

FUNCIN: INTERSECCION.EJE
Calcula el punto en el que una lnea intersecar el eje y utilizando los valores X e Y
existentes. El punto de interseccin se basa en el mejor ajuste de la lnea de regresin
trazado con los valores X y los valores Y. Utilice la funcin INTERSECCION.EJE para
determinar el valor de la variable dependiente cuando la variable independiente es
igual a 0 (cero). Por ejemplo, puede emplear la funcin INTERSECCION.EJE para
predecir la resistencia elctrica de un metal a 0 C si los puntos de datos se han
tomado a temperatura ambiente o superior.

Sintaxis
INTERSECCION.EJE(conocido_y;conocido_x)
Conocido_y es el conjunto de observaciones o datos dependientes.
Conocido_x es el conjunto de observaciones o datos independientes.

Docente: Ing. Ferly Urday Luna Pgina 7 de 22

PENDIENTE
Devuelve la pendiente de una lnea de regresin lineal creada con los datos de los
argumentos conocido_x y conocido_y. La pendiente es la distancia vertical dividida por
la distancia horizontal entre dos puntos cualquiera de la recta, lo que corresponde a la
tasa de cambio a lo largo de la lnea de regresin.
Sintaxis
PENDIENTE(conocido_y;conocido_x)
Conocido_y es una matriz o rango de celdas de puntos de datos numricos
dependientes.
Conocido_x es el conjunto de puntos de datos independientes.

Entonces la recta de mnimos cuadrados es: Y = 208.203 + 70.92X

Otra forma de encontrar dicha recta es por el mtodo grafico en el Excel, para ello se
hace clic derecho en cualquier punto del diagrama de dispersin y se escoge agregar
lnea de tendencia.
Diagrama de dispersin y = 70.918x + 208.2
2
R = 0.8792
1200

1000
Costo de Mantenimiento

800

600

400

200

0
0 3 6 9 12 15
Tiem po de vida

Donde R2, representa el coeficiente de determinacin, el cual se interpreta diciendo

que el 87.92% de los valores de y quedan explicados o dependen directamente de X,
existiendo un 22.08% de valores de Y que no quedan representados por la ecuacin
de regresin calculada.

Docente: Ing. Ferly Urday Luna Pgina 8 de 22

 R2, se obtiene en la prctica elevando el valor de r al cuadrado.

e) Prueba ANOVA para el anlisis de regresin

Para realizar este anlisis en Excel, se activa men herramientas Anlisis de datos y
se escoge regresin:

Luego de aceptar, se obtiene el siguiente resultado:

Resumen

Estadsticas de la regresin
Coeficiente de
correlacin mltiple 0.93767326
Coeficiente de
determinacin R^2 0.87923114
R^2 ajustado 0.86197845
Error tpico 111.60975
Observaciones 9

ANLISIS DE
VARIANZA
Grados de Suma de Promedio de Valor crt
F
libertad cuadrados cuadrados de F
Regresin 1 634819.73 634819.73 50.96196 0.0001871
Residuos 7 87197.15 12456.73
722016.888
Total 8 9

Coeficientes Error tpico Estadstico t Prob Inf 95% Sup 95%

Intercepcin 208.203 75.0017941 2.77597819 0.02745673 30.852283 385.554406
Variable X 1 70.918 9.93423031 7.13876481 0.00018719 47.427411 94.4088557

Analizando los resultados, tenemos:

Docente: Ing. Ferly Urday Luna Pgina 9 de 22


La tabla ANOVA para anlisis de regresin tiene el siguiente formato:

Fuente de Suma de Grados de Cuadrados Razn F

Variacin Cuadrados Libertad Medios calculada
SCR
Regresin CMR = CMR
SCR 1 1 Fcal =
CME
SCE
Error SCE n-2 CME =
n2

Total SCT n-1

Donde:

SCT=y2 -n(y)2 SCR=b ( xy-n(x)(y)) SCE=SCT-SCR

XY=48665 Y 2=4799724 Y=673.111 X=6.555 b=70.9181 n=9

Entonces la Tabla ANOVA calculada es:

Fuente SC GL CM Fcal Prob Fcrit

Regresin 634819.73 1 634819.73 50.96 0.00018719 5.59
Error 87197.15 7 12456.74
Total 722016.89 8 90252.11

Las hiptesis de trabajo quedan expresadas como:

H0: = 0 contra H1: 0
Entonces dado que FCal = 50.96 RC, o p = 0.000187 < , aceptamos H1 y
rechazamos H0, por lo tanto se puede validar la ecuacin de regresin al 5% de error
o podemos afirmar que la pendiente de la recta de regresin es diferente de cero.

El error tpico es la desviacin estndar de la regresin y se calcula con la formula:

n 2 n n n

SCE ( y $y )
i i y 2
i a yi b xi yi
s2 = = i =1
= i =1 i =1 i =1

n2 n2 n2
2
n X Y Yi (Y-Yi)
1 8 859 775.5484155 6964.166957
2 5 682 562.7940141 14210.06708
3 3 471 420.9577465 2504.227137
4 9 708 846.4665493 19172.98527
5 11 1094 988.3028169 11171.89451
6 2 224 350.0396127 15885.98396
7 1 320 279.1214789 1671.05349
8 8 651 775.5484155 15512.3078
9 12 1049 1059.220951 104.4678333
59 6058 87197.15405

87197.15
s== 111.61
92

El coeficiente de determinacin se puede calcular con la relacin:

Docente: Ing. Ferly Urday Luna Pgina 10 de 22

 SCR
R 2=
SCT
634819.73
R 2= =0.8792
722016.89

El coeficiente de determinacin corregido se calcula
CME
R& 2=R 2=1-
CMT

2 12456.74
R =1- =0.861978
90252.11

Los coeficientes de la recta de regresin son:

Coeficientes
Intercepcin 208.203
Variable X 1 70.918

Y*=Y=Y=209.203+70.918X
i

La recta de regresin tambin es representada por: Y = b0 + b1X

Las pruebas de hiptesis para cada uno de los coeficientes de la recta de
regresin, estn expresadas en a la derecha de dichos coeficientes y en ambos
casos se utiliza la distribucin t de student.

Desviacin estndar estimada de b1

s
s b1 =
2

X 2

( X i )
i
n

X = 59
2
X = 513
n= 9
sx = 9.934230312

Para la Prueba de Hiptesis individual, el estadstico t se calcula por:

b1
t=
sb1

70.918
t= = 7.139
p= 0.000187190 9.934

f) Pronstico para un costo anual de mantenimiento de 5 aos

Y*=Y=Y=209.203+70.918X
i

Y* = 209.203 + 70.918(5)
Y* = 562.794

Docente: Ing. Ferly Urday Luna Pgina 11 de 22

Problema Nro 2
Ejercicio aplicativo de series de tiempo
Con los datos que se presentan en la tabla Nro 2, realizar un pronostico para los
prximos 5 aos, haciendo uso del mtodo de los mnimos cuadrados con tendencia
lineal.
Tabla Nro 2.- Gastos en capacitacin
de la empresa INSUR

Ao Gasto
1995 14.8
1996 20.6
1997 22.1
1998 19.3
1999 20.6
2000 25.6
2001 26.5
2002 28.5
2003 26.8
2004 28.7
2005 35.1
2006 37.0
2007 30.5
FUENTE.- Dpto de RRHH - enero del 2008

Para trabajar este ejercicio en Excel, se puede proceder de la siguiente manera:

Problema Nro 3
Encontrar la ecuacin de tendencia para los siguientes datos: (Utilizar un modelo lineal
o uno que se pueda linealizar)

Docente: Ing. Ferly Urday Luna Pgina 12 de 22

 X Y
1.5 2.6
2 2.4
3 1.2
3.5 1.8
4 1.6
5 1.4

Se utiliza la opcin agregar lnea de tendencia de Excel para un diagrama de

dispersin

y = -0.34x + 2.91 y = 3.1251x-0.532

3 3
R2 = 0.6202 R2 = 0.6247
2.5 2.5

2 2

1.5 1.5

1 1

0.5 1 0.5 2
0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

y = -1.0456Ln(x) + 2.9566
y = 3.0498e-0.1728x
R2 = 0.71 3
3 R2 = 0.5443
2.5
2.5
2
2
1.5
1.5
1
1
0.5
0.5
3 4
0
0
0 1 2 3 4 5 6
0 1 2 3 4 5 6

De lo 4 modelos anteriores, se selecciona el Nro 3, por presentar un mayor coeficiente

de determinacin.

Problema Nro 4

Realizar un pronostico cuando el valor de X = 6, para el siguiente conjunto de datos.

Docente: Ing. Ferly Urday Luna Pgina 13 de 22

 X Y
1.2 4.5
1.8 5.9
3.1 7
4.9 7.8
5.7 7.2
7.1 6.8
8.6 4.5
9.8 2.7

Solucin
Se utiliza la opcin agregar lnea de tendencia de Excel, con un modelo polinomial de
grado 2 (Parbola de mnimos cuadrados)

2
y = -0.211x + 2.0649x + 2.5878
10 2
R = 0.9823
8

0
0 2 4 6 8 10 12

Ahora como X tiene el valor 6 entonces para hallar Y se tiene:

Y = 2.5878 + 2.0649(6) 0.211(6)2

Y=

Problema Nro 5
Aplicacin de series de tiempo con varios valores por ao, uso del ndice estacional
ajustado para pronosticar

Mtodo de la razn de promedio mvil.

Caso: Empresa de Acido Sulfurico

Una planta productora de acido sulfrico, ha venido posicionndose en el mercado,
para ello se presenta la evolucin de sus ventas trimestrales, en miles de barriles
aprox. La capacidad mxima de la planta es de 550000 barriles por ao. Si una
ampliacin de la misma, desde que se hacen los pedidos de las maquinarias, hasta
que estas se instalan y prueban, demora 6 meses. Ayude al gerente de produccin a
decidir cual es el tiempo mximo en el que debe proponer a gerencia general el inicio
de la expansin de la fbrica, si se desea cumplir al 100% con los pedidos de los
clientes en todo momento.

Docente: Ing. Ferly Urday Luna Pgina 14 de 22

Tabla: Ventas en miles de barriles
Ao
Trimestre 2002 2003 2004 2005 2006
I 197 283 278 268 339
II 408 449 491 465 505
III 307 372 288 332 345
IV 184 169 213 225 244

Realice un pronstico para los trimestres de los prximos 2 aos y responda la

interrogante anterior.

Solucin
Para dar solucin a este problema se deben seguir los siguientes pasos:

a) Colocar los datos, segn el formato de la tabla Nro 3

b) En el paso Nro 1 (Columna 4), se calcula el total mvil de los cuatro trimestres.
c) En el paso Nro 2 (Columna 5), se calcula el promedio mvil de cuatro trimestres.
d) En el paso Nro 3 (Columna 6), se calcula el promedio mvil centrado,
considerando dos trimestres para dicho clculo.
e) En el paso Nro 4 (Columna 7), se calcula el porcentaje del valor real con respecto
al valor promedio mvil centrado. Para ello se usa la siguiente formula:

Re al
%Valor Re al = 100
Pr omedio Movil

Tabla: Calculo del promedio mvil centrado de cuatro trimestres.

Ao Trimestre Produccin Total Movil Prom. Movil Pro_Mo_Cen %_Valor_Real

(1) (2) (3) (4) (5) (6) (7) = (3)/(6)
I 197 --
II 408 1096 274 --
2002
III 307 1182 295.5 284.75 107.81%
IV 184 1223 305.75 300.625 61.21%
I 283 1288 322 313.875 90.16%
II 449 1273 318.25 320.125 140.26%
2003
III 372 1268 317 317.625 117.12%
IV 169 1310 327.5 322.25 52.44%
I 278 1226 306.5 317 87.70%
II 491 1270 317.5 312 157.37%
2004
III 288 1260 315 316.25 91.07%
IV 213 1234 308.5 311.75 68.32%
I 268 1278 319.5 314 85.35%
II 465 1290 322.5 321 144.86%
2005
III 332 1361 340.25 331.375 100.19%
IV 225 1401 350.25 345.25 65.17%
I 339 1414 353.5 351.875 96.34%
II 505 1433 358.25 355.875 141.90%
2006
III 345 --
IV 244 --

Docente: Ing. Ferly Urday Luna Pgina 15 de 22

Grafico: Serie temporal, promedio mvil centrado y lnea de tendencia.

600

500

400

300

200

100

0
0 5 10 15 20 25

f) En el paso Nro 5, reunir todos los porcentajes reales con respecto a los valores
promedio mvil que se encuentran en la columna 7 de la tabla Nro 3 y organizarlos
por trimestres, ver tabla Nro 4

Tabla: Porcentajes de valores reales

Trimestre Trimestre Trimestre
Ao I II III Trimestre IV
2002 -- -- 107.81% 61.21%
2003 90.16% 140.26% 117.12% 52.44%
2004 87.70% 157.37% 91.07% 68.32%
2005 85.35% 144.86% 100.19% 65.17%
2006 96.34% 141.90% -- --

Una vez reunidos los porcentajes de valores reales se proceder a calcular la media
modificada. Los valores estacionales que se han recuperado para los trimestres,
todava contienen las componentes cclica e irregular de la variacin de la serie
temporal. Al eliminar los valores mas alto y mas bajo de cada trimestre, se reducen
estas variaciones cclicas e irregulares extremas.

Trimestre I II III IV
Media Modificada 88.93%143.38%104.00% 63.19%

Por ejemplo, el valor 88.93, es el resultado de promediar 90.16 con 87.70, los valores
85.35 y 96.34 han sido eliminados para el primer trimestre. Repetir este proceso para
los dems trimestres.

g) En el paso Nro 6, se proceder a calcular los ndices temporales ajustados.

Indice Constante ndice Temporal

Trim
Desajustado ajuste Ajustado
I 88.93% 1.001251564 89.04%
II 143.38% 1.001251564 143.56%
III 104.00% 1.001251564 104.13%

Docente: Ing. Ferly Urday Luna Pgina 16 de 22

 IV 63.19% 1.001251564 63.27%
399.50% 400.00%

Calculo de la constante de estacionalidad

Suma deseada 400%
Suma de ndices 399.50%

Constante de
estacionalidad 1.001251564

Nota.- Para calcular la constante de estacionalidad, se usa la siguiente formula:

Suma Deseada
Cons tan te Estacionalidad =
Suma Indices

h) En el paso Nro 7, se proceder a realizar la desestacionalizacin de los datos,

para ello se debe dividir cada valor entre el ndice estacin ajustado
correspondiente a su respectivo trimestre, y con los datos se proceder a
encontrar la ecuacin de tendencia, haciendo uso del mtodo de los mnimos
cuadrados para la tendencia desestacionalizada.

Tabla: Datos Desestacionalizados

Produccin Produccin Produccion
X Ao Trimestre
Real Desestacionalizada Pronosticada

1 I 197 221.25 272.68

2 II 408 284.20 277.46
2002
3 III 307 294.82 282.24
4 IV 184 290.82 287.02
5 I 283 317.83 291.81
6 II 449 312.76 296.59
2003
7 III 372 357.25 301.37
8 IV 169 267.11 306.16
9 I 278 312.22 310.94
10 II 491 342.02 315.72
2004
11 III 288 276.58 320.51
12 IV 213 336.65 325.29
13 I 268 300.99 330.07
14 II 465 323.91 334.86
2005
15 III 332 318.83 339.64
16 IV 225 355.62 344.42
17 I 339 380.73 349.21
18 II 505 351.77 353.99
2006
19 III 345 331.32 358.77
20 IV 244 385.65 363.56

a= 267.8917644 Y = 267.89 + 4.78X

b= 4.783245626

i) Finalmente se calcula el pronstico haciendo uso de la ecuacin de pronstico y se

estacionalizan los valores hallados multiplicndolos por el ndice estacional
ajustado segn corresponda a cada trimestre.

Docente: Ing. Ferly Urday Luna Pgina 17 de 22

Tabla: Pronstico Estacionalizado
Pronostico Pronostico
X Ao Trimestre
Desestacionalizado Estacionalizado

21 I 368.34 327.97
22 II 373.12 535.66
2007
23 III 377.91 393.51
24 IV 382.69 242.13
25 I 387.47 345.01
26 II 392.26 563.12
2008
27 III 397.04 413.44
28 IV 401.82 254.23
29 I 406.61 362.04
30 II 411.39 590.59
2009
31 III 416.17 433.36
32 IV 420.96 266.34

Grafico: Serie temporal, serie desestacionalizada y lnea de tendencia

600

500

400

300

200

100

0
0 5 10 15 20 25

Conclusin: Como se puede ver en la tabla Nro 6, se exceder la capacidad mxima

de produccin en el II trimestre del ao 2008, por lo tanto se debera comenzar la
ampliacin de las instalaciones a mas tardar al finalizar el tercer trimestre del 2007.

Docente: Ing. Ferly Urday Luna Pgina 18 de 22

Ejercicios Planteados
1. Industrias Peruanas S.A., (INPESA), es una empresa que se dedica a la
produccin y comercializacin de productos embutidos en todo el territorio peruano,
cuenta con agencias en 10 ciudades del pas, a continuacin se presenta la
cantidad de vendedores por agencia que posee esta empresa.

Nro Vendedores 2 6 8 8 12 16 20 20
Ventas Mensuales
58 105 88 118 117 137 157 169
Miles de $

Realizar un pronostico si se piensa aperturar una agencia con 5 vendedores.

Utilice la ecuacin lineal de tendencia.

2. Compras de alimentos de un programa de asistencia alimentara del gobierno en

miles de soles
Aos Compras
2000 70.40
2001 66.50
2002 70.70
2003 51.90
2004 80.90
2005 90.00
2006 93.20
2007 87.90

a) Con los datos presentados elaborar un diagrama de series de tiempo y sacar

conclusiones del resultado.
b) Encontrar el coeficiente de correlacin y determinacin e interpretar el
resultado.
c) Hallar la ecuacin de mnimos cuadrados con tendencia lineal.
d) Realizar un pronostico para los aos 2008 2015.

3. Con la siguiente informacin

Produccin de tomate en el departamento de Arequipa

Ao Produccin
1990 5913
1991 6880
1992 5285
1993 5595
1994 5752
1995 5110
1996 9644
1997 12318
1998 12447
1999 12018
FUENTE: Direccin Regional Agraria de Arequipa - OIA

Docente: Ing. Ferly Urday Luna Pgina 19 de 22

 a) Realizar el mejor pronostico para los aos 2000 2005.
b) Buscar informacin acerca de la produccin histrica de tomate en
Arequipa y comparar los datos reales con los pronosticados.
c) Con todos los datos reales (1990 200?) encontrar una nueva ecuacin
de tendencia y realizar un pronstico hasta el ao 2015.

4. La siguiente semana. Stan se dirigi a Laurel para pedirle algunos datos para su
prxima reunin sobre ventas.

Si recuerdas las primeras plticas que tuvimos sobre la historia de la compaa le

dio, recordars que te dije como os sellos y el equipo para sellar, nuestra lnea de
produccin ms extensa, son la piedra angular de nuestras ventas. De hecho es la
lnea de productos con la que, bsicamente empez el negocio el Seor Douglas.
Como estn las cosas, tambin es la lnea de productos que genera mayor nuestro
mayor porcentaje de cobertura Hay algo que puedas hacer, como diagramas o
grficas, que pudiera ilustrar el comportamiento de las ventas de sellos durante los
ltimos diez aos o algo as? Tengo datos de las ventas por da o por mes con los
que puedes trabajar.
Qu tal si desestacionaliz los datos para mostrar una tasa de crecimiento ms
precisa? Sugiri Laurel. Puedo utilizar las cifras sobre ventas mensuales y generar
algunas grficas que muestren las tendencias. Calculando una estimulacin de
mnimos cuadrados, tambin podr darte una herramienta aproximado para que
puedas predecir la venta de sellos, sin tomar en cuenta las diferentes temporadas
de ventas, quiero decir, para los aos venideros Qu te parece?
Me perd en la parte de los mnimos cuadrados admiti Stan - , pero suena
exactamente como la clase de cosa que estoy buscando. Ser interesante ver
como se ven las ve tas sin el efecto de las temporadas. podrs tener una primera
informacin de las cifras para el inicio de la siguiente semana?
Claro que si, respondi Laurel. Te traer todo a tu oficina el lunes o el martes.
a) Haga un anlisis de serie temporal de las ventas de sellos durante los ltimos
diez aos. Desestacionalice las ventas por mes, utilizando el mtodo de razn
de promedio mvil (use un promedio mvil centrado de doce meses). Luego
encuentre la ecuacin lineal de mnimos cuadrados que mejor describa los
datos desestacionalizados.
b) Utilice los resultados que obtuvo para predecir las ventas de cada mes del
2007

Ventas mensuales de sellos (1997 2006)

Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
1997 1421 1434 1952 1533 1853 1516 1663 1969 1304 1465 1369 979
1998 1535 1549 2108 1656 2001 1637 1796 2127 1408 1582 1478 1057
1999 1381 1395 1897 1490 1801 1473 1619 1914 1347 1424 1330 1360
2000 1561 1576 2144 1684 2035 1665 1829 2163 1522 1609 1503 1511
2001 1734 1751 2382 1871 2261 1850 2029 2403 1591 1788 1670 1194
2002 2232 1704 1733 2017 2258 1914 1895 2429 2028 2371 1557 1381
2003 1867 1873 2053 1906 2465 2094 2691 2331 2233 2828 2008 1901
2004 2365 2060 2242 2820 2409 2191 2871 2414 2890 2380 2730 2157
2005 2662 2590 2799 2605 2907 2513 3230 3171 3126 3676 2610 2804
2006 3328 3237 3500 3256 3630 3141 4037 3910 3910 4595 3263 3505

Docente: Ing. Ferly Urday Luna Pgina 20 de 22

5. Buscar en el INEI la siguiente informacin, y realizar un pronstico para los meses
de los prximos 5 aos, utilizando el mtodo de los promedios mviles, haciendo
uso del ndice estacional ajustado, para los precios al consumidor.

Precio Harina de Trigo Preparada (mensual / Kilogramo)

Precio Harina de Trigo sin Preparar (mensual / Kilogramo)
Precio Maicena Envasada (mensual / Kilogramo)
Precio Smola Envasada (mensual / Kilogramo)
Precio Galleta Envasada (mensual / Kilogramo)
Precio Pan de Labranza (mensual / Kilogramo)
Precio Pan Francs (mensual / Kilogramo)
Precio Fideos a Granel (mensual / Kilogramo)
Precio Carnero Chuleta (mensual / Kilogramo)
Precio Cerdo Chuleta (mensual / Kilogramo)
Precio Carne Molida (mensual / Kilogramo)
Precio Res Bisteck Asado (mensual / Kilogramo)
Precio Res Churrasco (mensual / Kilogramo)
Precio Res Lomo (mensual / Kilogramo)
Precio Sancochado (mensual / Kilogramo)
Precio Gallina Eviscerada (mensual / Kilogramo)
Precio Pollo Eviscerado (mensual / Kilogramo)
Precio Pato Eviscerado (mensual / Kilogramo)
Precio Higado de Res (mensual / Kilogramo)
Precio Hueso de Res (mensual / Kilogramo)
Precio Mondongo de Res (mensual / Kilogramo)
Precio Pata de Res (mensual / Kilogramo)
Precio Chalona (mensual / Kilogramo)
Precio Jamn del Pas (mensual / Kilogramo)
Precio Jamonada (mensual / Kilogramo)
Precio Hot Dog de Ternera (mensual / Kilogramo)
Precio Tocino Ahumado (mensual / Kilogramo)
Precio Filete de Atn (mensual / Lata Chica)
Precio Grated de Atn (mensual / Lata Chica)
Precio Leche Fresca (mensual / Litro)
Precio Leche Fresca Reconstituyente (mensual / Litro)
Precio Queso Fresco de Vaca (mensual / Kilogramo)
Precio Queso Mantecoso (mensual / Kilogramo)
Precio Aceite Embotellado Vegetal (mensual / Litro)
Precio Mantequilla a Granel (mensual / Kilogramo)
Precio Mantequilla Envasada (mensual / Kilogramo)
Precio Margarina a Granel (mensual / Kilogramo)
Precio Margarina Envasada (mensual / Kilogramo)
Precio Aj Rocoto (mensual / Kilogramo)
Precio Aj Verde Escabeche (mensual / Kilogramo)
Precio Ajo Entero (mensual / Kilogramo)
Precio Apio (mensual / Kilogramo)
Precio Cebolla Cabeza (mensual / Kilogramo)
Precio Cebolla China (mensual / Kilogramo)
Precio Choclo Criollo (mensual / Kilogramo)
Precio Arveja Verde Criolla (mensual / Kilogramo)
Precio Haba Verde (mensual / Kilogramo)
Precio Vainita Americana (mensual / Kilogramo)
Precio Tomate Italiano (mensual / Kilogramo)
Precio Zanahoria (mensual / Kilogramo)
Precio Zapallo Macre (mensual / Kilogramo)

Docente: Ing. Ferly Urday Luna Pgina 21 de 22

 Precio Betarraga (mensual / Kilogramo)
Precio Col Crespa (mensual / Kilogramo)
Precio Coliflor sin Hojas (mensual / Kilogramo)
Precio Espinaca (mensual / Kilogramo)
Precio Nabo (mensual / Kilogramo)
Precio Poro (mensual / Kilogramo)
Precio Verdura Picada (mensual / Kilogramo)
Precio Pasas a Granel (mensual / Kilogramo)
Precio Azcar Blanca (mensual / Kilogramo)
Precio Azcar Rubia (mensual / Kilogramo)
Precio Aceituna de Botija (mensual / Kilogramo)
Precio Aj Molido Amarillo (mensual / Kilogramo)
Precio Canela Entera (mensual / Kilogramo)
Precio Comino Molido (mensual / Kilogramo)
Precio Pimienta Molida (mensual / Kilogramo)
Precio Sazonador en Sobre (mensual / Kilogramo)
Precio Vinagre Corriente (mensual / Botella Grande)
Precio Sal Yodada de Cocina (mensual / Kilogramo)
Precio Gaseosa (mensual / Botella Vidrio Mediana)
Precio Cerveza Blanca (mensual / Botella Vidrio 620 ml.)
Precio Cerveza Blanca Servida (mensual / Botella Vidrio 620 ml.)
Precio Gaseosa Servida (mensual / Botella Vidrio Mediana)
Precio Jugo de Frutas (mensual / Vaso)

Docente: Ing. Ferly Urday Luna Pgina 22 de 22