Promedio mvil

Con los siguientes datos acerca de la ventas en miles de dlares de la

Empresa D & M durante los ltimos 3 aos tomados en perodos de
trimestres:
Trimestre Ventas
1

12

16

20

34

23

19

20

35

11

10

19

11

24

12

36

1) Suavizar los datos empleando el mtodo de los promedios mviles de

orden 3 (longitud de 3 perodos).
2) Pronosticar las ventas para el trimestre nmero 13.
3) Suponga que para el Gerente de Ventas la ltima venta realizada es el
doble de importante que la penltima, y la antepenltima venta tiene la
mitad de importancia que la penltima. Realizar el pronstico de ventas
para el trimestre nmero 13 empleando el mtodo de los promedios
mviles ponderados de orden 3.
4) Elaborar un grfico en el que consten las ventas y los promedios
mviles (ventas suavizadas).
Solucin:
1) El clculo de los promedios mviles de orden 3 se presentan en la
siguiente tabla:
Trimestre Ventas

Pronstico (Promedios
mviles)

12

16

(12+16+20)/3 = 16,00

20

(16+20+34)/3 = 23,33

34

(20+34+23)/3 = 25,67

23

(34+23+19)/3 = 25,33

19

(23+19+20)/3 = 20,67

20

(19+20+35)/3 = 24,67

35

(20+35+11)/3 = 22,00

11

(35+11+19)/3 = 21,67

10

19

(11+19+24)/3 = 18,00

11

24

(19+24+36)/3 = 26,33

12

36

Empleando Excel se muestra en la siguiente figura:

2) El ltimo valor del promedio mvil, que en este ejemplo es 26,33,

representa el pronstico de las ventas para el trimestre nmero 13, y
tericamente para todo trimestre futuro.
3) Para resolver lo planteado se toma en cuenta las 3 ltimas ventas con
sus respectivos pesos o ponderaciones. Estos datos se presentan en la
siguiente tabla:
Trimestre Ventas

Pesos
(w)

10

0,5

19

11

24

12

36

Reemplazando valores en la frmula de la media aritmtica ponderada se

obtiene:
El valor 30,14 es el pronstico de ventas para el trimestre nmero 13.
Los clculos en Excel se muestran en la siguiente figura:

4) El grfico en el que constan las ventas y los promedios mviles se

muestra en la siguiente figura elaborado empleando Excel:

Suavizacin exponencial
Con los siguientes datos acerca de la ventas en miles de dlares de la
Empresa D & M durante los ltimos 12 meses:
Meses Sep. Oct. Nov. Dic. Ene. Feb. Mar. Abr. May. Jun. Jul. Ago.
Ventas 6

12 7

10

1) Suavizar los datos empleando el mtodo de suavizacin exponencial

con a = 0,5. Pronosticar las ventas para el mes de septiembre. Calcular el
cuadrado medio del error. Elaborar un grfico en el que consten las
ventas y los pronsticos.

2) Suavizar los datos empleando el mtodo de los promedios mviles de

orden 3. Pronosticar las ventas para mes de septiembre. Calcular el
cuadrado medio del error. Elaborar un grfico en el que consten las
ventas y los promedios mviles.
3) Qu mtodo es el ms preciso?
Solucin:
1) Realizando los clculos se suavizamiento se obtienen los resultados
respectivos de pronstico, los cuales se presentan en la siguiente tabla:

Observando la tabla anterior se tiene que el pronstico de ventas para el

mes de septiembre es de 6,798, o para cualquier perodo futuro, ya que
los datos no presentan una tendencia sino que se supone que varan o
fluctan a largo plazo alrededor de este valor promedio.
Calculando el cuadrado medio del error se obtienen los siguientes
resultados, los cuales se presentan en la siguiente tabla:

Aplicando la frmula se obtiene el cuadrado medio del error:

Los clculos realizados en Excel se muestran en la siguiente figura:

La grfica de las ventas y los pronsticos con el mtodo de suavizacin

exponencial elaborada en Excel se muestra en la siguiente figura:

2) Suavizando los datos empleando el mtodo de los promedios mviles

de orden 3 elaborado en Excel se muestra en la siguiente figura:

Observando el grfico anterior se tiene que el ltimo pronstico calculado

es de 7, por lo que el pronstico para septiembre es de 7.
Observando el grfico anterior se tiene que el cuadrado medio del error es
de 4,522.
La grfica de las ventas y los pronsticos con el mtodo de los promedios
mviles elaborada en Graph se muestra en la siguiente figura:

3) Como CME en el mtodo de suavizacin exponencial es de 7,09 y con

el mtodo de los promedios mviles es de 4,52, se concluye que el
mtodo de los promedios mviles es el ms preciso para este ejemplo
ilustrativo.
Desestacionalizacin a serie de tiempo
Los datos trimestrales de ventas (nmero de ejemplares que se venden)
de un libro de texto universitario en los ltimos 3 aos son los siguientes:

Calcule
los
ndices
estacionales
para
los
4
trimestres
Determine la ecuacin de la expresin de la componente lineal de
tendencia.
Calcule las ventas pronosticadas de libros de texto para el tercer trimestre
del
ao
2009
Solucin:
Calculando
promedios
trimestrales
de
cada
ao
Estos promedios son un trimestre tpico'' para cada ao. Fjese que ao
con ao, las ventas en los segundos trimestre de cada ao estn en su
punto mas bajo, seguidas de niveles mas altos de ventas en los terceros
trimestres de cada ao esto es ocasionado por el efecto estacional,
adems podemos notar que los trimestres tpicos van subiendo de valor.
Esto es debido al efecto de la tendencia que tiene la serie.

uno

Repita

el

esquema

vaco

abajo

en

la

hoja

Si Divide el Trimestre con su promedio, logra un ndice para cada

de
los
trimestres.

Estos nmeros indican el porcentaje de cada uno de los trimestres

en funcin del trimestre tpico de cada uno de los aos. Estos nmeros
contienen la estacionalidad

Realice

un

promedio

de

ndices

por

trimestre

Obteniendo los ndices estacionales, que representan el efecto

estacional de la serie de tiempo para cada uno de los trimestres
Lo que se desea lograr al calcular ndices estacionales es retirar los
efectos estacionales de la serie de tiempo. Por ello a esto se le denomina
desestacionalizar
la
serie
de
tiempo.
Para desestacionalizar la serie de tiempo, se dividen las ventas de cada

uno

de

los

trimestres

entre

su

ndice

estacional

respectivo.

De esta manera retiramos de las ventas el componente estacional,

habiendo quedado slo con el componente de tendencia, as
acomodamos los datos como se muestra:
El siguiente paso es determinar la expresin matemtica de la expresin
lineal de tendencia, para ello se emplea el procedimiento grfico para
encontrar con los datos desestacionalizados una ecuacin de la forma:
Y=a+ bx .

Graficamos

como

un

grfico

XY:

Luego hacemos clic derecho en cualquier punto del grfico, Aparecer un

men contextual donde, seleccionaremos: Agregar lnea de tendencia y
seleccionando las casillas para que aparezca la ecuacin y el valor de R
cuadrado.

Sustituyendo los valores calculados de a y de b en la expresin:

Y
=
a
+
b

Tendremos la expresin lineal de tendencia para la venta del libro de texto

de
este
problema.
Y

22,961x

+1868,7

La pendiente de 22,961 indica que, en los ltimos 12 trimestres la

empresa ha tenido un crecimiento promedio desestacionalizado en las
ventas del libro de texto de aproximadamente 22.961 libros por trimestre.
Si se considera que la tendencia de los datos de ventas en los ltimos 12
trimestres es un indicador razonablemente bueno del futuro, entonces,
puede utilizarse la ecuacin anterior para proyectar la componente de
tendencia de la serie de tiempo para trimestres futuros.
Entonces para calcular los pronsticos de las ventas del libro de texto
para los trimestres futuros, considerando tanto el efecto de tendencia
como el efecto estacional la ecuacin que debemos de tomar en

consideracin
Y

es:

1868,7

22,961x

ndice

estacional

Para calcular el pronstico de ventas para el tercer trimestre del ao 2009

debemos
de
sustituir
en
la
ecuacin
anterior:
Perodo x = 15 y el ndice estacional para el tercer trimestre es = 1.40
De tal manera que para el tercer trimestre del ao 2009 o perodo 15,
tendremos
como
pronstico
lo
siguiente:

1868,7

(22,961)

15

1.40

= 3098 libros de texto.

Nmero indice Laspeyres

Mercanca

Unidad
de Precio
cotizacin
1995

Precio
2000

Consumo
1995

Consumo
2000

Leche

Litro

0.99

1.29

15.0

18.0

Pan

Pieza de una 1.10

libra

1.20

3.8

3.7

huevos

Docena

1.20

1.0

1.2

0.80

Calcular el indice agregado de precios de Laspeyres para el ao 2000 de

las tres mercancas tabla 1, usando como base el ao 1995.
Mercanca
Leche

19.35 ($)

14.85($)

Pan

4.56

4.18

Huevos

1.20

0.80

total

25.11($)

19.83

I=

x 100= 126.7

Nmero indice Paasche

Calcule el ndice agregado de precios paasche par el ao 2000 de las tres
mercancas de la tabla 1, usando como base el ao 1995.
Mercanca
Leche

23.22 ($)

17.82($)

Pan

4.44

4.07

Huevos

1.44

0.96

total

29.10($)

22.85($)

I=

x 100= 127.4

Nmero indice Fisher

Tomando como base los resultados anteriores
ndice de Laypeyres = 1.267
ndice de Paasche = 1.274

ndice ideal de Fisher=

= 1.270

Numero Indice Edgerworth

Calcular el ndice de precios de las tres mercancas de la tabla 1,
aplicando el mtodo de promedio ponderado de relativos de precios y
usando 1995 como ao base
Mercanca

Relativos
precios

de Ponderacin
valor

del Relativo
ponderado

Leche

130.30

14.85($)

1934.96

Pan

109.09

4.18

456.00

Huevos

150.00

0.80

120.00

19.83($)

2510.96

total

I=

=126.6
Prueba de hiptesis Wilcoxon
Para muestras pequeas

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Existe diferencia significativa entre el grado

de hiperactividad en obesos cuando estn en un programa de dieta
y sin el programa de dieta.
Hiptesis nula (Ho). No existe diferencia significativa entre el grado
de hiperactividad en obesos cuando estn en un programa de dieta
y sin el programa de dieta, esto es debido al azar.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se
rechaza Ho.
Zona de rechazo.

Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se

rechaza Ha.
Aplicacin de la prueba estadstica.
Con base a los pasos, se obtienen las diferencias observadas en los
incrementos de hiperactividad en obesos, estando en un programa de
dieta o no. Estos valores podrn tener signos positivos y negativos, los
cuales quedaran abolidos al ordenarse los rangos y stos los adoptan.

Sumatoria de T = 15.5
El valor T de la prueba de Wilcoxon obtenido se compara con los valores
crticos de la tabla T en pruebas de rangos sealados de pares iguales de
Wilcoxon, y se puede apreciar que para ser significativo (es decir, por
debajo de 0.05, que fue el nivel de significancia), requiere que este 0.05
sea menor; por lo tanto, la probabilidad es mayor que 0.05.
tc
tt
Para
dos
N=
tc tt rechaza Ho

=
=
colas

15.5
8
0.05
10

Decisin.
En virtud de que la probabilidad es mayor que 0.05, se acepta Ho y se
rechaza Ha.
Ejemplo para muestras grandes:
Un investigador desea comparar el nivel de C.I. en jvenes universitarios
del 1er semestre con el C.I. del los mismos universitarios cuando estn en
6to semestre.

Eleccin
de
la
prueba
estadstica.
El modelo experimental tiene dos muestras dependientes. Las mediciones
no tienen una escala de intervalo, por lo que su ordenamiento se hace en
escala ordinal. Vase: Flujograma 3

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). El nivel de C.I. de los jvenes universitarios

estando en 1er semestre es menor al que adquieren al estar en 6to
semestre.
Hiptesis nula (Ho). No habr diferencia en el nivel de C.I. de los
jvenes universitarios estando en 1er semestre y cuando estn en
6to semestre.

Nivel
de
significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se
rechaza Ho.
Zona
de
rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se
rechaza Ha.
Aplicacin
de
la
prueba
estadstica.
Efectuar las diferencias entre los datos sobre le C.I. antes y despus,
elaborar los rangos de las diferencias y hacer la sumatoria de los rangos
de signo de menor frecuencia.

Sumatoria de T = 201.5
La sumatoria del valor T de Wilcoxon es igual a 201.5 y, como se
especific en los pasos, ste se debe transformar en valor de Z, para
conocer la probabilidad de que aquella sea o no significativa. Para ello
debemos calcular primero el promedio y la desviacin estndar de la T de
Wilcoxon.

Una vez calculados el promedio y la desviacin estndar del valor T de

Wilcoxon, calculamos el valor Z.

El valor ZT calculado se localiza entre los valores Z de la distribucin

normal de la tabla de probabilidades asociadas en valores extremos como
los de 2 en la distribucin normal. En la interseccin de la hilera donde se

encuentra el 0.6 y la columna 0.03, se puede observar la cifra 0.2643, la

cual indica la probabilidad de que la magnitud de Z T difiera de T.
Decisin.
La probabilidad de 0.2643 es mayor que 0.05, por lo cual se acepta Ho y
se
rechaza
Ha.
0.2643 > 0.05 se rechaza Ha
Interpretacin.
No existe diferencia estadsticamente significativa entre el C.I. en jvenes
estando en 1er semestre y cuando estn en 6to semestre.
Prueba de hiptesis Mannwhitney
El experimentador del ejemplo previo, entusiasmado por las
observaciones preliminares, decide aumentar el tamao de las muestras.
En este estudio tiene 10 nios con el mtodo tradicional y 25 mediante el
procedimiento ideado por l. Los datos del nuevo estudio se muestran en
la tabla ms adelante.
Eleccin
de
la
prueba
estadstica.
El diseo experimental tiene dos muestras independientes. Las
mediciones en esta condicin quiz no impidan utilizar una prueba
paramtrica, sin embargo, para fines de aprendizaje, se decide utilizar
una escala ordinal y continuar con la prueba de U de Mann-Whitney.

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Las calificaciones aportadas por el mtodo

reciente, ideado por el experimentador, son diferentes y con
valores ms altos.
Hiptesis nula (Ho). Las diferencias entre las calificaciones dadas
por ambos mtodos se deben al azar.

Nivel
de
significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se
rechaza Ho.
Zona
de
rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se
rechaza Ha.

Poblacin de nios de 6 aos a los cuales se les aplic dos mtodos de

enseanza.

Aplicacin
de
la
prueba
Primero ordenamos los rangos de todas las observaciones.

estadstica.

Direccin

de

de

Calculamos la U.

las

ligas

empates

el

tamao

estas.

Tomando en cuanta los pasos, nos menciona que cuando la muestra es

mayor que 25, se distribuye normalmente, por lo cual se determina el
valor Z para conocer la probabilidad. Esto se calcula como sigue:
Donde:
Z = valor estadstico de la curva normal.
U = cualquier valor de U calculado (ya sea U 1 o U2).
=
valor
promedio
de
U.
U = desviacin estndar de U.
Calculamos el valor promedio de U ( ):

La desviacin estndar de U de determina de la forma siguiente:

Donde:
U = desviacin estndar de U.
n1 y n2 = tamao de la muestra de los
grupos
1
y
2.
N = tamao total de la muestra (la
suma
de
n1
y
n2).
Li = sumatoria de las ligas o empates.
El clculo de Li se realiza de la siguiente manera:

Una vez obtenida la sumatoria de Li, se detemrina la desviacin estndar

de U (U) mediante la expresin siguiente:

Una vez calculados los parmetros necesarios, se obtiene el valor Z

conforme la siguiente frmula:

Para obtener la probabilidad del valor Z de 1.95, se debe consultar la

tabla de tamao de la muestra en funcin de los valores d y buscar la
hilera 1.9, en cuya columna 0.05 se localiza el nmero 0.0256, que
corresponde a la probabilidad del valor de U con respecto al promedio.
Esto quiere decir que es menor que el nivel de significancia.
Decisin.
A la cifra de Z de 1.95 le corresponde una probabilidad menor que 0.05,
por lo cual se acepta Ha y se rechaza Ho (tabla de probabilidades
asociadas en valores extremos como los de 2 en la distribucin normal).
Interpretacin.
El experimentador, al aumentar su muestra, confirma la investigacin
preliminar con una muestra pequea, con lo cual da a entender que los
resultados logrados con el mtodo ideado por l son diferentes de los
obtenidos con el mtodo de enseanza de lectura tradicional; adems,
este ltimo revela calificaciones ms bajas y es menos efectivo que el
otro.
La efectividad del mtodo ideado por el experimentador se traduce en
mayor fluidez de la lectura, mejor comprensin y anlisis y sntesis
superior, en razn de que las calificaciones finales son consecuencia de
estas condiciones.
Prueba de hiptesis Kruskalawallis
Con los datos de la encuesta Enctrans.sav probar si los alumnos
que utilizan habitualmente los transportes pblicos (metro, bus, tren)
valoran

de

forma

significativamente

distinta

las

caractersticas

independencia (Inde) y rapidez (Rapi).

Se trata de contrastar la hiptesis nula de que la valoracin asignada
a la independencia y a la rapidez difieren significativamente en funcin del
tipo de transporte pblico utilizado. Dado que las valoraciones de ambas

caractersticas se miden en una escala ordinal y las muestras son

independientes, el contraste ms adecuado es la prueba H de KruskalWallis.
Para realizar este contraste la secuencia es:
Estadstica > Pruebas no paramtricas > k muestras independientes.
En el cuadro de dilogo se selecciona en Contrastar variables
Independencia y Rapidez; en Variable de agrupacin se indica el factor, es
decir, la variable que induce los diferentes grupos, que en este caso es la
variable Trans. Como nicamente interesa comparar la opinin de los
usuarios del transporte pblico en el cuadro de dilogo que se abre con el
botn Definir rango se indica como rango Mnimo 1 y como rango Mximo
3, ya que 1, 2 y 3 son las codificaciones asignadas a las modalidades
metro, bus y tren respectivamente. Al aceptar se obtienen los siguientes
resultados:

Por lo que se refiere a la variable Rapidez, el estadstico de prueba

es 6,449 y por tanto se rechaza la hiptesis nula segn la cual los tres

grupos valoran igualmente esta caracterstica. En el caso de la variable

Independencia el valor del estadstico Chi-cuadrado es 0,891 y no se
rechaza la hiptesis nula
Prueba de hiptesis de Friedman
Con los datos de la encuesta Encinf.sav probar si hay discrepancia
entre la valoracin que hacen los alumnos al mantenimiento (Manten),
acceso a las aulas de informtica (Aulas) y la valoracin que hacen a los
monitores que supervisan las aulas (Monitor).
Como se trata de contrastar la hiptesis nula de que las valoraciones
asignadas por los alumnos a las caractersticas mantenimiento, acceso y
monitores de las aulas no difiere significativamente a partir de las
puntuaciones asignadas por los mismos individuos, las muestras
resultantes no son independientes. Por otra parte, las variables se miden
en una escala ordinal, y por tanto el contraste ms adecuado es la prueba
de Friedman.
Para realizar este contraste la secuencia es:
Analizar > Pruebas no paramtricas > k muestras relacionadas.
En el cuadro de dilogo se seleccionan las variables Manten, Aulas y
Monitor y se mantiene el tipo de prueba activado por defecto, Friedman.
Los resultados que se obtienen son los siguientes:

El estadstico de prueba es igual a 8,040, por lo que no se puede

rechazar la hiptesis nula para niveles de significacin superiores a 0,018.
Al 5% de nivel de significacin se acepta la hiptesis de que no existen
diferencias significativas entre las valoraciones asignadas por los alumnos
a estas caractersticas.