Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 895 vistas

    Serie Tema 3

    Cargado por

    Yuu Franco
    Este documento presenta varios ejercicios relacionados con el análisis y pronóstico de series de tiempo. Incluye cálculos de medidas de precisión de pronósticos, desarrollo de modelos de suavizamiento exponencial y promedio móvil, detección de patrones estacionales, desestacionalización de datos, y desarrollo de modelos de tendencia lineal para pronóstico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Serie Tema 3

    Cargado por

    Yuu Franco
    895 vistas2 páginas
    Este documento presenta varios ejercicios relacionados con el análisis y pronóstico de series de tiempo. Incluye cálculos de medidas de precisión de pronósticos, desarrollo de modelos de suavizamiento exponencial y promedio móvil, detección de patrones estacionales, desestacionalización de datos, y desarrollo de modelos de tendencia lineal para pronóstico.

    Descripción original:

    investigacion

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta varios ejercicios relacionados con el análisis y pronóstico de series de tiempo. Incluye cálculos de medidas de precisión de pronósticos, desarrollo de modelos de suavizamiento exponencial y promedio móvil, detección de patrones estacionales, desestacionalización de datos, y desarrollo de modelos de tendencia lineal para pronóstico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    895 vistas2 páginas

    Serie Tema 3

    Cargado por

    Yuu Franco
    Este documento presenta varios ejercicios relacionados con el análisis y pronóstico de series de tiempo. Incluye cálculos de medidas de precisión de pronósticos, desarrollo de modelos de suavizamiento exponencial y promedio móvil, detección de patrones estacionales, desestacionalización de datos, y desarrollo de modelos de tendencia lineal para pronóstico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 2

    1. Considere los datos de las siguientes series de tiempo.

    Utilizando el método ingenuo (el valor más reciente) como pronóstico para la semana próxima, calcule las
    siguientes medidas de exactitud de los pronósticos.
    a) Error absoluto medio.
    b) Cuadrado medio debido al error o error cuadrático medio.
    c) Error porcentual absoluto medio.
    d) ¿Cuál es el pronóstico para la semana 7?

    2. Considere los datos siguientes de serie de tiempo.

    a) Construya una gráfica de serie de tiempo. ¿Qué tipo de patrón existe en los datos?
    b) Obtenga los pronósticos con un promedio móvil a tres semanas para esta serie de tiempo. Calcule el
    CME y un pronóstico para la semana 7.
    c) Utilice α=0.2 para calcular los pronósticos de suavizamiento exponencial de la serie de tiempo.
    Calcule el CME y dé un pronóstico para la semana 7.
    d) Compare el método del promedio móvil a tres semanas con el método de suavizamiento exponencial
    utilizando α=0.2. ¿Cuál parece dar un pronóstico más preciso basado en el CME? Explique.
    e) Utilice una constante de suavizamiento de α=0.4 para calcular el pronóstico de suavizamiento
    exponencial. ¿Una constante de suavizamiento de 0.2 o de 0.4 parece proporcionar pronósticos más
    precisos basados en el CME? Explique.

    3. Considere los datos siguientes de serie de tiempo.

    a) Construya una gráfica de series de tiempo. ¿Qué tipo de patrón existe en los datos?
    b) Desarrolle la ecuación de tendencia lineal para esta serie de tiempo.
    c) ¿Cuál es el pronóstico para t=6?

    4. Considere los datos de la siguiente serie de tiempo.

    a. Construya una gráfica de series de tiempo. ¿Qué tipo de patrón existe en los datos?
    b. Proporcione los valores del promedio móvil de cuatro trimestres y los valores del promedio móvil
    centrado para esta serie de tiempo.
    c. Calcule los índices estacionales y los índices estacionales ajustados para los cuatro trimestres.
    d. Desestacionalice la serie de tiempo utilizando los índices estacionales ajustados calculados en el
    inciso c).
    e. Calcule la ecuación de regresión de tendencia lineal para los datos desestacionalizados utilizando
    Minitab o Excel.
    f. Calcule el pronóstico de tendencia desestacionalizada para los trimestres del añ o 4.
    g. Utilice los índices estacionales para ajustar los pronósticos de tendencia desestacionalizada
    calculados en el inciso c).

    5. A continuación se presentan los gastos ($) por mes (Month) del mantenimiento del césped a lo largo de
    tres años (Year 1, 2 y 3) para un edificio de seis departamentos en el sur de Florida.

    Month Year 1 Year 2 Year 3


    January 170 180 195
    February 180 205 210
    March 205 215 230
    April 230 245 280
    May 240 265 290
    June 315 330 390
    July 360 400 420
    August 290 335 330
    September 240 260 290
    October 240 270 295
    November 230 255 280
    December 195 220 250

    a) Construya una gráfica de serie de tiempo. ¿Qué tipo de patrón existe en los datos?
    b) Identifique los índices estacionales mensuales para los tres años de gastos de mantenimiento del césped
    del edificio de apartamentos al sur de Florida. Utilice el cálculo del promedio móvil de 12 meses.
    c) Desestacionalice la serie de tiempo.
    d) Calcule la ecuación de tendencia lineal para los datos desestacionalizados.
    e) Calcule los pronósticos de tendencia desestacionalizada y después ajuste los pronósticos de tendencia
    usando los índices estacionales para obtener un pronóstico de los gastos mensuales en el año 4.

    También podría gustarte