Documente Academic
Documente Profesional
Documente Cultură
Objetivo:
Utilizar métodos para evaluar técnicas de pronósticos, realizar la prueba de
significancia de los estimadores y construir los intervalos de confianza para el
coeficiente de regresión para una serie de datos de pronósticos.
Descripción del ejercicio:
A través de estos ejercicios, el alumno comprenderá cómo evaluar la relación
entre dos variables cuantitativas y determinar si esta relación es significativa
por medio de la prueba de hipótesis.
Procedimiento:
Realiza lo siguientes:
SITUACIÓN 1
Utiliza dos modelos de pronóstico para producir los valores futuros de una serie
de tiempo del mes 1 al mes 10; estos valores (Ŷt) se muestran en la siguiente
tabla junto con los valores reales observados (Yt). Para el modelo 1, emplearás
un promedio móvil de tamaño 2, para el modelo 2 emplearás una suavización
exponencial con alfa=0.2 y el primer valor del pronóstico será 70:
Valores de
pronóstico Ŷt
Valor
Mes observado Modelo 1 Modelo 2
Yt
1 70
2 89
3 94
4 80
5 68
6 72
7 60
8 75
9 86
10 90
Determina:
a) La desviación absoluta media (DAM).
b) El error cuadrático medio (ECM).
c) El error porcentual absoluto medio (EPAM)
d) El error porcentual medio.
Reporte Profesional
Modelo 1
Modelo 2
SITUACIÓN 2
Un vendedor observa el precio y volumen de las ventas de 10 semanas,
elegidas aleatoriamente, de galones de leche. Los datos obtenidos se
presentan en la tabla.
Nivel
semanal
de ventas Precio de
Semana en miles venta en
de pesos (X)
galones
(y)
1 10 1.3
2 6 2
3 5 1.7
4 12 1.5
5 10 1.6
6 15 1.2
7 5 1.6
8 12 1.4
9 17 1
10 20 1.1
a. Calcula:
Reporte Profesional
b. Un diagrama de dispersión de los datos.
d. El coeficiente de correlación
Correlaciones
Nivel
semanal
de ventas
en miles
Precio de venta en pesos -0.863
(X)
SITUACIÓN 3.
Accidentes
automovilístico 5 4 7 9 8 9 6
s (Y)
Bares y centros
12 10 15 30 25 34 20
de baile (X)
Responde lo siguiente:
Reporte Profesional
a. Realiza un diagrama de dispersión.
Conclusión
De la regresión lineal aprendí que generalmente utiliza el método de estimación
de mínimos cuadrados ordinarios, del cual se obtiene la ecuación al minimizar
la suma de los residuos al cuadrado.