4T_PED LOGISTICA_Ser_Tiemp_2015_B.xls

IndiceSEGUNDA ESPECIALIDAD DE PROYECTOSP E D L O G I S T I C A"Estadstica Aplicada"I. SERIES DE TIEMPO DE LARGO PLAZOI.1. METODO DE LOS MINIMOS CUADRADOSII. SERIES DE TIEMPO DE CORTO PLAZOII.1. VARIACION TEMPORAL O ESTACIONALIII. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO: LARGO PLAZOIV. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO: CORTO PLAZO

ST_Larg_Plaz_1I. SERIES DE TIEMPO DE LARGO PLAZOI.1. METODO DE LOS MINIMOS CUADRADOSEjemplo # 1El departamento de produccin de una corporacin alpaquera del sur lleva un registro de las toneladas de materia prima procesadas de un tipo especfico de pelo. La empresa esta realizando un anlisis para establecer el comportamiento de este material. Identifique la ecuacin lineal que describe la tendencia de este artculo.AosTn procesadas20033820044220055020066120077520089220091112010120201112720121402013138Comandos0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis1. Herramientas/ Anlisis de datos/ regresin2. Rango de X3. Rango de Y4. Rango de salidaEjemplo # 2Se presenta en la siguiente tabla el registro de automoviles adquiridos en un pas desarrollado durante los ltimos aos. Utilizar una linea de tendencia para expresar el comportamiento de los datos y analizar los otros comonentes de la serie de tiempo.AosRegistro millones19826577198358551984693919857557198680651987931419889009198983571990940419919447199283881993983119941040919951135119968701199781681998975219991082620001094620011035720028761200384442004775420058924200610118200710889200811140200910183201010398201198532012910320138234Comandos en Excel0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis1. Herramientas/ Anlisis de datos/ regresin2. Rango de X3. Rango de Y4. Rango de salida

ST_Larg_Plaz_11995019965019976119987519999220001112001120200212720031402004138

YPronstico para YVariable X 1YVariable X 1 Curva de regresin ajustada

soluc_S.T.L.P._138042199550199661199775199892199911120001202001127200214020031382004

YPronstico para YYVariable X 1 Curva de regresin ajustada

ST_Cort_Plaz_2I. SERIES DE TIEMPO DE LARGO PLAZOI.1. METODO DE LOS MINIMOS CUADRADOSEjemplo # 1El departamento de produccin de una corporacin alpaquera del sur lleva un registro de las toneladas de materia prima procesadas de un tipo especfico de pelo. La empresa esta realizando un anlisis para establecer el comportamiento de este material. Identifique la ecuacin lineal que describe la tendencia de este artculo.AosTn procesadasAos (X)Tn proces. (Y)XX2XY200338200338-525-190200442200442-416-168200550200550-39-150200661200661-24-122200775200775-11-75200892200892000200911120091111111120101202010120242402011127201112739381201214020121404165602013138201313852569099401101277Comandos0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisisb =14047a =9941. Herramientas/ Anlisis de datos/ regresin1210112. Rango de X3. Rango de Yb =11.61a =90.364. Rango de salidaResumenEstadsticas de la regresinCoeficiente de correlacin mltiple0.9878883648Coeficiente de determinacin R^20.9759234213R^2 ajustado0.9732482459Error tpico6.3747449939Observaciones11ANLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de FRegresin114824.809090909114824.8090909091364.80726305590.0000000136Residuos9365.736363636440.6373737374Total1015190.5454545455CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95.0%Superior 95.0%Intercepcin90.36363636361.922057934547.0140024105086.015639248894.711633478586.015639248894.7116334785Variable X 111.60909090910.607808086819.09992835210.000000013610.234133494812.984048323410.234133494812.9840483234Anlisis de los residualesObservacinPronstico para YResiduos132.31818181825.6818181818243.9272727273-1.9272727273355.5363636364-5.5363636364467.1454545455-6.1454545455578.7545454545-3.7545454545690.36363636361.63636363647101.97272727279.02727272738113.58181818186.41818181829125.19090909091.809090909110136.83.211148.4090909091-10.4090909091Ejemplo # 2Se presenta en la siguiente tabla el registro de automoviles adquiridos en un pas desarrollado durante los ltimos aos. Utilizar una linea de tendencia para expresar el comportamiento de los datos y analizar los otros comonentes de la serie de tiempo.AosRegistro millonesCdigoAoVentasAoY estiCiclo1982657711982657717978.0382.4391983585521983585528054.1672.6951984693931984693938130.2885.3481985755741985755748206.4092.0871986806551986806558282.5397.3741987931461987931468358.65111.4301988900971988900978434.77106.8081989835781989835788510.8998.1921990940491990940498587.02109.514199194471019919447108663.14109.048199283881119928388118739.2695.981199398311219939831128815.38111.52119941040913199410409138891.51117.06719951135114199511351148967.63126.577199687011519968701159043.7596.210199781681619978168169119.8889.563199897521719989752179196.00106.04619991082618199910826189272.12116.75920001094619200010946199348.24117.09220011035720200110357209424.37109.896200287612120028761219500.4992.216200384442220038444229576.6188.1732004775423Valores menores a 100 estan por debajo de la linea de tendencia20047754239652.7480.3302005892424Valores encima de 100 estan por encima de la linea de tendencia20058924249728.8691.72720061011825Valores 100 coinciden con la liena de tendencia200610118259804.98103.19220071088926Estas ondas por encima y por debajo de la liena de tendencia son los ciclos200710889269881.10110.20020081114027200811140279957.23111.879200910183282009101832810033.35101.492201010398292010103982910109.47102.8542011985330201198533010185.6096.7352012910331201291033110261.7288.7082013823432201382343210337.8479.649I.Comandos en Excel0. En caso de estar desactivada: Herramientas/ complementos/ herramientas para anlisis1. Herramientas/ Anlisis de datos/ regresin2. Rango de X3. Rango de Y4. Rango de salidaResumenEstadsticas de la regresinCoeficiente de correlacin mltiple0.5223706856Coeficiente de determinacin R^20.2728711332R^2 ajustado0.2486335043Error tpico1184.9586875612Observaciones32ANLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de FRegresin115807889.138196515807889.138196511.25816119990.0021630097Residuos3042123812.73680351404127.09122678Total3157931701.875CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95,0%Superior 95,0%Intercepcin7901.9112903226428.96222512518.42099566707025.85355613088777.96902451447025.85355613088777.9690245144Variable X 176.122800586522.68720662163.35531834550.002163009729.7893435501122.456257622929.7893435501122.4562576229Anlisis de los residualesObservacinPronstico para YResiduos17978.0340909091-1401.034090909128054.1568914956-2199.156891495638130.2796920821-1191.279692082148206.4024926686-649.402492668658282.5252932551-217.525293255168358.6480938416955.351906158478434.7708944282574.229105571888510.8936950147-153.893695014798587.0164956012816.9835043988108663.1392961877783.8607038123118739.2620967742-351.2620967742128815.38489736071015.6151026393138891.50769794721517.4923020528148967.63049853372383.3695014663159043.7532991202-342.7532991202169119.8760997068-951.8760997067179195.9989002933556.0010997067189272.12170087981553.8782991202199348.24450146631597.7554985337209424.3673020528932.6326979472219500.4901026393-739.4901026393229576.6129032258-1132.6129032258239652.7357038123-1898.7357038123249728.8585043988-804.8585043988259804.9813049853313.0186950147269881.10410557181007.8958944282279957.22690615841182.77309384162810033.3497067449149.65029325512910109.4725073314288.52749266863010185.5953079179-332.59530791793110261.7181085044-1158.71810850443210337.8409090909-2103.8409090909

ST_Cort_Plaz_21995019965019976119987519999220001112001120200212720031402004138


soluc_S.T.L.P._238042199550199661199775199892199911120001202001127200214020031382004


Ejerc ST3832.31818181824243.92727272735055.53636363646167.14545454557578.75454545459290.3636363636111101.9727272727120113.5818181818127125.1909090909140136.8138148.4090909091


CASO N31995019965019976119987519999220001112001120200212720031402004138


Soluc_C338042199550199661199775199892199911120001202001127200214020031382004


3832.31818181824243.92727272735055.53636363646167.14545454557578.75454545459290.3636363636111101.9727272727120113.5818181818127125.1909090909140136.8138148.4090909091


657758556939755780659314900983579404944783889831104091135187018168975210826109461035787618444775489241011810889111401018310398985391038234

II. SERIES DE TIEMPO DE CORTO PLAZOII.1. VARIACION TEMPORAL O ESTACIONALEjemplo # 3La responsable de las segunda especialidades univesitaria y cursos de extensin, necesita, de alguna manera, pronosticar el nmero de estudiantes que cada trimestre del ao podran matricularse. Se cuenta con reportes de aos anteriores y se decide utilizar los ltimos cinco aos como un buen periodo de anlisis para la preparacin de los pronsticos. Utilice estos datos para realizar una evaluacin estacional y pronosticar para el prximo ao.Ao1 Trim2 Trim3 Trim4 Trim2009186122032415190820101921234325141986201118342154209817992012183720252304196520132073241423391967AoTrimOcupac.Total MvilPromed. MvilProm.Mv Centrado% Valor Real / Prom Mvil2009I1861II2203III2415IV19082010I1921II2343III2514IV19862011I1834II2154III2098IV17992012I1837II2025III2304IV19652013I2073II2414III2339IV1967Clculo de Indice de Estacionalidad:Ao1 Trim2 Trim3 Trim4 Trim200920102011201220130.000.000.000.00Serie de Tiempo DesestacionalizadaAoTrimOcupac.Ind.Tem/100Ocupac. desestacCodigo X2009I18611II22032III24153IV190842010I19215II23436III25147IV198682011I18349II215410III209811IV1799122012I183713II202514III230415IV1965162013I207317II241418III233919IV196720

II. SERIES DE TIEMPO DE CORTO PLAZOII.1. VARIACION TEMPORAL O ESTACIONALEjemplo # 3La responsable de las segunda especialidades univesitaria y cursos de extensin, necesita, de alguna manera, pronosticar el nmero de estudiantes que cada trimestre del ao podran matricularse. Se cuenta con reportes de aos anteriores y se decide utilizar los ltimos cinco aos como un buen periodo de anlisis para la preparacin de los pronsticos. Utilice estos datos para realizar una evaluacin estacional y pronosticar para el prximo ao.AoTrimOcupac.Total MvilPromed. MvilProm.Mv Centrado% Valor Real / Prom Mvil2009I1861Ao1 Trim2 Trim3 Trim4 Trim20091861220324151908II22032010192123432514198683872096.7520111834215420981799III24152104.25114.772012183720252304196584472111.7520132073241423391967IV19082129.2589.6185872146.752010I19212159.1388.9786862171.50II23432181.25107.4287642191.00III25142180.13115.3186772169.25IV19862145.6392.5684882122.002011I18342070.0088.6080722018.00II21541994.63107.9978851971.25III20981971.63106.4178881972.00IV17991955.8891.9877591939.752012I18371965.5093.4679651991.25II20252012.00100.6581312032.75III23042062.25111.7283672091.75IV19652140.3891.8187562189.002013I20732193.3894.5187912197.75II24142198.00109.8387932198.25III2339IV1967Clculo de Indice de Estacionalidad:Ao1 Trim2 Trim3 Trim4 TrimMedia Modificada:2009114.7789.61Trim 191.22201088.97107.42115.3192.56Trim 2107.70201188.60107.99106.4191.98Trim 3113.25201293.46100.65111.7291.81Trim 491.89201394.51109.8391.22107.70113.2591.89404.060.989957932190.30106.62112.1190.97INDICES DE ESTACIONALIDADTrimestreIndice Desajust.Constante AjusteIndice Temporal400/404,06I45.611.9799290.3011.9799158643II53.851.97992106.621III56.621.97992112.108400/4IV45.951.9799290.970100202.03400.000Serie de Tiempo DesestacionalizadaAoTrimOcupac.Ind.Tem/100Ocupac. desestacCodigo XResumen2009I18610.903012060.891II22031.066212066.192Estadsticas de la regresinIII24151.121082154.173Coeficiente de correlacin mltiple0.0836736592IV19080.909702097.394Coeficiente de determinacin R^20.00700128132010I19210.903012127.345R^2 ajustado-0.0481653142II23431.066212197.506Error tpico115.2901685256III25141.121082242.487Observaciones20IV19860.909702183.1482011I18340.903012030.999ANLISIS DE VARIANZAII21541.066212020.2310Grados de libertadSuma de cuadradosFValor crtico de FIII20981.121081871.4111Regresin11686.88660309160.12691160640.7257973818IV17990.909701977.5712Residuos18239252.813255892012I18370.903012034.3113Total19240939.699858981II20251.066211899.2514III23041.121082055.1615CoeficientesError tpicoProbabilidadInferior 95%Superior 95%Inferior 95,0%Superior 95,0%IV19650.909702160.0516Intercepcin2082.600191703853.555909856501970.08340030122195.11698310641970.08340030122195.11698310642013I20730.903012295.6617Codigo X1.59269318564.47076097520.7257973818-7.800027083810.9854134551-7.800027083810.9854134551II24141.066212264.0918III23391.121082086.3819IV19670.909702162.2520PRONOSTICO SIN ESTACI212116.050.90300720521910.81II222117.641.06621288942257.85III232119.231.1210796672375.83IV242120.820.90970023841929.31ANLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de FRegresin11686.88660309161686.88660309160.12691160640.7257973818Residuos18239252.8132558913291.8229586605Total19240939.699858981CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95.0%Superior 95.0%Intercepcin2082.600191703853.555909856538.886468314801970.08340048222195.11698292531970.08340048222195.1169829253Variable X 11.59269318564.47076097520.35624655280.7257973818-7.800027068710.9854134399-7.800027068710.9854134399Anlisis de los residualesObservacinPronstico para YResiduos12084.1928848894-23.301244912522085.785578075-19.594086802132087.378271260766.795130565642088.97096444638.423231444252090.56365763236.772634896662092.1563508176105.341000091372093.7490440033148.732087338882095.341737188987.794988722392096.9344303746-65.9428840459102098.5271235602-78.2926831599112100.1198167458-228.7095488239122101.7125099315-124.1380034288132103.3052031171-68.9914241609142104.8978963028-205.6524265671152106.4905894884-51.3288843921162108.08328267451.9689159239172109.6759758597185.9867697997182111.2686690453152.819510679192112.861362231-26.4797527604202114.454055416647.7966695921Pronostico para el siguiente ao como serie desestacionalizada y estacionalizadaAoTrimestreCdigoPronostico desestacio-nalizadoIndice estacionalPronostico estaciona-lizado2014I212116.050.90301910.81II222117.641.06622257.85III232119.231.12112375.83IV242120.820.90971929.31

00


III. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPOIII.1. METODO DE LOS MINIMOS CUADRADOSEjemplo # 1De acuerdo a lo planificado en un programa de desarrollo, una corporacin explora y explota petroleo y gas . El analista esta estudiando la tendencia de de las ventas de la compaa. Establezca las conclusiones.AoVentas (millones $)19920.3919930.8119940.9319951.3519961.4819972.3619982.4519992.5220002.8120013.8220025.5420037.1620041.9320055.1720067.7220075.3320088.12200910.65201012.06201111.6320125.8520136.40Ejercicio # 2El siguiente cuadro muestra, en miles de dolares, las ventas de tracto camiones en el sur del Per. Se desea conocer la demanda que se esperaria encontrar para el proximo ao y poder evaluar la posibilidad de considerar un proyecto de servicios de reparacin especializados para estos productos.AosVolumen de Ventas201077241620115757022201211331073201315352972IV. EJERCICIOS COMPLEMENTARIOS DE SERIES DE TIEMPO DE CORTO PLAZOIV.1. VARIACION TEMPORAL O ESTACIONALEjemplo # 3Un indice de mejora de la economia esta en el progreso del sector construccin. Los siguientes datos corresponden al nmero mensual de nuevas construcciones en un pas desarollado, expresada en miles de viviendas. Analice la variable, calcule un indice de estacionalidad y pronostique para el ao 2014.200820092010201120122013Enero47.692.9109.2105.4115.7105.1Febrero52.096.7130.495.8107.2102.8Marzo78.7135.8138.1145.2151.0141.3Abril85.1136.4170.9176.0188.2159.6Mayo99.2175.5182.2170.5186.7158.3Junio91.9173.8184.3163.4183.6163.2Julio107.2162.0163.1161.0172.2152.8Agosto97.2177.7147.8161.1163.8143.8Septiembre108.4156.8149.6148.6153.2152.3Octubre111.5159.9152.7173.2154.9139.1Noviembre110.0136.4126.5124.1115.7118.9Diciembre83.4108.599.0120.5113.185.4Ejercicio # 4Una compaa se especializa en la produccin de equipo para recreacin. Para predecir las ventas, basndose en los patrones de ventas pasadas, la compaa ha recolectado la informacin que se presenta en la siguiente tabla.Ventas por trimestreAo1 Trim2 Trim3 Trim4 Trim200916,0021,009,0018,00201015,0020,0010,0018,00201117,0024,0013,0022,00201217,0025,0011,0021,00201318,0026,0014,0025,00Ejercicio # 5Se tienen los datos mensuales de los ultimos 11 aos de la estacin hidromtrica del sur. Expresa los aforos de caudal en m3 por segundo. Elegir aleatoriamente 20 datos y realizar un anlisis de la variable. Interprete los resultados.AosENEFEBMARABRMAYJUNJULAGOSETOCTNOVDIC20037.374.905.042.531.442.481.641.311.111.565.029.50200422.5924.7842.946.482.803.062.161.721.541.412.182.04200528.9315.856.390.900.390.750.731.050.780.641.102.44200629.969.8335.664.412.571.231.601.431.013.384.9514.57200767.53105.3111.719.945.732.722.151.591.581.231.713.5120086.4812.8246.546.414.281.671.431.241.621.200.862.11200917.3637.9513.5912.122.951.191.130.960.500.490.736.53201026.8373.6322.313.892.640.660.941.321.101.001.865.06201128.6434.8010.544.421.010.680.250.500.350.120.772.39201213.2787.6990.3625.684.021.591.140.690.591.960.571.01201323.9068.3335.072.492.231.310.780.710.481.470.462.36

SERIE DE TIEMPO: CASO DE ESTUDIO N 3La empresa Algodn y Afines, haproporcionado los datos de ventas, en prendas y valorizadas, de una de una de sus importantes tiendas de Lima.Se requiere que ordene la data en Tablas de Distribucin de Frecuencia, grafique los resultados e interprete el comportamiento de la variablesCOMANDOSI. MODELO MULTIPLICATIVOI.1. SERIES DE TIEMPOA.LARGO PLAZOa.1. Tendenciaa.2. CicloB.CORTO PLAZOb.1. Estacionalidad

SERIE DE TIEMPO: CASO DE ESTUDIO N 3La empresa Algodn y Afines, haproporcionado los datos de ventas, en prendas y valorizadas, de una de una de sus importantes tiendas de Lima.Se requiere que ordene la data en Tablas de Distribucin de Frecuencia, grafique los resultados e interprete el comportamiento de la variablesVENTAS GAMARR A(PZAS)YResumenENEROFEBREROMARZOABRILMAYOJUNIOJULIOAGOSTOSEPTIEMBREOCTUBRENOVIEMBREDICIEMBRETOTAL200921262241300015592486256526423433255023772345249329817Estadsticas de la regresin201020911329158616132860220623792544193521701988250925210Coeficiente de correlacin mltiple0.5154046568201118641382157618862358236223762486199020661792235224490Coeficiente de determinacin R^20.2656419603201215962008194818022068175020264386209021902016222626106R^2 ajustado0.020855947201313941602153815402394228223042384230832622540246626014Error tpico2036.8895568161Observaciones5COMANDOSANLISIS DE VARIANZAI. MODELO MULTIPLICATIVOGrados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de FI.1. SERIES DE TIEMPORegresin1450241045024101.085200730.3741045793A.LARGO PLAZOResiduos312446757.24148919.06666667a.1. TendenciaTotal416949167.2a.2. CicloDATOS: Anlisis de datos: RegresinCoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95,0%Superior 95,0%SPSS: DATOS: Definir fechaIntercepcin28340.42136.307789934213.26606593560.000925616421541.715166975335139.084833024721541.715166975335139.0848330247SPSS: ANALIZAR: Regresin: LinealesVariable X 1-671644.121034175-1.04172968180.3741045793-2720.88060536571378.8806053657-2720.88060536571378.8806053657B.CORTO PLAZOb.1. EstacionalidadSPSS: ANALIZAR: Predicciones: Descomposicin estacionalCOMANDOSI. MODELO MULTIPLICATIVOI.1. SERIES DE TIEMPOA.LARGO PLAZOa.1. Tendenciaa.2. Ciclo1. Datos2. Grafico3. ResultadosTOTALCdigo2009298171Resumen20102521022011244903Estadsticas de la regresin2012261064Coeficiente de correlacin mltiple0.51540465682013260145Coeficiente de determinacin R^20.2656419603R^2 ajustado0.020855947Error tpico2036.8895568161Observaciones5ANLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosFValor crtico de FRegresin1450241045024101.085200730.3741045793Residuos312446757.24148919.06666667Total416949167.2CoeficientesError tpicoEstadstico tProbabilidadInferior 95%Superior 95%Inferior 95,0%Superior 95,0%Intercepcin28340.42136.307789934213.26606593560.000925616421541.715166975335139.084833024721541.715166975335139.0848330247Cdigo-671644.121034175-1.04172968180.3741045793-2720.88060536571378.8806053657-2720.88060536571378.8806053657Anlisis de los residualesObservacinPronstico TOTALResiduos127669.42147.6226998.4-1788.4326327.4-1837.4425656.4449.6524985.41028.6B.CORTO PLAZOb.1. EstacionalidadFactores estacionalesNombre de la serie:Vta_pzPerodoFactor estacional (%)1103.72115.73103.4495.0585.4697.5791.9885.99110.810103.011108.41299.1

MBD00145E31.unknown

MBD00145E33.unknown

MBD00145E34.unknown

MBD00145E32.unknown

MBD00030D16.unknown

MBD0005F6CD.unknown

MBD00145E2F.unknown

MBD00145E30.unknown

MBD0009BEF8.unknown

MBD000B1D65.unknown

MBD00030D17.unknown

MBD00030D14.unknown

MBD00030D15.unknown

MBD00030D12.unknown

MBD00030D13.unknown

Documents

4T_PED LOGISTICA_Ser_Tiemp_2015_B.xls