Solución de la primera practica

1)
a)

Moving Average Plot for Rendimiento

Variable
11.5
Actual
Fits

Moving Average
11.0 Length 3

Accuracy Measures
MAPE 4.58749
Rendimiento

10.5 MAD 0.49111

MSD 0.31931

10.0

9.5

9.0
1 2 3 4 5 6 7 8 9 10 11 12
Index

| Rendimiento AVER1 FITS1

Enero 9.29 * *
Febrero 9.99 * *
Marzo 10.16 9.8133 *
Abril 10.25 10.1333 9.8133
Mayo 10.61 10.34 10.1333
Junio 11.07 10.6433 10.34
Julio 11.52 11.0667 10.6433
Agosto 11.09 11.2267 11.0667
Setiembre 10.8 11.1367 11.2267
Octubre 10.5 10.7967 11.1367
Noviembre 10.86 10.72 10.7967
Diciembre 9.97 10.4433 10.72
b)

Moving Average Plot for Rendimiento

Variable
11.5
Actual
Fits

Moving Average
11.0 Length 5

Accuracy Measures
MAPE 5.58295
Rendimiento

10.5 MAD 0.60400

MSD 0.52015

10.0

9.5

9.0
1 2 3 4 5 6 7 8 9 10 11 12
Index

| Rendimiento AVER2 FITS2

Enero 9.29 * *
Febrero 9.99 * *
Marzo 10.16 * *
Abril 10.25 * *
Mayo 10.61 10.06 *
Junio 11.07 10.416 10.06
Julio 11.52 10.722 10.416
Agosto 11.09 10.908 10.722
Setiembre 10.8 11.018 10.908
Octubre 10.5 10.996 11.018
Noviembre 10.86 10.954 10.996
Diciembre 9.97 10.644 10.954
d)

Single Exponential Smoothing Plot for Rendimiento

Variable
11.5
Actual
Fits

Smoothing Constant
11.0 Alpha 0.2

Accuracy Measures
MAPE 5.89264
Rendimiento

10.5 MAD 0.62995

MSD 0.55684

10.0

9.5

9.0
1 2 3 4 5 6 7 8 9 10 11 12
Index
2)
a.1) si los datos son coherentes con el dato de ruido blanco

Autocorrelation Function for utilidades

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Los errores no son aleatorios

a.2) cuando se tiene un nivel constante de la series

Time Series Plot of utilidades

400

350

300
utilidades

250

200

150

100

1 6 12 18 24 30 36 42 48 54
Index

Eliminar tendencia: método de diferencias: serie debería ser estacionaria

 Time Series Plot of C8

100

50
C8

-50

-100
1 6 12 18 24 30 36 42 48 54
Index

Viendo la autocorrelacion

Autocorrelation Function for dif util 1

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Correlación significativamente diferente de cero

La serie no es estacionaria

a.3) la serie es estacional en el segundo y cuarto trimestre

b.1)

Single Exponential Smoothing Plot for utilidades

400 Variable
Actual
Fits
350 Forecasts
95.0% PI

300 Smoothing Constant

Alpha 0.4
utilidades

250 Accuracy Measures

MAPE 14.32
MAD 24.66
200 MSD 1246.26

150

100

1 6 12 18 24 30 36 42 48 54
Index

Forecasts

Period Forecast Lower Upper

57 324.639 264.225 385.053

Single Exponential Smoothing Plot for utilidades

400 Variable
Actual
Fits
350 Forecasts
95.0% PI

300 Smoothing Constant

Alpha 0.4
utilidades

250 Accuracy Measures

MAPE 14.39
MAD 24.69
200 MSD 1245.03

150

100

1 6 12 18 24 30 36 42 48 54
Index

Forecasts

Period Forecast Lower Upper

57 324.639 264.141 385.138
b.3) se genera los residuales

Autocorrelation Function for RESI1

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Autocorrelation Function for RESI2

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

3)
a)

Time Series Plot of Ventas

560

540

520

500
Ventas

480

460

440

420

400

2 4 6 8 10 12 14 16 18 20 22 24
Index

Time Series Plot of C13

100

50

0
C13

-50

-100

2 4 6 8 10 12 14 16 18 20 22 24
Index

estacionario
 Autocorrelation Function for Ventas
(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Autocorrelation Function for C13

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

b)
 Winters' Method Plot for Ventas
Multiplicative Method
560 Variable
Actual
540 Fits
Forecasts
520 95.0% PI

Smoothing Constants
500 Alpha (lev el) 0.5
Gamma (trend) 0.5
Ventas

480 Delta (seasonal) 0.5

Accuracy Measures
460 MAPE 2.448
MAD 11.490
440 MSD 250.953

420

400

2 4 6 8 10 12 14 16 18 20 22 24
Index

Forecasts

Period Forecast Lower Upper

25 467.208 439.058 495.358

c)

Autocorrelation Function for RESI3

(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

No hay un coeficiente de autocorrelación distinto de cero

Los datos son aleatorios
Son estacionarios
No hay estacionalidad