Matrícula Alumno
2888272 Jorge Adrian Quiroz Salazar
2992644 Dulce Jovana Suarez Luna
2861191 Alex Sanchez Castillo
2877664 Luis Santiago Flores Gonzalez
Actividad 3: Correlación, autocorrelación, pronósticos basados en prom
Descripción
Objetivo de la actividad:
Determinar el coeficiente de correlación entre dos variables cuantitativas y comparar el uso en el pronóstico de los prome
Descripción de la actividad:
Con esta actividad el alumno comprenderá los términos de correlación y autocorrelación, además de utilizar datos de una
Requerimientos para la actividad:
Excel.
Instrucciones (actividad colaborativa o individual)
Consulta la explicación del tema 6 y 7.
En el siguiente link encontrarás los recursos de apoyo del tema 6 y apoyos tema 7.
Realiza lo siguiente:
SITUACIÓN 1
El jefe del departamento de ventas de una compañía manufacturera de partes electrónicas automotrices para el m
estrategia para aumentar la colocación de pedidos de sus clientes por medio de un constante contacto telefónico
estrategia, ha decidido hacer notar a sus superiores la importancia de hacer llamadas extras cada día. Por lo que
de la relación que existe entre el número de llamadas y el número de productos vendidos, que se muestra a conti
Número de
Número de productos vendidos
Vendedor llamadas (X) (Y)
1 30 70
2 20 30
3 20 50
4 20 40
5 10 40
6 10 30
7 30 60
8 20 40
9 40 60
10 20 30
a. Encuentra la correlación entre el número de llamadas y el número de productos vendidos.
b. Construye un diagrama de dispersión.
c. Interpreta tus resultados.
SITUACIÓN 2
Un ingeniero químico está investigando el efecto de la temperatura de operación de proceso en el rendimiento de
los siguientes datos:
Periodo Temperatura °C (x) Rendimiento % (y)
1 100 55.56
2 110 56.39
3 120 55.22
4 130 57.05
5 140 54.88
6 150 59.72
7 160 54.55
8 170 59.38
9 180 54.21
10 190 59.04
a. Determina el coeficiente de autocorrelación r 1. Es decir, para un rezago.
b. Determina la prueba de hipótesis de lo siguiente:
Hipótesis nula: H0 : ρ1 = 0 (la autocorrelación es igual a cero).
Hipótesis alternativa: Ha: ρ1≠ 0 (la autocorrelación es diferente a cero).
El nivel de significancia para tu prueba que sea de alfa=0.05 o un nivel de confianza del 95%.
c. ¿Existe autocorrelación entre los rendimientos del producto y su primer rezago?
d. ¿Puede emplearse esta serie de tiempo para realizar pronósticos?
SITUACIÓN 3
De acuerdo con la siguiente información sobre las “Ventas de la Cervecería Cactus”.
Pronóstico en millones de dólares de las ventas de la Cervecería Cactus S.A. de C.V.
Mes 2012 2013 2014 2016
Enero 200 204 208 216
Febrero 250 255 260 271
Marzo 270 275 281 292
Abril 290 296 302 314
Mayo 320 326 333 346
Junio 350 357 370 385
Julio 342 352 358 373
Agosto 330 338 343 360
Septiembre 310 316 323 336
Octubre 280 286 291 303
Noviembre 250 255 260 271
Diciembre 210 214 218 227
a. Realiza un pronóstico mensual de enero a diciembre para el 2019 por medio de promedios móviles de tamaño 3.
b. Realiza un pronóstico mensual de enero a diciembre para el 2019 por medio de suavización exponencial con alfa igual
Preguntas de discusión en el aula
Con los conceptos vistos y puestos en práctica, brinda una respuesta justificada a cada una de las siguientes cuestiones:
a. ¿Qué significa el coeficiente de correlación?
b. ¿Cómo se interpreta el coeficiente de correlación?
c. ¿Para qué sirve el coeficiente de auto correlación?
d. ¿Cuándo utilizarías el método de promedios móviles?
e. ¿Cuándo utilizarías el método de suavización exponencial?
Nota para el alumno: Considera que tu actividad debe estar documentada (proceso) y fundamentada.
Entregable(s): Resultado y procesos de ejercicios.
Criterios de evaluación de la actividad
1. Desarrollo de los cálculos para obtener el diagrama de dispersión, la correlación entre las variables y su interpretaci
2. Obtención del coeficiente de autocorrelación y la hipótesis, a la situación 2.
3. Respuesta a los promedios móviles y de suavización exponencial planteados en la situación 3.
4. Respuesta justificada de cuestiones sobre los conceptos vistos.
sados en promedio móvil y suavización exponencial
pronóstico de los promedios móviles y suavización exponencial.
de utilizar datos de una muestra para el pronóstico por métodos simples como el promedio móvil y la tendencia lineal.
automotrices para el mercado mexicano utiliza una
nte contacto telefónico con ellos. Para fundamentar su
s cada día. Por lo que ha reunido cierta información acerca
que se muestra a continuación:
o en el rendimiento del producto. El estudio arrojó
2017 2018
171 224
226 282
247 304
269 327
301 360
340 401
328 408
315 375
291 349
258 315
226 280
182 236
iles de tamaño 3.
ponencial con alfa igual a 0.3.
s siguientes cuestiones:
ariables y su interpretación de la situación planteada.
El jefe del departamento de ventas de una compañía manufacturera de partes electrónicas automotrices para el m
mexicano, utiliza una estrategia para aumentar la colocación de pedidos de sus clientes por medio de un constan
telefónico con ellos. Para fundamentar su estrategia, ha decidido hacer notar a sus superiores la importancia de h
llamadas extras cada día. Por lo que ha reunido cierta información acerca de la relación que existe entre el númer
llamadas y el número de productos vendidos, que se muestra a continuación:
Variable Variable
dependiente independiente
(y) (x)
Número de Número de
productos
llamadas X² Y² X*Y
vendidos
Vendedor
1 70 30 900 4,900 2100
2 30 20 400 900 600
3 50 20 400 2,500 1000
4 40 20 400 1,600 800
5 40 10 100 1,600 400
6 30 10 100 900 300
7 60 30 900 3,600 1800
8 40 20 400 1,600 800
9 60 40 1,600 3,600 2400
10 30 20 400 900 600
Total 450 220 5,600 22,100 10,800
∑▒𝑦 ∑▒𝑥 ∑▒𝑥^2 ∑▒𝑦^2 ∑▒𝑥𝑦
10
n=
0.75901410936 Coeficiente de correlación lineal
𝑛∑▒ 〖𝑥𝑦 = 〗 108,000
Numerador
√(𝑛∑▒ 〖𝑥 ^2−( 〗 ∑▒〖𝑥 ) 〗 ^287
)= Denominador
136
√(𝑛∑▒ 〖𝑦 ^2−( 〗 ∑▒〖𝑦 ) 〗 ^2 )=
Insertar gráfica
Insertar gráfica
Llamadas vsChart Title vendidos
productos
45
Numero de productos vendidos
40
35
30 f(x) = 0.486486486486487 x + 0.108108108108105
R² = 0.576102418207681
25
Column C
20 Linear (Column C)
15
10
5
0
25 30 35 40 45 50 55 60 65 70 75
Numero de llamadas
Encuentra la correlación entre el número de llamadas y el número de productos vendidos.
0.759014109360084
Interpreta tus resultados.
El resultado antes visto (0.76) quiere decir que se tiene una correlacion positiva y fuerte, esto nos indica que el numero de llam
fuertemente en el numero de productos que se venden.
s electrónicas automotrices para el mercado
sus clientes por medio de un constante contacto
r a sus superiores la importancia de hacer
e la relación que existe entre el número de
n:
Coeficiente de
Resultado
correlación lineal
0.20 a 0.49 Débil
0.50 a 0.69 Moderada
0.70 a 0.84 Significativa
0.85 a 0.95 Fuerte
0.96 a 1.00 Perfecta
9,000
11,857
0.75901410936 Coeficiente de
correlación manual
Column C
Linear (Column C)
rte, esto nos indica que el numero de llamadas influye
Yt Yt-1 (Yt - Promedio Yt) (Yt-1 - Promedio Yt) (Yt - Promedio Yt)^2
Registro
1 55.56 (1.04) (56.60) 1.0816
2 56.39 55.56 (0.21) (1.04) 0.0441000000000004
3 55.22 56.39 (1.38) (0.21) 1.90440000000001
4 57.05 55.22 0.45 (1.38) 0.202499999999996
5 54.88 57.05 (1.72) 0.45 2.9584
6 59.72 54.88 3.12 (1.72) 9.73439999999999
7 54.55 59.72 (2.05) 3.12 4.20250000000002
8 59.38 54.55 2.78 (2.05) 7.72840000000001
9 54.21 59.38 (2.39) 2.78 5.7121
10 59.04 54.21 2.44 (2.39) 5.95359999999999
11 59.04
Suma 566 (0.00) (59.04) 40
Promedio 56.60
Coeficiente de autocorrelación 0.709478265
Prueba de hipótesis para el coeficiente de autorrelación.
r1 0.709478265
2/raíz (n) 0.632455532033676
n = 10 datos
(Yt-Promedio Yt)(Yt-1 - Promedio Yt)
58.864
0.218400000000001
0.289800000000002
-0.620999999999995 Fórmula para calcular el coeficiente de
-0.773999999999992 autocorrelación
-5.36639999999999
-6.39600000000001
-5.69900000000001
-6.6442
-5.8316
28.04
Como puede observarse 0.709478 > 0.632455
Por lo tanto, se rechaza Ho y se concluye que existe evidencia suficiente para suponer que el coeficiente de autocorrelación
es mayor que 0, y que esta serie de tiempo sí la podemos emplear para realizar pronósticos.
ciente de autocorrelación de orden 1
Pronóstico en millones de dólares de las ventas de la Cervecería Cactus S.A. de C.V.
Mes 2012 2013 2014 2015 2016 2017 2018
Enero 200 204 208 212 216 171 224
Febrero 250 255 260 265 271 226 282
Marzo 270 275 281 287 292 247 304
Abril 290 296 302 308 314 269 327
Mayo 320 326 333 340 346 301 360
Junio 350 357 370 377 385 340 401
Julio 342 352 358 364 373 328 408
Agosto 330 338 343 350 360 315 375
Septiembre 310 316 323 329 336 291 349
Octubre 280 286 291 297 303 258 315
Noviembre 250 255 260 265 271 226 280
Diciembre 210 214 218 223 227 182 236
Total
¿Qué diferencias encuentras entre ambas técnicas de predicción?
Los promedios moviles se utilizan cuando las series no exhiben tendencias muy marcadas, por el contrario, el suavizamiento e
recientes para acercarse a un nivel lo mas real posible
¿Son iguales los pronósticos con las dos técnicas empleadas?
No
¿Por qué crees que nos son las mismas?
Porque los promedios moviles obtiene datos a un plazo mur corto, mientras que el suavizamiento exponencial obtiene valore
largo
¿Qué técnica emplearías y por qué?
Emplearia la tecnica de suavizamiento exponencial, porque se obtiene los valores del promedio movil pero con un peso expon
¿Qué información
Haria falta hace como
informacion falta para poder tomar
el numero una decisión
de periodos que se acerca
tienen de
quelacalcular
técnica asi
quecomo
deberías implementar?
el plazo, para posteriormente utiliza
se tenga que obtener valores lo mas real y lejano posible, utilizariamos el suavizamiento exponencial.
Promedios móviles Suavización exponencial
2019 2019
204 224
259 241.26
281 260.10
303 280.05
336 304.15
375 333.20
370 355.64
350 361.31
325 357.65
292 344.95
259 325.47
215 298.78
el contrario, el suavizamiento exponencial es promediar los valores
nto exponencial obtiene valores exponenciales a un plazo un poco mas
movil pero con un peso exponencial sobre los valores observados
mplementar?
zo, para posteriormente utilizar una tecnica determinada, en caso de que
encial.
