Ejercicio 5
Matrícula Nombre
2955524 Hediberto Garza Villarreal
2942599 Zamira Roman Hernandez
Objetivo del ejercicio:
Obtener las medidas de precisión para la comparación de diferentes modelos de pronóstico. Obtener los estimadores de míni
cuadrados e interpretar la línea de regresión.
Descripción del ejercicio:
A través de estos ejercicios el alumno evaluará la precisión de los pronósticos y decidirá cuál es el mejor modelo para realiza
como evaluará los coeficientes de regresión e interpretará la línea de regresión.
Requerimientos para el ejercicio:
Calculadora científica, hoja de cálculo (Excel) y/o Minitab.
Nota para el alumno: Considera que tu ejercicio debe estar documentado (proceso) y fundamentado.
Entregable(s): Proceso y resultado del ejercicio.
Criterios de evaluación del ejercicio:
1. Obtención de los coeficientes de regresión.
2. Obtención del coeficiente de determinación.
3. Obtención de las medidas de precisión.
4. Comparación de los diferentes modelos.
5. Interpretación de los resultados.
nóstico. Obtener los estimadores de mínimos
dirá cuál es el mejor modelo para realizar pronósticos, así
oceso) y fundamentado.
1. Para los siguientes valores de Yt y Ŷt de la siguiente tabla, que muestra los valores en miles d
Pronóstico
Valor
observado Ŷt
Yt
166 173
179 186
195 192
214 211
220 223
Calcula e interpreta:
a) La desviación absoluta media (DAM).
b) El error cuadrático medio (ECM).
c) El error porcentual absoluto medio (EPAM).
d) El error porcentual medio (EPM).
Pronóstico
Periodo Valor
observado Ŷt
t Yt
1 166 173 7 49 0.042 -0.042
2 179 186 7 49 0.039 -0.039
3 195 192 3 9 0.015 0.015
4 214 211 3 9 0.014 0.014
5 220 233 3 9 0.014 -0.013
974 995 23 125 0.124 -0.066
Media Y 194.80 199
Calcula e interpreta:
a) La desviación absoluta media (DAM).
b) El error cuadrático medio (ECM).
c) El error porcentual absoluto medio (EPAM).
d) El error porcentual medio (EPM).
valores en miles de unidades automotrices producidas en la empresa SANII…
Sustitucion
23.00 4.60
5.00
125.00 25.00
5.00
0.12 2.49%
5.00
-0.066 -1.32%
5.00
2. Se utilizaron dos modelos de pronóstico para producir los valores futuros de la venta en millo
(Ŷt) se muestran en la tabla siguiente junto con los valores reales observados (Yt).
Valores de pronóstico
Ŷt
Valor
observado Modelo 1
Yt
6 7.5
6.6 6.3
7.3 5.4
9.4 8.2
Calcula e interpreta los incisos solicitados para el modelo 1 y el modelo 2:
a) La desviación absoluta media (DAM).
b) El error cuadrático medio (ECM).
c) El error porcentual absoluto medio (EPAM).
d) El error porcentual medio (EPM).
e) ¿Cuál de los dos modelos es más preciso para realizar pronósticos y por qué?
Modelo 1 es más preciso para realizar pronósticos. Esto se
debe a que tiene un Error Porcentual Absoluto Medio
(MAPE) menor, con un valor de 14.08%en comparación
con el 15.54% del Modelo 2. Un MAPE más bajo indica que
el modelo tiene un error promedio menor en sus
predicciones, lo que lo hace más confiable y preciso.
uturos de la venta en millones de unidades de periódicos en circulación en México, estos valores
ados (Yt).
Valores de pronóstico observado Ŷt
Ŷt t Yt
1 6 7.5 1.5 2.25 0.250 -0.250
Modelo 2 2 6.6 6.3 0.3 0.09 0.045 0.045
6.3 3 7.3 5.4 1.9 3.61 0.260 0.260
6.7 4 9.4 8.2 1.2 1.44 0.128 0.128
7.1 29.3 27.4 4.9 7.39 0.683 0.183
7.5 Media 7.32 6.85
Calcula e interpreta:
a) La desviación absoluta media (DAM).
b) El error cuadrático medio (ECM).
s y por qué?
c) El error porcentual absoluto medio (EPAM).
d) El error porcentual medio (EPM).
Calcula e interpreta:
a) La desviación absoluta media (DAM).
b) El error cuadrático medio (ECM).
c) El error porcentual absoluto medio (EPAM).
d) El error porcentual medio (EPM).
observado Ŷt
t Yt
1 6 6.3 0.3 0.09 0.050 -0.050
2 6.6 6.7 0.1 0.01 0.015 -0.015
3 7.3 7.1 0.2 0.04 0.027 0.027
4 9.4 7.5 1.9 3.61 0.202 0.202
29.3 27.6 2.5 3.75 0.295 0.164
Media 7.32 6.90
Sustitucion
4.90 1.23
4.00
7.39 1.85
4.00
0.68 17.08%
4.00
0.183 4.58%
4.00
Sustitucion
2.50 0.63
4.00
3.75 0.94
4.00
0.29 7.37%
4.00
0.164 4.11%
4.00
2. Resuelve el siguiente ejercicio:
Una empresa de bienes raíces ha recopilado datos para ayudar a determinar cómo el número de ventas d
con los niveles de tasas de interés de la hipoteca. En la siguiente tabla se muestran el número de vivien
interés de la hipoteca para 12 meses, seleccionados al azar.
Interés Número de Interés
viviendas
(%) (%)
vendidas
8 188 10.5
9.5 145 7
7.5 181 7.5
11 137 11
8.5 157 9
10 148 8
a. Realiza un diagrama de dispersión para estos datos con el número d
b. Describe la relación entre el interés de la hipoteca y el número de vivi
c. Determina la recta de regresión que describa cómo las tasas de interé
d. Pronostica el número de viviendas vendidas si la tasa de interés es d
e. Determina el coeficiente de correlación.
Interés Número de
viviendas
(%) Número de casas vendidas
vendidas
8 188 250
9.5 145
7.5 181 200
11 137
8.5 157
150
10 148
10.5 140
7 203 100
7.5 188
11 144 50
9 150
8 166
0
6.5 7 7.5 8 8.5 9 9.5 10 10.5
Resumen
Estadísticas de la regresión
Coeficiente de correla0.91084426
Coeficiente de deter 0.82963727
R^2 ajustado 0.812601
Error típico 9.67654969
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de Promedio
cuadradosde los cuadrados
F Valor crítico de F
Regresión 1 4559.89386 4559.89386 48.6982855 3.8137E-05
Residuos 10 936.356139 93.6356139
Total 11 5496.25
Coeficientes Error típico Estadístico tProbabilidadInferior 95%
Intercepción 290.554827 18.5969421 15.6237958 2.3621E-08 249.118257
Variable X 1 -14.322399 2.05238551 -6.9784157 3.8137E-05 -18.895399
y =-14.322(10)+290.554
inar cómo el número de ventas de viviendas en la región está relacionado
se muestran el número de viviendas vendidas en la región y las tasas de
Número de
viviendas
vendidas
140
203
188
144
150
166
para estos datos con el número de casas vendidas en el eje vertical.
de la hipoteca y el número de viviendas vendidas.
describa cómo las tasas de interés (X) afectan el número de viviendas vendidas (Y). ¿Qué indica el coeficiente de regresión acerca de est
vendidas si la tasa de interés es del 10%.
b. La relación entre el interés de la hipoteca y el número de
de casas vendidas viviendas vendidas generalmente es inversa. Esto significa
que cuando las tasas de interés hipotecario son altas, el
número de viviendas vendidas tiende a disminuir. Por el
contrario, cuando las tasas de interés son bajas, el número
de viviendas vendidas suele aumentar.
c. El coeficiente de regresión ((b = -14.322)) indica que por
cada aumento de 1% en la tasa de interés, el número de
viviendas vendidas disminuye en aproximadamente 14.322
unidades. Este valor negativo confirma la relación inversa
entre las tasas de interés y las ventas de viviendas: a
medida que las tasas de interés aumentan, las ventas de
viviendas tienden a disminuir
8.5 9 9.5 10 10.5 11 11.5
or crítico de F
Superior 95%Inferior 95.0%
Superior 95.0%
331.991396 249.118257 331.991396
-9.7493994 -18.895399 -9.7493994
regresión acerca de esta relación?
eca y el número de
ersa. Esto significa
ario son altas, el
disminuir. Por el
n bajas, el número
22)) indica que por
és, el número de
madamente 14.322
a relación inversa
e viviendas: a
an, las ventas de
