Series De Tiempo

1. Objetivo

Predecir la venta para el 2014 de una bebida en polvo (basado en la venta de años anteriores).

2. Serie estudiada

Número de toneladas vendidas en los últimos 5 años, por trimestre (esta bebida es estacional, con picos de venta en invierno).

AÑO TRIMESTRE TONELADAS AÑO BIMESTRE TONELADAS

2009 I 9000 2012 I 10270

II 6540 II 8430

III 5500 III 7030

IV 4020 IV 5650

2010 I 9150 2013 I 9100

II 7220 II 7560

III 4750 III 5900

IV 4200 IV 4150

2011 I 8500 Total = 20 casos (4 trimestres por 5 años)

II 7890

III 6060

IV 3960

3. Metodología

 Gráfico de la serie original.

 Análisis de la varianza de la serie.

 Descomposición de la serie en Tendencia STCt, Estacionalidad SAFt y Estacionariedad ERRt.

 Estimación del modelo de regresión para la serie STCt.

 Predicciones.

4. Gráfico de la serie

Gráfico 01: Gráfico de la serie

Se observa que la media y la varianza no son constantes, y que hay estacionalidad en el primer trimestre de cada año.

5. Análisis de la varianza de la serie

Tabla 01: Prueba de homogeneidad de varianzas

Toneladas

Estadístico de Levene gl1 gl2 Sig.

,090 4 15 ,984

Tabla 02: ANOVA de un factor

Toneladas

Suma de cuadrados gl Media cuadrática F Sig.

Inter-grupos 6549930,000 4 1637482,500 ,367 ,828

Intra-grupos 66839350,000 15 4455956,667

Total 73389280,000 19

Como el nivel de significación es mayor a 0.05, no podemos rechazar la hipótesis nula de que la varianza es homogénea. A la luz de esto, la recomendación sería trabajar con el modelo aditivo (varianzas constantes).

6. Descomposición de la serie.

Tabla 03: Factores estacionales

Nombre de la serie: Toneladas

Período Factor estacional

1 2397,57813

...