Final INDIVIDUAL SIM

Pronósticos

Nombre: Matrícula:

1. ¿Qué representa la aleatoriedad en una serie de tiempo?

REPRESENTA LA COMPONENTE NO PREDECIBLE At EN LA DESCOMPOSICIÓN
Yt = Et*Tt*Ct*At

2. ¿Por qué el promedio de esta materia es un promedio simple ponderado?

POTRQUE CADA ACTIVIDAD TIENE UN % ASOCIADO, 45% EXAMENES 15%ACTVS

CLASE,..ETC. SE MULTIPLICA CADA CALIFICACIÓN Y SE OBTIENE EL PROMEDIO

3. ¿Qué nos muestra comparativamente el valor de un coeficiente estacional con respecto a

los otros coeficientes estacionales de la serie?
EL PESO QUE TIENE CON RESPECTO A LOS OTROS, POR EJEMPLO SI Eenero = 2 Y
Emayo = 1, EN ENERO SE VENDE EL DOBLE ESTACIONALMENTE (SI FUERAN VENTAS)

4. ¿Se tiene una serie de tiempo para los 7 días de la semana, durante 6 meses, qué daría a
conocer el cálculo de los coeficiente estacionales? Cuántos coeficientes tendríamos?
TENDRÍAMOS SOLO 7 (UNO PARA CADA DIA) PUES SE SUPONE LOS COEFICIENTES
ESTACIONALES SON UNICOS. NOS DARIA EL COMPORTAMIENTO POR DIA (SI FUERAN
VENTAS LOS DATOS, COMPARATIVAMENTE COMO SE VENDE CADA DIA DE LA SEMANA)

5. ¿Qué efecto tiene el cálculo de promedios móviles en una serie estacional cuando se
grafican estos promedios?
SUAVIZAN (O ALISAN) LA SERIE. ELIMINAN LA ESTACIONALIDAD.

6. ¿Qué interpretación se le da al error “e” en un modelo de Regresión Múltiple Y = bo

+b1*X1+b2*X2+,…+ bn*Xn + e?
QUE e CONTIENE TODAS LAS VARIABLES QUE NO FUERON CONSIDERADAS EN EL MODELO
Y QUE SE SUPONEN VARIAN EN SENTIDOS OPUESTOS Y SU EFECTO SE ANULA UNAS CON
OTRAS.

7. ¿Qué prueba de Hipótesis se efectúa con el estadístico de Fisher que arroja excel al correr
una regresión múltiple?
Si el modelo general es Y = bo + b1X1 + b2X2 +,…+ bnXn
La prueba de Fisher es:
Ho: bo = b1=b2 =,..= bn = 0 CONTRA
H1: Al menos alguna bi es diferente de cero.
Si aceptamos Ho quiere decir que ninguna variable explica a Y (i.e. la regresión multiple no
sirve). Deseamos siempre rechazar Ho, esto sucede si el valor crítico (PROBABILIDAD) es
inferior a 5%.
8. ¿Para qué nos sirve la matriz de correlación antes de efectuar una Regresión múltiple?
PARA SABER QUE VARIABLES ESTAN MAS RELACIONADAS Y CONSIDERARLAS DENTRO DE
NUESTRO MODELO Y = bo + b1X1 + b2X2 +,…+ bnXn.

9. Si el coeficiente estacional para el mes de enero es de 1.30 y la tendencia fue estimada a

partir del histórico del último año de los meses 1 al 12, y está dada por la ecuación Tt = 210
+ 15*time. Estime el pronóstico para el mes de enero del año siguiente.
SERIA Y13 = 1.3*(210 + 15*13), ES DECIR Y13 = E13*T13 (E13 COEFICIENTE ESTACIONAL DE
ENERO PRÓXIMO =1.3)

10. ¿Por qué queremos que los coeficientes de las variables explicativas en la Regresión
Múltiple sean estadísticamente significativos?
PORQUE QUEREMOS TENER VARIABLES Xi QUE EXPLIQUEN A Y.