proyecto final
DESCRIPTION
Pronósticos de valores futurosTRANSCRIPT
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
UNIVERSIDAD DEL SINÚ
ESPECIALIZACIÓN DE VÍAS Y TRANSPORTE
ESTADÍSTICA APLICADA
Proyecto final: Pronóstico de valores futuros (Índices del DANE)
Presentado por:
Telva Leti Galván Caballero.
Milton Alfonso Granados Sguerra.
Montería, Agosto de 2008.
1
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
1. TABLA DE CONTENIDO
CAPÍTULO
TÍTULO PÁGINAS
1 Tabla de Contenido. 22 Introducción. 33 Objetivos. 44 Información preliminar del caso en estudio. 5, 6, 6.1, 6.2 y
6.35 Presentación de datos. 7, 7.1, 7.2, 7.3,
8, 9 y 106 Breve descripción de las metodologías de
pronóstico.De la 11 a la 16
7 Gráficos de datos y modelos. De la 14 a la 408 Análisis de datos, comentarios y conclusiones. 41, 42 y 439 Resultados obtenidos. 43, 44, 45 y 46
10 Bibliografía. 46
2
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
2. INTRODUCCIÓN
Después de adquirir conocimientos básicos de Estadística y su aplicación al análisis de datos en diversos campos profesionales, nos damos a la tarea de investigar y aplicar una metodología apropiada para el pronóstico (en cortos plazos) de los índices de Costo de la Construcción Pesada (ICCP), expedidos mensualmente por el DANE, y que son la base para calcular la actualización permanente de los precios unitarios en los contratos estatales de construcción de vías y obras civiles, que tienen duración de varias vigencias o anualidades.Aunque no es el propósito que las predicciones reemplacen los valores verdaderos que finalmente expedirá el DANE, si es de nuestro entero interés conocer y aplicar la metodología que sea considerada por los estudios estadísticos como la más apropiada para predicciones de este tipo, con el fin de pronosticar de una manera coherente y justificada los valores de las inversiones futuras de los contratos en ejecución, antes de la expedición oficial de los ya mencionados índices.Lo descrito anteriormente, es de aplicación y carácter genérico en la ingeniería colombiana, y específicamente, la metodología que aplicaremos a continuación, será usada en nuestro campo laboral en el futuro inmediato para las predicciones semestrales de los costos de las obras a ejecutar que se proyecten en el contrato de obra 01-03 suscrito entre el municipio de Montería y Megaproyecto Vial Siglo XXI, en el desarrollo de diversos proyectos de la Malla Vial de la ciudad.
3
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
3. OBJETIVOS
3.1 Conocer diferentes metodologías estadísticas para la evaluación de pronósticos.
3.2 Analizar un caso de interés profesional, de inmediata aplicación y desarrollarlo.
3.3 Aprender a determinar de manera apropiada la preparación de pronósticos de corto plazo.
3.4 Utilizar los programas computacionales disponibles para determinar los modelos para pronósticos.
3.5 Ratificar la conveniencia, solidez y certeza de los métodos de suavizamiento respecto de los métodos de regresión para el pronóstico de corto plazo.
3.6 Comentar los resultados obtenidos.
4
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
4. INFORMACIÓN PRELIMINAR DEL CASO EN ESTUDIO
4.1 ÍNDICES DEL DANE -ANTECEDENTES.El departamento administrativo nacional de estadística (DANE), atendiendo la necesidad de asistir al Estado en la expedición de indicadores reales de la variación de los precios del mercado para la construcción de carreteras, puentes y obras civiles, creó desde diciembre de 1982, los Índices de Costo de la Construcción Pesada (ICCP), que inicialmente sirvieron como base para la expedición de los Índices INVÍAS, pero que desde noviembre de 2003, son la fuente oficial aceptada por el Estado, para la actualización de los precios de la gran mayoría de contratos de obras civiles que tengan la modalidad de reajustes mensuales, dada la prolongación de su ejecución en el tiempo, y la permanente fluctuación de los costos básicos del entorno.Para ejemplificar su uso, explicaremos lo siguiente; dado el caso que alguna entidad del Estado contrate la construcción de una carretera cuya ejecución se prolongue por un lapso de 3 años, es evidente, que los precios presentados por el contratista en su propuesta original no pueden permanecer congelados en el tiempo, pues los costos de los insumos, salarios, alquiler de equipos, combustibles, etc., se incrementan o decrecen dado el evento, dependiendo de factores externos al contrato en ejecución; por tal razón, el Estado tiene que estimar un costo inicial del proyecto con precios actualizados al momento del inicio de las obras, más un monto estimado para el reajuste de precios con el objeto conservar el equilibrio económico de la ecuación contractual suscrita con el contratista. Y es allí donde entran a operar los índices del DANE. Un caso sencillo sería el siguiente:
5
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Para ejecutar una actividad, un contratista en el mes “i” la cotizó en un valor “V i”; esta misma actividad “n” meses después, tendrá
un nuevo valor V} rsub {n} ¿, donde, V n=V i∗I nI i
; y respectivamente,
I i : es el índice DANE en el mes “i”; e, I n: es el índice DANE en el mes “n”.Aclaramos que en el presente trabajo sólo nos limitaremos a estimar los pronósticos de los índices del DANE.
4.2 FICHA METODOLÓGICAEl DANE en su enlace: http://www.dane.gov.co/files/investigaciones/fichas/construccion/ficha_iccp.pdfMuestra la siguiente información sobre los índices:
A continuación, en las páginas 6.1 a 6.3, anexamos la impresión de las tres páginas del citado documento:
6
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
5. PRESENTACIÓN DE DATOS
A continuación, en las páginas 7.1 a 7.3, se muestran las planillas originales que se encuentran en el enlace:http://www.dane.gov.co/index.php?option=com_content&task=category§ionid=34&id=62&Itemid=244Seguidamente, se encontrará la información clasificada y ordenada por fecha de expedición, correspondiente a los índices de seis (6) grupos de obra a estudiar, tomados de los cuadros originales del DANE, pero suprimiendo la información que no nos interesa.Seguidamente se encontrará el cuadro que contiene el resumen de nuestros datos de trabajo, está presentado en tres (3) páginas.Los Índices a analizar son los correspondientes a los grupos de obra de:
Explanaciones. Bases y Subbases. Transporte de materiales. Aceros y elementos metálicos. Concretos y obras varias. Asfaltos y elementos químicos.
7
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
DATOS A ANALIZARINDICES DE COSTO DE LA CONSTRUCCIÓN PESADA
FECHA ORDENOBRAS DE
EXPLANACIÓNBASES Y
SUBBASES
TRANSPORTE DE
MATERIALES ACEROS
CONCRETOS Y OBRAS VARIAS
ASFALTO Y ELEMENTOS
QUÍMICOS
Ene-00 1 85,82 78,35 70,86 53,24 70,78 54,73Feb-00 2 86,39 78,76 71,06 54,38 71,85 55,01Mar-00 3 86,55 78,87 71,24 55,52 72,05 55,01Abr-00 4 86,58 78,85 71,74 56,07 72,53 58,58May-00 5 86,91 79,17 71,99 56,09 72,76 58,13Jun-00 6 86,91 79,19 71,99 57,05 73,02 59,97Jul-00 7 87,01 79,34 72,41 58,09 73,17 60,06Ago-00 8 87,18 79,42 72,62 59,18 73,54 64,20Sep-00 9 87,26 79,61 72,79 59,30 75,03 64,38Oct-00 10 87,36 79,71 72,98 59,55 75,22 70,42Nov-00 11 87,35 79,73 73,67 59,79 75,40 70,52Dic-00 12 87,35 79,68 73,76 59,82 75,54 70,56Ene-01 13 88,09 80,58 74,08 60,56 77,22 71,27Feb-01 14 88,34 81,21 75,09 60,69 78,17 71,80Mar-01 15 88,47 81,62 75,26 61,18 78,47 72,05Abr-01 16 89,30 82,80 76,76 61,72 80,14 72,83May-01 17 89,32 82,85 76,77 62,23 80,61 72,87Jun-01 18 89,36 82,81 76,77 62,06 80,84 72,79Jul-01 19 89,37 83,03 78,31 62,13 81,97 72,61Ago-01 20 89,37 83,03 78,45 62,44 81,98 71,48Sep-01 21 89,37 83,03 77,75 62,41 82,07 72,22Oct-01 22 89,56 83,16 78,17 63,54 82,31 72,35Nov-01 23 89,59 83,19 78,20 63,87 82,34 71,57Dic-01 24 89,81 83,39 78,47 63,88 82,59 71,81Ene-02 25 90,40 84,18 78,59 64,00 83,53 71,97Feb-02 26 90,60 84,46 78,67 64,86 84,29 72,17Mar-02 27 90,61 84,47 78,68 64,91 84,44 72,82Abr-02 28 90,94 84,66 79,18 65,19 84,61 73,04May-02 29 91,00 84,71 79,30 65,21 84,74 79,55Jun-02 30 91,01 84,77 79,37 65,11 84,90 79,73Jul-02 31 91,19 85,28 79,73 65,25 85,18 81,63Ago-02 32 91,29 85,35 80,10 65,92 85,23 82,01Sep-02 33 91,35 85,32 80,48 67,21 85,25 84,76Oct-02 34 91,35 85,33 80,64 67,38 85,87 87,18
8
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Nov-02 35 91,47 85,50 82,32 67,75 86,22 91,05Dic-02 36 91,80 85,60 82,66 67,97 86,37 91,09Ene-03 37 93,48 87,14 83,75 68,61 88,59 91,43Feb-03 38 93,88 87,75 83,88 71,59 89,89 92,75
FECHA ORDENOBRAS DE
EXPLANACIÓNBASES Y
SUBBASES
TRANSPORTE DE
MATERIALES ACEROS
CONCRETOS Y OBRAS VARIAS
ASFALTO Y ELEMENTOS
QUÍMICOS
Mar-03 39 94,66 87,88 85,91 74,11 90,44 93,25Abr-03 40 94,69 87,88 86,23 76,02 90,42 98,59May-03 41 94,99 88,12 87,89 76,96 90,55 95,97Jun-03 42 95,10 88,22 87,98 76,81 90,62 95,95Jul-03 43 95,12 88,36 88,90 76,63 90,66 96,03Ago-03 44 95,35 88,55 89,15 77,06 90,78 96,11Sep-03 45 95,76 90,53 89,11 77,50 91,96 96,81Oct-03 46 95,86 90,95 89,46 77,47 92,04 98,46Nov-03 47 95,88 91,04 89,40 78,16 92,86 98,63Dic-03 48 95,88 91,40 89,40 78,85 93,03 98,28Ene-04 49 97,39 92,62 90,10 81,70 95,67 96,97Feb-04 50 97,61 93,11 90,46 86,93 96,63 97,95Nov-03 47 95,88 91,04 89,40 78,16 92,86 98,63Dic-03 48 95,88 91,40 89,40 78,85 93,03 98,28Ene-04 49 97,39 92,62 90,10 81,70 95,67 96,97Feb-04 50 97,61 93,11 90,46 86,93 96,63 97,95Mar-04 51 98,08 93,96 90,75 94,07 97,84 97,86Abr-04 52 99,65 94,22 91,65 99,61 98,52 98,13May-04 53 99,78 94,73 92,33 100,65 99,19 98,27Jun-04 54 99,81 96,37 92,34 101,11 99,51 98,69Jul-04 55 99,90 96,50 93,09 101,51 99,64 100,31Ago-04 56 99,92 96,57 92,41 102,72 99,49 98,13Sep-04 57 99,91 96,66 92,65 100,77 100,18 98,09Oct-04 58 96,65 94,31 91,47 100,35 99,79 97,51Nov-04 59 96,69 94,34 91,86 100,87 98,27 97,77Dic-04 60 96,72 94,41 91,88 100,60 97,57 95,03Ene-05 61 97,68 96,39 94,90 100,94 98,97 96,91Feb-05 62 97,99 97,29 94,97 100,56 98,89 97,16Mar-05 63 98,98 98,42 96,50 100,73 99,64 98,27Abr-05 64 99,24 98,49 97,23 100,64 99,26 98,44May-05 65 99,41 98,60 97,64 100,82 99,70 98,67Jun-05 66 99,42 98,71 97,66 100,58 99,61 98,88Jul-05 67 99,68 98,99 98,16 101,85 99,44 98,94Ago-05 68 99,70 99,04 99,12 101,43 99,42 99,29Sep-05 69 99,70 99,14 99,09 99,71 99,34 99,51Oct-05 70 99,71 99,65 99,09 99,39 99,43 99,79Nov-05 71 99,71 99,72 99,09 99,36 99,43 100,01Dic-05 72 100,00 100,00 100,00 100,00 100,00 100,00Ene-06 73 101,60 101,77 101,95 101,17 104,27 102,24
9
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Feb-06 74 103,40 102,61 105,12 102,18 105,08 103,63Mar-06 75 103,83 103,06 105,44 104,64 105,31 104,02Abr-06 76 104,16 104,59 106,04 106,08 105,59 104,42May-06 77 104,37 104,71 106,23 108,16 105,90 105,33
FECHA ORDENOBRAS DE
EXPLANACIÓNBASES Y
SUBBASES
TRANSPORTE DE
MATERIALES ACEROS
CONCRETOS Y OBRAS VARIAS
ASFALTO Y ELEMENTOS
QUÍMICOS
Jun-06 78 104,41 104,62 106,25 111,87 106,46 106,05Jul-06 79 104,55 105,09 106,52 118,17 108,08 107,04Ago-06 80 104,80 105,66 106,97 120,44 108,80 107,15Sep-06 81 104,91 106,08 107,00 120,03 110,16 107,88Oct-06 82 105,21 106,45 107,24 119,71 110,46 107,97Nov-06 83 105,40 106,96 107,60 118,10 110,63 108,38Dic-06 84 105,59 107,33 107,93 116,42 110,60 108,54Ene-07 85 108,12 111,03 111,03 115,75 111,96 109,76Feb-07 86 109,37 112,77 112,23 114,97 112,29 110,58Mar-07 87 110,18 114,24 112,99 117,43 112,93 111,61Abr-07 88 110,59 114,34 113,26 119,17 113,25 111,79May-07 89 111,40 114,69 114,51 119,68 113,81 112,51Jun-07 90 111,68 115,07 114,73 117,49 113,75 112,79Jul-07 91 112,00 115,46 114,96 114,91 114,61 112,92Ago-07 92 112,50 116,23 115,55 113,59 115,11 113,17Sep-07 93 113,13 116,29 116,86 113,87 115,29 113,83Oct-07 94 113,41 116,74 117,49 114,48 115,68 114,22Nov-07 95 113,74 117,16 117,97 114,63 115,90 116,22Dic-07 96 114,06 117,40 118,41 115,37 116,12 119,88Ene-08 97 117,00 122,76 121,76 119,29 119,26 124,01Feb-08 98 118,82 124,95 124,14 123,15 120,60 127,21Mar-08 99 119,43 125,74 124,73 125,20 121,13 127,51Abr-08 100 120,19 125,98 125,68 127,34 121,45 127,62May-08 101 120,55 126,61 125,99 129,24 121,65 127,90Jun-08 102 120,83 127,37 126,12 135,32 121,90 129,81
10
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
6. BREVE DESCRIPCIÓN DE METODOLOGÍAS DE PRONÓSTICO
Para pronosticar datos, la ingeniería civil ha tomado diversos modelos estadísticos. Los más conocidos a nivel de pregrado son:
6.1 Regresión lineal: La regresión lineal utiliza el método de los mínimos cuadrados para determinar la ecuación que mejor se ajusta a su conjunto de datos y modela una recta con pendiente e intercepto que representa el comportamiento de la tendencia.
6.2 Regresión Cuadrática, Cúbica ó de Orden Cuarto :Estos métodos de regresión también utilizan los mínimos cuadrados para modelar una curva que mejor se ajuste a la tendencia, bien sea de orden dos, tres ó cuatro.
11
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
6.3 Regresión Logarítmica :La regresión logarítmica, expresa a “y” como una función logarítmica de “x”. La expresión matemática que modela la regresión logarítmica es: y = a + b*ln(x). Si se asume X = ln(x),
12
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
entonces la expresión corresponde al modelo de regresión lineal: y = a + b*X.
6.4 Regresión Exponencial :Se usa cuando “y” es proporcional a la función exponencial de “x”; la fórmula de regresión exponencial es y=a∗eb∗x, la que se puede transformar a una función lineal aplicando el logaritmo natural en ambos miembros de la ecuación. Esto es, Y = ln(y), y, A = ln(a). Con esto, el modelo se transforma en Y = A + b*x.Resumiendo tenemos:
6.5 Regresión Potencial: Se usa cuando “y” es proporcional a la función potencia de “x”; la fórmula de regresión potencial es y=a∗xb, la que se puede transformar a una función lineal aplicando el logaritmo natural en ambos miembros de la ecuación. Esto es, Y = ln(y), A = ln(a), y,
13
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
X = ln(x). Con esto, el modelo se transforma en Y = A + b*X. Entonces:
6.6 Regresión Logística :Es la más adecuada para datos cuyos valores aumenten con el tiempo, hasta llegar a un punto de saturación. En el caso de la ingeniería civil, es un modelo clásico para la representación de resistencias de concretos hidráulicos ensayados a la compresión.
Para nuestros análisis, la regresión logística es descartada por sus características, ya que nuestras series tienen tendencia creciente y su modelo no nos satisface para los casos a tratar.Pero incluso, los modelos anteriores, no se aplican de manera óptima para efectuar predicciones, para estas series, como es el caso de los índices del DANE, por consiguiente, describiremos brevemente algunos métodos más apropiados para ello, que son comúnmente conocidos como “Métodos de Suavizamiento”.
6.7 Promedio móviles simples :
14
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Es un método de predicción que se basa en el promedio de los datos existentes para pronosticar el dato del siguiente periodo inmediatamente posterior al último dato existente. Su representación matemática está dada por:
F t+1=S t=1N
∑i=t−N+1
t
( X i )
Donde,F t+1:Pronó stico parael tiempo t+1
St :Valor suavizadoenel tiempo t
X i :Valor actual enel tiempoi
i :Periodo de tiempo
N : número de valores incluidos en el promedio
6.8 Suavizamiento exponencial único :Es un método que busca mejorar el método de promedios móviles, dando mayor ponderación a los datos más recientes, y ponderaciones decrecientes a los valores más antiguos y elimina la necesidad de almacenar los valores históricos de la variable.Partiendo de las mismas definiciones de variables y datos que el de los promedios móviles, el exponencial único se representa por el modelo:
F t+1=Ft+α ¿e tDonde,
α= 1N
e t=X t−Ft :Error del pron ó sticoantiguo .
6.9 Suavizamiento por los métodos de Holt y de Winters :Inicialmente, Holt desarrolló, un método de suavizamiento exponencial lineal, para corregir problemas que presentaba el método exponencial único cuando se presentan tendencias marcadas en los datos. Posteriormente, Winters mejoró el método de Holt, pudiendo representarlo en un modelo que trabaja indistintamente con datos estacionales o datos con tendencias
15
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
definidas. El método de Winters, plantea tres ecuaciones, cada una para suavizar los patrones de aleatoriedad, tendencia y estacionalidad. Este es uno de los métodos más reconocidos internacionalmente para el pronóstico de datos a corto plazo.Estas ecuaciones son:
St=∝∗X t
I t−L
+ (1−∞ )∗(S¿¿ t−1+T t−1)¿
T t=β∗(S¿¿t+St−1)+(1−β )∗T t−1¿
I t=γ∗X t
St+(1−γ )∗I
t−L
Donde, S : valor suavizado de la serie desestacionalizadaT : valor suavizado de la tendenciaI: valor suavizado del factor estacionalL: valor de la estacionalidad. (por ej. # de meses, trimestres en un año, etc.).
Además, , y , siempre estarán en el rango mayor que ceroα β γ (0) y menor que uno (1) por ser coeficientes de suavizamiento; siendo mayor el suavizamiento cuando cada coeficiente tiende a cero (0) y viceversa.
Aunque existen otros métodos de suavizamiento, igual de consistentes que el de Winters, como los son los métodos de Box- Jenkins, ó, los de Gadner – McKenzie; estos modelos requieren por su complejidad el uso obligado de computadoras, y son usados en los estudios estadísticos que requieren la verificación del mejor método para la predicción de resultados, haciéndose indispensable la aplicación de todas las técnicas
16
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
disponibles para escoger la que arroje menores errores, y represente o modele mejor, el conjunto de datos que se estudia.Para el alcance de este proyecto, y teniendo en la cuenta que el programa computacional visto en el módulo, MINITAB, tiene la aplicación de las series de Winters, consideramos que éste, nos da la suficiencia para obtener pronósticos apropiados, reconociendo que la Estadística aporta variadas de herramientas que pueden ser usadas para modelar tendencias de datos y/o predecir o pronosticar comportamientos en una serie conocida, como lo es en nuestro caso, los Índices ICCP del DANE.
7. GRÁFICOS DE DATOS
7.1 Índices de Explanación :
7.1.1 Datos originales y modelo de regresión lineal:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.301607168960235 x + 82.7893290874819R² = 0.923748682145616
Series2
Linear (Series2)
ORDEN DE EXPEDICIÓN
ÍNDI
CE D
ANE
EXPL
ANAC
ION
ES
7.1.2 Datos originales y modelo de regresión cuadrática:
17
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.00255333989265317 x² + 0.0386131600169582 x + 87.3478919091653R² = 0.969650496579594
Series2
Polynomial (Series2)
ORDEN DE EXPEDICIÓN
ÍNDI
CE D
ANE
EXPL
ANAC
ION
ES
7.1.3 Datos originales y modelo regresión logarítmica:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 7.98046611063259 ln(x) + 69.1402354320322R² = 0.637483042472268
Series2
Logarithmic (Series2)
ORDEN DE EXPEDICIÓN
ÍNDI
CE D
ANE
EXPL
ANAC
ION
ES
7.1.4 Datos originales y modelo de regresión exponencial:
18
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 83.7903009877904 exp( 0.00302267982938188 x )R² = 0.944479796668563
Series2
Exponential (Series2)
ORDEN DE EXPEDICIÓN
ÍNDI
CE D
ANE
EXPL
ANAC
ION
ES
7.1.5 Datos originales y modelo de regresión potencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 72.7244023816717 x^0.0813059366969594R² = 0.673588247829503
Series2
Regresión Potencial
ORDEN DE EXPEDICIÓN
ÍNDI
CE D
ANE
EXPL
ANAC
ION
ES
19
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.1.6 Datos originales y modelo de promedio móvil bimensual:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
Series2
Prom. móvil bimensual
ORDEN DE EXPEDICIÓN
ÍNDI
CE D
ANE
EXPL
ANAC
ION
ES
7.1.7 Datos originales, suavizamiento exponencial y pronóstico (1):
7.1.8 Datos originales, suavizamiento por Winters y pronósticos (6):
20
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.2 Índices de Bases y Subbases :
7.2.1 Datos originales y modelo de regresión lineal:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.441619592363781 x + 72.7945634877763R² = 0.936286051397203
Series2 Linear (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E BA
SES
Y SU
BBAS
ES
7.2.2 Datos originales y modelo de regresión cuadrática:
21
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.00390237411462388 x² + 0.0396750585575212 x + 79.7616020737515R² = 0.986974823742667
Series2
Regresión cuadrática
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E BA
SES
Y SU
BBAS
ES
7.2.3 Datos originales y modelo regresión logarítmica:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 11.5646247060538 ln(x) + 53.2500550364105R² = 0.632873025515217
Series2
Logarithmic (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E BA
SES
Y SU
BBAS
ES
7.2.4 Datos originales y modelo de regresión exponencial:
22
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 74.9088862989574 exp( 0.00453951245483644 x )R² = 0.963227465864466
Series2
Exponential (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E BA
SES
Y SU
BBAS
ES
7.2.5 Datos originales y modelo de regresión potencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 60.6679482963121 x^0.121597773827678R² = 0.681244943462486
Series2 Power (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E BA
SES
Y SU
BBAS
ES
7.2.6 Datos originales y modelo de promedio móvil bimensual:
23
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
Series2
Prom. móvil bimensual
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E BA
SES
Y SU
BBAS
ES
7.2.7 Datos originales, suavizamiento exponencial y pronóstico (1):
7.2.8 Datos originales, suavizamiento por Winters y pronósticos (6):
24
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.3.1 Datos originales y modelo de regresión lineal:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.524636028691513 x + 65.913561936657R² = 0.969783149421223
Series2 Linear (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E TR
ANSP
ORT
ES
7.3.2 Datos originales y modelo de regresión cuadrática:
25
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.00306981759125243 x² + 0.208444816792513 x + 71.394209609573R² = 0.992804226082316
Series2
Regresión cuadrática
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E TR
ANSP
ORT
ES
7.3.3 Datos originales y modelo regresión logarítmica:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 14.1301787650074 ln(x) + 41.26303730611R² = 0.693418353256924
Series2
Logarithmic (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E TR
ANSP
ORT
ES
26
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.3.4 Datos originales y modelo de regresión exponencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 68.6527027739342 exp( 0.00560926682625146 x )R² = 0.987944773841405
Series2
Exponential (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E TR
ANSP
ORT
ES
7.3.5 Datos originales y modelo de regresión potencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 51.902169452004 x^0.155490782969483R² = 0.748292478849506
Series2 Power (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E TR
ANSP
ORT
ES
27
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.3.6 Datos originales y modelo de promedio móvil bimensual:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
Series2
Prom. móvil bimensual
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E TR
ANSP
ORT
ES
7.3.7 Datos originales, suavizamiento exponencial y pronóstico (1):
7.3.8 Datos originales, suavizamiento por Winters y pronósticos (6):
28
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.4.1 Datos originales y modelo de regresión lineal:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
f(x) = 0.780659078829209 x + 48.1300416651644R² = 0.950389109312935
Series2 Linear (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AC
ERO
S
7.4.2 Datos originales y modelo de regresión cuadrática:
29
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
f(x) = 0.000811529115043673 x² + 0.697071579979712 x + 49.5788916452223R² = 0.951101189517382
Series2
Regresión cuadrática
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AC
ERO
S
7.4.3 Datos originales y modelo regresión logarítmica:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
f(x) = 21.5499452607599 ln(x) + 9.53312993198736R² = 0.713859221321915
Series2
Logarithmic (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AC
ERO
S
30
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.4.4 Datos originales y modelo de regresión exponencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
f(x) = 53.2282065161719 exp( 0.0091160396174067 x )R² = 0.953001257059787
Series2
Exponential (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AC
ERO
S
7.4.5 Datos originales y modelo de regresión potencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
f(x) = 32.770671666032 x^0.261038804239989R² = 0.770251970870156
Series2 Power (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AC
ERO
S
31
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.4.6 Datos originales y modelo de promedio móvil bimensual:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
Series2
Prom, móvil bimensual
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AC
ERO
S
7.4.7 Datos originales, suavizamiento exponencial y pronóstico (1):
7.4.8 Datos originales, suavizamiento por Winters y pronósticos (6):
32
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.5.1 Datos originales y modelo de regresión lineal:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.47670677522685 x + 70.7978170649471R² = 0.985153440524247
Series2 Linear (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E CO
NCR
ETO
S
7.5.2 Datos originales y modelo de regresión cuadrática:
33
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.000515853005939815 x² + 0.423573915615049 x + 71.7187866315516R² = 0.985953266014658
Series2
Regresión cuadrática
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E CO
NCR
ETO
S
7.5.3 Datos originales y modelo regresión logarítmica:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 13.582863437324 ln(x) + 45.680282745993R² = 0.788361683036664
Series2
Logarithmic (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E CO
NCR
ETO
S
7.5.4 Datos originales y modelo de regresión exponencial:
34
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 72.6973064643754 exp( 0.00505034783553411 x )R² = 0.984523882317405
Series2
Exponential (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E CO
NCR
ETO
S
7.5.5 Datos originales y modelo de regresión potencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 54.8154907593212 x^0.148338702190541R² = 0.837209667104901
Series2 Power (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E CO
NCR
ETO
S
7.5.6 Datos originales y modelo de promedio móvil bimensual:
35
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
Series2
Prom. móvil bimensual
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E CO
NCR
ETO
S
7.5.7 Datos originales, suavizamiento exponencial y pronóstico (1):
7.5.8 Datos originales, suavizamiento por Winters y pronósticos (6):
36
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
7.6.1 Datos originales y modelo de regresión lineal:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 0.605626225209036 x + 61.7813328152402R² = 0.931611503588652
Series2 Linear (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AS
FALT
OS
7.6.2 Datos originales y modelo de regresión cuadrática:
37
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = − 0.00223838277504972 x² + 0.836179651039158 x + 57.7850734341848R² = 0.940434910073
Series2
Regresión cuadrática
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AS
FALT
OS
7.6.3 Datos originales y modelo regresión logarítmica:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 18.370955774038 ln(x) + 25.7947174573962R² = 0.844949220663547
Series2
Logarithmic (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AS
FALT
OS
7.6.4 Datos originales y modelo de regresión exponencial:
38
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 63.9647478087072 exp( 0.00684415155339398 x )R² = 0.901162635078674
Series2
Exponential (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AS
FALT
OS
7.6.5 Datos originales y modelo de regresión potencial:
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
f(x) = 40.987943297842 x^0.218102761866596R² = 0.902044329631679
Series2 Power (Series2)
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AS
FALT
OS
7.6.6 Datos originales y modelo de promedio móvil bimensual:
39
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
0 20 40 60 80 100 1200.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
Series2
Prom. móvil bimensual
ORDEN DE EXPEDICIÓN
ÍNIC
E S
DAN
E AS
FALT
OS
7.6.7 Datos originales, suavizamiento exponencial y pronóstico (1):
7.6.8 Datos originales, suavizamiento por Winters y pronósticos (6):
40
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
8. ANÁLISIS DE DATOS
8.1 De los métodos de regresión :Para las series de índices estudiados, todos los sistemas de regresión modelados, fueron determinados con el programa computacional Microsoft Office Excel 2007. La mayoría de los datos se ajustaron mejor a la regresión cuadrática, salvo los índices de “Aceros” que se ajustaron mejor a la exponencial. El estadístico usado para determinar el mejor ajuste, fue R2, que es el coeficiente de determinación, y está definido por la relación entre la variabilidad explicada del modelo de regresión, con la variabilidad total ó varianza del modelo. En el siguiente cuadro se expresan los valores de R2 para los diferentes tipos de regresión encontradas:
TIPO DE REGRESIÓNINDICE DANE LINEAL CUADRÁTICA LOGARÍTMICA EXPONENCIAL POTENCIAL
Explanaciones 0,923 0,969 0,637 0,944 0,673
Bases y Subbases 0,936 0,987 0,632 0,963 0,681
41
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Transportes 0,969 0,992 0,693 0,987 0,748
Aceros 0,950 0,951 0,713 0,953 0,770
Concretos 0,985 0,986 0,788 0,984 0,837
Asfaltos 0,931 0,940 0,844 0,901 0,902
Consideramos, que el estadístico R2, es suficiente para explicar la fidelidad del modelo más apropiado, pues desde nuestro estudio, sólo existe un variable, por consiguiente su indicación no está sesgada por la multiplicidad; además este estadístico indirectamente tiene en cuenta la variabilidad no explicada ó error del modelo.
8.2 De los modelos de suavizamiento :La simple inspección gráfica, ratifica el marco teórico que enuncia, que generalmente los métodos de suavizamiento se ajustan con mayor precisión a las series que los métodos de regresión.Para todos los gráficos de modelos de suavizamiento inicialmente fue usado el programa Microsoft Office Excel 2007 para graficar el modelo de los promedios móviles bimensuales, que para series con tendencias crecientes o decrecientes, entre más pequeño sea el lapso de los periodos que intervendrán en el promedio mejor será representada con éste método.Pero los modelos se suavizamiento de promedios móviles simples ó el exponencial simple, tienen una gran limitante para hacer predicciones en más de un periodo, pues no existe la manera de proyectar eficazmente algún resultado entre más alejado sea el periodo de predicción. Entonces los podemos considerar métodos inmediatistas de aplicación limitada, y cuyo gran aporte consistió en servir de idea inicial para el desarrollo y mejoramiento de los demás métodos refinados y más apropiados de suavizamiento como es el caso del método de Winters.
42
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Los modelos del método de suavizamiento explonencial simple (con aplicación ARIMA) y el de Winters, fueron determinados con el uso del programa computacional MINITAB 15 ESPAÑOL, que está disponible para descarga gratuita por 30 días en la página web del programa.Para obtener menores errores porcentuales absolutos medios (MAPE), menores desviaciones absolutas de la media (MAD), y, menores desviaciones cuadráticas medias (MSD), para cada conjunto de datos modelado con las series de Winters, se variaron los valores de , y , hasta obtener los más bajos posibles.α β γEl siguiente cuadro resume los valores de los coeficientes de suavizamiento y de las medidas de exactitud obtenidas en cada modelo.
COEFICIENTES DE SUAVIZAMIENTO MEDIDAS DE EXACTITUD
ÍNDICE DANE α β γ MAPE MAD MSDExplanaciones 0,30 0,15 1,00 0,505759 0,507731 0,728617Bases y Subbases 0,75 0,50 0,85 0,561798 0,566164 0,898867Transportes 0,75 0,30 0,80 0,584950 0,565302 0,680489Aceros 0,95 0,95 0,95 1,066930 0,986330 1,901590Concretos 0,85 0,30 0,80 0,564924 0,538330 0,640778Asfaltos 0,85 0,15 0,90 1,141810 0,999870 2,269550
Las medidas de exactitud, mediante sus valores obtenidos indican que los modelos son muy apropiados, pues en su gran mayoría las desviaciones de los probables errores son menores del 1%; existen dos medidas con errores menores del 1.2%, y otras dos, con errores menores del 2.3 %. Por lo tanto, los pronósticos evaluados son correctos.
9. RESULTADOS OBTENIDOS
43
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
9.1 Pronósticos :Los pronósticos que se presentan a continuación, fueron obtenidos con el programa computacional MINITAB 15 ESPAÑOL; los primeros, para cada caso que no están sombreados, corresponden al pronóstico para el periodo subsiguiente arrojado por el método exponencial simple (aplicación ARIMA). Los segundos, que están sombreados, corresponden a los pronósticos arrojados por el método de Winters. Estos pronósticos son:9.1.1 Para las Explanaciones:
Pronósticos
Período Pronóstico Inferior Superior103 120,907 120,013 121,800
Pronósticos
Período Pronóstico Inferior Superior103 121,736 120,493 122,980104 122,197 120,438 123,956105 123,106 120,724 125,488106 123,564 120,518 126,611107 124,476 120,744 128,208108 124,932 120,505 129,359
9.1.2 Para las Bases y Subbases:
Pronósticos
Período Pronóstico Inferior Superior103 127,557 126,422 128,693
Pronósticos
Período Pronóstico Inferior Superior103 128,464 127,077 129,851104 129,075 127,273 130,878105 130,182 127,875 132,489106 130,790 127,936 133,644107 131,900 128,476 135,324108 132,505 128,499 136,511
44
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
9.1.3 Para los Transportes:
Pronósticos
Período Pronóstico Inferior Superior103 126,147 124,773 127,520
Pronósticos
Período Pronóstico Inferior Superior103 127,074 125,689 128,459104 127,744 125,992 129,496105 128,647 126,449 130,846106 129,316 126,631 132,002107 130,221 127,026 133,415108 130,889 127,172 134,605
9.1.4 Para los Aceros:
Pronósticos
Período Pronóstico Inferior Superior103 139,093 136,851 141,335
Pronósticos
Período Pronóstico Inferior Superior103 140,967 138,551 143,384104 146,837 143,517 150,157105 152,487 148,072 156,901106 158,365 152,776 163,954107 164,006 157,203 170,808108 169,892 161,856 177,929
9.1.5 Para los Concretos:
Pronósticos
Período Pronóstico Inferior Superior103 121,964 120,717 123,211
45
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton GranadosPronósticos
Período Pronóstico Inferior Superior103 122,666 121,347 123,985104 123,020 121,306 124,734105 123,781 121,588 125,975106 124,134 121,420 126,847107 124,896 121,641 128,152108 125,247 121,438 129,056
9.1.6 Para los Asfaltos:
Pronósticos
Período Pronóstico Inferior Superior103 130,006 127,623 132,389
Pronósticos
Período Pronóstico Inferior Superior103 130,931 128,482 133,381104 132,389 129,117 135,661105 133,516 129,246 137,786106 134,977 129,631 140,323107 136,101 129,640 142,562108 137,565 129,967 145,164
10. BIBLIOGRAFÍA
http://www.virtual.unal.edu.co/cursos/ciencias/2007315/ lecciones_html/capitulo_5/leccion9/suma-secuencial-parcial.html
Glosario del Programa Minitab 15 en español.
46
Proyecto Final de EstadísticaPronóstico de valores futuros
Telva Galván - Milton Granados
Jiménez G., J.F., Monografía sobre la capacidad predictiva de los métodos de Box-Jenkins y Holt-Winters, marzo de 2006.
Apuntes de clase del módulo estadística aplicada de la especialización en curso de Vías y Transporte.
47