Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

UNIVERSIDAD DEL SIN

ESPECIALIZACIN DE VAS Y TRANSPORTE

ESTADSTICA APLICADA

Proyecto final: Pronstico de valores futuros (ndices del DANE)

Presentado por: Telva Leti Galvn Caballero. Milton Alfonso Granados Sguerra.

Montera, Agosto de 2008.

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

1. TABLA DE CONTENIDO

CAPTULO 1 2 3 4 5 6 7 8 9 10

TTULO Tabla de Contenido. Introduccin. Objetivos. Informacin preliminar del caso en estudio. Presentacin de datos. Breve descripcin de las metodologas de pronstico. Grficos de datos y modelos. Anlisis de datos, comentarios y conclusiones. Resultados obtenidos. Bibliografa.

PGINAS 2 3 4 5, 6, 6.1, 6.2 y 6.3 7, 7.1, 7.2, 7.3, 8, 9 y 10 De la 11 a la 16 De la 14 a la 40 41, 42 y 43 43, 44, 45 y 46 46

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

2. INTRODUCCIN

Despus de adquirir conocimientos bsicos de Estadstica y su aplicacin al anlisis de datos en diversos campos profesionales, nos damos a la tarea de investigar y aplicar una metodologa apropiada para el pronstico (en cortos plazos) de los ndices de Costo de la Construccin Pesada (ICCP), expedidos mensualmente por el DANE, y que son la base para calcular la actualizacin permanente de los precios unitarios en los contratos estatales de construccin de vas y obras civiles, que tienen duracin de varias vigencias o anualidades. Aunque no es el propsito que las predicciones reemplacen los valores verdaderos que finalmente expedir el DANE, si es de nuestro entero inters conocer y aplicar la metodologa que sea considerada por los estudios estadsticos como la ms 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 ejecucin, antes de la expedicin oficial de los ya mencionados ndices. Lo descrito anteriormente, es de aplicacin y carcter genrico en la ingeniera colombiana, y especficamente, la metodologa que aplicaremos a continuacin, ser 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 Montera y Megaproyecto Vial Siglo XXI, en el desarrollo de diversos proyectos de la Malla Vial de la ciudad.

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

3. OBJETIVOS

3.1 Conocer diferentes metodologas estadsticas para la evaluacin de pronsticos. 3.2 Analizar un caso de inters profesional, de inmediata aplicacin y desarrollarlo. 3.3 Aprender a determinar de manera apropiada la preparacin de pronsticos de corto plazo. 3.4 Utilizar los programas computacionales disponibles para determinar los modelos para pronsticos. 3.5 Ratificar la conveniencia, solidez y certeza de los mtodos de suavizamiento respecto de los mtodos de regresin para el pronstico de corto plazo. 3.6 Comentar los resultados obtenidos.

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

4. INFORMACIN PRELIMINAR DEL CASO EN ESTUDIO 4.1 NDICES DEL DANE -ANTECEDENTES. El departamento administrativo nacional de estadstica (DANE), atendiendo la necesidad de asistir al Estado en la expedicin de indicadores reales de la variacin de los precios del mercado para la construccin de carreteras, puentes y obras civiles, cre desde diciembre de 1982, los ndices de Costo de la Construccin Pesada (ICCP), que inicialmente sirvieron como base para la expedicin de los ndices INVAS, pero que desde noviembre de 2003, son la fuente oficial aceptada por el Estado, para la actualizacin de los precios de la gran mayora de contratos de obras civiles que tengan la modalidad de reajustes mensuales, dada la prolongacin de su ejecucin en el tiempo, y la permanente fluctuacin de los costos bsicos del entorno. Para ejemplificar su uso, explicaremos lo siguiente; dado el caso que alguna entidad del Estado contrate la construccin de una carretera cuya ejecucin se prolongue por un lapso de 3 aos, 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 ejecucin; por tal razn, el Estado tiene que estimar un costo inicial del proyecto con precios actualizados al momento del inicio de las obras, ms un monto estimado para el reajuste de precios con el objeto conservar el equilibrio econmico de la ecuacin contractual suscrita con el contratista. Y es all donde entran a operar los ndices del DANE. Un caso sencillo sera el siguiente: Para ejecutar una actividad, un contratista en el mes i la cotiz en un valor ; esta misma actividad n meses despus, tendr

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

un nuevo valor

, donde,

; y respectivamente,

es el ndice DANE en el mes i; e, es el ndice DANE en el mes n. Aclaramos que en el presente trabajo slo nos limitaremos a estimar los pronsticos de los ndices del DANE. 4.2 FICHA METODOLGICA El DANE en su enlace: http://www.dane.gov.co/files/investigaciones/fichas/construccion/ ficha_iccp.pdf Muestra la siguiente informacin sobre los ndices:

A continuacin, en las pginas 6.1 a 6.3, anexamos la impresin de las tres pginas del citado documento:

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

5. PRESENTACIN DE DATOS

A continuacin, en las pginas 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=categ ory&sectionid=34&id=62&Itemid=244 Seguidamente, se encontrar la informacin clasificada y ordenada por fecha de expedicin, correspondiente a los ndices de seis (6) grupos de obra a estudiar, tomados de los cuadros originales del DANE, pero suprimiendo la informacin que no nos interesa. Seguidamente se encontrar el cuadro que contiene el resumen de nuestros datos de trabajo, est presentado en tres (3) pginas. Los ndices a analizar son los correspondientes a los grupos de obra de: Explanaciones. Bases y Subbases. Transporte de materiales. Aceros y elementos metlicos. Concretos y obras varias. Asfaltos y elementos qumicos.

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

DATOS A ANALIZAR INDICES DE COSTO DE LA CONSTRUCCIN PESADA

OBRAS DE EXPLANACIN BASES Y SUBBASES TRANSPORTE DE MATERIALES CONCRETOS Y OBRAS VARIAS ASFALTO Y ELEMENTOS QUMICOS

FECHA

ORDEN

ACEROS

Ene-00 Feb-00 Mar-00 Abr-00 May-00 Jun-00 Jul-00 Ago-00 Sep-00 Oct-00 Nov-00 Dic-00 Ene-01 Feb-01 Mar-01 Abr-01 May-01 Jun-01 Jul-01 Ago-01 Sep-01 Oct-01 Nov-01 Dic-01 Ene-02 Feb-02 Mar-02 Abr-02 May-02 Jun-02 Jul-02 Ago-02 Sep-02 Oct-02 Nov-02 Dic-02 Ene-03 Feb-03

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

85,82 86,39 86,55 86,58 86,91 86,91 87,01 87,18 87,26 87,36 87,35 87,35 88,09 88,34 88,47 89,30 89,32 89,36 89,37 89,37 89,37 89,56 89,59 89,81 90,40 90,60 90,61 90,94 91,00 91,01 91,19 91,29 91,35 91,35 91,47 91,80 93,48 93,88

78,35 78,76 78,87 78,85 79,17 79,19 79,34 79,42 79,61 79,71 79,73 79,68 80,58 81,21 81,62 82,80 82,85 82,81 83,03 83,03 83,03 83,16 83,19 83,39 84,18 84,46 84,47 84,66 84,71 84,77 85,28 85,35 85,32 85,33 85,50 85,60 87,14 87,75

70,86 71,06 71,24 71,74 71,99 71,99 72,41 72,62 72,79 72,98 73,67 73,76 74,08 75,09 75,26 76,76 76,77 76,77 78,31 78,45 77,75 78,17 78,20 78,47 78,59 78,67 78,68 79,18 79,30 79,37 79,73 80,10 80,48 80,64 82,32 82,66 83,75 83,88

53,24 54,38 55,52 56,07 56,09 57,05 58,09 59,18 59,30 59,55 59,79 59,82 60,56 60,69 61,18 61,72 62,23 62,06 62,13 62,44 62,41 63,54 63,87 63,88 64,00 64,86 64,91 65,19 65,21 65,11 65,25 65,92 67,21 67,38 67,75 67,97 68,61 71,59

70,78 71,85 72,05 72,53 72,76 73,02 73,17 73,54 75,03 75,22 75,40 75,54 77,22 78,17 78,47 80,14 80,61 80,84 81,97 81,98 82,07 82,31 82,34 82,59 83,53 84,29 84,44 84,61 84,74 84,90 85,18 85,23 85,25 85,87 86,22 86,37 88,59 89,89

54,73 55,01 55,01 58,58 58,13 59,97 60,06 64,20 64,38 70,42 70,52 70,56 71,27 71,80 72,05 72,83 72,87 72,79 72,61 71,48 72,22 72,35 71,57 71,81 71,97 72,17 72,82 73,04 79,55 79,73 81,63 82,01 84,76 87,18 91,05 91,09 91,43 92,75

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados OBRAS DE EXPLANACIN BASES Y SUBBASES TRANSPORTE DE MATERIALES CONCRETOS Y OBRAS VARIAS ASFALTO Y ELEMENTOS QUMICOS

FECHA

ORDEN

ACEROS

Mar-03 Abr-03 May-03 Jun-03 Jul-03 Ago-03 Sep-03 Oct-03 Nov-03 Dic-03 Ene-04 Feb-04 Nov-03 Dic-03 Ene-04 Feb-04 Mar-04 Abr-04 May-04 Jun-04 Jul-04 Ago-04 Sep-04 Oct-04 Nov-04 Dic-04 Ene-05 Feb-05 Mar-05 Abr-05 May-05 Jun-05 Jul-05 Ago-05 Sep-05 Oct-05 Nov-05 Dic-05 Ene-06 Feb-06 Mar-06 Abr-06 May-06

39 40 41 42 43 44 45 46 47 48 49 50 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77

94,66 94,69 94,99 95,10 95,12 95,35 95,76 95,86 95,88 95,88 97,39 97,61 95,88 95,88 97,39 97,61 98,08 99,65 99,78 99,81 99,90 99,92 99,91 96,65 96,69 96,72 97,68 97,99 98,98 99,24 99,41 99,42 99,68 99,70 99,70 99,71 99,71 100,00 101,60 103,40 103,83 104,16 104,37

87,88 87,88 88,12 88,22 88,36 88,55 90,53 90,95 91,04 91,40 92,62 93,11 91,04 91,40 92,62 93,11 93,96 94,22 94,73 96,37 96,50 96,57 96,66 94,31 94,34 94,41 96,39 97,29 98,42 98,49 98,60 98,71 98,99 99,04 99,14 99,65 99,72 100,00 101,77 102,61 103,06 104,59 104,71

85,91 86,23 87,89 87,98 88,90 89,15 89,11 89,46 89,40 89,40 90,10 90,46 89,40 89,40 90,10 90,46 90,75 91,65 92,33 92,34 93,09 92,41 92,65 91,47 91,86 91,88 94,90 94,97 96,50 97,23 97,64 97,66 98,16 99,12 99,09 99,09 99,09 100,00 101,95 105,12 105,44 106,04 106,23

74,11 76,02 76,96 76,81 76,63 77,06 77,50 77,47 78,16 78,85 81,70 86,93 78,16 78,85 81,70 86,93 94,07 99,61 100,65 101,11 101,51 102,72 100,77 100,35 100,87 100,60 100,94 100,56 100,73 100,64 100,82 100,58 101,85 101,43 99,71 99,39 99,36 100,00 101,17 102,18 104,64 106,08 108,16

90,44 90,42 90,55 90,62 90,66 90,78 91,96 92,04 92,86 93,03 95,67 96,63 92,86 93,03 95,67 96,63 97,84 98,52 99,19 99,51 99,64 99,49 100,18 99,79 98,27 97,57 98,97 98,89 99,64 99,26 99,70 99,61 99,44 99,42 99,34 99,43 99,43 100,00 104,27 105,08 105,31 105,59 105,90

93,25 98,59 95,97 95,95 96,03 96,11 96,81 98,46 98,63 98,28 96,97 97,95 98,63 98,28 96,97 97,95 97,86 98,13 98,27 98,69 100,31 98,13 98,09 97,51 97,77 95,03 96,91 97,16 98,27 98,44 98,67 98,88 98,94 99,29 99,51 99,79 100,01 100,00 102,24 103,63 104,02 104,42 105,33

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados OBRAS DE EXPLANACIN BASES Y SUBBASES TRANSPORTE DE MATERIALES CONCRETOS Y OBRAS VARIAS ASFALTO Y ELEMENTOS QUMICOS

FECHA

ORDEN

ACEROS

Jun-06 Jul-06 Ago-06 Sep-06 Oct-06 Nov-06 Dic-06 Ene-07 Feb-07 Mar-07 Abr-07 May-07 Jun-07 Jul-07 Ago-07 Sep-07 Oct-07 Nov-07 Dic-07 Ene-08 Feb-08 Mar-08 Abr-08 May-08 Jun-08

78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102

104,41 104,55 104,80 104,91 105,21 105,40 105,59 108,12 109,37 110,18 110,59 111,40 111,68 112,00 112,50 113,13 113,41 113,74 114,06 117,00 118,82 119,43 120,19 120,55 120,83

104,62 105,09 105,66 106,08 106,45 106,96 107,33 111,03 112,77 114,24 114,34 114,69 115,07 115,46 116,23 116,29 116,74 117,16 117,40 122,76 124,95 125,74 125,98 126,61 127,37

106,25 106,52 106,97 107,00 107,24 107,60 107,93 111,03 112,23 112,99 113,26 114,51 114,73 114,96 115,55 116,86 117,49 117,97 118,41 121,76 124,14 124,73 125,68 125,99 126,12

111,87 118,17 120,44 120,03 119,71 118,10 116,42 115,75 114,97 117,43 119,17 119,68 117,49 114,91 113,59 113,87 114,48 114,63 115,37 119,29 123,15 125,20 127,34 129,24 135,32

106,46 108,08 108,80 110,16 110,46 110,63 110,60 111,96 112,29 112,93 113,25 113,81 113,75 114,61 115,11 115,29 115,68 115,90 116,12 119,26 120,60 121,13 121,45 121,65 121,90

106,05 107,04 107,15 107,88 107,97 108,38 108,54 109,76 110,58 111,61 111,79 112,51 112,79 112,92 113,17 113,83 114,22 116,22 119,88 124,01 127,21 127,51 127,62 127,90 129,81

10

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

6. BREVE DESCRIPCIN DE METODOLOGAS DE PRONSTICO Para pronosticar datos, la ingeniera civil ha tomado diversos modelos estadsticos. Los ms conocidos a nivel de pregrado son: 6.1 Regresin lineal: La regresin lineal utiliza el mtodo de los mnimos cuadrados para determinar la ecuacin 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 Regresin Cuadrtica, Cbica de Orden Cuarto: Estos mtodos de regresin tambin utilizan los mnimos cuadrados para modelar una curva que mejor se ajuste a la tendencia, bien sea de orden dos, tres cuatro.

11

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

6.3 Regresin Logartmica: La regresin logartmica, expresa a y como una funcin logartmica de x. La expresin matemtica que modela la regresin logartmica es: y = a + b*ln(x). Si se asume X = ln(x), entonces la expresin corresponde al modelo de regresin lineal: y = a + b*X.

12

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

6.4 Regresin Exponencial: Se usa cuando y es proporcional a la funcin exponencial de x; la frmula de regresin exponencial es , la que se puede transformar a una funcin lineal aplicando el logaritmo natural en ambos miembros de la ecuacin. Esto es, Y = ln(y), y, A = ln(a). Con esto, el modelo se transforma en Y = A + b*x. Resumiendo tenemos:

6.5 Regresin Potencial: Se usa cuando y es proporcional a la funcin potencia de x; la frmula de regresin potencial es , la que se puede transformar a una funcin lineal aplicando el logaritmo natural en ambos miembros de la ecuacin. Esto es, Y = ln(y), A = ln(a), y, X = ln(x). Con esto, el modelo se transforma en Y = A + b*X. Entonces:

13

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

6.6 Regresin Logstica: Es la ms adecuada para datos cuyos valores aumenten con el tiempo, hasta llegar a un punto de saturacin. En el caso de la ingeniera civil, es un modelo clsico para la representacin de resistencias de concretos hidrulicos ensayados a la compresin.

Para nuestros anlisis, la regresin logstica es descartada por sus caractersticas, 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 ptima para efectuar predicciones, para estas series, como es el caso de los ndices del DANE, por consiguiente, describiremos brevemente algunos mtodos ms apropiados para ello, que son comnmente conocidos como Mtodos de Suavizamiento. 6.7 Promedio mviles simples: Es un mtodo de prediccin que se basa en el promedio de los datos existentes para pronosticar el dato del siguiente periodo inmediatamente posterior al ltimo dato existente. Su representacin matemtica est dada por: ( ) Donde, o

N : nmero de valores incluidos en el promedio

14

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

6.8 Suavizamiento exponencial nico: Es un mtodo que busca mejorar el mtodo de promedios mviles, dando mayor ponderacin a los datos ms recientes, y ponderaciones decrecientes a los valores ms antiguos y elimina la necesidad de almacenar los valores histricos de la variable. Partiendo de las mismas definiciones de variables y datos que el de los promedios mviles, el exponencial nico se representa por el modelo: Donde,

6.9 Suavizamiento por los mtodos de Holt y de Winters: Inicialmente, Holt desarroll, un mtodo de suavizamiento exponencial lineal, para corregir problemas que presentaba el mtodo exponencial nico cuando se presentan tendencias marcadas en los datos. Posteriormente, Winters mejor el mtodo de Holt, pudiendo representarlo en un modelo que trabaja indistintamente con datos estacionales o datos con tendencias definidas. El mtodo de Winters, plantea tres ecuaciones, cada una para suavizar los patrones de aleatoriedad, tendencia y estacionalidad. Este es uno de los mtodos ms reconocidos internacionalmente para el pronstico de datos a corto plazo. Estas ecuaciones son: ( ( ) ( ( ) ( ) ) )

15

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

Donde, S : valor suavizado de la serie desestacionalizada T : valor suavizado de la tendencia I: valor suavizado del factor estacional L: valor de la estacionalidad. (por ej. # de meses, trimestres en un ao, etc.). Adems, , y , siempre estarn en el rango mayor que cero (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 mtodos de suavizamiento, igual de consistentes que el de Winters, como los son los mtodos de Box- Jenkins, , los de Gadner McKenzie; estos modelos requieren por su complejidad el uso obligado de computadoras, y son usados en los estudios estadsticos que requieren la verificacin del mejor mtodo para la prediccin de resultados, hacindose indispensable la aplicacin de todas las tcnicas 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 mdulo, MINITAB, tiene la aplicacin de las series de Winters, consideramos que ste, nos da la suficiencia para obtener pronsticos apropiados, reconociendo que la Estadstica 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 ndices ICCP del DANE.

16

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7. GRFICOS DE DATOS 7.1 ndices de Explanacin: 7.1.1 Datos originales y modelo de regresin lineal:
140.00 NDICE DANE EXPLANACIONES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 ORDEN DE EXPEDICIN 100 120 y = 0,301x + 82,78 R = 0,923 Series1 Linear (Series1)

7.1.2 Datos originales y modelo de regresin cuadrtica:

140.00 NDICE DANE EXPLANACIONES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 ORDEN DE EXPEDICIN 100 120 y = 0,002x2 + 0,038x + 87,34 R = 0,969 Series1 Poly. (Series1)

17

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.1.3 Datos originales y modelo regresin logartmica:

140.00 NDICE DANE EXPLANACIONES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 ORDEN DE EXPEDICIN 100 120 y = 7.9805ln(x) + 69.14 R = 0.6375 Series1 Log. (Series1)

7.1.4 Datos originales y modelo de regresin exponencial:

140.00 NDICE DANE EXPLANACIONES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 ORDEN DE EXPEDICIN 100 120 Series1 Expon. (Series1) y = 83.79e0.003x R = 0.9445

18

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.1.5 Datos originales y modelo de regresin potencial:

140.00 NDICE DANE EXPLANACIONES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 ORDEN DE EXPEDICIN 100 120 Series1 Regresin Potencial y = 72.724x0.0813 R = 0.6736

7.1.6 Datos originales y modelo de promedio mvil bimensual:

140.00 NDICE DANE EXPLANACIONES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 ORDEN DE EXPEDICIN 100 120 Series1 Prom. mvil bimensual

19

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.1.7 Datos originales, suavizamiento exponencial y pronstico (1):

Grfica de suavizacin para C1
Mtodo exponencial simple 125 120 115 110
Variable A ctual A justes Pronsticos 95,0% PI Constante de suav izacin A lfa 1,32928 Medidas de exactitud MA PE 0,361976 MA D 0,364886 MSD 0,459218

C1

105 100 95 90 85

2 36 7 1 9 1 2 1 0 8 9 ,8 , ,3 1,0 ,6 7,6 6,7 ,7 ,8 ,6 ,1 85 87 89 9 94 9 9 99 104 111 120 C1

7.1.8 Datos originales, suavizamiento por Winters y pronsticos (6):

Grfica de mtodo Winters de C1
Mtodo multiplicativo 130 120 110
C1
Variable Actual Ajustes Pronsticos 95,0% PI Constantes de suav izacin Alfa (nivel) 0,30 Gamma (tendencia) 0,15 Delta (estacional) 1,00 Medidas de exactitud MAPE 0,505759 MAD 0,507731 MSD 0,728617

100 90 80
2 5 6 5 5 0 2 7 9 3 ,8 7,3 ,5 ,3 ,3 ,9 ,4 ,3 ,5 ,4 85 8 89 91 95 99 99 104 110 119 C1

20

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.2 ndices de Bases y Subbases: 7.2.1 Datos originales y modelo de regresin lineal:
140.00 NICE S DANE BASES Y SUBBASES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 0.4416x + 72.795 R = 0.9363 Series1 Linear (Series1)

7.2.2 Datos originales y modelo de regresin cuadrtica:

140.00 NICE S DANE BASES Y SUBBASES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 0.0039x2 + 0.0397x + 79.762 R = 0.987 Series1 Regresin cuadrtica

21

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.2.3 Datos originales y modelo regresin logartmica:

140.00 NICE S DANE BASES Y SUBBASES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Log. (Series1) y = 11.565ln(x) + 53.25 R = 0.6329

7.2.4 Datos originales y modelo de regresin exponencial:

140.00 NICE S DANE BASES Y SUBBASES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 74.909e0.0045x R = 0.9632 Series1 Expon. (Series1)

22

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.2.5 Datos originales y modelo de regresin potencial:

140.00 NICE S DANE BASES Y SUBBASES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 60.668x0.1216 R = 0.6812 Series1 Power (Series1)

7.2.6 Datos originales y modelo de promedio mvil bimensual:

140.00 NICE S DANE BASES Y SUBBASES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Prom. mvil bimensual

23

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.2.7 Datos originales, suavizamiento exponencial y pronstico (1):

Grfica de suavizacin para C2
Mtodo exponencial simple 130 120 110
Variable Actual Ajustes Pronsticos 95,0% PI Constante de suav izacin Alfa 1,34435 Medidas de exactitud MAPE 0,463217 MAD 0,463294 MSD 0,767701

C2

100 90 80

5 71 3 7 8 1 1 5 6 7 8 ,3 , ,0 4,7 ,8 3,1 4,4 ,6 ,6 ,0 ,9 78 79 83 8 87 9 9 99 105 115 125 C2

7.2.8 Datos originales, suavizamiento por Winters y pronsticos (6):

Grfica de mtodo Winters de C2
Mtodo multiplicativo 140 130 120 110 100 90 80 1 11 22 33 44 55 66 ndice 77 88 99
Variable Actual Ajustes Pronsticos 95,0% PI Constantes de suav izacin Alfa (nivel) 0,75 Gamma (tendencia) 0,50 Delta (estacional) 0,85 Medidas de exactitud MAPE 0,561798 MAD 0,566164 MSD 0,898867

24

C2

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.3.1 Datos originales y modelo de regresin lineal:

140.00 NICE S DANE TRANSPORTES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 0.5246x + 65.914 R = 0.9698 Series1 Linear (Series1)

7.3.2 Datos originales y modelo de regresin cuadrtica:

140.00 NICE S DANE TRANSPORTES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 0.0031x2 + 0.2084x + 71.394 R = 0.9928 Series1 Regresin cuadrtica

25

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.3.3 Datos originales y modelo regresin logartmica:

140.00 NICE S DANE TRANSPORTES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 14.13ln(x) + 41.263 R = 0.6934 Series1 Log. (Series1)

7.3.4 Datos originales y modelo de regresin exponencial:

140.00 NICE S DANE TRANSPORTES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 68.653e0.0056x R = 0.9879 Series1 Expon. (Series1)

26

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.3.5 Datos originales y modelo de regresin potencial:

140.00 NICE S DANE TRANSPORTES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 51.902x0.1555 R = 0.7483 Series1 Power (Series1)

7.3.6 Datos originales y modelo de promedio mvil bimensual:

140.00 NICE S DANE TRANSPORTES 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Prom. mvil bimensual

27

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.3.7 Datos originales, suavizamiento exponencial y pronstico (1):

Grfica de suavizacin para C3
Mtodo exponencial simple 130 120 110
Variable Actual Ajustes Pronsticos 95,0% PI Constante de suav izacin Alfa 1,24705 Medidas de exactitud MAPE 0,592403 MAD 0,560688 MSD 0,782368

C3

100 90 80 70

6 98 5 7 3 6 8 9 7 3 8 ,8 , ,4 9,3 ,2 0,4 1,8 ,0 ,9 ,7 ,6 70 72 78 7 86 9 9 99 106 114 125 C3

7.3.8 Datos originales, suavizamiento por Winters y pronsticos (6):

Grfica de mtodo Winters de C3
Mtodo multiplicativo 140 130 120 110
C3
Variable Actual Ajustes Pronsticos 95,0% PI Constantes de suav izacin Alfa (nivel) 0,75 Gamma (tendencia) 0,30 Delta (estacional) 0,80 Medidas de exactitud MAPE 0,584950 MAD 0,565302 MSD 0,680489

100 90 80 70 1 11 22 33 44 55 66 ndice 77 88 99

28

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.4.1 Datos originales y modelo de regresin lineal:

160.00 140.00 NICE S DANE ACEROS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Linear (Series1) y = 0.7807x + 48.13 R = 0.9504

7.4.2 Datos originales y modelo de regresin cuadrtica:

160.00 140.00 NICE S DANE ACEROS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 0.0008x2 + 0.6971x + 49.579 R = 0.9511 Series1 Regresin cuadrtica

29

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.4.3 Datos originales y modelo regresin logartmica:

160.00 140.00 NICE S DANE ACEROS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 21.55ln(x) + 9.5331 R = 0.7139 Series1 Log. (Series1)

7.4.4 Datos originales y modelo de regresin exponencial:

160.00 140.00 NICE S DANE ACEROS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Expon. (Series1) y = 53.228e0.0091x R = 0.953

30

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.4.5 Datos originales y modelo de regresin potencial:

160.00 140.00 NICE S DANE ACEROS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Power (Series1) y = 32.771x0.261 R = 0.7703

7.4.6 Datos originales y modelo de promedio mvil bimensual:

160.00 140.00 NICE S DANE ACEROS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Prom, mvil bimensual

31

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.4.7 Datos originales, suavizamiento exponencial y pronstico (1):

Grfica de suavizacin para C4
Mtodo exponencial simple 140 130 120 110
C4
Variable Actual Ajustes Pronsticos 95,0% PI Constante de suav izacin Alfa 1,69304 Medidas de exactitud MAPE 0,99278 MAD 0,91519 MSD 1,92714

100 90 80 70 60 50
4 55 4 1 2 3 0 9 4 9 4 ,2 , ,4 5,1 ,0 6,9 0,6 ,3 ,4 ,4 ,3 53 59 62 6 76 8 0 99 120 117 127 1 C4

7.4.8 Datos originales, suavizamiento por Winters y pronsticos (6):

Grfica de mtodo Winters de C4
Mtodo multiplicativo 175 150 125
C4
Variable Actual Ajustes Pronsticos 95,0% PI Constantes de suav izacin Alfa (nivel) 0,95 Gamma (tendencia) 0,95 Delta (estacional) 0,95 Medidas de exactitud MAPE 1,06693 MAD 0,98633 MSD 1,90159

100 75 50 1 11 22 33 44 55 66 ndice 77 88 99

32

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.5.1 Datos originales y modelo de regresin lineal:

140.00 NICE S DANE CONCRETOS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Linear (Series1) y = 0.4767x + 70.798 R = 0.9852

7.5.2 Datos originales y modelo de regresin cuadrtica:

140.00 NICE S DANE CONCRETOS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Regresin cuadrtica y = 0.0005x2 + 0.4236x + 71.719 R = 0.986

33

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.5.3 Datos originales y modelo regresin logartmica:

140.00 NICE S DANE CONCRETOS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 13.583ln(x) + 45.68 R = 0.7884 Series1 Log. (Series1)

7.5.4 Datos originales y modelo de regresin exponencial:

140.00 NICE S DANE CONCRETOS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 72.697e0.0051x R = 0.9845 Series1 Expon. (Series1)

34

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.5.5 Datos originales y modelo de regresin potencial:

140.00 NICE S DANE CONCRETOS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Power (Series1) y = 54.815x0.1483 R = 0.8372

7.5.6 Datos originales y modelo de promedio mvil bimensual:

140.00 NICE S DANE CONCRETOS 120.00 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Prom. mvil bimensual

35

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.5.7 Datos originales, suavizamiento exponencial y pronstico (1):

Grfica de suavizacin para C5
Mtodo exponencial simple 130 120 110
Variable A ctual A justes Pronsticos 95,0% PI Constante de suav izacin A lfa 1,30894 Medidas de exactitud MA PE 0,535826 MA D 0,509108 MSD 0,696954

C5

100 90 80 70

8 22 8 0 2 3 7 3 0 5 5 ,7 , ,9 4,9 ,4 6,6 7,5 ,4 ,8 ,7 ,4 70 75 81 8 90 9 9 99 108 113 121 C5

7.5.8 Datos originales, suavizamiento por Winters y pronsticos (6):

Grfica de mtodo Winters de C5
Mtodo multiplicativo 130 120 110
Variable A ctual A justes Pronsticos 95,0% PI Constantes de suav izacin A lfa (nivel) 0,85 Gamma (tendencia) 0,30 Delta (estacional) 0,80 Medidas de exactitud MA PE 0,564924 MA D 0,538330 MSD 0,640778

C5

100 90 80 70 1 11 22 33 44 55 66 ndice 77 88 99

36

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.6.1 Datos originales y modelo de regresin lineal:

140.00 120.00 NICE S DANE ASFALTOS 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 0.6056x + 61.781 R = 0.9316 Series1 Linear (Series1)

7.6.2 Datos originales y modelo de regresin cuadrtica:

140.00 120.00 NICE S DANE ASFALTOS 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = -0.0022x2 + 0.8362x + 57.785 R = 0.9404 Series1 Regresin cuadrtica

37

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.6.3 Datos originales y modelo regresin logartmica:

140.00 120.00 NICE S DANE ASFALTOS 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 18.371ln(x) + 25.795 R = 0.8449 Series1 Log. (Series1)

7.6.4 Datos originales y modelo de regresin exponencial:

140.00 120.00 NICE S DANE ASFALTOS 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 63.965e0.0068x R = 0.9012 Series1 Expon. (Series1)

38

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.6.5 Datos originales y modelo de regresin potencial:

140.00 120.00 NICE S DANE ASFALTOS 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN y = 40.988x0.2181 R = 0.902 Series1 Power (Series1)

7.6.6 Datos originales y modelo de promedio mvil bimensual:

140.00 120.00 NICE S DANE ASFALTOS 100.00 80.00 60.00 40.00 20.00 0.00 0 20 40 60 80 100 120 ORDEN DE EXPEDICIN Series1 Prom. mvil bimensual

39

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

7.6.7 Datos originales, suavizamiento exponencial y pronstico (1):

Grfica de suavizacin para C6
Mtodo exponencial simple 140 130 120 110
Variable Actual Ajustes Pronsticos 95,0% PI Constante de suav izacin Alfa 1,10414 Medidas de exactitud MAPE 1,10320 MAD 0,97280 MSD 2,66157

C6

100 90 80 70 60 50

3 42 8 3 9 5 3 9 5 9 2 ,7 , ,4 9,7 ,5 7,9 5,0 ,7 ,1 ,7 ,6 54 70 71 7 98 9 9 99 107 112 127 C6

7.6.8 Datos originales, suavizamiento por Winters y pronsticos (6):

Grfica de mtodo Winters de C6
Mtodo multiplicativo 150
Variable Actual Ajustes Pronsticos 95,0% PI Constantes de suav izacin Alfa (nivel) 0,85 Gamma (tendencia) 0,15 Delta (estacional) 0,90 Medidas de exactitud MAPE 1,14181 MAD 0,99987 MSD 2,26955

125

C6

100

75

50 1 11 22 33 44 55 66 ndice 77 88 99

40

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

8. ANLISIS DE DATOS 8.1 De los mtodos de regresin: Para las series de ndices estudiados, todos los sistemas de regresin modelados, fueron determinados con el programa computacional Microsoft Office Excel 2007. La mayora de los datos se ajustaron mejor a la regresin cuadrtica, salvo los ndices de Aceros que se ajustaron mejor a la exponencial. El estadstico usado para determinar el mejor ajuste, fue , que es el coeficiente de determinacin, y est definido por la relacin entre la variabilidad explicada del modelo de regresin, con la variabilidad total varianza del modelo. En el siguiente cuadro se expresan los valores de para los diferentes tipos de regresin encontradas:
INDICE DANE Explanaciones Bases y Subbases Transportes Aceros Concretos Asfaltos LINEAL CUADRTICA 0,923 0,936 0,969 0,950 0,985 0,931 TIPO DE REGRESIN LOGARTMICA EXPONENCIAL 0,637 0,632 0,693 0,713 0,788 0,844 0,944 0,963 0,987 POTENCIAL 0,673 0,681 0,748 0,770 0,837 0,902

0,969 0,987 0,992

0,951

0,953
0,984 0,901

0,986 0,940

Consideramos, que el estadstico , es suficiente para explicar la fidelidad del modelo ms apropiado, pues desde nuestro estudio, slo existe un variable, por consiguiente su indicacin no est sesgada por la multiplicidad; adems este estadstico indirectamente tiene en cuenta la variabilidad no explicada error del modelo.

41

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

8.2 De los modelos de suavizamiento: La simple inspeccin grfica, ratifica el marco terico que enuncia, que generalmente los mtodos de suavizamiento se ajustan con mayor precisin a las series que los mtodos de regresin. Para todos los grficos de modelos de suavizamiento inicialmente fue usado el programa Microsoft Office Excel 2007 para graficar el modelo de los promedios mviles bimensuales, que para series con tendencias crecientes o decrecientes, entre ms pequeo sea el lapso de los periodos que intervendrn en el promedio mejor ser representada con ste mtodo. Pero los modelos se suavizamiento de promedios mviles simples el exponencial simple, tienen una gran limitante para hacer predicciones en ms de un periodo, pues no existe la manera de proyectar eficazmente algn resultado entre ms alejado sea el periodo de prediccin. Entonces los podemos considerar mtodos inmediatistas de aplicacin limitada, y cuyo gran aporte consisti en servir de idea inicial para el desarrollo y mejoramiento de los dems mtodos refinados y ms apropiados de suavizamiento como es el caso del mtodo de Winters. Los modelos del mtodo de suavizamiento explonencial simple (con aplicacin ARIMA) y el de Winters, fueron determinados con el uso del programa computacional MINITAB 15 ESPAOL, que est disponible para descarga gratuita por 30 das en la pgina web del programa. Para obtener menores errores porcentuales absolutos medios (MAPE), menores desviaciones absolutas de la media (MAD), y, menores desviaciones cuadrticas medias (MSD), para cada conjunto de datos modelado con las series de Winters, se variaron los valores de , y , hasta obtener los ms bajos posibles. El siguiente cuadro resume los valores de los coeficientes de suavizamiento y de las medidas de exactitud obtenidas en cada modelo.

42

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

COEFICIENTES DE SUAVIZAMIENTO NDICE DANE Explanaciones Bases y Subbases Transportes Aceros Concretos Asfaltos

MEDIDAS DE EXACTITUD MAPE 0,505759 0,561798 0,584950 1,066930 0,564924 1,141810 MAD 0,507731 0,566164 0,565302 0,986330 0,538330 0,999870 MSD 0,728617 0,898867 0,680489 1,901590 0,640778 2,269550

0,30 0,75 0,75 0,95 0,85 0,85

0,15 0,50 0,30 0,95 0,30 0,15

1,00 0,85 0,80 0,95 0,80 0,90

Las medidas de exactitud, mediante sus valores obtenidos indican que los modelos son muy apropiados, pues en su gran mayora 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 pronsticos evaluados son correctos. 9. RESULTADOS OBTENIDOS 9.1 Pronsticos: Los pronsticos que se presentan a continuacin, fueron obtenidos con el programa computacional MINITAB 15 ESPAOL; los primeros, para cada caso que no estn sombreados, corresponden al pronstico para el periodo subsiguiente arrojado por el mtodo exponencial simple (aplicacin ARIMA). Los segundos, que estn sombreados, corresponden a los pronsticos arrojados por el mtodo de Winters. Estos pronsticos son: 9.1.1 Para las Explanaciones:
Pronsticos Perodo 103 Pronstico 120,907 Inferior 120,013 Superior 121,800

43

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

Pronsticos Perodo 103 104 105 106 107 108 Pronstico 121,736 122,197 123,106 123,564 124,476 124,932 Inferior 120,493 120,438 120,724 120,518 120,744 120,505 Superior 122,980 123,956 125,488 126,611 128,208 129,359

9.1.2 Para las Bases y Subbases:

Pronsticos Perodo 103 Pronstico 127,557 Inferior 126,422 Superior 128,693

Pronsticos Perodo 103 104 105 106 107 108 Pronstico 128,464 129,075 130,182 130,790 131,900 132,505 Inferior 127,077 127,273 127,875 127,936 128,476 128,499 Superior 129,851 130,878 132,489 133,644 135,324 136,511

9.1.3 Para los Transportes:

Pronsticos Perodo 103 Pronstico 126,147 Inferior 124,773 Superior 127,520

Pronsticos Perodo 103 104 105 106 107 108 Pronstico 127,074 127,744 128,647 129,316 130,221 130,889 Inferior 125,689 125,992 126,449 126,631 127,026 127,172 Superior 128,459 129,496 130,846 132,002 133,415 134,605

44

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

9.1.4 Para los Aceros:

Pronsticos Perodo 103 Pronstico 139,093 Inferior 136,851 Superior 141,335

Pronsticos Perodo 103 104 105 106 107 108 Pronstico 140,967 146,837 152,487 158,365 164,006 169,892 Inferior 138,551 143,517 148,072 152,776 157,203 161,856 Superior 143,384 150,157 156,901 163,954 170,808 177,929

9.1.5 Para los Concretos:

Pronsticos Perodo 103 Pronstico 121,964 Inferior 120,717 Superior 123,211

Pronsticos Perodo 103 104 105 106 107 108 Pronstico 122,666 123,020 123,781 124,134 124,896 125,247 Inferior 121,347 121,306 121,588 121,420 121,641 121,438 Superior 123,985 124,734 125,975 126,847 128,152 129,056

9.1.6 Para los Asfaltos:

Pronsticos Perodo 103 Pronstico 130,006 Inferior 127,623 Superior 132,389

45

Proyecto Final de Estadstica Pronstico de valores futuros Telva Galvn - Milton Granados

Pronsticos Perodo 103 104 105 106 107 108 Pronstico 130,931 132,389 133,516 134,977 136,101 137,565 Inferior 128,482 129,117 129,246 129,631 129,640 129,967 Superior 133,381 135,661 137,786 140,323 142,562 145,164

10. BIBLIOGRAFA http://www.virtual.unal.edu.co/cursos/ciencias/2007315/leccio nes_html/capitulo_5/leccion9/suma-secuencial-parcial.html Glosario del Programa Minitab 15 en espaol. Jimnez G., J.F., Monografa sobre la capacidad predictiva de los mtodos de Box-Jenkins y Holt-Winters, marzo de 2006. Apuntes de clase del mdulo estadstica aplicada de la especializacin en curso de Vas y Transporte.

46