UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

FACULTAD DE ESTUDIOS SUPERIORES ACATLN

MATEMTICAS APLICADAS Y COMPUTACIN



PRONSTICOS II


P2T04: Probando medias mviles









Presenta.
Orozco Ins Stefanni Yadira

02 de Septiembre de 2014


2
OBJETIVO: El alumno comparar el funcionamiento de los modelos de medias mviles,
media y nave, en un caso particular, adems de reflexionar acerca de la validez y
confiabilidad de los datos histricos.
DATOS. Tasa de desocupacin trimestral por nivel de instruccin desde el primer
trimestre de 2005 hasta el cuarto trimestre de 2010
1
.

Periodo Total
Primaria
incompleta
Primaria
completa
Secundaria
completa
Medio superior
y superior
No especificado
2005_1T 3.88 2.15 3.66 4.39 4.93 0.53
2005_2T 3.51 1.9 2.92 4.24 4.5 1.06
2005_3T 3.79 2.23 3.24 4.64 4.59 1.94
2005_4T 3.13 1.69 2.82 3.6 4 1.36
2006_1T 3.53 2.01 2.93 4.15 4.5 2.64
2006_2T 3.16 1.77 2.76 3.7 3.92 3.72
2006_3T 4.02 2.24 3.38 4.71 5.06 0.77
2006_4T 3.6 2.06 3.04 4.22 4.48 0.79
2007_1T 3.96 2.12 3.2 4.63 5.1 1.13
2007_2T 3.39 1.61 3.04 3.89 4.32 0.21
2007_3T 3.92 1.91 3.28 4.71 4.89 0.36
2007_4T 3.54 1.69 3.2 4.03 4.51 1.6
2008_1T 3.95 2.03 3.61 4.55 4.76 0.4
2008_2T 3.5 1.91 3.22 3.81 4.43 0.73
2008_3T 4.19 2.19 3.82 4.65 5.24 2.39
2008_4T 4.26 2.46 4.12 4.63 5.04 0.69
2009_1T 5.06 2.98 4.8 5.89 5.56 2.58
2009_2T 5.17 3.09 4.59 6.09 5.77 1.4
2009_3T 6.24 3.46 5.81 7.3 6.97 0.86
2009_4T 5.33 3.25 4.52 5.94 6.43 3.65
2010_1T 5.33 2.82 4.72 6.08 6.31 5.3
2010_2T 5.27 2.96 4.85 6.01 5.99 5.01
2010_3T 5.62 3.25 4.78 6.47 6.49 6.45
2010_4T 5.36 3.44 4.78 5.87 6.17 2.6





1
FUENTE: INEGI. Encuesta Nacional de Ocupacin y Empleo.


3
Cargar datos en R






Salida:

Qtr1 Qtr2 Qtr3 Qtr4
2005 4.93 4.50 4.59 4.00
2006 4.50 3.92 5.06 4.48
2007 5.10 4.32 4.89 4.51
2008 4.76 4.43 5.24 5.04
2009 5.56 5.77 6.97 6.43
2010 6.31 5.99 6.49 6.17





# Primero leemos los datos LIMPIOS. Es la tasa de desocupacin.
datos <- read.csv(choose.files(),header=T,sep=",")
datos

# Convertimos la segunda columna en una serie de tiempo.
st.datos<-ts(datos[,2],start=c(2005,1),frequency=4)
st.datos
# Graficamos la serie de tiempo.
ts.plot(st.datos,xlab="Tiempo",ylab="Tasa de desocupacin",col="brown",
main="Media Superior y Superior")




4
Modelo de Media



Pronstico puntual de dos aos e intervalos de confianza del 80% y 95%:

Point
Forecast Lo 80 Hi 80 Lo 95 Hi 95
2011 Q1 5.165 4.01599 6.31401 3.363575 6.966425
2011 Q2 5.165 4.01599 6.31401 3.363575 6.966425
2011 Q3 5.165 4.01599 6.31401 3.363575 6.966425
2011 Q4 5.165 4.01599 6.31401 3.363575 6.966425
2012 Q1 5.165 4.01599 6.31401 3.363575 6.966425
2012 Q2 5.165 4.01599 6.31401 3.363575 6.966425
2012 Q3 5.165 4.01599 6.31401 3.363575 6.966425
2012 Q4 5.165 4.01599 6.31401 3.363575 6.966425







#Modelo de Media
modelomedia<-meanf(st.datos,8)
modelomedia

# Graficamos el pronstico.
plot(modelomedia, xlab="Tiempo",ylab="Tasa de desocupacin", col="brown",
main="Media Superior y Superior")
95%
80%


5
Modelo Naive



Pronstico puntual de dos aos e intervalos de confianza del 80% y 95%:

Point
Forecast Lo 80 Hi 80 Lo 95 Hi 95
2011 Q1 6.17 5.432913 6.907087 5.042722 7.297278
2011 Q2 6.17 5.127601 7.212399 4.575789 7.764211
2011 Q3 6.17 4.893328 7.446672 4.217498 8.122502
2011 Q4 6.17 4.695826 7.644174 3.915445 8.424555
2012 Q1 6.17 4.521823 7.818177 3.649331 8.690669
2012 Q2 6.17 4.364513 7.975487 3.408745 8.931255
2012 Q3 6.17 4.219851 8.120149 3.187504 9.152496
2012 Q4 6.17 4.085203 8.254797 2.981578 9.358422






#Modelo Naive
modelonaive<-naive(st.datos,8)
modelonaive
# Graficamos el pronstico.
plot(modelonaive, xlab="Tiempo",ylab="Tasa de desocupacin", col="brown",
main="Media Superior y Superior")
95%
80%


6
Modelo de Medias Mviles






Medias calculadas.

Qtr1 Qtr2 Qtr3 Qtr4
2005 NA NA 4.45125 4.32500
2006 4.31125 4.43000 4.56500 4.69000
2007 4.71875 4.70125 4.66250 4.63375
2008 4.69125 4.80125 4.96750 5.23500
2009 5.61875 6.00875 6.27625 6.39750
2010 6.36500 6.27250 NA NA






#Cargar la libreria:"Forecasting: principles and practice"
library(fpp)

#Modelo de Medias Mviles
mediasmoviles<-ma(st.datos, order=4)
mediasmoviles
# Graficamos la serie de tiempo y la lnea suavizada.
ts.plot(st.datos,xlab="Tiempo",ylab="Tasa de desocupacin", col="black",
main="Media Superior y Superior")
lines(mediasmoviles,col="red")


7
Preguntas

1. Percibes variacin estacional en los datos originales? En este caso, de qu
orden?
Parece que si hay variacin estacional de orden 2, cada dos periodos aumenta el
desempleo, esto es, en el primer y el tercer trimestre.
2. Son congruentes estos resultados con lo que ya vimos mensuales en clase?
S son congruentes en varios aspectos, los datos muestran un incremento en la
desocupacin, los pronsticos dicen que se estabilizar esta tendencia y en el
ltimo mtodo hasta parece que la desocupacin podra disminuir. Obtuvimos
resultados parecidos con los modelos lineal, cuadrtico, polinomial y exponencial.
3. Qu opinas de las tasas de desocupacin por nivel de instruccin? Cmo se
interpretan?
Las tasas de desocupacin muestran el porcentaje de personas que no tienen
empleo de acuerdo al nivel de estudios que tienen, al parecer mientras mayor es el
nivel acadmico de una persona, le ser ms difcil encontrar empleo.
Una explicacin puede ser los salarios injustos, las personas que apenas terminaron
la primaria se conforman con salarios miserables, lo importante es tener lo mnimo
para sobrevivir. Mientras que un joven licenciado o ingeniero busca un trabajo con
sueldo aceptable de acuerdo a su perfil, algo difcil de encontrar en nuestro pas. Sin
embargo, no todos los egresados de universidades que tienen empleo reciben un
sueldo justo, en ocasiones una persona que solo concluy el bachillerato gana lo
mismo que un egresado de universidad.
Conclusiones

Se logr el objetivo de la actividad, realizamos pronsticos de datos reales utilizando R,
comparamos la efectividad de cada modelo: Media, Medias Mviles y Naive. Vimos que el
modelo de Medias Mviles se ajusta mejor a los datos que un modelo polinomial. En
cuanto a los datos, podemos decir que son confiables, ya que, coinciden con los que
habamos usado anteriormente pero es mejor contar con ms datos y de preferencia
mensuales porque as podemos apreciar mejor el comportamiento de la serie de tiempo.
Los resultados no se acercan mucho a la realidad, ya que, pronostican una estabilidad en la
tasa de desocupacin y eso no coincide con el panorama poltico y econmico del pas.