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 .
# 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%:
#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.