UNIVERSIDAD NACIONAL DE TRUJILLO

III CONGRESO NACIONAL DEL COLEGIO DE MATEMTICOS DEL PER

TTULO:

PRONSTICO DE LA LLEGADA DE TURISTAS NACIONALES Y EXTRANJEROS AL MUSEO NACIONAL TUMBAS REALES SEOR DE SIPN DE LAMBAYEQUE HASTA DICIEMBRE DEL AO 2013.

PONENTE:

Lic. Est..ATOCHE PISCOYA MIGUEL ALFREDO.

TRUJILLO - ENERO DEL 2013

Datos de la Serie

IDENTIFICACIN
Clculo de estadsticos de la serie.
No

Transformacin de la serie (Ln, , etc.)

Es la serie estacionaria? Si

Seleccin de d D.

Determinacin de p, q, P, Q.

ESTIMACIN

Clculo de los estimadores (SPSS). Clculo de estadsticos de los estimadores y de los residuos.

VALIDACIN
El modelo es adecuado? Si

No

PREDICCIN

Clculo de predicciones. Clculo de estadsticos para evaluacin de la capacidad predictiva.

Predice correctamente?

No

FUNCIN:

AUTOCORRELACIN (FAC)
Decrecimiento rpido a cero en forma exponencial o

AUTOCORRELACIN PARCIAL (FACP)

Se anula para retardos superiores a p.

AR (p)

sinusoidal.
MA (q)

Se anula para retardos

superiores a q. Los primeros valores inciales no tienen patrn fijo y van

Decrecimiento rpido a cero en

forma exponencial o sinusoidal. Los primeros valores inciales no tienen patrn fijo y van seguidos de una mezcla de oscilaciones sinusoidales y/o exponenciales.

ARMA (p, q)

seguidos de una mezcla de oscilaciones sinusoidales y/o exponenciales.

ETAPA DE IDENTIFICACIN

GRFICO N 01: LLEGADA DE TURISTAS NACIONALES Y EXTRANJEROS AL MUSEO NACIONAL TUMBAS REALES SEOR DE SIPN DESDE ENERO DEL AO 2004 HASTA OCTUBRE DEL AO 2012.

Fuente: Elaboracin propia del equipo investigador a partir de los datos de MINCETUR.

El objetivo que se persigue con la serie es predecir la llegada de turistas nacionales y extranjeros para el ao 2013. Para ello se tratar de construir un modelo que no solo se ajuste bien a los datos observados sino que asegure adems que las predicciones se ajustaran bien a las observaciones futuras. Es por ello que la estimacin del modelo se realizar considerando las observaciones hasta Diciembre del ao 2011, y posteriormente, se validar la capacidad predictiva hasta el mes de

Octubre del ao 2012, comparando la llegada de turistas

con las

predicciones mediante el modelo. Si los resultados obtenidos en el periodo de validacin se consideran satisfactorios, es de esperar que

tambin lo sean los obtenidos al predecir la llegada de turistas hasta

Diciembre del ao 2013.

GRFICO N 02: FUNCIN DE AUTOCORRELACIN SIMPLE Y PARCIAL ESTIMADA ESTACIONARIEDAD EN MEDIA Existe estacionariedad en media

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

ESTACIONARIEDAD EN VARIANZA

1. Planteamiento de las Hiptesis

2. Nivel de Significancia 3. Estadstico de Prueba

Prueba de homogeneidad de varianzas TURISTAS NACIONALES Y EXTRANJEROS AL MUSEO TUMBAS REALES SEOR DE SIPN Estadstico de Levene ,872 gl1 7 gl2 88 Sig. ,532

4. Conclusin
Como p_valor > alfa (No se rechaza la Ho), por lo tanto existe estacionariedad en Varianza.

GRFICO N 03: LLEGADA DE TURISTAS NACIONALES Y EXTRANJEROS AL MUSEO NACIONAL BRUNNING DESDE ENERO DEL AO 2004 HASTA DICIEMBRE DEL AO 2011. Sdiff (1 at 12)

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

GRFICO N 04: FUNCIN DE AUTOCORRELACIN SIMPLE Trans. (Ln), Sdiff (1 at 12)

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

GRFICO N 05: FUNCIN DE AUTOCORRELACIN PARCIAL (SERIE ORIGINAL)

Sdiff (1 at 12)

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

En conclusin identificamos los posibles modelos tentativos:

SARIMA (0, 0, 0) (1, 1, 1)12

SARIMA (0, 0, 0) (1, 1, 0)12

SARIMA (0, 0, 0) (0, 1, 1)12,

Para la serie tiempo llegada de turistas nacionales y extranjeros

al museo nacional Tumbas Reales, desde Enero del ao 2004 hasta Diciembre del ao 2011. Una vez concluida la primera etapa (Identificacin), posteriormente pasamos a la segunda etapa (Estimacin de

parmetros de los modelos tentativos).

ETAPA DE ESTIMACIN

CUADRO N 01: ESTIMACIN Y SIGNIFICANCIA DE LOS PARMETROS DEL PRIMER MODELO TENTATIVO SARIMA (0, 0, 0) (1, 1, 1)12

Parmetros Constante SAR(1) SMA(1)

Estimaciones -91862.584 -0.182 0.292

Error tpico 205959.086 0.284 0.285

t -0.446 -0.641 1.026

Sig. aprox. 0.657 0.524 0.308

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

En el Cuadro N 01, se puede contrastar que los parmetros (1, 1) no son significativos con un nivel de confianza al 95%, lo que nos indica que este modelo no es el adecuado para la descripcin de la serie de tiempo.

CUADRO N 02: ESTIMACIN Y SIGNIFICANCIA DE LOS PARMETROS

DEL SEGUNDO MODELO TENTATIVO SARIMA (0, 0, 0) (1, 1, 0)12

Parmetros

Estimaciones

Error tpico

Sig. aprox.

Constante

-128996.678

212573.698

-0.607

0.546

SAR(1)

-0.418

0.103

-4.050

0.000

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

En el Cuadro N 02, se puede contrastar que el parmetro es significativo con un nivel de confianza al 95%, lo que nos indica que este modelo es el adecuado para la descripcin de la serie de tiempo y para realizar los pronsticos respectivos.

CUADRO N 03: ESTIMACIN Y SIGNIFICANCIA DE LOS PARMETROS DEL TERCER MODELO TENTATIVO SARIMA (0, 0, 0) (0, 1, 1)12

Parmetros

Estimaciones

Error tpico

Sig. aprox.

Constante SMA(1)

-86915.505 0.447

207919.033 0.108

-0.418 4.135

0.677 0.000

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

En el Cuadro N 03, se puede contrastar que el parmetro es significativo con un nivel de confianza al 95%, lo que nos indica que este modelo es el adecuada para la descripcin de la serie de tiempo y para realizar los pronsticos respectivos.

ETAPA DE VALIDACIN

NORMALIDAD DE LOS ERRORES (K-S)

MODELO SARIMA (0,0,0)(1,1,0)

Prueba de Kolmogorov-Smirnov para una muestra Ruido residual de turistasModelo_1 N 84 Parmetros normalesa,b Media -2,63 Desviacin tpica 2394,443 Diferencias ms extremas Absoluta ,062 Positiva ,045 Negativa -,062 Z de Kolmogorov-Smirnov ,570 Sig. asintt. (bilateral) ,902 a. La distribucin de contraste es la Normal. b. Se han calculado a partir de los datos.

NORMALIDAD DE LOS ERRORES (K-S)

MODELO SARIMA (0,0,0)(0,1,1)

Prueba de Kolmogorov-Smirnov para una muestra Ruido residual de turistasModelo_1 N 84 Parmetros normalesa,b Media -2,19 Desviacin tpica 2382,997 Diferencias ms extremas Absoluta ,068 Positiva ,058 Negativa -,068 Z de Kolmogorov-Smirnov ,619 Sig. asintt. (bilateral) ,838 a. La distribucin de contraste es la Normal. b. Se han calculado a partir de los datos.

GRFICO N 06: FUNCIN DE AUTOCORRELACIN SIMPLE Y PARCIAL DE LOS RESIDUOS DEL SEGUNDO MODELO SARIMA (0, 0, 0) (1, 1, 0)12

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

GRFICO N 07: FUNCIN DE AUTOCORRELACIN SIMPLE Y PARCIAL DE LOS RESIDUOS DEL SEGUNDO MODELO SARIMA (0, 0, 0) (0, 1, 1)12

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

SELECCIN DEL MEJOR MODELO SARIMA (0, 0, 0) (1, 1, 0)12

Estadsticos del modelo Modelo Estadsticos de ajuste del modelo Nmero de predictores TURISTAS NACIONALES Y EXTRANJEROS AL 1 R-cuadrado estacionaria ,191 RMSE 2423,826 Estadsticos 20,802 GL 17 Sig. ,235 Ljung-Box Q(18) Nmero de valores atpicos 0

MUSEO TUMBAS
REALES SEOR DE SIPN-Modelo_1

SARIMA (0, 0, 0) (0, 1, 1)12

Estadsticos del modelo

Raz del error cuadrtico promedio

Modelo

Estadsticos de ajuste del

modelo Nmero de predictores R-cuadrado estacionaria 1 ,199 RMSE 2412,238 Estadsticos 22,541 GL 17 Sig. ,165 Ljung-Box Q(18) Nmero de valores atpicos 0

TURISTAS NACIONALES Y EXTRANJEROS AL MUSEO TUMBAS REALES SEOR DE SIPN-Modelo_1

ETAPA DE PREDICCIN

CUADRO N 04: CANTIDADES REALES VS PREDICCIONES CON EL MODELO SARIMA (0,0,0)(0,1,1)12

TURISTAS NACIONALES Valor Y EXTRANJEROS AL pronosticado de MUSEO TUMBAS turistasREALES SEOR DE Modelo_1 SIPN 14295 12293 13689 12824 7264 6882 10085 9663 21118 16252 10401 8979 18912 19144 19088 16794 14903 11841 20843 19763 10 10

Ao (2012)

Nmero de caso

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Setiembre Agosto Total N

97 98 99 100 101 102 103 104 105 106

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

GRFICO N 08: Cantidades Reales VS Predicciones con el modelo

SARIMA (0,0,0)(0,1,1)12

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

CUADRO N 05: PREDICCIONES E INTERVALOS DE CONFIANZA DE LA LLEGADA DE TURISTAS NACIONALES Y EXTRANJEROS AL MUSEO NACIONAL TUMBAS REALES SEOR DE SIPN HASTA DICIEMBRE DEL AO 2013 CON EL MODELO SARIMA (0, 0, 0) (0, 1, 1)12 .
MESES NOVIEMBRE DICIEMBRE ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE PREDICCIONES 24408 8953 14665 14560 8340 11150 20234 11020 20270 19335 14807 21619 25347 9892 INTERVALOS DE CONFIANZA AL 95%

LIMITE INFERIOR 19755 4300 10012 9907 3687 6498 15582 6368 15617 14682 10154 16966 20012 4557

LIMITE SUPERIOR 29061 13606 19318 19213 12993 15803 24887 15673 24922 23988 19460 26272 30682 15227

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

GRFICO N 09: PREDICCIONES PUNTUALES Y PREDICCIONES

INTERVLICAS

Fuente: Elaboracin propia del equipo investigador a partir de los datos de DIRCETUR.

MUCHAS GRACIAS