Pronosticar el consumo de ACS mediante el modelo ARMA

Tabla Nº 65. Resumen del modelo ARIMA.

Parámetro Estimado Error Estd. t Valor-P

AR(1) 0.784438 0.0471195 16.6479 0.000000

MA(1) 0.263145 0.0699311 3.76292 0.000189 Media 28.709 3.34646 8.57891 0.000000 Constante 6.18856

Fuente: Elaboración propia.

Tabla Nº 66. Resumen del modelo ARIMA.

Parámetro Estimado Error Estd. t Valor-P

AR(1) 0.719729 0.015021 47.9148 0.000000

MA(1) 0.246342 0.0207858 11.8514 0.000000 Media 27.0371 0.772904 34.9811 0.000000 Constante 7.57769

140 Por otro lado, el modelo está dado por

𝑋_𝑡 = 𝛿 + ∑ 𝜙_𝑖𝑋_𝑡−𝑖 𝑝 𝑖=1 + ∑ 𝜃_𝑖𝜀_𝑡−𝑖 𝑞 𝑖=1 +𝜀_𝑡

Donde 𝑝 = 1 y 𝑞 = 1, esto es:

𝑋_𝑡 = 𝛿 + 𝜙₁𝑋_𝑡−1+ 𝜃₁𝜀_𝑡−1+𝜀_𝑡

Por lo tanto, el modelo está dado por:

𝑋𝑡= 7.57769 + 0.719729𝑋𝑡−1+ 0.246342𝜀𝑡−1+𝜀𝑡

𝜇 = 𝛿

1 − 𝜙₁ =

7.57769

1 − 0.719729= 27.0371

Logrando obtener el promedio de consumo de ACS por persona:

𝝁 = 𝟐𝟕. 𝟎𝟑𝟕𝟏 𝒍𝒕𝒔 𝒑𝒐𝒓 𝒑𝒆𝒓𝒔𝒐𝒏𝒂

Para el dato obtenido se realiza un análisis de normalidad. Para ello se ejecuta el análisis de control:

Gráfico ARIMA Individuos - CONSUMO Número de observaciones = 6804

0 observaciones excluidas Distribución: Normal Transformación: ninguna

Tabla Nº 67. Consumo para el gráfico ARIMA.

Período #1-6804

LSC: +3.0 sigma 95.4483 Línea Central 27.0371 LIC: -3.0 sigma -41.3742

141

Estimados

Tabla Nº 68. Estimados para el gráfico ARIMA. Período #1-6804 Media de proceso 27.0371 Sigma de proceso 22.8037 MR(2) residual promedio 21.2523 Sigma de residuos 18.8407

Fuente: Elaboración propia.

Sigma estimada a partir del rango móvil promedio de residuos. Como 𝜇 ≈ 𝑋̅ y 𝜎 ≈ 𝑠

𝑋̅ = 27.0371 𝑠 = 22.8037 〈𝑋̅ − 3𝑠; 𝑋̅ + 3𝑠〉 = 〈−41.3742; 95.4483〉

El StatAdvisor

Este procedimiento crea una gráfico ARIMA de valores individuales para CONSUMO. Está diseñada para permitirle determinar si los datos provienen de un proceso en un estado de control estadístico. Las gráficos de control se construyen bajo el supuesto de que los datos provienen de una distribución normal con una media igual a 27.0371 y una desviación estándar igual a 22.8037. Estos parámetros fueron estimados a partir de los datos. De los 6804 puntos no excluidos mostrados en la gráfico, 222 se encuentran fuera de los límites de control.

Figura Nº 82. Gráfico de la serie de tiempo, 222 observaciones fuera de los límites de control.

Fuente: Elaboración propia.

Usando el grafico de la tolerancia en base al consumo medio notamos que los consumos se concentran significativamente entre 0 y 27.0371.

142

Figura Nº 83. Gráfico de la Tolerancia para el consumo. Fuente: Elaboración propia.

Paso seguido se realiza el análisis de normalidad. Haciendo uso de un diagrama de caja, notamos dispersión de los datos por encima de la media, así como los 222 datos atípicos.

Figura Nº 84. Diagrama de Caja del consumo de agua. Fuente: Elaboración propia.

Figura Nº 85. Histograma del consumo de agua. Fuente: Elaboración propia.

143

Figura Nº 86. Prueba de normalidad del consumo de agua. Fuente: Elaboración propia.

Intervalos de Confianza para CONSUMO

Intervalos de confianza del 95.0% para la media: 26.9901 +/- 0.684616 [26.3054; 27.6747]

Intervalos de confianza del 95.0% para la desviación estándar: [28.3364; 29.3049]

El StatAdvisor

Este panel muestra los intervalos de confianza del 95.0% para la media y la desviación estándar de CONSUMO. La interpretación clásica de estos intervalos es que, en muestreos repetidos, estos intervalos contendrán la media verdadera ó la desviación estándar verdadera de la población de la que fueron extraídas las muestras, el 95.0% de las veces. En términos prácticos, puede establecerse con 95.0% de confianza, que la media verdadera de CONSUMO se encuentra en algún lugar entre 26.3054 y 27.6747, en tanto que la desviación estándar verdadera está en algún lugar entre 28.3364 y 29.3049.

Datos/Variable: CONSUMO

6804 valores con rango desde 0.0 a 186.78

Tabla Nº 69. Distribuciones ajustadas.

Normal

media = 26.9901

desviación estándar = 28.8125

Fuente: Elaboración propia.

El StatAdvisor

Este análisis muestra los resultados de ajustar una distribución normal a los datos de CONSUMO. Los parámetros estimados para la distribución ajustada se muestran arriba. Se puede evaluar si la distribución normal ajusta los datos adecuadamente, seleccionando Pruebas de Bondad de Ajuste de la lista de Opciones Tabulares. También puede evaluarse visualmente que tan bien la distribución normal se ajusta, seleccionando Histogramas de Frecuencia de la lista de Opciones Gráficas. Otras opciones dentro el procedimiento permiten calcular y desplegar áreas de colas y valores críticos para la distribución. Para seleccionar una distribución diferente, presione el botón secundario del ratón y seleccione Opciones de Análisis.

144

Figura Nº 87. Grafica del Histograma y la distribución normal ajustada del consumo de agua.

Fuente: Elaboración propia.

Tabla Nº 70. Pruebas de normalidad para CONSUMO.

Prueba Estadístico Valor-P

Shapiro-Wilk W Demasiados Datos

Fuente: Elaboración propia.

El StatAdvisor

Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si CONSUMO puede modelarse adecuadamente con una distribución normal. La prueba de Shapiro-Wilk está basada en la comparación de los cuartiles de la distribución normal ajustada a los datos. La prueba de Shapiro-Wilk debido a que el tamaño de muestra es superior a 2000.

Pruebas de Bondad-de-Ajuste para CONSUMO

Tabla Nº 71. Prueba de Kolmogorov- Smirnov. Normal DMAS 0.146846 DMENOS 0.174443 DN 0.174443 Valor-P 0.0

Fuente: Elaboración propia.

El StatAdvisor

Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si CONSUMO puede modelarse adecuadamente con una distribución normal.

Debido a que el valor-P más pequeño de las pruebas realizadas es menor a 0.05, se puede rechazar la idea de que CONSUMO proviene de una distribución normal con 95% de confianza.

145

Tabla Nº 72. Comparación de Distribuciones Alterna

Distribución Parámetros Est. Log Verosimilitud KS D

Exponencial 1 -29226.4 0.173868 Valor Extremo Más Grande 2 -30948.6 0.0992907 Laplace 2 -31964.4 0.204931 Logística 2 -32006.4 0.173346 Normal 2 -32520.9 0.174443 Uniforme 2 -35584.5 0.586307 Lognormal 2 -1.E9 0.276015 Weibull 2 -1.E9 0.584948 Gamma 2 -1.E9 1.0 Pareto 1 -1.E9 0.825838 Loglogística 2 -1.E9 0.483364 Gaussiana Inversa 2 -6.804E12 0.826132 Birnbaum-Saunders <sin ajuste>

Valor Extremo Más Chico <sin ajuste>

Fuente: Elaboración propia.

El StatAdvisor

Esta tabla compara la bondad de ajuste cuando varias distribuciones se ajustan a CONSUMO.

De acuerdo con el estadístico log verosimilitud, la distribución de mejor ajuste es la distribución exponencial.

Figura Nº 88. Comparación de la prueba del ajuste con la distribución normal y la distribución exponencial del consumo de agua.

146

Figura Nº 89. Comparación de la prueba de normalidad del consumo de agua con la distribución exponencial. Fuente: Elaboración propia.

Pruebas de Bondad de Ajuste Para CONSUMO.

Tabla Nº 73. Prueba de Kolmogorov-Smirnov

Exponencial Normal

DMAS 0.173868 0.146846 DMENOS 0.0329347 0.174443 DN 0.173868 0.174443 Valor-P 0.0 0.0

Fuente: Elaboración propia.

El StatAdvisor

Esta ventana muestra los resultados de las pruebas realizadas para determinar si CONSUMO puede ser modelada adecuadamente por varias distribuciones.

Valores-P menores que 0.05 indicarían que CONSUMO no proviene de la distribución seleccionada con 95% de confianza.