Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 15 vistas

    Pronósticos

    Cargado por

    estrojasg
    Este documento describe los pasos para realizar pronósticos, incluida la recopilación y reducción de datos, la construcción de un modelo y la extrapolación del modelo para realizar pronósticos. También describe los componentes de las series de tiempo, como la tendencia, el componente cíclico, el componente estacional y el componente aleatorio. Además, explica conceptos como la auto correlación, la función de auto correlación, las series estacionarias y los métodos para medir el error en los pronósticos, incluida la desviación absoluta de la media,

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Pronósticos

    Cargado por

    estrojasg
    15 vistas3 páginas
    Este documento describe los pasos para realizar pronósticos, incluida la recopilación y reducción de datos, la construcción de un modelo y la extrapolación del modelo para realizar pronósticos. También describe los componentes de las series de tiempo, como la tendencia, el componente cíclico, el componente estacional y el componente aleatorio. Además, explica conceptos como la auto correlación, la función de auto correlación, las series estacionarias y los métodos para medir el error en los pronósticos, incluida la desviación absoluta de la media,

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe los pasos para realizar pronósticos, incluida la recopilación y reducción de datos, la construcción de un modelo y la extrapolación del modelo para realizar pronósticos. También describe los componentes de las series de tiempo, como la tendencia, el componente cíclico, el componente estacional y el componente aleatorio. Además, explica conceptos como la auto correlación, la función de auto correlación, las series estacionarias y los métodos para medir el error en los pronósticos, incluida la desviación absoluta de la media,

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    15 vistas3 páginas

    Pronósticos

    Cargado por

    estrojasg
    Este documento describe los pasos para realizar pronósticos, incluida la recopilación y reducción de datos, la construcción de un modelo y la extrapolación del modelo para realizar pronósticos. También describe los componentes de las series de tiempo, como la tendencia, el componente cíclico, el componente estacional y el componente aleatorio. Además, explica conceptos como la auto correlación, la función de auto correlación, las series estacionarias y los métodos para medir el error en los pronósticos, incluida la desviación absoluta de la media,

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 3

    Pronósticos

    1. Recopilación de datos: Deben ser datos adecuados y asegurarse que, con correctos, es por
    esto que se debe tener una fuente confiable.
    2. Reducción o condensación de datos: Ya que algunos datos no son pertinentes con el
    problema, es mejor reducirlos o aumentar la base de datos en estudio.
    3. Construcción del modelo: Implica ajustar los datos obtenidos en un modelo adecuado para
    minimizar e error del pronóstico. Mientras más sencillo el modelo, mejor será para
    aceptar el proceso por parte de los administradores.
    4. Extrapolación del modelo (pronostico en sí): Se revisa la precisión del proceso mediante el
    pronóstico de periodos recientes de los que se conocen los valores históricos reales. El
    examen de los patrones de error conduce con frecuencia al analista a la modificación del
    procedimiento de pronóstico, el cual genera después alguno más preciso.

    Componentes de las series de tiempo:

    Tendencia: Componente de largo plazo que representa el crecimiento o disminución en la serie


    sobre un periodo amplio.

    Componente cíclico: Es la fluctuación en forma de onda alrededor de la tendencia.

    Componente estacional: Es un patrón de cambio que se remite a si mismo periodo tras periodo
    (año, trimestre, etc.)

    Componente aleatorio: Mide la variabilidad de los seres de tiempo después de retirar los otros
    componentes.

    Auto correlación: Es la correlación existente entre una variable desfasada uno o más periodos y la
    misma variable.
    Función de auto correlación (FAC):

    ST Aleatoria: Todos los r k (retrasos) cercanos (estadísticamente iguales) a cero.

    ST con tendencia: Observaciones sucesivas están muy correlacionadas. Lugo los r k son bastante
    diferentes de cero para los primeros retardos k, y luego caen hacia cero en forma gradual.

    ST Estacional: Habrá un r k significativamente diferente de cero para k correspondiente al retraso


    estacional (si datos son mensuales, k=12) o para retardos múltiplos de k.

    Función de auto correlación parcial (FAP):


    Serie estacionaria: Es aquella cuyas propiedades estadísticas básicas, como la media y varianza,
    permanecen constantes en el tiempo. Se dice que si no presenta crecimiento o declinación es
    estacionaria. (si no tiene tendencia es estacionaria). Los coeficientes de auto correlación de datos
    estacionarios caen a cero después del segundo o tercer periodo de desfasa cimiento, mientras que
    la serio no estacionarias son significativamente diferentes de cero durante varios periodos.

    Medición de error en el pronóstico:

     Desviación absoluta de la media (DAM): Mide la precisión de un pronóstico mediante el


    promedio de la magnitud de los errores de pronostico (valores absolutos de cada error).
     Error medio cuadrático (EMC): Cada error residual se eleva al cuadrado, luego estos
    valores se suman y se dividen entre el número de observaciones. Este enfoque penaliza los
    errores mayores de pronóstico, ya que eleva cada uno al cuadrado. Es útil ya que es
    preferible un pronóstico con errores moderados, antes que uno con errores pequeño,
    pero que ocasionalmente arroje algunos en extremo grandes.
     Porcentaje de error medio absoluto (PEMA): En ocasiones, resulta más útil calcular los
    errores de pronósticos en términos de porcentaje y no en cantidades. Es útil cuando el
    tamaño o magnitud de la variable de pronóstico es importante en la evaluación de la
    precisión del pronóstico.
     Porcentaje medio de error (PME): a veces resulta necesario determinar si un método de
    pronostico esta sesgado. Si un pronóstico no está sesgado, la ecuación producirá un
    porcentaje cercano a cero.

    Metodología de Box- Jenkins (ARIMA): Modelo de promedio móvil autor regresivo integrado.

     Parte autor regresiva (AR (P=orden de la parte autor regresiva)): La FAC decrece
    lentamente, y la FAP se anula después del P.
     Parte de promedio móvil (MA (Q= orden de parte móvil)): La FAC se anula después de Q
    diferenciantes. Y la FAP decrece lentamente.

    En general el modelo ARIMA (P, D, Q) donde D es las diferenciaciones en veces.

    También podría gustarte