Pronósticos para la toma de decisiones.

Nombre: Lourdes Josefina Pérez Garza. Matrícula: 2615686

Nombre del curso: Pronósticos para la toma de decisiones. Nombre del profesor: José Enrique Montemayor Gallegos.

Módulo: 3 Análisis de regresión lineal múltiple. Actividad: Métodos de análisis de series de tiempo.

Fecha: 29 de enero del 2013.

Bibliografía:

Licenciatura de estadística. Descomposición de series temporales. Articulo recuperado el día 29 de enero del 2013 en línea de http://www.ccee.edu.uy/ensenian/licest/series1/notas_desc_08.pdf

Modelos y simulación. Regresión múltiple. Articulo obtenido el dia 29 de enero del 2013 en línea de http://www.exa.unicen.edu.ar/catedras/modysim/tutoriales/regresion_multiple.pdf

Objetivo:

• En el siguiente reporte tendremos como principal objetivo el de demostrar el conocimiento adquirido en cuanto a realizar pronósticos en series de tiempo.

• También realizaremos ejercicios en cuanto al desarrollo de la tendencia que tiene una serie de tiempo.

Procedimiento:

Para llegar a la redacción final de mi reporte, realice los siguientes pasos:

1. El primer paso que realice para redactar mi reporte fue dar una leída a los primeros temas de los apoyos visuales en cuanto a los pronósticos por promedios móviles dobles.

2. El segundo paso fue leer las filminas que me fueron proporcionadas por el tutor del curso.

3. Busque fuentes alternas de información en internet las cuales están incluidas en la bibliografía del reporte.

4. Leí los temas vistos en el tercer módulo de los apoyos otorgados por parte de la institución en el curso.

Resultados:

En el siguiente reporte explicaremos primeramente la parte teórica sobre los temas de regresión lineal múltiple y de series de tiempo.

1. Regresión lineal múltiple:

¿Qué es?

La regresión lineal múltiple se refiere a la extensión de la regresión lineal simple, la diferencia en esta regresión s que se necesita el uso de más de una variable, en la ecuación se involucran dos o más variables independientes que influyen al mismo tiempo sobre la variable dependiente.

¿Qué es el coeficiente de determinación y el coeficiente de correlación?

El coeficiente de determinación mide la proporción de variabilidad total de la variable dependiente (y) respecto a su medida que es explicada por el modelo de regresión.

El coeficiente de correlación se refiere a la medida con la cual se puede determinar las relaciones de dependencia entre variables.

¿Cuáles son las desventajas de la multicolinealidad?

La principal desventaja de la multicolinealidad es que se considera dañina cuando la totalidad de las influencias de las variables explicativas sobre Y no se pueden separar.

¿Por qué es recomendable comparar modelos de regresión?

Para tener mayor seguridad en que los resultados obtenidos del método seleccionado sean confiables.

2. Serie de tiempo:

¿Qué es?

Es el conjunto de observaciones de un fenómeno, las cuales generalmente se encuentran en intervalos fijos y autocorrelacionadas.

¿A qué se refiere la autocorrelación?

Se refiere a aquellas series que están relacionadas entre sí en donde con base a la variabilidad de sus patrones se puede estimar un resultado futuro.

¿Cuáles son las principales ventajas de las series de tiempo en los pronósticos?

Las dos principales ventajas de utilizar estas series de tiempo para la generación de pronósticos son su sencillez y su bajo costo.

¿Cuáles son los principales números índice en la economía nacional?

Índices de precios, producción, salarios, poder adquisitivo, etc.

¿Cuál es la diferencia entre componente cíclico y estacional?

El componente cíclico se encuentra relacionado con la macroeconomía, identifica los momentos más importantes de la actividad sectorial, la situación general de cualquier empresa, Estado, etc.

El componente estacional en una serie de tiempo se utiliza para realizar análisis a corto plazo.

¿A qué se refiere el ajuste de poder de compra mediante deflación?

Es el método de comparación de datos pasados con los presentes por medio de la deflación, la cual expresa los datos de estudio en medidas constantes monetarias.

¿Qué es el apalancamiento y como se relaciona con las observaciones atípicas?

El apalancamiento es la influencia de los valores en las variables explicativas con respecto a los valores típicos para la misma variable.

A continuación nos referiremos a la parte práctica de la actividad en donde desarrollaremos un ejemplo práctico, para realizar pronósticos con una serie de tiempo.

1. Martin es un joven ahorrador que cada quincena separa los pesos sueltos que encuentra en su cartera, y tiene la curiosidad de pronosticar cuanto puede ahorrar de julio a diciembre.

MES QUINCENA (X) AHORRO ($) (Y)

Enero 1 – 1 115

2 – 2 160

Febrero 1 – 3 102

2 – 4 176

Marzo 1 – 5 180

2 – 6 203

Abril 1 – 7 191

2 – 8 216

Mayo 1 – 9 210

2 – 10 249

Junio 1 – 11 227

2 – 12 254

∑ 78 ∑ 2283

a. Descompón la serie y pronostica el ahorro total de julio a diciembre

b. ¿Cuál es el comportamiento de esta serie?

c. Martin desea saber a cuanto equivale el total de su ahorro de enero a diciembre en pesos constantes, teniendo como base la segunda quincena de junio ¿Cuál será su ahorro?

a.

X*Y X2 Y2

115 1 13,225

320 4 25,600

306 9 10,404

704 16 30,976

900 25 32,400

1218 36 41,209

1337 48 36,481

1728 64 46,656

1890 81 44,100

2490 100 62,001

2497 121 51,529

3048 144 64,516

∑ 16,553 ∑ 649 ∑ 459,097

A0= (2283) (649) – (78) (16,553)

12(649) – (78)2

A0= 1481667 – 1291134

7788 – 6084

A0= 190533 = 111.81

1704

A1= 12(16553) – (78)(2283)

12(649) – (78)2

A1= 198636 – 178074

7788 – 6084

A1= 20562 = 12.06

1704

Tt = a0 + a1(x)

Quincena Tendencia Error

1 123.87 -8.87

2 135.93 24.07

3 147.99 -45.99

4 160.05 15.95

5 172.11 7.89

6 184.17 18.83

7 196.23 -5.23

8 208.29 7.71

...