Métodos de suavización y análisis de regresión
Enviado por SAUL_FRANCO • 24 de Enero de 2017 • Ensayo • 1.285 Palabras (6 Páginas) • 375 Visitas
Nombre: Cristina Salazar Alvarado | Matrícula: 2780731 |
Nombre del curso: Pronosticos para la Toma de Decisiones (LTMA2003) | Nombre del profesor: Jair Alejandro Velásquez Romero |
Módulo: 2. Métodos de suavización y análisis de regresión | Actividad: Integradora 5 |
Fecha: 21 de Enero 2017 | |
Bibliografía: Hanke, J. E., Wichern, D. (2006). Pronósticos en los negocios. (8ª ed.). México: Pearson Educación. |
Objetivo:
Examinar la metodología de suavización y el análisis de regresión, para su aplicación en problemáticas reales.
Explicar la relación entre variables a partir del uso de suavización y el análisis de regresión.
Procedimiento:
Instrucciones:
- Explica claramente cuando es mejor utilizar:
- Suavización exponencial simple
- Suavización exponencial lineal
- Método de Winters
- Menciona cuales son los métodos de pronósticos basados en promedios.
- Define cuando es útil el análisis de regresión lineal simple.
- Describe y explica los conceptos utilizados en la regresión lineal simple.
- ¿A qué se refiere la “parte explicada por la regresión” y la “parte no explicada”?
- ¿Qué alternativa puedes utilizar cuando tu diagrama de dispersión no presenta una tendencia lineal y requieres analizar el caso con regresión lineal?
- Menciona en qué consiste la prueba de hipótesis nula y la prueba de hipótesis alternativa.
- ¿Qué criterio se utiliza para aceptar o rechazar la prueba de hipótesis?
- ¿Cómo puedes relacionar las graficas de residuales vs los supuestos de la regresión?
- Pronostica el clima para la ciudad de Guadalajara haciendo uso de la siguiente información:
- Según los portales de internet, el clima de Guadalajara durante el año pasado estuvo fluctuando entre los 24 y los 30º C, no así las precipitaciones que fueron muy diversas durante todo el ciclo. Haz uso de los conocimientos aprendidos usando el método de suavizamiento exponencial simple para calcular la precipitación promedio y de regresión lineal y no lineal, para calcular la temperatura del mes de mayo.
- En el suavizamiento exponencial considera α=0.2 u α=0.5
Mes | Temperatura (ºC) | Precipitación promedio (cm) |
Enero | 24 | 1.78 |
Febrero | 26 | 0.51 |
Marzo | 28 | 0.25 |
Abril | 30 | 0.76 |
Mayo | 32 | 3.3 |
Junio | 30 | 16.76 |
Julio | 29 | 24.89 |
Agosto | 28 | 20.28 |
Septiembre | 27 | 14.99 |
Octubre | 27 | 4.83 |
Noviembre | 26 | 1.78 |
Diciembre | 24 | 1.27 |
Resultados:
- Explica claramente cuando es mejor utilizar:
- Suavización exponencial simple
La suavización exponencial simple ofrece un promedio móvil con peso exponencial para todos los valores previos observados. A menudo el modelo es adecuado para datos que no tienen una tendencia predecible ascendente o descendente. El objetivo es estimar el nivel real. Esta estimación de nivel se emplea luego como el pronóstico de valores futuros.
- Suavización exponencial lineal
En la suavización exponencial simple, se supone que el nivel de las series de tiempo varía ocasionalmente, y se requiere un estimado del nivel actual. En algunas situaciones, los datos observados tienen una tendencia clara y contienen información que permite anticipar movimientos futuros ascendentes. Cuando éste es el caso, se necesita una función de tendencia lineal del pro-nóstico. Puesto que las series de negocios y económicas rara vez exhiben una tendencia lineal fija, consideramos la posibilidad de modelar tendencias lineales locales en evolución con el tiempo. Holt (2004) desarrolló un método de suavización exponencial, conocida como la suavización exponencial lineal de Holt. La cual toma en cuenta la evolución local lineal de las tendencias en una serie de tiempo y puede usarse para generar pronósticos.
...