UPLA: Facultad de Ciencias Administrativas y Contables 1
|
|
- Esteban Gerardo Santos Cárdenas
- hace 7 años
- Vistas:
Transcripción
1 TEORÍA ES ALGO QUE SE HACE, NO ALGO QUE SE DICE QUE SE HACE N.N. 1 Universidad Peruana Los Andes Facultad de Ciencias Administrativas y Contables Métodos Cuantitativos de Negocios CAPITULO 2: MODELOS DE PRONOSTICOS EN NEGOCIOS 2 Objetivos de Aprendizaje: Aprender a construir, identificar y pronosticar mediante modelos de serie de tiempo, identificando gráfica y funcionalmente sus principales componentes. 3 UPLA: Facultad de Ciencias Administrativas y Contables 1
2 C o n t e n i d o 2.1 Métodos Cuantitativos: Series de Tiempo y Causales 2.2 Teoría de Series Temporales 2.3 Análisis De Una Serie Temporal 2.5 Modelización con Variables Categóricas 4 Introducción En el mundo globalizado y con mercados tan competidos como los que enfrentamos hoy, las empresas se ven obligadas a buscar mayor eficiencia en sus procesos de negocio. En este sentido, un tema que actualmente interesa es cómo pronosticar con más certeza la demanda de productos o servicios. Cada vez más empresas están redefiniendo y formalizando el proceso de elaboración de pronósticos para llevar a cabo una mejor planeación de ventas y operación y, por lo tanto, un mejor desempeño financiero Métodos Cuantitativos: Series de Tiempo y Causales. Qué es el pronóstico? Un pronóstico es una predicción de lo que sucederá con las ventas existentes de los productos de una empresa. Loideal es determinar el pronóstico con un enfoque multifuncional. Se debe considerar las entradas de ventas y mercadeo, finanzas y producción. El pronóstico final es el consenso de todos los gerentes participantes También es aconsejable conformar un grupo de Planeación de Ventas y Operaciones compuesto de representantes de los distintos departamentos a los que se les encargará preparar el pronóstico. 6 UPLA: Facultad de Ciencias Administrativas y Contables 2
3 2.1 Métodos Cuantitativos: Series de Tiempo y Causales. Qué es el pronóstico? La determinación de los pronósticos de se realiza con los siguientes pasos: Determinación del uso del pronóstico Selección de los ítems del pronóstico Determinación del marco de tiempo del pronóstico Selección de los modelos de pronóstico Recopilación de datos Realización del pronóstico Validación e implementación de los resultados Métodos Cuantitativos: Series de Tiempo y Causales. El marco de tiempo del pronóstico se clasifica como sigue: Descripción Corto plazo Horizonte del pronóstico Mediano plazo Largo plazo Duración Generalmente De 3 meses a 3 Más de 3 años menos de 3 meses, años máximo de 1 año Aplicabilidad Planificación de tareas, asignación de trabajadores Planificación de ventas y producción, presupuestos Desarrollo de nuevos productos, planificación de instalaciones Métodos Cuantitativos: Series de Tiempo y Causales. Cómo se determina el pronóstico de la demanda? Hay dos enfoques para determinar el pronóstico - comparación de los dos enfoques: Descripción Aplicabilidad Enfoque cualitativo Se utiliza cuando la situación es imprecisa & existen pocos datos (e.g., nuevos productos y tecnologías) Enfoque cuantitativo Se utiliza cuando la situación es estable & existen datos históricos (e.g. productos existentes, tecnología actual) Consideraciones Involucra la intuición y la experiencia Técnicas Involucra técnicas matemáticas Jurado de opinión ejecutiva Modelos de series de tiempo Compuesto del departamento de Modelos causales ventas Método Delphi Encuesta del mercado de consumidores 9 UPLA: Facultad de Ciencias Administrativas y Contables 3
4 2.1 Métodos Cuantitativos: Series de Tiempo y Causales. Métodos cualitativos de pronóstico Su empresa puede desear probar alguno de los métodos cualitativos de pronóstico a continuación si no cuenta con datos históricos de las ventas de sus productos. Método cualitativo Jurado de opinión ejecutiva Compuesto del departamento de ventas Descripción Se reúnen las opiniones de un grupo pequeño de gerentes de alto nivel que juntas estiman la demanda. El grupo utiliza su experiencia directiva y en algunos casos la suma a los resultados de modelos estadísticos. Se pide a cada vendedor (por ejemplo por cubrimiento territorial) proyectar sus ventas. Como el vendedor es el más cercano al mercado tiene la capacidad de conocer la demanda de los clientes. Las proyecciones se combinan después a nivel municipal, provincial y regional. Método Delphi Se identifica un panel de expertos en el que los expertos pueden ser gerentes, empleados comunes, o expertos del sector. A cada uno de ellos se les solicita individualmente su estimación de la demanda. Se realiza un proceso iterativo hasta que los expertos alcancen un consenso. Encuesta del mercado Se pregunta a los clientes sobre sus planes de compras y su comportamiento de consumidores de compras proyectado. Se necesita a una gran cantidad de encuestados para poder generalizar ciertos resultados Métodos Cuantitativos: Series de Tiempo y Causales. Métodos de pronóstico cuantitativo Hay dos modelos de pronóstico en este caso: (1) Series de Tiempo Univariantesy (2) Causal Multivariante. Una serie de tiempo es un conjunto de datos numéricos uniformemente separados que se obtiene observando respuestas a intervalos regulares de tiempo. El pronóstico se basa solamente en datos anteriores y asume que los factores que influencian las ventas pasadas, presentes y futuras de sus productos continuarán. Por otro lado, el modelo causal utiliza una técnica matemática conocida como el análisis de regresión que relaciona una variable dependiente (por ejemplo, la demanda) con una variable independiente (por ejemplo, el precio, publicidad, etc.) en forma de ecuación lineal. Los métodos de pronóstico de series de tiempo están descritos a continuación: Teoría de Series Temporales Método de Descripción pronóstico de series de tiempo Asume que la demanda en el siguiente período es igual Enfoque que la demanda en el más reciente período; el patrón de simplista la demanda puede no siempre ser completamente estable Por ejemplo: Si las ventas de julio fueron 5, las ventas de agosto también serán 5 12 UPLA: Facultad de Ciencias Administrativas y Contables 4
5 2.2 Teoría de Series Temporales Método de Descripción pronóstico de series de tiempo Promedio móvil (PM) El PM es una serie de promedios aritméticos y se utiliza si existe poca o ninguna tendencia en los datos; ofrece una impresión general de los datos en el tiempo Un promedio móvil simple utiliza la demanda promedio durante una secuencia fija de períodos y es bueno para una demanda estable sin patrones pronunciados de comportamiento. Un promedio móvil ponderado ajusta el método de promedio móvil para reflejar fluctuaciones con mayor exactitud asignando mayor peso a los datos más recientes, lo que significa que los datos más antiguos son por lo general menos importantes. Los pesos se basan en la intuición y están entre y 1 y deben sumar un total de Teoría de Series Temporales Método de pronóstico de series de tiempo Alisado exponencial Descripción El alisado exponencial es un método de ponderación que responde más fuertemente a cambios recientes en la demanda asignando una constante de alisamiento que es más fuerte para los datos más recientes; es útil si los cambios recientes en los datos son el resultado del cambio real (e.g., patrón de temporada) y no solo fluctuaciones aleatorias Descomposición de series de tiempo La descomposición de series de tiempo ajusta la estacionalidad multiplicando el pronóstico normal por un factor de temporada Teoría de Series Temporales Una serie temporal es un conjunto de observaciones ordenadas en el tiempo o, también, la evolución de un fenómeno o variable a lo largo de él. Esta variable puede ser económica (ventas de una empresa, consumo de cierto producto, evolución de los tipos de interés,...), física (evolución del caudal de un río, de la temperatura de una región, etc.) o social (número de habitantes de un país, número de alumnos matriculados en ciertos estudios, votos a un partido,...). Elobjetivodelanálisisdeunaserietemporal,delaquesedisponede datos en períodos regulares de tiempo, es elconocimiento de su patrón de comportamiento para prever la evolución futura, siempre bajo el supuesto de que las condiciones no cambiarán respecto a las actuales y pasadas. 15 UPLA: Facultad de Ciencias Administrativas y Contables 5
6 2.2 Teoría de Series Temporales Si al conocer la evolución de la serie en el pasado se pudiese predecir su comportamiento futuro sin ningún tipo de error, estaríamos frente a un fenómeno determinista I(t) I(t) = cos (,5t + π/2) La figura muestra la intensidad de corriente, I, que circula a través de una resistencia, R, sometida a un voltaje sinusoidal, V(t) = a cos (vt + θ); por tanto I(t) = a cos (vt + θ/r) Teoría de Series Temporales 2 En general, las series 18 de interés llevan 16 asociados fenómenos aleatorios, de forma 14 IGBVL que el estudio de su 12 comportamiento 1 pasado sólo permite acercarse a la 8 estructura o modelo 6 probabilístico para la 4 predicción del futuro. Ene 8 Feb 8 Mar 8 Abr 8 May 8 Jun 8 Jul 8 Ago 8 Sep 8 Oct 8 Nov 8 Dic 8 Estos modelos se denominan también El valor del IGBVL dependerá del valor de los días previos, procesos estocásticos. además de la influencia de un conjunto de factores sociales, políticos, económicos, etc., que son continuamente cambiantes en el tiempo y cuya conjunción, configuraría una hipotética distribución de probabilidad del citado índice económico. 17 Millares Antes de abordar cualquier estudio analítico de una serie temporal, se impone una representación gráfica de la misma y la observación detenida de su aspecto evolutivo. Para estudiar el comportamiento de cualquier serie temporal, y predecir los valores que puede tomar en un futuro, puede hablarse de distintas metodologías, que denominaremos: modelización por componentes y enfoque Box Jenkins. 18 UPLA: Facultad de Ciencias Administrativas y Contables 6
7 Modelización por componentes Este método consiste en identificar, en la serie Yt, cuatro componentes teóricos, que no tienen por qué existir todos, y que son: Tendencia: Tt Ciclos: Ct Estacionalidad: Serie Et Cronológica: Yt Residuos: Rt Cada una de estos componentes es una función del tiempo y el análisis consistirá en la separación y obtención de cada una de ellos, así como en determinar de qué forma se conjugan para dar lugar a la serie original. 19 Cada una de estas componentes es una función del tiempo y el análisis consistirá en la separación y obtención de cada una de ellas, así como en determinar de qué forma se conjugan para dar lugar a la serie original. Tendencia es la componente general a largo plazo y se suele expresar como una función del tiempo de tipo polinómico o logarítmico. Estacionalidad oscilaciones que se producen, y repiten, en períodos de tiempo cortos. Asociadas a factores dinámicos, cuya evolución está claramente ligada a la estacionalidad climática, vacacional, publicitaria, etc. Ciclos se producen a largo plazo y suelen ir ligadas a etapas de prosperidad o recesión económica. Suelen ser tanto más difíciles de identificar cuanto más largo sea su período, por lo que a veces quedarán confundidas con las otras componentes. Residuos Es la que recoge la aportación aleatoria del cualquier fenómeno sujeto al azar. 2 Tendencia Estacionalidad Ciclo Residuo Series de Tiempo 21 UPLA: Facultad de Ciencias Administrativas y Contables 7
8 Para evaluar los componentes se utilizan técnicas estadísticas tales como modelo lineal, medias móviles, diferencias finitas, etc. Si el componente aleatorio es aditivo, surge un nuevo problema que es el cómo juntar: tendencia, estacionalidad y ciclos para dar lugar a la serie definitiva. Así se proponen, entre otros, modelos genéricamente denominados aditivos y multiplicativos: Modelo aditivo: Y = T + E + C + R Modelo multiplicativo: Y = T x E x C + R 22 Un modelo aditivo se puede interpretar como aquel en que la estacionalidad actúa modificando la ordenada en el origen de la tendencia y = x Así pues, cada estación (s) componente del período conforma una recta con ordenada en el origen distinta para cada caso y pendiente común a todos; es decir, según muestra la figura, el modelo es un conjunto de rectas paralelas, cada una de ellas asociada a una estación. 23 De esta forma, cada una de las p estaciones del período configura una recta distinta, tanto en lo que se refiere a la ordenada en el origen, como a la pendiente. El conjunto de las p rectas constituye el modelo de comportamient o de la serie. En el modelo multiplicativo, el componente estacional actúa sobre la ordenada en el origen y sobre la pendiente. 24 UPLA: Facultad de Ciencias Administrativas y Contables 8
9 Enfoque Box Jenkins El análisis de las series temporales a través de la metodología de Box Jenkins es dirigir el esfuerzo a determinar cuál es el modelo probabilístico que rige el comportamiento del fenómeno a lo largo del tiempo. Es decir, partiendo de la premisa de que no siempre va a ser posible identificar los componentes de la serie, se trata de estudiar el componente aleatorio puro, reflejado en los residuos. La metodología estadística utilizada en el estudio de una serie temporal por este sistema, se basa en los siguientes pasos: Identificación del modelo. Estimación de los parámetros. Validación de los supuestos admitidos en el análisis, también llamado diagnosis del modelo. 25 Enfoque Box Jenkins Un conjunto de modelos de comportamiento que cubran los procesos estocásticos objeto de nuestro interés. Entre ellos se pueden destacar los procesos de ruido blanco, medias móviles (MA), autorregresivos (AR), integrados (I) y sus conjunciones (ARMA y ARIMA). A partir de aquí se podrá identificar la serie de datos con alguno de los modelos estudiados, estimar sus parámetros y validar la admisibilidad del modelo adoptado. En general, se suele asumir que el componente aleatorio, el cual se representa por Z, sigue una distribución Normal de media cero y variancia σ Enfoque Box Jenkins Un proceso estocástico en que todos sus componentes son independientes y están constituidos sólo por componente aleatorio se denomina proceso de ruido blanco, es decir, Y t = Z t con Z t NINDEP(; σ 2 ) para todo t. Un proceso se denomina de media móvil de orden q, y se representa por MA(q), si su estructura es del tipo Y t = Z t + α t 1 Z t α t q Z t q. En la figura se muestra un MA(4). 27 UPLA: Facultad de Ciencias Administrativas y Contables 9
10 Un proceso es autorregresivo de orden p, y se representa por AR(p), cuando cada componente es función de los anteriores más el término aleatorio; su estructura corresponde a: Y t = Z t + β t 1 Y t β t p Y t p (la figura muestra un AR(2).) 28 Cuando a las estructuras de autorregresión y media móvil se une una dependencia con el tiempo se llega a un ARIMA(p, r, q), donde p es el orden del AR, q el del MA y r el del proceso integrado, o, lo que es lo mismo, el grado del polinomio que representa la función del tiempo. En la figura se presenta un proceso ARIMA(2,1,3). 29 Método Aditivo Este método, denominado sistema clásico, descompone la serie en tendencia, estacionalidad, d ciclos y residuos Una vez decidida la conjunción entre ellos, aditiva o multiplicativa, se obtiene el modelo con el que hacer previsiones. La tendencia es la componente más importante de la serie, al definir lo que se podría interpretar como comportamiento a largo plazo. Cada observación va ligada a un valor del tiempo, lo que permite plantear un modelo del tipo: Y= φ(t)+ e Donde la función φ(t) puede ser: Lineal : φ(t) = α + α 1 t Polinómica : φ(t) = α + α 1 t + α 2 t Exponencial : φ(t) = α t α1 3 UPLA: Facultad de Ciencias Administrativas y Contables 1
11 Si la serie no presenta estacionalidad, el método de estimación mínimo cuadrática y todas las pruebas de hipótesis relativas a la explicación del modelo y a la significación de los coeficientes estimados, propios del modelo lineal ordinario, permiten estimar los coeficientes del modelo de tendencia sobre los datos directos. Caso de existir componente estacional, para que ésta no enmascare la tendencia, es necesario estabilizar previamente la serie. 31 Para desarrollar la metodología de la descomposición clásica sobre un ejemplo, se dispone de los datos relativos a los Intereses que paga el Gobierno Central sobre Deuda Interna, recogidos en el cuadro y representados en la figura. En este cuadro el tiempo (t) se ha medido tomando como referencia el inicio del período de recogida de datos, y, en este caso, su unidad es el trimestre. GobiernoCentral: Intereses de Deuda Interna Millones de Nuevos Soles trim T T T T La figura, permite pensar en una tendencia lineal creciente y una estacionalidad clara, cuyo patrón se repite anualmente, es decir, cada 4 valores del tiempo (trimestres) Por otra parte, el patrón estacional se mantiene con una amplitud aproximadamente constante, lo que conduce a la utilización de un modelo aditivo. 33 9T1 91T1 92T1 93T1 94T1 95T1 96T1 97T1 98T1 99T1 UPLA: Facultad de Ciencias Administrativas y Contables 11
12 Coeficiente de determinación R Medias móviles: tendencia Con este método se consiguen suavizar tanto las oscilaciones periódicas de una serie como las aleatorias. Su aplicación requiere decidir, previamente, el período en que se repite cierto patrón de comportamiento, que pueda atribuirse a variaciones estacionales; la observación de la evolución gráfica de la serie puede ayudar a tomar la decisión. Una vez fijado el período p, se calculan las medias de los valores de la serie tomados de p en p, sucesivamente desde el inicio. 35 Si p es impar la asociación es directa: 36 UPLA: Facultad de Ciencias Administrativas y Contables 12
13 Si p es par, el centro del grupo de cada p valores promediados corresponde a un valor no observado del tiempo; para subsanarlo, la nueva serie queda constituida por los promedios de las medias móviles tomadas dos a dos. Es decir: 37 En el caso del ejemplo de los intereses de la deuda interna del gobierno central, se ha establecido que la estacionalidad se manifiesta de forma anual, es decir, cada cuatro trimestres; ello conduce al cálculo de las medias móviles tomando p = 4. Año Trimestre Intereses (mill. S/.) Tiempo: t Ymovil Yprom T T t = (p+2)/2 = (4+2)/2 = 3 T T T T T T Ym3 = prom(t91+t92+t93+t94) = ( )/4 = Ym4 = prom(t92+t93+t94+t911) = ( )/4 = Yprom3 = prom(ym3+ym4) = ( )/2 = Descomposición Temporal de Una Serie 39 UPLA: Facultad de Ciencias Administrativas y Contables 13
14 Y Yprom Lineal (Y) 9T1 91T1 92T1 93T1 94T1 95T1 96T1 97T1 98T1 99T1 4 Estacionalidad La componente estacional, que provoca una oscilación sistemática de período corto, generalmente no superior al año, puede enmascarar la evolución a largo plazo, tendencia, si no se aísla convenientemente. Se entiende como componente estacional, en modelos aditivos, la diferencia entre el valor de la estación y la media de todas las estaciones componentes del período. El análisis de la estacionalidad queda ligado al método que se decida emplear para modelizar la tendencia; así, en este punto estudiaremos la situación para el caso de trabajar con medias móviles 41 Para calcular los valores de los índices estacionales hay que seguir la siguiente sistemática: Calcular medias móviles, sobre los datos, Y t, de la serie original, tomando el período de agrupación, p. Elegir un modelo de agrupación de componentes: aditivo o multiplicativo. li li i Separar la parte explicada por tendencia. Supuesto el modelo aditivo, esto equivale a calcular Wt. Si fuese multiplicativo, serían cocientes, es decir, Wt W t = Y t Y t Wt =Yt/Y t Hay que destacar que en W t están incluidas las componentes asociadas a la estacionalidad, los ciclos y los residuos 42 UPLA: Facultad de Ciencias Administrativas y Contables 14
15 Asumiendo que los residuos son variables aleatorias de media nula y que la componente cíclica, caso de existir, es de período suficientemente largo como para no ser recogida por los datos, se procede a evaluar la estacionalidad asociada a cada componente del período, a cada trimestre en el caso del ejemplo. Para ello se calculan los promedios de los W t de la misma estación E* S, s = t,, p. donde s representa el índice estacional y ns el número de valores asociados a este índice que se promedian. E s t s p W t n s Ya que los índices estacionales miden discrepancias respecto a la media, ésta se necesita como valor de referencia; por tanto es necesario calcular la media E p s 1 E s p general: 43 Índices estacionales en modelo aditivo Los índices estacionales son las diferencias entre los promedios de las Wt de cada estación y la media general que se acaba de definir, es decir: Es obvio destacar que la suma de estos índices es cero: 1 Índices estacionales en modelo multiplicativo. En este caso, los índices estacionales son el cociente entre los promedios de las W t de cada estación y la media general, es decir: E s E s E Ahora, la suma de estos índices es igual al período, p. En modelo multiplicativo, no es extraño que los índices estacionales se representen en % Año Trimestre Intereses deuda interna del GC (mill. S/.) Tiempo: t Ymovil Yprom Wt Estación: S Ytend T T T T T T T T E*1 = promedio(w1 9 +W1 91 +W E*2 = promedio(w2 9 +W2 91 +W E*3 = promedio(w3 9 +W3 91 +W E*4 = promedio(w4 9 +W4 91 +W Eprom = promedio(e*1+e*2+e*3+e*4) E1 = E*1 Eprom E2 = E*2 Eprom E3 = E*3 Eprom E4 = E*4 Eprom E 45 UPLA: Facultad de Ciencias Administrativas y Contables 15
16 Tendencia T1 92T1 94T1 96T1 98T1 Estacional T1 92T1 94T1 96T1 98T1 T+ E T1 92T1 94T1 96T1 98T Residuo 9T1 92T1 94T1 96T1 98T1 Las figuras muestran la evolución de las previsiones y su buena concordancia con la evolución histórica de los datos recogidos en el estudio. Original T1 91T1 92T1 93T1 94T1 95T1 96T1 97T1 98T1 99T Original T+ E Proyección 9T1 91T1 92T1 93T1 94T1 95T1 96T1 97T1 98T1 99T1 T1 1T1 2T1 47 Método Multiplicativo se recogen los datos relativos al número de usuarios de un determinado transporte público en el período que abarca desde 1994 hasta 25, y la figura 2.24 muestra su evolución cronológica. Mes I II III IV V VI VII VIII IX X XI XII UPLA: Facultad de Ciencias Administrativas y Contables 16
17 1 6 METODOS CUANTITATIVOS PARA NEGOCIOS 27/4/29 Una clara tendencia creciente en el tiempo Hay una estacionalidad manifiesta que se repite anualmente El patrón de estacionalidad presenta una amplificación continua en el tiempo. Esta situación es la que indica que el modelo subyacente es multiplicativo. 49 La evolución de las medias móviles se muestra en la figura 2.25, y se aprecia un crecimiento que no es proporcional al tiempo, sino que parece sufrir un amortiguamiento al final de la serie; es decir, probablemente se tratará de un modelo parabólico. 5 Estadísticas de la regresión Coeficiente de correlación múltiple Coeficiente de determinación R^ R^2 ajustado Error típico Observaciones 131 ANÁLISIS DE VARIANZA Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F Regresión E 153 Residuos Total Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.% Superior 95.% Intercepción E Variable i X E Variable X E La estimación mínimo cuadrática conduce al modelo de tendencia, sobre las medias móviles, En ella se observa, además de un muy buen ajuste reflejado por una R 2 del 99,74%, que el término cuadrático es altamente significativo. El signo negativo de este término da idea de una especie de freno en el crecimiento sostenido del número de usuarios, representado por el coeficiente positivo del tiempo. 51 UPLA: Facultad de Ciencias Administrativas y Contables 17
18 Así pues, el modelo de tendencia puede escribirse como: T = t,294 t 2 En modelos multiplicativos, como el del actual ejemplo, la componente estacional representa la relación entre cada estación y la media general. Separar la tendencia, es decir, calcular E E E E E E E E E E E E Índices estacionales Usuarios Prevision: Yestim Usuarios Prevision: Yestim UPLA: Facultad de Ciencias Administrativas y Contables 18
19 THAT S ALL FALKS!!!!! 55 UPLA: Facultad de Ciencias Administrativas y Contables 19
ADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesCAPÍTULO 5: Pronósticos de las Operaciones Productivas
CAPÍTULO 5: Pronósticos de las Operaciones Productivas Un Enfoque en Procesos para la Gerencia Fernando A. D Alessio Ipinza 1 Contenido 1. Introducción 2. Tipos de pronósticos 3. Los pronósticos y el ciclo
Más detallesTema 5: Planteamiento de los modelos de series temporales. Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II
Tema 5: Planteamiento de los modelos de series temporales Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II 1 Parte II. Modelos univariantes de series temporales Tema
Más detallesSERIES TEMPORALES. Notación: Dada la magnitud numérica (variable) Y designaremos las observaciones mediante alguna de las dos siguientes notaciones:
SERIES TEMPORALES INTRODUCCIÓN DESCOMPOSICIÓN (ANÁLISIS CLÁSICO) TENDENCIA SECULAR VARIACIONES CÍCLICAS VARIACIONES ESTACIONALES VARIACIÓN ERRÁTICA ANÁLISIS DE LA TENDENCIA MEDIAS MÓVILES ALISAMIENTO EXPONENCIAL
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesTÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA
TÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA ÁMBITO DE LA PROYECCIÓN TÉCNICAS DE PROYECCIÓN DE MERCADO Ámbito de la proyección Situación presente Situación proyectada
Más detallesESTADISTICA PARA LA ADMINISTRACION
ESTADISTICA PARA LA ADMINISTRACION ANALISIS DE SERIES DE TIEMPO Y PRONOSTICOS DE NEGOCIOS ALUMNOS: JANINE INDAHITA RIVERA ARZOLA DIANA CAROLINA ROMERO BERBER FRANCISCO ALFREDO MERCADO CARINA OLIVARES LEÓN
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesCAPÍTULO VI PRONÓSTICO DE OPERACIONES. ADMINISTRACIÓN DE LA PRODUCCIÓN Enfoque Estratégico de la Calidad
CAPÍTULO VI PRONÓSTICO DE OPERACIONES ADMINISTRACIÓN DE LA PRODUCCIÓN LOS PRONÓSTICOS Y EL CICLO OPERATIVO OPERACIONES PRONÓSTICO LOGISTICO PRONÓSTICO OPERACIONES/TECNOLOGICO PRONÓSTICO LABORAL FINANZAS
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesMÉTODOS DE PRONÓSTICO JUAN DAVID ORTEGON JUAN DAVID BENAVIDEZ
MÉTODOS DE PRONÓSTICO JUAN DAVID ORTEGON JUAN DAVID BENAVIDEZ QUE ES UN PRONÓSTICO? En el ámbito de los negocios un PRONÓSTICO es una herramienta que permite hacer una estimación acerca de la probabilidad
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesPresupuesto de Ventas
Unidad Temática 03: Presupuesto de Ventas MSc. Pedro Bejarano V. Contenido Planificación de las Ventas y Presupuesto Métodos de Cálculo para presupuestar las Ventas: Consideraciones sobre el Cálculo del
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesMétodos para pronosticar la demanda
2.1.1 Características de la demanda. El pronóstico de la demanda consiste en hacer una estimación de nuestras futuras ventas (ya sea en unidades físicas o monetarias) de uno o varios productos (generalmente
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
Más detallesMÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Más detallesTécnicas de Planeación y Control
Técnicas de Planeación y Control 1 Sesión No. 5 Nombre: Métodos cuantitativos de pronóstico Contextualización Como vimos en la sesión anterior, el enfoque cualitativo nos sirve para efectuar pronósticos
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesContenido. Horizontes temporales de la previsión La influencia del ciclo de vida del producto
Previsión Contenido Qué es la previsión? Horizontes temporales de la previsión La influencia del ciclo de vida del producto Tipos de previsiones La importancia estratégica de la previsión Recursos humanos
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesPlanificación didáctica de MATEMÁTICAS 3º E.S.O.
Planificación didáctica de MATEMÁTICAS 3º E.S.O. (Orientadas a las enseñanzas aplicadas) Julio de 2016 Rev.: 0 Índice 1.- INTRODUCCIÓN... 1 2.- BLOQUE I. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS...
Más detallesContenidos Mínimos MATEMÁTICAS 3º ESO ENSEÑANZAS ACADÉMICAS. U 1 Fracciones y decimales. CRITERIOS DE EVALUACIÓN. ESTÁNDARES DE APRENDIZAJE EVALUABLES
Septiembre 2.016 Contenidos Mínimos MATEMÁTICAS 3º ESO ENSEÑANZAS ACADÉMICAS U 1 Fracciones y decimales. Números racionales. Expresión fraccionaria - Números enteros. - Fracciones. - Fracciones propias
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detallesProcesos estocásticos. Definición
Procesos estocásticos Definición http://humberto-r-alvarez-a.webs.com Definición de proceso estocástico Estudio del comportamiento de una variable aleatoria a lo largo del tiempo El ajuste de cualquier
Más detallesLa eficiencia de los programas
La eficiencia de los programas Jordi Linares Pellicer EPSA-DSIC Índice General 1 Introducción... 2 2 El coste temporal y espacial de los programas... 2 2.1 El coste temporal medido en función de tiempos
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesApuntes y ejercicios de Estadística para 2º E.S.O
Apuntes y ejercicios de Estadística para 2º E.S.O 1 Introducción La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente,
Más detallesMetodologías Para La Estimación de Ingresos Corrientes del Sector Público. Lic. Edgar Morales
Metodologías Para La Estimación de Ingresos Corrientes del Sector Público Lic. Edgar Morales Ingresos Fiscales Los ingresos fiscales son los que percibe el sector público para hacer frente a los gastos
Más detallesCurso: Lenguaje y Técnicas de Investigación Capítulo 1: La Investigación Científica.
UNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA. FACULTAD DE CIENCIAS JURÍDICAS Y SOCIALES. CENTRO UNIVERSITARIO DE CHIMALTENANGO. 205 Lenguaje y Técnicas de Investigación. I Ciclo Sec. B Curso: Lenguaje y Técnicas
Más detallesANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960
ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesUNIDAD 12: ESTADISTICA. OBJETIVOS
UNIDAD 12: ESTADISTICA. OBJETIVOS Conocer y manejar los términos básicos del lenguaje de la estadística descriptiva elemental. Conocer y manejar distintas técnicas de organización de datos estadísticos
Más detallesEncuesta sobre las Expectativas de los Especialistas en Economía del Sector Privado: Octubre de 2015
3 de noviembre de sobre las Expectativas de los Especialistas en Economía del Sector Privado: Octubre de Resumen En esta nota se reportan los resultados de la encuesta de octubre de sobre las expectativas
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detallesI N D I C E D E P R E C I O S A L C O N S U M I D O R
BASE 1999 = 100 Ene 82 0,0000041116 + 11,9 Feb 82 0,0000043289 + 5,3 Mar 82 0,0000045330 + 4,7 Abr 82 0,0000047229 + 4,2 May 82 0,0000048674 + 3,1 Jun 82 0,0000052517 + 7,9 Jul 82 0,0000061056 + 16,3 Ago
Más detallesMedidas de Tendencia Central. Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010
Medidas de Tendencia Central Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010 Objetivos de Lección Conocer cuáles son las medidas de tendencia central más comunes y cómo se calculan
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detallesUNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA
UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA I. DATOS INFORMATIVOS 1.1 Asignatura : Estadística para el Comunicador Social 1.2 Código : 1001-1023 1.3 Pre-requisito
Más detallesEncuesta sobre las Expectativas de los Especialistas en Economía del Sector Privado: Octubre de 2016
1 de noviembre de sobre las Expectativas de los Especialistas en Economía del Sector Privado: Octubre de Resumen En esta nota se reportan los resultados de la encuesta de octubre de sobre las expectativas
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesEncuesta sobre las Expectativas de los Especialistas en Economía del Sector Privado: Agosto de 2016
1 de septiembre de sobre las Expectativas de los Especialistas en Economía del Sector Privado: Agosto de Resumen En esta nota se reportan los resultados de la encuesta de agosto de sobre las expectativas
Más detallesMENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE
PRONÓSTICO DE ESCURRIMIENTOS PARA LOS RÍOS: MENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE ÍNDICES 1. INTRODUCCIÓN... 2 3. METODOLOGÍA... 2 4. PRONÓSTICO OCTUBRE-2016 / SEPTIEMBRE-2017... 3 ANEXO
Más detallesResultados del Relevamiento de Expectativas de Mercado (REM)
Resultados del Relevamiento de Expectativas de Mercado (REM) Junio 16 El Relevamiento de Expectativas de Mercado (REM) que administra el Banco Central de la República Argentina (BCRA) consiste en un seguimiento
Más detallesResultados del Relevamiento de Expectativas de Mercado (REM)
Resultados del Relevamiento de Expectativas de Mercado (REM) Diciembre 2016 El Relevamiento de Expectativas de Mercado (REM) que administra el Banco Central de la República Argentina (BCRA) consiste en
Más detallesMÉTODOS CUALITATIVOS Y CUANTITATIVOS. Mtra. Verónica Bolaños
MÉTODOS CUALITATIVOS Y CUANTITATIVOS Componentes del plan de ventas Objetivos
Más detallesUna ecuación puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1 es una ecuación con una incógnita con una solución, x = 2
Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas (encadenamiento de números y letras ligados por operaciones matemáticas diversas),en la que intervienen una o más letras,
Más detallesUNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN
UNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN Curso: Administración de Operaciones III OBJETIVOS Cuando haya completado esta unidad, debe ser capaz de identificar y definir: Planeación agregada Propósito
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesUNIDAD 7: PROGRESIONES OBJETIVOS
UNIDAD 7: PROGRESIONES Reconocer sucesiones y deducir su regla de formación en los casos en que sea posible. Obtener distintos términos en sucesiones recurrentes. Distinguir si una sucesión es una progresión
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesVariables estadísticas bidimensionales
Variables estadísticas bidimensionales BEITO J GOZÁLEZ RODRÍGUEZ (bjglez@ulles) DOMIGO HERÁDEZ ABREU (dhabreu@ulles) MATEO M JIMÉEZ PAIZ (mjimenez@ulles) M ISABEL MARRERO RODRÍGUEZ (imarrero@ulles) ALEJADRO
Más detallesProyecto PropULSA: Estadística y Probabilidad Breviario Académico
Estadística y Probabilidad Breviario Académico Estadística: Es la ciencia que tiene por objetivo recolectar, escribir e interpretar datos, con la finalidad de efectuar una adecuada toma de decisiones en
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesEncuesta Sobre las Expectativas de los Especialistas en Economía del Sector Privado: Enero de 2013
1 de febrero de Sobre las xpectativas de los specialistas en conomía del Sector Privado: nero de n esta nota se reportan los resultados de la encuesta de enero de sobre las expectativas de los especialistas
Más detallesESTACIONALIDADES. Proyecto Empresarial II. Dr. José Luis Esparza A.
ESTACIONALIDADES Proyecto Empresarial II Dr. José Luis Esparza A. ESTACIONALIDAD La estacionalidad es un comportamiento o patrón que a veces observamos en una serie de tiempo. Consiste en subidas y bajadas
Más detalles7.FUNCIÓN REAL DE VARIABLE REAL
7.FUNCIÓN REAL DE VARIABLE REAL 7.1 CONCEPTOS PREVIOS Dados dos conjuntos A={ 1,, 3,...} y B={y 1, y, y 3,...}, el par ordenado ( m, y n ) indica que el elemento m del conjunto A está relacionado con el
Más detallesFÍSICA Y QUÍMICA 3º ESO. OBJETIVOS, CONTENIDOS Y CRITERIOS DE EVALUACIÓN 1ª Evaluación: Unidad 1. La medida y el método científico.
FÍSICA Y QUÍMICA 3º ESO. OBJETIVOS, CONTENIDOS Y CRITERIOS DE EVALUACIÓN 1ª Evaluación: Unidad 1. La medida y el método científico. OBJETIVOS 1. Reconocer las etapas del trabajo científico y elaborar informes
Más detallesGUÍA DE LA UNIDAD FUNCIONES : DERIVADAS
Funciones Límites Derivadas Aplicaciones Gráficas C ontenidos Idea de Función. Elementos notables de la gráfica de una función. Funciones lineales. Función definida por intervalos. Función Valor Absoluto.
Más detallesEncuesta sobre las Expectativas de los Especialistas en Economía del Sector Privado: Enero de 2016
2 de febrero de sobre las xpectativas de los specialistas en conomía del Sector Privado: nero de Resumen n esta nota se reportan los resultados de la encuesta de enero de sobre las expectativas de los
Más detallesCAPITULO III. El propósito de la investigación fue recopilar información actualizada de las Micro
90 CAPITULO III INVESTIGACIÓN DE CAMPO SOBRE LA APLICACION DE UN SISTEMA DE DESARROLLO DE MARCA PARA LA COMERCIALIZACIÓN DE LA MIEL DE ABEJAS PRODUCIDA POR LAS MICRO EMPRESAS, UBICADAS EN EL DEPARTAMENTO
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesTema 1: Introducción
Estadística Universidad de Salamanca Curso 2010/2011 Outline 1 Estadística 2 Outline 1 Estadística 2 La estadística es una ciencia que comprende la recopilación, tabulación, análisis e interpretación de
Más detalles