Motivación. Motivación PRONOSTICOS DE DEMANDA
|
|
- Ernesto Marcos Venegas Torres
- hace 7 años
- Vistas:
Transcripción
1 4 PRONOSTICOS DE DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para pronosticar las ventas a partir de datos observados. Los pronósticos se utilizan en: Proceso de planeación Planes de producción Inventarios Distribución Planes de expansión (capacidad) Motivación Fundamentos: Estimación de la demanda Análisis de series de tiempo Estadística: Análisis de regresión Inferencia 1
2 Métodos de Pronóstico Métodos cualitativos: No existe un modelo explícito que pueda ser replicado Puede tomar como base factores subjetivos Con base en opinión de expertos Métodos cuantitativos: Emplean modelos explícitos que pueden ser replicados Estándares bien establecidos para evaluar su precisión Se pueden hacer simulaciones Se dividen en: Modelos de series de tiempo Análisis de regresión Métodos de suavización Modelos econométricos Contenido Métodos cualitativos Métodos cuantitativos Series de tiempo Estacionalidad Modelos econométricos Evaluación de Pronósticos Ejemplo Métodos Cualitativos El especialista combina los datos a su disposición con su conocimiento de la industria y la empresa para ponderar tal información y producir un pronóstico. La información disponible se puede usar como un barómetro para predecir los cambios en ventas de la empresa. 2
3 E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N EF E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N E M M J S N EF Métodos Cualitativos La información disponible en México. Indicador compuesto coincidente Indicador compuesto adelantado La encuesta de Banxico Sistema de Indicadores Compuestos: Coincidente (Índice Desestacionalizado, Base 1993 = 100) Sistema de Indicadores Compuestos: Adelantado (Índice Desestacionalizado, Base 1993 = 100) (-7) (-9) (-7) (-2) (-4) (-2)
4 Series de Tiempo Emplean datos de la variable a través del tiempo. Ventas = f (tiempo) Elementos de una serie de tiempo: Tendencia Ciclos Estacionalidad Irregular Series de Tiempo: Tendencia El modelo de tendencia lineal es el modelo más simple: Q t = a + b t Los parámetros a y b se pueden estimar por OLS. Este modelo supone que el comportamiento de las ventas es lineal en el tiempo. a es el valor de las ventas cuando t = 0. b = ÄQ / Ät, es el cambio absoluto de las ventas con el paso del tiempo. La prueba de significancia estadística para el parámetro b sirve para probar si las ventas presentan evidencia estadística de tendencia Figure 7.3 Series de Tiempo: Tendencia ^ ^ 4
5 Series de Tiempo: Tendencia Terminator Pest Control Pequeña compañía de control de plagas Para obtener un crédito, el banco pidió al dueño realizar un pronóstico para tres meses. Se cuenta con datos mensuales Jan02 a March03 (15). Figure Series de Tiempo: Tendencia Terminator Pest Control Pronóstico para Abril (16), Mayo (17) y Junio (18) 2003 Q = t R 2 = t Q Series de Tiempo: Tendencia La ecuación estimada es: Q = t Los pronósticos Apr03: Q = (16) = 119 May03: Q = (17) = Jun03: Q = (18) =
6 Las series de tiempo pueden presentar variaciones estacionales o ciclos a través del tiempo. Incorporando tales variaciones en el método de pronóstico mejora su precisión. Figure 7.5 Las ventas presentan tendencia, pero también en el cuarto trimestre las ventas se ubican consistentemente por encima de la tendencia. Hay un desplazamiento de la tendencia en el cuatro trimestre. 6
7 Figure 7.6 Para incorporar en el modelo el efecto de la estacionalidad podemos usar variables dummy: Q t = a + b t + c D D es una variable dummy que toma el valor de 1 en el cuarto trimestre y 0 en cualquier otro caso. (Ver Tabla 7.1, p. 275) Q t = a + b t + c D El pronóstico para el cuarto trimestre Q t = (a + c) + b t El pronóstico para cualquier otro trimestre Q t = a + b t 7
8 Si los efectos estacionales en cada trimestre fueran diferentes: Q t = a + b t + c 1 D 1 + c 2 D 2 + c 3 D 3 Statewide Trucking Company Pronosticar ventas para los cuatro trimestres del año. Datos en Tabla 7.2 La ecuación estimada será: Q t = a + b t + c 1 D 1 + c 2 D 2 + c 3 D y = 3.95x R 2 = I II III IV 1999 I II III IV 2000 I II III IV 2001 I II III IV
9 R-SQUARE VARIABLE PARAMETER STANDARD T ESTIMATE ERROR RATIO INTERCEPT T D D D Hay evidencia de que las ventas en I, II y III son menores que en IV. Pronósticos: Q I = a + b (17) + c 1 (1) + c 2 (0) + c 3 (0) = 116,375 Q II = a + b (18) + c 1 (0) + c 2 (1) + c 3 (0) = 130,125 Q III = a + b (19) + c 1 (0) + c 2 (0) + c 3 (1) = 129,635 Q IV = a + b (20) + c 1 (0) + c 2 (0) + c 3 (0) = 194,375 Modelos Econométricos Aplican modelos estructurales para explicar las relaciones entre las variables. Ventajas: Define relaciones causales Elasticidades de las ventas con respecto a variables independientes Se requieren pronósticos de las variables independientes 9
10 Modelos Econométricos Q = a + bp + cm + dp R El modelo se puede estimar por OLS Para pronosticar las ventas se requieren valores pronosticados para P, M y P R. Evaluación de Pronósticos Desviación media absoluta (MAD) e t = residual del período t = Y t - F t MAD = e t / n n = número de observaciones Suma del cuadrado de los errores (MSE) MSE = ( e t 2 )/ n Evaluación de Pronósticos Mean absolute percent error (MAPE) MAPE = e t /Y t / n 10
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico M. En C. Eduardo Bustos Farías 1 Gestión de Demanda Clientes Internos y Externos Proactiva: Promociones, Políticas de Precio,
Más detallesMotivación. Motivación ESTIMACION DE LA DEMANDA
4 ESTIMACION DE LA DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para estimar la función de demanda a partir de
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesADMINISTRACION DE OPERACIONES I
ADMINISTRACIÓN DE LA DEMANDA 1. GENERALIDADES Para diseñar y ejecutar un sistema de operación que satisfaga a los clientes una empresa debe conocer cuanta demanda tiene que satisfacer, lo cual le conduce
Más detallesDIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS
DIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS Modulo tercero (integración). Clave de asignatura LC 735 PROFESOR: C.P. DAVID ARREDONDO ALCANTAR 1.- PRONOSTICOS 1.3.- Tipos de pronósticos. Los pronósticos
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 detallesIntroducción. Contenido ESTIMACIÓN DE FUNCIONES DE PRODUCCIÓN Y COSTOS
6 ESTIMACIÓN DE FUNCIONES DE PRODUCCIÓN Y COSTOS Dr. Jorge Ibarra Salazar Departamento de Economía Tecnológico de Monterrey Introducción Temas previos Producción y Costos Aplicación de técnicas estadísticas
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 detallesMaterial de apoyo para el EXAMEN FINAL del curso: OPERACIONES 1 / 2010
CURVA DE APRENDIZAJE Que es una curva de aprendizaje: Es una línea que muestra la relación existente entre el tiempo de producción por unidad y el número de unidades de producción consecutivas. Cuáles
Más detallesPLAN ESTRATÉGICO. Visión. Misión. Objetivos. Planificación. Metas. Control.
PRONÓSTICOS PLAN ESTRATÉGICO Visión. Misión. Objetivos. Planificación. Metas. Control. PRONÓSTICOS Los juicios personales basados en la experiencia práctica y/o la investigación prolija deberán desempeñar
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 detallesPronóstico. Pronósticos. Factores Controlables. Porqué? Objetivo. Factores Incontrolables
2 Pronóstico Pronósticos Es una estimación cuantitativa o cualitativa de uno o varios factores (variables) que conforman un evento futuro, con base en información actual o del pasado Administración de
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
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 detallesPRONÓSTICOS PARA LA TOMA DE DECISIONES
PRONÓSTICOS PARA LA TOMA DE DECISIONES Documento de Internet Explorer Conceptos Generales Pronosticar: Es emitir un enunciado sobre lo que es probable que ocurra en el futuro, basándose en análisis y en
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 detallesCapítulo 3. Pronósticos. productos. Una forma de conocer la demanda en el futuro es usando un método de
Capítulo 3 Capítulo3. Pronósticos Pronósticos Un tipo de información necesaria para efectuar este proyecto es la demanda de los productos. Una forma de conocer la demanda en el futuro es usando un método
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 detallesVentajas de los pronósticos
Ventajas de los pronósticos Un correcto pronóstico ofrece importantes ventajas: Reducción de excesos de inventario Menores faltas de inventario Reducción de la necesidad de fabricar innecesariamente para
Más detallesSe aplicaron de forma paralela diferentes modelos de pronósticos cuantitativos a la
CAPITULO V 5.1 RESULTADOS Se aplicaron de forma paralela diferentes modelos de pronósticos cuantitativos a la información disponible, esto es a la demanda del producto durante cinco años y medio, de enero
Más detallesAUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION Msc. Javier Carlos Inchausti Gudiño 2011
AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011 CAPITULO 5 TECNICAS DE PROYECCION DE MERCADO TÉCNICAS DE PROYECCIÓN DEL MERCADO Precisión deseada
Más detallesEJEMPLOS DE PRONÓSTICOS
PRONÓSTICO ES UNA TÉCNICA QUE PERMITE PREDECIR EL FUTURO, BASÁNDOSE EN: ACONTECIMIENTOS PASADOS. INFORMACIÓN ESTADÍSTICA RECABADA SOBRE EXPERIENCIAS SIMILARES. ESTIMACIONES BASADAS EN ESTUDIOS DE MERCADO
Más detallesMÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS
UNIDAD 4 MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS Predicción de lo que sucederá en el futuro. 1 Predicción de lo que sucederá en el futuro. Los métodos de
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 detallesEvolución y Perspectiva del ISR e IVA, Abril, 2018.
Evolución y Perspectiva del ISR e IVA, 1990 2019. Abril, 2018. Presentación El análisis del presupuesto público tiene especial relevancia porque representa el plan de acción de un gobierno a lo largo de
Más detallesEJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010)
EJERCICIOS CAPITULO 9. GUJARATI-PORTER (2010) 9.21 a) clear edit tsset year list +-------------------------------+ year savings income dum ------------------------------- 1. 1970 61 727.1 0 2. 1971 68.6
Más detallesMaterial 3 TÉCNICAS DE PRONÓSTICO DE VENTAS
Material 3 TÉCNICAS DE PRONÓSTICO DE VENTAS A. MÉTODO DE REGRESIÓN SIMPLE: Este método relaciona 2 variables, una variable dependiente, la cual es objeto de estimación y la segunda variable independiente,
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesDIRECCION DE OPERACIONES I TEMA 2 PRONOSTICOS
DIRECCION DE OPERACIONES I TEMA 2 PRONOSTICOS ADMINISTRACION DE LA DEMANDA Es una función compartida entre las áreas de comercialización y producción, la primera es la encargada de captar la información
Más detallesTALLER DE INTRODUCCIÓN A LOS NEGOCIOS
REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 5
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 5: Relación entre variables (II) 1.- Cuál de las siguientes afirmaciones es verdadera? A) Una correlación de 0 78 entre dos variables X e Y tiene la misma intensidad
Más detallesMANA 705 DL Sistema Universitario Ana G. Méndez, Derechos Reservados. 1
MANA 705 DL - Taller Siete Tópico: Pronóstico y Gerencia de Inventario Diapositiva 1 Bienvenidos a la presentación del Taller Siete: Pronóstico y gerencia de inventario. Diapositiva 2 Al finalizar esta
Más detallesCarrera: ADT Participantes Representante de las academias de Administración de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Estadística administrativa II Licenciatura en Administración ADT-0427 2-3-7 2.-
Más detallesLectura No. 8. Contextualización. Nombre: Métodos de Análisis ANÁLISIS FINANCIERO 1
Análisis financiero ANÁLISIS FINANCIERO 1 Lectura No. 8 Nombre: Métodos de Análisis Contextualización Uno de los mayores obstáculos que se presentan en el momento de desarrollar un modelo econométrico
Más detallesJOSÉ ÁNGEL HERNÁNDEZ CRUZ. MERCADOTECNIA INTERNACIONAL Proyecto estratégico de la mercadotecnia internacional. ES Actividad 1 unidad 3
JOSÉ ÁNGEL HERNÁNDEZ CRUZ MERCADOTECNIA INTERNACIONAL Proyecto estratégico de la mercadotecnia internacional. ES1421005738 Actividad 1 unidad 3 Antecedentes: Nombre de la empresa: Pastelería LA IDEAL Exportar
Más detallesModelos de Series de Tiempo
UNIVERSIDAD AUTONOMA DEL ESTADO DE MÉXICO FACULTAD DE PLANEACIÓN URBANA Y REGIONAL ESTADÍSTICA II Modelos de Series de Tiempo POR: LUIS CONRADO TOLEDO VEGA FECHA DE ELABORACIÓN: 1ra quincena de Marzo de
Más detallesDeterminantes de la Demanda de Especies Monetarias* US dólares en El Salvador
Determinantes de la Demanda de Especies Monetarias* US dólares en El Salvador *Demanda de dinero para este trabajo deberá entenderse como el retiro de efectivo que realizan los bancos comerciales en el
Más detallesEstadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
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 detallesLa Pobreza 2009 en las provincias y distritos del Perú: Marcos Robles, BID 20 de Octubre de 2010
La Pobreza 2009 en las provincias y distritos del Perú: Metodología y Resultados Marcos Robles, BID 20 de Octubre de 2010 Objetivos Presentar los resultados de la estimación 2009 de la pobreza en el Perú
Más detallesRegresión Lineal Múltiple. Dr. Víctor Aguirre Torres, ITAM. Guión 12.
Regresión Lineal Múltiple 1 Propósito Cuantificar el cambio en el valor esperado de una variable (y) en función del cambio simultáneo otras variables (x 1, x 2,..., x p ). y=variable dependiente (cuantitativa)
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 detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesPlanificación y Comercialización Clase 5 Pronósticos
Planificación y Comercialización Clase 5 Pronósticos Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Otras Publicaciones del mismo autor en Repositorio ESPOL Fabrizio Marcillo Morla Guayaquil,
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesDIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS. Coordinador: M.F. Esperanza Sainz López
INSTITUTO TECNOLÓGICO AUTONOMO DE MÉXICO DIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS Coordinador: M.F. Esperanza Sainz López Objetivo general: Presentar al alumno algunos modelos cuya estructura dinámica
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 detallesLa econometría : una mirada de pájaro
La econometría : una mirada de pájaro Contenido Objetivo Definición de Econometría Modelos determinista y estocástico Metodología de la econometría Propiedades de un modelo econométrico Supuestos de un
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 detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesEstadística Inferencial. Sesión No. 9 Regresión y correlación lineal
Estadística Inferencial Sesión No. 9 Regresión y correlación lineal Contextualización En la administración, las decisiones suelen basarse en la relación entre dos o más variables. En esta sesión se estudia
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesTRATAMIENTO DE DATOS CON MS EXCEL. Modulo 2
TRATAMIENTO DE DATOS CON MS EXCEL. Modulo 2 CONTENIDO CONCEPTOS PRELIMINARES COMPONENTE ESTACIONAL MÉTODO DE LOS PROMEDIOS MÉTODO ARIMA CENSUS X 12 COMPONENTE DE TENDENCIA COMPONENTE CICLICO CONCEPTOS
Más detallesAnálisis y mejora del proceso de previsión de ventas de una empresa embotelladora de agua Página 1. Resumen
Análisis y mejora del proceso de previsión de ventas de una empresa embotelladora de agua Página 1 Resumen El presente volumen constituye el anexo del proyecto Análisis y mejora del proceso de previsión
Más detallesSesión 6: Proyecciones de Ingresos
TÉCNICAS ECONOMÉTRICAS PARA PROYECCIONES DE INGRESOS UTILIZANDO EVIEWS Sesión 6: Proyecciones de Ingresos Patrick Grady Global Economics Ltd. Ajustes Estacionales Datos de ingresos a menudo exhibe estacionalidad
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesINDICE. XV 1. Introducción a los pronósticos Actividad
INDICE Prefacio XV 1. Introducción a los pronósticos 1 Historia de los pronósticos La necesidad de pronosticar 2 Tipos de pronostico Pronóstico macroeconómico 4 Selección del método de pronostico 5 Pasos
Más detallesRegresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t")
Regresión Múltiple b=read.table("datoempleado.dat",header=t,sep="\t") Ejemplo: (archivo datoempleado.dat) Fh (Referencia=Mujer) variables en el archivo names(b) [1] "id" "sexo" "fechnac" "educ" "catlab"
Más detallesPrimera práctica de REGRESIÓN.
Primera práctica de REGRESIÓN. DATOS: fichero practica regresión 1.sf3 1. Objetivo: El objetivo de esta práctica es aprender cuándo se puede utilizar el análisis de regresión. En la primera parte se presentan
Más detallesAlternativas para la identificación de los ciclos económicos
Alternativas para la identificación de los ciclos económicos Luis Foncerrada 5 de Noviembre 2009 Contenido Por qué es importante tener las herramientas para identificar cambios en el ciclo económico y
Más detallesLinear Regression and the Least-squares problem
Linear Regression and the Least-squares problem Aniel Nieves-González Aniel Nieves-González () Linear Regression and the LSP 1 / 25 Variables cuantitativas y relaciones entre estas (Repaso) Recuerde que
Más detallesResumen de pronósticos Diciembre 2013
PRONÓSTICOS CIMAT-MTY Se presentan las principales proyecciones desprendidas de la metodología para pronósticos desarrollada por CIMAT-MTY. Las proyecciones de meses anteriores, así como una breve descripción
Más detallesMultiple Linear Regression
Multiple Linear Regression Aniel Nieves-González Aniel Nieves-González () LSP 1 / 16 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por departamento. La v.a. dependiente
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesManual de pronósticos para la toma de decisiones
Manual de pronósticos para la toma de decisiones Title Manual de pronósticos para la toma de decisiones Authors Farrera Gutiérrez, Arturo Issue Date 2013 Publisher Editorial Digital del Tecnológico de
Más detallesCAPÍTULO 3: METODOLOGÍA. Como ya se vio, existen varios tipos de pronósticos. Para el propósito de esta tesis se van a
19 CAPÍTULO 3: METODOLOGÍA Como ya se vio, existen varios tipos de pronósticos. Para el propósito de esta tesis se van a considerar aquellos tipos que pertenecen a la categoría de métodos cuantitativos,
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesLección 5. Ejercicios complementarios.
Lección 5. Ejercicios complementarios. Ejercicio 1 (junio 06). En la siguiente tabla se detallan, en términos corrientes, los ingresos anuales de un hotel de la Costa del Sol durante el período 1997 a
Más detallesTAMAÑO DEUDA Y RIESGO EN EMPRESAS DE PAISES CON SUSTITUCIÓN DE MONEDAS
TAMAÑO DEUDA Y RIESGO EN EMPRESAS DE PAISES CON SUSTITUCIÓN DE MONEDAS UN ANÁLISIS EMPÍRICO DEL CASO URUGUAYO Ricardo Pascale ricardopascale.com Noviembre de 2018 Agenda Objetivos Motivación Teoría y Evidencia
Más detallesPráctica 4 EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables
EJERCICIOS 1.- REGRESIÓN LINEAL SIMPLE 5.1 Regresión de Peso sobre Altura Datos en Encuesta.sgd a) Estudio descriptivo de ambas variables Marco elementos atípicos: b) Obtener la recta de regresión y comprobar
Más detallesPRINCIPALES TRABAJOS MACROECONOMÉTRICOS EN GUATEMALA:
PRINCIPALES TRABAJOS MACROECONOMÉTRICOS EN GUATEMALA: Síntesis, Conclusiones y Análisis Crítico CEPAL México 2 de diciembre, 2004 INTRODUCCIÓN En Guatemala los modelos de carácter macro- econométricos
Más detallesÍNDICE DE CONTENIDOS
ÍNDICE DE CONTENIDOS CAPÍTULO I: ANTECEDENTES GENERALES... 1 1. Introducción.... 2 1.1. Antecedentes del Mercado.... 2 1.2. Lugar de Aplicación.... 3 1.3. Planteamiento del Problema.... 5 1.4. Objetivos....
Más detallesANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA
ANEXO 3-A LA LECTURA DE UNA ESPECIE DE COMPUTADORA La presente sección busca echar un vistazo en el mundo del análisis de regresión. Presentamos, pues, tres extractos de salidas de computadora que provienen
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesADMINISTRACION 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 detallesGuía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA.
Guía de taller de Economía Cuantitativa V. Profesor: ALBERTO REYES DE LA ROSA. Debe ser resuelta a mano, citar bibliografía (no usar internet). Términos clave 1. Ceteris Paribus 2. Grado de libertad 3.
Más detallesCAPÍTULO 2: PRODUCTOS Y DEMANDAS. en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar
CAPÍTULO 2: PRODUCTOS Y DEMANDAS. En el primer capítulo de este proyecto se expusieron los productos que se fabrican en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar
Más detallesRegresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.
Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesÍNDICE. Prefacio... xi
ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple
Más detallesAnexo 2: Análisis de modelos de pronósticos para ventas de fundición de Aluminio.
Anexo : Análisis de modelos de pronósticos para ventas de fundición de Aluminio. Modelo: Series de tiempo por regresión Material: Aluminio Año Mes y x x xy 001 318.8 1 1 318.8 Febrero 3113.16 4 66.3 348.00
Más detallesEstadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5
Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.
Más detallesU ED Tudela Introducción al Análisis de Datos - Tema 4
I TRODUCCIÓ AL A ÁLISIS DE DATOS TEMA 4: Análisis conjunto de dos variables. 1.- Cuando se dice que dos variables están correlacionadas positivamente, se tiene que interpretar que: A) un aumento en una
Más detallesPronóstico de la demanda. Pronóstico de la demanda. D.R. Universidad TecVirtual del Sistema Tecnológico de Monterrey México, 2012.
Pronóstico de la demanda D.R. Universidad TecVirtual del Sistema Tecnológico de Monterrey México, 2012. 1 Índice Inicio... 3 - Introducción - Objetivo - Temario - Antecedentes Tema 1. Potencial de mercado...
Más detallesPronósticos en los negocios L.C. y Mtro. Francisco Javier Cruz Ariza
Pronósticos en los negocios L.C. y Mtro. Francisco Javier Cruz Ariza Tema 1: Elementos de Planeación Financiera. El pronóstico y el presupuesto. Metodología a seguir en la elaboración del presupuesto.
Más detallesSílabo de Estadística II
Sílabo de Estadística II I. Datos Generales Código Carácter A0176 Obligatorio Créditos 4 Periodo Académico 2017 Prerrequisito Estadística I Horas Teóricas: 2 Prácticas: 2 II. Sumilla de la asignatura La
Más detallesPrueba de Hipótesis. Para dos muestras
Prueba de Hipótesis Para dos muestras Muestras grandes (n mayor a 30) Utilizar tabla Z Ho: μ1 = μ2 H1: μ1 μ2 Localizar en valor de Zt en la tabla Z Error estándar de la diferencia de medias Prueba de
Más detallesLinear Regression and the Least-squares problem
Linear Regression and the Least-squares problem Aniel Nieves-González Abril 2013 Aniel Nieves-González () Linear Regression and the LSP Abril 2013 1 / 25 Variables cuantitativas y relaciones entre estas
Más detallesAPUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS
APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
Más detallesÍndices de Difusión y el Uso de Información Cualitativa. VII Reunión Nacional de Estadística, Aguascalientes Mayo de 2008
Índices de Difusión y el Uso de Información Cualitativa VII Reunión Nacional de Estadística, Aguascalientes Mayo de 1 Introducción Los grandes cambios económicos recientes, como el desarrollo de las comunicaciones
Más detallesRESPUESTAS BREVES A LA PRÁCTICA 7
RESPUESTAS BREVES A LA PRÁCTICA 7 EJERCICIO 1 Las salidas que proporciona el programa son: Unweighted Least Squares Linear Regression of X Puntaje en Inteligencia Predictor Variables Coefficient Std Error
Más detallesHerramientas y recomendaciones para una correcta planificación de la demanda, que permite mejorar las previsiones de ventas, reducción de inventario
Herramientas y recomendaciones para una correcta planificación de la demanda, que permite mejorar las previsiones de ventas, reducción de inventario y mayor rentabilidad. Hoy en día para realizar la venta
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detalles