Tema 3.5
Tema 3.5
Tema 3.5
Los métodos cualitativos por lo general involucran el uso del juicio experto para
elaborar pronósticos. Una ventaja de los procedimientos cualitativos es que pueden
aplicarse cuando la información sobre la variable que se está pronosticando no puede
cuantificarse o son escasos.
• Método Delphi
• Juicio experto
• Redacción de escenarios
• Enfoques intuitivos
En el análisis de las series de tiempo, las mediciones pueden hacerse cada hora,
diario, a la semana, cada mes, anualmente o en cualquier otro intervalo regular de
tiempo. Aunque los datos de las series de tiempo suelen mostrar fluctuaciones
aleatorias, las series de tiempo también
muestran un desplazamiento o
movimiento gradual hacia valores
relativamente altos o bajos a través de un
lapso largo. A este desplazamiento gradual
de la serie de tiempo se le conoce como la
tendencia de la serie de tiempo.
Este desplazamiento o tendencia suele
deberse a factores de largo plazo como
variaciones en las características
demográficas de la población, en la
tecnología o en las preferencias del
público.
Otros patrones de tendencia posibles
Suavización exponencial
Es un caso especial del método de promedios móviles ponderados en el cual seleccionamos sólo
un peso, el peso para la observación más reciente.
Los pesos para los demás valores se calculan de forma automática y se vuelven cada vez más
pequeños a medida que las observaciones se alejan en el pasado.
Podemos demostrar que el pronóstico de la suavización exponencial para cualquier periodo
también es un promedio ponderado de todos los valores reales previos.
Por ejemplo, para una serie de tiempo que consta de tres periodos de datos: Y1, Y2 y Y3.
Comenzamos F1=Y1
Por lo tanto, el pronóstico de suavización exponencial para el periodo dos es igual al valor real de
la serie de tiempo en el periodo 1.
Para el periodo 3 el pronóstico es:
Por último, al sustituir esta expresión para F3 en la expresión para F4, se obtiene:
Por consiguiente, F4 es un promedio ponderado de los primeros tres valores de la serie de tiempo.
Ejemplo
La serie de tiempo para el numero de bicicletas vendidas parece tener un incremento general o
una tendencia ascendente.
T =20.4 + 1.1t
t
El enfoque que seguimos en este punto es apropiado en situaciones cuando sólo están
presentes los efectos estacionales o en situaciones en que se dan tanto el componente
estacional como el de tendencia.
El primer paso es calcular los índices estacionales y utilizarlos para
desestacionalizar los datos.
El análisis de regresión se relaciona en gran medida con la estimación y/o predicción de la media
(de la población) o valor promedio de la variable dependiente, con base en los valores conocidos
o fijos de las variables explicativas.
Población total de 60 familias de una comunidad hipotética. Ingreso semanal (X) y gasto de
consumo semanal (Y ), en dólares.
Las 60 familias se dividen en 10 grupos de ingresos (de $80 a
$260). Se tienen 10 valores fijos de X y los correspondientes valores de Y para cada uno de los
valores X; así que hay 10 subpoblaciones Y
E(Y)=7272/60=121,2
Es incondicional en el sentido de que para obtener esta cifra se omiten los niveles de ingresos
de las diversas familias
• Anderson R., Sweeney D., Williams T., Camm J. y Cochran J. (2015), “Quantitative
Methods for Business” Cengage Learning. USA.
• Anderson D., Sweeney D. y Williams T. (2008), “Estadística para Administración y
Economía”. 10º edición. Ed. Thomson. México.
• Canavos, G. (2003), “Probabilidad y Estadística. Teoría y aplicaciones”. Mc Graw Hill.
Interamericana de México.
• Enders, W. (2008), “Applied Econommetric Time Series”. Editorial Wiley. Inglaterra.
• Guisande Gonzalez, C., Vaamonde Liste, A. y Barreiro Felpeto, A. (2011), “Tratamiento
de datos con R, Statistica y SPSS”. Ed. Díaz de Santos. España.
• Gujarati, D. y Porter D. (2010), “Econometría” 5° Edición. Mc Graw Hill. México.
• Hanke, J. and Wichern, D. (2006). “Pronósticos en los negocios”. Editoral Pearson.
México.
• Levine D., Stephan D, Krehbiel T., and Berenson M. (2008). “Statistics for Managers”.
Pearson New Jersey.