Académique Documents
Professionnel Documents
Culture Documents
en Economa y Finanzas
>
USA Site
Las herramientas para las decisiones tecnolgicas tales como los modelos
matemticos han sido aplicados a una amplia gama de situaciones en la toma de
decisiones dentro de diversas reas de la gerencia. En la toma consciente de
decisiones bajo incertidumbre, siempre realizamos pronsticos o predicciones.
Podramos pensar que no estamos pronosticando, pero nuestras opciones estarn
dirigidas por la anticipacin de resultados de nuestras acciones o inacciones. Este
sitio tiene el objetivo de ayudar a los gerentes y administradores a hacer un mejor
trabajo al momento de anticipar hechos, y por lo tanto, un mejor manejo de la
incertidumbre mediante el uso de tcnicas de prediccin y pronstico efectivas.
Para buscar el sitio, presione Editar| Buscar en la pgina [Ctrl + f]. Escriba una palabra
o frase en el espacio del dilogo. Por ejemplo "mtodo" o "pronstico" Si el primer
resultado de la palabra o la frase no es lo que usted buscaba, intente con Prxima
bsqueda.
CONTENIDO
Sitios Adjuntos:
1. Introduccin
5. Anlisis de Tendencia
6. Modelando la Estacionalidad y Tendencia
7. Anlisis de Descomposicin
1. Metodologa de la Box-Jenkins
1. Filtraje Adaptativo
2. Filtro de Hodrick-Prescott
3. Filtro de Kalman
1. Redes Neurales
2. Modelamiento y Simulacin
3. Modelos Probabilsticos
4. Nmeros Indices
8. Anlisis de Delphi
4. Ecuaciones Simultneas
6. Lecturas Adicionales
Introduccin
Los pronsticos son necesarios en todas las reas de una organizacin, y los
mismos no deberan ser generadas por un grupo aislado de analistas. Tampoco se
puede considerar ningn pronstico como "terminado", los pronsticos son
continuamente necesarios, y as como pasa el tiempo, el impacto de los
pronsticos sobre el desempeo real de acontecimientos debe ser medido Llos
pronsticos originales son actualizados y las decisiones son modificadas, y as
sucesivamente. Este proceso es mostrado en la figura siguiente:
"Por qu se han diseado tantos modelos y solo se usan unos pocos?" Esta es
una pregunta discutida a menudo dentro de la comunidad del Modelamiento
Cuantitativo (MC.) La formulacin de la pregunta parece simple, pero los
conceptos y teoras que deben ser manejados para darle una respuesta son mucho
ms sofisticados. Existe un proceso de seleccin de "entre los muchos modelos
diseados"a "los pocos modelos utilizados?" Y de ser as, cuales son las
propiedades particulares que estos "pocos agraciados" tienen? Este sitio primero
analiza varias definiciones de "modelos" presentados en la literatura de MC, y
propone una sntesis de las funciones que un modelo puede manejar. Luego
procede a definir el concepto de "realizacin", y progresivamente cambiamos de
un modelo tradicional "de diseo a realizacin" como punto de partida a la teora
general de un modelo de diseo/ implementacin, visto como un proceso de
construccin cruzada entre el modelo y la organizacin en la cual es puesto en
prctica. Por lo tanto, la organizacin no es considerada como un simple entorno,
sino como un componente activo en el diseo de los modelos. Esto lgicamente
conduce a seis modelos de implementacin: el modelo tecncrata, el modelo
poltico, el modelo directivo, el modelo autodidacta, el modelo de conquista y el
modelo experimental.
1. Debe estar listo para trabajar en cooperacin cercana con los diferentes
agentes estratgicos con el objetivo de adquirir un entendimiento
armonioso en el contexto organizacional. Adicionalmente, el MC debera
tratar constantemente de discernir el grano de los valores de la
organizacin desde sus partes ms circunstanciales.
Cada una de las cuatro perspectivas anteriores debe ser considerada con
respecto a los siguientes cuatro parmetros:
Si = Di/ D,
de donde:
Casi todas las series de tiempo publicadas por el gobierno de los EEUU se
encuentran desestacionalizadas usando el ndice de estacionalidad para
descifrar las tendencias subyacentes en los datos, los cuales podran ser
causados por factores de estacionalidad.
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Total
M
T
1 196 188 192 164 140 120 112 140 160 168 192 200 1972
2 200 188 192 164 140 122 132 144 176 168 196 194 2016
3 196 212 202 180 150 140 156 144 164 186 200 230 2160
4 242 240 196 220 200 192 176 184 204 228 250 260 2592
Media: 208,6 207,0 192,6 182,0 157,6 143,6 144,0 153,0 177,6 187,6 209,6 221,0 2185
Indice: 1,14 1,14 1,06 1,00 0,87 0,79 0,79 0,84 0,97 1,03 1,15 1,22 12
Clculos similares son realizados para cada otro mes. Todos los ndices
son totalizados en la ltima fila de la tabla anterior. Note que la media (el
valor promedio) para los ndices mensuales llega hasta 12, el cual es el
nmero de perodos en un ao para los datos mensuales.
Y = 1684 + 200,4T,
La pregunta principal es si esta ecuacin representa la tendencia.
Xt = St . Tt. Ct . I
Ft+1 = Dt + (1 - ) Ft
de donde:
Dt e el valor actual
Ft es el valor pronosticado
es el factor de ponderacin, el cual oscila entre 0 y 1
t es el perodo de tiempo actual.
Las arquitecturas de redes neurales pueden ser entrenadas para predecir los
valores futuros de las variables dependientes. Los requerimientos son el
diseo del paradigma de la red y sus parmetros. El acercamiento de redes
neurales de retroalimentacin de capas mltiples consiste en una capa de
entrada, una o varias capas escondidas y una capa de salida o resultado.
Otro acercamiento es conocido como la red neural parcialmente
recurrente, la cual puede aprender secuencias a medida que el tiempo
transcurre y responde de manera diferente a los mismos patrones de
estmulos de entrada a diferentes perodos de tiempo, dependiendo por
supuesto de los distintos patrones de entrada. Ninguno de estos
acercamientos es superior a cualquiera de los otros en cualquiera de los
casos; sin embargo, una retroalimentacin empapada que posea las
caractersticas de una memoria dinmica, mejorar el funcionamiento de
ambos acercamientos.
Siempre que los niveles de los datos sean considerados muy altos o muy
bajos con respecto a los valores "usuales en el negocio", llamamos a estos
valores outliers. Una razn matemtica para ajustar estas ocurrencias es
que la mayora de las tcnicas de pronstico estn basadas en promedios.
Es bien sabido que las medias aritmticas son muy sensibles a los valores
de los outliers; por lo tanto, algunas alteraciones en los datos deberan ser
hechas antes de continuar. Una aproximacin seria el reemplazar el outlier
por el promedio de los dos niveles de ventas para los perodos, los cuales
vienen inmediatamente antes y despus del perodo en cuestin, y luego
poner este nmero en el lugar del outlier. Esta idea es util siempre que el
outlier ocurre a la mitad o en una parte reciente de los datos. Sin embargo,
si los outliers aparecen en la parte mas antigua de los datos, se debera
seguir una segunda alternativa, la cual es simplemente eliminar los datos e
incluir los outliers.
Ao 2000 Ao 2001
Unidades Costo por Costo por
Total Total
Necesitadas Unidad Unidad
Mano de Obra 20 10 200 11 220
Aluminio 02 100 200 110 220
Electricidad 02 50 100 60 120
Total 500 560
pendiente/ PM,
log (pendiente),
log(pendiente) - 2 log(PM).
Como Hacer Pronsticos Mediante el Anlisis de Regresin
Introduccin
A. Planificacin:
Inspeccione rij; por lo menos uno o dos tienen que ser grandes. Si
todos son pequeos, quizs el rango de las variables X son muy
pequeos.