Vous êtes sur la page 1sur 31

SERIES DE TIEMPO PARA PATRONES CON TENDENCIA, SERIES DE TIEMPO PARA PATRONES ESTACIONALES Y REGRESIÓN

SERIES DE TIEMPO PARA PATRONES CON TENDENCIA, SERIES DE TIEMPO PARA PATRONES ESTACIONALES Y REGRESIÓN

INTEGRANTES

INTEGRANTES  CASTRO PUMA, Jose Antonio  VALENZUELA  YANQUI PARI, Giovanny  BARRIENTOS HUAMANI, Arturo

CASTRO PUMA, Jose Antonio VALENZUELA VERA, Kevin

INTEGRANTES  CASTRO PUMA, Jose Antonio  VALENZUELA  YANQUI PARI, Giovanny  BARRIENTOS HUAMANI, Arturo

YANQUI PARI, Giovanny BARRIENTOS HUAMANI, Arturo VILLANUEVA ESPIRITU, Paul

INTRODUCCION

INTRODUCCION Con frecuencia se realizan observaciones de datos en un determinado tiempo. Cualquier variable que conste

Con frecuencia se realizan observaciones de datos en un determinado tiempo. Cualquier variable que conste de datos reunidos, registrados u observados sobre incrementos sucesivos de tiempo se denomina serie de tiempos.

DEFINICIÓN

DEFINICIÓN  Una serie de tiempo es un conjunto de observaciones producidas en determinados momentos durante

Una serie de tiempo es un conjunto de observaciones producidas en determinados momentos durante un periodo, semanal, mensual, trimestral o anual, generalmente a intervalos iguales.

Los modelos de serie de tiempo, se utilizan cuando el comportamiento que asuma el mercado a futuro pueda determinarse en gran medida por lo sucedido en el pasado, siempre que este disponible la información histórica en forma confiable y completa.

Algunos ejemplos donde se puede utilizar series temporales:

Algunos ejemplos donde se puede utilizar series temporales:  Economía y Marketing  Proyecciones del empleo

Economía y Marketing Proyecciones del empleo y desempleo. Evolución del índice de precios de la leche. Beneficios netos mensuales de cierta entidad bancaria. Índices del precio del petróleo.

Medioambiente

  • - Medición diaria del contenido en residuos tóxicos en un río.

  • - Temperatura media mensual. Demografía

  • - Número de habitantes por año.

  • - Tasa de mortalidad infantil por año.

SERIE DE TIEMPO PARA PATRONES CON TENDENCIA

SERIE DE TIEMPO PARA PATRONES CON TENDENCIA

Es un comportamiento que se observa a largo plazo.

 Es un comportamiento que se observa a largo plazo.  Se da por cambios en

Se da por cambios en la productividad, por la aceptación de un producto, tendencias demográficas, tecnológicas ,etc

 Es un comportamiento que se observa a largo plazo.  Se da por cambios en

En las series de tiempo para patrones con tendencia se observa un incremento o decremento sistemático de la media a través de la serie a través del tiempo.

 En las series de tiempo para patrones con tendencia se observa un incremento o decremento
 En las series de tiempo para patrones con tendencia se observa un incremento o decremento
 En las series de tiempo para patrones con tendencia se observa un incremento o decremento

Para predecir lo que ocurrirá con una variable en el futuro apartar del comportamiento de la variable en el pasado.

• Para predecir lo que ocurrirá con una variable en el futuro apartar del comportamiento de
EJEMPLO: el método de tendencia en una serie de tiempo
EJEMPLO: el método de tendencia en una serie de tiempo

Con los siguientes datos acerca de los estudios de proyecto en millones de dólares de la empresa “IDOM “consultoría de proyectos.

1)Hallar la ecuación de tendencia mínimos cuadrados.

por el método de los

2) Pronosticar la tendencia de ventas para el 2011.

Mínimos cuadrados

Mínimos cuadrados
Recta de tendencia se obtiene: Y = 3.22 + 0.07X Y=ao +a1X Pronostico de venta para

Recta de tendencia se obtiene:

Y = 3.22 + 0.07X

Y=ao +a1X

Pronostico de venta para el 2011 Y= 3.22+0.07(17) = 4.41

Grafica de la tendencia

Grafica de la tendencia RESUMEN : Existe una tendencia ascendente a un cambio promedio de 0,07

RESUMEN: Existe una tendencia ascendente a un cambio promedio de 0,07 millones de dólares por cada año, por lo que el Gerente de ventas de la empresa debe seguir aplicando las políticas necesarias para mantener la tendencia ascendente y

Los datos fluctúan de acuerdo a algún dato estacional en intervalos constantes de tiempo, por periodos de un año, no más. Por ejemplo, útiles escolares, árboles de navidad.

 Los datos fluctúan de acuerdo a algún dato estacional en intervalos constantes de tiempo, por
SERIES DE TIEMPO PARA PATRONES ESTACIONALES

SERIES DE TIEMPO PARA PATRONES ESTACIONALES

Estacionalidad: son fluctuaciones periódicas, por
Estacionalidad:
son
fluctuaciones
periódicas,
por

ejemplo cuando hay picos de ventas en

la navidad y después declinan. La serie

de tiempo

de

ventas

mostrarán un

incremento durante setiembre a diciembre y una declinación durante

enero y febrero.

EN DICIEMBRE TODOS VENDEN ADORNOS NAVIDEÑOS

EN DICIEMBRE TODOS VENDEN ADORNOS NAVIDEÑOS EN FEBRERO COMPRAS ENTRE PELUCHES ADORNOS, CHOCOLATES, FLORES Y OTRTOS
EN DICIEMBRE TODOS VENDEN ADORNOS NAVIDEÑOS EN FEBRERO COMPRAS ENTRE PELUCHES ADORNOS, CHOCOLATES, FLORES Y OTRTOS
EN DICIEMBRE TODOS VENDEN ADORNOS NAVIDEÑOS EN FEBRERO COMPRAS ENTRE PELUCHES ADORNOS, CHOCOLATES, FLORES Y OTRTOS

EN FEBRERO COMPRAS ENTRE PELUCHES ADORNOS, CHOCOLATES, FLORES Y OTRTOS REGALOS

SAN VALENTIN

12 10 8 6 4 2 NAVIDAD 0
12
10
8
6
4
2
NAVIDAD
0
SAN VALENTIN 12 10 8 6 4 2 NAVIDAD 0 12 10 8 6 4 2

12

10 8 6 4 2 0
10
8
6
4
2
0
REGRESION
REGRESION
REGRESION

REGRESION

Concepto:
Concepto:

El método de mínimos cuadrados o regresión lineal se utiliza tanto para pronósticos de series de tiempo como para pronósticos de relaciones causales. En particular cuando la variable dependiente cambia como resultado del tiempo se trata de un análisis de serie temporal.

REGRESION

REGRESION  Esto quiere decir que todas las variables analizadas se comportan en forma lineal o

Esto quiere decir que todas las variables analizadas se comportan en forma lineal o son susceptibles de linealizar.

REGRESION  Esto quiere decir que todas las variables analizadas se comportan en forma lineal o

REGRESION

Existen otros dos modelos en regresión que son :
Existen otros dos modelos en regresión que son :

El modelo de regresión simple o de dos variables, indica que la variable dependiente se predicen sobre la base de una variable independiente.

El modelo de regresión múltiple, indica que la medición se basa en dos o más variables independiente.

EJEMPLO

EJEMPLO  En el siguiente ejemplo desarrollaremos un pronóstico de demanda haciendo uso de la información
EJEMPLO  En el siguiente ejemplo desarrollaremos un pronóstico de demanda haciendo uso de la información

En el siguiente ejemplo desarrollaremos un pronóstico de demanda haciendo uso de la información histórica de venta de un producto determinado durante los últimos 12 trimestres (3 años).

 La ecuación de mínimos cuadrados para la regresión lineal es la que se muestra a

La ecuación de mínimos cuadrados para la regresión lineal es la que se muestra a continuación donde β0 y β1 son los parámetros de intercepto y pendiente, respectivamente:

 La ecuación de mínimos cuadrados para la regresión lineal es la que se muestra a
 La ecuación de mínimos cuadrados para la regresión lineal es la que se muestra a

Estimar los valores de dichos parámetros haciendo uso de una planilla Excel tal como muestra la tabla a continuación:

 Estimar los valores de dichos parámetros haciendo uso de una planilla Excel tal como muestra
 Estimar los valores de dichos parámetros haciendo uso de una planilla Excel tal como muestra

Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los valores de β0 y β1:

 Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los valores de β0 y β1:
 Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los valores de β0 y β1:

RESUMEN

RESUMEN Una vez obtenido los parámetros de la regresión lineal se puede desarrollar un pronóstico de

Una vez obtenido los parámetros de la regresión lineal se puede desarrollar un pronóstico de demanda (columna color naranja) evaluando en la ecuación de la regresión para los distintos valores de la variable independiente (x). Por ejemplo para el primer trimestre el pronóstico es: Y(1)=441,71+359,61*1=801,3.

Observación: los valores de los pronósticos han sido redondeados arbitrariamente a un decimal.

TABLA

TABLA

REGRESION

REGRESION  Siguiendo con nuestro análisis a continuación podemos desarrollar un pronóstico para los próximos 4

Siguiendo con nuestro análisis a continuación podemos desarrollar un pronóstico para los próximos 4 trimestres (un año) que corresponden a los trimestres 13, 14, 15 y

16:

Y(13)=441,71+359,61*13=5.116,64

Y(14)=441,71+359,61*14=5.476,25 Y(15)=441,71+359,61*15=5.835,86 Y(16)=441,71+359,61*16=6.195,47

REGRESION

REGRESION  Luego en la interfaz de Excel activamos las opciones “Presentar ecuación en el gráfico”

Luego en la interfaz de Excel activamos las opciones “Presentar ecuación en el gráfico” y “Presentar el valor R cuadrado en el gráfico” . Notar que los valores obtenidos para los parámetros de la regresión son similares salvo menores diferencias por efecto de aproximación.

REGRESION  Luego en la interfaz de Excel activamos las opciones “Presentar ecuación en el gráfico”