Documente Academic
Documente Profesional
Documente Cultură
SERIES CRONOLGICAS
REGRESIN LINEAL
UNIVERSIDAD DE CORDOBA
FACULTAD DE INGENIERIAS
INGENIERIA INDUSTRIAL
PRODUCCION II
MONTERIA
2014
ING. INDUSTRIAL
PRODUCCION II
OBJETIVO GENERAL
Estudiar los conceptos de suavizacin exponencial, series cronolgicas y
regresin lineal con el fin de conocer su aplicabilidad, en las diferentes reas
o disciplinas que lo conciernen.
Objetivos especficos
Analizar la conceptualizacin y aplicacin de suavizacin exponencial.
Generalizar en concepto de suavizacin exponencial mediante un
ejemplo aplicativo.
ING. INDUSTRIAL
PRODUCCION II
CONTENIDO
INTRODUCCION
1. SERIES CRONOLGICAS
1.1. Ejemplo de una serie cronolgica
1.2. Componentes de una serie cronolgica
1.3. Tipos de esquemas
1.3.1. Seleccin del tipo de esquema
1.4. Componente tendencia
1.4.1. Mtodo grafico
1.4.2. Mtodo del ajuste analtico
1.4.3. Mtodo de las medias mviles
1.4.3.1.
Ejercicio de aplicacin de medias mviles
1.5. Anlisis de la tendencia: mtodo analtico mnimos cuadrados
1.5.1. Ejemplo de aplicacin de mnimos cuadrados
1.6. Determinacin de las variaciones estacionales
1.7. Mtodo de la razn a la media mvil
1.7.1. Determinacin de las variaciones cclicas
2. SUAVIZACIN EXPONENCIAL
2.1. Ejemplo
2.2. Seleccin de la constante de suavizamiento
3. REGRESIN LINEAL
3.1. Mtodo de mnimos cuadrado
3.2. Estimacin de los coeficientes de regresin
3.3. Ejemplo de aplicacin
3.4. Coeficiente de determinacin y correlacin
CONCLUSIONES
BIBLIOGRAFA
ING. INDUSTRIAL
PRODUCCION II
INTRODUCCIN
Se pretende conocer e identificar la aplicacin de las diferentes herramientas
de anlisis de fenmenos, que se presentan en este trabajo como . Las series
cronolgicas que se enfoca en estudia el comportamiento de una variable a
lo largo de un tiempo , y tambin permiten analizar la evolucin en el tiempo
de una variable para Construir un modelo descriptivo de la historia del
fenmeno y tambin poder predecir valores futuros. la suavizacin exponencial
que es una manera de suavizar series de tiempos y a la vez pronosticar datos,
se desempea bien en trminos de exactitud, pueden ser automatizados,
permitiendo ser utilizados a gran escala Por su parte El anlisis de regresin
estudia la relacin entre variables cuantitativas, las Aplicaciones de regresin
son numerosas y ocurren en casi todos los campos, incluyendo ingeniera, la
fsica, ciencias econmicas, ciencias biolgicas y de la salud, como tambin
ciencias sociales.
ING. INDUSTRIAL
PRODUCCION II
1. SERIES CRONOLGICAS
Notacin:
= Denota el ao.
= Denota la estacin (periodo inferior al ao).
= Valor de la serie en el ao , estacin .
ING. INDUSTRIAL
PRODUCCION II
Tendencia
Variaciones estacionales
Variaciones cclicas
Variaciones residuales
1.3.
Tipos de esquemas
Aditivas: se componen sumando la Tendencia,
estacional, variacin cclica regular, variacin residual
=
variacin
Tendencia,
ING. INDUSTRIAL
PRODUCCION II
=
[3]
y los cocientes
{
} y
Para que el criterio tuviera una base ms slida, habra que tomar los valores
de todos los periodos que forman la serie temporal. Sealar que, el criterio
expuesto solo analiza si la componente estacional est integrada de forma
aditiva o multiplicativa, no estudia de qu modo se relacionan las otras tres
componentes.
7
ING. INDUSTRIAL
PRODUCCION II
1.4.
Componente tendencia
ING. INDUSTRIAL
PRODUCCION II
ING. INDUSTRIAL
PRODUCCION II
que es una
. El parmetro a
10
ING. INDUSTRIAL
PRODUCCION II
Sealar que, cuando se aplica el mtodo de las medias mviles, quedan sin
determinar algunos valores al principio y al final de la nueva serie.
El mayor inconveniente que presenta el mtodo de las medias mviles es que
no permite efectuar predicciones, puesto que con l no se obtiene la expresin
de una frmula matemtica que facilite obtener el valor de la tendencia para un
instante futuro.
11
ING. INDUSTRIAL
PRODUCCION II
Este motivo hace que el mtodo se utilice poco para determinar la tendencia,
aunque s se utiliza en el clculo de los ndices de variacin estacional (IVE).
Al aplicar el mtodo de las medias mviles, en el esquema multiplicativo
=
, quedando sin
1.4.3.1.
12
ING. INDUSTRIAL
PRODUCCION II
13
ING. INDUSTRIAL
PRODUCCION II
1.5.
de
distribucin
de
datos
con
cualquier
Para
2) La tendencia media anual
regresin a los aos
, resulta:
14
ING. INDUSTRIAL
PRODUCCION II
Dnde:
t = ao
= Subperiodo donde se calcula la tendencia (trimestral =1,2,3,4; anual =
1,2,,12)
= Numero total de subperiodos (datos mensuales =4, cuatrimestrales =3,
anuales =12)
= pendiente de la recta de regresin
NOTA: El incremento de un subperiodo al siguiente es (
*
+=
ING. INDUSTRIAL
PRODUCCION II
Tabla
5.
Medias
anuales
para
cada
periodo
Dnde:
16
ING. INDUSTRIAL
PRODUCCION II
t = ao (2003, 2004,,2010)
= Subperiodo donde se calcula la tendencia (semestral =1,2,,12)
= Nmero total de subperiodos (datos semestrales =12)
= pendiente de la recta de regresin=3,7452476
Tabla 8. Serie de la tendencia para cada subperiodo
17
ING. INDUSTRIAL
PRODUCCION II
1.6.
ING. INDUSTRIAL
PRODUCCION II
1.7.
ING. INDUSTRIAL
PRODUCCION II
ING. INDUSTRIAL
PRODUCCION II
2. SUAVIZACION EXPONENCIAL
Donde;
21
ING. INDUSTRIAL
PRODUCCION II
en la expresin para
Ejemplo:
Nos dan los datos de unas ventas semanales de gasolina, como se muestra a
continuacin:
Semana
1
2
3
4
5
6
7
8
9
10
11
12
Ventas
galones)
17
21
19
23
18
16
20
18
22
20
15
22
(miles
de
22
ING. INDUSTRIAL
PRODUCCION II
una
constante
de
suavizacin,
, por lo que, el
para
este
ejemplo
de la serie de tiempo,
Para el periodo 4:
Para
la
semana
12
tenemos
que
y
ahora generar un pronstico para la semana 13, antes
que el valor real de semana 13 sea conocido; Utilizando el modelo de
suavizacin exponencial, tenemos:
23
ING. INDUSTRIAL
PRODUCCION II
Semana Valor de
serie
tiempo
1
2
3
4
5
6
7
8
9
10
11
12
17
21
19
23
18
16
20
18
22
20
15
22
2.2.
17.00
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48
4.00
1.20
4.96
-1.03
-2.83
1.74
-0.61
3.51
0.81
-4.35
3.52
24
ING. INDUSTRIAL
PRODUCCION II
1
2
3
4
5
6
7
8
9
10
11
12
17
21
19
23
18
16
20
18
22
20
15
22
17.00
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48
TOTAL
As obtenemos:
de Error
de Error del
pronostico pronstico
al
cuadrado
4.00
1.20
4.96
-1.03
-2.83
1.74
-0.61
3.51
0.81
-4.35
3.52
28.56
16.00
1.44
24.60
1.06
8.01
3.03
0.37
12.32
0.66
18.92
12.39
98.80
1
2
3
4
5
6
7
8
9
10
11
12
17
21
19
23
18
16
20
18
22
20
15
22
17.00
18.20
18.44
19.81
19.27
18.29
18.80
18.56
19.59
19.71
18.30
TOTAL
de Error
de Error del
pronostico pronstico
al
cuadrado
4.00
0.80
4.56
-1.81
-3.27
1.71
-0.80
3.44
0.41
4.71
3.70
29.21
16.00
0.64
20.79
3.28
10.69
2.92
0.64
11.83
0.17
22.18
13.69
102.83
25
ING. INDUSTRIAL
PRODUCCION II
As obtenemos:
9.348;
26
ING. INDUSTRIAL
PRODUCCION II
Donde el error del modelo Ei necesariamente debe tener una media de cero.
As cada observacin
satisface la ecuacin:
27
ING. INDUSTRIAL
PRODUCCION II
28
ING. INDUSTRIAL
PRODUCCION II
ING. INDUSTRIAL
PRODUCCION II
AO
2005
2006
2007
2008
2009
GANANCIAS (
4800
5200
3800
4500
4520
2010
2011
2012
2013
2014
5158
3564
4985
4156
3952
Tabla
SOLUCION
La solucin del ejercicio es sencilla, lo que realizaremos en primera instancia
es calcular los coeficientes de a y b respectivamente en base a las formulas;
ayudados del programa de Excel calculamos dichos valores, pero para este
ejemplo en particular mostraremos paso a paso la solucin e interpretacin del
ejercicio sin necesidad de que sea el programa quien responda al problema:
30
ING. INDUSTRIAL
PRODUCCION II
Dnde:
Y= las ganancias netas en un ao
X= ao en estudio
31
ING. INDUSTRIAL
PRODUCCION II
6000
5000
y = -67.788x + 140683
R = 0.1255
4000
Series1
3000
Linear (Series1)
2000
Linear (Series1)
1000
0
2000
2005
2010
2015
Ahora solo basta con reemplazar los aos futuros que se desea pronosticar
dichas utilidades:
AO
2015
2016
2017
2018
2019
32
ING. INDUSTRIAL
PRODUCCION II
Dnde:
E= errores cuadrados de la muestra.
Y= observaciones tomadas.
= promedio de dichas observaciones.
33
ING. INDUSTRIAL
PRODUCCION II
Dnde:
= datos calculados o estimados.
EJEMPLO APLICATIVO
Realicemos un ejemplo aplicado al problema de inversin que tiene la empresa
disco-bar el balcn.
Solucin
Lo primero que debemos calcular son los y ajustados en base a la recta de
regresin, para lo cual tenemos:
34
ING. INDUSTRIAL
PRODUCCION II
Finalmente:
De este modo:
35
ING. INDUSTRIAL
PRODUCCION II
Coeficiente de correlacin
Es una medida estadstica utilizada que mide el grado de relacin lineal entre
dos variables; se calcula a travs de la siguiente formula:
[7]
36
ING. INDUSTRIAL
PRODUCCION II
CONCLUCIONES
BIBLIOGRAFIA
37
ING. INDUSTRIAL
PRODUCCION II
38