Documente Academic
Documente Profesional
Documente Cultură
CAUSALES
MODELOS CAUSALES
En un pronóstico causal, el pronóstico de
la cantidad que nos interesa va montada
sobre otra cantidad o conjunto de
cantidades. En otras palabras nuestro
conocimiento del valor de un variable o
más variables nos permite pronosticar el
valor de la variable de interés.
DOS CONDICIONES
Debe haber una relación entre los valores de
las variables independiente y dependiente, de
forma que la primera proporcione información
sobre la segunda.
Cuando se utiliza el
Cuando se selecciona
tiempo para predecir
una variable
una variable dada la
explicativa
otra
Yt = a + bx a = y - bx
Y
xy - n(y)(x)
b=
x 2 - n(x)2
0 1 2 3 4 5 x (Semanas)
EJEMPLO
X (Semanas) Y (Ventas)
1 150
2 157
3 162
4 166
5 177
b= xy - n(y)(x)
=
2499 - 5(162.4)(3) 63 6.3
=
2
- n(x) 55 5(9) 10
x 2
155 Pronóstico
150
145
140
135
1 2 3 4 5
Periodo
SUPONGA QUE UNA EMPRESA CONSTRUCTORA
DESEA DETERMINAR SI SUS VENTAS HAN VENIDO
CRECIENDO Y SI EL ACCIONAR DE LA
MUNICIPALIDAD HA REPERCUTIDO EN ELLO.
Año Número de Permisos para la Ventas en
Construcción de Viviendas Yardas cuadradas
1989 18 13000
1990 15 12000
1991 12 11000
1992 10 10000
1993 20 14000
1994 28 16000
1995 35 19000
1996 30 17000
1997 20 13000
Primero veámos el efecto del
accionar de la municipalidad
Ahora vamos a realizar el mismo análisis
pero para la tendencia.
REGRESIÓN MÚLTIPLE
Es un procedimiento estadístico en el cual una variable
dependiente Y se modela como una función de más de
una variable independiente X1, X2, X3, etc.
2267/2779=0,82
(600+2400+3800)/3=2267
PASO 2 DESESTACIONALIZAR LOS DATOS
ORIGINALES
Factor Demanda
Periodo Demanda Real Estacional desestacionalizada
1 600 0,82 735,7
2 1550 1,10 1412,4
3 1500 0,97 1544,0
4 1500 1,12 1344,8
5 2400 0,82 2942,6 600/0,82=735,7
6 3100 1,10 2824,7
7 2600 0,97 2676,2
8 2900 1,12 2599,9
9 3800 0,82 4659,2
10 4500 1,10 4100,4
11 4000 0,97 4117,3
12 4900 1,12 4392,9
6,5 2779 2779,2
78 33350 33350,0
PASO 3 DESARROLLAR UNA LÍNEA DE REGRESIÓN
DE MÍNIMOS CUADRADOS PARA LOS DATOS
DESESTACIONALIZADOS
Y = a + bx
Y = 554,9 + 342,2 X
b=
xy - n( y)(x) = 265707
2499 –-12(2779,2)(6,5)
5(162.4)(3) 63
= 6.3
342,2
2
55 –12(6,5)
x
- n(x)
2 650 5(9) 10
2779,2
a = y - bx = 162.4 – (342,2*6,5)=
- (6.3)(3) = 143.5554,9
PASO 4 REALIZAR LA PROYECCIÓN FINAL
MULTIPLICANDO LA LÍNEA DE REGRESIÓN POR
EL FACTOR ESTACIONAL