SERIES TEMPORALES.

Slides:



Advertisements
Presentaciones similares
Predicción con modelos ARIMA
Advertisements

ORGANIZACIÓN de la PRODUCCIÓN
Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel Series Temporales.
Ing. Andrea Barbaro 1 Pronóstico de la Demanda Esta presentación es solo un complemento de la unidad. En ningún caso, exceptúa al alumno de la lectura.
1 MEDICIÓN DE LA DEMANDA PUEDE MEDIRSE EN RELACIÓN A: 7EL PRODUCTO: 7UNIDAD DE PRODUCTO 7CLASE DE PRODUCTO 7LINEA DE PRODUCTO 7VENTAS DE LA COMPAÑÍA 7VENTAS.
Capitulo 9: Modelos unívariados de series temporales
MÉTODO DE ELIMINACIÓN Lic. ANDRES LATORRE S..
PRONÓSTICOS Y LA ADMINISTRACIÓN DE ESTRATÉGICA DE LA DEMANDA
¿CÓMO DETERMINAR LA VOLATILIDAD?
Centro de Investigación Estadística
SERIES DE TIEMPO INTEGRANTES : GELSI VASQUEZ MICHAEL MUÑOZ JULIO TAPIA.
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
Prof. Ramón Garduño Juárez Modelado Molecular Diseño de Fármacos
SERIES UNIVARIADAS Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar.
Especialista en Business Intelligence Analysis Services SSAS (Sesión 14) Microsoft SQL Server 2008 R2 Suscribase a o escríbanos a
SERIES TEMPORALES.
SERIES TEMPORALES.
Métodos no paramétricos
1 Modelos Cuantitativos Pronósticos PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre.
Métodos Matemáticos I.
Tema 2: Métodos de ajuste
Preguntas y Métodos de la Macroeconomía
Seminario sobre evaluación económica de proyectos de transporte Madrid, 15 y 16 de noviembre LA PREDICCIÓN DE LA DEMANDA EN EVALUACIÓN DE PROYECTOS.
PRONOSTICO DE VENTAS.
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
Departamento de Informática Universidad Técnica Federico Santa María
SERIES TEMPORALES.
Pronósticos Los pronósticos y la planeación de la capacidad de mantenimiento son dos funciones importantes para el diseño de un sistema de mantenimiento.
SERIES DE TIEMPO INTEGRANTES :.
Modelos de Suavizamiento
Estimaciones de tasas medias de crecimiento (Notas de Clase) Alejandro Gutiérrez S. UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES.
Estadística Administrativa II
Bruno Seminario Universidad del Pacífico. ¿Cómo estimar la tasa de crecimiento?  Método INEI:  Tasa de crecimiento promedio de los últimos 12 meses.
Estadística Administrativa II
1 Metodología para Estimaciones de la Actividad Económica del Estado de Nuevo León Marzo 2005.
SERIES TEMPORALES.
Es una ecuación diferencial ordinaria Es una ecuación diferencial ordinaria de primer orden Es una ecuación diferencial lineal Es.
Pronósticos, Series de Tiempo y Regresión
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
Análisis de series de tiempo
Análisis de series de tiempo
Estadística Administrativa II
Pronósticos, Series de Tiempo y Regresión
ANALISIS DE SERIES TEMPORALES
SERIES TEMPORALES.
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
SERIES CRONOLOGICAS O DE TIEMPO
Capitulo 8: Introducción a modelos de series temporales
Pronósticos.
SERIES DE TIEMPO Suscribase a SERIES DE TIEMPO Suscribase a
Observe que “x” sigue igual, pero; “y” cambio de signo
Bienvenidos a la séptima Conferencia Magistral
Método de mínimos cuadrados
Función de transferencia de procesos muestreados
Análisis cinemático: ACELERACION
TEMA : ANALISIS DE REGRESION
INSTRUMENTOS ESTADÍSTICOS PARA EL TRATAMIENTO DE SERIES TEMPORALES APLICADOS AL TURISMO Una aplicación al número de viajeros alojados en establecimientos.
Ecuaciones diferenciales de Primer Orden.
Máximo nivel de producción que puede ofrecer una estructura económica determinada: desde una nación hasta una empresa, una máquina o una persona. La capacidad.
1.Introducción 2.Casos simples de reducción del orden 3.Ecuaciones lineales homogéneas con coeficientes constantes 4.Ecuaciones lineales no homogéneas.
Estadística Administrativa II
RELACIÓN ENTRE UNA VARIABLE DEPENDIENTE Y UNA O MAS INDEPENDIENTES.
METODO DE HOLT Suavización exponencial ajusta a la tendencia.
REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios.
ECUACIONES DIFERENCIALES. ECUACION DIFERENCIAL Una ecuación diferencial es una ecuación en la que intervienen derivadas de una o más funciones desconocidas.ecuaciónderivadas.
ESTUDIO DE SUS PARÁMETROS FUNDAMENTALES CATEDRA DE A MEDICIONES I 1.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
INFORMÁTICA APLICADA AL ANÁLISIS ECONÓMICO
Predicción con Alisado Exponencial
PATRON LINEAL.
Transcripción de la presentación:

SERIES TEMPORALES

COMPONENTES TENDENCIA CICLO ESTACIONALIDAD MOVIMIENTO IREGULAR

COMPONENTES TENDENCIA Patrón de evolución sostenido a medio y largo plazo de la serie

Series con tendencia y sin estacionalidad Descomposición de series: Métodos de Estimación Series con tendencia y sin estacionalidad Doble Alisado exponencial del Brown con un parámetro Alisado exponencial de Holt Winter con doble parámetro

Series con tendencia y sin estacionalidad Series Temporales Métodos de Estimación Series con tendencia y sin estacionalidad

SERIES TEMPORALES Cálculo de la Tendencia: Un modelo con tendencia lineal se define de la siguiente manera.

SERIES TEMPORALES Cálculo de la Tendencia:

SERIES TEMPORALES Cálculo de la Tendencia:

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Los distintos modelos que se aplicarán siguen un esquema como el siguiente: Realizan una estimación recursiva de la tendencia. Lo que supone es ir desplazando la ordenada en el origen en las t observaciones de la muestra

PREVISIÓN DE SERIES TEMPORALES Series con tendencia Lineal: Alisado Exponencial Doble  Lleva este nombre porque somete la variable a un doble alisado. En el primer alisado se alisa directamente la variable objeto de estudio mientras que en la segunda operación se procede a alisar la variable previamente obtenida. (1) Primer alisado (2) Segundo alisado

PREVISIÓN DE SERIES TEMPORALES Series con tendencia líneal: Alisado Exponencial Doble  Donde

PREVISIÓN DE SERIES TEMPORALES Series con tendencia: Alisado Exponencial Doble 

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Doble 

PREVISIÓN DE SERIES TEMPORALES Series con tendencia Métodos Ingenuos: Alisado Exponencial Doble 

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt  Es un método de alisado exponencial que utiliza dos parámetros de alisado, aplicable a series que presentan una tendencia lineal. Dicho método calcula dos variables de alisado para cada momento del tiempo: = estimación del nivel de la serie en t = estimación de la pendiente de la serie en t

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt-Winters  Donde Ecuación del Nivel Ecuación de la pendiente

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt-Winters  Por tanto la ecuación final sería:

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt  Valores Iniciales

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt-Winters 

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt 

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : Alisado exponencial de Holt Winter con doble parámetro: Determinar el esquema de descomposición Desestacionalizar la serie Yt Aplicar métodos de tendencia a la serie sin estacionilidad Predecir la tendencia Incorporar la estacionalidad

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : INDICE DE PRECIOS HOTELEROS CC.AA: Aragón

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad :

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : Alisado exponencial de Holt Winter con doble parámetro: Determinar el esquema de descomposición ADITIVO: MULTIPLICATIVO:

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : Alisado exponencial de Holt Winter con doble parámetro: Determinar el esquema de descomposición

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 1.-Cálculos de la MMC12

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 2.-Diferencia de Yt respecto de MMC12 3.-Cálculo de los índice brutos 4.- Valor de los índices normalizados

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Cálculos de la serie desestacionalizada

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Calculo de la serie desestacionalizada: Yt-Índice normalizado respectivo

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : INDICE DE PRECIOS HOTELEROS CC.AA: Aragón

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Cálculos de los índices normalizados

PREVISIÓN DE SERIES TEMPORALES Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Calculo de la serie desestacionalizada: Yt-Índice normalizado respectivo

PREVISIÓN DE SERIES TEMPORALES Series con tendencia : Alisado Exponencial Holt  Serie sin estacionalidad Serie con estacionalidad