SERIES TEMPORALES.

Slides:



Advertisements
Presentaciones similares
Detección de tendencias temporales: Análisis de series temporales
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.
REGRESION LINEAL SIMPLE
La Función Exponencial
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
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
MÉTODOS DE MEDICIÓN DE COSTOS.
Pronósticos, Series de Tiempo y Regresión
FUNCION LINEAL Una función lineal f tiene por criterio la ecuación f(x)=mx+b, donde m y b son constantes reales. F(X) =es función lineal Y= ecuación lineal.
Planificación y Control de la Producción I
Función lineal Entrar.
Centro de Investigación Estadística
SERIES DE TIEMPO INTEGRANTES : GELSI VASQUEZ MICHAEL MUÑOZ JULIO TAPIA.
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.
SERIES TEMPORALES.
SERIES TEMPORALES.
SERIES TEMPORALES.
Pronósticos, Series de Tiempo y Regresión
Mario Bidegain (FC) – Alvaro Diaz (FI) – Marcelo Barreiro (FC)
Métodos no paramétricos
1 Modelos Cuantitativos Pronósticos PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre.
Regresión y correlación
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ESTADÍSTICA UNIDIMENSIONAL Población:
Análisis de Correlación y de Regresión lineal simple
MOVIMIENTO ARMÓNICO SIMPLE: MASA EN UN RESORTE
Características básicas de los datos económicos de series temporales
Biograma Introducir datos en una matriz. Elegir método para máximos y mínimos. Calcular los máximos y mínimos observados. Límites.
Seminario sobre evaluación económica de proyectos de transporte Madrid, 15 y 16 de noviembre LA PREDICCIÓN DE LA DEMANDA EN EVALUACIÓN DE PROYECTOS.
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
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
Estadística Administrativa II
Conceptos y práctica del análisis geoestadístico
Universidad de La Laguna, 14/11/2013 Mareas y Corrientes IV: Análisis de datos de corrientes.
1 Metodología para Estimaciones de la Actividad Económica del Estado de Nuevo León Marzo 2005.
SERIES TEMPORALES.
¿Qué puede haber de improvisto para el que no ha previsto nada?
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
Estadística Administrativa II
Pronósticos, Series de Tiempo y Regresión
ANALISIS DE SERIES TEMPORALES
Transformaciones básicas de series
¿Qué es un pronóstico? Cualquier afirmación acerca de la ocurrencia o no ocurrencia de un evento,la fecha en que va a suceder algo ola intensidad de un.
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
SERIES CRONOLOGICAS O DE TIEMPO
Capitulo 8: Introducción a modelos de series temporales
Pronósticos.
SERIES DE TIEMPO Suscribase a SERIES DE TIEMPO Suscribase a
Regresión Lineal Simple
NORA ALCANTARA  ¿Por que existen mercados estacionales?  ¿Es importante conocer la estacionalidad del mercado?  ¿La estacionalidad es una característica.
TEMA : ANALISIS DE REGRESION
INSTRUMENTOS ESTADÍSTICOS PARA EL TRATAMIENTO DE SERIES TEMPORALES APLICADOS AL TURISMO Una aplicación al número de viajeros alojados en establecimientos.
Técnicas de Presupuesto en una Asociación Solidarista Agosto 2015
Clase 17 Introducción a la Estadística Universidad de la República Centro Universitario Regional del Este Pablo Inchausti Licenciatura en Gestión Ambiental.
Financiera III Lica. Mónica Casia
REGRESIÓN LINEAL SIMPLE
RELACIÓN ENTRE UNA VARIABLE DEPENDIENTE Y UNA O MAS INDEPENDIENTES.
REGRESIÓN LINEAL SIMPLE. Temas Introducción Análisis de regresión (Ejemplo aplicado) La ecuación de una recta Modelo estadístico y suposiciones Estimación.
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.
Práctico 2 de noviembre 2016 Tema: Series de Tiempo.
Predicción con Alisado Exponencial
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

COMPONENTES CICLO Movimiento oscilatorio por encima y por debajo de la tendencia de una serie temporal

COMPONENTES ESTACIONALIDAD Oscilaciones de una serie temporal que se completa dentro de un año y se repiten mas o menos de forma invariable en los años sucesivos.

COMPONENTES IRREGULAR Oscilaciones de una serie temporal que se atribuyen a factores fortuitos, aleatorios y esporádicos

SERIES TEMPORALES Cálculo de la Tendencia: Un modelo con tendencia lineal se define de la siguiente manera. Pendiente monótona creciente o decreciente

SERIES TEMPORALES Cálculo de la Tendencia: Versión linealizada:

SERIES TEMPORALES Cálculo de la Tendencia: Versión linealizada:

SERIES TEMPORALES Métodos para el análisis del componente tendencial Enfoque Global Se ajusta una función matemática. La función es válida para todos los momentos del tiempo Todas las observaciones tiene el mismo peso en la determinación de l la tendencia Capta los aspectos más permanentes de la serie analizada Enfoque Local Se emplean en mayor medida para predecir la tendencia en el corto plazo ya que se adaptan mejor a las circunstancias cambiantes. Utilizan parte de las observaciones en la determinación de la tendencia (Medias Móviles) o bien el peso que tiene cada observación es decreciente, al alejarse del período de referencia (Alisados Exponenciales) El método de MM se aplica en el caso de media constante El alisado exponencial simple se aplica a modelo con tendencia constante. El alisado doble y de Holt se aplica a tendencias lineales

SERIES TEMPORALES Cálculo de la Tendencia: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Lineal: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Lineal: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Potencial: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Potencial: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Exponencial: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Exponencial: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Exponencial: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia con ajuste Exponencial: Gráfico Selección del método paramétrico Análisis de la bondad del modelo

SERIES TEMPORALES Cálculo de la Tendencia: Potencial Logarítmica Estimación Lineal Potencial Exponencial Logarítmica

SERIES TEMPORALES Previsión de la Tendencia en el período t+1: