Pronósticos 
Luis Felipe Zegarra 
CENTRUM Católica
Objetivos 
• Los objetivos de estas sesiones son: 
▫ Ser capaces de pronosticar variables utilizando 
diversas metodología...
Importancia de los pronósticos 
• El cálculo de un buen pronóstico es de suma 
importancia para toda empresa. 
• Las empre...
Pronósticos 
• Dos tipos de pronósticos: 
▫ Series de tiempo. 
▫ Pronósticos causales.
Pronósticos de series de tiempo 
• Se utiliza para realizar pronósticos utilizando 
solamente información pasada de “y” y ...
Pronósticos de series de tiempo 
• Veremos los siguientes métodos: 
▫ 1) Promedios móviles simples y ponderados 
▫ 2) Regr...
1) Promedios móviles 
• Se calculan promedios simples o ponderados de 
observaciones pasadas. 
• Esos promedios serán un p...
1) Promedios móviles 
• Promedios simples 
• Promedios ponderados
2) Regresión 
• El tiempo es la variable explicativa o 
independiente. 
• Se estima la siguiente ecuación: 
y = b0 + b1 t ...
Pronósticos causales 
• Pronóstico de una variable “dependiente” 
utilizando información de variables 
“independientes”. 
...
Ejemplos 
• La demanda de un producto depende del 
número de consumidores, o de su ingreso. 
• El precio en el mercado dep...
Regresión 
• El método de regresión (ajuste de curvas) se 
utiliza para realizar pronósticos causales. 
• Sea el modelo: y...
Regresión 
• Error de estimación (error) mide la diferencia 
entre el valor verdadero de la variable 
dependiente (y), y e...
Regresión 
• Para cada observación, existe un valor de y, un 
valor de ŷ, y un error. 
• Se minimiza la suma de errores al...
Regresión 
• Por ejemplo: una empresa que posee estaciones 
de gasolina desea pronosticar sus ventas y utiliza 
como varia...
300 
250 
200 
150 
100 
50 
0 
Ventas por hora y autos por hora 
0 50 100 150 200 250 
Ventas por hora 
Autos por hora
Regresión 
• Ejecutar comandos para regresiones: 
▫ Análisis de datos 
▫ Comando “Regresión” 
• Información obtenida a tra...
Regresión 
• Una vez obtenidos los valores de ĉ , â, podemos 
realizar un pronóstico, dependiendo de 
supuestos sobre x. 
...
Regresión 
• Observaciones finales: 
▫ Es posible incluir varias variables explicativas (no 
solo una). 
▫ No se deben omi...
Próxima SlideShare
Cargando en…5
×

PRONOSTICOS

317 visualizaciones

Publicado el

PRONOSTICOS

Publicado en: Economía y finanzas
0 comentarios
1 recomendación
Estadísticas
Notas
  • Sé el primero en comentar

Sin descargas
Visualizaciones
Visualizaciones totales
317
En SlideShare
0
De insertados
0
Número de insertados
2
Acciones
Compartido
0
Descargas
6
Comentarios
0
Recomendaciones
1
Insertados 0
No insertados

No hay notas en la diapositiva.

PRONOSTICOS

  1. 1. Pronósticos Luis Felipe Zegarra CENTRUM Católica
  2. 2. Objetivos • Los objetivos de estas sesiones son: ▫ Ser capaces de pronosticar variables utilizando diversas metodologías. ▫ Determinar qué metodologías son más apropiadas en determinados casos.
  3. 3. Importancia de los pronósticos • El cálculo de un buen pronóstico es de suma importancia para toda empresa. • Las empresas necesitan contar con pronósticos de muchas variables, tales como ventas, precios, inflación, crecimiento de la economía. • En algunos casos, se pueden tomar en cuenta los pronósticos sobre variables macroeconómicas. • Las empresas deben realizar pronósticos de otras variables (ejm: ventas).
  4. 4. Pronósticos • Dos tipos de pronósticos: ▫ Series de tiempo. ▫ Pronósticos causales.
  5. 5. Pronósticos de series de tiempo • Se utiliza para realizar pronósticos utilizando solamente información pasada de “y” y la tendencia temporal. • Es un método útil si los valores pasados de “y” brindan suficiente información para realizar pronósticos de valores futuros de “y”.
  6. 6. Pronósticos de series de tiempo • Veremos los siguientes métodos: ▫ 1) Promedios móviles simples y ponderados ▫ 2) Regresión
  7. 7. 1) Promedios móviles • Se calculan promedios simples o ponderados de observaciones pasadas. • Esos promedios serán un pronóstico del comportamiento futuro de la variable. • Se pueden calcular promedios con 2 observaciones, 3, 4, 5, etc. • ¿Qué tan bueno es el pronóstico? ▫ Desviación media absoluta (DMA). ▫ Error porcentual medio absoluto (EPMA).
  8. 8. 1) Promedios móviles • Promedios simples • Promedios ponderados
  9. 9. 2) Regresión • El tiempo es la variable explicativa o independiente. • Se estima la siguiente ecuación: y = b0 + b1 t + b2 t2 + …
  10. 10. Pronósticos causales • Pronóstico de una variable “dependiente” utilizando información de variables “independientes”. • Las variables independientes explican la variable dependiente. • Se debe primero hallar la relación causal entre la variable dependiente y las variables independientes.
  11. 11. Ejemplos • La demanda de un producto depende del número de consumidores, o de su ingreso. • El precio en el mercado depende del número de competidores o de los costos.
  12. 12. Regresión • El método de regresión (ajuste de curvas) se utiliza para realizar pronósticos causales. • Sea el modelo: y = c + a. x + u donde y= variable dependiente x = variable independiente u = componente aleatorio Estimadores de c y a: ĉ y â Valor estimado de y = ŷ = ĉ + â . x
  13. 13. Regresión • Error de estimación (error) mide la diferencia entre el valor verdadero de la variable dependiente (y), y el valor estimado (ŷ). • Nuestro objetivo es hallar estimadores de “c” y “a”, de tal manera que el error no sea muy alto. • Es decir, se busca minimizar los errores.
  14. 14. Regresión • Para cada observación, existe un valor de y, un valor de ŷ, y un error. • Se minimiza la suma de errores al cuadrado. • Esto es lo que se conoce como un ajuste por mínimos cuadrados. • Se “corre” una regresión para calcular los valores de ĉ y â que minimizan la suma de errores al cuadrado.
  15. 15. Regresión • Por ejemplo: una empresa que posee estaciones de gasolina desea pronosticar sus ventas y utiliza como variable explicativas el número de autos en el distrito.
  16. 16. 300 250 200 150 100 50 0 Ventas por hora y autos por hora 0 50 100 150 200 250 Ventas por hora Autos por hora
  17. 17. Regresión • Ejecutar comandos para regresiones: ▫ Análisis de datos ▫ Comando “Regresión” • Información obtenida a través de una regresión: ▫ Estimadores de “c” y “a” (ĉ , â). ▫ Bondad de ajuste o R2: ¿qué tan bien explica el modelo el comportamiento de “y”? ▫ ¿Son ĉ , â significativamente diferentes de cero?
  18. 18. Regresión • Una vez obtenidos los valores de ĉ , â, podemos realizar un pronóstico, dependiendo de supuestos sobre x. • Ejemplo: Un modelo de ventas semanales de gaseosas (y) en un distrito que depende de la población del distrito (x). Hallamos ĉ =0, â = 2. Si x=20,000, entonces el pronóstico de y será 0 + 2(20,000) = 40,000.
  19. 19. Regresión • Observaciones finales: ▫ Es posible incluir varias variables explicativas (no solo una). ▫ No se deben omitir variables que son importantes para explicar el comportamiento de “y”. ▫ Se pueden incluir las variables al cuadrado, al cubo, etc. (no solo relaciones lineales). ▫ Se debe tener información acertada sobre “x” para tener un buen pronóstico.

×