Métodos de Predicción Exploración de patrones de series de tiempo Sesión 03 Saltar a la primera página Saltar a la primera página Exploración de patrones de datos Se requieren suficientes datos históricos Se apoyan en la suposición de que el pasado puede extenderse hacia el futuro Saltar a la primera página Las técnicas cuantitativas pueden ser: Estadísticas Se enfocan en patrones y en cambios en los patrones y sus perturbaciones Determinísticas Son de tipo causal, establecen relación entre la variable a pronosticar y otras variables Saltar a la primera página Con relación a las técnicas cuantitativas estadísticas se presentan dos enfoques: Los datos se pueden descomponer en componentes de tendencia, cíclicos, estacionales y aleatorios. Modelos econométricos de series de tiempo y Box-Jenkins. Saltar a la primera página Componentes de series de tiempo: Una serie de tiempo consta de datos que se reúnen, registran u observan sobre incrementos sucesivos de tiempo. Se requiere un enfoque sistemático para analizarlas. Saltar a la primera página Descomposición clásica de series de tiempo: Componente Descripción Tendencia Cíclico Es el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio. Es la fluctuación en forma de onda alrededor de la tendencia. Estacional Es un patrón de cambio que se repite a sí mismo año tras año. Aleatorio Mide la variabilidad de las series de tiempo después de retirar los otros componentes. Saltar a la primera página Exploración de patrones de datos series de tiempo: Datos estacionarios Las fuerzas que generan la serie se han estabilizado y el medio permanece relativamente sin cambios. Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la población o la inflación. La serie se puede transformar en una serie estable. La serie es un conjunto de errores de pronóstico, de una técnica de pronóstico que se considera adecuada. Saltar a la primera página Exploración de patrones de datos series de tiempo : Datos con tendencia Productividad creciente y nueva tecnología producen cambios. El incremento de la población elevan la demanda por productos. El poder de compra se afecta por la inflación. Aumenta la aceptación en el mercado de un producto. Saltar a la primera página Exploración de patrones de datos series de tiempo : Datos con estacionalidad El clima influye en la variable de interés. El año calendario influye en la variable. Saltar a la primera página Exploración de patrones de datos series de tiempo : Series cíclicas El ciclo del negocio influye sobre la variable. Cambios en el gusto popular. Cambios en la población. Cambios en el ciclo de vida del producto. Saltar a la primera página Análisis de autocorrelación Saltar a la primera página Saltar a la primera página Datos Tab. 2 - 1 Saltar a la primera página Diagrama de dispersión Yt vs Yt-1 Saltar a la primera página Diagrama de dispersión Yt vs Yt-2 Saltar a la primera página Autocorrelación Saltar a la primera página Autocorrelación Función de autocorrelación: VCR Desfase 1 2 3 ACF 0.571913 0.462687 0.110583 T 1.98 1.25 0.27 LBQ 5.00 8.59 8.82 Saltar a la primera página Probar si el ρ es diferente de 0 Saltar a la primera página Saltar a la primera página Saltar a la primera página Saltar a la primera página ¿Datos aleatorios? Desfase 1 2 3 4 5 6 7 8 9 10 ACF -0.191171 -0.006293 -0.145224 0.104475 -0.253756 0.028640 0.169071 -0.027390 -0.032551 0.021546 T -1.21 -0.04 -0.89 0.63 -1.50 0.16 0.95 -0.15 -0.18 0.12 LBQ 1.57 1.58 2.53 3.04 6.13 6.17 7.63 7.67 7.73 7.75 Saltar a la primera página Datos con tendencia Saltar a la primera página Saltar a la primera página Primera diferencia Saltar a la primera página Saltar a la primera página Datos con estacionalidad Saltar a la primera página Datos con estacionalidad Saltar a la primera página Saltar a la primera página Medición del error en el pronóstico Se compara la precisión de dos o más técnicas de pronóstico. Se mide la confiabilidad de una técnica de pronóstico. Se busca la técnica óptima. Saltar a la primera página Medición del error en el pronóstico Periodo, t 1 2 3 4 5 6 7 8 9 Yt 58 54 60 55 62 62 65 63 70 Pronóstico, Yt 58 54 60 55 62 62 65 63 Saltar a la primera página Fórmulas de medición del error en el pronóstico Yt valor de una serie de tiempo en el periodo t Yˆ valor del pronóstico para Y t t Error del pronóstico o residual : e Y Yˆ t t t Saltar a la primera página Fórmulas de medición del error en el pronóstico Desviación absoluta media : n DAM Y Yˆ t t 1 t n Error medio cuadrado : Y Yˆ n EMC t 1 2 t t n Saltar a la primera página Fórmulas de medición del error en el pronóstico Porcentaje de error medio absoluto : n Yt Yˆt Yt PEMA n Porcentaje medio de error : t 1 Y Yˆ n t PME t 1 Yt n Saltar a la primera página Determinación de la idoneidad de una técnica de pronóstico ¿Los residuales son aleatorios? ¿Los residuales se distribuyen normalmente? ¿Son significativas las estadísticas t para todos los valores de los parámetros estimados? ¿Los que toman las decisiones entienden la técnica para poder emplearla? Saltar a la primera página Saltar a la primera página Saltar a la primera página Saltar a la primera página Saltar a la primera página Saltar a la primera página Saltar a la primera página Saltar a la primera página