Pronosticos Tarea 1

Título:

Métodos de suavización y análisis de regresión.

Introducción:

En el siguiente resumen se exponen los conceptos relacionados a los métodos de suavización y análisis de regresión. Después de haber estudiado los conceptos presento una explicación de ellos. Al final del resumen se hace una demostración de pronostico atreves de suavizamiento.

Contenido:

1. Explica claramente cuando es mejor utilizar:

• Suavización exponencial simple

Es idóneo para trabajar con datos que no tienen una tendencia que pueda ser predecible hacia abajo o hacia arriba.

• Suavización exponencial lineal

El método es útil cuando los datos que tenemos presentan una tendencia definida y que permita intuir que los próximos datos se moverán hacia arriba.

• Método de Winters

Este método se utiliza cuando las variaciones en nuestros datos tienen tendencia y son estacionales

2. Menciona cuales son los métodos de pronósticos basados en promedios.

Métodos de promedios móviles y de suavización exponencial

3. Define cuando es útil el análisis de regresión lineal simple.

• Cuando se necesita evaluar la relación o impacto de una variable independiente con una variable dependiente.

4. Describe y explica los conceptos utilizados en la regresión lineal simple.

• Coeficiente de correlación

Es la medida que te permitirá reconocer fácilmente las relaciones de dependencia entre variables. Es una forma sencilla y ágil de identificar cuándo la publicidad está influyendo sobre las ventas de un producto o si el costo está determinando el precio fijado para un servicio.

• Línea de regresión

Es la línea que tiene mejor ajuste al conjunto de datos, ya que el ajuste busca minimizar la suma del cuadrado de las distancias de cada punto hacia la línea.

• Error estándar de la estimación

Este dato mide la diferencia entre los valores verdaderos de Y con los valores estimados de Ŷ. Si el error estándar de una estimación es un valor próximo a cero, esto nos indica que los datos seguramente descansan muy cercanos a la línea de regresión ajustada o que hay muy pocos puntos dispersos de la línea de regresión. Entre más se aleja el valor del cero, más será el porcentaje de puntos dispersos que no se encuentran comprendidos en la línea de regresión.

5. ¿A qué se refiere la “parte explicada por la regresión” y la “parte no explicada”?

El coeficiente de determinación es la proporción de variaciones que pueden ser explicadas por la relación de la variable dependiente y la independiente. Es decir, es el porcentaje de ocasiones en las que la variable x influirá sobre y, dejando el porcentaje restante a causas indeterminadas o valuación no explicada.

6. ¿Qué alternativa puedes utilizar cuando tu diagrama de dispersión no presenta una tendencia lineal y requieres analizar el caso con regresión lineal?

Utilizas un ajuste de curvas, donde se transforma la variable X para así obtener una relación lineal. Se espera que

...