Pronosticos Para La Toma De Decisiones

Nombre: Obdelia Rubidia Orellana Urizar. Matrícula: al02696934

Nombre del curso:

Pronósticos para la tomas de decisiones. Nombre del profesor:

Mtro. Edgar Isaac Melendrez Rivera.

Módulo: Análisis de regresión lineal y serie de tiempo. Actividad:

Métodos de análisis de series de tiempo.

Fecha: 25 de enero, 2014.

Bibliografía:

Hanke, J. E., Wichern, D. (2006). Pronósticos en los negocios. (8ª ed.). México: Pearson Educación. 
ISBN: 9702607590

Objetivo:

Aprender a indicar cuales son los patrones de las series de tiempo, de acuerdo a las variaciones en el calendario poder transformar una serie de tiempo, asi como identificar los componentes de una serie de tiempo.

Procedimiento:

Basado en el material didáctico proporcionado, asi como en investigaciones en la web, lei y conteste las preguntas de la presente tarea de la manera que a mi juicio es la mas correcta, asi como la soluciones del ejercicio basado en las formulas aprendidas y ejemplos mostrados.

Resultados:

1. ¿Qué es regresión lineal múltiple?

Es aquel que necesita del uso de más de una variable para poder predecirlo, es decir, es una ecuación que involucra dos o más variables independientes que influyen simultáneamente sobre una misma variable dependiente.

2. ¿Qué es el coeficiente de determinación y el coeficiente de correlación?

El coeficiente de determinación es una medida descriptiva que sirve para evaluar la bondad de ajuste del modelo a lo datos, ya que mide la capacidad predictiva del modelo ajustado y el coeficiente de correlación son medidas que indican la situación relativa de los mismos sucesos respecto a las dos variables, es decir, son la expresión numérica que nos indica el grado de relación existente entre las 2 variables y en qué medida se relacionan.

3. ¿Cuáles son las desventajas de la multicolinealidad?

Que no son exactas.

4. ¿Por qué es recomendable comparar modelos de regresión?

Para saber cuál de los modelos que nos arroja la variación más cercana a 0 y decidir entre utilizar un modelo con unas determinadas variables o con otras. Por ello, hay estadísticos que nos permiten comparar modelos penalizando aquellos con un mayor número de covariables.

5. ¿Qué es serie de tiempo?

Es el conjunto de observaciones de un fenómeno o respuesta, generalmente a intervalos fijos y autocorrelacionadas.

6. ¿A qué se refiere la autocorrelacion?

Es la relación que se da entre las variables perturbadoras, contraviniendo uno de los supuestos para estimar el modelo a partir de la independencia que debería existir entre estas variables.

7. ¿Cuáles son las principales ventajas de las series de tiempo en los pronósticos?

Pronostican un resultado pero no todas las veces son confiables, ya que existe la tendencia, el componente cíclico, estacional y las regularidades. Además, su sencillez y bajo costo las convierte en una opción adecuada para la generación de pronósticos internos.

8. ¿Cuáles son los principales números índice en la economía nacional?

El índice nacional de precios al consumidor (INPC), el índice de precios y cotizaciones de la bolsa mexicana de valores (IPC), el índice mexicano de la calidad del aire (IMECA),

9. ¿Cuál es la diferencia entre componente cíclico y estacional?

El cíclico se refiere a un largo lapso con frecuencia repetitivo, que altera las condiciones generales de desempeño de una serie de tiempo y el estacional es un patrón de cambio que se repite así mismo año tras año.

10. ¿A qué se refiere el ajuste del poder de compra mediante deflación?

Como se comporta el consumidor entre lo que se devalúa el precio y su valor de compra.

11. ¿Qué es apalancamiento y como se relaciona con las observaciones atípicas?

Es la proporción entre los fondos ajenos de la empresa con interés fijo y el total del capital de la misma.

PARTE II. PRACTICA

Martìn es un joven ahorrador que cada quincena separa los pesos sueltos que encuentra en su cartera, y tiene la curiosidad de pronosticar cuanto puede ahorrar de julio a diciembre.

MES QUINCENA (X) AHORRO(PESOS)(Y)

enero 1 115

2 160

febrero 3 102

4 176

marzo 5 180

6 203

abril 7 191

8 216

mayo 9 210

10 249

junio 11 227

12 254

78 2283

a).

X*Y X² Y²

115 1 13225

320 4 25600

306 9 10404

704 16 30976

900 25 32400

1218 36 41209

1337 49 36481

1728 64 46656

1890 81 44100

2490 100 62001

2497 121 51529

3048 144 64516

SUMA 16553 650 459097

Tt = a0 + a1(x)

...