Pronosticos

Bibliografía:

Montgomery (2001, Section 3-3: Experiments with a single factor: The analysis of variance; Analysis of the fixed effects model)

Anderson, David R.; Sweeney, Dennis J.; Williams, Thomas A. (1996). Statistics for business and economics (6th ed.). Minneapolis/St. Paul: West Pub.

Instrucciones:

1. Explica claramente cuando es mejor utilizar:

• Suavización exponencial simple: Éste método es adecuado cuando deseamos realizar un pronóstico en el cual las variaciones de los datos, son más o menos estables, no cambian con frecuencia, es decir no tienen tendencia hacia arriba o hacia abajo.

• Suavización exponencial lineal: Éste es más útil cuando nuestros datos tienen una tendencia definida, y varian dato con dato, constantemente

• Método de Winters: Es muy útil cuando nuestros datos presentan la característica de estacionalidad, por ejemplo, una tienda en la cual los valores varían a lo largo del año y tiene ventas ganancias bajas en julio pero mayores en diciembre.

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

• Promedios simples

• Promedios móviles

• Promedios móviles dobles

• Suavizamiento exponencial

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

• Cuando se supone existe una relación en un pronóstico de dos variables que necesitamos realizar, entre la variable dependiente y la independiente.

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

• Existe una variable independiente y se cuentan con dos parámetros.

• Y=b0+b1X

 Donde b0 es la intersección con eje Y

 b1 es la pendiente

 Y es el resultado del valor esperado por nuestro pronóstico

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

• Parte explicada por la regresión: Se refiere a la variabilidad total de Y influída por X.

• Parte no explicada: Es el porcentaje de ocaciones en las que la variable X no afecta a Y.

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

• Podemos realizar una operación de ajuste que transforme a una característica lineal nuestros datos por ejemplo un inverso multiplicativo o aplicar operación logarítmica, una raíz cuadrada o elevación

...