Act Integradora 2 Pronosticos

Título: Métodos de Suavización y análisis de regresión lineal.

Introducción:

Suavización exponencial simple: Este tipo de modelo es comúnmente idóneo para trabajar con datos que no tienen una tendencia que pueda ser predecible hacia abajo o hacia arriba. El punto es lograr una estimación real, después esta estimación se utilizará como pronóstico para valores futuros.

Suavización exponencial lineal: es útil cuando los datos que tenemos presentan una tendencia definida y que permita intuir que los próximos datos se moverán hacia arriba, en estos casos se requiere para pronosticar una función de tendencia lineal. En estas situaciones lo que se requiere es estimar la pendiente y el nivel actual, la técnica de Holt o suavizamiento exponencial lineal utiliza dos constantes diferentes para suavizar la pendiente y el nivel actual.

Método de Winters: es como una extensión del método exponencial lineal, sólo que el método de Winters utilizará una ecuación más para estimar la estacionalidad de los datos, es decir, que este método se utiliza cuando las variaciones en nuestros datos tienen tendencia y son estacionales.

Menciona cuales son los métodos de pronósticos basados en promedios: Son los promedios móviles simples y promedios móviles lineales (promedios móviles dobles).

Define cuando es útil el análisis de regresión lineal simple: Es útil cuando queremos conocer la relación existente entre dos variables, donde una variable es dependiente y la otra es una variable independiente, debemos establecer una función para este análisis, la ecuación de una línea recta es la que mejor se adapta a nuestra necesidad. La idea básica es pronosticar el valor de la variable dependiente a partir de que se conoce la variable independiente

Describe y explica los conceptos utilizados en la regresión lineal simple:

El 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.

¿A qué se refiere la “parte explicada por la regresión” y la “parte no explicada”? La parte explicada por la regresión (la varianza de la regresión) y otra parte no explicada (la varianza residual).

¿Qué alternativa puedes utilizar cuando tu diagrama de dispersión no presenta una tendencia lineal y requieres analizar el caso con regresión lineal? Se utiliza el ajustes de curva tendremos que transformar la variable X para así obtener una relación lineal y entonces sí aplicar el modelo de regresión simple Se espera que cuando graficamos estas funciones lo que buscamos es que la relación que era no lineal entre nuestra X y Y se transforme en una relación lineal entre Y y una de las funciones de X, cuando esto se consigue, ese modelo puede trabajarse con regresión lineal simple.

Menciona en qué consiste la prueba de hipótesis nula y la prueba de hipótesis alternativa. La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de población. La letra H significa hipótesis y el subíndice cero no hay diferencia

La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Se le conoce también como la hipótesis de investigación.

¿Qué criterio se utiliza para aceptar o rechazar la prueba de hipótesis? Cuando la hipótesis nula es igual a cero significa que no existe una relación entre la variable X y Y, rechazando entonces esa hipótesis nula.

¿Cómo puedes relacionar las graficas de residuales vs los supuestos de la regresión? La intención de analizar los residuales es asegurar o determinar que no se violen los supuestos antes mencionados. Por ejemplo, el histograma de residuales

...