Integradora 3 Pronosticos

Nombre del curso: Pronósticos para la toma de decisiones.

Nombre del profesor:

Módulo: 3. Análisis de regresión lineal múltiple y series de tiempo.

Actividad: Integradora 3.

Fecha: 25 de Enero de 2013.

Bibliografía:

Hanke, John E; Wichern, Dean W.; traducción Mues Zepeda, Astrid; Guerrero Ushakova, Ekaterina. (2006). Pronósticos en los negocios. (8ª ed.) México: Pearson Educación.

ISBN: 9702607590

Anderson, D. R., & Sweeney, D. J. (2008). Estadística para administración y economía. Cengage Learning Editores.

Pérez López, C. (2005). Métodos estadísticos avanzados con SPSS. Thompson. Madrid.

Objetivo:

• Identificar conceptos, uso y aplicación de series de datos y regresión lineal múltiple.

• Conocer y aprender nuevos métodos en base a los temas vistos.

Procedimiento:

Una vez leídos los temas del módulo 3 se estará llevando a cabo este reporte donde se investigaron y definieron conceptos de generales de la regresión lineal múltiple, series de tiempo, bajo una serie de preguntas. Posteriormente se realizó la actividad.

Resultados:

1. Regresión lineal múltiple:

a. ¿Qué es?

Es aquel modelo 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.

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

El coeficiente de determinación se define como un porcentaje de variación de una de las variables dado que se conoce cómo varia la otra variable del modelo. Mientras que el coeficiente de correlación es la medida que te permitirá reconocer fácilmente las relaciones de dependencia entre variables.

c. ¿Cuáles son las desventajas de la multicolinealidad?

Las variables no aportan información suficiente al modelo.

• La relación entre dos variables aparentemente independientes y su desventaja es que los intervalos de confianza son más amplios, el modelo suele ser significativo (R2 elevado) pero las variables individualmente no lo son (debido a que al ser grande la varianza el estadístico t" de contraste es menor llevándonos a concluir que una variable es irrelevante cuando en realidad no lo es) y dificultad en la interpretación de los parámetros.

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

Por qué podemos hacer uso de variables y modificar estas cantidades una la vez, identificando por separado sus efectos, así podemos comparar y tomar una mayor referencia.

2. Serie de tiempo:

a. ¿Qué es?

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

b. ¿A qué se refiere la auto correlación?

Son aquellas variables que se relacionan entre sí y que con base en los patrones de su variabilidad, puedes estimar su respuesta futura. Es decir, una vez que conozcas el patrón de comportamiento de un fenómeno a través del tiempo, te será más sencillo pronosticar cuáles serán los resultados futuros.

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

A pesar que ser sustituidas por métodos computacionales, su sencillez y bajo costo, las convierten en una opción adecuada para la generación de pronósticos.

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

INEGI, Canasta Básica,

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

El componente cíclico se compone de periodos a largo plazo, mientras el componente estacional marca periodos de tiempo más cortos, así de simple.

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

Nos permite la comparación del valor del dinero con el uso de datos pasados con los presentes, ya que nos proporciona un argumento válido para afirmar el incremento o decremento de los datos o por ejemplo ventas y le dará precisión a las variaciones en series de tiempo

g. ¿Qué es apalancamiento y cómo se relaciona con las observaciones atípicas?

Influencia de los valores en las variables explicativas con respecto a los valores típicos para la misma variable. Al identificar estas observaciones atípicas, podrás decidir si mantienes estos datos o los eliminas

Parte II. Práctica

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

Mes Quincena Ahorro (pesos)

Enero 1 115

2 160

Febrero 1 102

2 176

Marzo 1 180

2 203

Abril 1 191

2 216

Mayo 1 210

2 249

Junio 1 227

2 254

a. Descompón la serie y pronostica el ahorro total de julio a diciembre.

Julio Agosto Septiembre Octubre Noviembre

268.139 | 280.122 | 292.105 | 304.088 | 316.071 | 328.054 | 340.037 352.02 | 364.003

b. ¿Cuál es el comportamiento de esta

...