Introducción a los Pronósticos
Tipos de pronósticos
Selección de un método de pronóstico
Software especializado para pronósticos
Conceptos estadÃsticos
mÃnimos necesarios para la elaboración de pronósticos
EstadÃsticas descriptivas
Medidas
de localización
Medidas
de variabilidad
Medidas
de distribución
Detección
de valores atÃpicos
Medidas
de asociación (correlación)
Presentación de la información
Gráficos
de lÃneas
Gráficos
de barras (histogramas)
Gráficos
de caja
Inferencia estadÃstica
Pruebas
de hipótesis
Valor
probable (p-value)
Series de tiempo: la
materia prima para la elaboración de pronósticos
Definición de series de tiempo
Componentes de una serie de tiempo: elementos y
descomposición
- Tendencia:
lineal y curvas (no lineal)
- Estacionalidad:
ajuste de datos y pronóstico
- Ciclicidad:
filtros
- Irregularidad
Selección de la técnica de pronóstico apropiada según los
componentes de la serie
Técnicas de pronóstico
1:
Cuando se dispone una única variable,
se tienen valores históricos, y se requiere de pronósticos de ejecución rápida
y elaboración fácil.
Modelos informales
Modelos de promedios (medias móviles)
Modelos de suavizamiento
- Para
irregularidad (simples)
- Para
tendencia (dobles)
- Para
tendencia y estacionalidad (Holt-Winters)
Medidas para evaluar la precisión del pronóstico
- Error de
pronóstico
- Error
cuadrático medio (MSE)
- RaÃz del
error cuadrático medio (RMSE)
- Desviación
absoluta media (MAD)
- Error
absoluto porcentual medio (MAPE)
Error porcentual medio
(MPE)
Técnicas de pronóstico
2:
Cuando se dispone de varias variables
y se espera poder establecer relaciones de causa-efecto entre ellas.
Introducción: regresión lineal
Impacto de una variable sobre otra: interpretación y
evaluación de los coeficientes de regresión
Bondad de ajuste del modelo: Coeficiente de determinación
Diferencias entre la realidad y los pronósticos: Análisis
de los residuales
¿Qué tan bien elaborado está el modelo para pronósticos?:
validación de supuestos
Técnicas de pronóstico
3:
Cuando se dispone de variables
históricas (series de tiempo). Alternativas para la correcta elaboración de
modelos de pronóstico.
El concepto de estacionariedad y su importancia en los
pronósticos
- Definición
- Pruebas
informales (gráficas)
- Pruebas
formales (raÃz unitaria)
Alternativas de modelos de regresión si se observa que:
Las variables son estacionarias
- Las variables no son
estacionarias y muestran "falsas" relaciones: regresión espuria
- Las variables no son
estacionarias: cointegración (impacto largo plazo)
- Las variables son
cointegradas : modelo de corrección de errores (impacto corto plazo)
- Las variables no son
estacionarias y no son cointegradas.
Técnicas de pronóstico
4:
Cuando se dispone una única variable,
se tienen valores históricos, se requiere de pronósticos que se ajusten muy
bien a los patrones históricos de los datos y, en términos de ejecución, se
dispone de tiempo suficiente para la elaboración minuciosa de modelos.
Introducción a los modelos ARIMA (modelos de Box-Jenkins)
MetodologÃa para la construcción de modelos ARIMA
- Estacionariedad
- Identificación
3
- Estimación
- Validación
- Pronóstico
Elaboración asistida (automática) de Modelos ARIMA
Modelos para variables que incorporan volatilidad