PRONSTICOS CORRELACIN Y REGRESIN

TRMINOS CLAVE
Serie de tiempo: Conjunto de observaciones de una variable medida en puntos sucesivos en el tiempo a lo largo de
perodos de tiempo sucesivos.

Pronstico: Proyeccin o prediccin de valores futuros de una serie de tiempo.

Tendencia: Cambio o movimiento gradual de una serie de tiempo a valores relativamente superiores o inferiores durante
plazos relativamente largos.

Componente Cclico: Componente de una serie de tiempo que explica el comportamiento peridico de la misma, a veces
por encima de la tendencia y a veces por debajo de ella a lapsos de tiempo mayores a un ao.

Componente Estacional: Componente de una serie de tiempo que representa la variabilidad de los datos debido a
influencias estacionales. Se supone de manera usual que este componente se relaciona con las estaciones del ao
(primavera, verano, etc.), pero puede tener duraciones menores (semanal, mensual, etc).

Componente irregular: Componente de una serie de tiempo que explica su variabilidad aleatoria.

Promedios Mviles: Mtodo de suavizacin que usa el promedio de n datos ms recientes en la serie de tiempo como el
pronstico para el siguiente periodo.

Error cuadrado medio (ECM) Enfoque para medir la precisin de un modelo de pronstico. Esta medida es el promedio
de la suma del cuadrado de las diferencias entre los valores de la serie de tiempo real y los valores pronosticados.

Promedios mviles ponderados: Mtodo de suavizacin que emplea un promedio ponderado de los n datos ms
recientes como el pronstico.

Suavizacin exponencial: Mtodo de suavizacin que usa un promedio ponderado de los valroes pasados de la serie de
tiempo como pronstico: es un caso especial del mtodo de promedios mviles ponderados en el que seleccionamos
slo un peso: el peso para la observacin ms reciente.

Constante de suavizacin: En el modelo de suavizacin exponencial, la constante de suavizacin es el peso dado al
valor real de la serie de tiempo en el periodo t.

ndice estacional: Medida del efecto estacional en una serie de tiempo. Un ndice estacional arriba de 1 indica un efecto
positivo (el dato mayor que el marcado por la tendencia), un ndice estacional de 1 indica que no hay efecto estacional y
un ndice estacional menor que 1 indica un efecto negativo (el dato es menor que el indicado por la tendencia).

Serie de tiempo desestacionalizada: Serie de tiempo a la que se le ha eliminado el efecto del componente estacional
dividiendo cada observacin original de la serie de tiempo entre el ndice estacional correspondiente.

Anlisis de regresin: Tcnica estadstica usada para elaborar una ecuacin matemtica que muestra cmo se
relacionan las variables.

Diagramas de dispersin: Grafica que muestra la forma en que los puntajes de dos variables cualesquiera X y Y estn
dispersas.

Correlacin: Es la medida numrica de la intensidad de la relacin lineal entre dos variables.

Grados o tipos de correlacin:


Para interpretar un coeficiente de correlacin hay que tener en cuenta por un lado su magnitud (relacin entre las
variables) y por otro su signo (tipo de relacin).

Regresin: Consiste en predecir o pronosticar los valores de una variable Y conociendo los valores de otra variable X.La
regresin se identifica con una lnea recta que se dibuja a travs del diagrama de dispersin.

FRMULA PARA ENCONTRAR EL COEFICIENTE DE CORRELACIN

FRMULAS PARA LA REGRESIN

EJEMPLO DE REGRESIN Y CORRELACIN UTILIZANDO MICROSOFT EXCEL 2007
A continuacin se presentan las ventas trimestrales en miles de dlares de diez restaurantes localizados cerca de una
Universidad y la poblacin estudiantil en miles que acude a dichos restaurantes:

Calcule el coeficiente de correlacin, elabore la ecuacin de la regresin y pronostique las ventas trimestrales para una
poblacin estudiantil de 10
Pasos:

1. Encontrar el coeficiente de correlacin

a. Situe el cursor en la celda donde desea que Excel proporcione el resultado.

b. Seleccione el men frmulas y click en insertar funcin

c. Seleccione la categora de estadsticas y posteriormente COEF.DE.CORREL presione aceptar

d.En la matriz 1 elija la columna "x" y en la matriz 2 la columna "y" click en aceptar


2. Encontrar los valores de la ecuacin de regresin.

a. Situe el cursor donde desea que aparezcan los valores.

b. Agregue las herramientas de anlisis de excel si no las tiene activas para ello: situe el cursor en la parte superior de
los menus, click derecho, elegir personalizar barra de herramientas de acceso rpido

c. Elegir Complementos, en la parte inferior elija complementos de excel ir a

d. Elija herramientas para anlisis y click en aceptar.

e. Click en anlisis de datos, a continuacin elija regresin y click en aceptar

f. En rango y de entrada elija la columna de datos "y" y en rango x de entrada elija la columna de datos "x" en rango de
salida elija la celda donde desea el resultado y haga click en aceptar.

g. En la imagen puede observar que obtuvo el valor de la correlacin y los valores de las variables b0 y b1 para la
ecuacin de la regresin lineal en este caso los valores son: 60 y 5 respectivamente.

3. Pronostique para cada poblacin estudiantil incluyendo la solicitada que es 10.

4. Realice la grfica tomando en cuenta las ventas trimestrales y el valor estimado (pronstico)

EJEMPLO DE MTODOS DE SUAVIZACIN
A continuacin se le presentan las ventas en miles de galones de gasolina para una empresa, los resultados
contabilizados son para 12 semanas:

Se le solicita:

1) Realizar un promedio mvil tomando 3 semanas como referencia.
2) Realizar un promedio mvil ponderado asignandole un peso de 3 al dato mas reciente, 2 al siguiente y 1 al anterior.
3) Realizar un promedio de suavizado exponencial usando 0.2 como valor de alfa.
4) Determinar el error cuadrado medio para cada mtodo con el fin de determinar el ms confiable.
5) Graficar cada uno de los pronsticos.
PROMEDIO MVIL

Lo que se realizo fue un promedio de las tres anteriores semanas (17+21+19)/3=19 para calcular la cuarta semana y asi
sucesivamente hasta la doceava semana.

Para calcular el error de pronstico basta con restar el valor de las ventas - pronstico.

El error de pronstico al cuadrado consiste en elevar cada dato del error de pronstico al cuadrado.

Para determinar el error cuadrado medio se realiza la sumatoria total del pronstico al cuadrado dividido dentro del
nmero de datos es decir 92/9 = 10.22
PROMEDIO MVIL PONDERADO

Para calcular el promedio movil ponderado se multiplican cada uno de los pesos asignados en este caso: 3,2 y 1 por las
ventas y el resultado se divide dentro de la sumatoria de cada uno de los pesos (vea la barra de formulas en la imagen)
SUAVIZADO EXPONENCIAL

Para calcular un pronstico de suavizado exponencial es necesario tomar en cuenta el valor de alfa que para este caso
es 0.2

La particularidad de este mtodo es que siempre empieza en la segunda posicin y alli se coloca el primer dato de las
ventas que es 17.

Para el resto de pronsticos (semana 3 en adelante)el clculo es:(valor de alfa 0.2 * ventas de la semana anterior 17) +
(el complemento de alfa 0.8 * el suavizado exponencial anterior 17) = 17.80 y asi sucesivamente
GRFICA UNIFICADA DE LOS PRONSTICOS

De lo anterior se deduce que el mtodo mas confiable es el de suavizacion exponencial porque tiene el menor error y se
observa en la grafica con la lnea de color purpura
EJEMPLO DE TENDENCIA Y DESESTACIONALIZACION
A continuacin se le presentan las ventas de cuatro aos de una empresa que vende televisores:

Se le solicita:

1)Desestacionalizar las ventas y brindar un pronstico de venta de televisores para el quinto ao.

PASOS

1) Calcular el promedio mvil.

Se toman en cuenta los datos del ao 1 y los cuatro trimestes para el primer promedio (4.8+4.1+6+6.5)/4=5.35, para el
segundo promedio se toma las ventas del segundo trimestre del primer ao hasta las ventas del primer trimestre del
segundo ao (4.1+6+6.5+5.8)/4=5.6
y asi sucesivamente

2. Calcular el promedio mvil centrado

Para este caso se agrupan los pronosticos de dos en dos y se realiza un promedio de ambos por ejemplo para el primer
y segundo promedio centrado sera:

(5.35+5.6)/2=5.475
(5.6+5.875)/2=5.7375

Y asi sucesivamente hasta terminar la serie.

3. Determinar el valor estacional irregular

Se divide cada una de las ventas dentro del promedio movil centrado para el primer y segundo ndice sera:

(6/5.475)=1.096
(6.5/5.7375)=1.133

Y as sucesivamente hasta terminar la serie.

4. Calcular el ndice estacional

Para determinar los ndices estacionales de la serie se toma en cuenta los valores estacionales irregulares de cada uno
de los trimestres y se realiza un promedio:

Trimestre 3 (1.096+1.075+1.109)/3=1.09
Trimestre 4 (1.133+1.156+1.141)/3=1.14
Trimestre 1 (0.971+0.918+0.908)/3=0.93
Trimestre 2 (0.840+0.839+0.834)/3=0.84

5. Desestacionalizar las ventas

Para ello se divide las ventas dentro del ndice estacional:

4.8/0.93=5.16
4.1/0.84=4.88

Asi sucesivamente hasta terminar la serie

6. Realizar el pronstico para el quinto ao

Para ello se calculan los valores de la ecuacin de la regresin lineal (vese el tema de regresin) y se efectua el
pronstico para cada trimestre en este caso la ecuacin quedara de la siguiente forma:

Y=5.1+0.15x


7. Efectuar la grfica de las ventas desestacionalizadas