Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PUEBLA
FACULTAD DE INGENIERIA QUMICA
MATERIA:
ADMINISTRACIN DE LOS PROCESOS QUIMICOS
TEMA:
EXPOSICION
PROFESOR :
REN MARTNEZ ROS
PRONSTICOS
DEFINICIN
INFORMACIN TRANSVERSAL
Consta de valores observados en un punto en el tiempo
Ejemplo
Salario al empezar y el promedio de calificaciones de los a
graduados en la ultima primavera.
Costo del mantenimiento de la casa en el ao anterior y valor
actual de la casa en la zona.
SERIE DE TIEMPO
Serie de tiempo: es una sucesin de cronologa de
observaciones de una variable particular .
Ejemplo
ventas unitarias de un producto con respecto al tiempo
Ventas totales en dlares de una compaa con
respecto al tiempo
Las partes de una serie de tiempo son
Tendencia
Ciclo
Variaciones estacionales
Fluctuaciones irregulares
TENDENCIA
se refiere al movimiento hacia arriba o hacia abajo que
caracteriza a las series de tiempo con respecto a un periodo
de tiempo.
Esta tendencia refleja el crecimiento o declinacin de larga
duracin en la serie de tiempos.
Ejemplos
Cambio tcnico en la industria
Cambios en los gustos de los consumidores
Incrementos en el ingreso por cpita
Incremento en la poblacin total
CICLO
Se refiere a los movimientos hacia arriba y hacia abajo
alrededor de los niveles de la tendencia. Estas
fluctuaciones tienen una duracin desde 2 a 10 aos o
mas medido de mximo a mnimo .
Ejemplo
*Las fluctuaciones cclicas en la venta de un accesorio
para vestir podran reflejar los cambios en el estilo de
moda.
* Las fluctuaciones en la produccin agrcola podran
reflejar los cambios en el ciclo climtico
VARIACIONES ESTACIONALES
Y
FLUCTUACIONES IRREGULARES
Cuantitativos
Requiere del anlisis de informacin
anterior para pronosticar valores
futuros de una variable en la que se
tenga inters.
Se agrupan en dos clases: Modelos universales y Modelos
causales
ERRORES
EN
LOS
PRONSTICOS
El error se refiere a la diferencia entre el valor de
pronostico y lo que en realidad ocurri. Mientras el valor
del pronstico este dentro de los lmites de confianza, no
se trata realmente de un error, pero es comn referirse a
la diferencia como si lo fuera.
Error para un pronostico para un pronostico particular t
es :
Hay
dos tipos de pronsticos
Desviacin
absolutas es considerar los valores absolutos de
errores de pronostico .
Desviacin absoluta =
Desviacin absoluta media esta medida es simplemente el
promedio de las desviaciones absolutas para todos los
pronsticos.
Desviacin absoluta media (DAM) =
Errores cuadrticos: evitan los errores positivos y negativos en
el pronostico se cancelen entre si es elevan al cuadrado los
errores de pronostico
Error cuadrtico =
ERROR
CUADRTICO MEDIO: Es el promedio de los errores cuadrticos
de todos los pronsticos.
ECM =
Errores absolutos de porcentaje:
Una manera de medir el error de pronstico que facilita la comparacin
de diferentes series de tiempo con valores de distintas magnitudes es
dividir las desviaciones absolutas entre el valor real y luego multiplicar
por 100, los valores de la serie de tiempo son positivos. Estos
porcentajes se llaman errores absolutos de porcentaje.
Error absoluto de porcentaje = EAPt=
ERROR ABSOLUTO DE PORCENTAJE MEDIO: Es el promedio de los
errores absolutos de porcentaje.
EAPM =
TCNICAS CUANTITATIVAS
PARA
ESTABLECER PRONSTICOS
Se encuentran el anlisis de regresin, regresin de series de
tiempo, mtodo de descomposicin, suavizacin exponencial y la
metodologa de Box-Jenkins.
de los flujos.
Los
CONJETURA DE
INTUICIN
Se define comoconjeturaaljuicioque se forma como
resultado de realizarobservacioneso deanalizar
indicios. El trmino, que procede del latnconiectra, es
muy usual en el mbito de la matemtica.
Se lleva a partir de la curiosidad No te vas a volver
intuitivo sin preparacin. La clave del xito se centra en
las adivinanzas sobre comportamientos y actitudes. En
adiccin a lo anterior, la curiosidad se mimetiza
perfectamente con lo intuitivo de cada persona. Hay
que preguntarse todo y hacer conjeturas de las
respuestas.
3. Variacin estacional
El tercer tipo de cambio en los datos de una serie de tiempo es
la variacin estacional. Como cabra esperar, este tipo de
variacin implica patrones de cambio en el lapso de un ao
que tienden a repetirse anualmente. Por ejemplo, un mdico
puede esperar un aumento sustancial en el numero de casos
de gripe cada invierno y de afectados de tifoidea cada verano.
Como se trata de patrones regulares son tiles al pronosticar
el futuro. La grfica (c), muestra una variacin estacional. Note
cmo alcanza un pico cada cuarto trimestre del ao.
4. Variacin irregular
La variacin irregular es el cuarto tipo de cambio que ocurre
en el anlisis de las series de tiempo. En muchas situaciones,
el valor de una variable puede ser completamente
impredecible cambiando de manera aleatoria. Las variaciones
irregulares describen esos movimientos. Los efectos que el
conflicto de Medio Oriente en 1973, la situacin de Irn en
1979-1981, el colapso de la OPEP en 1986 y la situacin de
Irak en 1990 tuvieron sobre los precios de la gasolina en
Estados Unidos son ejemplos de variacin irregular. La grfica
(d), ilustra la variacin irregular.
SUAVIZACIN
EXPONENCIAL
PROMEDIO SIMPLE
El promedio simple se usa ms comnmente para fines didcticos que
para anlisis reales, pero podra ser utilizado en el caso de que tengamos
series de tiempo estacionarias, es decir que el valor promedio de los
valores observados en la serie de tiempo en cuestin se mantenga
estable, o dicho de otra forma, no cambie con el transcurrir del tiempo.
Estos casos son poco comunes y en tal situacin, debido a su naturaleza,
no tiene mucho sentido utilizar alguna tcnica o mtodo sofisticada para
estimar un pronstico.
Dentro de las tcnicas de suavizacin exponencial hay una gran variedad pero
entre ellas mencionaremos unas de las ms utilizadas que son las que siguen:
Suavizacin Exponencial Simple, Suavizacin Exponencial Doble (Mtodo de
Brown), Suavizacin Exponencial Ajustada a la tendencia (Mtodo de Holt),
Suavizacin Exponencial Simple de Respuesta Adaptativa, Suavizacin
Exponencial Cuadrtica (Mtodo de Brown), y la Suavizacin Exponencial Triple
o de Tres parmetros de Winter. Ms adelante abundaremos ms sobre los
mtodos o tcnicas de estas dos vertientes o enfoques para suavizar o atenuar
series de tiempo, y la obtencin de un valor estimado o pronosticado basado en
esa atenuacin.
SUAVIZACINEXPONENCIAL
Se usa para pronosticar una serie temporal cuando no hay tendencia o
patrn estacional,
donde se pretende eliminar el impacto de los elementos irregulares
histricos mediante un enfoque en perodos de demanda reciente, este
posee una ventaja sobre el modelo de promedio mvil ponderado ya
que no requiere de una gran cantidad de perodos y de ponderaciones
para lograr ptimos resultados.
EJEMPLO
Debido a que los valores calculados al realizar las dos primeras atenuaciones no son los datos
estimados a obtener, es decir, que constituirn las inferencias de los valores que se espera que
tome la serie de tiempo en el futuro cercano, usaremos una notacin distinta a la de la
expresin final con la cual se calculan los valores que constituyen en realidad el pronstico.
Las expresiones son las siguientes:
donde m representa el nmero de periodos hacia el futuro del que se pretende hacer el
pronostico.
Mtodo de mnimos
cuadrados
mnima.
Pendiente:
Tabla de clculo
Ejemplo
cuadrados es:
la frmula:
BIBILIOGRAFIA
Bruce L. Bowerman, Anne B. Koehler y
Richard T. OConell pronosticos series de
tiempo y regresin editorial cengage
learning.
http://definicion.de/conjetura/
http://dawncoffee.com/utilidadpublica/desarrollando-la-intuicion
http://www.soyempresario.com/index.php?
option=com_content&view=article&id=1:i
ntuicion-en-laempresa&catid=40:negociosexistentes&Itemid=50