Upload
carlos-albertho-ibanez
View
2.816
Download
1
Embed Size (px)
DESCRIPTION
Patrones de Datos en la Serie de Tiempos PRONO
Citation preview
1© Martín Soto-Córdova, 2013
Curso: PRONOSTICO DE NEGOCIOS
Tema: Patrones de Datos en la Serie de Tiempos
Curso: PRONOSTICO DE NEGOCIOS
Tema: Patrones de Datos en la Serie de Tiempos
Lima, 25-02-13
Facultad de Administración y Negocios (FAyN)
2© Martín Soto-Córdova, 2013
Métodos de Pronósticos
3© Martín Soto-Córdova, 2013
Clasificación
Los métodos de pronósticos de uso más frecuente pueden clasificarse en dos grandes grupos:
Las técnicas cualitativas: Cuando los datos son escasos. Criterio de la persona y ciertas relaciones para transformar información cualitativa en
estimados cuantitativos. Ejem. Introducción de un producto nuevo al mercado.
Las técnicas cuantitativas: hacen uso de información histórica. Condiciones: Ǝ info del pasado, cuantificable en forma de datos, supone que se repetirá el
patrón (más probable a corto plazo).
CUALITATIVOS CUANTITATIVOS
Método Delphi Estudios de Mercados Consenso de un Panel Pronóstico Visionario Analogía Histórica
Análisis de series de tiempo Modelos causales
Métodos de Suavización Descomposición de Series de
Tiempo Metodología Box - Jenkins
Modelos de Regresión Modelos Econométricos Encuestas de intenciones de
compra y anticipaciones Modelos de Insumo Producto
4© Martín Soto-Córdova, 2013
Métodos de Análisis de Series de Tiempo
Generalmente no pueden predecir cuando la tasa de crecimiento de una tendencia variará significativamente.
Estos puntos de cambio poseen amplio interés para el administrador.
Utilización cuando se dispone de datos sobre un producto o una línea de productos y cuando las relaciones y tendencias son claras y relativamente estables.
Objetivo: Descubrir el patrón subyacente en la serie de datos históricos y extrapolar ese patrón al futuro.
Serie de tiempo: Conjunto ordenado de observaciones cuantitativas tomadas en puntos sucesivos en el tiempo.
Tiempo: Variable independiente.
Análisis <> Encontrar el patrón del pasado y proyectarlo al futuro.
5© Martín Soto-Córdova, 2013
Selección del método apropiado para hacer un análisis de una serie de tiempo
Considerar los diferentes patrones que puede seguir una serie de tiempo.
Hay 4 patrones básicos que son:
Horizontal Tendencia
(o estacionario)
Ventas
Tiempo
Los datos fluctúan alrededor de un valor constante
Hay aumento o disminución a largo plazo en los datos. Ejemplo: ventas, PBI, …
6© Martín Soto-Córdova, 2013
Ventas
Tiempo Tiempo
Fluctuaciones periódicas debido a factores físicos, económicos o de mercadotecnia. Ejemplo: Trajes de baño, regalos.
Fluctuaciones que no se presentan con período fijo, debido a fluctuaciones económicas a largo plazo y a factores políticos.
Estacional Cíclico
200
400
600
800
1000
85 86 87 88 89 90 91 92
VENTAS TENDENCIA
7© Martín Soto-Córdova, 2013
100
200
300
400
500
60 65 70 75 80 85 90
VENTASCICLOTENDENCIA
Series con varios patrones>
8© Martín Soto-Córdova, 2013
Exploración de Datos
Los patrones de datos que incluyen componentes como tendencia, estacionalidad e irregularidad se pueden estudiar usando el enfoque del análisis de autocorrelación.
Medición de una variable a través del tiempo: Coeficiente de autocorrelación.
Autocorrelación: Es la correlación entre una variable desfasada uno o más periodos y la misma variable.
El coeficiente de correlación mide el grado al cual se relacionan en forma linealdos variables entre si.
Relación neg. perfecta: r= -1Sin correlación: r= 0Relación pos. perfecta: r= 1
9© Martín Soto-Córdova, 2013
Para otros grados:
10© Martín Soto-Córdova, 2013
Una forma de saber si la serie tiene Tendencia, Estacionalidad, es una serie Aleatoria o una serie Estacionaria es mediante la observación del Correlograma.
Correlograma: gráfica que muestra los coeficientes de autocorrelación de la serie
11© Martín Soto-Córdova, 2013
TENDENCIA
Si la serie tiene Tendencia los coeficientes de autocorrelación son significativamente distintos de cero en los primeros rezagos y caen gradualmente a cero.
0
10000
20000
30000
40000
50000
55 60 65 70 75 80 85
SEARS
12© Martín Soto-Córdova, 2013
Ejemplo
Se cuenta con datos sobre ventas de un producto del año anterior:
13© Martín Soto-Córdova, 2013
Se desfasan Datos autocorrelacionados:
14© Martín Soto-Córdova, 2013
Cálculo del coeficiente de autocorrelación de 1er. Orden: r1
15© Martín Soto-Córdova, 2013
Cálculo del coeficiente de autocorrelación de 2do. Orden: r2
16© Martín Soto-Córdova, 2013
Selección de técnica de pronóstico
Porqué se requiere?
Quién utilizará?
Cuáles son las características de los datos?
Qué espacio de tiempo se pronosticará?
Cuáles son los requerimientos mínimos?
Cuál es la precisión deseada?
Costo del pronóstico?
17© Martín Soto-Córdova, 2013
En una compañía, X representa el núrnero de cursos de capacitación en ventas tomados e Y representa el número de días sin yenta por mes, de los cinco vendedores.Determine la relación que hay entre estos datos.
La Correlación
Vendedor Dias sin ventas(Y)
Cursos(X)
18© Martín Soto-Córdova, 2013
Estos productos cruzados son de interés ya que la media de estos valores corresponde al coeficiente de correlación.
Resultados parciales:
19© Martín Soto-Córdova, 2013
20© Martín Soto-Córdova, 2013
El supervisor de mantenimiento del Hotel Meliá, desea determinar si existe una relación positiva entre el costo anual de mantenimiento de un automóvil y su antiguedad.Si existiera una relación, piensa que puede hacer un mejor trabajo de predicción del presupuesto anual de mantenimiento de éstos. Para ello, reune los siguientes datos:
Automóvil Costo de mantenimiento (US $), y
Antigüedad (años), x
Calcule el coeficiente de correlación