Métodos Cuantitativos.
Páginas: 2 (438 palabras)
Publicado: 5 de junio de 2012
Métodos Cuantitativos.
1. Regresión lineal.
Modelo que utiliza el método de los mínimos cuadrados para identificar la relación entre una variable dependiente y una o más variablesindependientes, presentes en un conjunto de observaciones históricas. En la regresión simple, sólo hay una variable independiente; en la regresión múltiple, hay más de una variable independiente. Si los datoshistóricos forman una serie de tiempo, la variable independiente es el periodo y la variable dependiente en, por ejemplo, un pronóstico de ventas, son las ventas.
Un modelo de regresión nonecesariamente tiene que estar basado en una serie de tiempo, pues en estos casos el conocimiento de los valores futuros de la variable independiente (llamada también variable causal) se utiliza para predecirvalores futuros de la variable dependiente. Por 10 generales, la regresión lineal se utiliza en el pronóstico a largo plazo, pero si se tiene cuidado al seleccionar la cantidad de periodos incluidos enlos datos históricos, y este conjunto de datos se proyecta sólo unos cuantos periodos en el futuro, la regresión también puede utilizarse apropiadamente en pronósticos a corto plazo.
La regresiónsupone una casi normalidad. Lo que quiere decir que los valores observados de la variable dependiente (y) se supone estarán distribuidos normalmente a ambos lados de su media (5') y el error estándardel pronóstico (Syx) es constante conforme nos movamos a lo largo de la línea de tendencia.
2. Promedios móviles.
Modelo de pronóstico del tipo de series de tiempo a corto plazo que pronostica lasventas para el siguiente periodo. En este modelo, el promedio aritmético de las ventas reales para un determinado número de los periodos pasados más recientes es el pronóstico para el siguienteperiodo.
3. Promedio móvil ponderado.
Modelo parecido al modelo de promedio móvil arriba descrito, excepto que el pronóstico para el siguiente periodo es un promedio ponderado de las ventas...
1. Regresión lineal.
Modelo que utiliza el método de los mínimos cuadrados para identificar la relación entre una variable dependiente y una o más variablesindependientes, presentes en un conjunto de observaciones históricas. En la regresión simple, sólo hay una variable independiente; en la regresión múltiple, hay más de una variable independiente. Si los datoshistóricos forman una serie de tiempo, la variable independiente es el periodo y la variable dependiente en, por ejemplo, un pronóstico de ventas, son las ventas.
Un modelo de regresión nonecesariamente tiene que estar basado en una serie de tiempo, pues en estos casos el conocimiento de los valores futuros de la variable independiente (llamada también variable causal) se utiliza para predecirvalores futuros de la variable dependiente. Por 10 generales, la regresión lineal se utiliza en el pronóstico a largo plazo, pero si se tiene cuidado al seleccionar la cantidad de periodos incluidos enlos datos históricos, y este conjunto de datos se proyecta sólo unos cuantos periodos en el futuro, la regresión también puede utilizarse apropiadamente en pronósticos a corto plazo.
La regresiónsupone una casi normalidad. Lo que quiere decir que los valores observados de la variable dependiente (y) se supone estarán distribuidos normalmente a ambos lados de su media (5') y el error estándardel pronóstico (Syx) es constante conforme nos movamos a lo largo de la línea de tendencia.
2. Promedios móviles.
Modelo de pronóstico del tipo de series de tiempo a corto plazo que pronostica lasventas para el siguiente periodo. En este modelo, el promedio aritmético de las ventas reales para un determinado número de los periodos pasados más recientes es el pronóstico para el siguienteperiodo.
3. Promedio móvil ponderado.
Modelo parecido al modelo de promedio móvil arriba descrito, excepto que el pronóstico para el siguiente periodo es un promedio ponderado de las ventas...
Leer documento completo
Regístrate para leer el documento completo.