estadistica
wikipedia.com ‐
la estadística es una ciencia con base matemática referente a la
recolección, análisis e interpretación de datos, que busca explicar
condiciones regulares en fenómenos de tipo aleatorio
introducción
más concretamente, dentro de la parte de maximización de la información (vía predicción de
datos), hay dos opciones a‐ aplicación directa de métodos regresivos
[análisis regresivo]
b‐ aplicación de modelos específicos
las teorías del grupo b‐ tratan de extender la (realmente restrictiva) aplicabilidad de los
métodos pertenecientes al grupo a‐
[más de 2 variables independientes]
a‐ métodos regresivos dentro de este subgrupo, únicamente incluimos regresiones lineales y no lineales
[not PLS regressions]
ventaja aceptable nivel de acierto e "incertidumbre relativamente controlable"
[sin intervención arbitraria por parte del usuario]
desventaja máximo número de variables independientes excesivamente reducido
[2 variables independientes como máximo]
¿la mejor solución? [punto de vista de trendingBot]
1.virtualmente, cualquier tipo de información puede ser adaptada a la referida dualidad de
variables (independientes/dependiente)
2. ideas que conviene tener presente
no debe extrapolarse NUNCA
carácter predictivo sólo bajo ciertas condiciones
[por ejemplo: mínimo número de repeticiones, bondad del ajuste, etc.]
ponderaciones/parámetros definidos por el usuario sólo en situaciones extremas
[”ecuación no encontrada” debería ser tan válido como cualquier resultado numérico]
pero...
...ningún comportamiento (ninguno que merezca la pena ser predicho) puede ser descrito
únicamente teniendo en cuenta un número de variables tan reducido
copyright © 2009 trendingIT ‐ todos los derechos reservados
b‐ métodos predictivos
dentro de este subgrupo, incluimos todos los métodos estadísticos cuyo leitmotiv (implícito)
sea extender la aplicabilidad de las regresiones (del grupo a‐)
[predicciones en situaciones que barajen más de 2 variables independientes]
b‐1 análisis de series temporales
wikipedia.com ‐ en estadística, procesamiento de señales y econometría, una serie
temporal o cronológica es una secuencia de datos, observaciones o
valores, medidos en determinados momentos del tiempo, espaciados
entre sí de manera uniforme y por tanto ordenados cronológicamente ‐ el
análisis de series temporales comprende métodos que ayudan a
interpretar este tipo de datos, extrayendo información representativa,
tanto referente a los orígenes o relaciones subyacentes como a la
posibilidad de extrapolar y predecir su comportamiento futuro.
hay múltiples modelos, específicamente diseñados para maximizar series temporales, esto es,
para entender el comportamiento que describen y, por tanto, predecir eventos futuros en
base a dicha información
1. de dependencia lineal [~ regresiones lineales]
tres tipos principales (traducción de las siglas en inglés)
modelos AR (auto‐regresivos)
modelos I (integrados)
modelos MA (de medias móviles)
además, existen dos combinaciones [modelos ARMA (auto‐regresivos de medias móviles y modelos
ARIMA (autoregresivos de medias móviles integradas)] y una generalización [modelos ARFIMA (auto‐regresivos de medias móviles fraccionalmente‐integradas)] de los anteriores
2. de dependencia no lineal o modelos autoregresivos de heterocedasticidad condicional
[~ regresiones no lineales]
modelos GARCH (auto‐regresivos generalizados de heterocedasticidad condicional)
modelos TARCH (autoregresivos “en el umbral” de heterocedasticidad condicional)
...
Regístrate para leer el documento completo.