Pronosticos

Nombre: Nicolás dela Garza Dimopulos | Matrícula: 2629087 |
Nombre del curso: Pronósticos para la toma de decisiones | Nombre del profesor: José Enrique Montemayor Gallegos |
Módulo:#2 Métodos de suavización y análisis de regresión. | Actividad:Integradora #2 |
Fecha: Miércoles 12 de sep. de 12 |
Bibliografía:Hanke, J. E., Wichern, D. (2006). Pronósticos en los negocios. (8ª ed.).México: Pearson Educación. |

Título:
Métodos de suavización y análisis de regresión.

Introducción:
En resumen veremos el suaviza miento exponencial que le da más importancia a los datos más recientes que tenemos, mientras que los promedios móviles le daban igual peso a toda la serie de datos. En el suaviza miento exponencial tienen más importancia los datos recientes y menos los antiguos.Contenido:
Suavizar es promediar, el suavizamiento es popular por ser confiable en el corto plazo y fácil de formularse, los datos necesarios para realizar el pronostico son: el dato pronosticado mas reciente, la demanda real para ese periodo, constante de (a) de suavizamiento.

El método de suavización exponencial simple, a diferencia del método de promedios móviles que toma sólo en cuenta lasmuestras más recientes, utiliza un promedio móvil exponencial de todos los datos observados previamente, este tipo de modelo es comúnmente idóneo para trabajar con datos que no tienen una tendencia que pueda ser predecible hacia abajo o hacia arriba. El punto es lograr una estimación real, después esta estimación se utilizará como pronóstico para valores futuros.

También conocido como método deHolt o suavizamiento exponencial doble, este método es útil cuando los datos que tenemos presentan una tendencia definida y que permita intuir que los próximos datos se moverán hacia arriba, en estos casos se requiere para pronosticar una función de tendencia lineal.
En estas situaciones lo que  se requiere es estimar la pendiente y el nivel actual, la técnica de Holt o suavizamiento exponenciallineal utiliza dos constantes diferentes para suavizar la pendiente y el nivel actual.

La metodología de Winters puede decirse que es como una extensión del método exponencial lineal, sólo que el método de Winters utilizará una ecuación más para estimar la estacionalidad de los datos, es decir, que este método se utiliza cuando las variaciones en nuestros datos tienen tendencia y sonestacionales.
Regresión y correlación lineal simple

Es un modelo matemático que nos ayuda a conocer la relación existente entre dos variables, donde una variable es dependiente y la otra es una variable independiente, debemos establecer una función para este análisis, la ecuación de una línea recta es la que mejor se adapta a nuestra necesidad. La idea básica es poder pronosticar el valor de lavariable dependiente a partir de que se conoce la variable independiente.

Coeficiente de correlación

El coeficiente de correlación es la medida que te permitirá reconocer fácilmente las relaciones de dependencia entre variables. Es una forma sencilla y ágil de identificar cuándo la publicidad está influyendo sobre las ventas de un producto o si el costo está determinando el precio fijado para unservicio.

Línea de regresión
Es la línea que tiene mejor ajuste al conjunto de datos, ya que el ajuste busca minimizar la suma del cuadrado de las distancias de cada punto hacia la línea, se mide de manera vertical.

Error estándar de la estimación
Este dato mide la diferencia entre los valores verdaderos de Y con los valores estimados de Ŷ. Si el error estándar de una estimación es un valorpróximo a cero, esto nos indica que los datos seguramente descansan muy cercanos a la línea de regresión ajustada o que hay muy pocos puntos dispersos de la línea de regresión. Entre más se aleja el valor del cero, más será el porcentaje de puntos dispersos que no se encuentran comprendidos en la línea de regresión.

¿Qué alternativa puedes utilizar cuando tu diagrama de dispersión no...