Regresion lineal

Regresión lineal. Modelo que utiliza el método de los mínimos cuadrados para identificar la relación entre una variable dependiente y una o más variables independientes, presentes en un conjunto deobservaciones históricas. En la regresión simple, solo hay una variable independiente; en la regresión múltiple, hay más de una variable independiente, en por ejemplo, un pronóstico de ventas, son lasventas. Una modelo de regresión no necesariamente tiene que estar basado en una serie de tiempo, pues en estos casos el conocimiento de los valores futuros de la variable independiente (llamadatambién variable causal) se utiliza para predecir valores futuros de la variable dependiente. Por lo general, la regresión lineal se utiliza en pronósticos a largo plazo.


2.- Promedios móviles: Modelosde pronósticos del tipo de series de tiempo a corto plazo que pronostica las ventas para el siguiente periodo. En este modelo, el pronóstico aritmético de las ventas reales para un determinado númerode los periodos pasados más recientes es el pronostico para el siguiente periodo.

3.- Promedio móvil ponderado: modelo parecido al modelo de promedio móvil arriba descrito, excepto que elpronóstico para el siguiente periodo es un promedio ponderado de las ventas pasadas, en lugar del promedio aritmético.


4.- Suavización exponencial: modelo también de pronóstico de series de tiempo a cortoplazo que pronostica las ventas para el siguiente periodo. En este método, las ventas pronosticadas para el último periodo se modifican utilizando la información correspondiente al error de pronósticodel último periodo. Esta modificación del pronóstico del último periodo se utiliza como pronostico para el siguiente periodo.

5.- Suavización exponencial con tenencia. El modelo de suavizaciónexponencial arriba descrito, pero modificado para tomar en consideración datos con un patrón de tendencia. Estos patrones pueden estar presentes en datos a mediano plazo. También se conoce como...