UNIVERSIDAD
MARIANO GALVEZ
MAESTRIA EN DIRECION Y GESTIÓN DEL RECURSO
HUMANO
CURSO MODELO PARA LA TOMA DE DECISIONES
LIC. ...
INTRODUCCION
Como la Estadística Inferencial nos permite trabajar con una
variable a nivel de intervalo o razón, así tambi...
Modelo de regresión simple:
El objetivo es explicar el comportamiento de una
variable cuantitativa de interés Y (consumo d...
Ecuacion de pronostico:

Y´=a+bx
Y’ se lee Y prima, es el valor pronosticado de la variable Y para un valor
seleccionador ...
Error estándar de estimación:
Medida de la variabilidad alrededor de la recta de
regresión, su desviación estándar.
Mide e...
Analisis de Correlacion
El análisis de correlación emplea métodos para medir la
significación del grado o intensidad de as...
Coeficiente de Determinación

Denominamos
coeficiente
de
determinación R2 como el coeficiente
que nos indica el porcentaje...
A mayor porcentaje mejor es nuestro modelo
para predecir el comportamiento de la variable
Y también se puede entender este...
Regresion multiple
La regresión múltiple es una extensión práctica del
modelo simple de regresión que acabamos de ver. Nos...
SERIES DE TIEMPO:

Una serie tiempo es una secuencia de
observaciones, medidos en determinados
momentos
del
tiempo,
ordena...
Componentes de una serie
temporal:
El análisis clásico de las series temporales se
basa en la suposición de que los valore...
Clasificación descriptiva de
las series temporales :
Las series temporales se pueden clasificar en:
a.- Estacionarias.- Un...
CONCLUSIONES
• Dependiendo el
obtenida como
podremos aplicar
del modelo
de
simple.

tipo de información
resultados deseado...
RECOMENDACIONES
Entre los modelos estadísticos más importantes
están los de regresión simple y regresión múltiple.
En ocas...
APLICACIÓN
EJEMPLIFICAREMOS SU APLICACIÓN EN LOS CASOS SIGUIENTES:
PARA EXPRESAR EL PESO DE LOS EJEMPLARES DE CIERTA ESPEC...
BIBLIOGRAFIA
Iranzo C., Huggins M. (2007) Temas de Formación Sociopolítica
Venezuela: Publicaciones UCAB.
Mankiw G. (2007)...
Upcoming SlideShare
Loading in …5
×

Pronosticos

584 views
466 views

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
584
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
14
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Pronosticos

  1. 1. UNIVERSIDAD MARIANO GALVEZ MAESTRIA EN DIRECION Y GESTIÓN DEL RECURSO HUMANO CURSO MODELO PARA LA TOMA DE DECISIONES LIC. RODRIGO ZEBADÚA SESIÓN 1 TEMA: IV PRONÓSTICOS ALUMNA: Leydi Iveth Villafuerte Monroy CARNET: 0232089742 Chiquimula 28 de febrero de 2014.
  2. 2. INTRODUCCION Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo o razón, así también se puede comprender la relación de dos o más variables y nos permitirá relacionar mediante ecuaciones, una variable en relación de la otra variable llamándose Regresión Lineal y una variable en relación a otras variables llamándose Regresión múltiple. Es evidente que lo más económico y rápido para modelar el comportamiento de una variable Y es usar una sola variable pre editora y usar un modelo lineal. Pero algunas veces es bastante obvio de que el comportamiento de Y es imposible que sea explicada en gran medida por solo una variable.
  3. 3. Modelo de regresión simple: El objetivo es explicar el comportamiento de una variable cuantitativa de interés Y (consumo de gasolina de un coche hibrido, temperatura del agua marina) como función de otra variable cuantitativa X observable (velocidad del vehículo en ciudad, profundidad a la que se observa la temperatura del agua). Y = variable respuesta, endógena o dependiente X = regresor, predictor, variable explicativa, exógena o independiente.
  4. 4. Ecuacion de pronostico: Y´=a+bx Y’ se lee Y prima, es el valor pronosticado de la variable Y para un valor seleccionador de X.• «a» es la ordenada de la intersección con el eje Y, es decir, el valor estimado de Y cuando X=0, es decir, donde la recta de regresión cruza el eje Y.• «b» es la pendiente de la recta, o el cambio promedio en Y’ por unidad de cambio en la variable independiente X.• X es cualquier valor seleccionado de la variable independiente. los valores de a y b en la ecuación de regresión En general, se denominan coeficientes de regresión estimados, o también coeficientes de regresión.
  5. 5. Error estándar de estimación: Medida de la variabilidad alrededor de la recta de regresión, su desviación estándar. Mide el error desde la variable dependiente, “y”, hasta la recta de regresión, en lugar de hasta la media. Donde y = valor de y de cada dato puntual yc = valor calculado de la variable dependiente, a partir de la ecuación de regresión. N = número de datos puntuales
  6. 6. Analisis de Correlacion El análisis de correlación emplea métodos para medir la significación del grado o intensidad de asociación entre dos o mas variables. El concepto de correlación esta estrechamente vinculado al concepto de regresión, pues, para que una ecuación de regresión sea razonable los puntos muéstrales deben estar cenidos a la ecuación de regresión; además el coeficiente de correlación debe ser: - Grande cuando el grado de asociación es alto (cerca de +1 o -1, y pequeño cuando es bajo, cerca de cero. - Independiente de las unidades en que se miden las variables.
  7. 7. Coeficiente de Determinación Denominamos coeficiente de determinación R2 como el coeficiente que nos indica el porcentaje del ajuste que se ha conseguido con el modelo lineal, es decir el porcentaje de la variación de Y(ventas) que se explica a través del modelo lineal que se ha estimado, es decir a través del comportamiento de X (publicidad) .
  8. 8. A mayor porcentaje mejor es nuestro modelo para predecir el comportamiento de la variable Y también se puede entender este coeficiente de determinación como el porcentaje de varianza explicada por la recta de regresión y su valor siempre estará entre 0 y 1 y siempre es igual al cuadrado del coeficiente de correlación (r). R2 = r 2
  9. 9. Regresion multiple La regresión múltiple es una extensión práctica del modelo simple de regresión que acabamos de ver. Nos permite construir un modelo con varias variables independientes en lugar de sólo una variable. Por ejemplo, si en el ejemplo anterior se desea incluir el alza en los pasajes de los huéspedes, la ecuación apropiada sería:
  10. 10. SERIES DE TIEMPO: Una serie tiempo es una secuencia de observaciones, medidos en determinados momentos del tiempo, ordenados cronológicamente y, espaciados entre sí de manera uniforme, así los datos usualmente son dependientes entre sí. El principal objetivo de una serie de tiempo , Xt ,donde t = 1,2,3,…n es su análisis para hacer pronóstico Algunos ejemplos donde se puede utilizar series temporales:  Economía y Marketing  Demografía  Medioambiente
  11. 11. Componentes de una serie temporal: El análisis clásico de las series temporales se basa en la suposición de que los valores que toma la variable de observación es la consecuencia de tres componentes, cuya actuación conjunta da como resultado los valores medidos, estos componentes son: a.- Componente tendencia.- b.- Componente estacional.c.- Componente aleatoria.-
  12. 12. Clasificación descriptiva de las series temporales : Las series temporales se pueden clasificar en: a.- Estacionarias.- Una serie es estacionaria cuando es estable a lo largo del tiempo, es decir, cuando la media y varianza son constantes en el tiempo. Esto se refleja gráficamente en que los valores de la serie tienden a oscilar alrededor de una media constante y la variabilidad con respecto a esa media también permanece constante en el tiempo. b.- No estacionarias.- Son series en las cuales la tendencia y/o variabilidad cambian en el tiempo. Los cambios en la media determinan una tendencia a crecer o decrecer a largo plazo, por lo que la serie no oscila alrededor de un valor constante. aleatoria.-
  13. 13. CONCLUSIONES • Dependiendo el obtenida como podremos aplicar del modelo de simple. tipo de información resultados deseados a la utilización ya sea regresión múltiple o • El principal objetivo de una serie de tiempo es su análisis para hacer pronóstico que permitirán tomar decisiones acertadas y puntuales.
  14. 14. RECOMENDACIONES Entre los modelos estadísticos más importantes están los de regresión simple y regresión múltiple. En ocasiones nos valdremos también de ecuaciones que nos permitan sacar pronósticos, así como realizar series de tiempos. Informaciones que nos permitirán agenciarnos de información que nos permitirán tomar decisiones de manera mas acertada. Recomendando así su estudio de una forma mas profunda
  15. 15. APLICACIÓN EJEMPLIFICAREMOS SU APLICACIÓN EN LOS CASOS SIGUIENTES: PARA EXPRESAR EL PESO DE LOS EJEMPLARES DE CIERTA ESPECIE DE AVE EN FUNCIÓN DE SU LONGITUD Y DE SU ENVERGADURA. PARA EXPLICAR EL NIVEL DE CIERTO CONTAMINANTE EN FUNCIÓN DE LA DENSIDAD INDUSTRIAL Y DE LAS LLUVIAS MEDIAS MENSUAL. POR EJEMPLO, ES IMPOSIBLE TRATAR DE EXPLICAR EL RENDIMIENTO DE UN ESTUDIANTE EN UN EXAMEN, TENIENDO EN CUENTA SOLAMENTE EL NÚMERO DE HORAS QUE SE PREPARÓ PARA ELLA. CLARAMENTE, EL PROMEDIO ACADÉMICO DEL ESTUDIANTE, LA CARGA ACADÉMICA QUE LLEVA, EL AÑO DE ESTUDIOS, SON TRES DE LAS MUCHAS OTRAS VARIABLES QUE PUEDEN EXPLICAR SU RENDIMIENTO. TRATAR DE EXPLICAR EL COMPORTAMIENTO DE Y CON MÁS DE UNA VARIABLE PRE EDITORA USANDO UNA FUNCIONAL LINEAL ES EL OBJETIVO DE REGRESIÓN LINEAL MÚLTIPLE.
  16. 16. BIBLIOGRAFIA Iranzo C., Huggins M. (2007) Temas de Formación Sociopolítica Venezuela: Publicaciones UCAB. Mankiw G. (2007) Principios de Economía (4ª. Edición) Madrid: Learning Edición Paraninfo S.A. EGRAFIA http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departa mento/materiales/analisis_datosyMultivariable/18reglin_SPSS.pdf http://www.slideshare.net/jotape74/clase-n3-pronostico http://www.uam.es/personal_pdi/ciencias/abaillo/AmbEst/Tema3.pdf http://www.slideshare.net/adangraus/regresion-lineal-simple-13381573 http://tarwi.lamolina.edu.pe/~fmendiburu/indexfiler/academic/metodos1/Regresion.pdf http://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_Bxec UaZmg%3D&tabid=100 http://www.slideshare.net/isaacgflores/anlisis-de-series-de-tiempo http://ciberconta.unizar.es/LECCION/seriest/INICIO.HTML

×