Professional Documents
Culture Documents
Mtodos
Cuantitativos
i i
de Negocios
Captulo
p
3 Pronsticos
y Simulacin
PowerPoint presentation to accompany
Heizer/Render
Heizer
/Render
Principles
p
of Operations
p
Management,
g
, 7e
Operations Management, 9e
2008 Prentice Hall, Inc.
41
Bosquejo
Qu son Pronsticos?
Pronsticos y Horizontes de Tiempo
Influencia del Ciclo de Vida del
P d t
Producto
Tipos
p de Pronsticos
42
Bosquejo Contina
La
L Importancia
I
t
i Estratgica
E t t i de
d los
l
Pronsticos
Recursos Humanos
Capacidad
Administracin de la Cadena de
S i i t
Suministro
43
Bosquejo Contina
Mtodos de Pronsticos
Mtodos Cualitativos
Mtodos Cuantitativos
44
Bosquejo Contina
Pronsticos de Series de Tiempo
45
Bosquejo Contina
Mtodos Asociativos de
Pronsticos: Regresin
g
y Anlisis
de Correlacin
Usando Anlisis de Regresin para
Pronsticos
Error Estndar de los Estimados
Coeficientes de Correlacin para
R
Regresiones
i
Lineales
Li
l
Anlisis de Regresin
g
Mltiple
p
2008 Prentice Hall, Inc.
46
Bosquejo Contina
Monitoreando y Controlando
Pronsticos
Suavizamiento Adaptivo
Pronsticos
P
ti
Focus
F
47
Objetivos de Aprendizaje
C
Cuando
d se complete
l t este
t captulo
t l estar
t
capacitado para :
Entender los tres horizontes de tiempo
y que modelos
d l aplicar
li
en cada
d caso
Explicar
p
cuando se usa cualquiera
q
de
los modelos cualitativos
Aplicar los mtodos naive
naive,, promedios
mviles, suavizamiento exponencial, y
tendencia
2008 Prentice Hall, Inc.
48
Objetivos de Aprendizaje
C
Cuando
d se complete
l t este
t captulo
t l estar
t
capacitado para :
Calcular medidas de la exactitud del
pronstico
ti
Desarrollar ndices estacionales
Conducir a una anlisis de regresin y
correlacin
Usar una seal de rastreo
2008 Prentice Hall, Inc.
49
Qu son Pronsticos?
Procesos de
predecir un evento
p
futuro
Base fundamental de
todas las decisiones
de negocios
egoc os
??
Produccin
Inventarios
Personal
Facilidades
F ilid d
2008 Prentice Hall, Inc.
4 10
Pronsticos: Horizonte de
Tiempo
Pronsticos
P
ti
de
d Corto
C t Plazo
Pl
Hasta 1 ao, generalmente menos que 3 meses
Compras, Programas de Trabajo, Niveles de
fuerza laboral, Asignacin de trabajo, Niveles
de produccin
p
4 11
Distinguiendo Diferencias
Mediano/Largo plazo los pronsticos se
ocupan ms de comprender los
problemas
bl
y soportar
t las
l decisiones
d i i
gerenciales referente a planificacin,
productos plantas y procesos
productos,
Corto plazo los pronsticos usualmente
emplean
l
diferentes
dif
t metodologas
t d l que los
l
pronsticos de largo plazo
Corto plazo los pronsticos tienden a ser
ms exactos que los de largo plazo
2008 Prentice Hall, Inc.
4 12
4 13
Estraegias de
d la Org
ganizac
cin
Crecimiento
Madurez
Practico para
cambiar precios o
calidad de imagen
Fortalecer nichos
de mercado
Costo competitivos
resultan crticos
Defender posicin
de mercados
Investigacin y
diseos son
criticos
Portales de bsqueda
en Internet
Pasar por
restaurantes
en coche
Decline
Control de
Costos crtico
CD--ROMs
CD
TV Analogo
iPods
Windows 7
3 1/2
Floppy
disks
Figure 2.5
4 14
Introduccin
Diseo y
desarrollo de
productos
crticos
Cambios
frecuentes de
procesos y
diseos
Breve ejecucin
de produccin
Altos costos de
produccin
M d l
Modelos
limitados
Atencin a la
calidad
Crecimiento
Pronsticos
crtico
Fiabilidad del
producto y
procesos
Mejora en la
competitividad
del producto y
las opciones
Madurez
Estandarizacin
M
Menos
rpido
id los
l
cambios en el
producto ms
de menores
cambios
Capacidad
Optima
Incrementos de
capacidad
Incremento de la
estabilidad de
procesos
Centrarse en el
producto
d t
Grandes niveles
d produccin
de
d
i
Mejorar la
distribucin
Mejoras del
producto y
reduccin de
costos
Decline
Pequeas
diferenciacin
en el producto
Minimizacin
de costos
Sobre
capacidad en
la industria
Eliminar
lineas que no
producen
buen margen
R d i la
Reducir
l
capacidad
Figure 2.5
2008 Prentice Hall, Inc.
4 15
Tipos de Pronsticos
Pronsticos Econmicos
Direccin del ciclo econmico tasa de
inflacin, oferta de dinero, viviendas, etc.
Pronsticos Tecnolgicos
Predecir la tasa del progreso tecnolgico
Impacto
I
t del
d l desarrollo
d
ll de
d nuevos productos
d t
Pronsticos de Demanda
Predecir ventas de productos y servicos
existentes
4 16
I
Importancia
t
i Estratgica
E t t i de
d
Pronsticos
Recursos Humanos Contratar,
entrenar, despedir trabajadores
Capacidad la falta de capacidad puede
dar como resultado entregas
g poco
p
confiables, prdida de clientes, prdida
de posicin en el mercado.
Administracin de la Cadena e
Suministro buena relacin con el
proveedor y ventajas de precios.
2008 Prentice Hall, Inc.
4 17
4 18
La Realidad!!
Los pronsticos raramente son
perfectos
f t
La mayoria de las tcnicas asumen
estabilidad subyacente en el
sistema
Pronsticos de familias de
productos agregados son ms
4 19
Mtodos
de Pronsticos
Mtodos Cualitativos
Usado
U d cuando
d la
l situacin
i
i es vaga
o existen pocos datos
Nuevos productos
Nueva tecnologa
4 20
Mtodos
de Pronsticos
Mtodos Cuantitativos
Usado cuando la situacin es
estable y existen datos histricos
Productos existentes
Tecnologa actual
4 21
Mtodo Delphi
Panel de expertos,
expertos interrogados
iterativamente
4 22
Encuestas de Mercado de
Consumidores
Preguntas al consumidor
4 23
Jurado de Ejecutivos
Involucra un pequeo grupo de expertos
de alto nivel y g
gerentes
El Grupo estima la demanda trabajando
juntos
Combinan la experiencia gerencial con
modelos estadsticos
Relativamente rpido
Desventaja de GroupGroup-think
4 24
Fuerzas de Ventas
Combinadas
Cada vendedor proyecta sus
propias ventas
Combinacin a nivel distrital,
regional y nacional
Los vendedores conocen los gustos
de los consumidores
Tiende a ser excesivamente
optimista
2008 Prentice Hall, Inc.
4 25
Mtodo Delphi
Proceso de
grupo Iterativo,
continua
ti
hasta
h t
alcanzar el
consenso
Asesores
(Administran
3 tipos de
el estudio)
participantes
Tomadores de
Decisiones
Asesores
entrevistados
2008 Prentice Hall, Inc.
Tomador de
Decisiones
(Evalua las
respuestas y
toma decisiones)
Entrevistados
(Personas quienes
pueden
d hacer
h
juicios de valor)
4 26
Encuestas de Mercado a
Consumidores
Se pregunta a los consumidores
respecto de sus planes de compra
Los que los consumidores dicen, y
lo que ellos hacen actualmente a
menudo son diferentes
A veces es dificil de responder
4 27
Modelos
Series de
p
Tiempo
4. Proyeccin de
T d
Tendencia
i
5. Regresin Lineal
2008 Prentice Hall, Inc.
Modelos
Causales
Asociativos
4 28
Pronsticos Series de
Tiempo
Conjunto de datos numricos
uniformemente espaciados
Obtenida por observacin de la respuesta de
la variable para periodos de tiempo regulares
4 29
Componentes de Series de
Tiempo
T d
Tendencia
i
Ci l
Ciclo
E t i
Estacional
l
Al t i
Aleatorio
4 30
Dema
anda porr un prod
ducto o s
servicio
Componentes of Demanda
Componente
Tendencia
Picos Estacional
Demanda
Actual
Variacin
Aleatoria
|
1
|
2
|
3
Ao
Demanda
Promedio de
los 4 aos
|
4
Figure 4.1
4 31
C
Componente
t T
Tendencia
d
i
Patrn Persistente, en conjunto
ascendente o descendente
Cambia debido a poblacin,
t
tecnologa,
l edad,
d d cultura,
lt
etc.
t
Tipicamente duracin de varios
aos
4 32
Componente
C
t E
Estacional
t i
l
Patrn regular de fluctuaciones de
hacia arriba y hacia abajo
Debido al clima, costumbres, etc.
Ocurre en el lapso de un solo ao
Periodo
Semana
Mes
Mes
Ao
A
Ao
Ao
2008 Prentice Hall, Inc.
Duracin
Da
Semana
Da
Trimestre
M
Mes
Semana
Nmero
de
Estaciones
7
4 - 4.5
28 - 31
4
12
52
4 33
C
Componente
t C
Cclico
li
Repetiendo movimientos de arriba y
abajo
Afectado por el ciclo econmico,
poltica, y factores econmicos
Multiples aos de duracin
A menudo por
relaciones
asociativas
o causal
2008 Prentice Hall, Inc.
10
15
20
4 34
C
Componente
t Al
Aleatorio
t i
Fluctuaciones residual Errtica,
no sistemtica
Debido a variaciones aleatorias o
eventos imprevistos
Corta duracin y
no repetitivo
titi
M
2008 Prentice Hall, Inc.
F
4 35
Mt d N
Mtodo
Naive
i
Asume que la demanda en el
siguiente
i i t periodo
i d es la
l misma
i
demanda del periodo ms reciente
p.e.
p.e.,, Si en Enero las ventas fueron
68, entonces las ventas de Febrero
sern 68
4 36
Mt d P
Mtodo
Promedio
di Movil
M il
MA es una serie de medias
aritmticas
Usada si hay poca o nada de
tendencia
Usada a menudo p
para suavizar
Provee una visin global de los datos
en el tiempo
demanda en n periodos previos
Promedio Mvil =
n
2008 Prentice Hall, Inc.
4 37
Ejemplo
Ej
l de
d Promedio
P
di Mvil
M il
Mes
Ventas
Actuales
Promedio Mvil
3 - meses
Enero
Febrero
Marzo
Abril
M
Mayo
Junio
Julio
10
12
13
16
19
23
26
(10 + 12 + 13
13)/3
)/3 = 11 2/3
(12 + 13 + 16)/3 = 13 2/3
(13 + 16 + 19)/3 = 16
(16 + 19 + 23)/3 = 19 1/3
4 38
V
Ventas
G fi d
Grfico
de Promedio
P
di Mvil
M il
30
28
26
24
22
20
18
16
14
12
10
Pronstico
Promedio
Mvil
Ventas
Actual
D
4 39
P
Promedio
di Mvil
M il Ponderado
P d
d
Usado cuando la tendencia est
p
presente
Datos ms antiguos menos
importantes
Ponderador basados en la
experiencia
i
i e intuicin
i t i i
(ponderador por periodo n)
n)
x (demanda en periodo n)
n)
Promedio
movil ponderado =
ponderadores
d
d
2008 Prentice Hall, Inc.
4 40
Ponderados Aplicados
Periodos
3
ltimo mes
2
dos meses atrs
1
T
Tres
meses atrs
t
6
Suma de ponderados
P
Promedio
di Mvil
M il Ponderado
P d
d
Meses
Ventas
Actuales
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
10
12
13
16
19
23
26
Promedio Mvil
Ponderado 3
3--meses
[(3 x 13
13)) + (2 x 12
12)) + (10
(10)]/6
)]/6 = 121/6
[(3 x 16) + (2 x 13) + (12)]/6 = 141/3
[(3 x 19) + (2 x 16) + (13)]/6 = 17
[(3 x 23) + (2 x 19) + (16)]/6 = 201/2
4 41
4 42
Promedio Mvil y
Promedio Mvil Ponderado
Promedio
mvil
ponderado
Demanda de v
ventas
30
25
Ventas
Actuales
20
15
Promedio
mvil
10
5
|
Figure 4.2
2008 Prentice Hall, Inc.
|
F
|
M
|
A
|
M
|
J
|
J
|
A
|
S
|
O
|
N
|
D
4 43
S
Suavizamiento
i
i t Exponencial
E
i l
Forma de promedio mvil ponderado
Ponderador declina exponencialmente
Los datos ms recientes pesan ms
4 44
S
Suavizamiento
i
i t Exponencial
E
i l
Nuevo Pronostico = ltimo periodo pronosticado
+ (demanda actual ltimo periodo
ltimo periodo pronosticado
pronosticado))
Ft = Ft 1 + (At 1 - Ft 1)
donde
Ft = nuevo pronstico
Ft 1 = pronstico previo
= suavizamiento (o ponderador)
constante (0 1)
4 45
Suavizamiento Exponencial
Ejemplo
j p
Demanda pronosticada = 142 Ford Mustangs
Demanda actual = 153
Suavizador constante = .20
4 46
Suavizamiento Exponencial
Ejemplo
j p
Demanda pronosticada = 142 Ford Mustangs
Demanda actual = 153
Suavizador constante = .20
N
Nuevo
pronstico
ti = 142 + .2(153
2(153 142)
4 47
Suavizamiento Exponencial
Ejemplo
j p
Demanda pronosticada = 142 Ford Mustangs
Demanda actual = 153
Suavizador constante = .20
N
Nuevo
pronstico
ti = 142 + .2(153
2(153 142)
= 142 + 2.2
= 144.2 144 cars
4 48
Efectos de Constantes
Suavizamiento
Peso Asignado a
S
Suavimien
i i
to.
Constante
Ms
2do Ms 3er Ms 4to Ms 5to Ms
Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t
Periodo Periodo Periodo Periodo Periodo
( )
(1 - ) (1 - )2 (1 - )3 (1 - )4
= .1
.1
.09
.081
.073
.066
= .5
.5
.25
.125
.063
.031
4 49
I
Impacto
t de
d Diferentes
Dif
t
Deman
nda
225
= .5
Demanda
Actual
200
175
= .1
150 |
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
Trimestre
2008 Prentice Hall, Inc.
4 50
I
Impacto
t de
d Diferentes
Dif
t
Deman
nda
225
Demanda
Elegir altos valores
de
Actual
200
cuando el promedio tiene
buena probabilidad de
cambiar
175
= .5
= .1
|
6
|
7
|
8
|
9
Trimestre
2008 Prentice Hall, Inc.
4 51
Eligiendo
El objetivo es obtener el pronstico
ms exacto sin importar la tcnica
que se utilice
Generamente hacemos esto
seleccionando el modelo que nos da el
menor error de pronstico
Error de Pronstico = Demanda Actual Valor Pronsticado
= A t - Ft
2008 Prentice Hall, Inc.
4 52
|Actual - Pronstico|
n
(Errores de Pronstico)
Pronstico)2
n
4 53
100
100|Actual
|Actuali - Pronsticoi|/Actuali
MAPE =
i=1
4 54
Comparacin de Errores de
Pronstico
Trim
1
2
3
4
5
6
7
8
180
168
159
175
190
205
180
182
175
175.5
174.75
173.18
173.36
175.02
178 02
178.02
178.22
5.00
7.50
15.75
1.82
16.64
29.98
1.98
1 98
3.78
82.45
175
177.50
172.75
165.88
170.44
180.22
192 61
192.61
186.30
5.00
9.50
13.75
9.12
19.56
24.78
12 61
12.61
4.30
98.62
4 55
Comparacin de Errores de
Pronstico
|deviaciones|
MADTonelaje
=
Trim
Para = .10
1
180
175
5.00
2
168= 82.45/8
175.5 = 10.31
7.50
3
4For
5
6
7
8
159
174.75
=175
.50 173.18
190
173.36
98 62/8
205= 98.62/8
175.02=
180
178.02
182
178 22
178.22
15.75
1.82
16.64
12
12.33
33
29.98
1.98
3.78
3 78
82.45
175
177.50
172.75
165.88
170.44
180.22
192.61
186 30
186.30
5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
4 30
98.62
4 56
Comparacin de Errores de
Pronstico
2
(Errores de Pronstico)
Pronstico Desviacin
MSE = Tonelaje Redondeado
Absoluta
n
Real
con
para
Trim
Descargado
= .10
10
= .10
10
Para = .10
1
180
175
5.00
=168
1,526.54/8
,
2
175.5 = 190.82
7.50
3
Para
4
5
6
7
8
159
174.75
=
.50 173.18
175
190
173.36
=205
1 561 91/8
1,561.91/8
=
175.02
180
178.02
182
178 22
178.22
MAD
15.75
1.82
16.64
195
195.24
24
29.98
1.98
3.78
3 78
82.45
10.31
Pronstico Desviacin
Redondeado Absoluta
con
para
= .50
50
= .50
50
175
177.50
172.75
165.88
170.44
180.22
192.61
186 30
186.30
5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
4 30
98.62
12.33
4 57
Comparasin de Errores de
Pronstico
n
100|desviacin
i|/actual
i
Pronstico Desviacin
Pronstico
i=1
Redondeado
MAPE =Tonelaje
Real
con n
Trim Descargado
= .10
10
1 Para
2
3
4
Para
5
6
7
8
=
.50
190
173.36
205 = 54.05/8
175.02
180
178.02
182
178 22
178.22
MAD
MSE
Absoluta
para
= .10
10
15.75
1.82
16.64
29.98
= 6.76%
1.98
3.78
3 78
82.45
10.31
190.82
Desviacin
Redondeado Absoluta
con
para
= .50
50
= .50
50
175
177.50
172.75
165.88
170.44
180.22
192.61
186 30
186.30
5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
4 30
98.62
12.33
195.24
4 58
Comparasin de Errores de
Pronstico
Trim
1
2
3
4
5
6
7
8
180
168
159
175
190
205
180
182
175
175.5
174.75
173.18
173.36
175.02
178.02
178 22
178.22
MAD
MSE
MAPE
5.00
7.50
15.75
1.82
16.64
29.98
1.98
3.78
3 78
82.45
10.31
190.82
5.59%
175
177.50
172.75
165.88
170.44
180.22
192.61
186 30
186.30
5.00
9.50
13.75
9.12
19.56
24.78
12.61
4.30
4 30
98.62
12.33
195.24
6.76%
4 59
Suavizamiento Exponencial
con Trendencia Ajustada
j
Cuando una tendencia est presente, el
suavizamiento exponencial debe ser
modificado
Pronstico
Pronstico
Tendencia
Incluyendo (FITt) = suavizado (Ft) + (Tt) suavizada
tendencia
Exponencialmente
Exponencialmente
(FITt) = (Ft) + (Tt)
4 60
Suavizamiento Exponencial
con Trendencia Ajustada
j
Ft = (At - 1) + (1 - )(
)(F
Ft - 1 + Tt - 1)
Tt = (Ft - Ft - 1) + (1 - )Tt - 1
Paso 1: Calcular Ft
Paso
P
2
2: C
Calcular
l l Tt
Paso 3: Calcular el pronstico FITt = Ft + Tt
2008 Prentice Hall, Inc.
4 61
Demanda
Actual(
Actual(At)
12
17
20
19
24
21
31
28
36
Pronstico
Pronstico
Tendencia
Incluyendo
Suavizado, Ft Suavizada, TtTendencia, FITt
11
2
13.00
Table 4.1
2008 Prentice Hall, Inc.
4 62
Demanda
Actual(
Actual(At)
12
17
20
19
24
21
31
28
36
Pronstico
Pronstico
Tendencia
Incluyendo
Suavizado, Ft Suavizada, TtTendencia, FITt
11
2
13.00
Table 4.1
2008 Prentice Hall, Inc.
4 63
Suavizamiento Exponencial
p
con
Tendencia Ajustada: Ejemplo
Mes)
Mes)
1
2
3
4
5
6
7
8
9
10
Demanda
Actual(
Actual(At)
12
17
20
19
24
21
31
28
36
Pronstico
Pronstico
Tendencia
Incluyendo
Suavizado, Ft Suavizada, TtTendencia, FITt
11
2
13.00
12.80
Table 4.1
2008 Prentice Hall, Inc.
4 64
Demanda
Actual(
Actual(At)
12
17
20
19
24
21
31
28
36
Pronstico
Pronstico
Tendencia
Incluyendo
Suavizado, Ft Suavizada, TtTendencia, FITt
11
2
13.00
12.80
1.92
Table 4.1
2008 Prentice Hall, Inc.
4 65
Demanda
Actual(
Actual(At)
12
17
20
19
24
21
31
28
36
Pronstico
Pronstico
Tendencia
Incluyendo
Suavizado, Ft Suavizada, TtTendencia, FITt
11
2
13.00
12.80
1.92
14.72
15.18
2.10
17.28
17.82
2.32
20.14
19 91
19.91
2.23
2 23
22 14
22.14
22.51
2.38
24.89
24.11
2.07
26.18
27 14
27.14
2.45
2 45
29 59
29.59
29.28
2.32
31.60
32.48
2.68
35.16
Table 4.1
2008 Prentice Hall, Inc.
4 66
35
30
25
20
15
10
5
0 |
Tiempo (mes)
mes)
2008 Prentice Hall, Inc.
Figure 4.3
4 67
P
Proyecciones
i
de
d Tendencia
T d
i
Ajustar a una lnea de tendencia a los
datos histricos para proyectar en el
mediano
di
y largo
l
plazo
l
La lnea de tendencia pueden ser
encontrada
t d usando
d la
l tcnica
t i de
d mnimos
i
cuadrados
y^ = a + bx
Donde y^ = valor calculado de la la variables a ser
pronsticada
(variable
(
dependiente))
a = intercepto el eje - y
b = pendiente de la lnea de regresin
x = la variable independente
2008 Prentice Hall, Inc.
4 68
Valorres de V
Variable
e Dependente
Mtodos Mnimos
Cuadrados
Desviacin7
Observacin Actual
(valor de y)
Desviacin5
Desviacin3
Desviacin4
Desviacin1
(error)
Desviacin2
L
Lnea
de
d tendencia,
t d
i y^ = a + bx
b
Periodo de Tiempo
2008 Prentice Hall, Inc.
Desviacin6
Figure 4.4
4 69
Valorres de V
Variable
e Dependente
Mtodos Mnimos
Cuadrados
Desviacin7
Observacin Actual
(valor de y)
Desviacin5
Desviacin3
Desviacin6
Mtodos de Mnimos
Cuadrados minimiza la
Desviacin
suma
del cuadrado de los
errores (desviaciones)
4
Desviacin1
(error)
Desviacin2
L
Lnea
de
d tendencia,
t d
i y^ = a + bx
b
Periodo de Tiempo
2008 Prentice Hall, Inc.
Figure 4.4
4 70
Mtodos Mnimos
Cuadrados
Ecuaciones para calcular la regresin de las
variables
y^ = a + bx
b=
xy - nxy
x2 - nx2
a = y - bx
4 71
Mnimos Cuadrados
Ejemplo
Ao
2001
2002
2003
2004
2005
2005
2007
P i d Demanda
Periodo
D
d de
d energia
i
de tiempo(x) Electricidad (y)
1
2
3
4
5
6
7
x = 28
x=4
74
79
80
90
105
142
122
y = 692
y = 98.86
x2
xy
x2 = 140
xy = 3,063
3,063 - (7)(4)(98.86)
xy - nxy
b=
=
= 10.54
2)
2
2
140
(7)(4
(
)(
x - nx
a = y - bx = 98.86 - 10.54(4) = 56.70
2008 Prentice Hall, Inc.
4 72
Mnimos Cuadrados
Ejemplo
Ao
2001
2002
2003
2004
2005
2005
2007
P i d Demanda
Periodo
D
d de
d energia
i
de tiempo(x) Electricidad (y)
1
2
3
4
5
6
7
x = 28
x=4
74
79
80
90
105
142
122
y = 692
y = 98.86
x2
xy
1
4
9
16
25
36
49
x2 = 140
74
158
240
360
525
852
854
xy = 3,063
3,063 - (7)(4)(98.86)
xy - nxy
b=
=
= 10.54
2)
2
2
140
(7)(4
(
)(
x - nx
a = y - bx = 98.86 - 10.54(4) = 56.70
2008 Prentice Hall, Inc.
4 73
Mnimos Cuadrados
Ejemplo
P i d Demanda
Periodo
D
d de
d energia
i
de tiempo(x) Electricidad (y)
x2
xy
2001
1
74
1
2002
2
79
4
es
2003La Lnea
3 de Tendencia
80
9
2004
4
90
16
2005
105
25
y^ 5= 56.70 + 10.54x
2005
6
142
36
2007
7
122
49
x = 28
y = 692
x2 = 140
x=4
y = 98.86
74
158
240
360
525
852
854
xy = 3,063
Ao
3,063 - (7)(4)(98.86)
xy - nxy
b=
=
= 10.54
2)
2
2
140
(7)(4
(
)(
x - nx
a = y - bx = 98.86 - 10.54(4) = 56.70
2008 Prentice Hall, Inc.
4 74
Dem
manda de
e energa
a
Mnimos Cuadrados
Ejemplo
160
150
140
130
120
0
110
100
90
80
70
60
50
Lnea de tendencia
tendencia,,
y^ = 56.70 + 10.54x
|
2001
|
2002
|
2003
|
2004
|
|
2005 2006
Aos
|
2007
|
2008
|
2009
4 75
Requerimientos de Mnimos
Cuadrados
1. Siempre debemos graficar los
datos para asegurar una relacin
lineal
2. No predecimos periodos de tiempo
que van ms alla de la base de
datos
3. Las desviaciones alrededor de la
lnea de mnimos cuadrados son
asumidos como aleatorios
2008 Prentice Hall, Inc.
4 76
Mnimos Cuadrados
Ejemplo
j p - EViews
4 77
Econometric Views
Eviews 6.0
4 78
4 79
Estimacin de Mnimos
Cuadrados con EVIEWS
4 80
Estimacin de Mnimos
Cuadrados con EVIEWS
4 81
Estimacin de Mnimos
Cuadrados con EVIEWS
4 82
Estimacin de Mnimos
Cuadrados con EVIEWS
R-squared,
squared coeficiente de determinacin, sirve
para valorar el xito de la regresin para predecir
los valores de la variable endgena dentro del
periodo
i d muestral.
t l
Adjusted R-squared,
squared coeficiente R2 ponderado
por los grados de libertad.
2008 Prentice Hall, Inc.
4 83
Estimacin de Mnimos
Cuadrados con EVIEWS
S.E. of regression,
regression error estndar de la regresin, sirve
para analizar
li
lla capacidad
id d predictiva
di ti d
dell modelo,
d l
recoge la funcin objetivo ponderada por sus grados de
libertad.
Sum squared resid
resid, suma de los errores al cuadrado,
mide la diferencia entre el valor observado de Y con el
estimado. (debe ser lo ms pequeo posible).
2008 Prentice Hall, Inc.
4 84
Estimacin de Mnimos
Cuadrados con EVIEWS
F-statistic
statistic, se construye para contrastar si los
parmetros
t
asociados
i d a llas variables
i bl explicativas
li ti
d
dell
modelo son conjuntamente iguales a cero. Permite
contrastar la capacidad explicativa conjunta de las
variables introducidas en el modelo.
Porb(F
Porb((F--statistic
statistic)), mide la p
probabilidad de rechazar la
hipotesis nula siendo cierta.
2008 Prentice Hall, Inc.
4 85
Estimacin de Mnimos
Cuadrados con EVIEWS
DurbinDurbin-Watson stat,
stat estadstico que se construye para
contrastar
t t la
l hiptesis
hi t i d
de incorrelacin
i
l i entre
t las
l
perturbaciones aleatorias frente a la presencia de
autocorrelacin segn un esquema AR(1).
4 86
A li i de
Anlisis
d Regresin
R
i
Mltiple
Si ms
de
d una variable
i bl independiente
i d
di t va a ser
usada en el modelo, la regresin lneal puede
ser extendida a regresin mltiple para
acomodar varias variables independentes
y^ = a + b1x1 + b2x2
Genralmente, realizar estos clculos es muy
complicado
p
y mayormente
y
se hace con el
apoyo de un software y una PC
2008 Prentice Hall, Inc.
4 87
4 88