Professional Documents
Culture Documents
21 de junio de 2006
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Expertos locales Alcance de aplicaciones estad sticas Estad stica y Contabilidad La importancia de entender un proceso
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Nuevos horizontes
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Operaciones de Marketing
1 2 3
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Operaciones de Marketing
1 2 3
Modelos de clientes
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Operaciones de Marketing
1 2 3
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Operaciones de Marketing
1 2 3
4 5 6
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comprender
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comprender
1
Identicar factores
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comprender
1 2
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comprender
1 2
2 3
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comprender
1 2
2 3
Estratgicas e
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comprender
1 2
2 3
Estratgicas e Funcionales
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Niveles de modelo
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Areas de aplicacin o
Investigacin de mercados o Diseo y anlisis de muestreos y encuestas n a Anlisis nanciero a Proyectos farmacuticos e Proyectos de telecomunicaciones Gestin de bancos y bases de datos o
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
1 2 3 4 5
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Tcnicas estndar e a
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos generales e
Mtodos no paramtricos e e Modelos lineales generales Anlisis multivariante a Anlisis de series temporales a Diseo de experimentos n Clasicacin o
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos multivariantes e
Componentes principales Anlisis factorial a Anlisis discriminante a Anlisis cluster a M nimos cuadrados parciales (PLS)
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos ARIMA univariantes Modelos de funcin de transferencia o Modelos VARMA Series de variables categricas o
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos e Ejemplo
Vecinos ms cercanos (k-means clustering) a Arboles de decisin (CART, CHAID) o RandomForest Redes Neuronales (MLP, SOM)
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos e Ejemplo
1 2 3
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos e Ejemplo
Ejemplo Conjunto de datos con 214 las y 10 columnas: RI: ndice de refraccin o Peso de 7 tipos de xidos o
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos e Ejemplo
Ba< 0.335 |
Ca< 10.48 RI>=0.93 Mg< 3.865 Veh Fe< 0.115 Mg< 3.6 WinNF WinF WinF WinNF
WinNF WinNF
Con
Tabl
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Mtodos e Ejemplo
SVM: tasa de acierto 60.28 % RandomForest: tasa de error: 19.63 % WinF 61 9 6 0 0 1 WinNF 6 61 4 2 2 2 Veh 3 1 7 0 0 0 Con 0 2 0 10 0 0 Tabl 0 2 0 0 7 0 Head 0 1 0 1 0 26 class.error 0.1285714 0.1973684 0.5882353 0.2307692 0.2222222 0.1034483
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Modelos de eleccin o
Alternativas: conjunto de elecciones Atributos Caracter sticas (variables socioeconmicas) o Perspectiva temporal Reglas de comportamiento
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Modelos en Marketing
Ms de dos alternativas a Ms de una eleccin a o Preferencias reveladas (RP) y declaradas (SP) Sobre e infra-muestreo, pudiendo corregirse mediante pesos Alternativas bien denidas Experiencia personal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Modelo de regresin lineal o Modelos binomiales (logit y probit) Modelos multinomiales (no ordenados y ordenados) Modelos truncados Modelos de duracin o
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
La prior inuye en el resultado Necesidad de una funcin de verosimilitud o Dif incertidumbre cil
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Respuestas
1 2 3 4
Mtodos MCMC, Gibbs sampling e Usar distintas priors, en general no inuye Experimentar, alternativas semi y no paramtricas e No hay incertidumbre, es exacta
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Tomate ketchup
Ejemplo Probabilidad de que un individuo compre el tomate Heinz en funcin de: o Logaritmo del precio relativo Dummies que indican si Heinz tiene promociones de tipo feature o display Idem competidor Efectos cruzados
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Std. Error 0.1423 0.2427 0.3166 0.4431 0.2450 0.3466 0.4802 0.3859
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
Object/True 0 1
0 0,02859185 0,08112938
1 0,01215154 0,87812723
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
1.0
fcst 0.0
0.5
0.2
0.4
0.6
0.8
0.0
0.5 lrelp
1.0
1.5
Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
1.0
fcst 0.0
0.5
0.2
0.4
0.6
0.8
0.0
0.5 lrelp
1.0
1.5
Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
1.0
fcst 0.0
0.5
0.2
0.4
0.6
0.8
0.0
0.5 lrelp
1.0
1.5
Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
1.0
fcst 0.0
0.5
0.2
0.4
0.6
0.8
0.0
0.5 lrelp
1.0
1.5
Miguel A. Arranz Modelos Estad sticos de o Figura: Probabilidad de comprar HeinzPrediccin de Ventas
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos de eleccin o Modelos en Marketing Modelos estad sticos Enfoque bayesiano Ejemplo
qelast
0.8
0.5
0.6
0.4
0.2
0.0
0.0
0.5 lrelp
1.0
1.5
de Prediccin de Ventas o
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
1 2
Predecir Determinar la ordenacin temporal de las variables buscando o las relaciones de causalidad entre las mismas Determinar el impacto a lo largo del tiempo de variables del modelo o de sucesos ajenos al mismo
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Escasez de datos ables Falta de software espec co generalista Falta de preparacin en la materia de los profesionales del o Marketing Desconanza en el el uso de tcnicas de modelizacin basadas e o en datos Falta de un rea de Marketing en el que se pudiesen aplicar a todas las tcnicas de Series Temporales e
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Situacin actual o
1
Se tiene una gran cantidad de datos con per odos de tiempo muy largos Programas de Series Temporales de manejo fcil y otros a mdulos para software estad o stico ms general a Los profesionales de Marketing tienen conocimientos estad sticos cada vez mayores Aparicin de los modelos estructurales de tipo VARMAX o Cuanticacin del impacto a largo plazo de las decisiones o tcticas y estratgicas de las empresas a e
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o
4 5
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Futuro
1 2
Auge en el uso y gestin de bancos de datos o Necesidad de comprender funcionamiento de mercados competitivos Marco micro
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
El problema
Especicacin de n modelos con n variables no relacionados o que incluyan todas lasposibles relaciones transversales de los efectos de las variables input sobre los output correspondientes. Hay muchas situaciones en las que se puede pensar que, sin ser iguales, hay alguna relacin entre los parmetros de o a algunos grupos de observaciones. En general, los parmetros a pueden ser realizaciones de un mismo proceso estocstico que a depende de algunos hiperparmetros. a
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Modelos jerrquicos a
Los modelos jerrquicos son herramientas ideales para medir a relaciones estructurales a diferentes niveles de PGD. Los modelos jerrquicos no tienen l a mites en los niveles de jerarqu as. Cuando aplicamos modelos no jerrquicos a modelos con a niveles mltiples se sueles subestimar la varianza. u Los modelos jerrquicos permiten contrastar hiptesis sobre a o los distintos niveles Los modelos no jerrquicos recubren los modelos jerrquicos, a a permitiendo contrastar la validez de la estructura jerrquica a propuesta mediante un contraste LRT o un factor Bayes.
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Variables explicativas
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
i
itype
+m
1 1 B
Ruido ARIMA
d(k) k (B)Nt k k
Miguel A. Arranz
=
k
k (B)at
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
(1)
t1 t2 =
1 0
t1 = t2 t1 = t2
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Los polinomios F (B), G (B), y A(B), son de dimensiones n n, n nr , y n n, respectivamente, se puen escribir como
nf ng na
F (B) =
i=0
Fi B
G (B) =
i=0
Gi B i
A(B) =
i=0
Ai B i
F0 = A0 = I
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Efecto total
1 2 3 4 5 6
Efecto contemporneo a Efecto recuerdo Refuerzo de compra Retroalimentacin (feedback) o Reglas de decisin de empresa o Competencia
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Los modelos tradicionales se centran gasto absoluto o niveles de precios. Ahora podemos analizar los cambios inesperados (shocks). Se construye con el modelo una prediccin de demanda base y o se comparan los errores de prediccin un per o odo adelante (shocks inesperados), obteniendo el efecto diferencial
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Business as usual El rendimiento de mercado y el marketing mix son I (0). Se encuentran en equilibrio y las uctuaciones son temporales tanto en ventas o cuota de mercado como en gasto en publicidad o precios. Los modelos de respuesta captan los efectos temporales, que se pueden distribuir en el tiempo.
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Histresis e El rendimiento de mercado no es estacionario (evoluciona), pero el marketing s es estacionario. Movimientos temporales en precio o marketing puede afectar permanentemente a las ventas futuras. Interesante para la empresa.
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Escalada El rendimiento de mercado es estacionario, pero no el marketing. Las empresas estn engarzadas en batallas de a gasto en marketing, pero la demanda del sector no aumenta y, en consecuencia, se generan presiones sobre los benecios. Un escenario ms favorable para nosotros es cuando los precios a suben, pero los precios relativos y la demanda global son estables.
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Co-evolucin o Las ventas y el marketing siguen un equilibrio a largo plazo. Se necesita un modelo de tipo VECM.
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
25000
Base Venta
5000
0
10000
15000
base
20000
10
20
30 Time
40
50
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
effects 5000
0
5000
10000
10
20
30 Time
40
50
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Music_Omega
density
0.2
0.0
0.2
0.4 GRP_4
0.6
0.8
1.0
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Promotion_Omega
density
0.4
0.2
0.0 GRP_10
0.2
0.4
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Excellent
density
0.00
1
0.05
0.10
0.15
0.20
0.25
2 alpha_20
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Bad
density
0.05
1
0.10
0.15
0.20
0.25
0.30
2 alpha_26
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
200
GRP Adstock
grp
0
0
50
100
150
100
200 Time
300
400
500
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
efectos
0.00
0
0.01
0.02
0.03
0.04
100
200 Time
300
400
500
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Multicolinealidad Autocorrelacin o Especicacin dinmica: o a Respuestas a largo plazo, ra de los polinomios, etc. ces Hiptesis no anidadas: o Bsquedas de un modelo que explique los resultados de los u dems (Encompassing) a Endogeneidad de variables (variable explicativa relacionada con trmino de error), causante de sesgo e inconsistencia, e inferencia no vlida a
Miguel A. Arranz Modelos Estad sticos de Prediccin de Ventas o
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
6 7 8
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Errores (innovaciones) homocedsticas a Exogeneidad dbil de las variables que condicionan para los e parmetros de inters a e Parmetros de inters invariantes a e Estructuras identicables y consistentes con la teor a Formulaciones admisibles para los datos con las observaciones disponibles Recubre modelos rivales
3 4 5
Miguel A. Arranz
Introduccin o Mtodos estad e sticos y Marketing Data-mining Eleccin del consumidor o Series Temporales y Marketing Modelos de Series Temporales Escenarios de largo plazo Ejemplos Especicacin del modelo o Comentario nal
Comentario nal
El consultor tiene que recabar toda la informacin posible del o cliente y los usuarios nales. Es importante la interaccin con el personal tcnico que va a o e usar el modelo, pero tambin con el personal ejecutivo que e tiene un conocimiento tcnico menor. e La labor del consultor no termina con la construccin del o modelo. Es importante explicar los resultados al cliente. La documentacin juega un papel fundamental. o
Miguel A. Arranz