Anda di halaman 1dari 37

Instituto Tecnológico Superior de Coatzacoalcos

Nombre del Alumno: Epitacio Gonzalez Luis Alberto


Apellido Paterno Apellido Materno Nombre(s)

PORTAFOLIO DE EVIDENCIAS

ESTADÍSTICA INFERENCIAL II

No. Control: 15080856 Semestre: 5° Grupo: “A”

Nombre del Docente: Hernández Olán Lizbeth


Apellido Paterno Apellido Materno Nombre(s)

PRESENTACIÒN
APUNTES
TAREAS
ACTIVIDADES
EXPOSICIONES
EQUIPO 1
MÉTODO DE MÍNIMOS CUADRADOS

Es una técnica de análisis numérico encuadrada dentro de la optimización


matemática, en la que, dados un conjunto de pares (o ternas, etc.), se intenta
encontrar la función que mejor se aproxime a los datos (un "mejor ajuste"), de
acuerdo con el criterio de mínimo error cuadrático.

En su forma más simple, intenta minimizar la suma de cuadrados de las


diferencias ordenadas (llamadas residuos) entre los puntos generados por la función
y los correspondientes en los datos. Específicamente, se llama mínimos cuadrados
promedio (LMS) cuando el número de datos medidos es 1 y se usa el método de
descenso por gradiente para minimizar el residuo cuadrado. Se puede demostrar
que LMS minimiza el residuo cuadrado esperado, con el mínimo de operaciones
(por iteración), pero requiere un gran número de iteraciones para converger.

Desde un punto de vista estadístico, un requisito implícito para que funcione


el método de mínimos cuadrados es que los errores de cada medida estén
distribuidos de forma aleatoria. El teorema de Gauss-Márkov prueba que los
estimadores mínimos cuadráticos carecen de sesgo.

También es importante que los datos recogidos estén bien escogidos, para
que permitan visibilidad en las variables que han de ser resueltas. La técnica de
mínimos cuadrados se usa comúnmente en el ajuste de curvas. Muchos otros
problemas de optimización pueden expresarse también en forma de mínimos
cuadrados, minimizando la energía o maximizando la entropía.

El método de mínimos cuadrados para el cálculo de la ecuación de una recta


a través de los datos de interés da la línea de mejor ajuste, para llegar a la ecuación
de tendencia por mínimos cuadrados se resuelven dos ecuaciones
simultáneamente.

Ventajas

• Es objetivo, sólo depende de los resultados experimentales.

• Es reproducible, proporciona la misma ecuación no importa quién realice el


análisis.

• Proporciona una estimación probabilística de la ecuación que representa a


unos datos experimentales.
• Proporciona intervalos pequeños de error.
Restricciones

• Sólo sirve para ajustar modelos lineales.

• Requiere tener, al menos, diez mediciones bajo las mismas circunstancias


experimentales.

• Tales resultados deben estar descritos por una distribución de probabilidad


conocida. La más común es la distribución normal o gaussiana.
• Se requiere de algún equipo de cálculo, de lo contrario, es muy engorroso.

MMC EN SERIES DE TIEMPO

Es el mejor método para obtener un ajuste lineal a una serie de datos. Es base para
la identificación de componentes de tendencia de una serie de tiempo. Con este
método se encuentra la ecuación de una recta de mínimos cuadrados. Con esta
recta se obtendrán los valores de tendencia.

Fórmulas:

Y= a + bx

Donde:

Y: Valor proyectado, estimado o pronóstico de Y

a: Punto dónde la recta corta el eje

b: La pendiente de la recta la tendencia

x: Cualquier valor de tiempo seleccionado

Σy Σx nΣxy − ΣxΣy
= −( ∗ ) =
Σx 2 − (Σx) 2
PREGUNTAS
1. ¿Qué es el Método de Mínimos Cuadrados?

R= Es una técnica de análisis numérico encuadrada dentro de la optimización matemática, en la que,


dados un conjunto de pares (o ternas, etc.), se intenta encontrar la función que mejor se aproxime a
los datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático.

2. ¿En dónde se usa comúnmente la técnica de mínimos cuadrados?

R= En el ajuste de curvas.

3. Es el mejor método para obtener un ajuste lineal a una serie de

datos R= MMC en Serie de Tiempo

4. ¿A qué se le llama residuos?

R= Es la forma más simple que intenta minimizar la suma de cuadrados de las diferencias
ordenadas.

5. ¿Qué explica el teorema de Gauss Màrkov?

R= Que aprueba que los estimadores mínimos cuadráticos carezcan de sesgo y que el muestreo
de datos no tiene que ajustarse, por ejemplo, a una distribución normal.

6. ¿Cuáles son las ventajas de este método?

Es objetivo, sólo depende de los resultados experimentales.

Es reproducible, proporciona la misma ecuación no importa quién realice el análisis.

Proporciona una estimación probabilística de la ecuación que representa a unos datos


experimentales.

Proporciona intervalos pequeños de error.

7. ¿Cuáles son las restricciones de este método?

Sólo sirve para ajustar modelos lineales.

Requiere tener, al menos, diez mediciones bajo las mismas circunstancias experimentales.

Tales resultados deben estar descritos por una distribución de probabilidad conocida.

Se requiere de algún equipo de cálculo, de lo contrario, es muy engorroso.

8. ¿Cuál es la fórmula para determinar

Y? R= Y= a+bx

9. ¿Cuál es la fórmula para determinar a?


R= = − ( ∗ )
Σy Σx

10. ¿Cuál es la fórmula para determinar b?


nΣxy−ΣxΣy

R= =
EQUIPO 2
PROMEDIOS MÓVILES

¿Qué es un promedio móvil?


• Este método de pronóstico se utiliza cuando se quiere dar más importancia a
conjuntos de datos más recientes para obtener la previsión.

• El pronóstico de promedio móvil es óptimo para patrones de demanda aleatoria


o nivelada donde se pretende eliminar el impacto de los elementos irregulares
históricos mediante un enfoque en periodos de demanda reciente

• La utilización de esta técnica supone que la serie de tiempo es estable, esto es,
que los datos que la componen se generan sin variaciones importantes en un dato
y otro (error aleatorio = 0)

• = () /

• El término móvil indica que conforme se tienen una nueva observación de la


serie de tiempo, se reemplaza la observación más antigua de la ecuación y se
calcula un nuevo promedio.

Características: Un promedio móvil muestra la dirección y la duración de una


tendencia. Las características más comunes de los promedios móviles:

1. El promedio móvil es calculado con cierto periodo de tiempo predefinido.

2. Mientras más corto el periodo mayor la probabilidad e una señal falsa.

3. Mientras más largo menor es la sensibilidad del promedio móvil. Es decir, más
certera pero existirán menos señales.

Tipos de promedios móviles: Existen 4 tipos comunes del indiciador


de promedios móviles:

1. Simple

2. Exponencial

3. Suavizado (Smoothed)

4. Ponderado linealmente (linear weighted)


Promedio móvil simple

• A veces llamado un promedio móvil aritmético y básicamente es un precio


promedio atreves de un periodo de tiempo.

• Se calcula sumando los precios de cierre del par analizado durante cierto
periodo de tiempo y luego se divide dentro del mismo número de periodos.

Promedio móvil exponencial

El indicador de promedio móvil exponencial reacciona más rápidamente a


cambios de precios recientes que el promedio móvil simple debido al hecho que
suma los precios de cierre del periodo actual al periodo anterior, dando así más
peso a los últimos periodos de precio.

Promedio móvil suavizado

Suaviza el promedio móvil por medio de la asignación de mismos pesos a


precios, pasados que aprecios recientes, es recomendable utilizar el SMMA con
periodos más largos de tiempo para mejores resultados.

Promedio móvil ponderado lineal

Se calcula a través de la multiplicación de cada periodo de tiempo anterior


por un peso. El peso está basado en el número de días de promedio móvil. Un
promedio móvil ponderado lineal, da más paso a información más reciente que a
datos más antiguos.

Ventajas

• Única técnica simple que es fácil para realizar cálculos

• Puede ser utilizada para filtrar las variaciones

• Periodos largos que proporcionan mayor suavización

Desventajas

• Si existencia tendencia, es difícil de detectar

• El promedio móvil retarda la tendencia


PREGUNTAS

1. ¿Qué es promedios móviles?


R= Es un método de pronóstico que se utiliza cuando se quiere dar más importancia a
conjuntos de datos más recientes para obtener la previsión.

2. ¿Cuál es la fórmula de promedios móviles simples?


= ()
R=

3. Menciona tres características de promedios móviles:


• Calculado con cierto periodo de tiempo predefinido.
• Mientras más corto el periodo mayor la probabilidad de una señal falsa.
• Mientras más largo menor es la sensibilidad del promedio móvil.

4. Menciona dos ventajas de promedios móviles:


• Única técnica simple que es fácil para realizar cálculos
• Puede ser utilizada para filtrar las variaciones
• Periodos largos que proporcionan mayor suavización.

5. Menciona dos desventajas de promedios móviles:


• Si existencia tendencia, es difícil de detectar
• El promedio móvil retarda la tendencia

6. ¿Cuáles son los 4 indicadores de promedios móviles?


• Simple
• Exponencial.
• Suavizado (Smoothed).
• Ponderado linealmente (linear weighted).

7. ¿Cómo se calcula el promedio móvil simple?


R= Se calcula sumando los precios de cierre del par analizado durante cierto periodo de tiempo
y luego se divide dentro del mismo número de periodos.

8. ¿Porque el indicador de promedio móvil exponencial reacciona más rápidamente a


cambios de precios recientes que el promedio móvil simple?
R= Debido al hecho que suma los precios de cierre del periodo actual al periodo anterior, dando
así más peso a los últimos periodos de precio.

9. ¿Cómo se calcula el promedio móvil ponderado lineal?


R= Se calcula a través de la multiplicación de cada periodo de tiempo anterior por un peso.

10. Da una descripción breve del promedio móvil


R= Es muy práctico para pronosticar las ventas en un corto tiempo.

EQUIPO 3
MÉTODOS DE SUAVIZACIÓN EXPONENCIAL

1.- ¿Qué es el Métodos de suavización exponencial?

R= Define el pronóstico del próximo periodo como el pronóstico del periodo actual más un
porcentaje de la desviación entre el valor pronosticado para el periodo actual y el valor real.

2.- ¿Cuál es la fórmula?

R=

3- ¿Qué importancia tiene el Alpha?

R= Entre más pequeño es el Alpha más estable el pronóstico.

4.- ¿Cuándo se utiliza?

• Cuando se tiene una serie de tiempo


• Se aplican para datos que no tienen una tendencia clara

5.- ¿Cuándo se aplica el método?

R= Para cuando patrones de demanda aleatorios o nivelados donde se pretende eliminar el


impacto de los elementos irregulares históricos mediante un enfoque en períodos de
demanda reciente.

6.- ¿Qué se necesita?

• Un pronóstico reciente
• Demanda asociada
• Factor Alpha

7.- Ventaja del método:

• Formulación es sencilla, pues solo requiere el pronóstico anterior, la demanda real del
periodo de pronóstico y la constante de suavización.
• No requiere de gran volumen de datos históricos.
• Al ser un modelo exponencial, es más preciso.
• Es flexible al conseguir darle más importancia a la demanda más reciente o a la antigua.

8.- Desventaja:

R= Es la respuesta a la tendencia. Aun cuando un valor de alfa (α) logra responder frente a cambios
en el promedio, cambios sistemáticos de este harán más grande el error de pronóstico.

9.- ¿Cuál es el factor de suavización exponencial?

R= Alpha

10.- ¿Cuál es el símbolo de Alpha?

R= α
EQUIPO 4
TENDENCIAS NO LINEALES

Es cuando la serie de tiempo presenta un


comportamiento curvilíneo. Dentro de las
tendencias no lineales que pueden presentarse
en una serie se encuentran, la polinomial,
logarítmica, exponencial y potencial.

Polinomial: es una línea curva que se utiliza cuando los


datos fluctúan. Es útil para analizar las pérdidas y
ganancias de un conjunto de datos grande. El orden del
polinomio se puede determinar mediante el número de
fluctuaciones en los datos o en función del número de
máximos y mínimos.

Logarítmica: es una línea curva que se ajusta


perfectamente y que es muy útil cuando el índice de
cambios de los datos aumenta o disminuye rápidamente
y después se estabiliza. Esta línea de tendencia
logarítmica puede utilizar valores positivos o negativos.

Exponencial: es una línea curva que es muy útil cuando


los valores de los datos aumentan o disminuyen a
intervalos cada vez mayores. No es posible crear una línea
de tendencia exponencial si los datos contienen valores
cero o negativos.

Potencial: es una línea curva que se utiliza con conjuntos


de datos que comparan medidas que aumentan a un ritmo
concreto, por ejemplo, la aceleración de un automóvil de
carreras a intervalos de un segundo. No es posible crear
una línea de tendencia de potencia si los datos contienen
valores cero o negativos.
PREGUNTAS

1.- ¿Qué es la tendencia no lineal?

R= Es cuando la serie de tiempo presenta un comportamiento curvilíneo.

2.- ¿Cuáles tendencias no lineales se pueden presentar en una serie?

R= La Polinomial, Logarítmica, Exponencial y Potencial.

3.- ¿Qué es la línea de tendencia Polinomial?

R= Es una línea curva que se utiliza cuando los datos fluctúan y es útil para analizar
las pérdidas y ganancias de un conjunto de datos grande.

4.- ¿Cómo se determina el orden del Polinomio?

R= Mediante el número de fluctuaciones en los datos o en función del número de


máximos y mínimos que aparecen en la curva.

5.- ¿Qué es la línea de tendencia Logarítmica?

R= Es una línea curva que se ajusta perfectamente y que es muy útil cuando el
índice de cambios de los datos aumenta o disminuye rápidamente y después se
estabiliza.

6.- ¿Qué valores puede utilizar la línea de tendencia Logarítmica?

R= Puede utilizar valores positivos o negativos.

7.- ¿Qué es la línea de tendencia Exponencial?

R= Es una línea curva que es muy útil cuando los valores de los datos aumentan o
disminuyen a intervalos cada vez mayores.

8.- ¿Con que datos no es posible crear una línea de tendencia Potencial y
Exponencial?

R= Si en dado caso los datos contienen valores cero o negativos.

9.- ¿Qué es la línea de tendencia Potencial?

R= Es una línea curva que se utiliza con conjuntos de datos que comparan
medidas que aumentan a un ritmo concreto.

10.- Menciona un ejemplo de línea de tendencia Potencial

R= La aceleración de un automóvil de carreras a intervalos de un segundo.


EQUIPO 5

VARIACIÓN ESTACIONAL
1- ¿Qué es la variación estacional?
R= La variación estacional permite hallar el valor esperado o pronóstico cuándo existen
fluctuaciones (movimientos ascendentes y descendentes de la variable) periódicas de la serie
de tiempo

2- ¿Cuándo debemos utilizar la variación estacional?


R= Las componentes estacionales son movimientos periódicos que se repiten en intervalos
cortos de tiempo, con duración constante o casi constante.

3- ¿Que son componentes estacionales?


R= son movimientos periódicos que se repiten en intervalos cortos de tiempo, con duración
constante o casi constante.

4- ¿Cuál fue el primer paso para calcular?


R= el primer paso consiste en determinar el promedio general de las ventas, para ello hemos de
sumar las ventas totales y dividirlas entre el número de trimestres

5- ¿Cuáles son los coeficientes para calcular la variación estacional?


R= Para que estos coeficientes no modifiquen la serie anual siempre deberán sumar 0.

6- El objetivo de determinar las componentes estacionales puede ser?


R=Para conocerlas.Para eliminarlas, observando mejor la marcha general del
fenómeno habiendo eliminandoposibles influencias estacionales. Este proceso se conoce com
o desestacionalización

7- En que consiste el modelo de variación estacional?


R= Es un modelo óptimo para patrones de demanda sin tendencia y que presenten un
comportamiento cíclico

8- ¿Cómo se determina el ejemplo mencionado?


R= se Determina el pronóstico por trimestre a partir del modelo de variación estacional,
teniendo en cuenta la siguiente información acerca del comportamiento de las ventas

9- Ejemplificar un modelo de variación estacional


R= la demanda de artículos escolares, la cual tiene un comportamiento cíclico de conformidad
con el calendario escolar.

10- Mencionar una de las fórmulas de variación estacional

R=
EQUIPO 6
PREGUNTAS

Anda mungkin juga menyukai