PORTAFOLIO DE EVIDENCIAS
ESTADÍSTICA INFERENCIAL II
PRESENTACIÒN
APUNTES
TAREAS
ACTIVIDADES
EXPOSICIONES
EQUIPO 1
MÉTODO DE MÍNIMOS CUADRADOS
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.
Ventajas
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:
Σy Σx nΣxy − ΣxΣy
= −( ∗ ) =
Σx 2 − (Σx) 2
PREGUNTAS
1. ¿Qué es el Método de Mínimos Cuadrados?
R= En el ajuste de curvas.
R= Es la forma más simple que intenta minimizar la suma de cuadrados de las diferencias
ordenadas.
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.
Requiere tener, al menos, diez mediciones bajo las mismas circunstancias experimentales.
Tales resultados deben estar descritos por una distribución de probabilidad conocida.
Y? R= Y= a+bx
R= =
EQUIPO 2
PROMEDIOS MÓVILES
• 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)
• = () /
3. Mientras más largo menor es la sensibilidad del promedio móvil. Es decir, más
certera pero existirán menos señales.
1. Simple
2. Exponencial
3. Suavizado (Smoothed)
• 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.
Ventajas
Desventajas
EQUIPO 3
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.
R=
• Un pronóstico reciente
• Demanda asociada
• Factor Alpha
• 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.
R= Alpha
R= α
EQUIPO 4
TENDENCIAS NO LINEALES
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.
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.
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= Es una línea curva que se utiliza con conjuntos de datos que comparan
medidas que aumentan a un ritmo concreto.
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
R=
EQUIPO 6
PREGUNTAS