Pronósticos Automáticos
|
|
- Natividad Salinas Duarte
- hace 7 años
- Vistas:
Transcripción
1 Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de datos numéricos secuenciales tomados en intervalos igualmente espaciados, generalmente sobre un periodo de tiempo o espacio. Desemejante al procedimiento de pronósticos se espera que el usuario seleccione el modelo del pronóstico a utilizar, este procedimiento contiene muchos modelos y selecciona al mejor modelo posible según criterios especificados. El criterio disponible para la sección del modelo incluye el Criterio de Información Ataide (AIC), el Criterio Hannan-Quinn (HQC), y el Criterio Schwarz- Bayesian (SBC). Este criterio selecciona con el cuadrado medio del error más pequeño, sujeto a una penalización para el número de parámetros desconocidos que se necesitan estimar. Puesto que la salida de este procedimiento es similar al procedimiento Pronósticos, este documento destacará solamente los aspectos únicos del procedimiento de Pronósticos Automáticos. Para una discusión detallada de todas las tablas, consulte la documentación de Pronósticos. Ejemplo StatFolio: autocast.sgp Datos del Ejemplo: El archivo golden gate.sf6 contiene volúmenes mensuales de trafico en Golden Gate Bridge en San Francisco para un periodo de n = 168 meses desde Enero, 1968 hasta Diciembre, La tabla de abajo muestra una lista parcial de los datos de este archivo: Month (Mes) Traffic (Trafico) 1/ / / / / / / / / / / / / por StatPoint, Inc. Pronósticos Automáticos - 1
2 Los datos fueron obtenidos de una publicación del Golden Gate Bridge. Entrada de Datos La caja de dialogo para la entrada de datos solicita el nombre de la columna que contienen los datos de la serie de tiempo: Datos: Contiene la columna numérica con n observaciones numéricas igualmente espaciadas. Intervalo de Muestreo: Define el intervalo entre observaciones sucesivas. Por ejemplo, los datos del Golden Gate Bridge fueron recolectados una vez cada mes, empezando en Enero, Estacionalidad: La longitud de la estacionalidad es s, si la hay. Los datos son estaciónales si existen un patrón que se repite en un periodo fijo. Por ejemplo, los datos mensuales como el trafico sobre Golden Gate Bridge tienen una estacionalidad de s = 12. Los datos de horas que se repiten cada día tienen una estacionalidad de s = 24. Si no se ingresa nada, se asume que los datos tienen estacionalidad (s=1) por StatPoint, Inc. Pronósticos Automáticos - 2
3 Ajustar los Días: Una variable numérica con n observaciones es utilizada para normalizar las observaciones originales, por ejemplo el número de días trabajados en un mes. Las observaciones en la columna Datos pueden ser divididos por estos valores antes de dibujar un grafico o calcular un análisis. Debe haber suficientes entradas en esta columna para cubrir tanto los datos observados como el número de periodos en los cuales se solicitan los pronósticos. Selección: La selección de un conjunto en los datos. Numero de Pronósticos: Número de periodos que continúan al final de los datos para los cuales se desean los pronósticos. Retención para Validación: Número de periodos m al final de la serie con propósitos de retención para la validación. Los datos en estos periodos no pueden utilizarse para estimar el modelo de pronósticos. Sin embargo, se calculan estadísticas que describen que tan bueno es el modelo estimado para poder pronosticar estas observaciones. En el ejemplo actual, los datos de trafico son mensuales empezando en Enero, 1968, y se tiene una estacionalidad de s = 12. Un m = 24 observaciones al final de la serie de tiempo con propósitos de retención para la validación, mientras los pronósticos pueden generarse de los siguientes 36 meses. Opciones del Análisis El modelo estimado por el procedimiento Pronósticos Automáticos es controlado por la caja de dialogo de Opciones del Análisis: 2006 por StatPoint, Inc. Pronósticos Automáticos - 3
4 Modelos Incluidos: Especifica el modelo que se debe estimar sobre los datos. Estos son los modelos de los cuales el mejor será seleccionado. La descripción de cada modelo puede encontrarse en la documentación de Pronósticos. Para varios modelos, opciones adicionales son proporcionadas: Modelo Walk Aleatorio Valida si se incluye constante para considerar un modelo que contenga una constante así como una sin constante. Modelo de Medias Móviles Seleccione el orden de valores máximo a considerar. Los modelos se estimarán a partir de 2 valores o más a través del número que se indique. ARIMA con términos AR Específica el orden máximo p de los términos autoregresivos en el modelo. ARIMA con términos MA Específica el orden máximo q de los términos de medias móviles en el modelo. Se puede elegir solo considerar modelos de la forma q = p 1. ARIMA con Diferenciación Específica el orden máximo de diferenciación d. Seleccione Incluir constante para considerar que el modelo incluya un termino constante cuando la diferenciación se desarrolla por StatPoint, Inc. Pronósticos Automáticos - 4
5 Criterio de Información: El criterio utilizado para seleccionar el mejor modelo. Transformación: Antes de ajustar un modelo, los datos pueden transformarse usando algunas de las operaciones indicadas. El procedimiento estima cada uno de los modelos seleccionados y selecciona el modelo que encuentra el valor más pequeño sobre la selección del criterio. Son tres criterios a elegir de: Criterio de Información Akaike El Criterio de Información Akaike (AIC) es calculado por 2c AIC = 2 ln( RMSE) + (1) n donde RMSE es la raíz del cuadrado medio del error durante el periodo de estimación, c es el número de coeficientes estimados en el modelo estimado, y n es el tamaño de muestral utilizado para estimar el modelo. Nótese que AIC es una función de la varianza de los residuos del modelo, penalizado por el número de parámetros estimados. En general, el modelo que será seleccionado minimiza el cuadrado medio del error sin usar también muchos coeficientes (relativo a la cantidad de datos disponibles). Criterio de Hannan-Quinn El Criterio Hannan Quinn (HQC) es calculado por 2 p ln ( ) ( ln( n) ) HQC = 2 ln RMSE + (2) n Este criterio utiliza diferentes penalizaciones para el número de parámetros estimados. Criterio de Información Schwarz-Bayesian El Criterio de Información Schwarz-Bayesian (SBIC) es calculado por ( n) p ln SBIC = 2 ln( RMSE) + (3) n Una vez más, la penalización para el número de parámetros estimados es diferente que para los otros criterios por StatPoint, Inc. Pronósticos Automáticos - 5
6 Resumen del Análisis La salida de Resumen del Análisis calcula un pronóstico estándar para cualquier modelo que tenga el valor más pequeño del criterio especificado. Pronósticos Automáticos - Traffic Datos/Variable: Traffic (Golden Gate Bridge Traffic Volume) Número de observaciones = 168 Indice Inicial = 1/68 Intervalo de Muestra = 1.0 mes(es) Longitud de la estacionalidad = 12 Resumen de Pronósticos Diferenciación no estacional de orden: 1 Diferenciación estacional de orden: 1 Modelo de pronóstico seleccionado: ARIMA(0,1,2)x(2,1,2)12 Número de pronósticos generados: 36 Número de periodos retenidos para validación: 24 Periodo de Periodo de Estadístico Estimación Validación RMSE MAE MAPE ME MPE Resumen de Modelo ARIMA Parámetro Estimado Error Estd. t Valor-P MA(1) MA(2) SAR(1) SAR(2) SMA(1) SMA(2) Pronóstico Histórico: sí Varianza estimada de ruido blanco = con 149 grados de libertad Desviación estándar estimada de ruido blanco = Número de iteraciones: 17 Al buscar en los modelos, el procedimiento intenta todos los modelos activados sobre la caja de dialogo de Opciones del Análisis. Nota: excepto para el Suavizamiento Exponencial Winter y los modelos ARIMA, los datos estaciónales primero serán ajustados estacionalmente antes de aplicar pronósticos por StatPoint, Inc. Pronósticos Automáticos - 6
7 Una vez que se generan los pronósticos, la estacionalidad se desarrolla de nuevo para crear los pronósticos finales. Para los datos Golden Gate Bridge, se selecciona el procedimiento con un modelo ARIMA (0,1,2)x(2,1,2)12. Note que todos los coeficientes del modelo son estadísticamente significativos. Como podemos apreciar en el grafico sobre la estimación y los pronósticos, los resultados son satisfactorios: Traffic Time Sequence Plot for Traffic ARIMA(0,1,2)x(2,1,2)12 actual forecast 95.0% limits /68 1/72 1/76 1/80 1/84 1/88 Comparación de Modelos El panel de Comparación de Modelos despliega información sobre los modelos que mejor se ajustan por cada tipo solicitado. La sección inferior resume los datos y listas de los modelos estimados: Comparación de Modelos Variable de datos: Traffic Número de observaciones = 168 Indice Inicial = 1/68 Intervalo de Muestra = 1.0 mes(es) Longitud de la estacionalidad = 12 Número de periodos retenidos para validación: 24 Modelos (A) Caminata aleatoria (B) Media constante = (C) Tendencia lineal = t (D) Tendencia cuadrática = t t^2 (E) Tendencia exponencial = exp( t) (F) tendencia curtva-s = exp( /t) (H) Suavización exponencial simple con alfa = (I) Suavización exp. De Brown con alfa = Ajuste matemático: Box-Cox con potencia = 0.0 y adendo = 0.0 (J) Suavización exp. De Holt con alfa = y beta = (K) Suavización exp. cuadrática de Brown con alfa = (L) Suavización exp. de Winter con alfa = , beta = 0.02, gama = 0.5 (M) ARIMA(0,1,2)x(2,1,2)12 (N) ARIMA(2,0,2)x(1,1,2)12 con constante (O) ARIMA(1,1,1)x(2,1,2)12 con constante (P) ARIMA(1,1,2)x(1,1,2)12 (Q) ARIMA(1,0,0)x(0,1,1)12 con constante 2006 por StatPoint, Inc. Pronósticos Automáticos - 7
8 Los cinco modelos ARIMA en la lista poseen el mejor ajuste, entre docenas que fueron estimadas. La siguiente sección resume el desarrollo de cada modelo durante la estimación del periodo: Periodo de Estimación Modelo RMSE MAE MAPE ME MPE AIC (A) (B) (C) (D) (E) (F) (G) (H) (I) (J) (K) (L) (M) (N) (O) (P) (Q) La ultima columna hacia la derecha muestral los valores del criterio seleccionado para cada uno de los modelos. En la muestra de los datos, el modelo ARIMA (2,0,1)x(2,1,1)12 (Modelo M) es el mejor, aunque otros modelo ARIMA diferentes son muy cercanos. La salida también demuestra que tan bien estuvo cada modelo durante el periodo de validación de los pronósticos con las observaciones que fueron retenidas para la estimación del proceso: Periodo de Validación Modelo RMSE MAE MAPE ME MPE (A) (B) (C) (D) (E) (F) (G) (H) (I) (J) (K) (L) (M) (N) (O) (P) (Q) por StatPoint, Inc. Pronósticos Automáticos - 8
9 El modelo ARIMA seleccionado posee un buen desarrollo, especialmente sobre MAPE con aproximadamente 1.2%, aunque podría cambiarse por otros modelos ARIMA con respecto a RMSE por StatPoint, Inc. Pronósticos Automáticos - 9
Series de Tiempo Suavización
Series de Tiempo Suavización Resumen El procedimiento de Suavización está diseñado para ayudar a ilustrar cualquier tendencia y ciclos presentes en una serie de tiempo. Una serie de tiempo consiste en
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesGrafico Cusum (Mascara-V)
Grafico Cusum (Mascara-V) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor objetivo. Esto lo hace, incorporando la
Más detallesEstadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5
Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.
Más detallesGráfico Arrhenius. Ejemplo StatFolio: arrhenius.sgp
Gráfico Arrhenius Resumen El procedimiento del Gráfico Arrhenius se diseña para dibujar datos de una prueba de vida acelerada en la cual se ha registrado los tiempos de falla y se estiman percentiles de
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesGráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp
Gráficos X-Bar y S Resumen El procedimiento Gráficos X-Bar y S crea gráficos de control para una simple variable numérica cuando los datos han sido recabados en subgrupos. Crea un Gráfico X-bar para monitorear
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detallesAjustando Curva SnapStat
STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable
Más detallesModelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Más detallesGráfico de Medias Móviles (MA)
Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en
Más detallesHerramientas para el Estudio de Mercado. Técnicas de Predicción.
Herramientas para el Estudio de Mercado Proyecciones Económicas Técnicas de Predicción. Profesor: Exaú Navarro Pérez Técnicas de Predicción. Introducción. Técnicas Elementales de Predicción. Modelo Econométrico.
Más detallesDiseño de Experimentos Diseños de un Solo Factor Categórico
Diseño de Experimentos Diseños de un Solo Factor Categórico Resumen La selección de Diseños de un Solo Factor Categórico sobre el menú de Crear un Diseño crea diseños experimentales para situaciones donde
Más detallesGráfico de Control T-Cuadrada Multivariada
Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesGuía breve de análisis de series temporales unidimensionales con Gretl
Guía breve de análisis de series temporales unidimensionales con Gretl 1. Pasos a seguir 1. Representación de la serie temporal (Variable Gráfico de series temporales). 2. Serie temporal no estacionaria
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
Más detallesHistogramas. Ejemplo StatFolio: histogram.sgp
s Resumen El ilustra la distribución de lo valores de una variable numérica agrupando los datos en intervalos y graficando barras en las cuales la altura es proporcional al numero de observaciones en cada
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesMétodo del Rango (Estudio del Calibrador Variables)
Método del Rango (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método del Rango calcula una estimación aproximada de la repetibilidad y reproducibilidad combinada para un sistema
Más detallesRegresión No Lineal. StatFolio de ejemplo: nonlinear reg.sgp
Regresión No Lineal Resumen El procedimiento Regresión No Lineal ajusta una función especificada por el usuario relacionando una sola variable dependiente Y con una o más variables independientes X. El
Más detallesINDICE. XV 1. Introducción a los pronósticos Actividad
INDICE Prefacio XV 1. Introducción a los pronósticos 1 Historia de los pronósticos La necesidad de pronosticar 2 Tipos de pronostico Pronóstico macroeconómico 4 Selección del método de pronostico 5 Pasos
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesPRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES MENSUALES CON LA METODOLOGÍA DE BOX-JENKINS
PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES MENSUALES CON LA METODOLOGÍA DE BOX-JENKINS Preparado por Dolores García Martos FICO GR 21 Guía para seleccionar el orden de un proceso autorregresivo
Más detallesDiseño de Experimentos Optimización de Múltiples Respuestas
Diseño de Experimentos Optimización de Múltiples Respuestas Resumen La selección de Optimización de Múltiples Respuestas sobre el menú DDE permite al experimentador determinar las configuraciones de los
Más detallesCURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO. Especificación de los modelos VAR
CURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO Especificación de los modelos VAR Modelos VAR es una extensión de un AR(p) Permiten un mejor entendimiento de la
Más detallesEjemplos de estudios de series de tiempo
1 Ejemplos de estudios de series de tiempo Ejemplo 1 Pasajeros Aerolíneas Internacionales (PAI) Este estudio está realizado sobre un famoso conjunto de datos mensuales, el número de pasajeros de aerolíneas
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesAnálisis de Series de Tiempo
CURSO REGIONAL SOBRE HOJA DE BALANCE DE ALIMENTOS, SERIES DE TIEMPO Y ANÁLISIS DE POLÍTICA MSc. Sandra Hernández sandra.hernandezro@gmail.com Sede Subregional de la CEPAL en México Ciudad de México, del
Más detallesEJC 22: METODOLOGÍA BOX JENKINS
EJC 22: METODOLOGÍA BOX JENKINS La publicación de G.P.E Box y G.M Jenkins Times Series Análisis: Forecasting and Control en la década de los 70 s generó un nuevo conjunto de herramientas de predicción,
Más detallesGráficos EWMA. Ejemplo StatFolio: ewmachart.sgp
Gráficos EWMA Resumen El procedimiento del Gráfico EWMA (Exponentially Weighted Moving Average - Promedios Móviles Exponencialmente Ponderados) construye un gráfico de control para una sola variable numérica
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesGráfico de Control de Aceptación
Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso
Más detallesInstructores: Dr. Martín A. Díaz Viera Dr. Ricardo Casar González
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Variográfico Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009 Contenido
Más detallesMANUAL DE USUARIO. FOR-TSM (Forecasting Time Series Models)
86 MANUAL DE USUARIO FOR-TSM (Forecasting Time Series Models) FOR-TSM (Forecasting Time Series Models) es una herramienta educativa que permite a los estudiantes de materias de las áreas de Administración
Más detallesExplicación de la tarea 8 Felipe Guerra
Pruebas de bondad de ajuste de χ 2 Explicación de la tarea 8 Felipe Guerra Las pruebas de bondad de ajuste corresponden a una comparación entre la distribución de una muestra aleatoria y una distribución
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesDiseño de Experimentos Diseños Factoriales Multinivel
Diseño de Experimentos Diseños Factoriales Multinivel STATGRAPHICS Rev. 9/14/2006 Resumen Los Diseños Factoriales Multinivel son usados para estudiar efectos con q factores cuantitativos. El usuario empieza
Más detallesMétodo del Rango y Promedio (Estudio del Calibrador - Variables)
STATGRAPHICS Rev. 9/14/006 Método del Rango y Promedio (Estudio del Calibrador - Variables) Resumen El Método del Rango y Promedio estima la repetibilidad y reproducibilidad de un sistema de medición basado
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesGráfico de Probabilidad Normal
Gráfico de Probabilidad Normal Resumen El Gráfico de Probabilidad Normal se usa para ayudar a juzgar si una muestra de datos numéricos proviene o no de una distribución normal. De no ser el caso, frecuentemente
Más detallesMétodo Analítico (Estudio del Calibrador Atributos)
Método Analítico (Estudio del Calibrador Atributos) STATGRAPHICS Rev. 9/4/2006 Resumen El Método Analítico estima la repetibilidad y sesgo de un sistema de medición donde las observaciones consisten de
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesTema: Análisis de valores faltantes con SPSS
Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible
Más detallesMétodo de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesAjustando Distribución (Datos Censurados)
Ajustando Distribución (Datos Censurados) STATGRAPHICS Rev. 9/14/2006 Resumen El procedimiento Ajustando Distribución (Datos Censurados) ajusta cualquiera de las 45 distribuciones de probabilidad a una
Más detallesPROGRAMA DE ASIGNATURA. CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado en Física Profesorado en Matemática
PROGRAMA DE ASIGNATURA ASIGNATURA: Probabilidad y Estadística Introducción a la Probabilidad y Estadísitica AÑO: 2012 CARÁCTER: Obligatoria CARRERA: Licenciatura en Ciencias de la Computación Profesorado
Más detallesGrafico de Cajas y Bigotes
Grafico de Cajas y Bigotes Resumen El procedimiento del Gráfico de Cajas y Bigotes crea un gráfico diseñado para ilustrar propiedades importantes de una columna de datos numérica. El primero en describirlo
Más detallesMínimos Cuadrados Parciales
Mínimos Cuadrados Parciales Resumen El procedimiento Mínimos Cuadrados Parciales (PLS Partial Least Squares) está diseñado para construir un modelo estadístico que relaciona múltiples variables independientes
Más detallesDiseño de Experimentos Diseños para Varios Factores Categóricos
Diseño de Experimentos Diseños para Varios Factores Categóricos Resumen La selección de Diseños para Varios Factores Categóricos sobre el menú Crear Diseño construye diseños experimentales para situaciones
Más detallesModelos de suavizado, aditivos y mixtos
Carmen Armero 1 de junio de 2011 Introducción Introducción Modelos lineales, LM Modelos aditivos, AM Modelos lineales generalizados, GLM GAM I Un modelo lineal generalizado (GAM) es un modelo lineal generalizado
Más detallesUniversidad Mariano Gálvez Ingeniería Electrónica Estadística inferencial. Presenta Dra. En Ing. Rita Victoria de León Ardón
Universidad Mariano Gálvez Ingeniería Electrónica Estadística inferencial Presenta Dra. En Ing. Rita Victoria de León Ardón Objetivo de la presentación Desarrollar el concepto de regresión múltiple y sus
Más detallesDIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS. Coordinador: M.F. Esperanza Sainz López
INSTITUTO TECNOLÓGICO AUTONOMO DE MÉXICO DIPLOMADO EN MODELOS ECONOMÉTRICOS DINÁMICOS Coordinador: M.F. Esperanza Sainz López Objetivo general: Presentar al alumno algunos modelos cuya estructura dinámica
Más detallesCAPÍTULO 2: PRODUCTOS Y DEMANDAS. en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar
CAPÍTULO 2: PRODUCTOS Y DEMANDAS. En el primer capítulo de este proyecto se expusieron los productos que se fabrican en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar
Más detallesDiseño de Experimentos Diseño de Componentes de la Varianza
Diseño de Experimentos Diseño de Componentes de la Varianza Resumen La selección del Diseño de Componentes de la Varianza sobre el menú Crear Diseño construye experimentos diseñados para cuantificar la
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas Semanas 72.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 19 de noviembre de 2008 INFERENCIA
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesCURSO DE METODOLOGIA DE LA INVESTIGACION
CURSO DE METODOLOGIA DE LA INVESTIGACION Dr. Iván Espinoza Salvadó Profesor Titular III Unidad de Investigación Científica Facultad de Ciencias Médicas. MUESTREO Universo: Conjunto de individuos u objetos
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso
Índice general 7. Análisis de variables temporales 3 7.1. Conceptos generales....................................... 3 7.2. Análisis de una serie temporal con Statgraphics........................ 4 7.2.1.
Más detallesSílabo de Estadística II
Sílabo de Estadística II I. Datos Generales Código Carácter A0176 Obligatorio Créditos 4 Periodo Académico 2017 Prerrequisito Estadística I Horas Teóricas: 2 Prácticas: 2 II. Sumilla de la asignatura La
Más detallesGráficos de Probabilidad
Gráficos de Probabilidad Resumen El procedimiento Gráficos de Probabilidad grafica los datos de una sola columna numérica en gráficas con una escala específica tal que, si los datos provienen de una distribución
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesMétodo ANOVA (Estudio del Calibrador Variables)
Método ANOVA (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método ANOVA estima la repetibilidad y reproducibilidad de un sistema de medición basándose sobre un estudio en el
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesCorrelaciones Canónicas
STATGRAPHICS Rev. 9/14/006 Correlaciones Canónicas Resumen El procedimiento Correlaciones Canónicas esta diseñado para ayudar a identificar asociaciones entre dos conjuntos de variables. Esto lo hace encontrando
Más detallesIntroducción a las series de tiempo
Introducción a las series de tiempo Dr. Francisco Javier Tapia Moreno Noviembre 07 de 2016. Número de unidades producidas Lo que debo hacer con mi serie temporal. 1. Graficar la serie original completa
Más detallesSTATGRAPHICS genera tres tipos de planes de muestreo de aceptación:
Muestreo de Aceptación (Variables) Cuando los lotes contienen un número relativamente grande de artículos que requieren la inspección, los planes de muestreo de aceptación pueden proporcionar la protección
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada
Más detallesPronóstico. Pronósticos. Factores Controlables. Porqué? Objetivo. Factores Incontrolables
2 Pronóstico Pronósticos Es una estimación cuantitativa o cualitativa de uno o varios factores (variables) que conforman un evento futuro, con base en información actual o del pasado Administración de
Más detallesAnálisis Estadístico con Stata. Validación, Pronóstico y Estimación con Programación Matricial (Mata)
Entrenamiento Especializado Análisis Estadístico con Stata. Validación, Pronóstico y Estimación con Programación Matricial (Mata) Descripción Entrenamiento especializado presencial con repaso conceptual
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesMétodo Teoría de la Señal (Estudio del Calibrador Atributos)
Método Teoría de la Señal (Estudio del Calibrador Atributos) Resumen El Método Teoría de la Señal cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos en
Más detallesGEOESTADÍSTICA STICA APLICADA. Tema: Análisis Estructural UNIVERSIDAD NACIONAL AUTÓNOMA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICOM GEOESTADÍSTICA STICA APLICADA Tema: Análisis Estructural Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesGráfico Múltiple de Caja y Bigotes
Gráfico Múltiple de Caa y Bigotes Resumen El procedimiento Gráfico Múltiple de Caa y Bigotes crea un gráfico diseñado para ilustrar Características importantes de una columna de datos numéricos cuando
Más detallesRegresión. Instituto Tecnológico de Ciudad Victoria Maestría en Ciencias en Biología Sesión de Cómputo. Modelo I
Regresión La regresión lineal estima la relación de una variable con respecto a otra, por medio de la expresión de una variable en términos de una función lineal de otra variable. Existen dos modelos de
Más detallesModelos de Series de Tiempo
UNIVERSIDAD AUTONOMA DEL ESTADO DE MÉXICO FACULTAD DE PLANEACIÓN URBANA Y REGIONAL ESTADÍSTICA II Modelos de Series de Tiempo POR: LUIS CONRADO TOLEDO VEGA FECHA DE ELABORACIÓN: 1ra quincena de Marzo de
Más detallesDIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS
DIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS Modulo tercero (integración). Clave de asignatura LC 735 PROFESOR: C.P. DAVID ARREDONDO ALCANTAR 1.- PRONOSTICOS 1.3.- Tipos de pronósticos. Los pronósticos
Más detallesCurso de nivelación Estadística y Matemática
Modelo de Curso de nivelación Estadística y Matemática Pruebas de hipótesis, y Modelos ARIMA Programa Técnico en Riesgo, 2017 Agenda Modelo de 1 2 Asociación Medidas de asociación para variables intervalo
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores
Más detalles5. Estimación del Modelo y Resultados
5. Estimación del Modelo y Resultados 5.1. Forma reducida del modelo Como no se tienen datos sobre la tasa natural de desempleo, es necesario hacer una forma reducida del modelo para poder estimarlo utilizando
Más detallesTRATAMIENTO DE DATOS CON MS EXCEL. Modulo 2
TRATAMIENTO DE DATOS CON MS EXCEL. Modulo 2 CONTENIDO CONCEPTOS PRELIMINARES COMPONENTE ESTACIONAL MÉTODO DE LOS PROMEDIOS MÉTODO ARIMA CENSUS X 12 COMPONENTE DE TENDENCIA COMPONENTE CICLICO CONCEPTOS
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesCapítulo IV CASO DE APLICACIÓN
Capítulo IV CASO DE APLICACIÓN 4.1 Los clientes actuales más representativos La empresa ABC ha clasificado a sus clientes por el tipo de actividad y para guardar la confidencialidad de los mismos, se los
Más detallesCómo redactar el reporte.
Cómo redactar el reporte. Dr. Francisco Javier Tapia Moreno Noviembre 17 de 2015. I. Introducción. En los primeros párrafos de la introducción, se define y se desglosa la ruta temática de la serie elegida.
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesAnálisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Análisis Estadístico en Simulaciones UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En una simulación las variables aleatorias son la entrada para
Más detalles