proyecciones estadísticas final
TRANSCRIPT
Proyecciones Estadísticas
Rodrigo CameloGustavo RosilloGermán Ortiz
Universidad Externado de ColombiaFacultad de Administración de EmpresasEspecialización en Gerencia (Promoción 29)Formulación y Evaluación de Proyectos
Agenda
Definiciones
¿Por qué es necesario?
Objetivos
Tipos de métodos
Selección del método
Metodología
Tipos de Pronóstico
Software de análisis estadístico SPSS
Definiciones
Métodos de predicción en los que, partiendo de determinadas series de datos, se formula una “proyección” a futuro con el objetivo de evaluar la ocurrencia probable de cualquier acontecimiento o el desarrollo de una tendencia.
En la empresa, se refieren a la estimación anticipada del valor de una variable, por ejemplo: la demanda de un producto.
¿Por qué son necesarias?
Cualquier organización, grande y pequeña, pública y privada debe planear como enfrentar las condiciones futuras de las cuales tiene un conocimiento imperfecto.
Factores
La competencia se hizo más cerrada en muchas áreas,
La actividad gubernamental se intensifico en todos los niveles,
Los cambios en el mundo.
Objetivo
Predecir el desarrollo futuro de un sistema para ayudar a la toma de decisiones (de planificación) sobre medidas de apoyo, contramedidas u otras acciones que influyan sobre la tendencia del objeto planificado.
Tipos de métodos
Según el plazo:
Largo plazo Corto plazo
Según el nivel:
Micro Macro
Cuantitativos
Extrapolación Pronóstico de tendencias
Cualitativos
Método Delphi Técnicas de Escenario
Tipos de métodos
Métodos descriptivos
Pronóstico de tendencias
Métodos de exploración
Pronóstico de Statu-quo Modelos de Simulación
TIPOS DE METODOSTipos de métodos
Selección del método
NivelMicro o Macro
Tiempo de aplicaciónCorto o Largo plazo
Tipo especificoCualitativos o Cuantitativos
Relación Costo - Beneficio
Metodología
1. Recopilación de datos
2. Reducción o condensación de datos
3. Construcción del modelo
4. Extrapolación del modelo
Tipos de pronóstico
FUNCIÓN
Económicos. Tecnológicos. Demanda de Producto.
TIEMPO
Corto plazo : 0 – 3 meses : Compras, asignación de tareas y niveles de producción.
Mediano plazo : 3 meses – 3 años : Planificación de ventas y Producción , Presupuesto de efectivo.
Largo plazo : 3 – 5 años : Investigación y desarrollo, Expansión , Planeación de nuevos productos.
Tipos de pronóstico
CUANTITATIVO Toma en cuenta la
intuición, experiencias personales, conocimiento de mercado, no emplea datos históricos en la utilización de modelos matemáticos.
Opinión de Jurado de Ejecutivos, Consultores gerenciales y gerentes de alto nivel. Discuten y se ponen de acuerdo en el pronóstico.
Composición de la Fuerza de Ventas.
Basado en las estimaciones de la fuerza de venta.
Encuesta de mercado.
Se utiliza la entrevista , el cuestionario a clientes a cerca de sus planes futuros de compra.
CUALITATIVO Se refieren a procesos mecánicos
que dan como resultado datos matemáticos, hay información de la variable que se esta estudiando, se puede cuantificar, se presupone que se respetara los comportamientos pasados de las variables.
El procedimiento de pronóstico se conoce como método de serie de tiempo. Con ellos se busca en los datos históricos un patrón y luego extrapolarlo hacia el futuro.
▪ Promedio móvil.▪ Promedio móvil
ponderado.▪ Suavización exponencial.▪ Regresión.
Tipos de pronósticoUsa el promedio de los n periodos mas recientes donde n es el número de periodo u orden a considerar ya sea 3, 4 , 5, 6
Se escoge la demanda más reciente y olvidamos la más antigua a lo largo de la demanda.
PM = ∑ de los datos / (n) sobre la cantidad de datos Ejemplo :Dada la siguiente demanda histórica : Semana Demanda 1 22 2 21 3 25 4 27 5 35
Halle el pronóstico para la siguiente semana.
35 + 27 + 25 + 21F(5 +1) =F(6) = ---------------------------- = 27 unidades 4
F(t+1) = W1Dt + W2 D(T-1) +...+ Wn D(t-n+1)con la condición de que suma de los pesos = 1 Donde
F(t+1) = pronóstico para el próximo periodoW1 = mayor pesoW2 = segundo mayor pesoW3 = peso menorDt =demanda actualD(t-1) = demanda pasadan = orden Ejemplo
W1 =.5W2 =.3W3 =.2
F(t+1) = W1Dt + W2 D(T-1) +...+ Wn D(t-n+1)F(3+1) = F(4)=.5(25) + .3(21) + .2(22) = 24
UNIDADESF(4+1) = F(5)=.5(27) + .3(25 ) + .2(21 ) = 26
UNIDADESF(5+1) = F(6)=.5(35) + .3(27) + .2(25) = 31
UNIDADES
SUAVIZACION EXPONENCIAL
Es un pronóstico ponderado que permite hacer pronóstico para el próximo periodo usando pocos datos.
F(t+1) = (alfa)(D(t)) + (1-alfa ) F(t)
donde: alfa es un factor de peso entre 0 y 1
F(t) = pronóstico actual D(t) = demanda actual F(t+1) = pronóstico para el próximo
periodo Dado que alfa sea .4
Halle el pronóstico para todos los periodos 2 y 3 dado que el pronóstico para el periodo actual sea de 20 unidades.
F (1+1) =F(2)= (.4)(22) + (1-.4)(20) = 21 und.
F (2+1) = F(3) =(.4)(21) + (1-.4)(21) = 21 und
REGRESION
La regresión es una técnica estadística utilizada para simular la relación existente entre dos o más variables. Por lo tanto se puede emplear para construir un modelo que permita predecir el comportamiento de una variable dada.
Diagrama De Dispersión
La primera forma de describir una distribución bivariante es representar los pares de valores en el plano cartesiano. El gráfico obtenido recibe el nombre de nube de puntos o diagrama de dispersión.
Tipos de pronóstico
Línea De Tendencia
La línea de tendencia es la herramienta básica más importante con la que cuenta el analista técnico. Es una gráfico uniendo con una misma pendiente series sucesivas de puntos mínimos (línea de tendencia alcista) o de puntos máximos (línea de tendencia bajista). Sirve para determinar en primer lugar la dirección del mercado y establecer sus objetivos de proyección, marca los niveles de soporte o de resistencia que están proyectando los precios. La ruptura de una línea de tendencia al alza o la baja es una de las señales que confirma un cambio en la dirección de los precios. Según sea la dispersión de los datos (nube de puntos) en el plano cartesiano, pueden darse alguna de las siguientes relaciones, Lineal, Logarítmica, Exponencial, Cuadrática, entre otras.
Tipos de pronóstico
Una recta viene definida por la siguiente fórmula:
y = a + bxDonde "y" sería la variable dependiente, es decir, aquella que viene definida a partir de la otra variable "x" (variable independiente). Para definir la recta hay que determinar los valores de los parámetros "a" y "b":
El parámetro "a" es el valor que toma la variable dependiente "y", cuando la variable independiente "x" vale 0, y es el punto donde la recta cruza el eje vertical.
El parámetro "b" determina la pendiente de la recta, su grado de
Modelo MatemáticoLlamado también ajuste de curvas es una ecuación dada en un gráfico, dependiendo del grado de correlación que más se ajuste al conjunto de datos.
AJUSTE LINEAL: Y=BX+AAJUSTE LOGARITMICO: Y=B Ln X+AAJUSTE EXPONENCIAL: Y=AC BX
AJUSTE PARABOLICO, CUADRATICO O POLINOMIAL: Y= AX2 + BX + A
Tipos de pronóstico
REGRESION (V)
El parámetro "a" viene determinado por:
a = ym - (b * xm)
Es la media de la variable "y", menos la media de la variable "x" multiplicada por el parámetro "b" que hemos calculado.
Ejemplo: vamos a calcular la recta de regresión de la siguiente serie de datos de altura y peso de los alumnos de una clase. Vamos a considerar que la altura es la variable independiente "x" y que el peso es la variable dependiente "y" (podíamos hacerlo también al contrario):
Alumno Estatura Peso Alumno Estatura Peso Alumno Estatura Peso x x x x x x x x x
Alumno 1 1,25 32 Alumno 11 1,25 33 Alumno 21 1,25 33 Alumno 2 1,28 33 Alumno 12 1,28 35 Alumno 22 1,28 34 Alumno 3 1,27 34 Alumno 13 1,27 34 Alumno 23 1,27 34 Alumno 4 1,21 30 Alumno 14 1,21 30 Alumno 24 1,21 31 Alumno 5 1,22 32 Alumno 15 1,22 33 Alumno 25 1,22 32 Alumno 6 1,29 35 Alumno 16 1,29 34 Alumno 26 1,29 34 Alumno 7 1,30 34 Alumno 17 1,30 35 Alumno 27 1,30 34 Alumno 8 1,24 32 Alumno 18 1,24 32 Alumno 28 1,24 31 Alumno 9 1,27 32 Alumno 19 1,27 33 Alumno 29 1,27 35
Alumno 10 1,29 35 Alumno 20 1,29 33 Alumno 30 1,29 34
Tipos de pronóstico
Estatura Peso x x
1,20 30,6 1,21 31,0 1,22 31,4 1,23 31,8 1,24 32,2 1,25 32,6 1,26 33,0 1,27 33,4 1,28 33,8 1,29 34,2 1,30 34,6
El parámetro "b" viene determinado por:
b = (1/30) * 1,034 /(1/30) * 0,00856 = 40,265 Y el parámetro "a" por:
a = 33,1 - (40,265 * 1,262) = -17,714
Por lo tanto, la recta que mejor se ajusta a esta serie de datos es:
y = a + bx
y = -17,714 + (40,265 * x)
Esta recta define un valor de la variable dependiente (peso), para cada valor de la variable independiente (estatura):
Medida De La Correlación
La apreciación visual de la existencia de correlación no es suficiente. Usaremos un parámetro, llamado coeficiente de correlación que denotaremos con la letra r, que nos permite valorar si ésta es fuerte o débil, positiva o negativa.
Destacaremos una de sus propiedades-1 < r < 1
Perfecta [r]=1Excelente 0.9 <=[r]<=1Regular 0.5<=[r]<0.8Mala [r]<0.5
Tipos de pronóstico
Software de análisis estadístico SPSS
SPSS corresponden a las iníciales de Statistical Package for the Social Sciences (Paquete Estadístico para las Ciencias Sociales),
Se trata de un software utilizado por empresas con el objeto de brindar herramientas relacionadas directamente con el control numerológico.
Algunas aplicaciones: Captura toda la información que necesita sobre las actitudes y
opiniones Predecir los resultados de las interacciones antes de que
ocurran Incorporación de los resultados analíticos en los procesos de
negocio
Nos ayudan a visualizar tendencias que de otras maneras sería imposible o muy difícil recopilarlas.
El programa presenta un gran número de ventanas desde las que, por un lado, se gestiona la introducción de datos y se deciden los análisis a realizar y, por otro lado, se accede a distintos aspectos de la manipulación de los resultados generados.
Tiene todas las opciones y herramientas de interfaz gráfica propias de la materia estadística tales como archivos de creación de gráficos torta, gráficos lineales, gráficos verticales, etc.
Tiene implementados un elevadísimo número de análisis estadísticos.
Características
¿Para qué sirve? Reducción de datos: Permite crear variables sintéticas a partir de variables colineales por
medio del Análisis Factorial.
Clasificación: Permite realizar agrupaciones de observaciones o de variables mediante tres algoritmos distintos.
Pruebas no paramétricas: Permite realizar distintas pruebas estadísticas especializadas en distribuciones no normales.
Tablas: Permite al usuario dar un formato especial a las salidas de los datos para su uso posterior.
Tendencias.
Categorías: Permite realizar análisis multivariados de variables. También se pueden usar variables métricas siempre que se realice el proceso de re codificación adecuado de las mismas.
Análisis Conjunto: Permite realizar el análisis de datos recogidos para este tipo especifico de pruebas estadísticas.
Mapas: Permite la representación geográfica de la información contenida en un fichero.
Pruebas Exactas: permite realizar pruebas estadísticas en muestras pequeñas.
Análisis de Valores Perdidos: Regresión simple basada en imputaciones sobre los valores ausentes.
Muestras Complejas: permite trabajar para la creación de muestras estratificadas, por conglomerados u otros tipos de muestras.
SamplePower : Cálculo de tamaños muestrales)
Árboles de Clasificación: Permite formular árboles de clasificación y/o decisión con lo cual se puede identificar la conformación de grupos y predecir la conducta de sus miembros.
Validación de Datos: Permite al usuario realizar revisiones lógicas de la información contenida en un fichero y obtener reportes de los valores considerados extraños. Es similar al uso de sintaxis o scripts para realizar revisiones de los ficheros.
¿Para qué sirve?
Gracias !!!