patrones de datos en la serie de tiempos i

1© Martín Soto-Córdova, 2013

Curso: PRONOSTICO DE NEGOCIOS

Tema: Patrones de Datos en la Serie de Tiempos

Lima, 25-02-13

Facultad de Administración y Negocios (FAyN)

2© Martín Soto-Córdova, 2013

Métodos de Pronósticos

3© Martín Soto-Córdova, 2013

Clasificación

Los métodos de pronósticos de uso más frecuente pueden clasificarse en dos grandes grupos:

Las técnicas cualitativas: Cuando los datos son escasos. Criterio de la persona y ciertas relaciones para transformar información cualitativa en

estimados cuantitativos. Ejem. Introducción de un producto nuevo al mercado.

Las técnicas cuantitativas: hacen uso de información histórica. Condiciones: info del pasado, cuantificable en forma de datos, supone que se repetirá el Ǝ

patrón (más probable a corto plazo).

CUALITATIVOS CUANTITATIVOS

Método Delphi Estudios de Mercados Consenso de un Panel Pronóstico Visionario Analogía Histórica

Análisis de series de tiempo Modelos causales

Métodos de Suavización Descomposición de Series de

Tiempo Metodología Box - Jenkins

Modelos de Regresión Modelos Econométricos Encuestas de intenciones de

compra y anticipaciones Modelos de Insumo Producto

4© Martín Soto-Córdova, 2013

Métodos de Análisis de Series de Tiempo

Generalmente no pueden predecir cuando la tasa de crecimiento de una tendencia variará significativamente.

Estos puntos de cambio poseen amplio interés para el administrador.

Utilización cuando se dispone de datos sobre un producto o una línea de productos y cuando las relaciones y tendencias son claras y relativamente estables.

Objetivo: Descubrir el patrón subyacente en la serie de datos históricos y extrapolar ese patrón al futuro.

Serie de tiempo: Conjunto ordenado de observaciones cuantitativas tomadas en puntos sucesivos en el tiempo.

Tiempo: Variable independiente.

Análisis <> Encontrar el patrón del pasado y proyectarlo al futuro.

5© Martín Soto-Córdova, 2013

Selección del método apropiado para hacer un análisis de una serie de tiempo

Considerar los diferentes patrones que puede seguir una serie de tiempo.

Hay 4 patrones básicos que son:

Horizontal Tendencia

(o estacionario)

Ventas

Tiempo

Los datos fluctúan alrededor de un valor constante

Hay aumento o disminución a largo plazo en los datos. Ejemplo: ventas, PBI, …

6© Martín Soto-Córdova, 2013

Ventas

Tiempo Tiempo

Fluctuaciones periódicas debido a factores físicos, económicos o de mercadotecnia. Ejemplo: Trajes de baño, regalos.

Fluctuaciones que no se presentan con período fijo, debido a fluctuaciones económicas a largo plazo y a factores políticos.

Estacional Cíclico

200

400

600

800

1000

85 86 87 88 89 90 91 92

VENTAS TENDENCIA

7© Martín Soto-Córdova, 2013

100

200

300

400

500

60 65 70 75 80 85 90

VENTASCICLOTENDENCIA

Series con varios patrones>

8© Martín Soto-Córdova, 2013

Exploración de Datos

Los patrones de datos que incluyen componentes como tendencia, estacionalidad e irregularidad se pueden estudiar usando el enfoque del análisis de autocorrelación.

Medición de una variable a través del tiempo: Coeficiente de autocorrelación.

Autocorrelación: Es la correlación entre una variable desfasada uno o más periodos y la misma variable.

El coeficiente de correlación mide el grado al cual se relacionan en forma linealdos variables entre si.

Relación neg. perfecta: r= -1Sin correlación: r= 0Relación pos. perfecta: r= 1

9© Martín Soto-Córdova, 2013

Para otros grados:

10© Martín Soto-Córdova, 2013

Una forma de saber si la serie tiene Tendencia, Estacionalidad, es una serie Aleatoria o una serie Estacionaria es mediante la observación del Correlograma.

Correlograma: gráfica que muestra los coeficientes de autocorrelación de la serie

11© Martín Soto-Córdova, 2013

TENDENCIA

Si la serie tiene Tendencia los coeficientes de autocorrelación son significativamente distintos de cero en los primeros rezagos y caen gradualmente a cero.

0

10000

20000

30000

40000

50000

55 60 65 70 75 80 85

SEARS

12© Martín Soto-Córdova, 2013

Ejemplo

Se cuenta con datos sobre ventas de un producto del año anterior:

13© Martín Soto-Córdova, 2013

Se desfasan Datos autocorrelacionados:

14© Martín Soto-Córdova, 2013

Cálculo del coeficiente de autocorrelación de 1er. Orden: r1

15© Martín Soto-Córdova, 2013

Cálculo del coeficiente de autocorrelación de 2do. Orden: r2

16© Martín Soto-Córdova, 2013

Selección de técnica de pronóstico

Porqué se requiere?

Quién utilizará?

Cuáles son las características de los datos?

Qué espacio de tiempo se pronosticará?

Cuáles son los requerimientos mínimos?

Cuál es la precisión deseada?

Costo del pronóstico?

17© Martín Soto-Córdova, 2013

En una compañía, X representa el núrnero de cursos de capacitación en ventas tomados e Y representa el número de días sin yenta por mes, de los cinco vendedores.Determine la relación que hay entre estos datos.

La Correlación

Vendedor Dias sin ventas(Y)

Cursos(X)

18© Martín Soto-Córdova, 2013

Estos productos cruzados son de interés ya que la media de estos valores corresponde al coeficiente de correlación.

Resultados parciales:

19© Martín Soto-Córdova, 2013

20© Martín Soto-Córdova, 2013

El supervisor de mantenimiento del Hotel Meliá, desea determinar si existe una relación positiva entre el costo anual de mantenimiento de un automóvil y su antiguedad.Si existiera una relación, piensa que puede hacer un mejor trabajo de predicción del presupuesto anual de mantenimiento de éstos. Para ello, reune los siguientes datos:

Automóvil Costo de mantenimiento (US $), y

Antigüedad (años), x

Calcule el coeficiente de correlación