Está en la página 1de 5

MODELO DE REGRESIN LINEAL

El anlisis de regresin es una de las tcnicas estadsticas la cual se utiliza en la


investigacin al relacionar entre dos o ms variables, una de sus utilizaciones est
en la construccin de modelos que permitan predecir el comportamiento de una
variable Y (dependiente, respuesta) en funcin de una o ms variables
(independientes, predictivas) X.
El comportamiento de estas variables suelen definirse de manera previa lo que
nos remite a un modelo terico, o bien, se tiene el caso de que no exista una
relacin establecida entre estas y sea necesario establecer una primera
aproximacin del comportamiento de las mismas.
Lo anterior se puede lograr usando una herramienta grfica denominada diagrama
de dispersin lo que nos conducira a desarrollar un modelo emprico de la
relacin que mantienen las variables en estudio.
Ventajas

Es objetivo, solo depende de los resultados experimentales.


Es reproducible, proporciona la misma ecuacin no importa de quien
realice el anlisis.
Proporciona una estimacin probabilstica de la ecuacin que
representa a unos datos experimentales.
Proporciona intervalos pequeos de error.

Restricciones

Solo sirve para ajustar modelos lineales

Requiere tener al menos diez mediciones bajo las mismas


circunstancias experimentales.

Se requiere de algn equipo de clculo, de lo contrario, es muy


engorroso el procesamiento de la informacin.
Establece la relacin temporal para la variable de pronstico, implica una relacin
causa-efecto.
La ecuacin general es: Y= + x
Y = Variable dependiente = La altura de la recta.
= La pendiente de la recta
x = Variable independiente.

MODELO DE PROMEDIO MVIL


El Promedio Mvil o PM es el indicador ms utilizado en anlisis tcnico, ya que
es uno de los indicadores experimentados ms antiguos que existen. La utilizacin
de un promedio mvil muestra la direccin y la duracin de una tendencia; el
propsito de un promedio mvil es el de ilustrar la tendencia, de una manera ms
suavizada. Debido al hecho que el promedio mvil es uno de los indicadores ms
verstiles y de mayor uso dentro de todos los indicadores, es la base del diseo
de la mayora de sistemas y estrategias utilizados hoy en da.
Un promedio mvil simple o aritmtico es calculado como la suma de un nmero
predeterminado de precios por un cierto nmero de perodos de tiempo, dividido
por el nmero de perodos de tiempo. El resultado es el precio promedio en dicho
perodo de tiempo. Los promedios mviles simples emplean la misma ponderacin
para los precios. Es calculado usando la siguiente frmula:
Promedio Mvil Simple = SUMA (precios de cierre) / n, donde n es el nmero de
perodos.
Un ejemplo de promedio mvil es el precio promedio del mercado en cierto
perodo de tiempo.
Se describen algunas de las propiedades ms comunes de los promedios mviles:

El promedio mvil es calculado con cierto perodo de tiempo


predefinido.

Mientras ms corto el perodo, mayor la probabilidad de una seal


falsa.

Mientras ms largo el perodo, menor es la sensibilidad del promedio


mvil. Es decir, ms certera pero existirn menos seales.

Como su mismo nombre lo implica, un promedio mvil es un promedio de un


cuerpo cambiante de data.
Por ejemplo, un promedio mvil de 50 perodos, utilizado al cierre, es constituido
por la sumatoria de los precios de cierre de los ltimos 50 perodos, dividido por
50.
Se le designa promedio MVIL, por que nicamente los ltimos perodos son los
evaluados, es decir, son los que estn siendo utilizados para calcular los
resultados. Y de esa manera, los datos siendo evaluados se mueven hacia
adelante con cada da (o perodo) que avanza.
El anlisis de promedios mviles puede ser realizado a cualquiera de los
siguientes diferentes tipos de precio

Precio de Apertura:
El anlisis del perodo se hace en base el precio de apertura de cada cuerpo.
Precio de Cierre:
El anlisis del perodo se hace en base el precio de cierre de cada cuerpo.
Precio ms Alto:
El anlisis del perodo se hace en base el precio ms alto de cada cuerpo.
Precio ms Bajo:
El anlisis del perodo se hace en base el precio ms bajo de cada cuerpo.
Precio Medio:
El anlisis del perodo se hace en base el precio medio de cada cuerpo.
Precio Medio = (Precio Alto + Precio Bajo) / 2
Precio Tpico:
El precio tpico del perodo es calculado de la siguiente forma:
Precio Tpico = (Precio Alto + Precio Bajo + Precio Cierre) / 3
Precio Ponderado:
El precio ponderado del perodo es calculado de la siguiente forma:
Precio Ponderado = (Precio Alto + Precio Bajo + Precio Cierre + Precio Cierre) / 4

SUAVIZACIN EXPONENCIAL
El mtodo de suavizacin exponencial es un mtodo de promedio mvil
ponderado muy refinado que permite calcular el promedio de una serie de tiempo,
asignando a las demandas recientes mayor ponderacin que a las demandas
anteriores.
Es el mtodo de pronstico formal que se usa ms a menudo, por su simplicidad y
por la reducida cantidad de datos que requiere. A diferencia del mtodo de
promedio mvil ponderado, que requiere n periodos de demanda pretrita y n
ponderaciones, la suavizacin exponencial requiere solamente tres tipos de datos:
el pronstico del ltimo periodo, la demanda de ese periodo y un parmetro
suavizador, alfa, cuyo valor flucta entre 0 y 1.0. Para elaborar un pronstico con
suavizacin exponencial, ser suficiente que calculemos un promedio ponderado
de la demanda ms reciente y el pronstico calculado para el ltimo periodo.
En la suavizacin exponencial se asignan pesos a los datos pasados tal que los
pesos disminuyen al hacerse los datos ms antiguos, esto es que en un proceso
cambiante, esto es que los datos recientes son ms validos que los datos
antiguos.
Este mtodo solo necesita el pronstico ms reciente, una constante de
suavizacin (es un valor arbitrario entre 0 y 1) y el ltimo dato real, y as se elimina
la necesidad de almacenar grandes cantidades de datos pasados.
La suavizacin exponencial requiere un valor de inicio. Si se tienen datos
disponibles se puede emplear un promedio sencillo para iniciar el proceso; si los
datos no son seguros se puede hacer una prediccin subjetiva.
La ecuacin correspondiente a este pronstico es:
Ft+1= (demanda para este periodo) + (1-)(pronstico calculado para el ltimo
periodo)
Ft+1= Dt + (1-)Ft
La siguiente ecuacin es equivalente :
Ft+1= Ft + (Dt-Ft)
La constante de suavizacin a es un nmero entre 0 y 1 que entra multiplicando
en cada pronstico, pero cuya influencia declina exponencialmente al volverse
antiguos los datos.
na a baja de ms ponderacin a los datos histricos. Una a de 1 refleja una ajuste
total a la demanda reciente, y los pronsticos sern las demandas reales de los
periodos anteriores.

La seleccin depende de las caractersticas de la demanda. Los valores altos de a


son ms sensibles a las fluctuaciones en la demanda.
Los valores bajos de a son ms apropiados para demandas relativamente estables
(sin tendencia o ciclicidad), pero con una gran cantidad de variacin aleatoria.
La suavizacin exponencial simple es un promedio suavizado centrado en el
periodo presente. No se puede extrapolar para efectos de tendencia, por la que
ningn valor de a compensar completamente la tendencia en los datos.
Los valores ordinarios de a varan entre 0.01 y 0.40. Los valores bajos de a
disminuyen efectivamente la variacin aleatoria (ruido - dispersin).
Los valores altos son ms sensibles a cambios en la demanda (introducciones de
nuevos productos y error buscando cul valor reduce el error del pronstico.
Esto puede hacerse fcilmente modelando el pronstico en un programa de
cmputo, tratando con diferentes valores de a.
Un valor de a que proporcione aproximadamente un grado equivalente de
suavizacin tanto como un promedio mvil de un periodo es a =2 / (n + 1)
Esta forma de la ecuacin muestra que el pronstico para el periodo siguiente es
igual al pronstico del periodo actual ms una proporcin del error del pronstico
correspondiente al mismo periodo actual.
Para poner en marcha la suavizacin exponencial se requiere un pronstico inicial.
Hay dos formas de realizar este pronstico inicial: Usar la demanda del ltimo
periodo, o bien, se dispone de datos histricos, calcular el promedio de varios
periodos recientes de demanda. El efecto de la estimacin inicial del promedio
sobre las estimaciones sucesivas del mismo disminuye a lo largo del tiempo
porque, con la suavizacin exponencial, las ponderaciones asignadas a las
demandas histricas sucesivas, que se utilizan para calcular el promedio,
disminuyen exponencialmente.