PREDICCIÓN DE SERIES DE TIEMPO

Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer

planes para el futuro si ha de sobrevivir y progresar. Hoy en día diversas
instituciones requieren conocer el comportamiento futuro de ciertos fenómenos
con el fin de planificar, prever o prevenir

La planificación racional exige prever los sucesos del futuro que probablemente
vayan a ocurrir. la previsión, a su vez, se suele basar en lo que ha ocurrido en el
pasado. se tiene pues un nuevo tipo de inferencia estadística que se hace acerca
del futuro de alguna variable o compuesto de variables basándose en sucesos
pasados. La técnica más importante para hacer inferencias sobre el futuro con
base en lo ocurrido en el pasado, es el análisis de series de tiempo

A continuación se mostrara una breve guía sobre como implementar la

herramienta Forecasting and Linear Regression, que se encuentra incluida en el
paquete del software WinQSB.

EJEMPLO

La información suministrada por el Departamento de Estadísticas de la ciudad, el

número de carros que transitaron en los últimos 7 años fueron:
Año 1: 1 200 000
Año 2: 1 500 000
Año 3: 1 850 000
Año 4: 1 915 000
Año 5: 2 400 000
Año 6: 2 750 000
Año 7: 2 920 000

SOLUCION

 Introduciendo los Datos

Procederemos a llenar los campos de la ventana, en donde la unidad de tiempo

esta dado en años y el número de datos disponibles son 7.
Luego introducimos los datos de los vehículos en estricto orden:

En el caso de que queramos eliminar o

agregar nuevos datos, tenemos las opciones
Agregar una observación (Add an
Observation) y Eliminar una observación
(Delete an Observation) en el menú Editar
(Edit).

 Realizando el Pronóstico

En el menú Resolver y analizar (Solve and

Analyze) elegimos la única opción disponible:

La nueva ventana permitirá distinguir entre diferentes métodos de solución para

series de tiempo:
Seleccionaremos la opción Suavizado exponencial simple (Single Exponential
Smoothing) e indicaremos información adicional para resolver el problema con
este método:

La primera opción (permanente en todos los métodos) corresponde al número de

periodos a pronosticar (para nuestro ejemplo problema son dos años).

α (alpha) es una constante entre 0 y 1. Existe también la opción de mantener el

resultado de un método para poder compararlo con otros distintos.

La tabla con los resultados se muestra de la siguiente manera

 REGRESIÓN LINEAL

El análisis de regresión es una técnica estadística para la investigación de la

relación entre dos o más variables, puede emplearse para construir un modelo
que permita predecir el comportamiento de una variable y
(dependiente, respuesta) en función de una o más variables
(independientes, predictivas) x.

Lo anterior se puede lograr usando una herramienta gráfica denominada

diagrama de dispersión lo que nos conduciría a desarrollar un modelo empírico
de la relación que mantienen las variables en estudio.

Ejemplo:
Una empresa de manufacturas basa las predicciones de sus ventas anuales en
los resultados oficiales de la demanda total en la industria. A continuación se
dan los datos de demanda total (variable independiente x) y las ventas
efectuadas por la empresa en los últimos 11 años (variable dependiente y).

Si la demanda total industriales de 300000 toneladas

- ¿Qué volumen de ventas se puede predecir?
SOLUCION
En la ventana especificaciones del problema (problem specification),
seleccionamos regresión lineal (linear regression)e introducimos la siguiente
información:
Ingresamos los datos del problema como se muestra a continuación (factor 1
equivale a X):

Después de pulsar En el menú Resolver y analizar (Solve and Analyze) la

opción Solve and Analize, seleccionamos la variable dependiente en este caso la
variable ventas

Al pulsar OK en los dos recuadros, los resultados se muestran de la siguiente

forma
Para observar el mapa de dispersión y la línea de tendencia simplemente
accederemos al menú resultados (results) y seleccionamos mostrar regresión
lineal (show regression line).

Estimación de la variable dependiente

Para estimar el valor de Y para un X de 40 deberemos cerrar las ventanas de

resultado y en el menú Resolver y analizar (Solve and Analyze) pulsamos sobre
la última opción, Pulsamos sobre el botón Entrar valor de la variable
independiente (Enter Value for Independent Variable) e ingresamos 300 000,
que es la información que nos da el ejemplo.

Pulsamos el botón OK en ambas ventanas.

Resultados de estimación de la variable dependiente

En la primera fila se observa el valor de la predicción para Y (8436.031). Aplicando

un nivel de significancia (dado por el usuario) podremos ver el intervalo de
predicción (Prediction Interval).

Los demás valores corresponden:

• Intervalos de confianza para la media (Confidence Interval of Prediction Mean)

• Nivel de significancia (Significance Level – alpha)

• Grados de Libertad (Degree of Freedom)

• Valor crítico de t (t Critical Value).

 INFORME
GUIA DE USUARIO DEL SUBPROGRAMA
PRONOSTICOS DEL SOFTWARE WQSB

PRESENTADO POR:
YIRA MARCELA PEÑA GARCIA
STEFANNY JOHANA GOMEZ ARIAS

PRESENTADO A:
ING. RAUL ENRIQUE RODRIGUEZ LUNA
DOCENTE

UNIVERSIDAD DEL MAGDALENA

 FACULTAD DE INGENIERIA
INVESTIGACION DE OPERACIÓN
SANTA MARTA
2011