Introduccin

Como es conocido, es posible aplicar una descripcin matemtica a un

fenmeno de la vida real, dada en trminos de funciones o de una ecuacin de
manera que sea posible constituir un modelo matemtico. Es muy interesante
la manera de como estos mtodos matemticos son totalmente aplicables a
temas econmicos y financieros como por ejemplo: El consumo continuo de un
producto en el mercado, el aumento o decremento en la produccin, el
crecimiento en las ventas, el pronstico en la tendencia inflacionaria
en los precios del petrleo, la necesidad de realizar pronsticos sobre
la variacin a futuro del PIB en un pas determinado, son ejemplos de
fenmenos reales que se pueden modelar matemticamente por una
funcin. Tomando en
cuenta
lo
anterior
se considera
necesario establecer y tomar en cuenta diversos modelos de pronstico que
pueden ayudarnos a determinar el comportamiento o tendencia de la o las
variables seleccionadas. En este caso en particular, se presentan los
pronsticos en base al mtodo de los mnimos cuadrados que es una
herramienta que ayuda a corregir tendencias y distribuirlas de la manera mas
adecuada. El estudio de este mtodo tiene la finalidad de comprender
los fenmenos y, como consecuencia, hacer pronsticos acerca de su
comportamiento.

Objetivos
Objetivo General
Dar a conocer el mtodo de Mnimos Cuadrados como una alternativa
para pronosticar tendencias dentro de una diversa alternativas para elaborar
dichos pronsticos.
Objetivos Especficos

Establecer una formacin histrica de donde deriva el mtodo.

Conocer la forma de aplicacin del mtodo de mnimos cuadrados.

Dar a conocer el mtodo de mnimos cuadrados para usarla como

herramienta de pronstico.
Desarrollar un ejemplo que demuestre el uso de la tcnica para dar una
mejor comprensin de la misma.
Establecer las ventajas y limitaciones del mtodo.

Para hablar de Mnimos Cuadrados, ser necesario definir primero algunas

consideraciones sobre la necesidad de pronosticar.

Pronostico
Es una serie de datos que en base a una serie de estudios determinan la
demanda en un futuro de un determinado producto. Es una inferencia a partir
de ciertos datos. Cmo se define el pronstico? Es una tcnica que permite
predecir lo que ocurrir en el futuro. El pronstico depender de los cambios en
las variables externas al sistema de produccin. Es necesario pronosticar
cundo se considera:

Un entorno altamente incierto.

La intuicin no necesariamente da los mejores resultados.

Mejorar la planeacin y la elaboracin presupuestal

Cuando se desea mejorar en competitividad y lograr un cambio en la

bsqueda de crecimiento.

Definicin del mtodo

Mnimos cuadrados:
Es una tcnica de anlisis numrico encuadrada dentro dela optimizacin
matemtica, en la que, dados un conjunto de pares (ternas), se intenta
encontrar la funcin que mejor se aproxime a los datos (un "mejor ajuste"), de
acuerdo con el criterio de mnimo error cuadrtico. Su uso bsicamente se
centra en que permite encontrar la ecuacin de una lnea recta a partir de
datos previos o experimentales. Generalmente pueden ser datos histricos de
determinadas variables como ventas, costos de materias primas, tasas de
inflacin, etc. Es decir, que teniendo dichos datos histricos o experimentales,
se pueden obtener la pendiente y la ordenada de origen de la recta que mejor
se ajuste a los valores dados y con base a la ecuacin o funcin poder estimar
hacia el futuro. En su forma ms simple, intenta minimizar la suma de
cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos
generados por la funcin y los correspondientes en los datos. Especficamente,
se llama: Mnimos Cuadrados Promedio.

Mnimos cuadrados promedio:

(LMS) cuando el nmero de datos medidos es 1 y se usa el mtodo de
descenso por gradiente para minimizar el residuo cuadrado. Se puede
demostrar que LMS minimiza el residuo cuadrado esperado, con el mnimo de
operaciones (por iteracin), pero requiere un gran nmero de iteraciones para
converger.

Desde un punto de vista estadstico, un requisito implcito para que funcione el

mtodo de mnimos cuadrados es que los errores de cada medida estn
distribuidos de forma aleatoria. El teorema de Gauss-Mrkov prueba que los
estimadores mnimos cuadrticos carecen de sesgo y que el muestreo de datos
no tiene que ajustarse, por ejemplo, a una distribucin normal. Tambin es
importante que los datos recogidos estn bien escogidos, para que permitan
visibilidad en las variables que han de ser resueltas (para dar ms peso a un
dato en particular, vase mnimos cuadrados ponderados). La tcnica de
mnimos cuadrados se usa comnmente en el ajuste de curvas. Muchos otros
problemas de optimizacin pueden expresarse tambin en forma de mnimos
cuadrados, minimizando la energa o maximizando la entropa.

Mtodos Cuantitativos para Pronosticar

Los mtodos cuantitativos para pronosticar, ampliamente utilizados por las
empresas, son mtodos matemticos de anlisis de informacin.
En general, estos mtodos son utilizados para pronosticar las ventas,
basndose en la informacin histrica, ya sea de la propia empresa o del
mercado en general.
La eleccin del mtodo a utilizar es fundamental a los fines de obtener un
resultado razonable que muestre un futuro factible de ser cumplido.

Ajuste para una recta

La nube de puntos de una representacin de datos en papel milimetrado nos
permita visualizar la relacin entre dos variables x e y.
Al representar el diagrama de dispersin de los datos podemos encontrar las
siguientes situaciones:

Las distribuciones estadsticas para las que la nube de puntos se dispone de tal
forma que existe una funcin matemtica cuyos puntos son una parte de su
representacin grfica.

Sin coincidir exactamente sus puntos con las de una grfica de una funcin
matemtica, se aproximan a ella con mayor o menor intensidad.
La nube de puntos presenta un aspecto tal que no existe concentracin de
puntos hacia ninguna grfica matemtica, distribuyndose de una forma
uniforme en una regin del plano.

Ajuste de curvas por mnimos cuadrados

La regresin por mnimos cuadrados, es una tcnica cuyo objetivo es derivar
una curva que minimice la discrepancia entre los puntos y la curva. Algunas

suposiciones estadsticas inherentes en los procedimientos por mnimos

cuadrados lineales son:
1. Cada x tiene un valor fijo, no es aleatorio y es conocido sin error.
2. Los valores y son valores aleatorios independientes y todos tienen la misma
varianza.
3. Los valores de y para una x dada deben ser normalmente distribuidos.
4. La regresin de y contra x no es la misma que la de x contra y.

Pronostico por mnimos cuadrados

Esta es otra tcnica de tipo cuantitativo que permite el clculo de los
pronsticos para perodos futuros, para lo cual requiere de registros histricos
que sean consistentes, reales y precisos. Esta tcnica como su nombre lo
indica se trata de sacar el total de las desviaciones elevadas al cuadrado a un
valor mnimo: su objetivo es determinar los coeficientes a y b que son
conocidos como coeficientes de regresin, donde x es la variable
independiente (tiempo), y es la variable dependiente (pronstico de la
demanda).En la prctica se pueden utilizar dos mtodos para calcular los
pronsticos a travs de mnimos cuadrados: Frmula general y Mtodos
simplificado. Para aplicar este mtodo en el clculo de pronsticos de la
demanda, se deben tener en cuenta las siguientes expresiones matemticas:

La recta de los mnimos cuadrados que aproxima

el conjunto de puntos
Tomando en cuenta a Y como variable dependiente tiene por ecuacin
A esta ecuacin suele llamarse recta de regresin de Y sobre X, y se usa para
estimar los valores de Y para valores dados de X.

Si a la recta de
ambos lados

regresin se le suma en

Se obtiene:
Si a la recta de
luego se suma

regresin se multiplica por X a ambos lados y

Se obtiene
Las constantes a0 y a1 quedan fijadas al resolver simultneamente las
ecuaciones anteriormente encontradas, es decir, al resolver el siguiente
sistema de ecuaciones:

Que se llaman las ecuaciones normales para la recta de mnimos cuadrados.

Las constantes a0 y a1 de las anteriores ecuaciones tambin se pueden
calcular empleando las siguientes frmulas:

Coeficiente de Correlacin

En estadstica, el coeficiente de correlacin de Pearson es un ndice que mide

la relacin lineal entre dos variables aleatorias cuantitativas. A diferencia de
la covarianza, la correlacin de Pearson es independiente de la escala de
medida de las variables.
De manera menos formal, podemos definir el coeficiente de correlacin de
Pearson como un ndice que puede utilizarse para medir el grado de relacin de
dos variables siempre y cuando ambas sean cuantitativas.

En el caso de que se est estudiando dos variables aleatorias x e y sobre

una poblacin estadstica; el coeficiente de correlacin de Pearson se simboliza
con la letra
, siendo la expresin que nos permite calcularlo:

Donde:

es la covarianza de
es la desviacin tpica de la variable
es la desviacin tpica de la variable

De manera anloga podemos calcular este coeficiente sobre un estadstico

muestral, denotado como
a:

El valor del ndice de correlacin vara en el intervalo [-1,1]:

Si r = 1, existe una correlacin positiva perfecta. El ndice indica una

dependencia total entre las dos variables denominada relacin directa:
cuando una de ellas aumenta, la otra tambin lo hace en proporcin
constante.
Si 0 < r < 1, existe una correlacin positiva.
Si r = 0, no existe relacin lineal. Pero esto no necesariamente implica
que las variables son independientes: pueden existir todava relaciones
no lineales entre las dos variables.
Si -1 < r < 0, existe una correlacin negativa.
Si r = -1, existe una correlacin negativa perfecta. El ndice indica una
dependencia total entre las dos variables llamada relacin inversa:
cuando una de ellas aumenta, la otra disminuye en proporcin
constante.

Desarrollo del Ejercicio

Considere una poblacin que consiste de las 200 observaciones semanales que
se presentan en la tabla P.13. La variable independiente X es la temperatura
promedio semanal de Spokane, Washington. La variable dependiente Y es el
numero de acciones de la compaa Sunshine Mining con las que se hicieron
operaciones en la bolsa de valores de Spokane en una semana. Elija datos de
forma aleatoria para 16 semanas y calcule el coeficiente de correlacin.
(Sugerencia: Asegrese de que su muestra se tome de forma aleatoria de entre
la poblacin.) Luego, determine la recta de mnimos cuadrados y elabore un
pronstico de Y para una temperatura promedio semanal de 63.

Algunas Ventajas y restricciones del Modelo

Ventajas

Es objetivo, solo depende de los resultados experimentales.

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

Restricciones

Slo sirve para ajustar modelos lineales.

Los pronsticos elaborados con este modelo slo derivan en una
tendencia lineal.
Requiere tener al menos 20 mediciones bajo las mismas circunstancias
experimentales.
Se requiere de algn equipo de clculo, de lo contrario es muy
engorroso. Luego de haber definido lo que es un pronstico y el mtodo
de mnimos cuadrados definiremos nuestro tema que es pronstico por
mnimos cuadrados.

Conclusiones

El mtodo de mnimos cuadrados es una tcnica de mas aceptadas por

sus resultados de fiabilidad en cuanto a la reduccin del error derivado
del ajuste en los datos reales respecto de la lnea propuesta.
El mtodo se considera de dificultad media debido a su extenso clculo
de forma manual, pero este se vuelve ideal cuando existe un ajuste de la
tendencia y un programa mecanizado que nos permita su clculo.

Muchas veces el mtodo de mnimos cuadrados es el ms aceptado

dentro de las leyes tributarias y econmicas de un Estado, al mismo
tiempo que es el de mayor uso dentro de las empresas.

Glosario

Serie de tiempo: Conjunto de observaciones de una variable medida en puntos

sucesivos en el tiempo a lo largo de perodos de tiempo sucesivos.
Pronstico: Proyeccin o prediccin de valores futuros de una serie de tiempo.
Tendencia: Cambio o movimiento gradual de una serie de tiempo a valores
relativamente superiores o inferiores durante plazos relativamente largos.
Componente Cclico: Componente de una serie de tiempo que explica el
comportamiento peridico de la misma, a veces por encima de la tendencia y a
veces por debajo de ella a lapsos de tiempo mayores a un ao.
Componente irregular: Componente de una serie de tiempo que explica su
variabilidad aleatoria.
Error cuadrado medio (ECM) Enfoque para medir la precisin de un modelo de
pronstico. Esta medida es el promedio de la suma del cuadrado de las
diferencias entre los valores de la serie de tiempo real y los valores
pronosticados.
Anlisis de regresin: Tcnica estadstica usada para elaborar una ecuacin
matemtica que muestra cmo se relacionan las variables.
Diagramas de dispersin: Grafica que muestra la forma en que los puntajes de
dos variables cualesquiera X y Y estn dispersas.
Correlacin: Es la medida numrica de la intensidad de la relacin lineal entre
dos variables.