Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Profesor:
MODELAMIENTO Y SIMULACION
Alumno:
BOGOT D.C.
Contenido
1. INTRODUCCION................................................................................................2
2. DEFINICION DE PROBLEMA.............................................................................3
3. PLANTEAMIENTO DEL PROBLEMA.................................................................3
4. DESCRIPCION DEL MODELO MATEMATICO...................................................4
5. CODIGO FUENTE..............................................................................................6
6. INTERPRETACIN DE LOS RESULTADOS......................................................7
7. VALIDACION DEL MODELO..............................................................................8
8. LIMITACIONES DEL MODELO...........................................................................9
9. CONCLUSIONES...............................................................................................9
10. BIBLIOGRAFIA...............................................................................................9
REGRESIN LINEAL ESTACIONAL
1. INTRODUCCION
Series de tiempo
Una serie tiempo es una secuencia de observaciones, medidos en
determinados momentos del tiempo, ordenados cronolgicamente y,
espaciados entre s de manera uniforme, as los datos usualmente son
dependientes entre s. El principal objetivo de una serie de tiempo X t, donde
t=1,2,, n es su anlisis para hacer pronstico.
a.- Componente tendencia
Donde:
REGRESIN LINEAL ESTACIONAL
Regresin lineal
Formula:
REGRESIN LINEAL ESTACIONAL
Perodo de tiempo
Donde:
La juguetera Gaby desea estimar mediante regresin lineal simple las ventas para
el mes de Julio de su nuevo carrito infantil "Mate". La informacin del
comportamiento de las ventas de todos sus almacenes de cadena se presenta en el
siguiente tabulado.
5. REPRESENTACIN COMPUTACIONAL
x12=1:h+suma;
PDT=zeros(h+suma,1);
for i=1:h+suma
PDT(i)=(B(2)*x12(i))+B(1);
end
PDT;
%El pronstico de t se calcula mltiplicando IEt*PDt
PT=zeros(h+suma,1);
j=1;
for i=1:h+suma
if j>12
j=1;
end
if j<=m
PT(i)=PDT(i)*IE(j);
end
j=j+1;
end
PT;
t=h+1:h+suma;
pronostico=PT(t)
Errorm=zeros(h,1);
j=1;
for i=1:h
Errorm(i)=DT(i)-PT(i);
i=i+1;
end
Errorm;
Errorprom = 0;
for i=1:h
Errorprom =Errorprom+Errorm(i);
REGRESIN LINEAL ESTACIONAL
i=i+1;
end
Errorprom = Errorprom / h;
Errorabs = 0;
for i=1:h
i=i+1;
end
Errorabs = Errorabs/h
Error_relativo = Errorabs/Errorprom
Error_cuadratico = 0;
for i=1:h
i=i+1;
end
Error_cuadratico = Error_cuadratico / h;
Error_cuadratico= sqrt(Error_cuadratico)
Error_ponderado = Error_cuadratico/Errorprom
REGRESIN LINEAL ESTACIONAL
INTERPRETACIN DE LOS RESULTADOS
Real vs Pronstico
12.00
10.00
8.00
6.00
4.00
2.00
0.00
0 2 4 6 8 10 12
Pronstico vs Real
12.00
10.00
8.00
Real
Pronstico
6.00
4.00
2.00
0.00
0 2 4 6 8 10 12
2015
Mes 2015 Real Pronostico
Enero 2902806.766 4978351.372
Febrero 3133114.358 4904724.178
Marzo 3457447.33 5451568.602
Abril 3214358.959 5425854.251
Mayo 3355682.206 5965781.307
Junio 3211180.154 5471557.513
Julio 3012425.227 5713285.675
Agosto 2808537.492 5581916.412
Septiembr
e 2870254.355 5622691.416
Octubre 2785789.493 5719924.501
Noviembre 2396184.281 5413885.895
Diciembre 2542995.35 5849611.245
Tabla1 : Datos reales y pronosticados
(fuente de los datos reales DANE)
Con el desarrollo en MATLAB logramos calcular los Errores, que demuestran que es
un modelo en el que se puede confiar si se requiere ver el posible comportamiento
mas no hacer clculos sobre datos reales.
8. CONCLUSIONES
9. BIBLIOGRAFIA
o https://scalleruizunp.files.wordpress.com/2015/04/econometria_-
_damodar_n-_gujarati.pdf
o http://econometria.weebly.com/uploads/4/6/9/4/4694037/gretl_e_intro_econo
metra.pdf
o http://libros.metabiblioteca.org/jspui/bitstream/001/362/5/978-84-694-7251-
4.pdf