20-21

GRADO EN TURISMO
TERCER CURSO

GUÍA DE
ESTUDIO
COMPLETA

TÉCNICAS DE PREDICCIÓN TURÍSTICA

CÓDIGO 65033105
TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

20-21
TÉCNICAS DE PREDICCIÓN TURÍSTICA
CÓDIGO 65033105

ÍNDICE

PRESENTACIÓN Y CONTEXTUALIZACIÓN
REQUISITOS Y/O RECOMENDACIONES PARA CURSAR LA
ASIGNATURA
EQUIPO DOCENTE
HORARIO DE ATENCIÓN AL ESTUDIANTE
TUTORIZACIÓN EN CENTROS ASOCIADOS
COMPETENCIAS QUE ADQUIERE EL ESTUDIANTE
RESULTADOS DE APRENDIZAJE
CONTENIDOS
METODOLOGÍA
PLAN DE TRABAJO
SISTEMA DE EVALUACIÓN
BIBLIOGRAFÍA BÁSICA
BIBLIOGRAFÍA COMPLEMENTARIA
RECURSOS DE APOYO Y WEBGRAFÍA
GLOSARIO
TUTORIZACIÓN EN CENTROS ASOCIADOS

UNED 2 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

Nombre de la asignatura TÉCNICAS DE PREDICCIÓN TURÍSTICA

Código 65033105
Curso académico 2020/2021
Departamento ECONOMÍA APLICADA Y ESTADÍSTICA
Título en que se imparte GRADO EN TURISMO
Curso TERCER CURSO
Periodo SEMESTRE 2
Tipo OBLIGATORIAS
Nº ETCS 6
Horas 150.0
Idiomas en que se imparte CASTELLANO

PRESENTACIÓN Y CONTEXTUALIZACIÓN

La predicción económica y empres se suelen tratar en monografías especializadas o en los

manuales de econometría, en este sentido esta asignatura es de econometría y se podría
haber titulado introducción a la econometría de la predicción.
Los métodos econométricos son complejos y convertirse en un experto requiere años de
especialización y aunque en el ámbito de la Administración y de la gran empresa su
utilización no es nada extraordinario, en muchas ocasiones, especialmente en la pequeña y
mediana empresa, el responsable de la toma de decisiones no es experto y no puede extraer
toda la información del modelo elaborado (o también puede ocurrir directamente que no se
utilicen cuando las condiciones objetivas lo recomiendan o se haga de forma inadecuada) y
algunas decisiones erróneas están relacionadas con estas situaciones.
Aunque en términos generales toda decisión económica o empres requiere consideraciones
sobre el futuro, sólo en algunas ocasiones son necesarias predicciones cuantitativas, pero a
medida que la decisión sea más compleja o relevante, su utilización es más conveniente, ello
no significa que estas sean más valiosas que las aportadas por expertos, pero al menos
implica, si se utilizan las técnicas apropiadas, que la información ha sido tratada de la forma
más rigurosa y que se ha utilizado toda la información relevante.
Este texto pretende acercar las técnicas de predicción econométricas al lector no
especializado y que tampoco tiene una gran formación estadístico-matemática. En términos
de lo que se denomina el EEES más que la formación de un experto, de lo que se trata es de
adquirir competencia en el uso de modelos econométricos para la predicción, en el sentido
de ser capad de extraer toda la información útil y precisa que proporcionan, y también
entender sus limitaciones.

La asignatura tiene 6 ECTS. Se cursa en el segundo cuatrimestre del tercer curso del Grado
y su estudio está directamente relacionado con el desarrollo de diversas competencias, tanto
Genéricas como Específicas. En concreto cabe destacar, a) manejar con soltura la
terminología económica, b) búsqueda, tratamiento e interpretación de información, c)
aplicación de conocimientos a la práctica, d) elaboración de informes, e) modelización de la
realidad económica, o f) evaluación crítica de las diversas alternativas de acción.

UNED 3 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

REQUISITOS Y/O RECOMENDACIONES PARA CURSAR LA

ASIGNATURA

Para abordar el curso con garantías de éxito, el alumno debe poseer los conocimientos
básicos de estadística y matemáticas adquiridos en cursos anteriores.

EQUIPO DOCENTE
Nombre y Apellidos PEDRO ANTONIO PEREZ PASCUAL
Correo Electrónico pperez@cee.uned.es
Teléfono 91398-7801
Facultad FAC.CIENCIAS ECONÓMICAS Y EMPRESARIALES
Departamento ECONOMÍA APLICADA Y ESTADÍSTICA

Nombre y Apellidos BASILIO SANZ CARNERO (Coordinador de asignatura)

Correo Electrónico bsanz@cee.uned.es
Teléfono 91398-6330
Facultad FAC.CIENCIAS ECONÓMICAS Y EMPRESARIALES
Departamento ECONOMÍA APLICADA Y ESTADÍSTICA

Nombre y Apellidos MARIANO MATILLA GARCIA

Correo Electrónico mmatilla@cee.uned.es
Teléfono 91398-7215
Facultad FAC.CIENCIAS ECONÓMICAS Y EMPRESARIALES
Departamento ECONOMÍA APLICADA Y ESTADÍSTICA

HORARIO DE ATENCIÓN AL ESTUDIANTE

Los profesores tutores, como parte integrante del Equipo Docente de la asignatura, serán los
responsables de la tutorización en los Centros Asociados respectivos. Asimismo, el Equipo
Docente llevará a cabo también labores de tutoría los miércoles de 10 a 14 horas en el
despacho 1.22 de la Facultad de Ciencias Económicas y Empreses. Pueden contactar
también vía telefónica o por correo electrónico en,

bsanz@cee.uned.es

Tel.: 913986330

TUTORIZACIÓN EN CENTROS ASOCIADOS

En el enlace que aparece a continuación se muestran los centros asociados y extensiones

en las que se imparten tutorías de la asignatura. Estas pueden ser:
• Tutorías de centro o presenciales: se puede asistir físicamente en un aula o despacho del
centro asociado.
• Tutorías campus/intercampus: se puede acceder vía internet.

UNED 4 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

Consultar horarios de tutorización de la asignatura 65033105

COMPETENCIAS QUE ADQUIERE EL ESTUDIANTE

Reforzar el razonamiento crítico. Evaluar alternativas de planificación, dirección y control de

empresas turísticas, así como ayudar en la toma de decisiones estratégicas.

RESULTADOS DE APRENDIZAJE

El alumno que haya seguido de forma provechosa este curso, debe haber desarrollado las
siguientes competencias,

1. Comprender e interpretar las principales técnicas instrumentales aplicadas al ámbito

económico.
2. Habilidad en la búsqueda de información, en relación con fuentes primarias y secundarias,
identificando las fuentes de información económica relevante y su contenido.
3. Ser capaz de interpretar datos económicos, proporcionar información relevante útil para
todo tipo de usuarios.
4. Aplicar al análisis de los problemas criterios profesionales basados en el manejo de
instrumentos técnicos.
5. Emitir informes de asesoramiento sobre situaciones concretas de la economía
(internacional, nacional o regional) o de sectores de la misma.
6. Desarrollar habilidades de aprendizaje para emprender estudios posteriores en el ámbito
de la economía con un alto grado de autonomía.

CONTENIDOS

Modelos econométricos y tipos de datos

1. Introducción
2. Los modelos econométricos
3. Efectos causales o estructurales
4. Estructura de los datos económicos
5. Conclusión

Modelo de regresión lineal: estimación e interpretación

1. Modelo de regresión
2. Mínimos cadrados ordinarios
3. Regresión múltiple

UNED 5 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

4. Apéndicve técnico

Modelo de regresión lineal: inferencia

1. Supuestos clásicos para datos trransversales y temporales

2. Distribución muestral de los estimadores mínimo cuadráticos
3. Inferencia
4. Predicción
5. Apéndice técnico

Modelos de regresión lineal con heterocedasticidad y autocorralación

1. Modelos de regresión con heterocedasticidad

2. Modelos de regresión con autocorrelación

Modelos de regresión lineal con variables explicativas cualitativas

1. Modelos ANOVA
2. Modelos ANCOVA
3. Interacciones con variables dicotómicas
4. Estacionalidad
5. Regresión por tramos

Modelos estacionarios de series temporales

1. Procesos estocásticos
1. Procesos estocásticos estacionarios
2. Proceso de ruido blanco
2. Estimación de momentos en procesos estacionarios
3. Procesos integrados
4. Procesos autorregresivos
5. Procesos de medias móviles
6. Proccesos ARMA
7. Procesos ARIMA
8. Procesos estacionales

UNED 6 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

9. Identificación, estimación y validación

10. Predicción

METODOLOGÍA

Se utiliza una metodología apropiada para que el alumno, participando activamente en la

adquisición de competencias, habilidades y destrezas propias del título, pueda organizar el
estudio de la asignatura de forma autónoma. Para ello cuenta con diversos medios:
• Materiales impresos
• Curso Virtual
• Apoyo del Equipo Docente y del Tutor
• Programas informáticos

Se considera que con una dedicación de 7 horas por semana, el alumno puede preparar
holgadamente el contenido del programa.

PLAN DE TRABAJO

En el cómputo de horas se incluyen el tiempo dedicado a las horas lectivas, horas de

estudio, tutorías, seminarios, trabajos, prácticas o proyectos, así como las exigidas para la
preparación y realización de exámenes y evaluaciones.
TEMA: 1. Econometría: modelos y datos - 5 Horas
Este tema es introductorio. En principio basta con una lectura atenta del mismo,
asegurándose de comprender bien los conceptos básicos.
Es importante entender las características de los distintos tipos de datos. Puede ser también
un buen momento para familiarizarnos con las principales bases de datos accesibles vía
interne! (www.ine.es, www.bde.es, ec.europa.eu/eurosat)
Este tema se corresponde con el tema 1 del libro de texto básico

TEMA: 2. Análisis de regresión lineal. Estimación - 40 Horas

Este tema y el siguiente son básicos. Contienen lo fundamental del modelo de regresión sin
cuya compresión es imposible avanzar en los contenidos de este programa.
El alumno debe estudiar detenidamente el contenido de cada una de las secciones de este
tema, procurando comprender bien todos los conceptos que en ellas se exponen y
familiarizándose con el álgebra de los distintos desarrollos presentados.
También conviene que se ejercite en el cálculo necesario para llevar a cabo las aplicaciones
prácticas, aunque ello es menos importante.

UNED 7 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

Es el momento de familiarizarse con el empleo de algún programa econométrico. El

recomendado por defecto es Gretl, pero puede emplearse cualquier otro. Aunque no se
evaluarán conocimientos específicos sobre el manejo del programa, es altamente
recomendable dedicar algún tiempo a este tipo de actividades: hoy es imposible elaborar
modelos y relizar predicciones sin el manejo de un programa de estas características.
Finalmente no olvidar el Apéndice Técnico y, si fuera necesario, repasar los conocimientos
necesarios de álgebra y estadística.
Conviene tambien replicar los ejemplos del tema utilizando Gretl u otro software
econométrico). Saber hacerlos es garantíá de haber comprendido los contenidos de este
capítulo.
Este tema se corresponde con el tema 2 del libro de texto básico

TEMA: 3. Análisis de regresión lineal. Inferencia - 40 Horas

Una vez comprendido el método de estimación MCO, en este capítulo se aborda un aspecto
fundamental del mismo: el contraste de hipótesis y el empleo del modelo estimado para
efectuar predicciones.
Este capítulo exige un esfuerzo similar al capítulo 2 y, con caracter previo, puede ser
necesario repasar contenidos de estadística y probabilidad.
El alumno debe estudiar cada uno de los apardados del texto, tratar de comprender y, en la
medida de lo posible, replicar los ejemplos.
Este tema se corresponde con el tema 4 del libro de texto básico.

TEMA: 4. Regresión con heterocedasticidad y autocorrelación - 15 Horas

Se presentan dos violaciones de los supuestos básicos sobre los que descansa el modelo.
Debe estudiarse con detalle el significado de estos supuestos, comprender las
consecuencias de su violación, la forma de contrastarlos y la forma de corregir los problemas
causados.
Además del estudio de las secciones correspondientes, se debe intentar reproducir los
ejemplos del tema para una mejor compresión.
Este tema se corresponde con el tema 6 del libro de texto básico.

TEMA: 5. Variables explicativas dicotómicas - 15 Horas

La base teórica de este capítulo es la misma que en los capítulos anteriores y, en este
sentido puede decirse que la única novedad es la nuturaleza de las variables empleadas.
Deben estudiarse los apartados del programa entendiendo lo que es una variable binaria y
tratando de comprender la utilidad de emplearlas en el análisis de regresión, interpretándolas
correctamente.

UNED 8 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

Es necesario entender los ejemplos y replicarlos si es posible.

Este tema se corresponde con el tema 7 del libro de texto básico.

TEMA: 6. Modelos estacionarios de series temporales - 31 Horas

Estudio y práctica de los fundamentos del análisis de series temporales:
• Modelos autorregresivos,
• Medias móviles,
• Modelos ARIMA y SARIMA
Este tema se corresponde con el tema 13 del libro de texto básico.

PEC: Prueva de evaluación contínua - 2 Horas

Actividad voluntaria que computa en nota final en caso de presentarse.

PRUEBA PRESENCIAL: 2 horas

Total Horas ECTS introducidas aquí : 150

SISTEMA DE EVALUACIÓN
TIPO DE PRUEBA PRESENCIAL
Tipo de examen Examen mixto
Preguntas test 10
Preguntas desarrollo 1
Duración del examen 90 (minutos)
Material permitido en el examen
En la prueba presencial podrá utilizar el formulario a fin de que no pierda tiempo
memorizando expresiones necesarias en la práctica habitual econométrica. SOLO
PODRÁ UTILIZAR, NO OBSTANTE, EL MATERIAL ORIGINAL. NO SE ADMITEN
FOTOCOPIAS TOTALES O PARCIALES DEL FORMULARIO. También se permite el
uso de calculadora no programable.
Criterios de evaluación
La parte test es eliminatoria. Han de obtenerse al menos cinco puntos para que se
corrija la segunda parte. Para aquellos que superen el test, la calificación será la media
de ambas partes (test y parte práctica).
Los criterios de corrección para el test son,
Aciertos: 1 punto
Fallos: -0,33 puntos
Preguntas sin contestar: 0 puntos
% del examen sobre la nota final 90
Nota del examen para aprobar sin PEC 5

UNED 9 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

Nota máxima que aporta el examen a la 10

calificación final sin PEC
Nota mínima en el examen para sumar la 5
PEC
Comentarios y observaciones
El porcentaje del examen presencial sobre la nota final es del 90% para quienes
decidan hacer la PEC. Si no se hace la PEC, dicho porcentaje es el 100%.

PRUEBAS DE EVALUACIÓN CONTINUA (PEC)

¿Hay PEC?
Descripción
Es un ejercicio con diez preguntas tipo test y cuatro alternativas por pregunta, de las
que solo una es correcta (o claramente mejor que las demás). La única diferencia es
que no entrará todo el temario (se anunciará con antelación qué temas han de
prepararse para la PEC).
Criterios de evaluación
Ponderación de la PEC en la nota final 10
Fecha aproximada de entrega 05/05
Comentarios y observaciones
Los criterios de corrección son,
Aciertos: 1 punto
Fallos: -0,33 puntos
Preguntas sin contestar: 0 puntos

OTRAS ACTIVIDADES EVALUABLES

¿Hay otra/s actividad/es evaluable/s?
Descripción
Criterios de evaluación
Ponderación en la nota final 0
Fecha aproximada de entrega
Comentarios y observaciones

¿CÓMO SE OBTIENE LA NOTA FINAL?

Para quienes hagan la PEC y superen la prueba presencial:

0.1*(nota PEC)+0.9*(nota Prueba Presencial)
Para quienes hagan la PEC y no superen la prueba presencial
Nota Prueba Presencial
Para quienes no hagan la PEC
Nota Prueba Presencial

UNED 10 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

BIBLIOGRAFÍA BÁSICA

ISBN(13):9788448620417
Título:ANÁLISIS DE DATOS Y PREDICCIÓN PARA EL TURISMO
Autor/es:Sanz Carnero, Basilio ; Mariano Matilla García ; Pérez Pascual, Pedro A. ;
Editorial:: MCGRAW-HILL - INTERAMERICANA

BIBLIOGRAFÍA COMPLEMENTARIA

ISBN(13):9788436804904
Título:PREDICCIÓN ECONÓMICA Y EMPRESARIAL
Autor/es:
Editorial:PIRÁMIDE

ISBN(13):9788448612016
Título:ECONOMETRÍA Y PREDICCIÓN (2)
Autor/es:Matilla García, Mariano ; Pérez Pascual, Pedro A. ; Sanz Carnero, Basilio ;
Editorial:McGraw-Hill / Interamericana de España, S.A.

RECURSOS DE APOYO Y WEBGRAFÍA

En el Curso Virtual el alumno encontrará acceso a diferentes recursos. Se proporcionará un

enlace desde donde acceder a un programa econométrico.

GLOSARIO

Análisis de regresión: Análisis que pretende estudiar la dependencia estadística de una

variable en función de otra (regresión simple) u otras (regresión múltiple).
Asintótico: se refiere al comportamiento en el límite (cuando N es muy grande) de un
estadístico, una distribución etc.
Autocorrelación: se dice que hay autocorrelación cuando existe correlación entre los
errores del modelo en diferentes momentos de tiempo
Intervalo de confianza: regla para construir un intervalo aleatorio con la propiedad de que
un determinado porcentaje de todos los datos, dado por el nivel de confianza, proporciona un
intervalo que contiene el valor poblacional.
Bondad del ajuste: Mide lo “bien” o “mal” que se ajusta la línea (plano) de regresión
estimada a los datos observados.
Coeficiente beta (coeficiente estandarizado): miden el cambio en la desviación típica de la
variable dependiente cuando la variable independiente (o una de ellas) sufre un incremento
de una desviación típica.
Coeficiente de determinación (R2): proporción de la variación muestral de la variable
dependiente explicada por la variable(s) independiente(s).
Coeficiente de determinación corregido: coeficiente de determinación que penaliza el uso

UNED 11 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

de variables explicativas adicionales mediante un ajuste del número de grados de libertad.

Datos de panel: Conjunto de datos construido a partir de datos transversales repetidos a lo
largo del tiempo.
Datos de series de tiempo: Datos de una o más variables recogidos a lo largo del tiempo
Datos transversales: Datos correspondientes a un mismo periodo temporal pero referidos a
distintos agentes.
Datos experimentales: Si han sido obtenidos a partir de experimentos controlados.
Desestacionalización: Operación para eliminar el movimiento estacional.
Distribución Chi-cuadrada: Distribución obtenida como la suma de variables aleatorias
normales tipificadas independientes, elevadas al cuadrado.
Distribución F: Distribución que sigue el cociente de dos variables chi- cuadradas
independientes corregidas por sus grados de libertad.
Distribución t-Student: Distribución obtenida como cociente de una normal tipificada y la
raíz cuadrada de una chi-cuadrada corregida por sus grados de libertad.
Distribución muestral: Distribución de un estimador obtenida sobre todos los posibles
resultados muestrales.
Distribución asintótica: Distribución a la que tiende un estadístico cuando crece
indefinidamente el tamaño muestral.
Ecuación en primeras diferencias: ecuación en la que todas las variables están
expresadas en primeras diferencias.
Elasticidad: cambio porcentual en la variable dependiente consecuencia de un aumento
ceteris paribus del 1% en una variable independiente.
Error de pronóstico: diferencia entre el pronóstico y el valor realmente observado.
Error tipo I: consiste en rechazar la hipótesis nula cuando es cierta.
Error tipo II: no rechazar la hipótesis nula cuando es falsa.
Error estándar de la regresión: estimación de la desviación típica del error poblacional
obtenida como la raíz cuadrada de la suma cuadrática residual dividida por los grados de
libertad.
Error estándar robusto (a la autocorrelación heteroscedasticidad): error estándar de un
estimador que es asintóticamente válido tanto si hay autocorrelación (heteroscedasticidad)
como si no.
Estacionalidad: movimiento característico en series temporales de frecuencia superior al
año (típicamente datos trimestrales o mensuales) en el que el valor medio difiere según el
trimestre (mes) del año.
Estadísticamente significativo: un parámetro es estadísticamente significativo a un nivel
de significatividad previamente elegido, cuando es posible rechazar la hipótesis nula de que
su valor es cero.
Estadístico de prueba: regla utilizada para contrastar una determinada hipótesis que, a
partir de una muestra dada, proporcionará un valor específico.
Estimador: forma de combinar los datos de una muestra (independiente de ésta) para
obtener un valor numérico de un parámetro poblacional.
Estimador MCO: Estimador obtenido a partir del criterio de minimizar la suma cuadrática de
las discrepancias.

UNED 12 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

Estimador MV: estimador obtenido de forma que se maximice el logaritmo de verosimilitud.

Estimador consistente: estimador que converge al verdadero valor poblacional a medida
que crece el tamaño muestral.
Estimador por el método de los momentos: Estimador obtenido igualando los momentos
muestrales a los poblacionales.
Estimador por intervalos: regla para obtener un intervalo para un parámetro poblacional.
Estimador por Mínimos Cuadrados Generalizados: Estimación obtenida no a partir del
modelo original sino de la oportuna transformación del mismo para tener en cuenta una
determinada estructura en el comportamiento de la varianza del error o/y en la correlación
serial.
Estimador insesgado (sesgado): Estimador cuya esperanza matemática coincide (difiere)
del valor poblacional a estimar.
Función de regresión muestral: es la versión estimada de la función de regresión
poblacional.
Función de regresión poblacional: Expresa la esperanza condicionada de la variable
dependiente respecto de la independiente(s).
Grados de libertad: Número de observaciones menos número de parámetros estimados.
Heteroscedasticidad: Fenómeno que se produce cuando la varianza del término de error no
es constante.
Hipótesis alternativa: Aquella contra la se contrasta la hipótesis nula.
Hipótesis bilateral (dos colas): Cuando la hipótesis alternativa es compuesta.
Hipótesis nula: Hipótesis que suponemos cierta y contra la que buscamos evidencia en la
muestra de datos disponible.
Hipótesis unilateral (una cola): Cuando la hipótesis alternativa es simple.
Inferencia estadística: Contrastación de hipótesis sobre los parámetros poblacionales.
Intercepto: El término independiente en el modelo de regresión.
Intervalo de confianza: ver Banda de Confianza.
ELIO (BLUE): Acrónimo de Estimador Lineal, Insesgado y Óptimo.
Mínimos cuadrados generalizados. Ver Estimación por mínimos cuadrados generalizados.
Mínimos cuadrados ponderados: Caso particular de mínimos cuadrados generalizados en
el que cada término del modelo se divide por la correspondiente varianza de las
perturbaciones.
Mínimos cuadrados ordinarios: Ver Estimador MCO
Modelo de elasticidad constante: Aquél en el que la elasticidad de la variable endógena
respecto de la exógena(s), permanece constante.
Modelo de regresión lineal simple: Modelo que relaciona de forma lineal una variable
dependiente (endógena) con una única variable independiente (exógena) y un término de
error.
Modelo de regresión lineal múltiple: Modelo que relaciona de forma lineal una variable
dependiente (endógena) con más de una variable independiente y un término de error.
Modelo econométrico: Modelo formado por una (o varias) ecuaciones que relacionan una
variable dependiente con una o varias independientes y una perturbación aleatoria. Los
parámetros del modelo determinan el efecto de cada una de las variables explicativas sobre

UNED 13 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

la explicada, ceteris paribus.

Nivel de confianza: porcentaje de muestras en las que queremos que nuestro intervalo de
confianza contenga al valor poblacional.
Nivel de significancia (nivel de significatividad): Probabilidad de cometer un error Tipo I.
Normalidad asintótica: cuando la distribución muestral de un estimador converge a la
distribución normal.
Operador diferencia (operador de primeras diferencias): Operador generalmente
representado por la letra griega delta, que aplicado a una variable la transforma en su
primera diferencia.
Parámetro: valor desconocido de una relación poblacional.
Población: Conjunto de individuos que constituye el objeto de estudio de una investigación.
Potencia de una prueba (test): Es igual a la unidad menos la probabilidad de cometer un
error tipo II.
Predicción (pronóstico): Estimación del valor de la variable endógena o explicada, obtenido
al dar valores concretos a las variables explicativas de un modelo de regresión estimado.
Propiedades asintóticas (propiedades en grandes muestras): Propiedades que cumple un
estadístico cuando la muestra crece indefinidamente.
Propiedades en muestras finitas: Propiedades que cumple un estadístico cuando la
muestra es pequeña
R2 (coeficiente de determinación): proporción de la variación total de la variable dependiente
que puede ser explicada por la variables(s) independiente(s).
R2-ajustado (corregido): coeficiente de determinación penalizado por el uso de variables
explicativas adicionales.
Región de aceptación: conjunto de valores de un estadístico de contraste que conducen a
no rechazar la hipótesis nula.
Región de rechazo: conjunto de valores de un estadístico de contraste que conducen a
rechazar la hipótesis nula.
Región crítica: Región de rechazo.
Regresión muestral: Ver función de regresión muestral.
Regresión poblacional: Ver función de regresión poblacional.
Semielasticidad: Cambio que sufre la variable dependiente en términos porcentuales como
respuesta a un cambio unitario en la variable independiente.
Serie de tiempo: conjunto de observaciones de una variable a lo largo del tiempo.
Sesgo: Diferencia entre el valor esperado de un estimador y su valor poblacional.
Suma de cuadrados explicada (SEC): Variación total muestral de los valores ajustados en
un modelo de regresión.
Suma de cuadrados de los residuos (SCR): Suma de todos los residuos de un modelo de
regresión cada uno de ellos elevado al cuadrado
Suma total de cuadrados (SCT): variación total muestral de la variable dependiente en
torno a su media muestral.
Supuestos del MCRL: Conjunto de hipótesis a priori del modelo de regresión.
Teorema Central del Límite (TCL): Resultado según el cual la suma de variables aleatorias
independientes divididas por su desviación típica, tiene a una distribución normal tipificada a

UNED 14 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

medida que aumenta el tamaño de la muestra.

Tendencia temporal: Movimiento sistemático a largo plazo que es función del tiempo.
Término de error: Variable que se introduce en una ecuación de regresión para recoger,
entre otros, el efecto de factores no observados o errores de medida.
Término de interacción: Variable independiente de un modelo de regresión obtenida como
el producto de dos variables explicativas.
Trampa de las variables dicótomas: Error que consiste en introducir en el modelo de
regresión demasiadas variables ficticias entre las explicativas.
Valor esperado: Esperanza matemática de una variable aleatoria.
Valor medio: Dado un conjunto de T números, es el cociente entre su suma y T
Valor p (p-value): Nivel de significatividad mínimo al que puede rechazarse la hipótesis nula.
Variable aleatoria: Variable cuyo resultado es incierto.
Variable cualitativa: La que recoge una cualidad no cuantitativa.
Variable dicótoma: Variable que toma solo dos valores, generalmente cero o uno.
Variable endógena: Variable que queremos explicar en un modelo de regresión. También
se denomina variable dependiente o explicada.
Variable exógena: Variable que se emplea para explicar el comportamiento de la variable
endógena. También se denomina variable independiente o explicativa.
Variable ficticia: Ver variable dicótoma.
Variable instrumental: Variable que sin aparecer en la ecuación de regresión, se utiliza
para sustituir a una variable explicativa.
Variable omitida: Variable(s) que influye en el comportamiento de la endógena pero que no
están incluida en el modelo de regresión.
Varianza: Principal medida de dispersión de una variable aleatoria obtenida como la suma
cuadrática de las desviaciones de cada valor de la variable con respecto a su media, dividida
por los grados de libertad.

TUTORIZACIÓN EN CENTROS ASOCIADOS

En el enlace que aparece a continuación se muestran los centros asociados y extensiones

en las que se imparten tutorías de la asignatura. Estas pueden ser:
• Tutorías de centro o presenciales: se puede asistir físicamente en un aula o despacho del
centro asociado.
• Tutorías campus/intercampus: se puede acceder vía internet.
Consultar horarios de tutorización de la asignatura 65033105

UNED 15 CURSO 2020/21

TÉCNICAS DE PREDICCIÓN TURÍSTICA CÓDIGO 65033105

IGUALDAD DE GÉNERO

En coherencia con el valor asumido de la igualdad de género, todas las denominaciones que en esta
Guía hacen referencia a órganos de gobierno unipersonales, de representación, o miembros de la
comunidad universitaria y se efectúan en género masculino, cuando no se hayan sustituido por
términos genéricos, se entenderán hechas indistintamente en género femenino o masculino, según el
sexo del titular que los desempeñe.

UNED 16 CURSO 2020/21