Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONTENIDO
Título Introducción
Duración 40 minutos
1
CLASE Nro. 1
Para esto es necesario, realizar un estudio de datos históricos para obtener una
función Y=f(X) que permita la extrapolación y luego realizar los pronósticos
2
CLASE Nro. 1
3
CLASE Nro. 1
4
CLASE Nro. 1
Estadísticos descriptivos.
Media.
∑𝑋
𝑥̅ =
𝑛
A más de la media, es importante determinar el rango (Intervalo) a través del
cual se dispersan los valores alrededor de las medias.
Desviación Estándar
2
∑𝑥 2 −(∑𝑥)
∑(𝑥−𝑥̅ )2
𝑠=√ 𝑆 = √ 𝑛−1𝑛
𝑛−1
Varianza
5
CLASE Nro. 1
S2
Grados de libertad
Se refieren a los números de datos que son independientes uno de otro y que
tienen datos de información únicos.
Mediana
6
CLASE Nro. 1
a) Horizontal
b) De tendencia
c) Cíclico
d) Estacional
7
CLASE Nro. 1
DISTRIBUCIÓN DE PROBABILIDAD.
La distribución de probabilidad una variable aleatoria, enlista todos sus valores
posibles junto a la probabilidad de que ocurra cada uno
➢ VALOR ESPERADO
Es el valor medio que adquiere la variable en muchos intentos realizados
El valor esperado para una distribución de probabilidad discreta se calcula:
E(x)=𝜮[X*P(X)]
X= valor posible
P(X)= probabilidad
Distribución Binomial
Es una distribución de probabilidad discreta, que describe la probabilidad de X éxitos
en n ensayos independientes de un experimento binomial.
𝑛!
P(X)=𝑋!(𝑛−𝑋)! 𝑃 𝑋 (1 − 𝑃)𝑛−𝑋
Donde:
n= número de ensayos
X= número de éxitos
P= probabilidad de éxitos
Distribución Normal
Tiene forma de campana y esta completamente determinada por su media y
distribución estándar.
𝑋−µ
Z= 𝜎𝑥
Donde:
Z=N° de varianzas de cualquier valor de X
X= Valor de interés
𝜎𝑥= Desviación estándar
Distribuciones Muestrales
Es un arreglo de todos los valores posibles de un estadístico muestral, que puede
extraerse de una población, para un tamaño de muestra dado.
Propiedades.
Propiedad
La distribución de muestreo tiene una µx = µ
media igual al de la población
8
CLASE Nro. 1
𝑋𝑀−µ
Z= 𝜎𝑥
Esta ecuación permite convertir cualquier variable aleatoria normal en una variable
aleatoria normal estándar.
Donde;
XM= media de la muestra
µ= media de la población
σx= Error estándar
σ = Desviación estándar
𝑋𝑀−µ
Z= σ/√𝑛
Distribución de t student
Para tamaño de muestras pequeñas, si la población de la cual se selecciona la
muestra es normal y la σX se estima con la S aparece la distribución t de student
con n-1 grados de libertad.
X−µ
𝑡= S/√𝑛
t= distribución t de student
Se utiliza para el análisis de la hipótesis nula y la hipótesis alterna
1.3.- PATRONES DE DATOS
Una de las tareas que más difícil y más consumo de tiempo en los pronòsticos es la
recopilación de datos.
Para determinar qué datos serán útiles se aplican 4 criterios:
1.- Los datos deben ser fidedignos y precisos
2.- Los datos deben ser relevantes
3.- Los datos deben ser consistentes.
4.- Los datos deben ser oportunos
Datos de corte transversal. - son observaciones recopiladas en un solo punto de
tiempo
9
CLASE Nro. 1
Para pronosticar con datos de una serie de tiempos se debe considerar los
diferentes patrones de tiempos:
1.- Horizontal en el transcurso del tiempo los datos fluctúan alrededor de una media
constante, por lo tanto se denominan series estacionarias en su media, ejemplo
ventas de un producto alimenticio que no se incrementa ni disminuye durante un
largo de periodo.
10
CLASE Nro. 1
1.3.2 Autocorrelación.
11
CLASE Nro. 1
Es la correlación que existe entre una variable retrasada uno o más períodos
consigo misma.
12
CLASE Nro. 1
13
CLASE Nro. 1
1
𝑀𝑆𝐸 = 𝛴|𝑌𝑡 − Ӯ𝑡|̽^2
𝑛
3.-RMSE
Es la raíz cuadrada del MSE, tanto el MSE y RMSE, sirven para evaluar errores
grandes
1
RMSE=√𝑛 𝛴|𝑌𝑡 − Ӯ𝑡|̽^2
14
CLASE Nro. 1
15