Documentos de Académico
Documentos de Profesional
Documentos de Cultura
05 Econometria
05 Econometria
Capitulo 5
Modelos Pronósticos
Ingenuos y Adaptivos
Departamento de Informática
Universidad Técnica Federico Santa María
Métodos Ingenuos
Definición y Notación
Una serie cronólogica o serie de tiempo es una colección de
observaciones de un cierto fenómeno hechas secuencialmente
en el tiempo (altura; espacio; etc).
( i : i N ) se verifica ti 1 ti h
Héctor Allende O. 2
Métodos Ingenuos
Héctor Allende O. 3
Métodos Ingenuos
2. Series Económicas
Precios de acciones, precio del cobre en Londres, índice de
cesantía, IPC; ADR; PIB;
3. Series de Marketing
Series de ventas, gastos, utilidades, demanda, oferta.
4. Series Demográficas
Tasa de natalidad, tasa de mortalidad, censos poblacionales.
5. Series de Energia
Demanda de energia; Actividad de Energia Solar; etc.
Héctor Allende O. 4
Métodos Ingenuos
Metodología
Etapa 1: análisis exploratorio de datos
Se grafica la serie: t en la abscisa, x(t) en la ordenada.
Esto debe hacerse siempre, independiente del nivel de
simplecidad de los datos o de los modelos que se emplean
posteriormente.
Héctor Allende O. 5
Métodos Ingenuos
Héctor Allende O. 6
Métodos Ingenuos
Observaciones:
1) Si se sospecha que una observación es un outlier, se debe reunir
información adicional desde fuera del observador, sobre posibles
factores que afectaron el proceso. De verificarse que se trata de
una observación aberrante y mostrar la serie un comportamiento
similar antes y después del outlier conviene pre-procesar la seríe
usando por ejemplo un filtro de medias, obteniendosé un nueva
seríe.
2) En caso contrario ( huelgas; actos de terrorismo; terremotos etc)
es necesario usar métodos o tecnicas especiales tales como el
análisis de intervenciones.
Héctor Allende O. 7
Métodos Ingenuos
Héctor Allende O. 8
Métodos Ingenuos
Héctor Allende O. 9
Métodos Ingenuos
Modelos Ingenuos
Modelos
a) x(t) = T(t)+E(t)+A(t) aditivo
Héctor Allende O. 10
Métodos Ingenuos
T: Tendencia de la serie
Representa la dirección predominante de la serie, es decir
su comportamiento promedio.
E: Variación estacional
Se caracteriza por períodos o ciclos de la serie.
A: variaciones accidentales.
Se caracteriza cambios irregulares ya sean de tendencia
variancia o ciclos de la serie).
Modelos
x(t) = T(t)*E(t)*A(t)
lnx(t) = lnT(t)+lnE(t)+lnA(t)
Héctor Allende O. 11
Métodos Ingenuos
Estimación de la Tendencia
a) Regresión
Mediante inspección gráfica se decide cual curva ajustar.
i) T(t) = a + bt (recta)
ii) T(t) = a ebt (exponencial)
iii) T(t) = a + bt + ct2 (parábola)
etc.
b) Medias Móviles
La idea es remover el efecto estacional antes de estimar la
tendencia.
1 1
x(t 6) x(t 5) x(t 4) x(t 5) x(t 6)
Z (t ) 2 2 (anual)
12
Héctor Allende O. 12
Métodos Ingenuos
Héctor Allende O. 13
Métodos Ingenuos
Héctor Allende O. 14
Métodos Ingenuos
1 12
e e(h) suponiendo serie mensual
12 h 1
Como es razonable esperamos que el promedio de las
estimaciones sea 0 en el caso aditivo y 1 en el mixto,
estimamos E(h) mediante
Héctor Allende O. 15
Métodos Ingenuos
e n (k ) x (n k ) xˆn (k )
Héctor Allende O. 16
Métodos Ingenuos
Ejemplo Numérico
Indíces Trimestrales de Precios al Por Mayor de un País
1977 1978 1979 1980 1981
1er Trimestre 120 130 140 150 180
2do Trimestre 90 110 120 140 180
3er Trimestre 90 110 110 140 170
4to Trimestre 100 130 150 170 190
Héctor Allende O. 17
Métodos Ingenuos
Héctor Allende O. 18
Métodos Ingenuos
x (t )
Calculamos la serie residual usando w (t )
z (t )
Héctor Allende O. 20
Modelos de Suavizamiento
Exponencial
Introducción
Una de las críticas que se les hace a los métodos ingenuos es que
no se adaptan a lo largo del tiempo en forma natural : tanto la
tendencia como la estacionalidad, se estiman una sóla vez y las
estimaciones deben ser actualizadas si se obtienen nuevas
observaciones.
x (n) x(n) (1 ) x (n 1) 0 1
: constante de suavizamiento
Héctor Allende O. 22
Modelos de Suavizamiento
Exponencial
Observaciones:
3) Predicciones: xˆ(n , h ) x (n )
Héctor Allende O. 23
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 24
Modelos de Suavizamiento
Exponencial
Caso no estacional
Héctor Allende O. 25
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 26
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 27
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 28
Modelos de Suavizamiento
Exponencial
ˆ x( j )
E( j) s j 1,2, s
x(k )
k 1
1 s
x ( s ) x(k ) y con m( s ) 0
s k 1
Para el caso aditivo la estimación de la componte estacional se
modifica por
s
Eˆ( j ) x ( j )
k
x (k )
1
Héctor Allende O. 30
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 31
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 32
Modelos de Suavizamiento
Exponencial
Min 3
A ,C ,D 0 ,1 t k 1
x (t ) xˆ(t 1,1)
donde k se elige lo suficientemente grande como para que el
efecto de inicialización del proceso sea despreciable.
Héctor Allende O. 33
Modelos de Suavizamiento
Exponencial
Ejemplo No1.
Héctor Allende O. 34
Modelos de Suavizamiento
Exponencial
m (4) 0
4
1
x (4)
4 k 1
x (k )
x (j )
Eˆ( j ) Eˆ(1) 1,2 Eˆ(2) Eˆ(3) 0,9 Eˆ(4) 1,0
100
Héctor Allende O. 35
Modelos de Suavizamiento
Exponencial
Héctor Allende O. 38
Modelos de Suavizamiento
Exponencial
Predicciones
Las predicciones para 2002 son las siguientes:
Héctor Allende O. 39
Modelos de Suavizamiento
Exponencial
4
1
x (1)
4 k 1
x (k )
1
m (1) [y 2 y 1 ]
4
ˆ 1 x ( j ) x ( j 4) j 1,2,3,4
E (j )
2 y1 y2
Héctor Allende O. 40