Métodos de descomposición
Métodos de descomposición
Los métodos de descomposición plantean que cualquier
variable medida a través del tiempo se puede expresar en función de los
patrones de estacionalidad, tendencia, componente cíclico y variación
aleatoria, de tal forma que es posible modelarlas de acuerdo a la siguiente función:
Yt = f(Et,Tt,Ct,It)
Bajo esta premisa, y partiendo de que el period actual es el “t”, los métodos de descomposición proponen
estimar por separado cada uno de los patrones de la serie para el periodo “t+1”, con la intención de obtener el
pronóstico de la variable en t+1, agregando dichos patrones mediante un esquema
multiplicativo o aditivo.
Modelo multiplicativo
Y t+1 = (Et+1)*(Tt+1)*(C t+1)*(It+1)
Modelo aditivo
Y t+1 = (Et+1)+(Tt+1)+(C t+1)+(It+1)
Regresión lineal simple y multiple
Los métodos de suavización y de descomposición utilizan
el patrón de la serie para realizer pronósticos, sin embargo, mediante ellos no
es posible identificar los factores que influyen en la variable bajo estudio,
en cambio, en los métodos de regresión lineal sí es posible determinarlos con la
intención de controlarlos y realizar pronósticos.
En estos métodos la variable bajo estudio se denomina
variable dependiente, y los factores controlables, variables independientes o
explicativas.
La variable dependiente se asume que es aleatoria y se
busca predecir o explicar mediante las variables independientes, las cuales no
son aleatorias sino controlables por el investigador.
Por ejemplo, una variable dependiente pueden ser las
ventas de un producto y para tratar de predecirlas o explicarlas se pueden
establecer variables independientes como el precio del product y el gasto en
publicidad. De esa manera, si es posible expresar las ventas en función del precio
y del gasto en publicidad mediante una
ecuación matemática; estando en el periodo t se pueden predecir
las ventas en t+1, fijando los valores deseados del precio y del gasto en
publicidad en t+1.
Existen dos alternativas en regresión lineal para
predecir a la variable dependiente: el modelo de regresión simple, que incluye
una sola variable independiente; y el modelo de regression lineal múltiple, que
incluye k variables independientes; tomando en consideración el poder de explicación
de las variables independientes, se optará por un modelo simple o uno múltiple.
en los métodos de regresión lineal es mas posible controlar y realizar pronósticos así como también se denominan variable dependiente y variable independientemente y explicativas así como también hay dos alternativas en regresión lineal; modelo de regresión simple o múltiple.
ResponderEliminarMétodos de descomposición:
ResponderEliminarPlantean que cualquier variable medida a través del tiempo se puede expresar en función de los patrones de estacionalidad, tendencia, componente cíclico, y variación aleatoria.
Variable dependiente:
Se asume que es aleatoria y se busca predecir mediante las variables independientes.
Ejemplo: Las ventas de un producto pueden ser las ventas de un producto y esta depende de las variables independientes como son el precio del producto y el gasto de la publicidad.
Existen 2 alternativas en regresión lineal para predecir a la variable dependiente:
1.- Modelo de regresión simple: Esta incluye una solo variable independiente.
2.- Modelo de regresión lineal múltiple: Esta incluye K variables independientes.
Tomando en consideración el poder de explicación de las variables independientes se optará por un modelo Simple o uno Múltiple.
Métodos de descomposición:
ResponderEliminarLas cualidades de las operaciones del método de descomposición permite mejoras en la precisión de los resultados empleando únicamente unas pocas variables de precisión alta.
Regresión lineal múltiple:
En mi opinión pienso que el objetivo de la regresión múltiple es tratar de expresar una variable respuesta (numérica) en función de varias posibles variables explicativas (todas ellas numéricas).
Métodos de descomposición:
ResponderEliminarlos métodos de suavizacion y descomposición tienen bajo estudio las variables dependientes que son aleatorias y estas buscan predecir o explicar.
la regresión lineal tiene dos alternativas para predecir la variable dependiente; por ejemplo : ventas de algún producto.
En general estos métodos son de gran utilidad ya que así en una empresa o negocio sea cual sea su denominación se pueden saber el comportamiento de ventas de productos, y en base a esto podemos predecir o explicar dichos comportamientos.
ResponderEliminar