Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 140 vistas

    Reporte de Investigación Modelos Cuantitativos

    Cargado por

    Emmanuel Duque
    Este documento describe diferentes modelos cuantitativos de pronósticos. Explica métodos univariados como la suavización y descomposición que usan datos históricos para pronosticar variables. También describe métodos multivariados como la regresión lineal simple y múltiple que determinan el comportamiento de una variable en base a otras variables. El documento analiza conceptos como tendencia, cíclico, estacional e irregular para desarrollar pronósticos de corto, mediano y largo plazo.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Reporte de Investigación Modelos Cuantitativos

    Cargado por

    Emmanuel Duque
    140 vistas8 páginas
    Este documento describe diferentes modelos cuantitativos de pronósticos. Explica métodos univariados como la suavización y descomposición que usan datos históricos para pronosticar variables. También describe métodos multivariados como la regresión lineal simple y múltiple que determinan el comportamiento de una variable en base a otras variables. El documento analiza conceptos como tendencia, cíclico, estacional e irregular para desarrollar pronósticos de corto, mediano y largo plazo.

    Descripción original:

    REPORTE DE INVESTIGACIÓN MODELOS CUANTITATIVOS

    Título original

    REPORTE DE INVESTIGACIÓN MODELOS CUANTITATIVOS

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe diferentes modelos cuantitativos de pronósticos. Explica métodos univariados como la suavización y descomposición que usan datos históricos para pronosticar variables. También describe métodos multivariados como la regresión lineal simple y múltiple que determinan el comportamiento de una variable en base a otras variables. El documento analiza conceptos como tendencia, cíclico, estacional e irregular para desarrollar pronósticos de corto, mediano y largo plazo.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    140 vistas8 páginas

    Reporte de Investigación Modelos Cuantitativos

    Cargado por

    Emmanuel Duque
    Este documento describe diferentes modelos cuantitativos de pronósticos. Explica métodos univariados como la suavización y descomposición que usan datos históricos para pronosticar variables. También describe métodos multivariados como la regresión lineal simple y múltiple que determinan el comportamiento de una variable en base a otras variables. El documento analiza conceptos como tendencia, cíclico, estacional e irregular para desarrollar pronósticos de corto, mediano y largo plazo.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 8

    LICENCIATURA EN NEGOCIOS

    INTERNACIONALES

    ADMINISTRACIÓN DE LA PRODUCCIÓN

    UII EP1 REPORTE DE INVESTIGACIÓN SOBRE


    LOS DIFERENTES MODELOS CUANTITATIVOS

    MENDOZA DUQUE JOSÉ EMMNAUEL


    1321141311

    JOSÉ MARÍA AGUILAR

    4422LNI

    22/10/2022
    INTRODUCCIÓN
    En el siguiente reporte de investigación se desarrollara todo lo relacionado con
    los modelos de pronósticos cuantitativos, analizando los conceptos de lo que es
    pronóstico su objetivo y así mismo con el concepto de cuantitativo desglosándose
    hasta llegar a una sola definición, de tal manera que se puedan explicar los
    diferentes modelos cuantitativos de pronósticos, ayudando a analizar
    coherentemente los problemas que habla cada uno de los métodos cuyo enfoque
    se interesa en determinar variables macroeconómicas para que las empresas
    cuenten con una mayor economía etc.

    DESARROLLO
    Para poder entender que son los modelos cuantitativos de pronósticos debemos de
    saber que el pronóstico es la estimación de un evento futuro que se obtiene
    proyectando datos del pasado que se combina sistemáticamente, o sea que
    requiere técnicas estadísticas y de la ciencia administrativa teniendo como
    objetivo en reducir el rango de incertidumbre dentro del cual se toman las
    decisiones que afectan el futuro del negocio y con él a todas las partes
    involucradas. La estimación de pronósticos del volumen de ventas trimestrales
    para un producto en particular durante el año próximo afectará los programas de
    producción, los planes de compra de materias primas, las políticas de inventarios
    y las cuotas de ventas. En consecuencia, los malos pronósticos pueden dar como
    resultado un incremento en los costos de la empresa.
    Por otra parte, los modelos cuantitativos son aquellos que resultan de la
    aplicación de técnicas de investigación cuantitativas en el campo del marketing.
    La investigación de mercados cuantitativa como todo método de investigación
    social supone habitualmente la elaboración de escalas de medida y cuestionarios,
    podemos decir que los modelos cuantitativos de pronósticos son modelos
    matemáticos que se basan en datos históricos.
    Estos modelos se encuentran los métodos univariados y los multivariados. Los
    métodos univariados asumen que la variable bajo estudio depende de sus niveles
    pasados; en cambio, los métodos multivariados se supone que es posible
    determinar el comportamiento de la variable bajo estudio a partir de los niveles de
    otras variables bajo control.
    Dentro de los métodos univariados que se analizaran, se encuentran los métodos
    de suavización y de usos utilizados para realizar pronósticos de corto y mediano
    plazo; y dentro de los métodos multivariados se encuentran los de regresión lineal
    simple y múltiple, empleados para realizar pronósticos de corto, mediano y largo
    plazo.
    MÉTODOS UNIVARIADOS
    MÉTODOS DE SUAVIZACIÓN
    Los métodos de suavización utilizan el patrón histórico de la serie para
    proyectarlo al futuro y realizar pronósticos de la variable de interés; asumen que
    el valor futuro de la variable en el periodo t+1 está en función del valor de la serie
    en el periodo actual, t, del periodo anterior, t-1, y de periodos pasados. Yt+1 =
    f(Yt, Yt-1, Yt-2, Yt-3…..)
    Una parte importante de estos métodos es determinar el patrón de la serie, de los
    cuales se identifican cuatro componentes separados: tendencia, cíclico, estacional
    e irregular, se combinen para proporcionar valores específicos de la serie de
    tiempo.
    • TENDENCIA: componente de muy largo plazo
    • CICLICO: componente de largo plazo
    • ESTACIONAL: componente de corto plazo
    • IRREGULAR: componente de muy corto plazo

    PATRÓN DE TENDENCIA
    Uno de los patrones existentes es el de tendencia, el cual existe cuando las series
    crecen o decrecen consistentemente sobre un largo periodo de tiempo. Las series
    que muestran tendencia están influenciadas por la actividad económica, un
    ejemplo de estas series es el Producto Interno Bruto, PIB, que mide la producción
    de bienes y servicios de un país.
    Fuente 1:grafico elaborado por el autor J. Enrique Montemayor Gallegos con datos del INEGI

    Figura 1 serie histórica con patrón de tendencia

    PATRÓN CÍCLICO
    Cuando una serie tiene tendencia, se puede observar un patrón adicional, un
    crecimiento o decrecimiento constante cada cierto tiempo (tres años o más); este
    patrón es el comportamiento cíclico. En México marcadamente cada cambio de
    sexenio (cada seis años) se observaba una caída en el Comportamiento del PIB,
    haciendo visible un patrón cíclico.

    Figura 2Serie histórica con patrón cíclico

    Fuente 2Gráfico elaborado por el autor J. Enrique Montemayor Gallegos con datos del INEGI

    PATRÓN ESTACIONAL
    Cuando una serie se ve influenciada por factores que se repiten en la misma
    temporada del año, se dice que tiene un patrón estacional. Ejemplos de variables
    con patrón estacional son las ventas de trajes de baño (con un incremento
    marcado en cada verano), las ventas de artículos navideños (con un incremento
    marcado cada diciembre), las monedas y billetes en poder del público, etc. El
    patrón estacional sólo puede existir en series que se miden con una frecuencia
    mensual, bimestral, trimestral, etc., pero no anual, y mide la variación que hay en
    una serie cada enero, febrero, marzo, etc.

    Figura 3 Serie histórica con patrón estacional

    Fuente 3 Gráfico elaborado por el autor J. Enrique Montemayor Gallegos con datos del INEGI

    VARIACIÓN IRREGULAR
    La variación irregular (aleatoria) está presente en los patrones horizontales, de
    tendencia y estacionalidad; son cambios en la serie de corto plazo que por su
    aleatoriedad son difíciles modelarlos matemáticamente y por consecuencia no se
    proyectan al futuro para realizar pronósticos. Un ejemplo son las variaciones
    observadas en la serie histórica del tipo de cambio (pesos por dólar), atribuidas a
    especulaciones debido a movimientos sociales, acontecimientos políticos,
    desastres, etc. que influyen en las decisiones de los inversionistas.

    Figura 4 Serie histórica con variación irregular

    Fuente 4 Gráfico elaborado por el autor J. Enrique Montemayor Gallegos con datos el INEGI
    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 con la
    siguiente función:
    Yt = f(Et,Tt,Ct,It) (1)
    Bajo esta premisa, y partiendo de que el periodo 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
    Este modelo presupone que a medida que se incrementan los datos, también se
    incrementa el patrón estacional. La mayoría de las gráficas de series muestran
    este patrón. En este modelo, la tendencia y los componentes de estación se
    multiplican y luego se suman al componente de error.
    Y t+1 = (Et+1) *(Tt+1) *(C t+1) *(It+1) (2)

    MODELO ADITIVO
    Modelo de datos en el cual los efectos de factores individuales son diferenciados
    y agregados de manera conjunta para modelar los datos.
    Y t+1 = (Et+1) +(Tt+1) +(C t+1) +(It+1) (3)
    MÉTODOS MULTIVARIADOS
    REGRESIÓN LINEAL SIMPLE
    Es un modelo de regresión lineal con una única variable explicativa. Es decir, se
    trata de puntos de muestra bidimensionales con una variable independiente y una
    variable dependiente (convencionalmente, las coordenadas x e y en un sistema de
    coordenadas cartesianas) y encuentra una función lineal (una línea recta no
    vertical) que, con la mayor precisión posible, predice los valores de la variable
    dependiente en función de la variable independiente. el adjetivo sencillo se refiere
    al hecho de que la variable de resultado está relacionada con un solo predictor.
    y = B0 + B1 x + ε
    Donde B0 es el valor de la variable independiente, B1 es la variable dependiente
    y ε representa el residuo o error. La función de ε es explicar la posible
    variabilidad de los datos que no pueden explicarse a través de la relación lineal de
    la fórmula.

    REGRESIÓN LINEAL MÚLTIPLE


    Un modelo de regresión lineal múltiple es un modelo estadístico
    versátil para evaluar las relaciones entre un destino continuo y los
    predictores. Los predictores pueden ser campos continuos, categóricos
    o derivados, de modo que las relaciones no lineales también estén
    soportadas. El modelo es lineal porque consiste en términos de aditivos
    en los que cada término es un predictor que se multiplica por un
    coeficiente estimado. El término de constante (intercepción) también se
    añade normalmente al modelo.
    Y = 0 + B1*X1 + B2*X2 + … + Bn*Xn + ε
    Y representa la variable dependiente que se está estudiando y B1, B2,
    Bn son todas las variables independientes que pueden afectar al valor
    de la variable dependiente Y de igual modo ε sigue representando el
    posible error existente.
    Bibliografía
    Cadena-Iñiguez, P., Rendón-Medel, R., Aguilar-Ávila, J., & Salinas-Cruz. (11 de Noviembre de 2017).
    Revista Mexicana de Ciencias Agrícolas. Obtenido de Revista Mexicana de Ciencias Agrícolas:
    https://www.redalyc.org/pdf/2631/263153520009.pdf

    docplayer. (20 de 12 de 2019). Obtenido de docplayer: https://docplayer.es/70039531-2-3-1-metodos-


    cuantitativos-para-los-pronosticos-metodos-cuantitativos.html

    Gaither Norman, F. G. (01 de 02 de 2020). PLAN MAESTRO. Obtenido de PLAN MAESTRO:


    https://sites.google.com/site/planmaestroitcg/5-3-metodos-cuantitativos

    LEY, L. (01 de 10 de 2022). la ley . Obtenido de la ley :


    uiasjuridicas.wolterskluwer.es/Content/Documento.aspx?params=H4sIAAAAAAAEAMtMSbF1j
    TAAASMTcyNztbLUouLM_DxbIwMDS0NDQ7BAZlqlS35ySGVBqm1aYk5xKgCrAAfNNQAAAA==W
    KE#:~:text=Son%20aquellos%20que%20resultan%20de,escalas%20de%20medida%20y%20cue
    stionarios.

    wikipedia. (03 de 10 de 2022). wikipedia. Obtenido de wikipedia:


    https://en.wikipedia.org/wiki/Simple_linear_regression

    También podría gustarte