Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Economía gerencial Prof. Trupti Mishra S.J.M. School of Management Indian Institute of Technology, Bombay Lecture-31 Demand Forecasting (Contd ...)-I So, en la sesión de hoy, continuaremos nuestra discusión sobre la previsión de la demanda. Así que, si se acuerdan, en la clase anterior, hablamos de que lo que es la necesidad de previsión de la demanda, cuáles son las diferentes técnicas de previsión de la demanda, los diferentes pasos implicados en eso. Entonces, hablamos de los métodos o de las técnicas de previsión de la demanda, típicamente más en la parte subjetiva de la misma. Generalmente, esto se conoce como los métodos subjetivos o cualitativos de la predicción de la demanda. En la clase actual, discutimos sobre el método cuantitativo de previsión de la demanda.
Por lo tanto, para empezar por qué necesitamos este método cuantitativo para la previsión de la demanda, si se mira a los métodos subjetivos se puede utilizar sólo cuando los datos pasados no están disponibles.

Cuando los datos del pasado estén disponibles, es aconsejable que las empresas utilicen herramientas estadísticas, ya que son más científicas y rentables. Así que, si se acuerda, el caso de cuando estamos discutiendo el método subjetivo, también discutimos que es el método subjetivo se utiliza generalmente si es un caso de un nuevo producto entrar en un nuevo mercado o hacer alguna mejora en el mercado o entrar en un segmento específico del mercado.
Por lo tanto, en este caso, el método subjetivo es generalmente más válido porque aquí, no hay datos pasados está disponible. Pero, cuando los datos pasados están disponibles, también es aconsejable obtener una previsión de demanda más científica, más precisa y también una previsión de demanda más rentable. es mejor utilizar las herramientas estadísticas, de modo que sobre la base de los datos anteriores, puede utilizar las herramientas estadísticas y puede ser más eficaz para la previsión precisa de la demanda.
Por lo general, en este caso, el método cuantitativo, depende más de lo que los datos pasados disponibles; de la calidad y la cantidad sobre los datos pasados. Esto da más claridad sobre la precisión de la previsión de la demanda. Por lo tanto, cuando se trata del método cuantitativo de previsión de la demanda esencialmente, depende de la serie temporal de ventas pasadas.
Por lo tanto, para discutir sobre este método cuantitativo de previsión, primero tomaremos los métodos de tendencia y en el método de tendencia, la proyección de tendencia.

Aquí, básicamente utilizamos los datos de la serie temporal. ¿Qué son los datos de series temporales? Los datos de la serie temporal, cuando mantenemos el, cuando registramos la información de forma cronológica, puede ser que sea de forma semanal, de forma mensual, en una base de día, de forma trimestral, base de hora o la base anual, cuando ordenemos esto, cuando dispongamos estos datos en un orden cronológico, en el, con base. La base puede ser semanal, mensual, anual o puede ser en una hora o en la base del día.
Generalmente, esto se conoce como los datos de la serie temporal. Estos datos de la proyección de tendencias, este método típicamente mirando los datos pasados cualesquiera que las tendencias estén allí en los datos pasados, usando este método de cantidad, esto típicamente esta proyección de tendencia, la proyección se hará sobre la base de la tendencia pasada de esos datos típicos.
Por lo tanto, aquí la base para la proyección de tendencia son los datos de la serie temporal porque los datos de series de tiempo dan la tendencia porque está en un orden cronológico. Obtenemos el conjunto completo de datos. Da una tendencia que sea cual sea el comportamiento de esa variable típica en el período de tiempo pasado. Y después de obtener datos de ventas anteriores, la proyección se hará en el caso del período de tiempo futuro. La proyección se hará, cuál será la demanda de ese producto en el futuro periodo de tiempo. Por lo tanto, en caso de datos de series de tiempo, principalmente hay 4 componentes.
La primera es la tendencia secular. En el caso de la tendencia secular, generalmente, el cambio se produce consistentemente durante un largo tiempo. Es relativamente suave en su camino. Por lo tanto, sabemos que en caso de tendencia secular significa que es igual. Si lo miras, es una tendencia, sea cual sea el cambio en la tendencia. Supongamos, puede suceder que en los datos de series de tiempo, si tiene 5 años de datos, la tendencia es que puede ser cada año en un mes en particular, aumenta o cada año en un mes en particular, disminuye o puede ser en el trimestre inicial, aumenta y en el trimestre final, disminuye.
Por lo tanto, la demanda sea cual sea el cambio en la demanda, que sigue siendo el mismo en el caso de la tendencia secular. Este cambio se produce de forma constante durante mucho tiempo. No es que solo cambie durante 1 año. El próximo año no está cambiando o el tercer año no está cambiando, más bien lo que sea el cambio, y continúa por un largo período de tiempo. Es por eso que esto se conoce como la tendencia secular. En el caso de la tendencia secular, el cambio se produce consistentemente durante un largo período de tiempo y relativamente suave en su camino. Por qué es suave porque es consistente y ocurre por un largo período de tiempo. Entonces, el segundo componente es la tendencia estacional.

En general, la tendencia estacional es la variación estacional de los datos en un año. Así que, supongamos que esto es si lo mires, tomamos un producto que esta es la demanda de helado. Entonces, ¿cuál sería la variación estacional aquí? Así que, obviamente en el verano, va a ser alto en la temporada de invierno y lluviosa, es comparativamente bajo.
Esta variación estará presente a lo largo de los datos de la serie temporal en el plazo de un año. En cada verano, la variación está ahí porque hay un aumento y la otra parte, es la disminución. Por lo tanto, la tendencia estacional es generalmente similar, si se toma el caso de una prenda de invierno obviamente, la demanda tiene que ser más en la temporada de invierno y menos en caso de la temporada de verano.
Así que, en este caso, tenemos que ver el producto es qué tipo de producto, si es un producto de temporada. Si se trata de un producto de temporada en general, la variación es dentro del año en esa estación específica, en la que generalmente se utilizan los datos o se utiliza generalmente el producto.
Entonces, el tercer componente es tendencia cíclica. Aquí, hay un movimiento cíclico para la demanda de un producto que puede tener una tendencia a recuperarse en pocos años. Por lo tanto, si usted recuerda acerca del ciclo de negocios o discutimos acerca de un ciclo de negocios en general, la actividad económica sigue un camino diferente. A veces, va al boom. A veces, va a la recesión. Del mismo modo, en caso de una tendencia cíclica, la tendencia también sigue un ciclo y aumenta. Luego, después de algún tiempo, disminuye y los mismos aumentos se siguen también en el siguiente período de tiempo. Por lo tanto, si es un auge, ya sea una recesión, sigue la misma variación en el próximo período o puede ser después de unos pocos períodos de tiempo. Por eso esta tendencia es cíclica porque se trata de un movimiento cíclico. Por lo tanto, si está aumentando ahora, no significa que en el próximo período, tenga que aumentar o en el próximo período de nuevo, tiene que aumentar. Sigue un ciclo. Si está aumentando ahora, puede ser después de pocos años o puede ser después de pocos meses, cualquiera que sea la base de los datos sobre esa base, puede aumentar de nuevo.
Por eso esta tendencia cíclica es, la posibilidad aquí es o la tendencia es que el mismo tipo de cambio o el mismo tipo de variación tiene que ocurrir en pocos años. Así que, el movimiento cíclico en la demanda en la demanda de un producto que puede tener la tendencia a repetirse en los pocos días o pocos años, en los pocos meses, cualquiera que sea la base para la serie temporal.

Luego, el último componente de la serie de tiempo es el evento aleatorio. ¿Qué son los eventos aleatorios? Los eventos aleatorios son generalmente, cuando la variación proviene de los eventos aleatorios y de lo que son las variaciones típicas de él. Si tomas el caso de las calamidades naturales, es tu malestar social. En este caso, no hay ninguna tendencia de evidencias para crear una variación aleatoria en esta tendencia.
Esto se debe a que está ocurriendo el malestar social. No está sucediendo con mucha frecuencia que habrá evidencia en cada año 10 veces. Esta es la demanda cuando hay un malestar social. No es una característica regular. Si no es una característica regular, la evidencia, es difícil encontrar en los datos de la serie de tiempo, puede ser la agitación social antes de 20 años que la agitación social ahora. Así que, desde esta serie de tiempo, supongamos en este caso, estamos tomando una serie de datos de los últimos 5 años. Si no hay evidencia del malestar social en los últimos 5 años, sea cual sea la variación en este caso, particularmente para el malestar social que tiene que ser aleatorio y porque se trata de un evento aleatorio.
Del mismo modo, para las calamidades naturales como si la inundación se produzca este año y si la inundación no se produce en los 5 años, sea cual sea el efecto sobre la demanda, esa será la de por supuesto, el efecto de por el efecto de la tendencia debido a las calamidades naturales. Siempre es el azar porque no ha ocurrido en el periodo de tiempo anterior. Por lo tanto, cuando la variación se produce debido a la variación aleatoria del evento tiene que ser aleatoria porque no hay evidencia de tal tipo de variación en las tendencias.
Por lo tanto, hay 4 componentes de precio, datos de series de tiempo. Una es la tendencia cíclica. Segundo es el evento aleatorio. Tercera tercera es la tendencia estacional. Cuarta es la tendencia secular. Ahora, ¿cuáles son los componentes de esta serie de tiempo?

Por lo tanto, esto cualquiera que sea el componente que discutimos aquí, si usted puede ponerlo en la formulación en la forma de ecuación, entonces Y, que es si es una serie de tiempo que tiene que ser igual a la T más S más C más R. Aquí, C, S es la tendencia secular. C es la tendencia cíclica. R es el evento aleatorio. T es la tendencia estacional.
Por lo tanto, esto puede ser en forma de adición o puede estar en el también en la forma de multiplicación. Por lo tanto, la primera es que es T más S más C más R es la forma adicional. Y es igual a T S C R puede ser la forma multiplicativa.
Si estás tomando la transformación logarítmica, logarítmica de esta forma multiplicativa, entonces obtendremos log Y es igual a log T más log S más log C más log R. Así que, aquí toda la tendencia tiene 4 tipos de componentes. Esto se puede hacer, esto se puede formular ya sea en la forma aditiva o en el caso de la forma multiplicativa y de forma multiplicativa de nuevo, podemos transformar en la forma logarítmica. Ahora, ¿cuáles son los métodos para esta proyección de tendencia?

Así que, hasta el momento, estamos hablando de los componentes de los datos de la serie de tiempo porque para la proyección de tendencia, la base es datos de series de tiempo. Ahora, veremos cuáles son los métodos para la proyección de tendencias? ¿Cuáles son los métodos para la proyección de tendencias? El primero es uno es el método gráfico. Como el nombre indica, generalmente, en este caso, la proyección se hará utilizando un gráfico. Los valores pasados de la variable en tiempo diferente se trazan en un gráfico y se evalúa el movimiento de la serie y se prevén los valores futuros.

Así que, en este caso, nos identificaremos aquí. Aquí, tenemos que pronosticar la demanda. Entonces, en ese caso, veremos cuáles son las 2 variables para pronosticar la demanda? Puede ser sobre la base de la publicidad, ¿cuál será el, cuáles serán las ventas o en el diferente o puede ser en el período de tiempo diferente o en el período de tiempo anterior o en un período de tiempo específico cuál era la demanda del producto?
Por lo tanto, tiempo y cantidad, lo trazaremos en un gráfico. Seguiremos eso, veremos la serie, vamos a trazar una línea. Veremos la serie y después de ver la serie, podemos pronosticar que si esta fue la tendencia en los últimos 5 años, lo que va a ser la tendencia y lo que será la demanda prevista para este producto en los próximos 5 años. Por lo tanto, mirando la tendencia pasada usando el método gráfico, generalmente, podemos pronosticar la tendencia futura. Por lo tanto, vamos a tomar una explicación gráfica a estos métodos gráficos.

¿Cómo generalmente esta tendencia es, cómo se hace la proyección de la tendencia en el caso del método gráfico? Así que, aquí, podemos tomar tiempo. Aquí, podemos tomar cantidad. Supongamos que esto es 2005, 2006, 2007, 2008, 2009 y 2010. Así que, aquí es 0. Lo siento, esto puede ser 10. Esto es 0. Esto es 20, esto es 30, esto es 40, esto es 50 y así sucesivamente.
Por lo tanto, supongamos que tenemos los datos sobre los últimos 5 años 2010 o los últimos 6 años, es decir, de 2005 a 2010. Por lo tanto, supongamos que en 2005, tenemos el 2005. Tenemos 9. Este es el tiempo y esta es la cantidad. Así, 2005, es 9. Para 2006, son 12. Para 2007, se trata de 10. Para 2008 de nuevo, podemos decir que esto es 20. Para 2009, son 22. Para 2010, puede ser de nuevo, podemos decir que esto es 15.
Ahora, si lo conspiran para 2005, esto es nueve. Para 2006 esto es 12. Para 2007, se trata de 10. Para 2008, se trata de 20. Para 2009, esto es 22. Para 2010, puede ser esto es 15. Así que, si nos fijamos aquí, esta es la tendencia de la cantidad. Esta es la tendencia de la demanda en los últimos 5 años. Así que, si se mira ahora, a partir de 2005 vuelve a aumentar. Disminuye en 2007. De nuevo, aumenta en 2008, 2009 y disminuye en 2010. Sobre esta base, ahora, tenemos que proyectar la futura demanda futura sobre la base de esta tendencia pasada.
Por lo tanto, método gráfico en general, primer argumento que se ve en eso. ¿Cómo es la serie? ¿Cómo se evalúa el movimiento de la serie y luego el valor futuro previsto? Ahora, tiene que ver que por qué el valor es menor, ¿por qué la demanda es menor en 2007 o por qué está siguiendo un descenso en la tendencia en 2010? Por lo tanto, sobre esta base ahora, se evaluará la serie que por qué en un año concreto o por qué en un periodo de tiempo específico, la demanda es más o la demanda es menos si se tiene que tomar en consideración lo mismo cuando estamos pronosticando la demanda para los próximos 5 años.
Además, en este caso, el método gráfico simplemente está trazando los datos del tiempo dependiente y el tiempo y la demanda en el período de tiempo pasado. Después de introducir el gráfico, se evaluará la serie y se preverá el valor futuro. Por lo tanto, en el método de proyección de tendencia, el primer método viene como el método gráfico. Entonces, tomaremos el método menos cuadrado. ¿Qué es el método menos cuadrado?

Si usted lo mira, si usted recuerda esto lo discutimos cuando estamos discutiendo acerca de la regresión. Este método típico de menos cuadrado y esto básicamente, la herramienta para estimar el coeficiente de una función lineal basado en la minimización de las desviaciones cuadradas entre la mejor línea de ajuste y la observación original dada.
Así que, si recuerdas cuando hablamos de la regresión que obtenemos el error porque cualquiera sea la regresión y lo que haya una diferencia entre estos 2. Ya que, hay una diferencia entre estos 2, hay que nos da el error. Por lo tanto, para minimizar el error sobre la base de la desviación cuadrada entre la mejor línea de ajuste y la observación original en general, se utiliza el método de menos cuadrado.
Este método de menos cuadrado también se está utilizando para proyectar la demanda prevista. Cómo se va a prever esta demanda sobre la base de la menor plaza, solo lo veremos. Sólo vamos a averiguar el valor de a y b. Después de averiguar el valor de a y b, y después de averiguar el valor de a y b sobre esa base, podemos pronosticar porque b nos da la pendiente.
La pendiente generalmente nos da lo que sea, sea cual sea el aumento de la variable dependiente cuando esta típica variable cambia. Por eso, sobre esa base, podemos proyectar la demanda. Así que, aquí, tomaremos el método menos cuadrado para entender esto.

Por lo tanto, aquí Y es igual a un plus b x. A partir de ahí, obtenemos la ecuación normal porque este es el caso de la minimización. Obtenemos la ecuación normal como sigma Y es igual a n a más b e x y e x Y es igual a una e x más b e x cuadrado. Para resolver esta ecuación, estas son la ecuación de tendencia y sobre esa base, necesitamos primero resolver el valor de a y b.
Esto se debe a que esta es la ecuación de tendencia. Sobre la base del valor de a y b ahora, podemos averiguar lo que será, podemos averiguar cuál será el valor del futuro, en el futuro período de tiempo. ¿Cuál será el valor de a y b? Ahora, ¿qué es a y b? Aquí, a es el valor de la intersección y b es el valor de la pendiente. El valor de la intersección y la pendiente decidirá cuál será la demanda del producto en el futuro período de tiempo.
Por lo tanto, para resolver esta ecuación de tendencia, tenemos que resolver esta ecuación de tendencia. Para resolver esto, tenemos que seguir el método menos cuadrado. Siguiendo este método menos cuadrado, obtenemos a es igual a e y por n y b es igual a e x y por e x cuadrado. Por lo tanto, aquí Y es nuestra variable dependiente y x es la variable independiente. Es la suma de la variable dependiente por el número de observaciones. Esta es la suma de las variables dependientes e independientes x e y divididas por la desviación cuadrada de la raíz cuadrada del cuadrado de esta variable independiente.
Así que, una vez que tengamos el valor de a y b, sobre esa base ahora, podemos proyectar cualquiera que sea la tendencia del futuro. Así que, en este caso, en la proyección de tendencia, en este primer método, generalmente lo hacemos a través del gráfico. Trazamos el gráfico con variables dependientes e independientes o el tiempo normalmente, el periodo de tiempo pasado. Sea cual sea la demanda, lo trazamos en el gráfico. Sobre esa base, generalmente accedemos a la serie. Sobre esa base, pronosticamos el valor de la demanda en el siguiente período de tiempo en el caso de menos método cuadrado.
Generalmente seguimos el método menos cuadrado de resolver la ecuación normal, descubriendo el valor de la pendiente e interceptación. Una vez que conseguimos la pendiente e interceptamos sobre la base de los datos pasados, entonces podemos proyectar el proyecto el futuro a y b porque a es la interceptación. b es la pendiente. Sobre esta base, la demanda depende de cualquier cambio en la variable independiente. Por lo tanto, una vez que obtengamos un y b sobre esa base, podemos trazar puede trazar o proyectar el proyecto cuál será la tendencia futura o futura demanda de este producto. Luego, el tercer método es el método arima.

Este método también se conoce como el método Box y Jenkins. ¿Cómo se sigue generalmente este método arima? Para hacer esta proyección de tendencia en la etapa 1, necesitamos; subyacente a la tendencia de la serie se elimina con las primeras diferencias de las observaciones sucesivas.
Por lo tanto, sea cual sea la tendencia subyacente en la serie que tiene que ser eliminada con las primeras diferencias. Tenemos que tomar los primeros 2 derivados de la observación sucesiva. a continuación, la fase 2, las posibles combinaciones se crearán sobre la base de los términos autorregresivos, sobre la base de los términos medios móviles y el número de diferencias en la serie original de ajuste adecuado a la serie.
Por lo tanto, habrá una posible combinación se creará sobre la base de los términos autorregresivos, sobre la base de los términos medios móviles. El método Arima es uno, que también considera el término autorregresivo y también el término medio móvil. Por lo tanto, en este caso, la posible combinación se creará sobre la base de los términos autorregresivos y los términos medios móviles. Entonces, el número de diferencias en la serie original estará adecuadamente encajado en la serie.

Luego, etapa 3. Se hará la estimación del parámetro y la estimación del parámetro para hacerlo, la estimación del parámetro seguirá los métodos menos cuadrados. La etapa 4 es generalmente para hacer la bondad de ajuste que se prueba sobre la base de la repetición generada residual si no es un buen ajuste. Así que, inicialmente, primero hacemos el sacará el subyacente sea cual sea la tendencia de la serie. Entonces, vamos a encontrar la combinación en base a la media móvil y sobre la base de los términos autorregresivos, entonces haremos la estimación del parámetro siguiendo el método menos cuadrado.
La etapa 4 es generalmente para hacer la bondad de ajuste para averiguar cuál es la potencia explicativa general del modelo. En este caso, si se encuentra que este modelo no va a caber, si no encaja entonces de nuevo tenemos que empezar desde la etapa 2 donde ganar tenemos que averiguar la combinación con referencia al término medio móvil y también el término medio regresivo. En la etapa 5, usted encuentra que este modelo es calificar la bondad de ajuste o el nivel de significancia es aceptable.
Entonces, usaremos el coeficiente para pronosticar la demanda futura. Por lo tanto, la etapa 1 siempre es empezar con lo que sea para eliminar la tendencia subyacente en la serie. La etapa 3 es la estimación del parámetro sobre la base de la combinación de la etapa 2. La etapa 4 es bondad de ajuste. Aquí, tenemos que ver que si está mal en forma general, tenemos que repetir la etapa 2 de nuevo.
Por último, la etapa 5, cualquiera que sea el coeficiente que obtengamos sobre esa base, podemos pronosticar la futura demanda. Por lo tanto, gráfico, por lo que los métodos de proyección de tendencia bajo método cuantitativo, método de proyección de tendencia es uno donde generalmente usamos el método gráfico o el método menos cuadrado o el método arima para proyectar la tendencia futura o la demanda futura.

Economía gerencial Prof. Trupti Mishra S.J.M. School of Management Indian Institute of Technology, Bombay Lecture-32 Demand Forecasting (Contd ...)-II Entonces, vamos a llegar a la técnica de alisado. ¿Por qué se requiere la técnica de suavizado? (Consultar Tiempo de Slide: 24:41) La serie no muestra tendencia continua. Puede haber variaciones estacionales y aleatorias. Como comentábamos, puede haber la tendencia secular, la tendencia estacional, la tendencia cíclica, puede haber las variaciones aleatorias. Por lo tanto, las series no muestran tendencia continua, o hay estacional o puede haber variación aleatoria. Generalmente, esta técnica de suavizado se utiliza para suavizar esta variación y pronosticar el valor futuro ya que hay variación la técnica de suavizado se está utilizando para suavizar la serie. Sobre esa base, se puede prever el valor futuro. Entonces, veremos cuáles son las técnicas de suavizado. Por lo tanto, el suavizado se utiliza generalmente para suavizar el uso para suavizar la variación en la serie, la variación en los datos de la serie de tiempo, de modo que habrá más precisión en la futura demanda prevista.
(Consulte el tiempo de la diapositiva: 25:39) Por lo tanto, hay 3 métodos de técnica de suavizado. El primero es el promedio móvil y en el método promedio móvil, pronostica sobre la base de los valores de la demanda durante el pasado reciente. Así que, aquí, si usted toma D es la demanda, el período de tiempo n, en esta toma, tomamos el D n. Esta es la suma total de la demanda D i dividida por el número de observaciones n. Por lo tanto, en este caso, el promedio móvil, la previsión se basa en el valor de la demanda en el pasado reciente. Aquí, el si se mira en pie, toma el valor de 1 a n. Aquí, es la versión más sencilla de la técnica de suavizado. Pero, aquí tomamos la base del valor de la demanda sólo del pasado reciente.
(Tiempo de la diapositiva: 26:31) Entonces la segunda técnica es la media móvil ponderada es la previsión sobre las bases de los pesos de las observaciones recientes. Por lo tanto, aquí si usted a la demanda es en la base también no sólo la demanda en el período de tiempo anterior, también sea cual sea el peso a esta demanda en el período de tiempo anterior, sea cual sea el peso de la variable específica.
Esto también se toma en consideración en caso de media móvil ponderada. Por lo tanto, el promedio móvil ponderado no es sólo el no depende sólo de la demanda pasada sino también que sea cual sea el peso asignado a ellos. Esas variables, también se cuida en caso de la media móvil ponderada. Entonces, el tercer método es el suavizado exponencial.
(Hora de la diapositiva: 27:13) En caso de suavizado exponencial, generalmente asigna un mayor peso a los datos más recientes para tener una estimación realista de las fluctuaciones. Por lo tanto, esto vuelve a ser más mejorado, más revisado en forma de lo que sea la técnica de suavizado ponderado. En este caso, generalmente asigna, esta técnica generalmente asigna un mayor peso a los datos más recientes como para tener una estimación realista de la fluctuación más bien.
Si se trata de un dato de series de tiempo de 10 años, la mayor importancia se da al año pasado, pasados 2 años, pasados un año en lugar del peso similar a lo largo del año de todos estos 10 años. En este caso, el peso se da más al año específico, que es justo antes de este período presente. Por lo tanto, aquí el peso varía entre 0 y 1, si es de 10 años. Si el pronosticador siente que 10 años no va a tan relevante, puede ser que pueden asignar 0 pesos a los datos de 10 años; puede ser de nuevo, la numeración comienza a partir de 9. Puede ser el menor peso a los 9 poco, más a los 8.
Del mismo modo, si es para el periodo de tiempo 1, el periodo de tiempo 1, se dará más asignación. El peso se asignará al año 2 por lo que aquí si está en la previsión en para el próximo período de tiempo que es t más 1. Por lo tanto, la forma funcional toma forma de D t más 1 menos una F t. Por lo tanto, aquí si se mira la demanda es más dependiente de eso cualquiera que sea el valor de forcast de este período de tiempo presente porque aquí estamos pronosticando para el próximo período de tiempo.
¿Qué es el período pasado para el próximo período? Aquí, es tiempo presente. Por lo tanto, si estamos haciendo esto para el periodo de tiempo t más 1, se asignará más peso al periodo de tiempo t en lugar de cualquier otro periodo de tiempo porque el año pasado, el peso medido o más peso se da a los datos del año pasado. Por lo tanto, F t más 1 es 0.30. Por lo tanto, usted toma el ejemplo de que F t más 1 es 0.30.
Aquí, es. Estamos considerando 0,70 como la demanda prevista para el presente período de tiempo. Así que, aquí si se mira esta demanda de previsión para t plus 1, más viene del 0,7. Así, el 70 por ciento proviene de la demanda prevista de este periodo de tiempo presente y de 0,3 para la demanda del resto del periodo.
(Consulte la hora de la diapositiva: 29:47) Por lo tanto, F t más 1 es igual a 0,30 más 0,30 F t. En este caso para el futuro pronóstico de la demanda, para el próximo período de tiempo, para el período actual es t. Para el siguiente período de tiempo es la previsión futura es para t más 1 período de tiempo. Se dará 70% de peso por el periodo de tiempo t y el restante 30 por ciento se dará a la demanda por el resto del periodo de tiempo. Entonces, hablaremos del segundo método bajo los métodos cuantitativos que es la técnica barométrica.
(Hora de la diapositiva: 30:27) ¿Qué es la técnica barométrica? La técnica barométrica es, para definirla, es la predicción de los puntos de inflexión en una serie de tiempo económico al uso de observaciones en otra serie de tiempo llamada barómetro del indicador. Generalmente, el barómetro es aquel que registra esta actividad o generalmente cristalizamos todas las fluctuaciones en la actividad económica.
(Ver Diapositiva: 30:54) Por lo tanto, en la técnica barométrica, generalmente se construye un índice por primera vez en los indicadores económicos pertinentes y se pronostica una tendencia futura a partir de estos indicadores. Entonces, ¿qué, cómo se está practicando esta técnica barométrica? El índice se construirá y ¿qué será el componente del índice? El componente del índice será el indicador económico pertinente.
Una vez construido el índice, sobre esa base se preverá la tendencia futura sobre la base de este indicador. Ahora bien, ¿cuáles son los indicadores en este caso tomados para la construcción del índice? Tomamos 3 tipos de indicadores. uno es el indicador principal. El segundo es el indicador coincidente. El tercero es el indicador rezagado. ¿Qué es un indicador líder? (Consultar Tiempo de Slide: 31:42) Un indicador líder es uno donde la serie que sube o baja por delante de la otra serie. Por lo tanto, si la serie es sobre la cantidad de precio y la otra es sobre la cantidad de ingresos, en este caso de la serie de la cantidad de precio siempre sube la serie de la cantidad de ingresos. Podemos decir que la cantidad de precio, son los indicadores principales en comparación con los ingresos y la cantidad. Por lo tanto, el indicador líder es uno donde la serie siempre sube o baja por delante de la otra serie.
Entonces, tenemos un indicador de coincidencia. ¿Qué es un indicador de coincidencia? Esto es típicamente una serie que se mueve hacia arriba o hacia abajo simultantemente con el nivel de actividades económicas. Sea cual sea la serie, simultáneamente se mueve hacia arriba o hacia abajo. Por lo tanto, en un periodo de tiempo específico, se mueve en un periodo de tiempo específico. Se viene abajo. Así que, subiendo y bajando, seguirá una tendencia regular y por eso se llama como el indicador de coincidencia. porque la serie, se mueve con el aumento de la actividad económica, a la baja con la disminución de la actividad económica.
El tercer tipo de indicadores es el indicador de retraso. El indicador de retraso es un indicador, que se mueve con la serie económica después de un desfase temporal. Así que, si lo económico es, la economía está pasando por un auge en el período t, este indicador se moverá en el período t más 1. No se moverá en el periodo t porque es un indicador rezagado.
Si la actividad económica es más en el período de tiempo t, este indicador se moverá hacia arriba en el período t más 1. Por eso este indicador rezagado se conoce como la serie, que se mueven con series económicas tras un rezago del periodo de tiempo.
Por lo tanto, primero tuvimos el método de proyección de tendencias. Entonces, teníamos el método barométrico en los métodos cuantitativos. Luego, el tercer método es el método econométrico. ¿Qué es el método econométrico aquí? (Consultar Tiempo de Slide: 33:51) Tomamos dos tipos de análisis, uno es el análisis de regresión y el segundo es el método de ecuación simultánea. El análisis de regresión generalmente relaciona la variable dependiente con una o más variables independientes en forma de una ecuación lineal. Como discutimos, cuando discutimos sobre el análisis de regresión, por lo que la correlación habla de la relación entre 2 variables, si están relacionadas positivamente, si están relacionadas negativamente.
La regresión habla de que ¿cuál es el alcance de la relación, en qué dirección o cuál es la magnitud de cambio en 1 variable cuando cambia la otra variable? ¿Cómo se relacionan? Eso lo hacemos generalmente en el análisis de regresión. Por lo tanto, generalmente, el análisis de regresión relaciona la variable dependiente en la variable independiente en la forma de una ecuación lineal. Se trata de instrumentos para la previsión casual. Ahora, veremos cómo este análisis de regresión es generalmente útil en el método de previsión.
(Consulte el tiempo de la diapositiva: 34:53) Por lo tanto, antes de eso, veremos que hay 3 tipos de análisis de regresión. Uno es el análisis de regresión simple o bivariado, donde básicamente es la relación entre 2 variables, 1 variable dependiente y 1 variable independiente. Se relacionan linealmente en caso de 2 regresiones variables. Además, no están relacionados de manera lineal más bien están relacionados de una manera no-lineal. Obtenemos un análisis de regresión no lineal. Cuando estudiamos la relación entre 1 variable dependiente y el número de variables independientes, obtenemos el análisis de regresión múltiple.
El análisis de regresión simple es la relación entre 1 dependiente y 1 variable independiente, relación no lineal cuando las variables están relacionadas en un