Please enable JavaScript.

Coggle requires JavaScript to display documents.

HBP - Forecasting - Coggle Diagram

- - - - Encuestas a clientes
      - Opinión de un experto
      - Jurado de opinión ejecutiva basada en discusión
      - Conjunto de opiniones de expertos
      - Consenso de fuerza de ventas
      - Delphi, un proceso formal e iterativo para generar pronósticos de un grupo de expertos
- - - - La media de un conjunto de datos es el valor promedio de los mismos
      - La varianza es una medida de la variación de los datos
      - La desviación estándar es la raíz cuadrada de la varianza y también se usa como medida de la variación de los datos
      - La covarianza entre dos variables es la medida de hasta qué punto cambian juntas
      - El coeficiente de correlación (r) es un término sin dimensión basado en la covarianza para indicar la relación entre dos variables
      - La correlación no debe confundirse con casualidad
      - Si dos variables están correlacionadas es cierto que: x causa y, y causa x, o ambas están relacionadas por un tercer factor
    - - Estimación de tendencias
        
        Este método dibuja una línea recta a través de los datos donde la pendiente revela una tendencia hacia arriba o hacia abajo donde la ecuación sería x=a+mt
        
        Análisis de tendencias es un caso de la regresión lineal simple donde una de las variables es el tiempo
      - Métodos de suavizado de alto orden
        
        El cuarto es un recordatorio: error (e) captura variación no explicada
        
        La autocorrelación mide la correlación de una variable consigo misma pero en un tiempo diferente
        
        Descomposición de series temporales asume que los datos pueden separarse en tres componentes usualmente
        
        Tendencia (t) captura un aumento o decrecimiento constante
        
        Estacional (s) captura periodicidad en los datos
        
        Cíclico (c) captura tendencias irregulares
        
        Medias móviles integradas autoregresivas (ARIMA) es un modelo que utiliza autorregresión (AR), integración (I) y medias móviles (MA) para mejorar la precisión de los pronósticos
      - Métodos de promedio
        
        Promedios simples
        
        Promedios movibles (medias móviles): Muestran datos históricos en el tiempo asumiendo que para pronosticar la media de los datos es un buen estimador de una tendencia central alrededor de la variación
        
        Suavizado exponencial es un método derivado de los datos pronosticados de un promedio ponderado de datos históricos. Este método es exponencial porque decae exponencialmente el peso dado a los datos históricos
    - - La elección de los métodos para pronosticar depende de la naturaleza de los datos:
        
        Datos de series temporales es una secuencia de datos de una variable medida en un periodo de tiempo
        
        Datos transversales es un conjunto de datos para multiples temas que concuerdan en un punto
        
        Datos longitudinales, también llamado panel de datos incluye datos transversales y datos de series temporales
    - - Métodos para pronosticar que se apoyan en hipótesis causales se conocen como métodos explicativos
      - Regresión lineal simple
        
        Se asume que la relación entre dos variables es linear donde la variable Y depende de la variable X cuyos valores son explicativos
        
        Para comparar hipótesis se analiza el coeficiente de determinación (R2) para ver que tan bien la línea recta se ajusta a los datos. Se interpreta como la proporción de la variación en Y que puede explicarse con el modelo de regresión
      - Cuando se cuenta con mucha información y análisis, se pueden hacer hipótesis causales para especular que los cambien en una variable de interés han sido causados por otra variable
      - Regresión lineal múltiple
        
        Es una expansión de la regresión lineal simple y es un método poderoso para pronosticar
        
        Se usan múltiples variables explicativas, cada una con su coeficiente de regresión
        
        Asi como R mide que tanta variación puede atribuirse a una variable, el F-test da una significación general del modelo entero
        
        Valores más altos indican mayor significancia para la regresión donde F es la división de la varianza explicada por el modelo de regresión sobre la varianza que no es explicada por el modelo de regresión
    - - Cambios en los conjuntos de datos que pueden ser explicados o no explicados
      - Explicados se refiere encontrar la causa de los cambios
      - De los cambios se derivan hipótesis para los pronósticos de los cambios en variables
      - Muchas veces la variación que no se puede explicar cómo error o aleatoriedad
      - Se trata de separar las señales (variación explicada) del ruido (variación inexplicada)