Please enable JavaScript.
Coggle requires JavaScript to display documents.
HBP-Forecasting - Coggle Diagram
HBP-Forecasting
Pronósticos son sobre predecir el futuro en base a lo que ha ocurrido en el pasado. Prepararse para los cambios en el entorno.
Formas de reducir la incertidumbre: Obtener mas datos, pronósticos agregados, actualizar pronósticos previos.
Pronósticos basados en juicios de valor: Pronósticos de juicios se basan en la intuición subjetiva de una persona o de un grupo.También requieren información cualitativa y/o cuantitativa, pero se consideran de juicios porque se basan en creencias individuales.
métodos para desarrollar estos pronósticos deben incluir lo siguiente: Reconocimiento explícito de quien contribuyó al pronostico. Reconocimiento explícito de la información utilizada. Análisis retrospectivo de la precisión del pronóstico para el propósito de mejorar pronósticos futuros.
Sesgos comunes: inconsistencia, conservadurismo, disponibilidad, correlaciones ilusorias, efectos de regresión. optimismo irrealista, infraestimación de la incertidumbre, percepción selectiva.
Pronósticos basados en análisis cuantitativos: Empiezan con datos objetivos y son derivados de análisis matemáticos y estadísticos.
Clases de los datos:
Datos de series temporales es una secuencia de datos de una variable medida en un periodo de tiempo.
-
Datos longitudinales, también llamado panel de datos incluye datos transversales y datos de series temporales.
Variación: Cambios en los conjuntos de datos que pueden ser explicados o no explicados. 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).
Estadística básica: La media de un conjunto de datos es el valor promedio de los mismos. La desviación estándar es la raíz cuadrada de la varianza y también se usa como medida de la variación de los datos. Si dos variables están correlacionadas es cierto que: x causa y, y causa x, o ambas están relacionadas por un tercer factor.
-
Pronosticando usando hipótesis causales: 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 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.
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.