Series de tiempo Flashcards
¿Qué herramientas cualitativas se utilizan para analizar pronósticos?
Dolphi, Análisis de escenarios, Modelos dinámicos
¿Qué es el coeficiente de determinación?
El porcentaje de variación de los valores de la variable dependiente que se puede explicar en la ecuación de regresión.
¿Qué es un coeficiente de correlación?
El signo indica si la relación es directa o inversa. Es la 2° medida que se usa para describir qué tan bien explica una variable a la otra. Qué tanto varían los datos entre sí.
¿Qué es el ANOVA? ¿Qué información se puede obtener de esta?
Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o más poblaciones son iguales. Los ANOVA evalúan la importancia de uno o más factores al comparar las medias de la variable de respuesta en los diferentes niveles de los factores. La hipótesis nula establece que todas las medias de la población (medias de los niveles de los factores) son iguales mientras que la hipótesis alternativa establece que al menos una es diferente.
¿Cuáles son las características de un modelo de regresión lineal?
La regresión lineal generalmente utiliza el método de estimación de mínimos cuadrados ordinarios, del cual se obtiene la ecuación al minimizar la suma de los residuos al cuadrado.
¿Cuándo es recomendable utilizar SES o PMS?
Cuando el proceso se encuentra estable en el tiempo. La variación que existe se debe únicamente a la variación natural.
¿Cuándo es recomendable utilizar SED/L o PMD?
Cuando el proceso sigue un patrón ya sea positivo o negativo. La variación se le atribuye tanto a la variación natural como a la tendencia.
¿Cómo se interpreta la autocorrelación?
La función de autocorrelación es una medida de la correlación entre las observaciones de una serie de tiempo separadas por k unidades de tiempo (yt e yt–k).
¿Qué son y cómo se pueden interpretar el: MSE, MAD y MAPE?
Son medidas de desempeño de un pronóstico, y se interpretan como medidas del error del pronóstico.
¿Cuáles son los componentes de una serie de tiempo?
- Estacionalidad
- Tendencia
- Ruido o variaciones desconocidas
¿Para qué sirve una gráfica de residuales?
Una gráfica de residuos es una gráfica que se utiliza para examinar la bondad de ajuste en regresión y ANOVA. Examinar las gráficas de residuos le ayuda a determinar si se cumplen los supuestos de los mínimos cuadrados ordinarios. Si se cumplen esos supuestos, entonces la regresión de mínimos cuadrados ordinarios producirá estimaciones de coeficientes sin sesgo con la varianza mínima.
¿Cuáles son las características para un tener un modelo adecuado de regresión?
- Los predictores pueden ser continuos o categóricos
- La variable de respuesta debe ser continua
- Recolecte los datos utilizando las mejores prácticas
- La correlación entre los predictores, también conocida como multicolinealidad, no debe ser severa
- El modelo debe proveer un ajuste adecuado a los datos
¿Qué significa el α? ¿Qué valores puede tener?
Constante de suavización, de 0 a 1
¿Qué es el box cox?
La transformación de Box-Cox es una transformación de potencia, W = Y**λ, donde Minitab determina el mejor valor para λ. Cuando el deterioro de un producto no es lineal en el tiempo, una transformación de Box-Cox puede hacer que la relación sea lineal. Cuando se utiliza una transformación de Box-Cox, todos los datos de respuesta deben ser positivos (>0).
¿Qué es ARIMA?
En ARIMA, “autorregresivo”, “integrado” y “promedio móvil” se refieren a los pasos de filtrado que se toman para calcular el modelo ARIMA hasta que solamente queda el ruido aleatorio. El modelo ARIMA (promedio móvil integrado autorregresivo) también utiliza los patrones en los datos, pero estos patrones podrían no visualizarse fácilmente en una gráfica de los datos. En lugar de ello, el modelo ARIMA utiliza las funciones de diferenciación, autocorrelación y autocorrelación parcial para ayudar a identificar un modelo aceptable.
