ACTIVIDAD 3

ECONOMETRIA II
Lizbeth Carolina Martínez Salas
A01610939
INSTRUCCIONES
 DUMMY

• Existen variables dictomanas (0 y 1)

• Este método es util para desestacionalizar y es
utilizado por que puede reproducer una
estructura.
• En el presente studio se obtuvieron los siguientes
datos:
Coeficientes
Intercepción 24.02317
TIME 0.222753
D1 -7.70976
D2 -7.43306
D3 -7.62725
 DUMMY
70

60

50

40

30

20

10

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97 100103106109112115118

ventas FORECAST
 MÉTODO DE DESCOMPOSICIÓN

• El módelo de descomposición es
util para normalizar la variable
original, así como a la estacionalidad;
de esta forma se puede obtener una
serie mas limpia y sin accidents.
• Sirve para pronosticar datos a
mediano y largo plazo y se aplica en
datos preferentemente trimestrales.
 DESCOMPOSICIÓN
70

60

50

40

30

20

10

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97 100103106109112115118

ventas FORECAST
MÉTODO DE HOLT

• Se analizaron los datos dados

presentados en la imagen para
realizar el método HOLT utilizando
un periodo de 7. A través de este
método, se observa que no es
posible ver una tendencia y
estructura de los datos a largo
plazo. Se requieren otro tipo de
modelos mas avanzados.
 Holt
70

60

50

40

30

20

10

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97 100 103 106 109 112

X H
MÉTODO DE WINTER

• Se llevo a cabo la utilización del

modelo Winter con los datos
presentados en la siguiente imagen,
utilizando una m de 7 periodos.
• Este método es útil con series de
datos que presenten una
estacionalidad, tendencia y
pronósticos a largo plazo.
 0
10
20
30
40
50
60
70

1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
49
X

51
53
55
WINTER

57
W

59
61
63
65
67
69
71
73
75
77
79
81
83
85
87
89
91
93
95
97
99
101
103
105
 MÉTODO DE SUAVIZAMIENTO ADAPTATIVO

• Es un modelo cuyos parámetros de

suavizamiento se van adaptando al error,
de esta manera, ayuda a corregir el error
periodo por periodo.
• Es útil para series que tienen una
estacionalidad, tendencia y un poco de
aleatoriedad.
• Cuando observamos que existe una Gama
con un valor bajo, podemos notar marcada
la tendencia; cuando el valor es alto,
observamos la estacionalidad.
 SUAVIZAMIENTO ADAPTATIVO
70

60

50

40

30

20

10

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97 100 103 106 109 112

X F