Estad´ıstica y Pron´ostico JJ II
Transcript of Estad´ıstica y Pron´ostico JJ II
Title Page
Contents
JJ II
J I
Page 1 of 24
Go Back
Full Screen
Close
Quit
Estadıstica y Pronostico
Gabriel Nunez AntonioITAM-Mexico
Julio-Septiembre, 2006
Title Page
Contents
JJ II
J I
Page 2 of 24
Go Back
Full Screen
Close
Quit
Introduccion
• El termino pronostico es de uso comun en el lenguaje cotidi-ano. En practicamente cualquier diccionario se puede encon-trar alguna de las siguientes definiciones.
Pronostico
1. (sustantivo masculino) Accion y efectos de pronosticar.
2. (sustantivo masculino) Prediccion de los fenomenos mete-orologicos.
3. (sustantivo masculino) Prediccion del medico acerca de loscambios que pueden sobrevenir durante una enfermedad, ysobre la duracion y termino de la misma, por los sıntomasdetectados.
4. (sustantivo masculino) Senal o presagio.
Title Page
Contents
JJ II
J I
Page 3 of 24
Go Back
Full Screen
Close
Quit
Prediccion
• Del latın praedictio, -onis.
1. (sustantivo masculino). Accion y efecto de predecir oanunciar un hecho que se producira en el futuro.
2. (sustantivo femenino). Palabras con que se predice y cosapredicha.
Presagio
• Del latın praesagium = conocimiento anticipado.
1. (sustantivo masculino). Senal externa o estado anımicoque vaticina un suceso futuro.
2. (sustantivo masculino). Adivinacion del futuro por indi-cios o presentimientos.
SIN. 1. Indicio, barrunto, sıntoma. 2. Pronostico, prediccion,anuncio.
Title Page
Contents
JJ II
J I
Page 4 of 24
Go Back
Full Screen
Close
Quit
Pronosticar
• De pronostico.
1. (verbo transitivo). Prever lo futuro.
2. (verbo transitivo). Predecir, manifestar lo que va a sucederbasandose en ciertos indicios.
3. (verbo transitivo). Emitir un medico su pronostico.
Predecir
• Del lat. praedicere < prae = antes + dicere = decir.
1. verbo transitivo). Anunciar un hecho que ocurrira en elfuturo.
– FAM. Prediccion, predicho, -a.
– SIN. Vaticinar, pronosticar, presagiar, conjeturar.
– OBS. v.irreg.; modelo decir.
Title Page
Contents
JJ II
J I
Page 5 of 24
Go Back
Full Screen
Close
Quit
• Para los propositos de este curso, un pronostico es una afir-macion sobre un evento cuya ocurrencia no es segura.
• Tıpicamente, los pronosticos se producen sobre eventos quepueden ocurrir en el futuro.
• Los fenomenos que dan origen a los eventos que son objeto depronosticos se conocen con el nombre de fenomenos inciertos(sus resultados no se pueden anticipar con certeza).
Title Page
Contents
JJ II
J I
Page 6 of 24
Go Back
Full Screen
Close
Quit
• En virtud de que los eventos para los cuales se producenpronosticos no se pueden anticipar con certeza, una carac-terıstica intrınseca de todo pronostico es que puede fallar.
• La incertidumbre asociada a los fenomenos inciertos puedeprovenir de, al menos, dos fuentes distintas.
– La falta de conocimiento.
– La falta de control.
• La falta de control se manifiesta a traves de la variabilidad delos resultados observados.
Title Page
Contents
JJ II
J I
Page 7 of 24
Go Back
Full Screen
Close
Quit
• La produccion de pronosticos esta inevitablemente asociadacon descripcin de la incertidumbre.
• Producir pronosticos es relativamente facil.
• Producir pronosticos que acierten con frecuencia es difıcil.
• Producir pronosticos que acierten siempre es imposible.
• Medir el grado de confiabilidad de un pronostico, despues dela eventual ocurrencia del evento relevante, es facil.
• Medir el grado de confiabilidad de un pronostico, antes de laeventual ocurrencia del evento relevante, es difıcil.
Title Page
Contents
JJ II
J I
Page 8 of 24
Go Back
Full Screen
Close
Quit
• Existen diversos tipos de pronosticos, por ejemplo:
– magicos,
– cualitativos y
– cuantitativos (estadısticos)
• Un pronostico ideal debe incluir:
– Una medida de su precision,
– Una medida de su confiabilidad (previa)
• Ademas, debe obtenerse con un mecanismo Reproducible
• Las tecnicas estadısticas de pronostico no solamente reunenestas tres caracterısticas sino que constituyen una valiosa
Title Page
Contents
JJ II
J I
Page 9 of 24
Go Back
Full Screen
Close
Quit
Ejemplo 1.
Ano Millones de pesos1990 13,6881991 15,4161992 18,6301993 20,0851994 21,3701995 18,5531996 17,6911997 19,4271998 23,379
Primas emitidas por el Sector Asegurador Mexicano.(en millones de pesos a precios constantes de 1994) .
0
5000
10000
15000
20000
25000
1970 1975 1980 1985 1990 1995 2000
• ¿Cual serıa un pronostico razonable para 1999?
• ¿Con que margen de error?
• ¿Con que grado de confiabilidad?
Title Page
Contents
JJ II
J I
Page 10 of 24
Go Back
Full Screen
Close
Quit
Ejemplo 2.
Intención de Voto DF.
34%
28%
24%
8% 6%PRDPRIPANOTROSNS/NC
1
• ¿Como podrıa utilizar estos datos para producir unpronostico?
– ¿Cual serıa ese pronostico?
– ¿Con que margen de error?
– ¿Con que grado de confiabilidad?
Title Page
Contents
JJ II
J I
Page 11 of 24
Go Back
Full Screen
Close
Quit
• Las tecnicas estadısticas para la produccion de pronosticosoperan de acuerdo a reglas generales que, en esencia, se puedenresumir a traves del siguiente algoritmo.
1. Se recolectan observaciones sobre el fenomeno.
2. Se describe el comportamiento de las observaciones.
3. Se adoptan supuestos de caracter general sobre el compor-tamiento de las observaciones.
4. Se establecen supuestos sobre la relacion que guardan lasobservaciones futuras con las observaciones que se hanrecolectado.
5. Se describe el comportamiento futuro del fenomeno. Esdecir, se producen los pronosticos cada uno de los cualesincluye una medida de su confiabilidad.
Title Page
Contents
JJ II
J I
Page 12 of 24
Go Back
Full Screen
Close
Quit
• Este algoritmo se complementa con una etapa mas de verifi-cacion o contraste del pronostico. Esta etapa se lleva a cabocuando la incertidumbre sobre la ocurrencia del evento objetodel pronostico desaparece.
• En esas condiciones, el resultado del evento se compara con elpronostico y de esa comparacion se pueden sugerir modifica-ciones al procedimiento de produccion de los pronosticos.
• Estas modificaciones, en general, afectan los supuestos quese adoptan en el proceso y tienen por objeto describir mejortanto las observaciones disponibles como la relacion de estascon las observaciones futuras, objeto de los pronosticos.
Title Page
Contents
JJ II
J I
Page 13 of 24
Go Back
Full Screen
Close
Quit
• Cuando, como resultado de la etapa de contraste, se dan mod-ificaciones el algoritmo debe ponerse a prueba nuevamentedesde el principio.
• La repeticion de este ciclo es la base de la mejora y adaptacioncontinua del proceso de produccion de pronosticos.
• En cualquier caso, el proceso completo de produccion depronosticos estadısticos, tal como se ha indicado, se llevaa cabo a partir de la informacion que se recolecta sobre elfenomeno e inevitablemente requiere de supuestos.
Title Page
Contents
JJ II
J I
Page 14 of 24
Go Back
Full Screen
Close
Quit
• Ahora bien, los supuestos en un proceso de analisis estadıstico,como el que se emplea para producir pronosticos, se incorpo-ran a traves de lo que se conoce como modelo.
• Un modelo es una descripcion aproximada de la realidad.
• Los modelos se utilizan con el proposito de analizar los as-pectos relevantes de la realidad en condiciones simplificadas.
• Ası, los modelos destacan los elementos que se consideran deimportancia en el estudio de un fenomeno y simultaneamente,toman en cuenta las relaciones que existen entre estos elemen-tos a la vez que describen de forma general todos los otrosaspectos del fenomeno.
Title Page
Contents
JJ II
J I
Page 15 of 24
Go Back
Full Screen
Close
Quit
• Existen diferentes tipos de modelos. El Analisis Estadısticahace uso preferentemente de los llamados modelos simbolicos.Esta es una clase de modelos muy utilizada en Matematicasdonde los distintos elementos del fenomeno bajo estudio serepresentan por medio de sımbolos y sus relaciones se estable-cen a traves de funciones.
• Ya nos ocuparemos mas delante de los modelos estadısticospara la produccion de pronosticos pero por el momento esconveniente puntualizar que, no importa la clase a la quepertenezca, las caracterısticas mas importantes de todo mod-elo son las siguientes:
– Simplicidad
– Capacidad descriptiva
• La simplicidad se refiere a la propiedad de que el modelo puedaser utilizado y sus resultados puedan ser interpretados y anal-izados sin dificultad.
Title Page
Contents
JJ II
J I
Page 16 of 24
Go Back
Full Screen
Close
Quit
• La capacidad descriptiva, por su parte, es la propiedad conque debe contar el modelo para reproducir las manifestacionesdel fenomeno bajo estudio con fidelidad. En particular estapropiedad se comprueba, en muchos casos, mediante la pro-duccion de pronosticos. Un modelo con esta propiedad, pro-duce buenos pronosticos.
• Otra propiedad que complementa estas dos es la generalidad.
• Un modelo cuenta con esta propiedad cuando reune tanto lasimplicidad como la capacidad descriptiva para toda una clasede fenomenos similares y no para uno solo.
Title Page
Contents
JJ II
J I
Page 17 of 24
Go Back
Full Screen
Close
Quit
Ejemplo 3.
• Suponga que se le pide producir un pronostico sobre el sexo(hombre o mujer) de la ultima persona del grupo que ingresea la sala la proxima sesion de este curso.
– ¿Cual serıa su pronostico?
– ¿Que informacion tomarıa en cuenta?
– ¿Como la utilizarıa?
– ¿Cual serıa el grado de confiabilidad del pronostico?
Title Page
Contents
JJ II
J I
Page 18 of 24
Go Back
Full Screen
Close
Quit
Conjunto de Datos 1. Base de datos de 200 empleados deuna compania.
antigüedad horas extra sexo cursos incapacidad aptitudes escolaridad salario edad
n X1 X2 X3 X 4 X 5 X6 X 7 X 8 X91 11 125 1 4 9 121.89 2 23065 442 24 225 2 2 2 114.20 1 27180 503 17 115 2 3 5 134.11 1 34875 484 9 117 1 1 1 113.95 1 23685 535 15 26 1 2 0 151.41 2 33550 626 6 43 1 4 3 96.65 1 22635 457 4 124 2 2 4 98.43 2 19575 268 2 71 2 1 1 110.06 1 20430 289 17 166 2 2 5 101.98 1 18955 3310 17 158 1 3 2 101.01 1 25595 4011 15 182 2 4 4 103.42 2 34975 6312 21 81 2 3 6 106.88 2 26800 5513 4 58 1 2 5 99.36 2 22400 5014 12 203 1 2 3 105.66 2 31200 3315 23 144 1 2 4 100.91 1 24750 4116 20 179 1 3 5 73.76 2 30495 5317 19 96 2 1 5 83.39 0 33965 5818 12 96 2 4 7 88.41 1 30440 51
Hanke, J.E. & Reitsh, A.G. (1995). Estadística para Negocios.
Base de datos de 200 empleados de una compañía
Madrid: Irwin. Apéndice C.
Hanke, J.E. y Reitsh, A.G. (2000). Estadıstica para Negocios. Apendice C
Title Page
Contents
JJ II
J I
Page 19 of 24
Go Back
Full Screen
Close
Quit
1. Describa el comportamiento de este grupo de personas en loque se refiere a genero (sexo).
2. Describa este grupo de personas en lo que se refiere a su nivelde escolaridad.
3. Describa este grupo de personas en lo que se refiere a su edad.
Title Page
Contents
JJ II
J I
Page 20 of 24
Go Back
Full Screen
Close
Quit
La Naturaleza del Analisis Estadıstico.
Censos
Control de Calidad
Experimentos
Análisis de Datos
Estadística Encuestas
Inferencia
Estudios de OpiniónEstudios de Mercado
Parámetros
Probabilidad
1
Title Page
Contents
JJ II
J I
Page 21 of 24
Go Back
Full Screen
Close
Quit
Objeto: Estudio de Fenomenos Inciertos (Aleatorios).
Observador Fenómeno
1
• Fenomeno Incierto: Aquel cuyos resultados no se pueden pre-decir con certeza.
• El estudio se realiza a partir del conocimiento previo y deobservaciones que se realizan sobre el fenomeno.
Title Page
Contents
JJ II
J I
Page 22 of 24
Go Back
Full Screen
Close
Quit
El Proceso de Observacion.
Fenómeno
Marco Conceptual
Atributos
Variables
Datos
1
• Atributo: Manifestacion de interes.
• Variable: Codificacion numerica de un atributo.
• Dato: Registro (numerico) de la observacion de un atributo atraves de una variable (valor concreto).
Title Page
Contents
JJ II
J I
Page 23 of 24
Go Back
Full Screen
Close
Quit
• Variables:X, Y, Z, W, ...
• Datos:x, y, z, w, ...
Descripción
Datos, muestra
x1, x2,…,xn Fenómeno
1
• Estadıstica: Familia de tecnicas para describir un fenomeno,a partir de un conjunto de datos que presenta variabilidad.
Title Page
Contents
JJ II
J I
Page 24 of 24
Go Back
Full Screen
Close
Quit
• Conclusion: Toda la Estadıstica es descriptiva!
– Caso I: Se cuenta con todos los datos posibles delfenomeno.
=⇒ Descripcion Exacta=⇒
Analisis Exploratorio de Datos
– Caso II: Se cuenta solo con una parte de todos los datosposibles del fenomeno.
=⇒ Descripcion Aproximada=⇒
Inferencia Estadıstica