FACULTAD DE ECONOMIA Y NEGOCIOS

1 UNIVERSIDAD DE CHILE

Tarea N°2
“Pronósticos de la Demanda”
DGOL23RM2A
 2

Integrante: Víctor E. Vásquez Vásquez.

Modulo: Pronósticos de la demanda.
Profesor: Pablo Gutiérrez.
Fecha: 19-09-2023

Desarrollo de preguntas

Problema 1: Explique intuitivamente qué significa que una serie de tiempo sea estacionaria

Cuando sus propiedades estadísticas, como la media, la varianza y la auto correlación, no cambian
de manera significativa a lo largo del tiempo. Para que una serie de tiempo sea considerada
estacionaria.

pág. 2
 3

Problema 2: Explique los componentes involucrados en la descomposición de una serie de

tiempo. ¿Por qué es importante identificar estos componentes?

Se identifican dos componentes principales o determinísticos, mientras que se añade un tercero

aleatorio.

 Tendencia‐Ciclo: Es la parte de una serie de tiempo que representa las tendencias a largo
plazo y las fluctuaciones cíclicas que no son estacionales. Separar esta componente de la
serie de tiempo es fundamental para analizar y pronosticar adecuadamente el
comportamiento de la serie.

 Estacionalidad: Se refiere a patrones regulares y predecibles que se repiten a intervalos

específicos de tiempo, y su identificación es esencial para comprender y modelar
adecuadamente el comportamiento de la serie y tomar decisiones informadas.

 Aleatoriedad: se refiere a la propiedad de eventos o resultados que ocurren de manera

impredecible y sin un patrón discernible. En otras palabras, cuando un evento es aleatorio,
no se puede predecir con certeza cuál será el resultado específico, ya que depende del
azar y no sigue un patrón determinado.

Su descomposición de una serie se representa como:

La identificación y el análisis de los componentes de tendencia-ciclo y estacionalidad en una serie

de tiempo son fundamentales para tomar decisiones fundamentadas y estratégicas en una
variedad de campos, desde la gestión empresarial hasta la economía y la planificación
gubernamental. Ayudan a prever la demanda futura y a ajustar las operaciones en consecuencia,
lo que puede mejorar la eficiencia y la rentabilidad de una organización.

Problema 3:

Explique el procedimiento de selección de modelos basado en datos de entrenamiento y datos

de prueba.

Es un procedimiento fundamental en el desarrollo de modelos de aprendizaje automático y

estadístico. Su objetivo es evaluar y comparar diferentes modelos para determinar cuál tiene un
rendimiento óptimo en la tarea de predicción o clasificación.

Esto se divide en 2 conjuntos:

pág. 3
 4

 Datos de entrenamiento: Las observaciones seleccionadas para usarse para ajustarse al

modelo.

 Datos de prueba: Las observaciones seleccionadas para ser utilizadas para evaluar el
rendimiento predictivo del modelo.

Por lo general, la relación se establece entre 50-50 y 80-20 para dividir entre entrenamiento y
prueba.

La factibilidad de este camino realmente depende del tamaño de la muestra. Para elegir el mejor
modelo predictivo para futuras observaciones, usamos algunos de nuestros datos como si fueran
observaciones futuras para ver cuál de los modelos ajustados solo con los datos de entregamiento
es el mejor.

La métrica más usada para evaluar el desempeño de modelos en predicción fuera de muestra con
los datos de prueba es:

La idea es elegir el modelo con el menor error cuadrático medio de predicción en los datos de
prueba.

Problema 4: A continuación, se presentaran los gráficos de tres series de tiempo. Para cada una
de ellas, sólo en base a un análisis gráfico, deberá́ determinar si la serie de tiempo es
estacionaria o no. Comente sobre algún patrón tendencial o estacional que logre identificar
gráficamente en los datos.

a) Consumo unitario de agua (en metros cúbicos) de clientes casa de Chile en frecuencia
mensual, periodo enero 2004 – diciembre 2018.

pág. 4
 5

Estacionaria. La serie es estable alrededor de un valor central y se logra repetir el mismo patrón
de forma invariable en el tiempo.

b) Número de autos nuevos vendidos en Chile en frecuencia mensual, periodo enero 2009 –
abril 2020.

No estacionaria. En esta serie de tiempo se muestran cambios de nivel y diferencias erráticas sin
una pauta asertiva, al principio de la serie se presenta una tendencia ascendente y hacia el final de
la serie presenta una tendencia decreciente por los cambios en el tiempo.

c) Índice de venta de vestuario, calzados y accesorios en Chile en frecuencia mensual,

periodo enero 2014 – marzo 2020.

pág. 5
 6

No estacionaria. En esta serie de tiempo presenta elevaciones y cambios a lo largo del tiempo,
por tanto no es estacionaria. Porque la media no es constante y su varianza es variable.

pág. 6