Modelo Dinámico Bayesiano y Modelos Estadísticos Predictivos - Núm. 15-1, Enero 2017 - Dimensión Empresarial - Libros y Revistas - VLEX 666599401

Modelo Dinámico Bayesiano y Modelos Estadísticos Predictivos

AutorAntonio Boada
CargoMaster en Finanzas, docente investigador en Universidad Simón Bolívar
Páginas25-41
25
Dimensión Empresarial
/ Vol.15 No. 1/ Enero - Junio de 2017, págs.
MODELO LINEAL DINÁMICO BAYESIANO COMO
PROCEDIMIENTO DE ACTUALIZACIÓN AUTOMÁTICA PARA
MODELOS ESTADÍSTICOS PREDICTIVOS
1
BAYESIAN DYNAMIC LINEAR MODEL AS AN AUTOMATIC UPDATE
PROCEDURE FOR PREDICTIVE STATISTICAL MODELS
MODELO DINÂMICO LINEAR BAYESIANO COMO UM PROCEDIMENTO DE
ACTUALIZAÇÃO AUTOMÁTICA PARA MODELOS ESTATÍSTICOS PREDITIVOS
25
Antonio José Boada2
FORMA DE CITACIÓN
Boada, A.J. (2017) Modelo lineal dinámico bayesiano como procedimiento de actualización automática para modelos estadísticos
predictivos. Dimensión Empresarial, 15(1), 25-41
JEL : C11, C12, C13
DOI: http://dx.doi.org/10.15665/rde.v15i1.547
RESUMEN
Mediante este artículo, se expone una aplicación práctica, comprobada a través de datos reales, de cómo el Modelo Lineal Dinámico
Bayesiano de Orden 1, puede ser aplicado directamente sobre los residuos aleatorios provenientes de un Modelo Clásico de Regresión
Múltiple Estático, generando así un complemento interesante para los modelos estadísticos predictivos. Este componente bayesiano,
genera un factor que se retro alimenta de los residuos (diferencia entre las predicciones y los valores históricos reales), ajustándose
según la información histórica más reciente, todo ellos de forma automatizada y sin necesidad de ajustar continuamente los
coeficientes de Regresión Múltiple, lo que genera un incremento en la robustez y estabilidad de dichos modelos para herramientas
automatizadas de predicción en empresas. Este artículo establece un caso de cómo la estadística bayesiana puede ser un excelente
complemento para las técnicas de las estadística clásica frecuentista.
Palabras Clave: Modelo Bayesiano; Análisis de Residuos; Predicción Bayesiana; Estimación Automatizada.
1 Artículo de investigación financiado por la Universidad Simón Bolívar, Valle Camurí Grande, www.usb.ve . Fecha de recepción 15/10/2015. Fecha de aceptación
2/12/2016.
2 Master en Finanzas, docente investigador en Universidad Simón Bolívar, www.usb.ve , Sede Litoral, Departamento Formación General y Ciencias Básicas, Valle
Camurí Grande, Estado Vargas, Venezuela. Correo: antonioboada@usb.ve y antonio_boada@virtual.ceipa.edu.co.
Otras publicaciones: Boada, AJ. (2013), Modelo estadístico de regresión múltiple, columna vertebral para predecir en empresas multinacionales con estilo de venta
por catálogo. Revista Lasallista, 10(1), 112 - 127.
26
Dimensión Empresarial
/ Vol.15 No. 1/ Enero - Junio de 2017, págs.
Dimensión Empresarial
/ Vol.14 No. 1/ Enero - Junio de 2016, págs.
26
ABSTRACT
This paper, a practical application, proven through actual data, how the Bayesian Dynamic Linear Model Order 1 can be applied directly to the random
waste from a multiple regression model Classic Static, thus creating an interesting addition is exposed for predictive statistical models. This Bayesian
component generates a retro factor that feeds on waste (dierence between predictions and actual historical values), adjusted according to the most
recent historical information, all of them automatically and without the need to continually adjusts the Multiple Regression coecients, generating
an increase in the strength and stability of such models for prediction automated tools companies. This article provides a case of how Bayesian
statistics can be an excellent complement to the techniques of classical frequentist statistics.
Key Words: Bayesian Model; Waste Analysis; Bayesian prediction; Automated Estimation.
RESUMO
Através deste artigo, uma aplicação prática, comprovada através de dados reais, como o modelo linear dinâmico Bayesian Ordem 1 pode ser aplicado
diretamente sobre os resíduos aleatória de um modelo clássico de regressão múltipla estático, gerando assim um suplemento exposta interessante
para os modelos estatísticos preditivos. Este componente Bayesian gera um fator que retro alimenta de resíduos (diferença entre as previsões e
os valores históricos reais), ajustado de acordo com as últimas informações históricas, todas elas automaticamente e sem a necessidade de ajustar
continuamente os coeficientes de regressão múltipla , gerando um aumento na força e estabilidade de tais modelos para ferramentas de previsão
automatizada empresas. Este artigo fornece um exemplo de como as estatísticas Bayesian pode ser um excelente complemento para as técnicas de
estatística freqüentista clássicos.
Palavras chave: Modelo Bayesian; Análise de Resíduos; Previsão Bayesian; Estimativa Automatizado.
1. INTRODUCCIÓN
En virtud de la modernización de los mercados, los
directivos usualmente requieren mayor información referente
al comportamiento de los productos y las ofertas aplicadas;
así como una optimización en la efectividad de la valoración
del impacto en la demanda según los diferentes instrumentos
mercadotécnicos utilizados.
Los pronósticos son vitales para toda organización mercantil
y para toda decisión administrativa importante. Los pronósticos
presentan la base de los planes a largo plazo de la empresa. En
las áreas funcionales de nanzas y contabilidad, los pronósticos
son la base para la planeación del presupuesto y el control de los
costos (Klepacki, 2005). El departamento de marketing depende
de los pronósticos de ventas para sus planes de productos
nuevos, para remunerar al personal de ventas y para tomar
otras decisiones fundamentales. El personal de producción y
el de operaciones usan los pronósticos para tomar decisiones
de manera periódica, respecto a la selección de procesos,
la planeación de la capacidad y la disposición física de las
instalaciones, así como para las decisiones rutinarias sobre los
planes de producción, los programas y los inventarios (Chase,
Jacobs, & Aquilano, 2005).
Este artículo incluye una valoración con datos reales, realizada
en una empresa con estilo de venta directa, donde su canal
de distribución puede verse reejado de la siguiente manera:
Productor (Empresa) - Minorista (Promotores) - Consumidor
Este tipo de empresas maniesta un esquema sencillo y
controlado de ventas y distribución, a través de vendedoras,
representantes o consejeras. La notoria ausencia de mayoristas,
presenta una ventaja al momento de realidad predicción,
ya que es posible modelarlas y estimarlas mediante un
modelo estadístico de regresión múltiple, donde las variables
causales corresponden a una cuanticación de las variables
mercadotécnicas; incluyendo la duración para dichas estrategias
mercadológicas.

Para continuar leyendo

Solicita tu prueba

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR