Capítulo 10
AJUSTES NO LINEALES
por José Saúl Velásquez Restrepo
Introducción
Con la Revolución Digital, el análisis predictivo busca resultados futuros utilizando datos del pasado; los modelos utilizan diferentes metodologías con un objetivo general muy similar; algunos son específicas de clasificación (los resultados del modelo son binarios; un sí o un no, en forma de 0 y 1) y otras de regresión que permiten predecir un valor que puede aplicarse a un evento desconocido del pasado, del presente o del futuro.
La Revolución Digital aporta el BIG DATA con abundancia de variables estructuradas, como tablas de datos, y no estructuradas, como textos, imágenes o vídeos y brinda nuevas posibilidades para la predicción y trae a un cambio de disposición. Ahora se construyen flexibles y heterogéneas con capacidad demostrada de prever bien, datos diferentes de los utilizados para estimarlas; el predictor final utilizado combina distintos modelos, procedimientos y tipos de datos.
Árboles de Decisión, Redes Neuronales, Máquinas de Vectores de Soporte, Análisis Bayesiano, Regresión Logística, Regresión Lineal, Series Temporales y Data Mining, K-Vecinos más Cercanos, Ensemble Models, Potenciación del Gradiente, Modelos de Respuesta Incremental, reemplazan, introduciendo múltiples parámetros extraídos de Big Data, con muchas ventajas, los modelos tradicionalmente utilizados por la estadística.
Big Data Analytics es la tecnología utilizada para analizar una enorme cantidad de datos estructurados y no estructurados que son reunidos, organizados e interpretados por un software, transformándolos en información útil para la toma de decisiones y para generar ideas sobre tendencias de mercado. Además, contribuye a la generación de ideas de nuevos productos y servicios, atracción de clientes, comprensión de la audiencia, seguridad y más beneficios para tomar decisiones estratégicas.
En muchas situaciones la curva de ventas no se comporta de acuerdo a un modelo de regresión o de una correlación múltiple de tipo lineal; en estos casos se habla de ajustes no lineales y se procede como se indica paso a paso.
- 1. Señale con el mouse la serie de datos.
- 2. Der click en asistente gráficos.
- 3. Seleccione “Líneas”.
- 4. Continué con el tutorial de gráficos, utilizando el botón "siguiente".
- 5. En la hoja rango de datos, seleccione serie en "columnas" y el programa automáticamente le grafica.
- 6. Dé clic en el botón "siguiente" y proceda a titular, el grafico y los ejes X, Y.
- 7. De clic en botón "finalizar" y visualiza el gráfico que se ilustra a continuación.
- 8. Seleccione la línea graficada con el botón izquierdo y luego con clic derecho; seleccione en el menú "agregar línea de tendencia".
- 9. El programa le genera un menú con las alternativas de tendencia, para seleccionar a criterio la curva que mejor se ajuste a la serie de datos. En caso de que el ajuste sea de tipo polinomial o media móvil, el analista deberá probar con los diferentes ordenes (2,3,4 ...) hasta encontrar, en su criterio el mejor ajuste.
- 10. De clic en el menu Opciones
- 11. Indique cuantos periodos quiere proyectar, en este caso (5) y seleccione el botón presentar ecuación en el grafico.
- 12. Observe y analice cuidadosamente la ecuación que se buscaba:
- Y=1.1111X3+16.548X2+135.71
Periodos Proyectados
| periodos | ventas |
| 1 | 150 |
| 2 | 200 |
| 3 | 280 |
| 4 | 450 |
| 5 | 700 |
| 6 | 890 |
| 7 | 1300 |
Proyecciones:
| periodos | ventas |
| 8 | 1716 |
| 9 | 2232 |
| 10 | 2842 |
___________________________________________
1. Agradezco la colaboración del ingeniero de producción, especialista en costos Octavio Pelaez M.