jueves, 24 de julio de 2008

comentario

el metodo de minimos cuadrados, es el medio por el cual se llega a encontrar la función para un mejor ajuste de las variables que se esten estudiando.

metodos de minimos cuadrados

Mínimos cuadrados es una técnica de optimización matemática que, dada una serie de mediciones, intenta encontrar una función que se aproxime a los datos (un "mejor ajuste"). Intenta minimizar la suma de cuadrados de las diferencias ordenadas (llamadas residuos) entre los puntos generados por la función y los correspondientes en los datos. Específicamente, se llama mínimos cuadrados promedio (LMS) cuando el número de datos medidos es 1 y se usa el método de descenso por gradiente para minimizar el residuo cuadrado. Se sabe que LMS minimiza el residuo cuadrado esperado, con el mínimo de operaciones (por iteración). Pero requiere un gran número de iteraciones para converger.

Un requisito implícito para que funcione el método de mínimos cuadrados es que los errores de cada medida estén distribuidos de forma aleatoria. El teorema de Gauss-Markov prueba que los estimadores mínimos cuadráticos carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una distribución normal. También es importante que los datos recogidos estén bien escogidos, para que permitan visibilidad en las variables que han de ser resueltas (para dar más peso a un dato en particular, véase mínimos cuadrados ponderados).

La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas. Muchos otros problemas de optimización pueden expresarse también en forma de mínimos cuadrados, minimizando la energía o maximizando la entropía

lunes, 21 de julio de 2008

comentario

la tendencia variable es lo que no tiene un valor fijo de la constante que es un valor fijo. la estocastica su valor se encuentra en el oscilador o al azar. Y la constante que su valor se encuentra en vp.

clases de tendencia

variable:
de la función parametro incognita etc. que no es constante. Variable independiente o explicativo, que puede explicar o predecir el comportamiento de otra o otras variables.

Estocastica:
es un oscilador que se mueve entre 0 y 100 y que mediante el cruce de la linea del oscilador y de su media movil proporciona señales de compra o de venta. es un algoritmo que basa su resultado en probabilidad.

Constante:
en os procedimientos de la regresión la constante es el valor de vp cuando todas las v. toman el valor cero.

comentario

la regresion:
es el metodo por el cual llegamos a estudiar fenomenos a traves de lapsos de tiempo y asi poder hacer predicciones en el futuro con base a datos pasados.

Correlación:
Es el metodo por el cual se llega a encontrar la rrelación que hay entre las variables que se estan estudiando.

regresión y correlación

La regresión estadística o regresión a la media es la tendencia de una medición extrema a presentarse más cercana a la media en una segunda medición. La regresión se utiliza para predecir una medida basándonos en el conocimiento de otra.

tipos de regresión:
Regresión lineal simple
Dadas dos variables (Y: variable dependiente; X: independiente) se trata de encontrar una función simple (lineal) de X que nos permita aproximar Y mediante: Ŷ = a + bX

a (ordenada en el origen, constante)
b (pendiente de la recta)
A la cantidad e=Y-Ŷ se le denomina residuo o error residual.

Regreseión no lineal
En estadística, la regresión no lineal es un problema de inferencia para un modelo tipo:


basado en datos multidimensionales x,y, donde f es alguna función no lineal respecto a algunos parámetros desconocidos θ. Como mínimo, se pretende obtener los valores de los parámetros asociados con la mejor curva de ajuste (habitualmente, con el método de los mínimos cuadrados). Con el fin de determinar si el modelo es adecuado, puede ser necesario utilizar conceptos de inferencia estadística tales como intervalos de confianza para los parámetros así como pruebas de bondad de ajuste.


Correlación
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal entre dos variables aleatorias. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad (Véase Cum hoc ergo propter hoc).

comentario

las series estacionarias se caracterizan en que es constante la cantidad que hay entre un dato a otro no varia mucho. Al contrario de la no estacionaria que si tiende a variar mucho

clasificación de series de tiempo

estacionarias:
Se habla de este tipo de variaciones usualmente cuando el comportamiento de la variable en el tiempo ennun periodo esta relacionado con la época o un periodo particular, por lo general en el espacio cronologico presente.




No estacionaria:
los movimientos irregulares (al azar) representan todos los tipos de movimientos de uan serue que no sea tendencia.

comentario

estas graficas nos ayudan a comprender fénomenos por medio de lapsos de tiempo y los cambios que han sufrido a traves del mismo

graficas de series de tiempo




comentario

es un conjunto de secuencias de puntos de datos para detectar la información a como se mueve la variable en el tiempo dependiendo del fenomeno que se estudie, tambien llamda cronologica que da un conjunto de observaciones de una variable, ordenada segun el tiempo.

series de tiempo

Una serie de tiempo esta dado por un conjunto de observaciones que están ordenadas en el tiempo, y que estas pueden representar el cambio de una variable ya sea de tipo económica, física, química, biológica, etc, a lo largo esa historia.

El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por supuesto que las condiciones no variarán significativamente.

Los pronosticos que se puedan realizar en base al análisis de este tipo de datos serviran para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parete de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc.

En estadística, procesamiento de señales, y econometría, una serie temporal es una secuencia de puntos de datos, medidos típicamente a intervalos de tiempo sucesivos , y espaciados (con frecuencia) de forma uniforme. El análisis de series temporales comprende métodos que ayudan a interpretar este tipo de datos, extrayendo información representativa, tanto referente a los orígenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro.

De hecho uno de los usos más habituales de las series de datos temporales es su análisis para predicción y pronóstico. Por ejemplo de los datos climáticos, o de las acciones de bolsa, o las series pluviométricas.