U N MODELO DE PREDICCI N

INTRODUCCION: MODELOS ESTOCASTICOS

Un modelo estocstico es aquel en el que se representan todos y cada uno de los pasos necesarios para realizar una actividad, adems de las formas o maneras en que cada uno de los pasos puede ser llevado a efecto y sus respectivas probabilidades, dicho de otra forma, cualquier proceso en el que se involucren probabilidades es un proceso estocstico. Estocstico (del latn estocsticas, que a su vez procede del griego , "hbil en conjeturar")1 a los sistemas cuyo comportamiento es intrnsecamente no determinstico. Un modelo estocstico es aquel cuyo comportamiento es no determinista, en la medida que el subsiguiente estado del sistema est determinado tanto por las acciones predecibles del propio modelo como por elementos aleatorios. No obstante, de acuerdo cualquier desarrollo temporal (sea determinstico o esencialmente probabilstico) que pueda ser analizable en trminos de probabilidad merece ser denominado como un proceso estocstico. Modelo: En las ciencias puras y, sobre todo, en ciencias aplicadas, se denomina modelo cientfico a una representacin abstracta, conceptual, grfica o visual, matemtica, de fenmenos, sistemas o procesos a fin de analizar, describir, explicar, simular - en general, explorar, controlar y predecir- esos fenmenos o procesos. Un modelo permite determinar un resultado final a partir de unos datos de entrada. Se considera que la creacin de un modelo es una parte esencial de toda actividad cientfica. En trminos generales si unimos los conceptos antes mencionados estocsticos y modelo encontramos: Que un modelo estocstico es una representacin abstracta. Necesaria para el desarrollo de una actividad en condiciones de probabilidad en cualquier proceso matemtico. En este caso el proceso es la determinacin de un modelo estocstico de proyecciones financieras que dan como origen que estas sea lo ms aproximado a la realidad y no se separen mucho de los entornos econmicos que representan. El modelo de prediccin consiste en la aplicacin de la probabilidad mediante logaritmos naturales (2.71828) en la base de clculo para su aplicacin la probabilidad y la asignacin de este modelo de prediccin est basado en la distribucin, correlacin as como en la distribucin de los datos aleatorios que pueden ser tomados de las ventas o los costos u cualquier otra cantidad que se trata de proyectar o predecir para un futuro, se toma la base de por lo menos dos cantidades y se aplica la sumatoria de estas y se saca el promedio, procediendo a restar de las cantidades iniciales este promedio y elevando al cuadrado , para obtener la sumatoria y poder calcular la raz cuadrada, regresando estas a su base

original para calcular la distribucin normal estndar como este clculo solo est establecido a la cantidad de cuatro si fuese superior a esta se procede a dividir la raz cuadrada (1/el resultado de la raz ) y se procede nuevamente a calcular la distribucin obteniendo un resultado superior al 50% este nos servir aplicar el logaritmo natural y poder ya determinar la proyeccin 1) Primer paso: se busca la informacin de las ventas histricas de la empresa
1 2 3 4 5 6 15600 11900 14670 12340 17496 14750

2) Segundo paso: se suman y se determina el promedio de los datos

1 2 3 4 5 6 15600 11900 14670 12340 17496 14750 86756 14459

3) Tercer paso: se resta el promedio de cada una de las ventas o cantidades establecidas.
1 2 3 4 5 6 15600 11900 14670 12340 17496 14750 86756 14459 1140.67 -2559.33 210.67 -2119.33 3036.67 290.67

4) este caso existen cifras positivas y negativas los cuales tendremos que quitar para poder trabajar con cifras positivas.

1 2 3 4 5 6

15600 11900 14670 12340 17496 14750 86756 14459

1140.67 2559.33 210.67 2119.33 3036.67 290.67

1301120.44 6550187.11 44380.44 4491573.78 9221344.44 84487.11

5) se suman los cuadrados, dado que para poder quitar los negativos elevamos cuadrado todas las cantidades. Y se determina la raz cuadrada para regresar a su base original.
1 2 3 4 5 6 15600 11900 14670 12340 17496 14750 86756 14459 1140.67 2559.33 210.67 2119.33 3036.67 290.67 1301120.44 6550187.11 44380.44 4491573.78 9221344.44 84487.11 21693093.33 4657.5845

5) si el resultado es mayor a cuatro se tendr que hacer otra operacin que es la divisin de uno entre el resultado de la raz si la raz es menor a cuatro de deja como esta y se determina la distribucin normal estndar.
1 2 3 4 5 6 15600 11900 14670 12340 17496 14750 86756 14459 1140.67 2559.33 210.67 2119.33 3036.67 290.67 1301120.444 6550187.111 44380.444 4491573.778 9221344.444 84487.111 21693093.333 4657.584 0.000214704 0.500085654

6) despus de determinar la distribucin normal estndar se procede al clculo de la prediccin de las ventas esto se puede hacer tomando cantidad por cantidad o simplemente empezando por la ultima todo depende de cmo se est pronosticando las y ventas aplicando logaritmo natural (2.71828^ (beta * a una tasa libre de riesgo) por la cantidad que se quiere pronosticar.

1 2 3 4 5 6

15600 11900 14670 12340 17496 14750 86756 14459

1140.67 2559.33 210.67 2119.33 3036.67 290.67

1301120.444 6550187.111 44380.444 4491573.778 9221344.444 84487.111 21693093.333 4657.584 0.000214704 0.500085654

15935.11 12155.63 14985.13 12605.08 17871.83 15066.85

Con esto queda el pronstico o el simulador para cada cantidad que se quiera establecer sin embargo el modelo no solo sirve para pronosticar para la proyeccin de las ventas , tambin nos siurve para determinar los precios accionarios de compra venta adems de otras aplicaciones que se le puedan dar