Beruflich Dokumente
Kultur Dokumente
MODELOS ENERGETICOS
PARTE 2
INTRODUCCION AL CONCEPTO DE PREDICCIONES
MODELOS ENERGETICOS
MODELOS ENERGETICOS
Medias mviles
Alisados exponenciales
Modelo de Brown
Modelos de Holt y Winters
Mtodo de ajuste de tendencias
Mtodo economtrico (modelos economtricos)
Mtodo estocstico (modelos ARIMA)
MODELOS ENERGETICOS
MODELOS ENERGETICOS
Una serie temporal, llamada tambin serie histrica o serie cronolgica, es una
sucesin de valores observados de una variable referidos a momentos o a
perodos de tiempo diferentes, generalmente regulares. La caracterstica
distintiva de una serie temporal, en contraposicin a las observaciones de corte
transversal, es que los datos aparecen ordenados cronolgicamente. Este
hecho, que parece intranscendente, tiene diversas repercusiones tericas y
prcticas, entre las que se destacan las siguientes:
El tiempo es, en s mismo, una variable continua, y as ha de
considerarse en la formulacin de modelos tericos; sin embargo en
las aplicaciones empricas el tiempo se trata como una variable
discreta debido a la naturaleza de los datos.
Para designar la serie temporal observada utilizaremos la notacin
Xt
( t = 1, 2, 3,........N )
t: mes, trimestre, ao...
Autocorrelacin. Al estar los datos referidos a momentos o perodos
de tiempo sucesivos, interesa conocer las relaciones entre los
trminos consecutivos. El coeficiente de correlacin entre Xt y Xt-1 se
denomina coeficiente de autocorrelacin de primer orden;
anlogamente, el coeficiente de correlacin entre Xt y Xt-2 es el
coeficiente de autocorrelacin de segundo orden, y as
sucesivamente.
Para medir la amplitud, longitud o tamao de la serie temporal se
puede utilizar el tiempo transcurrido durante el perodo muestral o el
nmero de observaciones; ambas variables estn relacionadas por la
unidad de tiempo utilizada en las observaciones
MODELOS ENERGETICOS
MODELOS ENERGETICOS
Pronstico de
la variable
Serie Temporal
Valor medio
Tiempo
Pronstico de
la variable
V
O
I
P
V O I P V O I P V O I
Verano
Otoo
Invierno
Primavera
Tiempo
MODELOS ENERGETICOS
Pronstico de
la variable
Tiempo
Pronstico de
la variable
Tiempo
MODELOS ENERGETICOS
Salom Gonzles Chvez
PARTE 3
MODELOS DETERMINISTICOS DE PREDICCIONES
3.1
MEDIAS MOVILES
1 k 1
X t (1) = X t i
k i =0
Entre sus caractersticas se tiene:
El procedimiento consiste:
MODELOS ENERGETICOS
Salom Gonzles Chvez
EAM
EAM
(n) =
(n) =
1
n
1
n
1
n
n
i =1
i =1
et
i =1
et
X
100
t+i
MODELOS ENERGETICOS
Salom Gonzles Chvez
3.2
(1 )
Xt
i= 0
(1 )
i= 0
1 (1 )
=1
Xt + (1 - ) Xt 1 (1)
(Xt - Xt 1 (1))
de donde se obtiene:
X t (1) = Xt 1 (1) +
et
Esto indica, que las variaciones del valor de prediccin son una proporcin, ,
del error del perodo precedente. De aqu se desprende que en el alisado
exponencial se da distinto peso a las observaciones. Para cercano a 1, se da
mayor importancia a las observaciones ms recientes, ya que se concede
mucho peso al error de la prediccin anterior. Si, por el contrario, es cercano
a 0, se da mayor importancia a las observaciones ms antiguas. Se debe tener
en cuenta tambin que si la serie presenta pequeas oscilaciones irregulares
se deben utilizar valores reducidos de ; al contrario, para valores de
cercanos a la unidad es muy posible que los datos presenten tendencias o
estacionalidad.
MODELOS ENERGETICOS
Salom Gonzles Chvez
MODELO DE BROWN
i = 0
(X
t i
b ) 2 (1 ) i
(1 )
i= 0
X ti
i = 0, 1, 2, 3,.....
MODELOS ENERGETICOS
Salom Gonzles Chvez
( a , b )
i= 0
[X
m in
( a bi )] (1 ) i
2
ti
0<<1
Para obtener los valores de a y b que minimizan la expresin anterior se
igualan a cero sus primeras derivadas con respecto de a y b, de donde se
obtiene el siguiente sistema de ecuaciones:
X
t i
Xt
(1 ) i a + i(1 ) i b = 0
i
i (1 ) i a i (1 ) i + b i 2 (1 ) i = 0
Como
i (1 ) i =
(1 ) i =
(1 )( 2 )
t i
(1 ) i a + b
(1 )
=0
(
1
)( 2 )
i
i i (1 )
(1 ) a + b
= 0
Xt
t = 1, 2, 3...
MODELOS ENERGETICOS
Salom Gonzles Chvez
at = 2S t S t
bt =
( S t S t )
1
i = 0, 1, 2, 3,.....
at = 3S t 3S t + S t
bt =
[( 6 5 )S t (10 8 )S t + ( 4 3 )S t]
2(1 ) 2
2
ct =
( S 2 S t + S t)
(1 ) 2 t
Donde
S t = (1 ) i Xt i
i
t = 1, 2, 3...
S t = (1 ) i S ti
i
MODELOS ENERGETICOS
Salom Gonzles Chvez
S t = (1 ) i S t i
i
S 1 = S 2 = S 3 = X1
3.4
MODELO DE HOLT
,
,
0 < <1
0 < <1
MODELOS ENERGETICOS
Salom Gonzles Chvez
X X1
b1 = X2 - X1 , b1 = X 3 X 1 , b1 = N
,
N 1
t = 1, 2, 3,...........T
Donde:
ut : Es el trmino de error (perturbacin aleatoria); se supone en principio
que sigue un comportamiento regular, es decir, que cumple las hiptesis
del modelo bsico de regresin lineal, esto es esperanza nula, varianza
constante e independencia intertemporal, que se expresan como:
E ( ut ) = 0;
E ( u t2 ) = 2 ;
E ( u t , ut + s ) = 0 , t y s 0
MODELOS ENERGETICOS
Salom Gonzles Chvez
El tiempo es por naturaleza una variable continua; cabe por tanto considerar Xt
como una funcin continua del tiempo, de la cual se tienen observaciones X1,
X2, .....XT a intervalos temporales unitarios.
Si la tendencia, T(t), sigue una ley exponencial, se tiene:
T(t ) = a.ert ,
Donde:
r=
a >0
dT ( t ) / T ( t )
dt
X t = a. e rt . e ut , t = 1, 2,....., T
Tomando logaritmos naturales se tiene
ln Xt = ln a + r.t + ut
A partir de esta ltima expresin, se puede estimar r por mnimos cuadrados,
suponiendo para u un comportamiento regular. Con esta especificacin se
consigue linealizar un modelo no lineal, a fin de aplicar la tcnica de la
regresin lineal.
3.5.3 AUTORREGRESIVO DE TENDENCIA
El modelo autorregresivo de tendencia se expresa mediante
X t = c 0 + c 1 X t 1 + ut ,
c1 > 0
MODELOS ENERGETICOS
Salom Gonzles Chvez
k=
r
T*
Xt
= R KXt 1 + ut
Xt 1
R = KX *
T (t ) = T * b e
rt
MODELOS ENERGETICOS
Salom Gonzles Chvez
d [ ln T ( t )]
= r[ ln T * ln T ( t )]
dt
Xt
= a ln X * a ln Xt 1 + ut
Xt 1
r = ln(1-a)
A partir de esta expresin se obtienen estimaciones de a y de X* aplicando los
mtodos de regresin lineal. Para estimar b se sustituyen en la primera
ecuacin T(t) y t por X y t (medias muestrales), respectivamente, y T* por X*
estimada; luego se despeja el parmetro b.
Para hacer una comprobacin de si los datos siguen una tendencia segn la
curva de Gompertz al representar ln(Xt/Xt-1) versus lnXt-1 , la nube de puntos
resultante debe obedecer a una recta.
3.6
MODELO DE WINTERS
X t (m) = ( St + m bt ) I t + m s
Donde s es el nmero de observaciones anuales. La componente estacional se
tiene en cuenta mediante el factor It+m-s , y las frmulas de actualizacin son:
St =
Xt
+ (1 )( St 1 + bt 1 )
It s
bt = ( St St 1 ) +(1 )bt 1
Xt
+ (1 ) I t s
St
Donde est relacionado con la componente aleatoria, con la componente
estacional y con la tendencia.
It =