Bayesian Dynamic Model and Predictive Statistical Models
DOI:
https://doi.org/10.15665/rde.v15i1.547Palabras clave:
Bayesian model, Waste Analysis, Bayesian prediction, Automated EstimateResumen
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 (difference 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 coefficients, 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.
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.
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.
Citas
Barrera, C. J. & Correa, J. C. (2008) Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC. Revista Colombiana de Estadística, (31)(2), 145–155.
Boada, A. J. & De Vasconcelos, D. (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.
Boada, A. & Mayorca, R. (2011) Planificación de Demanda, en Empresas con Estilo de Venta por Catálogo. Revista Lasallista, (8)(2), 124 - 135.
Bolstad, W. M. (2007) Introduction to Bayesian Statistics. Hamilton, NZ: Wiley.
Casado, R. & Montalvo F. (1998) Diseño de un Modelo Estadístico Predictivo, para las ventas, en unidades, de las diferentes líneas de labiales en barras de Avon Cosmetics de Venezuela C.A. (Trabajo de Grado). Caracas: Biblioteca de la Universidad Metropolitana (Físico). Escuela de Ciencias Administrativas.
Chambers, J. M. & Trevor J. Hastie (1992) Statistical Models in S. New York: Wadsworth & Brooks/Cole.
Chase, R.; Jacobs, R. & Aquilano, N. (2005) Administración de la Producción y Operaciones para una Ventaja Competitiva. Buenos Aires: McGraw Hill.
Diebold, F. X. (1998) Elements of Forecasting. San Diego: South Western College Publishing.
Malhotra, N. K. (1997) Marketing Research: An Applied Orientation. Georgia, ATL: Prentice Hall.
Klepacki, L. (2005) AVON La construcción de un imperio femenino. México: Editorial: Aguilar Kotler, P.
Armstrong, G. (1994) Mercadotecnia. México: Pearson.
Levin, Richard & David Rubin (1996). Estadística para Administradores. Buenos Aires: Prentice Hall.
Montgomery, D.; Peck, E. & Vinning, G. (2006) Introducción al Análisis de Regresión Lineal. México: Continental.
Pericchi, L. R. (2002) Análisis de Decisión, Inferencia y Predicción Estadística Bayesiana. Caracas: Universidad Simón Bolívar.
Schiffman, L. & Kanuk, L. (2010) Comportamiento del Consumidor. México: Pearson.
Tatsuoka, M. M. (1991) Multivariate Analysis: Techniques for Educational and Psychological Research. Chapaign: University of Illinois.
Valencia C., Marisol & Correa M., Juan C. (2013) Un Modelo Dinámico Bayesiano para el Pronóstico de Energía Diaria. Revista Ingeniería Industrial, (12)(2), 7-17.
Webster, A. L. (2000) Applied Statidtics for Business and Economics. New York: McGraw - Hill.
West, M. & Harrison, J. (1989) Bayesian Forecasting and Dynamic Models. New York: Springer - Verlag.
Descargas
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Tenga en cuenta que al presionar el botón "guardar y continuar" que está al final, Usted está asumiendo todos los compromisos éticos y legales que aquí se enuncian. Ellos establecen las responsabilidades de la legislación en materia de derechos de propiedad intelectual. Para esto se asume que quien está efectuando la acción de presentar el escrito obra de buena fe y se representa a sí mismo y a los demás autores del artículo postulado.
En este sentido, los autores conservan todos los derechos de los cuales son titulares y autorizan la reproducción gratuita del documento enviado. En el evento de ser necesario, asumirán, al presionar el botón "guardar y continuar", la responsabilidad legal derivada de los derechos patrimoniales los cuales son gratuitos en razón al no cobro por ningún procedimiento de la Revista.
En consecuencia, El(Los) autor(es) representados por quien adelanta la postulación del artículo a evaluación y eventual publicación,
Declaro(amos):
1. Que soy (somos) el (los) autor(es) del artículo {aquí va el nombre del artículo colocado automáticamente}.
2. Que ésta es una obra original conforme a la ley de propiedad intelectual de derechos de autor colombiana.
3. Que el contenido del artículo de la referencia no ha sido publicado y que no se presentará a ningún otro medio de publicación en soporte escrito o electrónico antes de conocer la decisión del Comité Editorial de Dimensión Empresarial.
4. Que el firmante de esta certificación garantiza que el compromiso que aquí adquiere no infringe ningún tipo derechos de terceros.
5. Que la autorización de publicación incluye su archivo electrónico y su adaptación, de ser necesario, para su incorporación en la red o en cualquier formato electrónico o base de datos, así como anexar los metadatos necesarios para realizar el registro de la obra, marcas de agua o cualquier otro sistema de seguridad o de protección.
6. Que la autorización de publicación incluye la reproducción en soportes digitales. Así como su distribución y la puesta a disposición a través de archivos institucionales a través de Internet, distribuir copias, y exhibirlo en Colombia y fuera del país, así como incluir el artículo en índices nacionales e internacionales.
7. Que el autor asume toda la responsabilidad, incluyendo las indemnizaciones por daños, que pudieran ejercitarse contra la Universidad Autónoma del Caribe por terceros que vieran infringidos sus derechos e intereses a causa de la cesión.
Por su parte, Dimensión Empresarial se obliga a respetar, en todo caso, los derechos del autor contenido en el artículo 30 de la Ley 23 de 1982, o cualquiera posterior a esta y pondrá el artículo a disposición de los usuarios de la Revista para que hagan un uso legítimo de él, según lo permitido por la legislación aplicable, siempre que se cite su autoría, no se obtenga beneficio comercial, y no se realicen obras derivadas.
Los autores/as se comprometen a aceptar las condiciones de esta nota de propiedad intelectual, que se aplicarán a este envío cuando sea publicado en esta revista (más abajo se pueden añadir comentarios al editor/a).
