Elaboración de un modelo de predicción de demanda de gasolina a nivel país

dc.contributor.advisor	Contreras Espinoza, Sergio Eduardo	es
dc.contributor.advisor	Acevedo W., Carlos	es
dc.contributor.author	Jiménez Morales, Rodrigo Hernán
dc.contributor.editor	Universidad del Bío-Bío. Departamento de Estadística (Chile)	es
dc.date.accessioned	2023-03-21T14:55:26Z
dc.date.available	2023-03-21T14:55:26Z
dc.date.issued	2014
dc.description	Memoria (Ingeniero Estadístico) -- Universidad del Bío-Bío. Concepción, 2014.	es
dc.description.abstract	El objetivo de este Proyecto de Título es realizar un Modelo de Predicción de Demanda de Gasolina en Chile, para esto fijaremos nuestro interés en la obtención de modelos con distintas herramientas estadísticas: la Regresión Lineal Múltiple (RLM) y los Modelos ARIMA para series de tiempo mediante la metodología de Box y Jenkins más algunas simulaciones con Redes Neuronales Artificiales (RNA) a través de una herramienta dispuesta en el software Matlab. Una revisión general con las nociones básicas de la Regresión Lineal se expuso brevemente en el proyecto de título I que antecede a este informe, así como también se señanalaron los conceptos fundamentales de la metodología de Box y Jenkins y de Redes Neuronales para poder diseñar RNA que sirvan para la predicción. En el ajuste por mínimos cuadrados que utiliza la RLM se usarán las variables pib per cápita, precio de la gasolina, parque automotriz y rezagos como predictoras de la variable dependiente: Demanda de Gasolina. Nos detendremos un instante en realizar un estudio de la variable parque de vehículos a gasolina dividida en parque de vehículos de pasajeros y comerciales ya que de ésta, a diferencia de las otras, no se dispone de una serie larga con valores precisos. Dada la serie mensualizada de demanda de gasolina, primero se obtendrá un modelo ARIMA para la predicción de valores futuros y luego se obtendrá otro modelo para este objetivo a través de redes neuronales. El informe constará de tres partes, primero se hace una introducción al tema, se proponen los objetivos y justificación del tema. En el capítulo dos estudiamos el modelo lineal de regresión múltiple, finalmente se proponen los modelos de series de tiempo, ARIMA y de redes neuronales.	es
dc.description.call-number	M(E) 519.5 J564 2014	es
dc.identifier.uri	http://repobib.ubiobio.cl/jspui/handle/123456789/3908
dc.language.iso	es	es
dc.subject	ANALISIS DE REGRESION-METODOS ESTADISTICOS	es
dc.subject	MODELOS DE BOX-JENKING	es
dc.subject	MODELOS ARIMA	es
dc.subject	SERIES DE TIEMPO-METODOS ESTADISTICOS	es
dc.subject	MODELOS DE PREDICCION (ESTADISTICA)	es
dc.subject	GASOLINA	es
dc.subject	DEMANDA	es
dc.subject	REGRESION	es
dc.title	Elaboración de un modelo de predicción de demanda de gasolina a nivel país	es
dc.type	Tesis	es