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

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.