Las series temporales para la toma de decisiones programadas de la línea 1 del tren

EasyChair Preprint no. 351

Abstract

En esta investigación se puede apreciar que las Series Temporales se comportan mejor  al darnos Coeficiente de Determinación Pearson ( R2 ) de 0.98  realizando predicciones en estados No lineales de la demanda de pasajeros, que las predicciones realizadas en otros programas lineales como el Excel que nos entrega un Coeficiente de Determinación Pearson (  R2) de 0.557, esta ventaja nos permite tomar mejores [6] Decisiones programadas de dotar con mayores trenes a las tres estaciones del Tren de la Línea 1  con mayor correlación de demanda respecto a las demás estaciones de: 0.94 San Borja (SBS), 0.972 Cabitos (CAB) y 0.956 Grau demanda, para evitar pérdidas futuras por desconocer cuales son las estaciones que más influyen respecto al total, con resultados de 258.33,274.67 y 447 respectivamente lo cual significa que se debe prestar mayor atención a la estación Grau y finalmente a  Cabitos para mejorar el Servicio de atención oportuna al cliente.

In this investigation it can be seen that the Temporary Series behave better by giving us Pearson's Coefficient of Determination ( R2) of 0.98 by making predictions in non-linear states of passenger demand, than the predictions made in other linear programs such as Excel that we it delivers a Pearson's Determination Coefficient ( R2) of 0.557, this advantage allows us to take better [6] Decisions programmed to provide with greater trains the three stations of the Line 1 Train with the highest correlation of demand with respect to the other stations of: 0.94 San Borja, 0.972 Cabitos and 0.956 Grau demand, to avoid future losses due to not knowing which are the most influential stations with respect to the total, with results of 258.33,274.67 and 447 respectively, which means that more attention must be paid to the Grau station and finally to Cabitos to improve the service of timely attention to the client.

Keyphrases: Regresión Ridge, Series Decision Making Programmed and Unscheduled Ridge Regression, series temporales, Toma de decisiones Programadas y no Programadas

@Booklet{EasyChair:351,
  author = {Nicomedes Toledo Ito and Kenny Dany Toledo Calla and Yordan Nicolas Toledo Calla},
  title = {Las series temporales para la toma de decisiones programadas de la línea 1 del tren},
  howpublished = {EasyChair Preprint no. 351},

  year = {EasyChair, 2018}}