Nowcasting y proyecciones de corto y mediano plazo de la dinámica del sector turístico de la República Dominicana: un enfoque basado en probabilidades de Google Trends y un modelo bayesiano estructural de series de tiempo.
| dc.creator | Santana Jiménez, Lisette Josefina | |
| dc.date.accessioned | 2019-02-28T09:34:56Z | |
| dc.date.available | 2019-02-28T09:34:56Z | |
| dc.date.issued | 2017-02 | |
| dc.description.abstract | El turismo es considerado como la espina dorsal de la economía dominicana, así como también la actividad que genera los vínculos más relevantes con el resto de los sectores productivos. El objetivo primario de esta investigación consiste en pronosticar la dinámica futura del sector turístico de la Republica Dominicana, medida en términos de la potencial llegada de pasajeros no residentes desde los países que históricamente han exhibido el mayor influjo de visitantes: Estados Unidos de América, Canadá y Alemania, a fin de poder contar con información que pueda ser incorporada en los procesos de toma de decisiones, tanto de corto como de mediano plazo. Se llevan a cabo procesos de nowcasting, proyecciones de corto y mediano plazo utilizando datos procedentes de la plataforma Google Trends y usando un Modelo Bayesiano Estructural de Series de Tiempo con un tipo especial de prior denominado “Spike & Slab”. El procedimiento empleado exhibe una significativa minimización del error de pronóstico, medido a través del error cuadrático medio (ECM), así como también una mejora en la bondad de ajuste, en comparación con otros modelos como estructuras Estado-Espacio y Vectores Autoregresivos (VAR) de Frecuencia Mixta, los cuales son usados como puntos de comparación para evaluar el desempeño del modelo seleccionado. Los resultados obtenidos llevan a la conclusión de que el manejo de grandes conjuntos de datos, como la información procedente de Google Trends, a través de modelos especializados como el BSTS ayuda a mejorar la precisión de los resultados. La importancia y el valor de estas herramientas continúan en ascenso y su desempeño refleja su potencial para coadyuvar los procesos de toma de decisiones. | es |
| dc.description.sponsorship | Instituto Tecnológico de Santo Domingo (INTEC) | es |
| dc.format | application/pdf | es |
| dc.format.extent | 70 p. | es |
| dc.identifier.citation | Santana Jiménez, L.J. (2017). Nowcasting y proyecciones de corto y mediano plazo de la dinámica del sector turístico de la República Dominicana: un enfoque basado en probabilidades de Google Trends y un modelo bayesiano estructural de series de tiempo (Informe de investigación). Instituto Tecnológico de Santo Domingo (INTEC), Santo Domingo, República Dominicana. | es |
| dc.identifier.uri | https://repositoriobiblioteca.intec.edu.do/handle/123456789/2205 | |
| dc.language.iso | Español | es |
| dc.publisher | Instituto Tecnológico de Santo Domingo | es |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Turismo sostenible | es |
| dc.subject | Big data | es |
| dc.subject | Análisis de series de tiempo | es |
| dc.subject | República Dominicana | es |
| dc.subject | Teoría bayesiana de decisiones estadísticas | es |
| dc.title | Nowcasting y proyecciones de corto y mediano plazo de la dinámica del sector turístico de la República Dominicana: un enfoque basado en probabilidades de Google Trends y un modelo bayesiano estructural de series de tiempo. | es |
| dc.type | Otro | es |