Modelos de Series Temporales Predictivos para la Demanda Turística en el Perú
Oscar R. Alcántara-Moreno, Robert J. Sánchez-Ticona, Julio L. Tenorio-Cabrera, Marcelino Torres-Villanueva, José A. Gómez-Avila, Juan P. Santos-Fernández
Memorias de la Vigésima Segunda Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2023, pp. 1-7 (2023); https://doi.org/10.54808/CISCI2023.01.1
|
Vigésima Segunda Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2023
Conferencia Virtual 12 al 15 de Septiembre de 2023 Proceedings of CISCI 2023 ISSN: 2831-7270 (Print) ISBN (Volume): 978-1-950492-75-6 (Print) |
|
Abstract
La presente investigación planteó como objetivo definir el modelo predictivo más preciso para la demanda turística en el Perú mediante la evaluación de metodologías emplean modelos de series de tiempo. Se extrajeron datos históricos de la llegada mensual de turistas internacionales al Perú extraídos del Ministerio de Comercio Exterior y Turismo (MINCETUR). Se modelaron y analizaron tres modelos predictivos: regresión, Holt-Winters, y ARIMA, para la predicción y validación del modelo predictivo más preciso. Se utilizó el software estadístico R para el análisis estadístico. Se comprobó que el método de regresión lineal proporciona mejor precisión en la predicción.
|
||