Beruflich Dokumente
Kultur Dokumente
Anlisis
de
series
de
Facilitador:
Jimmy Rincn
Participantes:
Series De Tiempo.
Una serie de tiempo es un conjunto de valores observados durante una serie de periodos temporales
secuencialmente ordenada. Se representa grficamente por medio de una grfica de lneas sobre
cuyo eje horizontal se representan los periodos, y en cuyo eje vertical se representan los valores de la
serie de tiempo.
Una grfica de series de tiempo es una grfica que puede utilizar para evaluar patrones y
comportamiento de datos en el transcurso del tiempo. Una grfica de series de tiempo
muestra observaciones en el eje Y con respecto a intervalos de tiempo con igual separacin
en el eje X.
Las grficas de series de tiempo con frecuencia se utilizan para examinar variaciones
diarias, semanales, trimestrales o anuales o efectos antes y despus de un cambio de
proceso. Las grficas de series de tiempo son especialmente tiles para comparar patrones
de datos de diferentes grupos. Por ejemplo, usted podra examinar la produccin mensual
de varias plantas durante el ltimo ao o las tendencias de empleo en diferentes industrias
en varios meses.
La grfica revela lo siguiente:
3. Movimientos o Variacin cclicas (C) : Con frecuencia las series de tiempo presentan
secuencias alternas de puntos abajo y arriba de la lnea de tendencia que duran ms de un
ao, esta variacin se mantiene despus de que se han eliminado las variaciones o
tendencias estacional e irregular.
Existen dos tipos de variacin irregular: a) Las variaciones que son provocadas por
acontecimientos especiales, fcilmente identificables, como las elecciones, inundaciones,
huelgas, terremotos.
Hoy en da las aplicaciones y mayores avances en cuanto a uso de Internet se dan con
aplicaciones que requieren un gran ancho de banda. La telemedicina, por ejemplo no se
podra dar si es que no estamos en capacidad de poder comunicarnos a un ancho de banda
que nos asegura una inmediata comunicacin tanto en envi como respuesta de seal.
Movimientos medios.
Se define un movimiento medio de orden N al que viene dado por la sucesin de medias
aritmticas,
NNN
En este mtodo se calcula primero una suavizacin exponencial simple para cada valor de
la serie y luego se vuelve a calcular otra suavizacin exponencial sobre los datos resultantes
de la primera
Estimacin de la Tendencia
Hay varios mtodos para estimar la tendencia T (t), uno de ellos es utilizar un modelo de
regresin lineal. Se pueden utilizar otros tipos de regresiones, como regresin cuadrtica
tica, logstica, exponencial, entre otros. Una forma de visualizar la tendencia, es mediante
suavizamiento de la serie. La idea central es definir partir de la serie observada una nueva
serie que filtra o suaviza los efectos ajenos a la tendencia (estacionalidad, efecto aleatorios),
de manera que podamos visualizar la tendencia.
Variaciones Estacionales
ndice Estacional
Esta tcnica sirve para calcular el pronstico de ventas cuando existe estacionalidad o
ciclos y tambin se utiliza cuando en cada perodo existen diferencias de ventas muy
marcadas, razn por la cual se hace necesario calcular un ndice que nos permitir un ajuste
por cada perodo. En general, los patrones estacionales son fluctuaciones que ocurren
dentro de un ao y tienden a repetirse anualmente. Estas estaciones pueden ser causadas por
el clima, las vacaciones, los das de pago, los eventos escolares o cualquier otro fenmeno
Estimacin de las variaciones cclicas
Las Variaciones irregulares o (aleatorias) se pueden estimas ajustando los datos a las
variaciones de tendencias, estacionales y cclicas. Eso significa tener que dividir los datos
originales Y por T,S,C que[ por la ecuacin(1)] da 1. En la prctica se encuentra que las
variaciones irregulares tienden a tener pequea magnitud y con frecuencia tienden a seguir
esquema de una distribucin normal; es decir, las pequeas desviaciones ocurren con gran
frecuencia y grandes desviaciones ocurren con pequea frecuencia
Comparacin de Datos
Al comparar datos hay que tener siempre mucho cuidado de que tal comparacin est
justificada. Por ejemplo al comparar datos de marzo con datos de febrero, debemos tener
bien presente que febrero tiene 28 o 29 das y marzo tiene 31; Y al comparar datos de
febrero de aos diferentes, hay que recordar que en un ao bisiesto febrero tiene 29 das en
lugar de 28. Para poner otro ejemplo el nmero de das laborales durante varios meses del
mismo ao o de aos diferentes pueden ser distintos a causas de las variaciones, huelgas
etc. En la prctica, no se sigue un regla definida para ajustar tales variaciones. La necesidad
de tales ajustes queda a voluntad del investigador.
Prediccin.
1. recoger datos para la serie en el tiempo, procurando que estos datos sean fiables. Tener
siempre presente el objetivo eventual de la serie en el tiempo; por ejemplo si uno quiere
predecir una serie en el tiempo dada. Puede ser til obtener serie en el tiempo relacionadas
(as como cualquier otra informacin).
3. Construir la curva recta de tendencia a largo trmino, y obtener los valores de tendencia
apropiada usando los mtodos de mnimos cuadrados a mano, promedios mviles o
semipromedios.