Professional Documents
Culture Documents
Coatzacoalcos.
División de Ingeniería Industrial.
No
Control: 17081143.
ÍNDICE.
Introducción. 3
Conclusión. 23
Referencias bibliográficas. 24
2
INTRODUCCIÓN.
La planificación racional exige prever los sucesos del futuro que probablemente
vayan a ocurrir. La previsión, a su vez, se suele basar en lo que ha ocurrido en el
pasado. Se tiene pues un nuevo tipo de inferencia estadística que se hace acerca
del futuro de alguna variable o compuesto de variables basándose en sucesos
pasados. La técnica más importante para hacer inferencias sobre el futuro con base
en lo ocurrido en el pasado, es el análisis de series de tiempo.
Son innumerables las aplicaciones que se pueden citar, en distintas áreas del
conocimiento, tales como, en economía, física, geofísica, química, electricidad, en
demografía, en marketing, en telecomunicaciones, en transporte, etc.
3
UNIDAD 2. ‘’ SERIES DE TIEMPO’’.
1. La tendencia.
2. Las variaciones cíclicas.
3. Las variaciones estacionales.
4. Las variaciones irregulares.
Las variaciones estacionales son cíclicas y de plazo relativamente corto (un año o
menos), las cuales a menudo se relacionan con el cambio de estaciones (clima) o
con las variaciones.
5
Modelos multiplicativo y aditivo
Existen dos variaciones del modelo clásico. Una recibe el nombre de “multiplicativo”
y la otra, de “aditivo”. La primera de estas considera a una serie cronológica como
si fuera la resultante del producto de los componentes individuales, en tanto que la
ultima la considera como si fuera la resultante de la suma de los componentes
individuales. De este modo, el modelo multiplicativo tiene forma:
𝑌 =𝑇×𝐶×𝐸×𝐼
Donde
T= componente de la tendencia
C= componente cíclico.
E= componente estacional.
I= componente irregular
𝑌 =𝑇+𝐶+𝐸+𝐼
6
2.2 ANÁLISIS DE FLUCTUACIONES
7
Para probar y encarar los patrones estacionales, es necesario identificar y
determinar primero la extensión de estas variaciones. La técnica más difundida pare
el análisis estacional es método de la razón de promedio móvil.
Tendencia secular
Tendencias a largo plazo de las ventas, el empleo, los precios accionarios y de otras
series de negocios y económicas siguen varios patrones; algunas se mueven hacia
arriba de manera uniforme, otras declinan y otras más permanecen iguales con el
paso del tiempo. El cambio a través del tiempo puede ser lineal y seguir una línea
recta, o puede incrementarse a un ritmo exponencial; el cambio a largo plazo (o la
ausencia de cambio) se denomina tendencia de la serie de tiempo o, de manera
más precisa, la tendencia secular.
8
Tendencia lineal
Supondremos aquí que la componente estacional E(t) no está presente y que el modelo aditivo
es adecuado, esto es:
Hay varios métodos para estimar T(t). Los más utilizados consisten en:
1) Ajustar una función del tiempo, como un polinomio, una exponencial u otra
función suave de t.
2) Suavizar (o filtrar) los valores de la serie.
3) Utilizar diferencias.
Es un método mecánico mediante el que se sustituye la serie original por una serie
suavizada, que se toma como línea de tendencia.
El método de las medias móviles no sirve para hacer predicciones, dado que solo
proporciona el valor de la tendencia en el intervalo de tiempo para el que se
disponen los datos de la serie (excepto los valores que se pierden al principio y al
final de promediar), no para momentos futuros.
10
pierden (k −1) datos, la mitad al principio y la otra mitad al final. La línea de tendencia
estará formada por la unión de los puntos (t, y) t.
2. K es par, de manera que los subíndices no serán siempre enteros y, por
tanto, la serie no estará centrada. En este caso, no es necesario centrarla, para lo
que se calcula la media aritmética entre dos valores consecutivos de las medias
móviles calculadas anteriormente, representándola por t y, donde 3, L 2 k 2, 2 k 1,
2 k t = + + +. Se pierden k datos y la línea de tendencia estará formada por los
puntos (t, y) t.
11
3) A partir de la tendencia media anual t
T• , se obtiene el valor de la tendencia
para los distintos subperíodos, según la expresión general:
donde,
t ≡ Año
i = 1, 2, 3, 4; anual i = 1, 2, …, 12)
Los valores anuales de una serie de tiempo representan únicamente efectos de los
componentes de tendencia y cíclicos, porque ya están definidos los componentes
estacional e irregular a corto plazo.
12
Consisten en movimientos irregulares alrededor de la tendencia, cuyo período suele
ser superior al año. Para su determinación en el esquema multiplicativo se procede
del siguiente modo:
1. Se estima el valor teórico de tendencia Tit para cada momento de observación
de la serie.
2. Se calculan los Índices de Variación Estacional Eit .
3. Se desestacionaliza la serie original.
4. Se elimina la Tendencia, dividiendo cada valor de la serie desestacionalizada por
el correspondiente valor teórico de tendencia obtenido en el 1º apartado.
En definitiva, habiendo calculado los Índices de Variación Estacional Eit , lo que
hacemos es dividir los valores originales de la serie Yit entre it Eit T . :
Las series observadas con periodicidad inferior al año (mensual, trimestral, ...)
recogen conjuntamente la evolución coyuntural, a medio y largo plazo, y las
variaciones estacionales. Para poder analizar correctamente la serie es necesario
separar estas variaciones. El procedimiento que permite aislar el componente
estacional utilizado por el SPSS se basa en la descomposición mediante medias
móviles. Se parte del supuesto de que el patrón de las variaciones estacionales se
mantiene constante año tras año, y pueden cuantificarse con números índices si el
esquema de agregación es multiplicativo o con coeficientes si el esquema es aditivo.
13
trimestre,). Estos índices no deben incidir sobre la serie anual, por lo tanto, su
promedio anual siempre debe ser igual a 1 (o 100 si está expresado en tanto por
ciento).
Analizar
Series Temporales
Descomposición estacional
14
Si previamente no se ha definido la variable fecha, tal y como se ha explicado en el
primer apartado, al ejecutar la secuencia anterior el programa muestra un mensaje
indicando que es necesario tener alguna variable fecha creada.
- la o las variables para las que se desea estimar los factores estacionales en el
cuadro Variables;
- el criterio que se empleará para calcular las medias móviles de orden par (si la
periodicidad es impar todos los puntos se ponderan por igual). Las opciones
de Ponderación de la media móvil son:
- Todos los puntos son iguales calcula las medias móviles con una amplitud igual a
la periodicidad y con todos los puntos ponderados por igual.
- Puntos finales ponderados por ,5 centra las medias móviles de orden par
calculando una media móvil de orden 2 con los resultados de la primera media móvil
que se calcula con una amplitud igual a la periodicidad.
Al seleccionar Mostrar el listado por casos se obtiene un resumen para cada caso
de todos los resultados intermedios, así como los estadísticos finales.
15
archivo activo, pero con el botón Guardar se puede indicar que no las cree o que
sustituya las existentes.
16
mensual (o trimestral) de ese mes. El resultado se multiplica luego por 100 para
mantener la posición decimal de los datos originales. La serie que resultante se
llama ventas desestacionalizadas o ventas ajustadas estacionalmente. La razón
para desestacionalizar las series de ventas es similar las fluctuaciones estaciónale
a fin de estudiar la tendencia y el ciclo. Para ilustrar el procedimiento, los totales
trimestrales de ventas de la empresa
Por ejemplo, las ventas reales para el primer trimestre de 1996 fueron 6.7 millones
de dólares, el índice estacional para el trimestre de invierno es 76.5 el índice 76.5
indica que las ventas en el primer trimestre normalmente se encuentran 23.5% abajo
17
del promedio de un trimestre normal. Dividiendo las ventas reales $6.7 millones
entre 76.5 y multiplicando el resultado por 100 se encuentra el valor de las ventas
desestacionalizadas del primer trimestre de 1996. El valor es $8758170 que se
obtuvo de ($6700000/76.5)100.
Este proceso se repite con los demás trimestres en la columna 3 de la tabla 5.2 y
los resultados se dan en millones de dólares. Puesto que la componente estacional
izadas contiene solo las componentes de tendencia (T), ciclo © e irregular (I). Al
revisar las ventas desestacionalizadas. Es claro que la eliminación del factor
estacional permite considerar la tendencia general a largo plazo de las ventas.
También se podrá determinar la ecuación de regresión de los datos de tendencia y
usarla para pronosticar ventas futuras
Los métodos que pueden emplearse para suavizar nuestros datos usualmente son:
18
El pronóstico de promedio móvil es óptimo para patrones de demanda aleatoria o
nivelada donde se pretende eliminar el impacto de los elementos irregulares
históricos mediante un enfoque en períodos de demanda reciente.
19
b) El método de suavización exponencial
Así entonces, este modelo de pronóstico precisa tan sólo de tres tipos de datos: el
pronóstico del último período, la demanda del último período y el coeficiente de
suavización.
20
2.8 TENDENCIA Y ESTACIONALES.
Pero detrás de la idea de un ajuste, está la idea de hacer una regresión a los datos,
ya sea lineal o no lineal, es el caballito de batalla al momento de hacer algún modelo
o alguna predicción. Entonces las herramientas son estándar y bien conocidas.
En este ejemplo se ve como al hacer el ajuste la recta parece ser un buen modelo
de tendencia, y el resumen de estadístico del ajuste indica que se explica el 64% de
variabilidad de la serie y se puede considerar como valido el ajuste al ver el p-Valor.
Sobre estos estadísticos comento más adelante.
21
El polinómico es una generalización de cuadrático y cúbico, lo que puede suceder
es que sobre estime la tendencia ya que nada restringe elegir un polinomio de grado
4 o 20. En varios casos cuando se usan este tipo de modelos se usan la
regularización y la validación cruzada para determinar el mejor modelo entre los
polinómicos.
22
CONCLUSIÓN.
23
REFERENCIAS BIBLIOGRÁFICAS.
24