Una serie temporal formada por uctuaciones aleatorias super-
puesta a una tendencia creciente, la lnea de mejor ajuste y dife- rentes suavizados de la serie. Una serie temporal o cronolgica es una secuencia de datos, observaciones o valores, medidos en determina- dos momentos y ordenados cronolgicamente. Los da- tos pueden estar espaciados a intervalos iguales (como la temperatura en un observatorio meteorolgico en das sucesivos al medioda) o desiguales (como el peso de una persona en sucesivas mediciones en el consultorio m- dico, la farmacia, etc.). Para el anlisis de las series temporales se usan mtodos que ayudan a interpretarlas y que permiten extraer informacin representativa sobre las relaciones subyacentes entre los datos de la serie o de diversas series y que permiten en diferente medida y con distinta conanza extrapolar o interpolar los datos y as predecir el comportamiento de la serie en momentos no observados, sean en el futuro (extrapolacin pronstica), en el pasado (extrapolacin retrgrada) o en momentos intermedios (interpolacin).. Uno de los usos ms habituales de las series de datos tem- porales es su anlisis para prediccin y pronstico (as se hace por ejemplo con los datos climticos, las acciones de bolsa, o las series de datos demogrcos). Resulta difcil imaginar una rama de las ciencias en la que no aparez- can datos que puedan ser considerados como series tem- porales. Las series temporales se estudian en estadstica, procesamiento de seales, econometra y muchas otras reas. 1 Introduccin Las series temporales se usan para estudiar la relacin causal entre diversas variables que cambian con el tiempo y se inuyen entre s. Desde el punto de vista probabils- tico una serie temporal es una sucesin de variables alea- torias indexadas segn parmetro creciente con el tiem- po. Cuando la esperanza matemtica de dichas variables aleatorias es constante o vara de manera cclica, se dice que la serie es estacionaria y no tiene tendencia secular. Muchas series temporales tienen una tendencia creciente (por ejemplo, el nmero de automviles en uso en ca- si todos los pases durante los ltimos cincuenta aos) o decreciente (por ejemplo, el nmero de personas que trabajan en la agricultura); otras no tienen tendencia (la luminosidad a horas sucesivas, que vara cclicamente a lo largo de las 24 horas del da) y son estacionarias. 1.1 Componentes El anlisis ms clsico de las series temporales se basa en la suposicin de que los valores que toma la variable de observacin es la consecuencia de cuatro componentes, cuya actuacin conjunta da como resultado los valores medidos, estos componentes son: 1. Tendencia secular o regular, indica la marcha ge- neral y persistente del fenmeno observado, es una componente de la serie que reeja la evolucin a lar- go plazo. Por ejemplo, la tendencia creciente del n- dice de reciclado de basuras en los pases desarro- llados, o el uso creciente de Internet en la sociedad, independientemente de que en un mes concreto en un pas, por determinadas causas, haya una baja en la utilizacin de Internet. 1 2 2 HERRAMIENTAS 2. Variacin estacional o Variacin cclica regular. Es el movimiento peridico de corto plazo. Se tra- ta de una componente causal debida a la inuencia de ciertos fenmenos que se repiten de manera pe- ridica en un ao (las estaciones), una semana (los nes de semana) o un da (las horas puntas) o cual- quier otro periodo. Recoge las oscilaciones que se producen en esos perodos de repeticin. 3. Variacin cclica o Variacin cclica irregular. Es el componente de la serie que recoge las oscilacio- nes peridicas de amplitud superior a un ao. mo- vimientos normalmente irregulares alrededor de la tendencia, en las que a diferencia de las variaciones estacionales, tiene un perodo y amplitud variables, pudiendo clasicarse como cclicos, cuasicclicos o recurrentes. 4. Variacin aleatoria o ruido, accidental, de carcter errtico, tambin denominada residuo, no muestran ninguna regularidad (salvo las regularidades estads- ticas), debidos a fenmenos de carcter ocasional como pueden ser tormentas, terremotos, inundacio- nes, huelgas, guerras, avances tecnolgicos, etc. 5. Variacin Trasciente, accidental, de carcter err- tico debidos a fenmenos aislados que son capaces de modicar el comportamiento de la serie (tenden- cia, estacionalidad variaciones cclicas y aleatoria). 1.2 Tipos de Series Temporales Aditivas, se componen sumando la Tendencia, es- tacionalidad, variacin cclica regular, variacin c- clica irregular, ruido: x t = T t +E t +C t +R t Multiplicativas, se componen multiplicando la Tendencia, estacionalidad, variacin cclica regular, variacin cclica irregular, ruido: x t = T t E t C t R t Mixtas, se componen sumando y multiplicando la Tendencia, estacionalidad, variacin cclica regular, variacin cclica irregular, ruido. Existen varias al- ternativas, entre otras: --- x t = T t +E t C t R t --- x t = T t +E t R t --- x t = T t E t C t +R t 1.3 Notacin Existen diferentes notaciones empleadas para la repre- sentacin matemtica de una serie temporal: X = {X 1 , X 2 , . . . } o {X k } k1 sta es una de las comunes que representa un Serie de Tiempo X que es indexada por nmeros naturales. Tam- bin estamos acostumbrados a ver: Y = {Y t : t T } 2 Herramientas Herramientas para la investigacin de series temporales: Consideracin de la funcin de autocorrelacin y la funcin de densidad espectral. Efectuando una transformacin de Fourier para in- vestigar las series en el dominio de la frecuencia. El uso de un ltro para remover ruido no deseado. Anlisis de los componentes principales (o anlisis de la funcin ortogonal emprica). Redes neuronales articiales. Tcnicas de anlisis de frecuencias de tiempo: --- Transformacin de ondas continuas --- Transformacin de Fourier de corto tiempo --- Transformacin chirplet --- Transformacin de Fourier fraccionaria Anlisis catico --- Dimensin de correlacin --- Grcos de repeticin --- Anlisis de cuanticacin repetitiva --- Exponentes de Lyapunov 2.1 Estimacin de la Tendencia Mtodo de mnimos cuadrados Promedios Mviles Simples 3 2.2 Estimacin de la Estacionalidad o Va- riaciones Cclicas Regulares Anlisis Espectral 2.3 Estimacin de las Variaciones Cclicas irregulares Anlisis de ondpiculas 3 Vase tambin Anlisis de variacin rtmica Series temporales anmalas Autocorrelacin Autocorrelacin parcial Prediccin lineal Estudio longitudinal Media mvil Intervalo de prediccin Anlisis predictivo Ajuste temporal Identicacin de sistema Bases de datos de series temporales Estimacin de tendencias Minera de datos 4 Enlaces externos A First Course on Time Series Analysis - un libro de fuente abierta sobre anlisis de series temporales con SAS (Statistical Analysis System) Online Tutorial 'Recurrence Plot'(animacin Flash); bastantes ejemplos 4 5 TEXT AND IMAGE SOURCES, CONTRIBUTORS, AND LICENSES 5 Text and image sources, contributors, and licenses 5.1 Text Serie temporal Fuente: http://es.wikipedia.org/wiki/Serie_temporal?oldid=71615567 Colaboradores: Elwikipedista, RobotQuistnix, Bai- ji, Davius, Alvaro qc, JAnDbot, FerranTatachan, Plux, VolkovBot, Muro Bot, Rgfernandez, SieBot, Anual, Bigsus-bot, STBot, HUB, MetsBot, Juan Mayordomo, UA31, AVBOT, Judithley, Luckas-bot, SuperBraulio13, Arauzo, Xqbot, Ripchip Bot, Humbefa, Manuelc1970, EmausBot, HRoestBot, ChuispastonBot, WikitanvirBot, Mjbmrbot, Antonorsi, Bambadee, Elvisor, Helmy oved, Legobot, Ihtizon, Addbot, Iosusan y Annimos: 17 5.2 Images Archivo:Random-data-plus-trend-r2.png Fuente: http://upload.wikimedia.org/wikipedia/commons/7/77/ Random-data-plus-trend-r2.png Licencia: CC-BY-SA-3.0 Colaboradores: ? Artista original: ? 5.3 Content license Creative Commons Attribution-Share Alike 3.0