Professional Documents
Culture Documents
ESTADISTICA INFERENCIAL II
SERIES DE TIEMPO
INVESTIGACIN
PRESENTA
CELESTE XIOMARA LASCANO VARGAS
ASESOR
ING.SALOMN RODRGUEZ BONILLA
SEMESTRE 5
INDICE
INTRODUCCIN
SERIES DE TIEMPO.(4)
COMPONENTES DE UNA SERIE DE TIEMPO (7)
METODO DE MINIMOS CUADRADOS.(8)
METODO DE PROMEDIOS MOVILES(13)
METODO DE SUAVIZACION EXPONENCIAL..(14)
TENDENCIAS NO LINEALES(16)
VARIACIN ESTACIONAL. (17)
APLICACIONES
CONCLUSIN
BIBLIOGRAFIA CONSULTADA
SERIES DE TIEMPO
INTRODUCCIN
SERIES DE TIEMPO
DEFINICIN:
Series de Tiempo
Por serie de tiempo nos referimos a datos estadsticos que se recopilan,
observan o registran en intervalos de tiempo regulares (diario, semanal,
semestral, anual, entre otros).
El trmino serie de tiempo se aplica por ejemplo a datos registrados en
forma peridica que muestran, por ejemplo, las ventas anuales totales de
almacenes, el valor trimestral total de contratos de construccin otorgados,
el valor trimestral del PIB.
Para llevar a cabo un anlisis de este tipo, primero se deben identificar los
componentes de la serie de tiempo, despus aplicar las tcnicas
estadsticas para su anlisis y, finalmente, hacer las proyecciones o pronsticos de
eventos futuros.
De esta forma, el anlisis de series de tiempo es el procedimiento por el
cual se identifican y aslan los factores relacionados con el tiempo que influyen en
los valores observados en las series de tiempo para que una vez
identificados, estos factores puedan contribuir a la interpretacin de valores
histricos de series de tiempo y hasta entonces pronosticar valores futuros de
series de tiempo.
Se representa por medio de una grfica de lneas sobre cuyo eje horizontal
se representan los perodos y en cuyo eje vertical se representan los valores de
la serie de tiempo.
Ejemplo Grficos de Series de Tiempo
En el caso frecuente en el que la recta deba pasar por el origen, su ecuacin ser
y la pendiente es:
9
La bondad del ajuste por mnimos cuadrados se puede estimar calculando el
coeficiente de correlacin.
donde U es el valor mayor entre uy y oe. En el caso de una recta que pasa por el
origen, la incertidumbre en la pendiente es
10
Ejemplo: Clculo de la Tendencia a travs de Mnimos Cuadrados
En la siguiente tabla se encuentran los datos de las ventas de los ltimos cinco
aos de una empresa del ramo de alimentos:
11
b) Para determinar los coeficientes de la ecuacin se debe construir una
tabla con los datos necesarios:
12
Ahora se interpreta de la siguiente manera:
Las ventas se expresan en millones de pesos, el origen o ao 0, es 2003 y t
aumenta una unidad por ao. El valor 1.3 indica que las ventas aumentan a razn
de 1.3 millones de pesos por ao. El valor 6.1 es el de las ventas estimadas
cuando t = 0. Es decir, el monto de las ventas estimadas para el ao 2003 es igual
a 6.1 millones de pesos.
c) Para trazar la recta, se deben tener dos puntos, para el primero de ellos
se puede utilizar el valor 6.1 de la ecuacin anterior y el segundo se
puede obtener asignando un valor cualquiera a x, dentro del rango del
intervalo del que se dispone, por ejemplo 4 (ao 2006) para obtener el
valor de y, es decir:
y = 6.1 + 1.3t = 6.1+ 1.3(4) =11.3
Con lo que ya se puede trazar la Recta de Tendencia.
d) Los dos aos siguientes son 2008 y 2009, que en trminos de los
clculos que estamos haciendo son 6 y 7, respectivamente. Pues bien, estos se
sustituyen en la Ecuacin de Tendencia y se obtienen los
pronsticos requeridos, es decir:
y = 6.1 + 1.3t = 6.1+ 1.3(6) = 13.9
y = 6.1 + 1.3t = 6.1+ 1.3(7) = 15.2
Que se interpreta de la siguiente manera:
Con base en las ventas anteriores, la estimacin o pronstico para los aos 2008 y
2009, es 13.9 y 15.2 millones de pesos, respectivamente.
13
14
15
La ecuacin (2) muestra que con un dado, podemos calcular el pronstico
para el periodo t + 1 simplemente conociendo los valores reales y pronosticados
de la serie de tiempo el periodo t, es decir, Yt y Ft. La eleccin de la constante de
suavizacin es crucial en la estimacin de pronsticos futuros.
Si la serie de tiempo contiene una variabilidad aleatoria sustancial, se preferir un
valor pequeo como constante de suavizacin. La razn de esta aseveracin es
que gran parte del error del pronstico es provocado por la variabilidad aleatoria,
por lo que un valor pequeo de permite un pronstico mejor.
Por el contrario, para una serie de tiempo con una variabilidad aleatoria
relativamente pequea, valores ms elevados de la constante de suavizacin
tienen la ventaja de ajustar con rapidez los pronsticos cuando ocurren errores de
pronstico y permitiendo, por lo tanto, que el pronstico reaccione con mayor
rapidez a las condiciones cambiantes. En la prctica, el valor de est entre .01 y
.90.
16
la diferencia entre stos nos da el ahorro, que aparece en la ltima columna del
mismo cuadro. Podemos observar que el pronstico se ajusta ms a los datos
reales que en el caso de los promedios mviles. Este mtodo nos permite realizar
un pronstico ms confiable que el caso anterior. Claramente se observa que el
pronstico tiene mejor ajuste y la diferencia entre los valores reales y los
pronosticados es mnima.
TENDENCIAS NO LINEALES
17
VARIACIN ESTACIONAL
El anlisis de las variaciones estacionales tiene por objeto determinar oscilaciones
de perodo corto, inferior o igual al ao por lo general, que son de mximo inters
para el economista o empresario, para la mejor organizacin de sus actividades
operativas. En una segunda fase se trata de eliminar tales variaciones de los datos
observados que permitan apreciar de cierto modo la influencia de causas
importantes de variacin en las series cronolgicas. La dificultad principal del
anlisis de la componente estacional radica en el hecho de que en la prctica
tal variacin no es idntica en el transcurso de los aos, bien sea porque se
desplaza de un mes a otro, o porque vara de intensidad. Muchos y variados son
los mtodos preconizados por la estadstica para determinar la variacin
estacional, basados unos en la hiptesis aditiva y otros en la multiplicativa. Todos
ellos tratan de aislar la variacin estacional eliminando las otros componentes, por
resta algebraica o por cociente, segn sea la hiptesis inicial de combinacin.
Deben, pues, ser eliminada la tendencia secular y las variaciones accidentales.
Cuando el perodo de estudio es corto, la variacin cclica puede suponerse
incluida en la tendencia, por lo cual, al eliminarse sta, queda tambin eliminada
aquella. De todos los mtodos usuales se expondr slo uno, basado en la
hiptesis aditiva, denominado "Mtodo de las medias mensuales". El problema
que nos proponemos resolver, es el de encontrar una curva tal que en el eje de
las abcisas, estn representados los meses del ao, por ejemplo ( t= 1, 2, 3, ....12) y
en las ordenadas, la variacin promedio correspondiente a cada uno de los
meses del ao, prescindiendo por cierto de otro tipo de variaciones, ya sean
tendenciales, cclicas (no anuales) o accidentales (aleatorias). Determinada la
tendencia, bien sea mediante un ajuste analtico, bien mediante el mtodo de
promedios mviles, la variacin estacional puede determinarse a travs de los
siguientes pasos:
1) Se determinan las desviaciones de los datos de la serie respecto a la tendencia
o sea, la diferencia entre los datos y el valor correspondiente a la tendencia. De
esta manera se elimina la tendencia.
18
semestre de dicho ao. Se puede usar suma cuando los eneros tienen valores
muy grandes.
Las cuatro primeras columnas han sido obtenidas restando de los datos iniciales
(Tabla 1) los valores de la tendencia (tabla 3) diferencias que resultan positivas y
negativas.
As para : Enero de 1977 tenemos 17 - 14,48 = 2,52
Febrero de 1977 tenemos 15,5 - 14,5 = 1,00
La columna de totales es la suma algebraica de todos los eneros de todos los
febreros, etc.
La columna de medias mensuales se obtiene dividiendo los valores de los totales
por 4, que es el nmero de aos utilizado.
Por ltimo, la columna " variacin estacional" es la misma que la de medias
despus de someter los valores de sta a un redondeo que hace que las sumas
de las variaciones estacionales sea cero, que se efecta de la forma siguiente:
Se suma la columna de medias y se divide esta suma por 12. Si el resultado es
positivo se resta de cada una de las medias mensuales y si es negativo se suma.
En nuestro caso el total de medias vale 0,1150 y por lo tanto
0,1150/12 = 0,0095.
19
Este valor se resta algebraicamente a la columna de medias y el resultado se
redondea a dos cifras decimales, que es la aproximacin con que venan dados
los datos iniciales, conservando la segunda cifra decimal o forzndola en una
unidad, segn que las dos ltimas formen un nmero menor o mayor que 50
respectivamente.
20
CONCLUSIN
21
BIBLIOGRAFIA CONSULTADA