ANALISIS DE SERIE DE TIEMPO

ESTADSTICA INFERENCIAL II
UNIDAD III
TECNOLGICO NACIONAL DE MXICO.
Instituto Tecnolgico de Los Mochis.

Arredondo Pacheco
Miriam Jennifer.
MC. Liliana Rodrguez
Barrera.

INTRODUCCIN.
Hoy en da planear el futuro se ha convertido en un factor primordial para las
organizaciones lucrativas o no lucrativas, familias, el gobierno, etc. Todo con la
intencin de progresar as como tambin buscar una forma de prevenir los
problemas que con el tiempo se puedan presentar.
Para poder planear como mejorar y prevenir lo que alguna vez ya sucedi se
relaciona directamente con lo que ya sucedi, eso es lo ms importante para
hacer inferencias sobre el futuro con ya una base en lo ocurrido en el pasado, esto
es el anlisis de series de tiempo.
A continuacin se presentara un desarrollo de los temas ms importantes que
abarca el anlisis de series de tiempo, que son:

Componentes de una serie de tiempo.

Mtodo de mnimos cuadrados.
Mtodo de promedios mviles.
Mtodo de suavizacin exponencial.
Tendencia no lineal.
Variacin estacional.

SERIE DE TIEMPO.
Una serie de tiempo es un conjunto de observaciones de una variable medida en
puntos sucesivos en el tiempo o en periodos de tiempo sucesivos. En este captulo
se presentan varios mtodos para el anlisis de series de tiempo. El objetivo de tal

anlisis es obtener un buen pronstico o prediccin de los valores futuros de una

serie de tiempo.
Los mtodos de pronstico se clasifican como cualitativos y cuantitativos. Los
mtodos cuantitativos de pronstico se suelen usar cuando se cuenta con
informacin del pasado acerca de la variable que se desea pronosticar, esa
informacin se puede cuantificar y es razonable pensar que el patrn seguido en
el pasado continuar en el futuro. En tales casos es posible obtener un buen
pronstico mediante un mtodo de series de tiempo o un mtodo causal.
COMPONENTES DE UNA SERIE DE TIEMPO.

Por lo general se supone que son cuatro los componentes que se combinan para
dar los valores de una serie de tiempo: de tendencia, cclico, estacional e irregular.

Tendencia: En el anlisis de las series de tiempo, las mediciones pueden

hacerse cada hora, diario, a la semana, cada mes, anualmente o en
cualquier otro intervalo regular de tiempo. Aunque los datos de las series de
tiempo suelen mostrar fluctuaciones aleatorias, las series de tiempo
tambin muestran un desplazamiento o movimiento gradual hacia valores
relativamente altos o bajos a travs de un lapso largo. A este
desplazamiento gradual de la serie de tiempo se le conoce como la
tendencia de la serie de tiempo; este desplazamiento o tendencia suele
deberse a factores de largo plazo como variaciones en las caractersticas
demogrficas de la poblacin, en la tecnologa o en las preferencias del
pblico.

Cclico: Aunque una serie de tiempo puede tener una tendencia a travs de
lapsos largos, no todos los valores futuros de la serie de tiempo caern
exactamente sobre la lnea de tendencia. Las series de tiempo suelen
mostrar secuencias de puntos que caen de manera alternante arriba y abajo
de la lnea de tendencia. Toda sucesin recurrente de puntos que caiga
abajo y arriba de la lnea de tendencia y que dure ms de un ao puede
atribuirse al componente cclico de la serie de tiempo.

Estacional: Mientras los componentes cclico y de tendencia de las series de

tiempo se identifican tras el anlisis de las variaciones multianuales en los
datos histricos, en muchas series de tiempo se observa un patrn
permanente en lapsos de un ao. Por ejemplo, un fabricante de albercas

espera tener pocas ventas durante los meses de otoo e invierno y sus
mayores ventas en los meses de primavera y verano. Los fabricantes de
equipo para remover la nieve y los fabricantes de ropa de invierno esperan
exactamente lo contrario. Por tanto, es natural que al componente de las
series de tiempo que representan la variabilidad en los datos debida a la
influencia estacional se le conozca como componente estacional.

Irregular: El componente irregular de una serie de tiempo es el factor

residual o el factor que da cuenta de las desviaciones de los valores reales
de la serie de tiempo de los valores que se esperan al considerar los efectos
de los componentes de tendencia, cclicos y estacionales. Este componente
irregular es ocasionado por factores a corto plazo, imprevistos y no
recurrentes que afectan a la serie de tiempo. Dado que este componente da
cuenta de la variabilidad aleatoria en una serie de tiempo, es un componente
impredecible. No es posible predecir su efecto sobre la serie de tiempo.

METODOS DE MINIMOS CUADRADOS.

Permite ajustar la lnea recta optima a la muestra de las observaciones de Y y
X. Consiste en encontrar el valor de los parmetros que minimizan la suma de
los errores al cuadrado.

Un ejemplo sera el siguiente:

METODOS DE PROMEDIOS MOVILES.

Un promedio mvil es til para suavizar una serie de tiempo y apreciar su
tendencia. En contraste con el mtodo de mnimos cuadrados, que expresa la
tendencia de trminos de una ecuacin matemtica, el mtodo el promedio mvil
solo suaviza las fluctuaciones de los datos. Este logra desplazar los valores
medios aritmticos de una serie de tiempo.

Promedios mviles para una gasolinera en tres semanas.

Valor de la serie
de tiempo (miles de
galones)

Semana

1
2
3
4
5
6
7
9
10
11
12

17
21
19
23
18
16
18
22
20
15
22

Pronstico de la i-sima
semana con
Promedios mviles

(17+21+19)/3 = 19
(21+19+23)/3 = 21
(19+23+ 18)/3 = 20
(23+18+16)/3 = 19
18
20
20
16
19

METODO DE SUAVIZACION EXPONENCIAL.

En el suavizamiento exponencial se usa un promedio ponderado de los valores
pasados de la serie de tiempo; es un caso especial del mtodo de promedios
ponderados mviles en el cual se selecciona un peso o factor de ponderacin: el
de la observacin ms reciente.

TENDENCIAS DE UNA SERIE.

Tendencia lineal: La tendencia de una serie viene dada por el movimiento

general a largo plazo de la serie. La tendencia a largo plazo de muchas
series de negocios (industriales y comerciales), como ventas, exportaciones
y produccin, con frecuencia se aproxima a una lnea recta. Esta lnea de
tendencia muestra que algo aumenta o disminuye a un ritmo constante. El
mtodo que se utiliza para obtener la lnea recta de mejor ajuste es el

Mtodo de Mnimos Cuadrados.

Tendencia no lineal: Cuando la serie de tiempo presenta un
comportamiento curvilneo se dice que este comportamiento es no lineal.
Dentro de las tendencias no lineales que pueden presentarse.

CONCLUSION.
Como ya lo haba mencionado antes la planeacin para las organizaciones es uno
de los factores principales, entonces de igual manera a la hora de prevenir para
que todo sea estadsticamente correcto, pronosticar los casos que puedan pasar

dependiendo a lo que ya ha sucedido en el pasado se deben de hacer utilizando

los mtodos que te puedan arrojar los resultados confiables y de tal manera t
puedas tomar las precauciones necesarias.
Entonces puedo concluir que cada uno de estos temas son de severa importancia
ya que con su aplicacin de manera correcta, te arrojara los datos eficientes para
que puedas hacer un mejor anlisis de la informacin y en el campo que lo
apliques tus resultados finales sean ms efectivos.