Cap5 - Pronosticos Parte3 (Modo de Compatibilidad)

17/07/2012
PROCESOS ESTOCASTICOS
TECNICAS DE PRONOSTICO
Tratamiento Clsico de las Series Temporales

Primera Suposicin:
Se supone que no hay cambios estructurales en el
fenmeno en estudio.
Por ejemplo, si se est analizando la produccin de una
empresa a lo largo del tiempo, se supone que no se
producen cambios en el sector, aparicin de nuevos
productos sustitutos, etc.
En consecuencia, si se hace predicciones para instantes
(tiempos) muy alejados del periodo para el que se tiene
datos ciertos, es muy probable que se produzcan cambios
estructurales con lo que las predicciones no sern
acertadas.
Dra. Norka Bedregal Alpaca
Ejemplo: la aparicin de los reproductores de video,

supuso un cambio estructural importante para las salas
de exhibicin cinematogrfica, que en muchos casos se
vieron obligadas a cerrar, cuando en principio las
perspectivas (predicciones) del sector eran optimistas.
Segunda Suposicin:
Se supone que las observaciones estn tomadas a
intervalos de tiempo de igual amplitud.
En general, se hace referencia a una unidad de tiempo
como un ao, pudiendo referirnos a un mes, un
trimestre, una semana, etc.

La metodologa que se considera para el estudio de una

serie temporal, utilizando procedimientos de estadstica
descriptiva, consiste en un mtodo de descomposicin.
Cada serie puede interpretarse como la resultante de la
interaccin entre las componentes de la serie
Tendencia (T)
Estacionalidad (S)
Ciclicidad (C)
Factor aleatorio (R)
17/07/2012
El modo en que interactan las componentes de una

serie temporal puede ser a travs de un esquema aditivo
o multiplicativo
demanda = T + S + C + R
demanda = T x S x C x R
Existen otros modelos que combinan esquemas
aditivos y multiplicativos, tratando de resolver las
carencias o inconvenientes de los modelos ms sencillos.
Generalmente el modelo multiplicativo es el que mejor
se adapta a la descripcin de variables econmicas
Cmo detectar el Esquema?

Tipos de Esquemas para Series Temporales

1.
Se calculan 2 tipos de indicadores:

diferencia estacional cit , la diferencia entre dos
datos de la misma estacin i correspondiente a dos
aos consecutivos t, t+1:
cit = Y(i,t+1) - Y(i,t)
cociente estacional dit , cociente entre dos datos de
la misma estacin j correspondiente a dos aos
consecutivos t, t+1:
di t=Y(i,t+1) / Y (i,t)
2.
Se calculan los coeficientes de variacin para las

series formadas por los dos indicadores, y si:
CV (cit ) < CV (dit ) Esquema aditivo
CV (dit ) < CV (cit ) Esquema multiplicativo
Ejemplo:
La siguiente tabla contiene los datos sobre denuncias en
las oficinas de informacin al consumidor (en miles):
I cuatrim
II cuatrim
III cuatrim
2008
5
3,5
7
2009
8
5
9
2010
10
7
10,5
2011
11,5
10
13

Calculando los indicadores c (diferencias estacionales)

c
I cuatrim
II cuatrim
III cuatrim
2008 - 2009 2009 - 2010

3
2
1,5
2
2
1,5
2010 - 2011
1,5
3
2,5
media
2,1111
desv estandar 0,5666
coef variacin 0,2684
17/07/2012
Calculando los indicadores d (cocientes estacionales)

d
2008 - 2009 2009 - 2010
I cuatrim
1,60
1,25
II cuatrim
1,43
1,40
III cuatrim
1,29
1,17
media
desv estandar
coef variacin
2010 - 2011
1,15
1,43
1,24
1,3275
0,1387
0,1045
Comparando los Coeficientes de Variacin se elige un

esquema multiplicativo
Anlisis de la Tendencia
Se consideran dos procedimientos para la

determinacin de la tendencia secular en una serie
cronolgica: el enfoque global y el enfoque local
Enfoque global.
Consiste en el ajuste de las observaciones a una funcin
matemtica (usualmente por el mtodo de mnimos
cuadrados) para la obtencin de la tendencia.
Una serie temporal puede ser considerada como una
distribucin bidimensional y su nube de puntos se puede
ajustar a una funcin (recta, parbola, etc.).
Este procedimiento adems de ser el ms exacto, tiene
la ventaja de disponer de una medida de la bondad del
ajuste, que viene dada por el Coeficiente de
Determinacin.
Desde el punto de vista prctico es conveniente tomar

una funcin que sea sencilla, de tal forma que la
estimacin de los parmetros no sea muy compleja y que
por otro lado intente explicar lo esencial del movimiento
de la serie.
En economa son muy frecuentes fenmenos cuyo
desarrollo es de tipo lineal, parablico o exponencial.
Para eliminar las oscilaciones propias de factores
estacionales, se calcula valores medios anuales y sobre
estos se realiza el ajuste
As se evita recoger en la tendencia movimientos de la
serie de tipo estacional.
Los modelos ms conocidos :

Lineal
Lineal
60
50
40
30
20
10
0
Yt = a + b * t
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1516 17 18 19 20
Parbola
150
Parbola
Yt = a + b * t + c * t
100
50
0
1 2 3 4 5 6 7 8 9 10 1112 13 1415 1617 18 1920
Exponencial
Yt = a * b t
Ln(Yt ) = c + d * t
Exponencial
200
150
100
50
0
1 2 3 4 5 6 7 8 9 1011 1213 1415 16 1718 1920
Potencial
Yt = a * t b
Ln(Yt ) = c + d * Ln(t )
Potencial
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 1112 1314 1516 1718 1920
17/07/2012
Enfoque local.
Considera el Mtodo de las Medias Mviles y el Mtodo
de Suavizado Exponencial
Estos mtodos son ms flexibles y no exigen la
suposicin de una forma funcional para la tendencia.
Ambos mtodos se usan para:
la obtencin de la tendencia secular
como una tcnica de transformar las observaciones
en otras mas suavizadas (la tpica representacin
grafica con dientes de sierra presentara altibajos
menos pronunciados)
Despus del suavizado, se ajusta una curva a estos

valores.
Suavizamiento de una serie es la obtencin de unos
valores transformados con menos fluctuacin.
Cuanto mayor sea la amplitud mejor se eliminaran las
irregularidades de la serie,
Cuanto menor sea el orden de las medias mviles, estas
reflejaran con mayor rapidez los cambios que puedan
producirse en la evolucin de la serie.
Cuanto mayor sea el orden o amplitud de las medias,
mayor ser el efecto de suavizamiento, pero tambin ser
menor el nmero de datos para clculos posteriores.
Medias Mviles Centradas
Este mtodo de suavizado consiste en promediar la

serie.
Estos promedios sern las medias aritmticas de un
conjunto k de valores consecutivos, con el requisito de
que k sea inferior al total de observaciones
Suponga que k es un entero impar, entonces las
sucesivas medias se obtendran de forma siguiente:
Si k fuera par, entonces la media de esos k valores no se

correspondera con ninguno de los observados de la serie
original, sino con el punto medio de los dos centrales.
Pero ese instante no es observable ( t = (k-1)/2 no sera
un entero)
Luego las medias calculadas de esta forma habra que
promediarlas de dos en dos y de forma sucesiva para que
el resultado si fuera una serie de valores (medias)
centrados
Estos valores deben corresponder con valores para
periodos o instantes de tiempo observados
17/07/2012
Esta serie no centrada se obtendra mediante la

expresin:
Este proceso de tomar medias mviles en dos ocasiones

par centrar la serie puede reducirse a una media mvil
ponderada, donde el nmero de sumando es k+1 y todos
los valores se ponderan doble, salvo el primero y el
ltimo cuya ponderacin es la unidad, y esa suma se
divide entre 2k.
As si k = 4, las dos primeras medias descentradas

seran:
EJEMPLO:
Dada la siguiente serie trimestral de ventas de un
supermercado, representar grficamente la tendencia:
Trabajando con medias de orden 3:
17/07/2012
La serie formada por las medias de Yt, nos indica la

lnea amortiguada de la tendencia
Empleando 4 observaciones, partiendo de la serie

temporal observada Yt.
Como el nmero de observaciones empleados para

obtener la media es par, yt no est centrada y no coincide
con el perodo t
Hay que volver a calcular una nueva media aritmtica
yt, utilizando las media mviles anteriores, obteniendo de
esta manera una nueva serie de medias mviles
centradas.
La serie de las medias obtenidas no est centrada, y se

debe obtener una nueva serie de medias centradas, a
partir de la serie descentrada
La serie formada por Yt, indica la lnea amortiguada

de la tendencia
17/07/2012
La componente estacional
est relacionada con
aquellos movimientos de la serie que se repiten de forma
peridica, siendo la periodicidad inferior al ao.
Estos movimientos de la serie, que se repiten de forma
sistemtica, dificultan la posibilidad de hacer
comparaciones entre los valores sucesivos de una serie
El comportamiento anmalo de la tendencia, dentro de
cada ao, es el efecto de la estacionalidad
La estacionalidad es la componente que hace que, para
determinados meses ( u otros periodos de tiempo
inferiores al ao), se observen movimientos ajenos a la
tendencia
(causados
por
motivos
econmicos,
climatolgicos,etc)
Anlisis de la Componente Estacional

Anlisis de la Componente Estacional
Para evitar esas distorsiones en los valores medios se

recurre a lo que se conoce como desestacionalizacin de
la serie o correccin estacional
Para realizar esta operacin es necesario aislar en
primer lugar la componente estacional, lo que
posibilitar su posterior eliminacin.
En los mtodos que se utilizan para obtener la
componente estacional, siempre hay un paso previo que
consiste en eliminar la tendencia
Se centrar la atencin en el que hace uso de la
tendencia obtenida por medias mviles.
A este procedimiento se le conoce como razn a las
medias mviles
17/07/2012
Razn a las Medias Mviles
El primer paso a dar es suavizar la serie para de esa

forma obtener la tendencia o, ms bien, la componente
tendencia-ciclo
Admitiendo que la serie sigue un esquema
multiplicativo (si fuera aditivo se procedera de una
forma similar), se procede a dividir la serie original entre
el resultado que se obtiene mediante la aplicacin de
medias mviles
El resultado de ese cociente:
sera una componente mixta que recoge la estacionalidad

y las variaciones residuales y se le conoce como razn a
las medias mviles
Como se ha sealado, el resultado de esa divisin no es

solo la componente estacional.
Tambin aparecen en el mismo las variaciones
residuales.
Si estas ltimas no fueran muy importantes, entonces el
resultado de la razn a las medias mviles dara
directamente la estacionalidad de la serie estudiada
A esos cocientes se les conoce como ndices especficos
de variacin estacional.
Se debe resumir todos esos ndices especficos en uno
general que recoja la estacionalidad de la serie
La manera ms fcil de hacerlo es obtener un promedio

de los valores de cada mes.
Con ello se consigue tambin es eliminar los posibles
efectos de la componente aleatoria (R)
Los IGVE ayudan, junto con el anlisis de la tendencia,
al estudio descriptivo de la serie
El siguiente paso es eliminar la estacionalidad de la
serie, es decir, habra que desestacionalizarla
Esto se consigue de la forma siguiente
La serie desestacionalizada tiene un perfil muy

parecido al de la tendencia obtenida por medias mviles,
con la nica diferencia que sta ltima era ms suave
La razn de esa diferencia radica en que en la
desestacionalizada contiene la tendencia, los ciclos y las
variaciones residuales, mientras que en la serie obtenida
por medias mviles solo se recogen la tendencia y los
ciclos.
Una vez que a la serie se le ha eliminado la componente
estacional, los valores de cualquier mes si son
comparables en lo que a niveles medios se refiere, pues
ahora cada mes ha perdido la especificidad que el
confera la estacionalidad de la serie.
Se podra afirmar que los meses se han homogeneizado

o estandarizado para que sean comparables entre si.
Por esta razn puede afirmarse que es preferible

trabajar con la tendencia deducida por medias mviles
En lugar de trabajar con la tendencia obtenida por

medias mviles se podra haber trabajado con la
tendencia deducida mediante mnimos cuadrados.
En este caso lo ms probable es que en el ajuste se
recoja solo la tendencia, por lo que al dividir la serie
original entre esta, el resultado contenga, adems de las
variaciones estacionales, los ciclos y las variaciones
residuales.
Pero como la periodicidad de los ciclos es poco regular,
su eliminacin puede influir negativamente en la
obtencin de la componente estacional.
17/07/2012
EJEMPLO:
Partiendo de la serie temporal observada Yt.
Se determina la tendencia por el mtodo de las medias

centradas en los perodos (Yt)
Este mtodo se basa en la hiptesis multiplicativa

Por tanto, si se divide la serie observada Yt, por su
correspondiente media mvil centrada, se elimina de
forma conjunta las componentes del largo plazo
(tendencia y ciclo )
No obstante, la serie seguir manteniendo el efecto de

la componente estacional.
17/07/2012
Para eliminar el efecto de la componente estacional, se

calculan las medias aritmticas a nivel de cada estacin
(cuatrimestre).
Estas medias representan de forma
importancia de la componente estacional
aislada
la
Se calculan los ndices de variacin estacional

Para ello, previamente, se calcula la media aritmtica
anual de las medias estacionales ( M1, M2, M3, M4 ) ,
que ser la base de los ndices de variacin estacional.
Existirn tantos ndices como estaciones o medias

estacionales tengan las observaciones
Una vez obtenidos los ndices de variacin estacional
puede desestacionalizarse la serie observada, dividiendo
cada valor de la correspondiente estacin por su
correspondiente ndice
10
17/07/2012
1. Graficar los datos de la serie, se obtiene as una idea

global del comportamiento de la serie de datos
Tendencia
Estacionalidad
Ciclicidad
Factor aleatorio
2. Determinar el esquema para el anlisis de las

componentes de la serie:
Esquema Aditivo
Esquema Multiplicativo
Pasos en el Anlisis de una Serie de Tiempo

7. Para el enfoque local, considerar medias mviles

centradas, con ello se logra evitar la componente de
ciclicidad:
Si son de orden impar, hacer coincidir la media

mvil con el instante central
Si son de orden par luego de calcular la media

mvil, promediar los dos valores adyacentes para
lograr centrar la media mvil
Enfoque local
Enfoque Global
Para el enfoque global considerar como posibles

modelos:
Lineal
Exponencial
Potencia
Cuadrtico
Inverso multiplicativo

6. Calcular el coeficiente de determinacin para medir

el grado de ajuste de la ecuacin de regresin
4.
Obtener la tendencia por :
Para evitar la componente de ciclicidad, trabajar con

los promedios anuales como variable independiente
5. Graficar los datos originales de la serie y los datos

definidos por la ecuacin de regresin
3.
8. Graficar la serie original y la serie de medias mviles

9. Si se ha utilizado el enfoque local en el anlisis de la
tendencia, trabajar la estacionalidad por el mtodo de
la razn a las medias
10. Si se ha utilizado el enfoque global para el anlisis de
la tendencia trabajar la estacionalidad por el mtodo
de la tendencia por ajuste mnimo cuadrtico
11. Graficar los datos desestacionalizados
12. Es posible continuar abalizando las componentes
cclica y aleatoria
11
17/07/2012
Fin Captulo : Tcnicas de Pronstico
12

Cap5 - Pronosticos Parte3 (Modo de Compatibilidad)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap5 - Pronosticos Parte3 (Modo de Compatibilidad)

Cargado por

Copyright:

Formatos disponibles

17/07/2012

Tratamiento Clsico de las Series Temporales

Dra. Norka Bedregal Alpaca

Dra. Norka Bedregal Alpaca

Ejemplo: la aparicin de los reproductores de video,

Tratamiento Clsico de las Series Temporales

Tratamiento Clsico de las Series Temporales

La metodologa que se considera para el estudio de una

Dra. Norka Bedregal Alpaca

El modo en que interactan las componentes de una

Cmo detectar el Esquema?

Tipos de Esquemas para Series Temporales

Se calculan 2 tipos de indicadores:

Se calculan los coeficientes de variacin para las

Dra. Norka Bedregal Alpaca

Dra. Norka Bedregal Alpaca

Cmo detectar el Esquema?

Cmo detectar el Esquema?

Dra. Norka Bedregal Alpaca

Calculando los indicadores c (diferencias estacionales)

2008 - 2009 2009 - 2010

Dra. Norka Bedregal Alpaca

Calculando los indicadores d (cocientes estacionales)

Comparando los Coeficientes de Variacin se elige un

Cmo detectar el Esquema?

Dra. Norka Bedregal Alpaca

Se consideran dos procedimientos para la

Desde el punto de vista prctico es conveniente tomar

Los modelos ms conocidos :

1 2 3 4 5 6 7 8 9 1011 1213 1415 16 1718 1920

Dra. Norka Bedregal Alpaca

Despus del suavizado, se ajusta una curva a estos

Dra. Norka Bedregal Alpaca

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Este mtodo de suavizado consiste en promediar la

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Si k fuera par, entonces la media de esos k valores no se

Medias Mviles Centradas

Esta serie no centrada se obtendra mediante la

Este proceso de tomar medias mviles en dos ocasiones

Medias Mviles Centradas

As si k = 4, las dos primeras medias descentradas

Dra. Norka Bedregal Alpaca

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Trabajando con medias de orden 3:

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Medias Mviles Centradas

La serie formada por las medias de Yt, nos indica la

Dra. Norka Bedregal Alpaca

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Empleando 4 observaciones, partiendo de la serie

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas

Como el nmero de observaciones empleados para

Dra. Norka Bedregal Alpaca

Medias Mviles Centradas