Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadstica inferencial ll
Grupo 952
Octubre de 2015
ndice
Serie de tiempo
Introduccin.2
Definicin.2
Objetivo....3
Componentes de una serie de tiempo....3
Tendencia secular.....3,4
Fluctuacin cclica.4,5
Variacin estacional..5,6
Variacin irregular6
Introduccin
Serie de tiempo
Las organizaciones en general evalan peridicamente el comportamiento de su
actividad y/o productos a fin de pronosticar que va a suceder en el futuro en base
a lo que ha venido ocurriendo en el pasado, est sucediendo en el presente y
tiene la tendencia a comportarse de la misma manera en el futuro.
Los pronsticos o predicciones, son una herramienta esencial en cualquier
proceso de toma de decisiones. La calidad de los pronsticos que los
administradores pueden
realizar est
estrechamente
relacionada
con
la
Objetivo
2
Serie de tiempo
El principal objetivo de las series de tiempo es hacer proyecciones o pronsticos
sobre una actividad futura, suponiendo estables las condiciones y variaciones
registradas hasta la fecha, lo cual permite planear y tomar decisiones a corto o
largo plazo.
Componentes de una serie de tiempo
Utilizamos el trmino serie de tiempo para referirnos a cualquier grupo de
informacin estadstica que se acumula a intervalos regulares. Existen cuatro tipos
de cambio o variacin implicados en el anlisis de serie de tiempo. Estos son:
1.
2.
3.
4.
Tendencia secular
Fluctuacin cclica
Variacin estacional
Variacin irregular
Tendencia secular
Douglas Lind, G. Marchal (2008)
La tendencia secular o simplemente tendencia, son movimientos o
variaciones continuas de la variable de modo uniforme y suave, por encima
o por debajo, que se observan en el largo plazo durante un perodo de
longitud prolongada. Representan el comportamiento predominante o
direccin general de la serie de tiempo como ascendente o descendente. La
grfica de la tendencia suele ser una curva suave y aun una lnea recta que
muestra la tendencia de las variaciones. Ejemplos de tendencia secular
son las ventas, exportaciones, produccin y el empleo.
Serie de tiempo
En la grafica anterior se muestra el riempo real, y la tendencia secular. Los datos
muestran ciertas variaciones estn por encima y por debajo de la recta de
tendencia. Y la tendencia secular es ascendente.
Fluctuacin cclica
Allen L. Webster (2000)
Son variaciones hacia arriba y hacia abajo de la tendencia que se
presentan cada cierto nmero de intervalos, en forma peridica de manera
ondular a modo de oscilaciones ms o menos regulares durante un perodo
relativamente prolongado, que por lo general abarca tres o ms aos de
duracin. La produccin, empleo, promedio industrial, etc. son ejemplos de
este tipo de movimientos.
Serie de tiempo
Levin, Richard I., y Rubin (2004)
Representa un movimiento peridico que se producen en forma similar
cada ao por la misma poca, en correlacin con los meses o con las
estaciones del ao y aun con determinadas fechas. Si los sucesos no se
repiten anualmente, los datos deben recolectarse trimestral, mensual o
incluso semanalmente. Ejemplos de movimientos estacionales son la
variacin de precios de ciertos productos, incremento de ventas de juguetes
y disminucin de ventas de tiles Navidad, incremento de ventas de flores
por el da del amor y la amistad, etc.
Serie de tiempo
Son
aquellas
variaciones
producidas
por
sucesos
de
ocurrencia
Serie de tiempo
a)
b)
c)
d)
Aos
Ventas
2003
2004
2005
2006
2007
(millones de pesos)
7
10
9
11
13
Serie de tiempo
Y: Ventas
(millones de
pesos)
X: Aos
Para determinar los coeficientes de la ecuacin se debe construir una tabla con los
datos necesarios:
Ao
2003
2004
2005
2006
2007
Totales
y
7
10
9
11
13
50
t
1
2
3
4
5
15
yt
7
20
27
44
65
163
t^2
1
4
9
16
25
55
Serie de tiempo
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.
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
Y: Ventas
(millones de
pesos)
X: aos
Recta de tendencia:
Datos originales:
Mtodos de promedios mviles
Segn L. Kazmier, A. Daz Mata (1991) consiste en obtener un valor futuro de la
variable de estudio a partir de una serie histrica de los valores de la variable. El
procedimiento consiste en obtener una media aritmtica eligiendo de antemano el
tamao de la muestra e incorporando al promedio obtenido el valor de la variable
siguiente hasta completar toda la serie histrica.
Serie de tiempo
Un promedio mvil es til para suavizar una serie de tiempo y apreciar su
tendencia. Adems, es el mtodo bsico para medir la uctuacin estacional, que
se describe ms adelante en el captulo. En contraste con el mtodo de mnimos
cuadrados, que expresa la tendencia en trminos de una ecuacin matemtica
(Y = a + bt), el mtodo del promedio mvil slo suaviza las uctuaciones de los
datos. Esto se logra al desplazar los valores medios aritmticos en la serie de
tiempo.
Ejemplo
Con los siguientes datos acerca de la ventas en miles de dlares de la Empresa
Rinox S. A. durante los ltimos 3 aos tomados en perodos de trimestres:
Trimestr
Ventas
e
1
2
3
4
5
6
7
8
9
10
11
12
12
16
20
34
23
19
20
35
11
19
24
36
Serie de tiempo
1) El clculo de los promedios mviles de orden 3 se presenta en la siguiente
tabla:
Trimestre
1
2
3
4
5
6
7
8
9
10
11
12
Ventas
12
16
20
34
23
19
20
35
11
19
24
36
Promedio mvil
(12+16+20)/3 = 16,00
(16+20+34)/3 = 23,33
(20+34+23)/3 = 25,67
(34+23+19)/3 = 25,33
(23+19+20)/3 = 20,67
(19+20+35)/3 = 24,67
(20+35+11)/3 = 22,00
(35+11+19)/3 = 21,67
(11+19+24)/3 = 18,00
(19+24+36)/3 = 26,33
2) El ltimo valor del promedio mvil, que en este ejemplo es 26,33, representa el
pronstico de las ventas para el trimestre nmero 13, y tericamente para todo
trimestre futuro.
3) Para resolver lo planteado se toma en cuenta las 3 ltimas ventas con sus
respectivos pesos o ponderaciones. Estos datos se presentan en la siguiente
tabla:
Trimestre
10
11
12
Ventas
19
24
36
Pesos (w)
0.5
1
2
11
Serie de tiempo
Ventas suavizadas:
Datos originales:
Mtodos de suavizacin exponencial
Menciona Allen L. Webster (2000) que el suavizamiento exponencial emplea un
promedio ponderado de la serie de tiempo pasada como pronstico; es un caso
12
Serie de tiempo
especial del mtodo de promedios mviles ponderados en el cual slo se
selecciona un peso o factor de ponderacin: el de la observacin ms reciente. En
la prctica comenzamos haciendo que F1, el primer valor de la serie de valores
uniformados, sea igual a Y1, que es el primer valor real de la serie. El modelo
bsico de suavizamiento exponencial es el siguiente:
Ft+1 =
13
Serie de tiempo
Para mostrar el mtodo de suavizamiento exponencial, retomamos el ejemplo de
la gasolina, utilizando como constante de suavizamiento = 0.2: galores/semana
Pronstico
Semana ( t ) Valor (Yi) Ft
1 17 17.00
2 21 17.00
Semana
Gasolina/seman
(t)
1
2
3
4
5
6
7
8
9
10
11
12
a
Valor (yi)
17
21
19
23
18
16
20
18
22
20
15
22
Pronostico
Ft
17
17
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48
Tendencias no lineales
Douglas Lind, G. Marchal (2008)
Una ecuacin de tendencia lineal se utiliza para representar la serie de
tiempo cuando se considera que los datos aumentan (o disminuyen) en
cantidades iguales, en promedio, de un periodo a otro. Los datos que
aumentan (o disminuyen) en cantidades cada vez mayores durante un
periodo aparecen curvilneos cuando se trazan en grca con escala
aritmtica.
14
Serie de tiempo
En otras palabras, los datos que aumentan (o disminuyen) en porcentajes o
proporciones iguales durante un periodo aparecen curvilneos sobre un papel
cuadriculado.
La ecuacin de la tendencia para una serie de tiempo que no se aproxime a una
tendencia curvilnea, se calcula con los logaritmos de los datos y el mtodo de
mnimos cuadrados. La ecuacin general para la ecuacin de la tendencia
logartmica es:
ECUACIN DE TENDENCIA LOGARTMICA log = log a + log b (t)
Aplicaciones
Algunos ejemplos donde se puede utilizar series de tiempo
Economa y Marketing
Demografa
Medioambiente
Conclusin
15
Serie de tiempo
A lo largo de este trabajo de investigacin bibliogrfica su pudo comparar la serie
de tiempo con distintos autores, adems algunos mtodos que se utilizan, etc.
Realizar esta investigacin sobre las series de tiempo es importante aplicarla para
as poder llevar un registro de las ventas mensuales, realizar pronsticos y
predicciones para cualquier cosa que pueda tener la empresa a futuro, entonces
as poder tomar decisiones correspondientes a tiempo.
El anlisis de series de tiempo segn la tendencia es vlido si es que no se dan
otros factores que puedan influenciar de manera significativa la tendencia de
ocurrencia de los datos, en nuestro caso un avance tecnolgico inesperado podra
alterar considerablemente el comportamiento de la tendencia.
Bibliografa
Levin, Richard I., y Rubin (2004) Estadstica para administracin y economa,
sptima edicin, PEARSON EDUCACION, Mxico 2004, paginas 952
L. Kazmier, A. Daz Mata (1991) Estadstica aplicada a administracin y economa,
segunda edicin, McGRAW-HILL INTERAMERICANA DE MEXICO, S.A. DE C.V.
Mxico, D. F.
Allen L. Webster (2000) Estadstica aplicada a los negocios y a la economa,
tercera edicin, McGRAW-HILL INTERAMERICANA, S.A. DE C.V
Douglas Lind, G. Marchal (2008) Estadstica aplicada a los negocios y a la
economa, decimotercera edicin, McGRAW-HILL INTERAMERICANA editores, S.
A. de C. V. 736 paginas.
16