Tema 5: Series temporales

Julio Mulero Mara J. Nueda Aurora Pascual Dpto. de Estadstica e I.O.

ndice
1. Series temporales 2. Componentes de una serie temporal 3. Determinacin de la tendencia de una serie temporal 3.1. Medias mviles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Ajuste por mnimo cuadrados . . . . . . . . . . . . . . . . . . . . . . 4. Estudio de la componente estacional 4.1. ndice de estacionalidad . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Desestacionalizacin de una serie . . . . . . . . . . . . . . . . . . . . 5. Problemas propuestos 2 3 4 4 5 6 6 7 12

Tema 5: Series temporales

1.

Series temporales

Una serie temporal o cronolgica es una secuencia de datos, observaciones o valores de una variable de inters (que llamaremos variable y), medidos en determinados momentos del tiempo (variable t), ordenados cronolgicamente y, normalmente, espaciados entre s de manera uniforme. El anlisis de series temporales comprende mtodos que ayudan a interpretar este tipo de datos, extrayendo informacin representativa, tanto referente a los orgenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir su comportamiento futuro. Ejemplos: El nmero de parados en los ltimos diez aos. El nmero de horas extraordinarias realizadas en una empresa cada da en un perodo de un mes. El nmero de habitantes en la provincia de Alicante en los ltimos 10 aos (ver grco).

La variable tiempo se considera siempre como variable independiente y puede referirse a cualquier unidad de tiempo: hora, da, semana, mes, ao, etc. Uno de los usos ms habituales de las series de datos temporales es su anlisis para prediccin y pronstico. Por ejemplo de los datos climticos, de las acciones de bolsa, o las series pluviomtricas.

Dpto. de Estadstica e I.O.

2.

Componentes de una serie temporal

Para analizar las series temporales supondremos que los valores que toma la variable de inters (y) es la consecuencia de cuatro componentes, cuya actuacin conjunta da como resultado los valores medidos, estos componentes son:

1. Tendencia: La denotamos por T . Indica la marcha general y persistente del fenmeno observado, es una componente de la serie que reeja la evolucin a largo plazo. Por ejemplo, la tendencia creciente del ndice de reciclado de basuras en los pases desarrollados, o el uso creciente de internet en la sociedad, independientemente de que en un mes concreto en un pas, por determinadas causas, haya una bajada de la utilizacin de internet. 2. Variacin estacional: La denotamos por E.Es el movimiento peridico de corto periodo, se trata de una componente causal debida a la inuencia de ciertos fenmenos que se repiten de manera peridica en un ao (las estaciones), una semana (los nes de semana) o un da (las horas puntas) o cualquier otro periodo. Recoge las oscilaciones que se producen en esos perodos de repeticin. Por ejemplo si estamos analizando la evolucin de los puestos de trabajo creados en el sector de la hostelera por meses, observaramos una variacin estacional en los meses de verano. 3. Variacin cclica. La denotamos por C.Recoge las oscilaciones peridicas de amplitud superior a un ao. Movimientos normalmente irregulares alrededor de la tendencia, en las que a diferencia de las variaciones estacionales, tiene un perodo y amplitud variables. Por ejemplo si estamos estudiando la evolucin de la facturacin del sector hostelero en la provincia de Alicante, el efecto de un perodo de crisis o recesin econmica que dura 7 aos vendra recogido por este tipo de variacin. 4. Variacin aleatoria o accidental: La denotamos por A.de carcter errtico, tambin denominada residuo, no muestran ninguna regularidad, debidos a fenmenos de carcter ocasional como pueden ser tormentas, terremotos, inundaciones, huelgas, guerras, avances tecnolgicos etc.

Por lo tanto, cada valor de la serie temporal vendr determinado por: Yt = Tt Et Ct At

Tema 5: Series temporales

3.

Determinacin de la tendencia de una serie temporal

Existen dos procedimientos para determinar la tendencia de una serie temporal: empleo de medias mviles y ajuste por mnimos cuadrados.

3.1.

Medias mviles

Esta tcnica consiste en "suavizar"la serie, es decir, eliminar parte de las oscilaciones de poca importancia para que aore la tendencia. Una media mvil es la media de los valores correlativos que aparecen dentro de un subrango de la serie denominado banda de suavizacin. Estas bandas podrn ser de 3,5,7... elementos segn tomemos 1,2,3... datos por encima y por debajo del valor considerado. Con esta tcnica se pierden algunos datos al principio y al nal de la serie (por ejemplo si tomamos bandas de 3, para el primer y ltimo valor de la serie no se puede calcular la media mvil). Si la serie es muy corta esto es un inconveniente porque se pierde mucha informacin. Cuanto mayor es la banda, mayor suavizacin se consigue, pero se pierden ms elementos de la serie.

Ejemplo 1 La siguiente tabla recoge la evolucin de las exportaciones de tomates de una empresa agrcola entre los aos 1997 y 2010: Media mvil Ao Exportaciones(tn) Banda de 3 Banda de 5 1997 115 1998 160 165 1999 220 280 281 2000 460 2001 450 2002 530 2003 550 2004 490 2005 505 2006 610 2007 950 2008 780 2009 900 2010 950

Dpto. de Estadstica e I.O.

3.2.

Ajuste por mnimo cuadrados

Este mtodo consiste en determinar la tendencia ajustando un modelo de regresin donde la variable explicativa es el tiempo (t) y la dependiente el valor de la variable de inters. Para facilitar los clculos se suele transformar la variable tiempo en valores ms cmodos. Por ejemplo: Ejemplo 2 Con los datos del ejemplo anterior podramos tomar 1997 como ao 0, 1998 como ao 1, ... y 2010 como ao 13. Si a esta variable la llamamos X y a las exportaciones Y podramos obtener la recta de regresin tal y como aprendimos en el tema 4: X 0 1 ... 13 91 Y 115 160 ... 950 7670 XY 0 160 ... 12350 63920 X2 0 1 ... 169 819 Y2 13225 25600 ... 902500 5175350

A partir de esta tabla podemos calcular:

2 SX = 17,5 2 SY = 74868,13

X = 6,5 Por lo tanto,

Y = 547,86

SXY = 1081,92

b=

SX,Y = 61,82 2 SX

a = Y bX = 146

As pues, la mejor recta para los datos que tenemos es Y = 146 + 61,82X

Tema 5: Series temporales

Adems podemos calcular r2 = 0,89 por lo que el ajuste obtenido es bueno. Todo esto nos indica que en el perodo analizado la tendencia de la serie viene dada por la recta de regresin. La pendiente de la recta nos indica el aumento que sufren las exportaciones por cada ao, que es de 61.82 toneladas. Para cada instante de tiempo analizado se puede calcular su tendencia utilizando la recta, la diferencia entre el valor real y la tendencia es la variacin que se debe a otras causas. Podramos utilizar la recta para hacer predicciones en aos futuros, siempre y cuando se indique que las condiciones futuras son similares a las de los aos analizados, es decir, habra que indicar que si la empresa siguiera trabajando al mismo ritmo que el actual y las necesidades del mercado y otros condicionantes fueran similares, entonces podramos hacer predicciones para aos futuros, pero tampoco muy lejanos.

4.
4.1.

Estudio de la componente estacional

ndice de estacionalidad

Si sospechamos que hay variaciones estacionales podemos corroborarlo comparando las medias de cada una de las estaciones consideradas con la media global. Esto se hace a partir del siguiente ndice IEj , si hay k estaciones, j = 1, ...k: Yj IEj = Y donde Yj es la media de la estacin j. Ejemplo 3 En un estudio sobre la evolucin del desempleo en cierto pas, se observ que el nmero medio de parados (en miles), por trimestres, en los ltimos 5 aos vena dado por la siguiente tabla: Ao 2006 2007 2008 2009 2010 1er T rim. 10 11 9 12 11 2o T rim. 5 8 4 5 3 3er T rim 4 2 3 2 1 4o T rim 10 9 11 10 9

A partir de estos datos podemos calcular: Yj IEj 1er T rim. 10,6 1,53 2o T rim. 5 0,72 3er T rim 2,4 0,35 4o T rim 9,8 1,41 Anual 6,95 1

Dpto. de Estadstica e I.O.

Para hacer predicciones podremos utilizar el mtodo de mnimos cuadrados para calcular la tendencia por aos y a partir de estos utilizar los ndices de estacionalidad para calcular la prediccin por estaciones. Ejemplo 4 Siguiendo con el ejemplo anterior, calculamos la tendencia utilizando el mtodo de mnimos cuadrados a partir de la media de cada ao. Por comodidad, jamos denotamos los aos del 0 al 5: Ao Media anual 0 7,25 1 7,5 2 6,75 3 7,25 4 6 Con estos datos podemos calcular la recta de regresin: Y = 7,5 0,275(Ao) Para 2011 (ao 5), la prediccin del desempleo medio anual ser: Y = 6,13 y la media de cada trimestre: 1ertrimestre : 6,13 1,53 2o trimestre : 6,13 0,72 3ertrimestre : 6,13 0,35 4o trimestre : 6,13 1,41 = = = = 9,37 4,41 2,15 8,64

4.2.

Desestacionalizacin de una serie

En ocasiones, la componente estacional puede complicar el anlisis adecuado de una serie. Por este motivo es conveniente eliminar este efecto de la serie y as poder observar mejor la evolucin de la misma.

Tema 5: Series temporales

Para eliminar el efecto estacional de una serie en primer lugar hemos de detectar la tendencia. Dado que hemos visto dos formas para detectar la tendencia podremos desestacionalizar la serie de dos formas: utilizando medias mviles o bien utilizando mnimos cuadrados. Los pasos a seguir seran: 1. Calcular la tendencia: bien por medias mviles o por mnimos cuadrados utilizando todos los datos. 2. Calcular la componente estacional para cada dato. 3. Calcular la componente estacional media por estacin. 4. Desestacionar la serie dividiendo los datos originales por la componente estacional calculada en el punto anterior. Ejemplo 5 Continuando con los datos del ejemplo anterior, habra que seguir los siguientes pasos: 1) Calcular la recta de regresin utilizando los 20 datos. Si llamamos a cada trimestre desde 0 a 19, es Y = 7,7571 0,085(Trimestre). Con esta recta, la tendencia para cada dato es la siguiente: Trimestre 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Y 10 5 4 10 11 8 2 9 9 4 3 11 12 5 2 10 11 3 1 9 Y 7,76 7,67 7,59 7,50 7,42 7,33 7,25 7,16 7,08 6,99 6,91 6,82 6,74 6,65 6,57 6,48 6,40 6,31 6,23 6,14

Dpto. de Estadstica e I.O.

2) Dividimos la serie original por la tendencia para calcular la parte estacional:

Trimestre 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Y 10 5 4 10 11 8 2 9 9 4 3 11 12 5 2 10 11 3 1 9

Y 7,76 7,67 7,59 7,50 7,42 7,33 7,25 7,16 7,08 6,99 6,91 6,82 6,74 6,65 6,57 6,48 6,40 6,31 6,23 6,14

E = Y /Y 1,289 0,652 0,527 1,333 1,483 1,091 0,276 1,257 1,272 0,572 0,434 1,612 1,781 0,752 0,305 1,543 1,719 0,475 0,161 1,465

3) Calculamos la media estacional E de cada trimestre (o estacin, en su caso) teniendo en cuenta que el primer trimestre son los datos correspondientes al 0, 4, 8, dots, que el segundo trimestre son los datos correspondientes al 1, 5, 9, dots y anlogamente con el tercer y cuarto trimestre. Estas medias son:

Trimestre 1o 2o 3o 4o

Media estacional 1,51 0,71 0,34 1,44

4) Desestacionalizamos la serie dividiendo los datos originales por su correspondiente componente estacional:

10

Tema 5: Series temporales

Trimestre 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Y Serie desestacionalizada 10/1, 51 = 6, 63 5/0, 71 = 7, 06 4/0, 34 = 11, 75 10/1, 44 = 6, 94

Dpto. de Estadstica e I.O.

11

5.

Problemas propuestos

1. A partir de los datos de la poblacin de la provincia de Alicante obtenidos de www.ine.es durante los aos 1999 a 2010: Ao-2008 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Poblacin (miles) 1411 1445 1490 1558 1632 1657 1732 1784 1825 1891 1917 1926

a) Representa los datos en un diagrama de dispersin. b) Calcula la tendencia de la serie por medias mviles con bandas de 5 elementos. c) Calcula la tendencia de la serie por el mtodo de mnimos cuadrados. d) Podramos hacer una prediccin para la poblacin alicantina del ao 2011? 2. La siguiente tabla muestra el nmero de alumnos matriculados en la universidad de Alicante en 8 cursos: Curso 2000/01 2001/02 2002/03 2003/04 2004/05 2005/06 2006/07 2007/08 Alumnos 29365 29177 29483 29123 28814 28184 28414 27946

a) Representa los datos en un diagrama de dispersin. b) Calcula la tendencia de la serie por medias mviles con bandas de 3 elementos.

12

Tema 5: Series temporales

c) Calcula la tendencia de la serie por el mtodo de mnimos cuadrados. Cmo es esa tendencia? d) Podriamos hacer una prediccin para la matrcula del curso 2008/09? 3. A partir de los datos del ejemplo 4 visto en teora sobre la evolucin del desempleo de un pas. Desestacionaliza la serie mediante el mtodo de medias mviles con banda de 3 elementos. 4. El dueo de un bar de copas de reciente apertura ha anotado el nmero de clientes que entran al local cada da (excepto lunes que descansa) en las 6 primeras semanas que lleva abierto:

Semana 1 2 3 4 5 6

Martes 45 32 43 45 47 49

Mircoles 35 34 40 44 43 45

Jueves 43 43 45 46 45 47

Viernes 78 80 85 86 84 87

Sbado 86 88 92 93 90 94

Domingo 55 60 53 52 58 59

a) Teniendo en cuenta que cada da es una estacin, calcula los ndices de estacionalidad y utilzalos para hacer una prediccin de los clientes que entrarn la prxima semana. b) Desestacionaliza la serie por el mtodo de mnimos cuadrados. c) Desestacionaliza la serie por el mtodo de medias mviles con banda de 3 elementos.