2.

Resumen
3. Marco terico
4. Series de tiempo y pronsticos
5. Componentes de una serie de tiempo
6. Caso
7. Bibliografas
INTRODUCCIN
Toda institucin, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para
el futuro si ha de sobrevivir y progresar. Hoy en da diversas instituciones requieren
conocer el comportamiento futuro de ciertos fenmenos con el fin de planificar, prever
o prevenir.
La planificacin racional exige prever los sucesos del futuro que probablemente vayan
a ocurrir. La previsin, a su vez, se suele basar en lo que ha ocurrido en el pasado
En adelante se estudiar como construir un modelo para explicar la estructura y prever
la evolucin de una variable que observamos a lo largo del tiempo.
Son innumerables las aplicaciones que se pueden citar, en distintas reas del
conocimiento, tales como, en economa, fsica, geofsica, qumica, electricidad, en
demografa, en marketing, en telecomunicaciones, en transporte, etc.
Uno de los problemas que intenta resolver las series de tiempo es el de prediccin. En
adelante se estudiar como construir un modelo para explicar la estructura y preveer la
evolucin de una variable que observamos a lo largo del tiempo.
La variables de inters puede ser macroeconmica (ndice de precios al consumo,
demanda de electricidad, series de exportaciones o importaciones, etc.),
microeconmica (ventas de una empresa, existencias en un almacn, gastos en
publicidad de un sector), fsica (velocidad del viento en una central elica, temperatura
en un proceso, caudal de un ro, concentracin en la atmsfera de un agente
contaminante), o social (nmero de nacimientos, matrimonios, defunciones, o votos a
un partido poltico).
Resumen
El objetivo de este trabajo es estudiar la evolucin del incremento anual de software
ilegales en Per, durante el perodo comprendido entre 1993 y 2005, a travs de la
metodologa de Hamilton (1989) y segundo presentar algunos conceptos relacionados
con dicha metodologa, la cual introduce cambios de rgimen en el anlisis
convencional de series de tiempo. En este caso, tales cambios en el modelo de la
inflacin se suponen asociados a posibles regmenes distintos donde la inflacin
presenta cambios en su nivel o en su variabilidad.
Esta modelacin posibilita el reconocimiento de los distintos regmenes a travs del
tiempo, en lo referente a su tiempo promedio de duracin y a la probabilidad asociada a
cada uno de ellos, es decir, la probabilidad de estar en un rgimen particular en un
momento dado del tiempo.
La aplicacin de la metodologa de Hamilton esta motivada por los resultados
encontrados a travs de diferentes pruebas economtricas que permiten inferir la
existencia de distintos comportamientos de la inflacin trimestral en Colombia en el
perodo de anlisis.
As tambin daremos a conocer los conceptos principales de la tendencia, los
componente cclico, la variacin estacional, variacin irregular. Aplicaremos un caso
real demostrando un tipo de variacin cclica.
MARCO TEORICO
ESTADSTICA
Es la Ciencia que se ocupa de Recolectar, Organizar, Presentar, analizar e interpretar
datos para ayudar a una toma de decisiones mas efectiva.
* Existen dos clases de Estadstica:
A.- Estadstica Descriptiva, que incluye los procedimientos para organizar y resumir
datos.
B.- Estadstica Inferencial, que comprende la toma de una muestra de una poblacin o
de una realizacin de estimaciones acerca de esa poblacin, con base en los
resultados para la muestra .Una Poblacin es el conjunto total de los individuos u
objetos de inters. Una Muestra es una parte de la Poblacin.
* Existen dos tipos de variables :
A. Una variable cualitativa es no numrica .Generalmente nos interesa el numero
o porcentaje de las observaciones en cada categora .Los datos Cualitativos
normalmente se resumen en cuadros o graficas de barras.
B. Hay dos tipos de variales cuantitativas, y generalmente se reportan de manera
Numrica.Las variables discretas que solo pueden asumir ciertos valores y
normalmente existen huecos y brechas entre esos valores. Una variable continua que
puede asumir cualquier valor dentro de un intervalo especfico.
SERIES DE TIEMPO Y PRONOSTICOS
Con frecuencia se realizan observaciones de datos a travs del tiempo. Cualquier
variable que conste de datos reunidos, registrados u observados sobre incrementos
sucesivos de tiempo se denomina serie de tiempo.
Una serie de tiempo es un conjunto de observaciones producidas en determinados
momentos durante un periodo, semanal, mensual, trimestral o anual, generalmente a
intervalos iguales.
Si bien el comportamiento de cualquier serie de tiempo puede observarse grficamente,
no en todos los casos es posible distinguir las particularidades que cada una puede
contener. La experiencia basada en muchos ejemplos se series de tiempo, sin embargo,
ha revelado que existen ciertos movimientos o variaciones caractersticas que pueden
medirse y observarse por separado. Estos movimientos, llamados a menudo
componentes, de una serie de tiempo y que se supone son causados por fenmenos
distintos.
El primer paso para analizar una serie de tiempo es graficarla, esto permite: identificar
la tendencia, la estacionalidad, las variaciones irregulares (componente aleatoria). Un
modelo clsico para una serie de tiempo, puede ser expresada como suma o producto de
tres componentes: tendencia, estacional y un trmino de error aleatorio.
Son innumerables las aplicaciones que se pueden citar, en distintas reas del
conocimiento, tales como, en economa, fsica, geofsica, qumica, electricidad, en
demografa, en marketing, en telecomunicaciones, en transporte, etc.
Series De Tiempo Ejemplos


1. Series econmicas:
- Precios de un artculo
- Tasas de desempleo
- Tasa de inflacin
- ndice de precios, etc.


2. Series Fsicas:
- Meteorologa
- Cantidad de agua cada
- Temperatura mxima diaria
- Velocidad del viento (energa elica)
- Energa solar, etc.
3. Geofsica: - Series sismologas

4. Series demogrficas:
- Tasas de crecimiento de la poblacin
- Tasa de natalidad, mortalidad
- Resultados de censos poblacionales
5. Series de marketing: - Series de demanda, gastos, ofertas
6. Series de telecomunicacin: - Anlisis de seales
7. Series de transporte: - Series de trfico
En el anlisis de series de tiempo de datos, una tentacin inmediata consiste en intentar
explicar o contabilizar el comportamiento de las series. La descomposicin clsica es un
mtodo que se basa en la suposicin de que se pueden descomponer en componentes
como tendencia, ciclo, estacionalidad e irregularidad. Una prediccin se hace mediante
la combinacin de las proyecciones de cada componente individual.
COMPONENTES DE UNA SERIE DE TIEMPO
Existen 4 componentes de una serie de Tiempo : La Tendencia, La Variacin Cclica,
Variacin Estacional, y la Variacin Irregular.
TENDENCIA SECULAR
Las tendencias a largo plazo (sin alteraciones de una serie de tiempo) de las ventas, el
empleo, los precios de las acciones, y otras series econmicas y comerciales .
Muchas variables macroeconmicas, como el Producto Nacional Bruto (PNB), el
empleo y la produccin industrial estn dominadas por una fuerte tendencia.
La tendencia de una serie de tiempo es el componente de largo plazo que representa el
crecimiento o disminucin en la serie sobre un periodo amplio. Las fuerzas bsicas que
ayudan a explicar la tendencia de una serie son el crecimiento de la poblacin, la
inflacin de precios, el cambio tecnolgico y los incrementos en la productividad.
La figura 2.3 muestra grficamente la recta de tendencia ajustada a los datos trimestrales
. La recta de trazos despus de 1972 representa proyecciones (ver seccin 3
Predicciones).

Figura 2.3
Es decir, Movimientos seculares contienen los movimientos suaves de largo plazo, los
cuales estn dominados fundamentalmente por factores de tipo econmico.

VARIACIN CCLICA
Es la segunda componente de un serie de Tiempo es la Variacin Cclica; ascenso y
descenso de una serie de Tiempo en periodos mayores de un ao.
El componente cclico es la fluctuacin en forma de onda alrededor de la tendencia,
afecta por lo regular por las condiciones econmicas generales. Los patrones cclicos
tienden a repetirse en los datos aproximadamente cada dos tres o ms aos. Es comn
que las fluctuaciones cclicas estn influidas por cambios de expansin y contraccin
econmicas, a los que comnmente se hace referencia como el ciclo de los negocios.
Movimientos cclicos o variaciones cclicas o ciclo.
Se refieren a las oscilaciones de larga duracin alrededor de la curva de tendencia, los
cuales pueden o no ser peridicos, es decir, pueden o no seguir caminos anlogos en
intervalos de tiempo iguales. Se caracterizan por tener lapsos de expansin y
contraccin. En general, los movimientos se consideran cclicos solo si se produce en un
intervalo de tiempo superior al ao(3). En el Grfico los movimientos cclicos alrededor
de la curva de tendencia estn trazados en negrita.

VARIACIN ESTACIONAL
Patrones de cambio en una serie de tiempos en una ao. Tales patrones tienden a
repetirse cada ao. El componente estacional se refiere a un patrn de cambio que se
repite a si mismo ao tras ao. En el caso de las series mensuales, el componente
estacional mide la variabilidad de las series de enero, febrero, etc. En las series
trimestrales hay cuatro elementos estacinales, uno para cada trimestre. La variacin
estacional puede reflejar condiciones de clima, das festivos o la longitud de los meses
del calendario.
Movimientos estacionales o variaciones estacionales.
Se refieren a las fluctuaciones peridicas que se observan en series de tiempo cuya
frecuencia es menor a un ao (trimestral, mensual, diaria, etc.), aproximadamente en las
mismas fechas y casi con la misma intensidad. Por ejemplo, el mayor monto de
recaudacin del Impuesto a la Renta se observa en el mes de marzo de todos los aos o
la mayor brecha entre el tipo de cambio de compra y venta se produce los das viernes
dcada semana o la mayor cotizacin de los ttulos que se mueven en la Bolsa de
Valores de Lima se observa diariamente entre las 11 a.m. y 12 m.
Las variaciones estacionales, como veremos, responden fundamentalmente a factores
relacionados al clima, lo institucional o las expectativas y no a factores de tipo
econmico. En el Grfico no se observa ningn movimiento estacional, puesto que se
trata de una serie anual.
Las principales fuerzas que causan una variacin estacional son las condiciones del
tiempo, como por ejemplo:
1) En invierno las ventas de helado
2) En verano la venta de lana
3) Exportacin de fruta en marzo.
Todos estos fenmenos presentan un comportamiento estacional (anual, semanal, etc.)

Figura 1.3
VARIACIN IRREGULAR
El componente aleatorio mide la variabilidad de las series de tiempo despus de que se
retiran los otros componentes. Contabiliza la variabilidad aleatoria en una serie de
tiempo ocasionada por factores imprevistos y no ocurrentes. La mayora de los
componentes irregulares se conforman de variabilidad aleatoria. Sin embargo ciertos
sucesos a veces impredecibles como huelgas, cambios de clima (sequas, inundaciones o
terremotos), elecciones, conflictos armados o la aprobacin de asuntos legislativos,
pueden causar irregularidad en una variable.
Movimientos irregulares o al azar o ruido estadstico. Si bien pueden ser generados
por factores de tipo econmico, generalmente sus efectos producen variaciones que solo
duran un corto intervalo de tiempo. Aunque debe reconocerse que en ocasiones sus
efectos sobre el
comportamiento de una serie pueden ser tan intensos que fcilmente podran dar lugar a
un nuevo ciclo o a otros movimientos. Un claro ejemplo de esto es el efecto del shock
de precios de agosto de 1990 sobre el comportamiento de la inflacin.
Al analizar una serie de tiempo es necesario, entonces, tener en consideracin el
comportamiento de cada uno de estos componentes. Para ello el criterio mas lgico a
seguir es aislarlos secuencialmente partiendo de la serie original para luego analizarlos
de manera individual. Si bien esto supone la utilizacin de mtodos estadsticos
adecuados, que mas adelante veremos, la mejor forma de apreciarlos es a travs de su
observacin visual.
a) Detectar Outlier: se refiere a puntos de la serie que se escapan de lo normal. Un
outliers es una observacin de la serie que corresponde a un comportamiento anormal
del fenmeno (sin incidencias futuras) o a un error de medicin.
Se debe determinar desde fuera si un punto dado es outlier o no. Si se concluye que lo
es, se debe omitir o reemplazar por otro valor antes de analizar la serie.
Por ejemplo, en un estudio de la produccin diaria en una fabrica se present la
siguiente situacin ver figura 1.1:

Figura 1.1
Los dos puntos enmarcados en un crculo parecen corresponder a un comportamiento
anormal de la serie. Al investigar estos dos puntos se vio que correspondan a dos das
de paro, lo que naturalmente afect la produccin en esos das. El problema fue
solucionado eliminando las observaciones e interpolando.
CASO
La piratera sigue creciendo
La tasa de piratera en el Per fue del 73% en el 2004, cinco puntos porcentuales ms
que en el 2003, y las prdidas por piratera de software ascendieron a 39 millones de
dlares. Estos son algunos de los hallazgos de un estudio de piratera mundial de
software publicado por la Business Software Alliance (BSA), asociacin internacional
de desarrolladores de software.
El estudio independiente -que indica que la piratera de software contina representando
un gran desafo en todo el mundo- fue realizado por la consultora, Internacional Data
Corporacin (IDC).
El informe indic que el Per est entre los cinco pases con tasas de piratera mayores a
la tasa latinoamericana, fijada en 66% por el estudio de IDC, que gener prdidas por
1.546 millones de dlares. "En el Per, siete de cada diez copias de software en uso hoy
en da han sido obtenidas ilegalmente", dijo el presidente y CEO de Business Software
Alliance, Robert Holleyman. "Las prdidas por piratera de software ocasionan un gran
impacto econmico en los pases de la regin y en todo el mundo.
Cada copia de software utilizada sin la licencia apropiada cuesta ingresos fiscales,
empleos y oportunidades de crecimiento para mercados de software que estn en
desarrollo".
La tasa de piratera de Amrica Latina (66%) fue significativamente ms alta que la tasa
mundial, de 35%. De las seis regiones incluidas en el estudio, Latinoamrica fue la que
registr la mayor tasa de piratera, seguida por la regin identificada como "Resto de
Europa" en el reporte (pases que no son parte de la Unin Europea), con un 61%,
Medio Oriente y frica (58%), Asia-Pacfico (53%), la Unin Europea (35%) y
Norteamrica (22%).
La piratera todava es mucho ms fuerte en pases y regiones donde el mercado de
software est en crecimiento, a medida que la computacin se integra ms al trabajo y a
la vida diaria", dijo John Gantz, el oficial principal de investigacin en IDC. "La
piratera sube o baja como consecuencia de una compleja ecuacin que incluye, por un
lado, la educacin y el cumplimiento de las leyes; y, por otro, el ingreso de nuevos
usuarios al mercado, la simplificacin del acceso a software pirateado y/o nuevos
factores externos, como el cambio en las condiciones polticas".
Por su lado, Holleyman indic que "los programas educativos, el fomento de polticas
pblicas y los esfuerzos de aplicacin y ejecucin de la ley de BSA alrededor del
mundo continan teniendo un impacto sobre el problema de la piratera. Pero la
afluencia continua de nuevos usuarios en mercados emergentes y la creciente
disponibilidad de software pirateado, principalmente a travs de la Internet y redes P2P,
demuestra que la educacin permanente es esencial".
A nivel mundial, el 35% del software instalado en computadoras personales en el 2004
era pirateado, una baja de un punto porcentual del 36% en el 2003. No obstante, las
prdidas a raz de la piratera incrementaron de 29 mil millones de dlares
estadounidenses a 33 mil millones de dlares.
En el 2004, en el mundo se gastaron ms de 59 mil millones de dlares en software
comercial empaquetado para PC, una cifra mayor a los 51 mil millones de dlares
gastados en el 2003. Pero, en realidad, fue instalado software por ms de 90 mil
millones de dlares, un incremento de los 80 mil millones de dlares instalados el ao
anterior.
El alza a 33 mil millones de dlares en prdidas fue, en parte, producto de que el
mercado de software para PC haya crecido en ms de un 6%, y que el dlar
estadounidense se haya debilitado en comparacin con muchas de las divisas del
mundo.
Para este estudio, IDC utiliz estadsticas propias de envos de software y hardware,
realiz ms de siete mil entrevistas en 23 pases para confirmar las tendencias en
piratera de software, y cont con analistas en ms de 50 pases para estudiar las
condiciones de los mercados locales.
El siguiente grafico muestra la cantidad en soles perdidos en el Per durante los ltimos
11 aos en software piratas . Se presenta como Tendencia Secular se presenta como
una tendencia decreciente a largo plazo.


BIBLIOGRAFAS
http://www.contracopia.org.pe/Prensa/2002/Notas/NotasPrensaEner.html
http://www.uap.edu.pe/Fac/02/trabajos/02206/isi%2032/go7/pirateria.htm
http://ciberconta.unizar.es/LECCION/seriest/000F2.HTM
http://apuntes.rincondelvago.com/series-de-tiempo_1.html
Estadsticas para Administracin y Economa ("Lind Marchal Mason")

MARITZA SANTOS Yaurivilca
UNIVERSIDAD : INCA GRACILAZO DE LA VEGA
MAESTRIA : INGENIERIA DE SISTEMAS con mencin en Tecnologas de
Informacin
ASIGNATURA : MODELOS ESTADISTICOS
CICLO : PRIMER (1er modulo)