0 calificaciones0% encontró este documento útil (0 votos)
51 vistas14 páginas
El presente apunte busca introducir al lector al trabajo con series de tiempo. Se abordan los conceptos característicos de una serie temporal y además se realiza un ejemplo práctico para el calculo de todas las variables necesarias para poder hacer proyección a partir de datos temporales.
El presente apunte busca introducir al lector al trabajo con series de tiempo. Se abordan los conceptos característicos de una serie temporal y además se realiza un ejemplo práctico para el calculo de todas las variables necesarias para poder hacer proyección a partir de datos temporales.
El presente apunte busca introducir al lector al trabajo con series de tiempo. Se abordan los conceptos característicos de una serie temporal y además se realiza un ejemplo práctico para el calculo de todas las variables necesarias para poder hacer proyección a partir de datos temporales.
(2014) Series de Tiempo 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 corresponde a un conjunto de observaciones producidas en determinados momentos durante un periodo, ya sea semanal, mensual, semestral, anual, etc., generalmente efectuados a intervalos regulares. La experiencia con series de tiempo ha revelado que existen ciertos movimientos o variaciones caractersticas que pueden medirse y observarse por separado. Las series de tiempo se componen de cuatro componentes principales: ! La tendencia. ! La variacin cclica. ! La variacin estacional. ! La variacin irregular (aleatoria). La tendencia (secular), el valor variable tiende a aumentar o disminuir en un periodo muy largo de tiempo, por ejemplo el incremento en los precios, los cuales se ven afectado por la inacin, hacindolo subir con el paso del tiempo. La variacin cclica se produce cuando se observan diferencias entre la lnea de tendencia y la medicin real, por ejemplo, este tipo de variacin se observa en los ciclos econmicos y - al igual que la tendencia- se mide en el largo plazo. La variacin estacional implica patrones en la conducta de los datos en el lapso de un ao y que tienden a repetirse anualmente. Un ejemplo de variacin estacional corresponde a los periodos de aumento de personas viajando a las playas, los cuales en Chile se observan generalmente durante los meses de verano, semana santa, estas patrias, vacaciones de invierno. La variacin irregular es aquella que se produce de manera impredecible, ya que su cambio se produce de manera aleatoria. - Pgina - 2 Hay que hacer presente que en la mayora de las series de tiempo, es posible observar ms de una de las componentes antes sealadas y es comn observar series que posean las cuatro caractersticas sealadas. Anlisis de Series de Tiempo El anlisis de series de tiempo se utiliza para detectar patrones de cambio en la informacin estadstica en intervalos regulares. Para ello, se proyectan estos patrones de manera de obtener una estimacin para el futuro ayudndonos con ello a reducir la incertidumbre asociada a los acontecimientos futuros. Para comprender como realizar anlisis sobre series de tiempo se utilizar un ejemplo prctico. Una compaa se especializa en la produccin de equipo de recreacin. Para pronosticar sus ventas con base a sus patrones de ventas histricas, la compaa ha recolectado la siguiente informacin: Para describir la serie de tiempo se deben seguir tres etapas: ! Desestacionalizacin de la serie de tiempo. ! Desarrollo de la lnea de tendencia. ! Bsqueda de la variacin cclica de la lnea de tendencia. AO I II III IV 1991 16 21 9 18 1992 15 20 10 18 1993 17 24 13 22 1994 17 25 11 21 1995 18 26 14 25 - Pgina - 3 Desestacionalizacin de la serie de tiempo: Para realizar lo anterior se tiene que hallar el denominado ndice estacional. Para ello se utilizar el denominado promedio mvil. Para ello, primero se debe calcular el total mvil para los cuatro trimestres, lo cual corresponde a la sumatoria de las ventas tanto de los dos trimestres anteriores ms el actual ms el siguiente. Posteriormente se calcula el promedio mvil de 4 trimestres, el cual corresponde a dividir el total mvil por el nmero de trimestres (en este caso 4). Luego se debe encontrar el promedio mvil centrado, el cual corresponde a la sumatoria del promedio mvil actual ms el siguiente y eso dividido por dos. Finalmente se calcula el porcentaje del valor real, lo cual consiste en dividir el valor original (en este caso las ventas) por el promedio mvil centrado y ese cociente multiplicarlo por 100 para efectos de dejarlo expresado como porcentaje. A continuacin se muestra como debiese quedar una tabla con todo el procedimiento antes descrito: AO TRIMESTRE VENTAS TOTAL MOVIL 4 TRIMESTRES PROMEDIO MOVIL 4 TRIMESTRES PROMEDIO MOVIL CENTRADO % DEL VALOR REAL 1991 I 16 II 21 III 9 64 16 15,875 56,7 IV 18 63 15,75 15,625 115,2 1992 I 15 62 15,5 15,625 96,0 II 20 63 15,75 15,75 127,0 III 10 63 15,75 16 62,5 IV 18 65 16,25 16,75 107,5 1993 I 17 69 17,25 17,625 96,5 II 24 72 18 18,5 129,7 III 13 76 19 19 68,4 IV 22 76 19 19,125 115,0 1994 I 17 77 19,25 19 89,5 II 25 75 18,75 18,625 134,2 III 11 74 18,5 18,625 59,1 IV 21 75 18,75 18,875 111,3 I 18 76 19 19,375 92,9 AO - Pgina - 4 Una vez obtenidos todos los datos es posible encontrar el ndice estacional. Para ello, los datos se deben pasar a una tabla de la siguiente manera, y en el siguiente orden (si nos jamos, el orden de los datos es exactamente el mismo al que se lleg anteriormente): Posteriormente se deben eliminar de la tabla tanto el valor ms alto, as como el ms pequeo que se tenga para cada trimestre por cada ao. Por ejemplo, para el Trimestre I el valor ms pequeo es el 89,5 y el ms alto es 96,5. Estos valores se eliminan debido a que existen momentos en las ventas en que ellas aumentan o disminuyen de manera inusitada. Entonces, la tabla quedara de la siguiente manera. 1995 II 26 79 19,75 20,25 128,4 III 14 83 20,75 IV 25 TRIMESTRE VENTAS TOTAL MOVIL 4 TRIMESTRES PROMEDIO MOVIL 4 TRIMESTRES PROMEDIO MOVIL CENTRADO % DEL VALOR REAL AO AO I II III IV 1991 - - 56,7 115,2 1992 96,0 127,0 62,5 107,5 1993 96,5 129,7 68,4 115,0 1994 89,5 134,2 59,1 111,3 1995 92,9 128,4 - - AO I II III IV 1991 - - - - 1992 96,0 - 62,5 - 1993 - 129,7 - 115,0 1994 - - 59,1 111,3 1995 92,9 128,4 - - - Pgina - 5 Posteriormente se debe calcular la media modicada, que corresponde al promedio de los valores que quedaron por cada trimestre una vez eliminados tanto el mayor como el menor. En la tabla anterior seran: A la media modicada tambin se le conoce como el ndice estacional desajustado. Posteriormente se debe calcular el denominado factor de ajuste para poder encontrar el ndice estacional. Este factor de ajuste se calcula al sumar todas las medias modicadas y posteriormente ese valor es usado para dividirse en 400 (ese nmero se debe a que los datos son trimestrales y el periodo se divide en 4 trimestres, as entonces, si por ejemplo el periodo fuese mensual, el nmero que se utilizara ser 1200). Lo anterior se realiza de la siguiente manera: Primero se calcula la suma de las medias modicadas, es decir; Posteriormente se calcula el factor de ajuste (FA) dividiendo 400 en el valor calculado, es decir; AO I II III IV 1991 - - - - 1992 96,0 - 62,5 - 1993 - 129,7 - 115,0 1994 - - 59,1 111,3 1995 92,9 128,4 - - MEDIA MODIFICADA 94,45 129,05 60,8 113,15 - Pgina - 6 Medias Modificadas = 94, 45 +129, 05 + 60, 8 +113,15 i=1 4 ! Medias Modificadas = 397, 45 i=1 4 ! Factor de Ajuste = 400 397, 45 =1, 0064 Finalmente, para obtener el ndice estacional se debe multiplicar las medias modicadas por el factor de ajuste, esto es: Una vez obtenido el ndice estacional, podremos desestacionalizar la serie de tiempo. Sabemos entonces, que para el primer trimestre el indice corresponde a un 95,05%, para el segundo un 129,88%, para el tercero un 61,19% y para el cuarto un 113,87%. El procedimiento para desestacionalizar la serie de tiempo consiste en dividir las ventas de cada trimestre por su respectivo ndice estacional, y de esa forma calcular las ventas desestacionalizadas, esto es: I II III IV MED MOD * FA 94,45 x 1,0064 129,05 x 1,0064 60,8 x 1,0064 113,15 x 1,0064 INDICE ESTACIONAL 95,05 129,88 61,19 113,87 AO TRIMESTRE VENTAS INDICE ESTACIONAL VENTAS DESESTACIONALIZADAS 1991 I 16 0,9505 16,83 II 21 1,2988 16,17 III 9 0,6119 14,71 IV 18 1,1387 15,81 1992 I 15 0,9505 15,78 II 20 1,2988 15,40 III 10 0,6119 16,34 IV 18 1,1387 15,81 1993 I 17 0,9505 17,89 II 24 1,2988 18,48 III 13 0,6119 21,25 IV 22 1,1387 19,32 I 17 0,9505 17,89 AO - Pgina - 7 Desarrollo del ndice de tendencia: Para desarrollar el ndice de tendencia se debern utilizar las ventas desestacionalizadas antes calculadas. Con estas ventas se calcular una ecuacin para calcular la recta de la tendencia, las formas ms comunes utilizadas para calcular dicha rectas son el mtodo de los semipromedios, el mtodo de suavizamiento exponencial o el mtodo de los mnimos cuadrados ordinarios. En este ejemplo se analizar el mtodo de los semipromedios, el cual se realiza de la siguiente manera; Primero se debe dividir el periodo en dos partes iguales, es decir del 1 al 10 y del 11 al 20 y posteriormente se encuentra el valor central de x. Posterior a eso se calculan los semipromedios para cada uno de los bloques, lo anterior se muestra en la gura siguiente: 1994 II 25 1,2988 19,25 III 11 0,6119 17,98 IV 21 1,1387 18,44 1995 I 18 0,9505 18,94 II 26 1,2988 20,02 III 14 0,6119 22,88 IV 25 1,1387 21,95 TRIMESTRE VENTAS INDICE ESTACIONAL VENTAS DESESTACIONALIZADAS AO AO TRIMESTRE VENTAS DESESTACIONALIZADAS X VALOR CENTRAL DE X SEMIPROMEDIO Y 1991 I 16,83 1 5,50 16,32 II 16,17 2 III 14,71 3 IV 15,81 4 1992 I 15,78 5 II 15,40 6 AO - Pgina - 8 Con los valores antes encontrados (valor central de x, ms semipromedio de y) se encontrar la recta de la tendencia, para lo cual sabemos que la recta viene dada por: Obteniendo los valores de a y b, Donde, III 16,34 7 IV 15,81 8 1993 I 17,89 9 II 18,48 10 III 21,25 11 15,50 19,79 IV 19,32 12 1994 I 17,89 13 II 19,25 14 III 17,98 15 IV 18,44 16 1995 I 18,94 17 II 20,02 18 III 22,88 19 IV 21,95 20 TRIMESTRE VENTAS DESESTACIONALIZADAS X VALOR CENTRAL DE X SEMIPROMEDIO Y AO - Pgina - 9 Y = a + bx Y 1 = a 0 + a 1 x 1 Y 2 = a 0 + a 1 x 2 a 0 = a a 1 = b Entonces reemplazando con los valores antes encontrados, tendremos que: Resolviendo el sistema de ecuaciones antes sealados se obtiene lo siguiente: Reemplazando los valores de a0 y a1 en la recta, se determina la recta de tendencia, la cual es: Posteriormente evaluamos cada valor de X en la ecuacin de la recta ya determinada, es decir: X VENTAS PRONOSTICADAS SUSTITUYENDO EN Y=14,41305 + 0,3469X 1 14,75995 2 15,10685 3 15,45375 4 15,80065 5 16,14755 6 16,49445 7 16,84135 8 17,18825 X - Pgina - 10 16, 32 = a 0 + 5, 50a 1 19, 79 = a 0 +15, 50a 1 a 0 =14, 41305 !a a 1 = 0, 3469 !b Y =14, 41305 + 0, 3469x Se llega hasta el valor N24 pues estos ltimos corresponden a las ventas proyectadas para un periodo ms (ao en este caso). Posteriormente se deben contrastar los valores pronosticados con aquellos desestacionalizados, es decir: 9 17,53515 10 17,88205 11 18,22895 12 18,57585 13 18,92275 14 19,26965 15 19,61655 16 19,96345 17 20,31035 18 20,65725 19 21,00415 20 21,35105 21 21,69795 22 22,04485 23 22,39175 24 22,73865 VENTAS PRONOSTICADAS SUSTITUYENDO EN Y=14,41305 + 0,3469X X VENTAS DESESTACIONALIZADAS VENTAS PRONOSTICADAS PORCENTAJE DE LA TENDENCIA RESIDUO CICLICO RELATIVO 16,83 14,75995 114,05% 14,05% 16,17 15,10685 107,03% 7,03% 14,71 15,45375 95,18% -4,82% 15,81 15,80065 100,04% 0,04% 15,78 16,14755 97,73% -2,27% - Pgina - 11 Junto con lo anterior es necesario adems encontrar el porcentaje de la tendencia, que corresponde al cociente entre las ventas desestacionalizadas versus las ventas pronosticadas multiplicado por 100 (ya que se expresa como un porcentaje). Adems se debe encontrar el residuo cclico relativo, el cual nos indicar el grado variacin como porcentaje de desviacin desde la tendencia. Adems, resulta necesario analizar los datos nales, los cuales corresponden a los periodos (X) 20 al 24, los cuales nos entregan proyecciones de ventas para el prximo ao, las cuales se encuentran desestacionalizadas. Para efectos de que el pronostico sea real, es necesario volver a estacionalizar estos datos, para lo cual solamente basta con multiplicarlos por el indice estacional encontrado anteriormente, es decir: 15,40 16,49445 93,36% -6,64% 16,34 16,84135 97,04% -2,96% 15,81 17,18825 91,97% -8,03% 17,89 17,53515 102,00% 2,00% 18,48 17,88205 103,34% 3,34% 21,25 18,22895 116,55% 16,55% 19,32 18,57585 104,01% 4,01% 17,89 18,92275 94,52% -5,48% 19,25 19,26965 99,89% -0,11% 17,98 19,61655 91,64% -8,36% 18,44 19,96345 92,38% -7,62% 18,94 20,31035 93,24% -6,76% 20,02 20,65725 96,91% -3,09% 22,88 21,00415 108,93% 8,93% 21,95 21,35105 102,83% 2,83% 21,69795 22,04485 22,39175 22,73865 VENTAS DESESTACIONALIZADAS VENTAS PRONOSTICADAS PORCENTAJE DE LA TENDENCIA RESIDUO CICLICO RELATIVO - Pgina - 12 Estas ventas proyectadas que se ubican en la columna de ventas estacionalizadas son aquellas con las que podemos tomar decisiones. La relacin entre las ventas estacionales y la tendencia se observa en el siguiente grco: AO PROYECTADO PERIODO VENTAS PRONOSTICADAS DESESTACIONALIZADAS INDICE ESTACIONAL VENTAS ESTACIONALIZADAS 1996 I 21,69795 0,9505 20,6239 II 22,04485 1,2988 28,6319 III 22,39175 0,6119 13,7015 IV 22,73865 1,1387 25,8925 - Pgina - 13 0,00 5,75 11,50 17,25 23,00 VENTAS DESESTACIONALIZADAS TENDENCIA Nota Importante (Disclaimer) Este documento no corresponde a una creacin personal, sino una transcripcin y copia (mnimamente adaptada) de un video encontrado en Youtube, a continuacin dejo el vnculo para que lo visiten: http://www.youtube.com/watch?v=S_qF7ewsq7s - Pgina - 14