ANALISIS POR SERIES TEMPORALES DE UN CONJUNTO DE DATOS CON

EL SOFTWARE MATLAB
SELENA CASTRO; MISHEL REYES
UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE. Av. General Rumiahui S/N, Sector Santa Clara - Valle de los
Chillos Sangolqu - Ecuador
bscb.1805@gmail.com; mish95reyes@hotmail.com
RESUMEN
Una serie temporal se puede definir como una sucesin de observaciones cuantitativas cronolgicamente ordenadas, o
como una distribucin bidimensional en la cual una de las componentes es el tiempo y la otra la propia variable en estudio.
Mediante la descomposicin de la serie se puede definir sus componentes como componente tendencial, estacional,
componente cclica y la residual y determinar cada una de ellas mediante el uso del software Matlab.
Palabras Clave: serie temporal, tendencia, estacionalidad, componente residual.
ABSTRACT
A time series can be defined as a succession of chronologically ordered , or as a two-dimensional distribution in which one
of the components is time and the other the variable in study quantitative observations . By decomposition of the series can
be defined components like trend component, a seasonal component and residual component cyclic and determine each
using the Matlab software

INTRODUCCIN
En las ltimas dcadas hemos podido asistir a la aparicin de modelos y mtodos estadsticos de gran
importancia para el trabajo con datos de series temporales. La necesidad de disponer de predicciones lo
ms precisas posibles, as como el inters en conocer la dinmica de las distintas variables, ha
originado que los mtodos de anlisis de series temporales hayan pasado a ocupar un lugar central en
el estudio de disciplinas muy diversas.
MARCO TERICO
El estudio descriptivo de series temporales se basa en la idea de descomponer la variacin de una serie
en varias componentes bsicas.
Tendencia (T): Es una componente de la serie que refleja su evolucin a largo plazo. Esta componente
puede ser de naturaleza estacionaria (se representara por una recta paralela al eje de abscisas), de
naturaleza lineal (creciente o decreciente), de naturaleza parablica, de naturaleza exponencial, etc.
(Muoz, 2004)
Para el clculo de la tendencia desarrollaremos el mtodo de medias mviles. Partimos de la serie
temporal observada Yt. Se obtienen sucesivas medias aritmticas para cada Yt con un nmero de
observaciones, fijadas de antemano, anteriores y posteriores a ese Y t. El nmero de observaciones, p,
que se utiliza para obtener las medias aritmticas suele coincidir con los perodos inferiores al ao que
contiene la serie (por ejemplo p es igual a 3 si los valores de la serie son cuatrimestrales, igual a 4 si
son trimestrales, igual a 2 si son semestrales, etc.) (Muoz, 2004)
Si el nmero de observaciones (p) utilizado es impar la media Y t obtenida coincide con el perodo t y
entonces se dice que la media est centrada. Si el nmero de observaciones (p) es par, las medias as
obtenidas no estn situadas en ningn instante del tiempo. En este caso tenemos que volver a calcular
una nueva media aritmtica utilizando cada dos valores consecutivos de las medias previamente
calculadas. (Muoz, 2004)

Componente cclica (C): Es una componente de la serie que recoge las oscilaciones peridicas de
amplitud superior a un ao. (Paredes, 2007)
Efecto Estacional (E): Es una componente de la serie que recoge las oscilaciones que se producen en
perodos iguales o inferiores a un ao. (Paredes, 2007)
Para estimarlos, se calcula primero la media de las observaciones para cada mes, M 1, ,M12, y el
coeficiente estacional resulta ser: Si = Mi M para 1=1,..., 12. Donde M es la media total de las
observaciones. As se puede observar que los meses con observaciones ms pequeas (por debajo de la
media general) tienen coeficientes estacionales negativos, mientras que los meses con observaciones
mayores tienen coeficientes estacionales positivos. (Muoz, 2004)
Componente Aleatoria: Una vez identificados los componentes anteriores y despus de haberlos
eliminado, persisten unos valores que son aleatorios. Se pretende estudiar qu tipo de comportamiento
aleatorio presentan estos residuos, utilizando algn tipo de modelo probabilstico que los describa.
(Marn, 2009)
En el estudio clsico de las series temporales se han manejado dos hiptesis de trabajo: (Rivera, 2001)
1. Esquema aditivo
Los valores observados de cualquier serie temporal son el resultado de la suma de sus cuatro
componentes:
Y t =T t + Ct + E t + Rt (1)
2. Esquema multiplicativo
Los valores observados de cualquier serie temporal son el resultado de la multiplicacin de los cuatro
componentes:
Y t =T t Ct E t Rt (2)
METODOLOGA
Para el anlisis de series temporales utilizamos el software en Matlab, inicialmente se carga el archivo
con los datos de las series proporcionados y se procede a analizar la serie temporal.

ANALISIS DE RESULTADOS
Como resultado se obtuvo la serie de tipo de un conjunto de datos, y la componente tendencial de la
misma para lo cual se us el mtodo de medias mviles con un p=365 debido a que los datos eran
diarios. Con la grfica podemos decir que tiene una tendencia de tipo estacionaria y lineal ya que se
mantiene el valor de la media a lo largo del tiempo. No se pudo realizar el anlisis de la estacionalidad
y del ruido debido a que no fueron descritos en el conjunto de datos los periodos a los que hacen
referencia los valores.

Tabla 1: Serie Temporal

Tabla 2: Tendencia

CONCLUSIONES
a. La serie temporal es una serie de tendencia estacionaria.
b. El periodo utilizado fue de p=365.
c. No se pudo realizar el anlisis de la estacionalidad debido a que no fueron descritos en el conjunto.
de datos los periodos a los que hacen referencia los valores.
d. Para determinar si una serie temporal tiene ruido se necesita analizar la tendencia, la estatalidad
que engloba los ciclos.
REFERENCIAS
Marn, J. (2009). Series Temporales. Obtenido de
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EDescrip/tema7.pdf
Muoz, D. R. (2004). Manual de estadstica. Eumed.
Paredes, M. (2007). Estadstica I Series Temporales. Obtenido de
http://www2.ulpgc.es/hege/almacen/download/4/4968/Tema_4_teoria_y_practica.pdf
Rivera, P. (2001). Anlisis descriptivo de series temporales aplicadas al precio mediode la vivienda en
Espaa. Obtenido de http://optimierung.mathematik.unikl.de/mamaeusch/veroeffentlichungen/ver_texte/metro-cuadrado.pdf