Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEFINICIN
Bsicamente nos interesa estudiar los cambios en esa variable con respeto al
tiempo.
GRAFICAS TEMPORALES
3. Boxplot anual
Ejemplo 4. Alcalinidad total (mg/lt). Tomado de www.gemstat.org.
4. Boxplot por perodos de observacin
Ejemplo 5. Concentracin de sulfatos (mg/lt). Tomado de www.gemstat.org.
SERIES ESTACIONARIAS Y NO ESTACIONARIAS
Una serie temporal es una sucesin de observaciones de una variable tomadas en varios
instantes de tiempo.
Nos interesa estudiar los cambios en esa variable con respeto al tiempo. Predecir sus
valores futuros.
Ejemplos de series temporales podemos encontrarlos en muchos campos de conocimiento:
Economa: producto interior bruto anual, tasa de inflacin, tasa de desempleo, etc.
Demografa: nacimientos anuales, tasa de dependencia, etc.
Meteorologa: temperaturas mximas, medias o mnimas, precipitaciones diarias, etc.
Medio ambiente: concentracin media mensual de nitratos en agua, alcalinidad media
anual del suelo, emisiones anuales de CO2, etc.
SERIE ESTACIONARIA:
Una serie es estacionaria cuando es estable a lo largo del tiempo, es decir, cuando la media
y varianza son constantes en el tiempo. Esto se refleja grficamente en que los valores de la
serie tienden a oscilar alrededor de una media constante y la variabilidad con respecto a esa
media tambin permanece constante en el tiempo.
Una serie temporal es estacionaria en sentido amplio si:
EJEMPLO:
Variaciones anuales de la media de los pluvimetros peninsulares para el periodo Octubre/1990 a
Septiembre/2006.
SERIE NO ESTACIONARIA:
Una serie es no estacionaria si la media y/o la variabilidad cambian a lo largo del tiempo. Las
series no estacionarias pueden mostrar cambios de varianza. Tambin pueden mostrar una
tendencia, es decir que la media crece o baja a lo largo del tiempo. Adems, pueden
presentar efectos estacionales, es decir que el comportamiento de la serie es parecido en
ciertos tiempos peridicos en el tiempo.
Son series en las cuales la tendencia y/o variabilidad cambian en el tiempo. Los cambios en
la media determinan una tendencia a crecer o decrecer a largo plazo, por lo que la serie no
oscila alrededor de un valor constante.
EJEMPLO:
Emisiones mundiales de CO2.
Nmero mensual de pasajeros de avin, USA, Enero:1949 a Diciembre:1960
At est formado por el efecto de diversos factores de poca importancia y que a menudo
desconocemos. Representa a la parte impredecible de la serie.
Los modelos que se utilizan con ms frecuencia son:
MODELO ADITIVO:
XT = TT + ST + AT
MODELOS MULTIPLICATIVOS:
PURO: XT = TT ST AT
MIXTO: XT = TT ST + AT
T: Tendencia de la serie.
S: Variacin Estacional.
A: Variaciones aleatorias.
MODELO ADITIVO:
XT = TT + S T + A T
METODO PARAMTRICO:
Se basa en Proponer modelos paramtricos para expresar la relacin que
guardan la tendencia y la componente estacional con el tiempo.
MTODO NO PARAMTRICO:
Nota: Aplicar a la serie {xt } el filtro de medias mviles con coeficientes [BK, . . ., B1 ,
B0 , B1 , . . ., BK] consiste en obtener los valores
PREDICCIONES
Importancia:
Desarrollo:
Mtodos intuitivos
Son muy utilizados, de alguna manera todos los hemos utilizado de manera
consciente o no, tiene la enorme desventaja de que, al soportarse por la intuicin, la
cual tiene un aspecto completamente individual, la asignacin de valores a una
determinada variable puede diferir enormemente si ms de una persona participa en
el proceso. El mtodo utilizado ms sencillo es el suponer que la variable tendr un
comportamiento igual que el presentado en el periodo anterior, numricamente
puede ser expresado como:
Una desventaja de este mtodo estriba en que la participacin de cada uno de los
valores es considerada igual, perdindose algunas caractersticas o
comportamientos particulares de la variable.
Ejemplos:
Ejercicio 2
Los datos siguientes representan las ventas trimestrales en millones de pesos de
la empresa Kids Fashions especializada en la venta de ropa infantil ubicada en la
zona centro de la ciudad de Toluca:
a) Como puede apreciarse, en cada ao, las ventas del cuarto trimestre son las
ms altas y las del segundo las ms bajas. Tambin puede apreciarse un
incremento en las ventas de un ao a otro.
b) Para llegar al ndice estacional trimestral se deben construir dos tablas, la
primera de ellas, se calcula como sigue:
Columna (2). Total mvil de cuatro trimestres, por ejemplo: 6.7 + 4.6 + 10.0 + 12.7
= 34 que se coloca al centro de cuatro cuatrimestres que se suman. Enseguida la
suma se va moviendo un trimestre, es decir, el siguiente es: 4.6 + 10.0 + 12.7 +
6.5 = 33.8y
Columna (3). Promedio mvil de cuatro trimestres, es decir, ya solo hay que dividir
los totales anteriores entre 4 y colocar el resultado frente a su correspondiente. Por
ejemplo: 34/4 = 8.500, 33.8/4=8.450, etctera.
Columna (4). Promedio mvil centrado, ahora se centran los promedios mviles, es
decir, se suman los dos promedios mviles y se dividen entre 2, el resultado de
esto se centra entre los dos valores sumados quedando centrado con el trimestre
correspondiente, por ejemplo: (8.500 + 8450)/2 = 8.475 que queda centrado con el
trimestre 3 del ao 2002, el segundo sera (8.450 + 8.450)/2 = 8.450 que queda
centrado con el trimestre cuatro del ao 2002.
Para el trimestre 1, cuyo ndice es 76.466 significa que las ventas en este trimestre
estarn (100 76.466 = ) 23.534% por abajo del promedio tpico,
Para el trimestre 2, cuyo ndice es 57.300 significa que las ventas en este trimestre
estarn (100 57.300 =) 42.700% por abajo del promedio tpico
Para el trimestre 3, cuyo ndice es 113.601 significa que las ventas en este
trimestre estarn (113.601 100 =) 13.601% por arriba del promedio tpico
Para el trimestre 4, cuyo ndice es 152.633 significa que las ventas en este
trimestre estarn (152.633 100 =) 52.633% por arriba del promedio tpico
En resumen, como puede apreciarse el perodo con mayor actividad en las ventas
es el cuarto trimestre mientras que para el primer y segundo trimestre del ao tal
actividad baja drsticamente.
d) Para calcular el valor ajustado por el ndice estacional ya solo hay que dividir
los valores originales desestacionalizados entre su respectivo ndice estacional
trimestral, por ejemplo para el trimestre 1 del ao 2002: (6.7/76.466)*100 = 8.76,
es decir:
y = 8.1791 + 0.0880x
Esto quiere decir que la pendiente es 0.0880, es decir, que en los ltimos 24
trimestres, las ventas desestacionalizadas aumentaron a razn de 0.0880
(millones de pesos) por trimestre.
f) Para calcular los pronsticos de los cuatro trimestres del 2008, se estiman
dichos valores aplicando la ecuacin de tendencia para finalmente ajustarlos
estacionalmente mediante la multiplicacin por el ndice respectivo segn el
trimestre del que se trate, de esta forma:
2. Suavizamiento exponencial
En la siguiente tabla se encuentran los datos de las ventas de los ltimos cinco aos de una
empresa del ramo de alimentos:
b) Para determinar los coeficientes de la ecuacin se debe construir una tabla con los datos
necesarios:
y = 6.1 + 1.3t
c) 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:
Los dos aos siguientes son 2008 y 2009, que en trminos de los clculos que estamos
haciendo son 6 y 7, respectivamente. Pues bien, estos se sustituyen en la Ecuacin de
Tendencia y se obtienen los pronsticos requeridos, es decir:
y = 6.1 + 1.3t = 6.1+ 1.3(6) = 13.9 y = 6.1 + 1.3t = 6.1+ 1.3(7) = 15.2
Con base en las ventas anteriores, la estimacin o pronstico para los aos 2008 y 2009, es
13.9 y 15.2 millones de pesos, respectivamente
Ejercicio 4)
Obtener los ndices de variacin estacional trimestrales y desestacionalizar la siguiente
serie de entrada de visitantes (en miles de personas) en Espaa, suponiendo un
esquema de combinacin multiplicativo y estacionalidad estable. REF
Aos t
1995 0 54.407.030 0 0 2'96011015
1996 1 57.269.398 1 57.269.398 3'27981015
1997 2 62.414.977 4 124.829.954 3'89561015
1998 3 67.761.833 9 203.285.499 4'59171015
1999 4 72.060.291 16 288.241.164 5'19271015
2000 5 74.411.411 25 372.057.055 5'53711015
15 388.324.940 55 1.045.683.070 2'54571016
En consecuencia, la ecuacin de tendencia anual con origen en 1995 queda definida por: