SERIES DE TIEMPO

Son los datos estadsticos recopilados, registrados como tiempo regular. Se aplica a datos
registrados peridicamente.
Sus componentes son:
Tendencia secular
Variacin estacional
Variacin cclica
Variacin irregular
Tendencia secular: Esta serie es el resultado de factor a largo plazo, siendo un patrn
gradual y consistente de variaciones propia, considerando los persistentes que afectan el
crecimiento o reduccin. Las tendencias se ajustan y se mueven algunas hacia arriba o
declinan o tienen un periodo de intervalo de tiempo.
Esta nos permite describir un patrn histrico o las tendencias pasadas al futuro; tambin, en
muchas situaciones, el estudio de la tendencia secular de una serie de tiempo nos permiten
eliminar la componente de tendencia de la serie.
Variacin estacional: Representa la variabilidad de datos, corresponde a movimientos de
ao tras ao, con o sin la misma intensidad.
Variacin cclica: es la que representa los altibajos en una lnea de tendencia, se mantiene
as no est la tendencia irregular o estacional ya.
Variacin irregular: Son factores de corto plazo, que puedan afectar la serie de tiempo.
Tambin explica la variabilidad aleatoria donde no se puede predecir el impacto, existiendo
2 tipos de irregulares como:
Variaciones por acontecimientos especiales.
Variaciones aleatorias, la cual no seala forma exacta, pero se equilibran.
Las tendencias son:
Tendencia lineal
Tendencia no lineal
Tendencia lineal: serie dada por movimiento a largo plazo, con una frecuencia
aproximadamente a una lnea recta, la cual muestra cuando aumenta o disminuye a ritmo
constante. Se utiliza para mejor ajuste mtodo mnimo de cuadros.
Tendencia no lineal: Es cuando se presenta un comportamiento curvilneo por esto no es
lineal, encontrndose series poliminal, logartmica, exponencial y potencial.
Mtodo de Suavizamiento de la serie
Encontramos el promedio mvil, construye sustituyendo los valores de la serie por media o
valores anteriores o posteriores.
PROMEDIO MOVIL: (n valores ms reciente de datos)
n
Tambin se construye tomando valores adyacentes de la observacin.

Promedios mviles ponderados

Consiste en asignar un valor de ponderacin distinto para cada dato. Generalmente a partir
del dato ms reciente, asignado el mayor peso y este disminuye los anteriores.

Suavizamiento exponencial
Emplea un promedio ponderado de serie de tiempo pasado, pronosticando la demanda en
un periodo dado.

http://aulas.uniminuto.edu/distancia/pregrado/pluginfile.php/1538445/mod_resource/conten
t/1/SERIES%20DE%20TIEMPO.pdf
http://biblio3.url.edu.gt/Libros/2012/Esta_AdmonYEco-15.pdf
http://www.estadistica.mat.uson.mx/Material/seriesdetiempo.pdf