ANÁLISIS DE SERIES

DE TIEMPO
Luis Ángel Patiño Jiménez
Diego Fernando Silva Salcedo
CONTENIDO
INTRODUCCIÓN

DEFINICIÓN

APLICACIONES

COMPONENTES

ASPECTOS DE INTERÉS

VENTAJAS Y DESVENTAJAS

ANÁLISIS DEMANDA NACIONAL

INTRODUCCIÓN

1, 2, 3, 4, … ¿?

1, 2, 4, 8, 16, 32, … ¿?

1, 7, 5, 11, 9, 15, 13, 19, 17, … ¿?

1, 3, 8, 19, 42, 89, 184, 375, 758, 1525, … ¿?

 INTRODUCCIÓN
TRM
$4.000,00

$3.500,00

$3.000,00
¿?
$2.500,00

$2.000,00

$1.500,00

$1.000,00

$500,00

$0,00
 DEFINICIÓN

Una serie de tiempo es una colección de datos reunidos sobre la misma

variable a lo largo del tiempo; [Hildebrand, 1998].

Se llama serie de tiempo a un conjunto de mediciones de cierto

fenómeno o experimento registrado secuencialmente en el tiempo;
[Chatfield, 2003].

Una serie de tiempo es un registro metódico de la medición u

observación numérica, efectuada a intervalos de tiempo fijos, de las
características o variables del área de interés; [Guerrero, 2003].

Una serie de tiempo es una sucesión cronológica de observaciones de

una variable particular; [Bowerman, 2009].
DEFINICIÓN

Una serie de tiempo es una colección de datos obtenidos por

mediciones de algún evento natural o inducido, los cuales son
reunidos sobre la misma variable, bajo las mismas condiciones
a lo largo del tiempo y con intervalos de la misma medida.

Un propósito, del análisis de series de tiempo es modelar el

mecanismo que da lugar a la serie observada, para pronosticar
los valores de su comportamiento futuro, a partir de los cuales,
sea posible llevar a cabo una planeación y toma de decisiones.
APLICACIÓN
 APLICACIÓN
Las series de tiempo tiene dos propósitos: comprender las fuerzas de
influencia en los datos y descubrir la estructura que produjo los datos
observados. Ajustar el modelo y proceder a realizar pronósticos, monitoreo,
retroalimentación y control en avance.

Algunos ejemplos donde se puede utilizar series temporales:

 Pronósticos temporales.
 Economía (presupuestos) y
Marketing (Mercados económicos)
 Proyecciones del empleo y
desempleo.
 Evolución del índice de precios al
consumidor IPP
 Beneficios netos mensuales de
cierta entidad bancaria.
 Índices del precio del petróleo.
 Número de habitantes por año.
 Tasa de mortalidad infantil por año.
 Lluvia recogida diariamente en una
localidad.
 Temperatura media mensual.
COMPONENTES

TENDENCIA ESTACIONALIDAD
200
180
160
140
120
100
80
60
40
20
0

FLUCTUACION
ALEATORIEDAD
CICLICA
 COMPONENTES

TENDENCIA
Se puede definir como un cambio a largo plazo que se produce en la
relación al nivel medio, o el cambio a largo plazo de la media. La tendencia
se identifica con un movimiento suave de la serie a largo plazo

200
180
160
140
120
100
80
60
40
20
0
 COMPONENTES

ESTACIONALIDAD
Muchas series temporales presentan cierta periodicidad de forma anual. Por
ejemplo el consumo de energía en países con verano e invierno intensos, la
venta de útiles escolares, etc. Estos efectos son fáciles de entender y se
pueden medir explícitamente o incluso se pueden eliminar de la serie de
datos, a este proceso se le llama desestacionalización de la serie
6000

5000

4000
2013
2014
3000
2015
2016
2000
2017

1000

0
ene feb mar abr may jun jul ago sep oct nov dic
 COMPONENTES

FLUCTUACION CICLICA
Con frecuencia las series de tiempo presentan secuencias alternas de
puntos abajo y arriba de la línea de tendencia. Un ejemplo de este tipo de
variación son los ciclos comerciales cuyos períodos recurrentes dependen de
la prosperidad, recesión, depresión y recuperación, las cuales no dependen
de factores como el clima o las costumbres sociales
200
180
160
140
120
100
80
60
40
20
0
 COMPONENTES

ALEATORIO
Esta componente no responde a ningún patrón de comportamiento, sino que
es el resultado de factores fortuitos o aleatorios que inciden de forma
aislada en una serie de tiempo

200
180
160
140
120
100
80
60
40
20
0
COMPONENTES

ADITIVO
MULTIPLICATIVO
MIXTO

200
180
200
200
180
180
160
180
160
160
140
160
140
140
140
120
120
120
120
100
100
100
100
80
80
80
80
60
60
60
60
40
40
40
40
20
20
20
00
01/01/2013
01/01/2013 01/01/2014
01/01/2014 01/01/2015 01/01/2016 01/01/2017
 COMPONENTES

Modelo Aditivo
Se usa cuando la magnitud de las
fluctuaciones estacionales de la serie no
varia al hacerlo la tendencia.

Modelo Multiplicativo o Mixto

Se usa cuando la magnitud de las
fluctuaciones estacionales de la serie,
crece y /o decrece proporcionalmente con
las variaciones de la tendencia.
 ASPECTOS DE INTERES
MODELOS DE TENDENCIA

Lineal
𝑇𝑡 = 𝛽0 + 𝛽1𝑡
Cuadrático
𝑇𝑡 = 𝛽0 + 𝛽1𝑡 + 𝛽2𝑡 2
Cúbico
𝑇𝑡 = 𝛽0 + 𝛽1𝑡 + 𝛽2𝑡 2 + 𝛽3𝑡 3
Exponencial
𝑇𝑡 = 𝑒 𝛽0 + 𝛽1𝑡
Logístico
𝛽2
𝑇𝑡 =
1 + 𝛽1 e−𝛽0𝑡

Para la hallar los modelos se utilizan técnicas de regresión lineal o no lineal.

 ASPECTOS DE INTERES
INFLUENCIA CICLICA

Los modelos cíclicos, son calculados luego de eliminar las componentes de

tendencia, para el modelo multiplicativo, se divide el valor real, por el
estimado a través de la tendencia y se multiplica por 100%, obteniendo ciclos
relativos según el periodo de interés, a partir de estos se dice si el periodo
tiene una influencia cíclica menor o mayor para el modelo.
 VENTAJAS Y DESVENTAJAS

VENTAJAS

Solo se requiere conocer una cantidad limitada de datos para hacer

pronóstico sin importar el horizonte de tiempo y es bastante simple.

No requiere tener información de las variables exógenas que afectan la serie

para su análisis, pero pueden ser univariadas o multivariadas.

Las series de tiempo se estiman fácilmente en comparación con otros

método de análisis de datos.

Los pronósticos basados en series de tiempo son bastante efectivos en el

corto plazo (1 a 2 años) en comparación con otros métodos.
 VENTAJAS Y DESVENTAJAS

DESVENTAJAS

Existen modelos econométricos complejos que pueden ser más eficientes y

precisos, y por tanto más útiles que las series de tiempo.

Identifican un patrón con base a datos pasados, lo que implica que debe
hacerse nuevas estimaciones con base a datos nuevos.

No considera la interrelación con otras variables que tengan influencia en el

fenómeno analizado.

No es efectivo en el pronostico de mediano y largo plazo debido a que solo

se considera el comportamiento histórico de una variable.
ANÁLISIS DEMANDA NACIONAL
Tendencia Demanda de Energia Nacional
210.000.000

y = -3E-07x4 + 0,0039x3 - 13,104x2 + 25205x + 1E+08 y = 11995x + 1E+08

R² = 0,6306 R² = 0,6145

190.000.000

170.000.000
Demanda kWh

Series1
150.000.000
Lineal (Series1)
Polinómica (Series1)

130.000.000

110.000.000

90.000.000
1
70
139
208
277
346
415
484
553
622
691
760
829
898
967
1036
1105
1174
1243
1312
1381
1450
1519
1588
1657
1726
1795
1864
1933
2002
2071
2140
2209
2278
2347
2416
2485
2554
2623
2692
2761
2830
2899
2968
3037
3106
3175
3244
3313
3382
3451
3520
3589
3658
3727
3796
3865
3934
4003
ANÁLISIS DEMANDA NACIONAL
ANÁLISIS DEMANDA NACIONAL
-35000000,00
-25000000,00
-15000000,00
-5000000,00
5000000,00
15000000,00
25000000,00
35000000,00

1
65
129
193
257
321
385
449
513
577
641
705
769
833
897
961
1025
1089
1153
1217
1281
1345
1409
1473
1537
1601
1665
1729
1793
1857
1921
1985
2049
2113
2177
2241
2305
2369
2433
ANÁLISIS DEMANDA NACIONAL

2497
VARIACIONES DE DEMANDA DIA A DIA

2561
2625
2689
2753
2817
2881
2945
3009
3073
3137
3201
3265
3329
3393
3457
3521
3585
3649
3713
3777
3841
3905
3969
 1
7
13
19
25
31
37

Series1
43
49
55
61
67

Series2
73
79
85
91
97

Series3
103
109
115
121
127

Series4
133
139
145
151
157

Series5
163
169
175
181
187
Series6 193
CICLICIDAD

199
205
211
217
Series7

223
229
ANÁLISIS DEMANDA NACIONAL

235
241
247
Series8

253
259
265
271
277
Series9

283
289
295
301
307
313
Series10

319
325
331
337
343
Series11

349
355
361
 ANÁLISIS DEMANDA NACIONAL
7E+09

6E+09

5E+09 Enero
Febrero
Marzo
Abril
4E+09
Mayo
Junio
Julio
3E+09 Agosto
Septiembre
Octubre
Noviembre
2E+09
Diciembre

1E+09

0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
 8,00E-01
8,50E-01
9,00E-01
9,50E-01
1,00E+00
1,05E+00
1,10E+00

1
63
125
187
249
311
373
435
497
559
621
683
745
807
869
931
993
1055
1117
1179
1241
1303
1365
1427
1489
1551
1613
1675
1737
1799
1861
1923
1985
2047
2109
Estacionalidad

2171
2233
2295
2357
2419
ANÁLISIS DEMANDA NACIONAL

2481
2543
2605
2667
2729
2791
2853
2915
2977
3039
3101
3163
3225
3287
3349
3411
3473
3535
3597
3659
3721
3783
3845
3907
3969
 -50000000,00
-40000000,00
-30000000,00
-20000000,00
-10000000,00
0,00
10000000,00
20000000,00

1
120
239
358
477
596
715
834
953
1072
1191
1310
1429
1548
1667
1786
1905
Aleatorio lineal

2024
Aleatorio lineal

2143
2262
2381
2500

-4,50E+07
-3,50E+07
-2,50E+07
-1,50E+07
-5,00E+06
5,00E+06
1,50E+07

2619
1 2738
107 2857
213 2976
319 3095
425 3214
531 3333
637 3452
743 3571
849 3690
955 3809
1061 3928
1167
1273
1379
1485
ANÁLISIS DEMANDA NACIONAL

1591
1697
1803
1909
2015
2121
2227
2333
Aleatorio Polinomico

2439
2545
2651
2757
2863
2969
3075
3181
3287
3393
3499
3605
3711
3817
3923
ANÁLISIS DEMANDA NACIONAL
Separar los componentes, en donde solo se tiene una ecuación para la tendencia y los demás
componentes se convierten en nuevas series no permite obtener una ecuación que represente la
serie.

Por esta razón, se utilizan técnicas de pronostico como son modelos que relacionen la serie con
otras variables y permiten calcular una ecuación que represente toda la serie, ej. Box Jenkis

Soluciones practica y rápida:

ANÁLISIS DEMANDA NACIONAL
8
x 10 Response of Output Element 1 for Time-Series 1
1.8
Training Targets
Training Outputs
1.7
Validation Targets
Validation Outputs
1.6 Test Targets
Test Outputs
Output and Target

Errors
1.5 Response

1.4

1.3

1.2

1.1

1
7
x 10
4
Targets - Outputs
2
Error

-2

-4
500 1000 1500 2000 2500
Time
ANÁLISIS DEMANDA NACIONAL
8
x 10 Response of Output Element 1 for Time-Series 1
1.8
Targets
1.75 Outputs
Errors
1.7 Response

1.65
Output and Target

1.6

1.55

1.5

1.45

1.4

1.35

1.3
7
x 10
1
Targets - Outputs
0
Error

-1

-2

-3
10 20 30 40 50 60 70 80
Time
 BIBLIOGRAFÍA
- Ariza A. “MÉTODOS UTILIZADOS PARA EL PRONOSTICO DE DEMANDA DE ENERGÍA
ELÉCTRICA EN SISTEMAS DE DISTRIBUCIÓN”. Trabajo de Grado, Universidad Tecnológica
de Pereira, Colombia, 2013.
- Bustamante, A. “Series de tiempo: Una aplicación a registros hidrométricos en una
cuenca del Estado de Oaxaca”. Trabajo de Grado, México, 2013.
- Fernandez, R.“Análisis de series de tiempo”, Cap 1. Disponible en:
http://www.ccee.edu.uy/ensenian/catectr/material/arima_I.pdf, consultada 25 de Abril
2016.
- Villavicencio, J. “Introducción a series de tiempo,, Disponible en:
http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_BxecUaZmg%3D ,
Consultada 25 de Abril 2016.
- “Series de tiempo” Disponible en
http://www.estadistica.mat.uson.mx/Material/seriesdetiempo.pdf, Consultada 25 de
Abril de 2016.
- Giraldo, N. “Notas de Clase, series de tiempo con R.”, 2006, Universidad Nacional de
Medellín, Disponible en:
http://www.unalmed.edu.co/~ndgirald/Archivos%20Lectura/Archivos%20curso%20Seri
es%20EIO/Notas%20de%20Clase.%20Series%20de%20Tiempo%20con%20R.pdf,
Consultada el 25 de Abril de 2016.
¿PREGUNTAS?