Series de Tiempo

Guzmán Anacoreta Andrés

4 de junio de 2018

1
1. Introducción
Realizaremos un estudio de mercado con respecto a la venta mensual de
cervezas, nos interesa realizar un pronostico para estimar las ventas a deter-
minado tiempo. Tenemos la siguiente base de datos:

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1975 11.12 9.84 11.57 13.01 13.42 14.44 14.75 13.88 12.51 11.90 10.61 11.59
1976 10.86 11.00 10.99 12.91 13.59 14.16 15.01 14.86 13.44 12.22 10.52 10.83
1977 10.01 10.43 14.55 14.27 15.00 15.71 14.80 14.64 12.89 11.62 11.49 11.51
1978 10.69 11.01 14.80 13.60 14.96 15.82 15.29 16.28 13.94 13.33 12.04 11.57
1979 12.32 12.01 15.01 14.96 15.93 15.57 15.13 15.56 13.71 13.64 12.52 11.76
1980 12.54 12.64 14.08 14.33 16.19 16.66 17.08 16.28 14.51 14.16 12.51 12.38
1981 12.08 12.41 15.01 15.47 17.00 17.29 17.37 16.24 14.68 13.84 12.39 12.91
1982 11.90 12.91 15.68 15.81 16.56 17.23 16.10 16.26 14.88 13.83 13.14 12.27
1983 12.57 12.66 15.07 15.57 16.84 17.01 16.85 17.35 14.84 13.85 12.79 11.98
1984 12.42 12.54 15.32 15.06 16.87 17.23 17.33 16.97 13.66 14.29 12.40 11.38
1985 13.51 12.75 14.46 15.86 17.60 16.17 16.63 16.04 13.59 14.01 12.39 12.11
1986 13.99 13.01 14.66 16.02 17.10 16.60 17.06 16.31 14.02 14.64 12.48 12.84
1987 13.61 13.74 15.31 15.91 16.14 16.61 17.04 15.82 14.31 14.47 12.59 12.32
1988 13.80 13.94 15.26 15.25 16.48 17.04 16.41 16.22 14.44 13.95 13.21 12.23
1989 14.09 13.20 15.41 14.88 16.78 16.94 16.23 17.41 14.77 14.32 13.40 12.10
1990 14.26 13.38 15.89 15.23 16.91 16.89 17.00 17.40 14.75 15.77 14.54 13.22

2
 Figura 1: Elaboración propia con datos de TSA

El estudio lo realizaremos con de series de tiempo, determinaremos que

modelo es mejor para pronosticar un mejor valor. Observando la Figura 1;
sabemos a simple vista que tipo de tendencia tiene, pero para reforsar el pro-
nostico aplicaremos pruebas de estacionariedad para saber si pasa la prueba
para poder emplear el pronóstico con una serie de tiempo.

3
 Figura 2: Elaboración propia con datos de TSA

Marcaremos solo la tendencia de una regresion lineal para poder ver como
seria nuestro pronóstico aplicando M CO de la forma.

Y =β0 +β1 x +

Tenemos los valores de la regresion:

β0 β1
-313.63184 0.16536

Donde β0 es la ordenada al origen y β1 es el cambio de la media en Y

producido por un cambio unitario en x.
El valor pronosticado seria 15.60878 para el año 1991 lo cual practicamente
no dice que las ventas durante un año serian esas lo cual es incongruente.

4
 Propondremos un modelo de suavisamiento de Holt Winters 1 para tener
una mejor aproximación ya que el tipo de nuestros datos son mensuales y
tienen un comportamiento de forma ciclica.

Antes de poder aplicar Holt-Winters verificaremos algunas pruebas de es-

tacionariedad, para poder decidir una mejor aproximación. Utilizaremos RS-
tudio y la prueba de Diken Fuller para saber si hay estacionariedad en los
Datos.

Diken F uller p − value

-9.7734 0.01

La prueba nos arroja que la prueba de estacionariedad segun los paráme-

tros de Diken Fuller pasan, pero apenas estan sobre el limite. Aplicando un
auto ARIMA en RStudio nos arroja.

ARIM A ARIM A
(2,0,2) (2,1,1)

Para poder hacer la suavizacion de datos utilizaremos ARIM A (2, 1, 1)

vemos los resultados arrojados por RStudio.

Como podemos ver los Resultados de ARIM A(2, 1, 1) seria que disminu-
yo pero no lo suficiente, por eso aplicaremos el suavizamiento de Holt Winters.

Aqui tenemos el resultado de hacer una suavizacion con Holt Winters.

1
EL método Holt-Winters es un método de pronóstico de triple exponente suavizante
y tiene la ventaja de ser fácil de adaptarse a medida que nueva información real está
disponible.

5
 ACF

Figura 3: Elaboración propia con datos de TSA

6
 P ACF

Figura 4: Elaboración propia con datos de TSA

7
 HoltW inters

Figura 5: Elaboración propia con datos de TSA

8
 Y aqui tendriamos el pronostico para un año por meses.

Fecha Pronóstico
1991 Jan 14.73
1991 Feb 14.01
1991 Mar 16.26
1991 Apr 15.82
1991 May 17.46
1991 Jun 17.56
1991 Jul 17.43
1991 Aug 17.84
1991 Sep 15.32
1991 Oct 15.73
1991 Nov 14.51
1991 Dec 13.28

2. Conclución
El metodo que utilizamos para la prediccion de ventas de barril de cerve-
zas se adecua mejor con el suavizamiento propuesto por Holt Winters.
El valor que nos arroja la regrsion es 15.60878 y se mantendria todo el año
por lo que vemos en la tabla anterio que tenemos los valores por mes y la
pequeña variacion que podriamos tener en los meses.