SERIES DE TIEMPO

Y NÚMEROS ÍNDICES
PRIMER CICLO 2019
“Estadística para Administración y Economía”
Paul Newbold, William L. Carlson, Betty Thorne;
6ª. Edición; Capítulo 19.
 Serie temporal es un conjunto de mediciones, ordenadas en el
tiempo, sobre una cantidad de interés.
 La secuencia de observaciones exige el desarrollo de métodos de
análisis estadístico especiales, normalmente no se caracterizan por:
 Muestras aleatorias.
 Los errores de las observaciones son independientes.

 Por ejemplo, las ventas generan tendencia, estacionalidad; siguen

pautas de comportamiento.
 Necesario homogeneizar datos para su análisis y seguimiento, por
ello se transforman en números índices.
 Se estudian los cambios de una variable en el tiempo.
 Normalmente un producto tiene muchas formas de
estudiarse (tamaños, modelos, año de lanzamiento,
promociones, mercado objetivo, ingredientes, marca,
fabricante, diseñador…). No existe homogeneidad.
 Los números índices proporcionan métodos para
estudiar las variaciones de un producto a lo largo del
tiempo (precio, cantidad, valor).
 Expresión:
 Base 1
 Base 100
 Nacionales
Por su cálculo Bursátiles
(Guatemala)
Simple Dow Jones
IPC
Standard & Poors
Compuesto (S&P 500)
Nasdaq IMAE
Agregativo
XETRA (Frankfurt)
Ponderado DJ Euro Stoxx 50
Desempleo
Laspeyres Londres (LSE, LME, IDH
FTSE 100)
Paasché
NIKKEI 225 (Tokio)
Fisher Hong Kong
Competitividad
Simple
Laspeyres



Compuesto Paasché

Fisher
Agregativo
 Año o período base: dato base o referencia para el
análisis. Año o período “normal”.
 Cambio de período base: actualización de la base por
antigüedad o magnitud de los índices.
 Deflación o deflatación de series: trasladar un valor
nominal (corriente, de mercado) a valor real (constante o
a precios de…).
 Efectos del valor real

 Ajuste de series por variación en términos reales

 Contraste de rachas: prueba de secuencia aleatoria
mediante posiciones arriba (+) o debajo (-) de la
mediana.
 Ejemplo: tabla 19.3, página 774 de Newbold.

 Ho: La muestra es aleatoria

 H1: La muestra no es aleatoria

 Ejemplo 19.1, página 776 de Newbold

 Contraste de rachas para muestras grandes:


 Contraste de rachas para muestras grandes:


 Componente tendencial:
tendencia a aumentar o a
disminuir a un ritmo
bastante continuo durante
largos períodos de tiempo.

 Componente estacional:
variaciones en una serie de
tiempo que se presentan
periódicamente en el lapso
de un año.
 Componente cíclico: variaciones ondulatorias en
períodos mayores a un año.


 Componente cíclico:


 Componente cíclico:

 Componente irregular: variaciones no sistemáticas que

se presentan eventualmente (emergencias en
producción, suspensión en el funcionamiento de un
equipo, incendios, robos, pérdida de productos por
errores en líneas de producción…)
 Suavizamiento exponencial
 Base de algunos métodos de predicción complejos
 Adecuada cuando la serie no es estacional o no tiene
una tendencia ascendente o descendente sistemática
 Predicción basada en una media ponderada de los
valores actuales y de los pasados
 Aplicación de un factor α para valores pasados y un
factor (1-α) para valores actuales o futuros
 Promedios móviles
 Suavizamiento de las variaciones, sistemáticas o no,
para facilitar la detección de la tendencia
 Suavizamiento exponencial método Holt-Winters
 Extensión del suavizamiento exponencial con el factor α
 Ajuste de tendencia (factor β)
 Los factores α, β aplican para suavizamiento
exponencial no estacional
 Ajuste por probabilidad de estacionalidad (factor γ)
 Los factores α, β, γ son constantes de suavización con
valores entre 0 y 1
 Modelos autoregresivos
 Probabilidad de autocorrelación: el menor valor de
probabilidad (P) para la ecuación:
constante + P factores
 Las hipótesis: Ho: Φ = 0; H1 : Φ ≠ 0
 Modelos autoregresivos integrados de medias móviles
(ARIMA)
 Metodologías de Box-Jenkins
(George Box, Gwilyn Jenkins, 1970)
 Especificación del modelo acorde a la serie de datos:
 Análisis de los procesos
 Suavizamiento mediante medias móviles
 Mejor definición de la tendencia
 Consideración de distintos factores
 Variable(s) independiente(s) apropiadas