Análisis de tendencia y descomposición de series de tiempo, ejecución en

Minitab
Análisis de tendencia
El análisis de tendencia ajusta un modelo de tendencia general para los datos de las series de
tiempo y provee los pronósticos. Elija entre los modelos lineal, cuadrático, crecimiento o
decadencia exponencial y curva S (Logística). Utilice este procedimiento para ajustar tendencia a
sus series cuando no exista componente estacional.
Elementos del cuadro de diálogo
Variable: Ingrese la columna que contiene las series de tiempo.
Tipo de modelo: Seleccione el modelo que desea. Proceda con cuidado al interpretar los
coeficientes de los diferentes modelos, porque tienen diferentes significados.
Lineal: Elija esta opción para modelar la linealidad en la tendencia. El modelo de tendencia lineal
es el modelo predeterminado utilizado en el análisis de tendencia.
Cuadrática: Elija esta opción para modelar la curvatura en la tendencia.
Crecimiento exponencial: Elija esta opción para modelar el crecimiento o decadencia
exponencial.
Curva en forma de S (Logística de Pearl-Reed): Elija esta opción para modelar una curva con
forma de S. Usted no puede tener datos faltantes cuando ajusta un modelo de curva S.
Generar pronósticos: Marque esta opción para generar pronósticos.
Número de pronósticos: Ingrese un entero para indicar cuántos pronósticos desea.
Iniciar desde origen: Ingrese un entero positivo para especificar un punto inicial para los
pronósticos. Por ejemplo, si usted especifica 4 pronósticos y 48 para el origen, Minitab calcula
pronósticos para los períodos 49, 50, 51 y 52. Si deja este espacio en blanco, Minitab genera
pronósticos desde el final de los datos. Minitab utiliza datos hasta el origen para ajustar el modelo
de tendencia utilizado para generar pronósticos.

Descomposición
Es posible utilizar la descomposición para separar las series de tiempo en componentes de
tendencia lineal y estacional, así como de error, y proveer pronósticos. Puede elegir si el
componente estacional es aditivo o multiplicativo con la tendencia. Utilice este procedimiento
cuando desee pronosticar y sus series incluyan un componente estacional o si desea simplemente
examinar la naturaleza de las partes integrantes.
Elementos del cuadro de diálogo
Variable: Ingrese la columna que contiene las series de tiempo.
Longitud estacional: Ingrese un entero positivo mayor que o igual a 2. Esta es la longitud del
componente estacional. Por ejemplo, si usted tiene datos mensuales, puede utilizar una longitud
estacional de 12.
Tipo de modelo:
Multiplicativo: Elija esta opción para utilizar el modelo multiplicativo.
Aditivo: Elija esta opción para utilizar el modelo aditivo.
Componentes del modelo:
Tendencia más estacional: Elija esta opción para incluir el componente de tendencia en la
descomposición.
Estacional solamente: Elija esta opción para omitir el componente de tendencia de la
descomposición. Es recomendable hacer esto si ya examinó sus datos sin tendencia con el Análisis
de tendencia.
Precaución: Si los datos contienen un componente de tendencia, pero usted lo omite de la
descomposición, puede afectar los cálculos de los índices estaciones.
Generar pronósticos: Marque esta opción si desea generar los pronósticos.
Número de pronósticos: Ingrese un valor entero para indicar el número de pronósticos.
Iniciar desde origen: Ingrese un entero positivo para especificar un punto inicial para los
pronósticos. Por ejemplo, si usted especifica 4 pronósticos y 48 para el origen, Minitab calcula
pronósticos para los períodos 49, 50, 51 y 52. Si deja este espacio en blanco, Minitab genera
pronósticos desde el final de los datos.
 Comando Pronóstico Ejemplo

Análisis de tendencia. Longitud: largo

Ajusta un modelo de
tendencia general a los datos Perfil: extensión
de las series de tiempo. Elija de la línea de
entre los modelos lineal, tendencia
cuadrático, crecimiento o
decadencia exponencial y
curva S. Utilice este
procedimiento para ajustar la
tendencia cuando sus series
no incluyan un componente
estacional.
Descomposición. Longitud: largo
Separa las series de tiempo
en componentes de Perfil: tendencia
tendencia lineal y estacional, con patrón de
así como error. Elija si el estación
componente estacional es
aditivo o multiplicativo con la
tendencia. Utilice este
procedimiento para
pronosticar cuándo hay un
componente estacional en
sus series o si usted desea
simplemente examinar la
naturaleza de las partes
integrales.
 Métodos de suavización de series de tiempo y ejecución en Minitab
Los métodos de pronóstico y suavización simples se basan en la idea de que se puede lograr
pronósticos confiables al modelar patrones en los datos que habitualmente están visibles en una
gráfica de serie de tiempo y luego extrapolar esos patrones hacia el futuro. La selección de su
método se debe basar en si los patrones son estáticos (constantes en el tiempo) o dinámicos
(cambios en el tiempo), la naturaleza de los componentes de tendencia y estacional y hasta
dónde desea pronosticar. Estos métodos son generalmente fáciles y rápidos de aplicar.
El modelo ARIMA también utiliza los patrones en los datos, pero estos patrones pueden no estar
visibles fácilmente en una gráfica de los datos. En su lugar, el modelo ARIMA utiliza las funciones
de diferenciación, autocorrelación y autocorrelación parcial para identificar un modelo
aceptable. ARIMA significa Autoregressive Integrated Moving Average (Promedio móvil
integrado autorregresivo), lo cual representa los pasos de filtrado que se tomaron para construir
el modelo ARIMA hasta que solamente queda el ruido aleatorio. Si bien los modelos ARIMA son
valiosos para los procesos temporales de modelado y también se utilizan para los pronósticos, el
ajuste de un modelo es un enfoque iterativo que pudiera no prestarse para la velocidad y
volumen de la aplicación.
Métodos de pronóstico y suavización simples
Los métodos de pronóstico y suavización simples modelan los componentes en una serie que
habitualmente se visualizan fácilmente en una gráfica de serie de tiempo de los datos. Este
enfoque descompone los datos en los componentes que los integran y luego extiende los
estimados de los componentes en el futuro para generar pronósticos. Se puede elegir entre los
métodos estáticos del análisis de tendencia y descomposición o los métodos dinámicos de
promedio móvil, suavización exponencial individual y doble, así como el método de Winters. Los
métodos estáticos tienen patrones que no cambian con el tiempo, los métodos dinámicos tienen
patrones que sí cambian con el tiempo y los cálculos se actualizan utilizando los valores
contiguos.
Se pueden utilizar dos métodos combinados. Es decir, es posible elegir un método estático para
modelar un componente y un método dinámico para modelar otro componente. Por ejemplo,
podemos ajustar una tendencia estática utilizando un análisis de tendencia y dinámicamente
modelar el componente estacional en los residuos utilizando el método de Winters. O bien,
ajustar un modelo estacional estático utilizando la descomposición y dinámicamente modelar el
componente de tendencia en los residuos utilizando la suavización exponencial doble. También
se puede aplicar un análisis de tendencia y descomposición juntos; de manera que pueda utilizar
la selección más amplia de modelos de tendencia ofrecidos por el análisis de tendencia. Una
desventaja de la combinación de métodos es que los intervalos de confianza para los pronósticos
no son válidos.
Para cada uno de los métodos, la siguiente tabla muestra un resumen y una gráfica de ajustes y
pronósticos de datos típicos (Minitab).

Comando Pronóstico Ejemplo

Promedio móvil. Longitud: corto

Suaviza sus datos al
promediar las observaciones Perfil: línea plana
consecutivas en una serie.
Este procedimiento puede ser
una opción probable si sus
datos no tienen un
componente de tendencia o
estacional. Sin embargo, hay
maneras de utilizar los
promedios móviles cuando
sus datos posean tendencia
y/o estacionalidad.
Suavización exponencial Longitud: corto
simple.
Suaviza sus datos utilizando la Perfil: línea plana
fórmula de pronóstico de
ARIMA óptimo (0,1,1) de un
paso adelante. Este
procedimiento funciona
mejor sin un componente de
tendencia o estacional. El
componente dinámico
individual en un modelo de
promedio móvil es el nivel.
Suavización exponencial Longitud: corto
doble.
Suaviza sus datos utilizando la Perfil: línea recta
fórmula de pronóstico de con pendiente
ARIMA óptimo (0,2,2) un paso igual al último
adelante. Este procedimiento cálculo de
puede funcionar mejor tendencia
cuando la tendencia está
presente, pero también
puede servir como un
método de suavización
general. La suavización
exponencial doble calcula las
estimaciones dinámicas para
 dos componentes: nivel y
tendencia.
Método de Winters. Longitud: de corta
Suaviza sus datos mediante la a mediana
suavización exponencial de
Holt-Winters. Utilice este Perfil: tendencia
procedimiento cuando la con patrón de
tendencia y estacionalidad estación
estén presentes, y estos dos
componentes sean aditivos o
multiplicativos. El Método de
Winters calcula estimados
dinámicos para tres
componentes: nivel,
tendencia y estacional.

Ejecución en Minitab
Promedio móvil
El promedio móvil suaviza sus datos al promediar las observaciones consecutivas en una serie y
ofrece pronósticos a corto plazo. Este procedimiento puede ser una opción probable si sus datos
no tienen un componente de tendencia o estacional. Sin embargo, hay maneras de utilizar los
promedios móviles cuando sus datos posean tendencia y/o estacionalidad.
Elementos del cuadro de diálogo
Variable: Ingrese la columna que contiene las series de tiempo.
Longitud de MA (Mobile average o Promedio móvil): Ingrese un valor entero positivo para indicar
la longitud deseada para el promedio móvil. Con las series de tiempo no estacionales, es común
utilizar promedios móviles cortos para suavizar las series, aunque la longitud que usted
seleccione puede depender de la cantidad de ruido en las series. Un promedio móvil más largo
filtra más ruido, pero también es menos sensible a cambios en las series. Con las series
estacionales, es común utilizar un promedio móvil de longitud igual a la longitud de un ciclo anual.
Centrar los promedios móviles: Si usted marca esta opción, Minitab coloca los valores del
promedio móvil en el período que se encuentra en el centro del rango en lugar del final del rango.
Este procedimiento se denomina centrar el promedio móvil y se realiza para colocar los valores
de promedio móvil en sus posiciones centrales en el tiempo. Haga clic aquí para obtener más
información acerca de cómo centrar.
Generar pronósticos: Marque esta opción para generar pronósticos. Los pronósticos aparecen en
verde en la gráfica de serie de tiempo con bandas de intervalo de predicción de 95%.
Número de pronósticos: Ingrese un entero para indicar cuántos pronósticos desea.
Iniciar desde origen: Ingrese un entero positivo para especificar un punto inicial para los
pronósticos. Por ejemplo, si usted especifica 4 pronósticos y 48 para el origen, Minitab calcula
los pronósticos para los períodos 49, 50, 51 y 52 basados en el promedio móvil en el período 48.
Si deja este espacio en blanco, Minitab generará los pronósticos desde el final de los datos.

Suavización exponencial simple

La suavización exponencial simple suaviza sus datos al calcular los promedios ponderados
exponencialmente y ofrece pronósticos a corto plazo. Este procedimiento funciona mejor para
datos sin un componente de tendencia o estacional. Para más detalles de los métodos de
suavización exponencial individual.
Elementos del cuadro de diálogo
Variable: Ingrese la columna que contiene las series de tiempo.
Ponderación que se utilizará en suavización: Utilice las siguientes opciones para especificar cuál
ponderación debe utilizar. Para más detalles, véase Calcular ponderaciones o valores suavizados.
ARIMA óptimo: Elija esta opción para utilizar la ponderación predeterminada que Minitab calcula
al ajustar un modelo ARIMA (0, 1, 1) a los datos. Con esta opción, Minitab calcula el valor
suavizado inicial por retroproyección.
Usar: Elija esta opción para ingresar una ponderación específica, luego, ingrese un número mayor
que o igual a 0 y menor que 2. Con esta opción, Minitab utiliza el promedio de las primeras seis
observaciones (o todas las observaciones si hay menos de seis observaciones) para el valor
suavizado inicial por opción predeterminada. Usted puede cambiar esta opción predeterminada
al especificar un valor diferente en el cuadro de diálogo Suavización exponencial individual -
Opciones.
Generar pronósticos: Marque esta opción para generar pronósticos. Los pronósticos aparecen en
verde en la gráfica de serie de tiempo con bandas de intervalo de predicción de 95%.
Número de pronósticos: Ingrese un entero para indicar cuántos pronósticos desea.
Iniciar desde origen: Ingrese un entero positivo para especificar un punto inicial para los
pronósticos. Por ejemplo, si usted especifica 4 pronósticos y 48 para el origen, Minitab calcula
los pronósticos para los períodos 49, 50, 51 y 52, basado en el valor suavizado en el período 48.
Si deja este espacio en blanco, Minitab generará pronósticos desde el final de los datos
Suavización exponencial doble
La suavización exponencial doble suaviza sus datos mediante suavización exponencial doble de
Holt (y de Brown como caso especial) y ofrece pronósticos a corto plazo. Este procedimiento
puede funcionar mejor cuando una tendencia está presente, pero también puede servir como un
método de suavización general. Se calculan estimados dinámicos para dos componentes: nivel y
tendencia.
Elementos del cuadro de diálogo
Variable: Ingrese la columna que contiene las series de tiempo.
Ponderaciones que se usarán en suavización: El método que Minitab utiliza para calcular
componentes de nivel y tendencia se determina según la opción elegida a continuación. Para
obtener detalles, véase Cálculo de componentes de nivel y tendencia.
ARIMA óptimo: Elija esta opción para utilizar la ponderación predeterminada, o parámetros de
suavización, que Minitab calcula al ajustar un modelo ARIMA (0,2,2) a los datos.
Utilizar: Elija esta opción para ingresar valores específicos para los parámetros de suavización.
Debe especificar las ponderaciones apropiadas mayores que 0 y menores que 2 para el
componente de nivel y mayores que 0 y menores que [4 / (ponderación para componente de
nivel) - 2] para el componente de tendencia.
Generar pronósticos: Marque esta opción para generar pronósticos. Los pronósticos aparecen en
verde en la gráfica de serie de tiempo con bandas de intervalo de predicción de 95%.
Número de pronósticos: Ingrese un entero para indicar cuántos pronósticos desea.
Iniciar desde origen: Ingrese un entero positivo para especificar un punto inicial para los
pronósticos. Por ejemplo, si usted especifica 4 pronósticos y 48 para el origen, Minitab calcula
los pronósticos para los períodos 49, 50, 51 y 52, basado en los componentes de nivel y tendencia
en el período 48. Si deja este espacio en blanco, Minitab generará pronósticos desde el final de
los datos.

Método de Winters
El método de Winters suaviza sus datos mediante la suavización exponencial de Holt-Winters y
ofrece pronósticos de corto a mediano alcance. Usted puede utilizar este procedimiento cuando
la tendencia y la estacionalidad estén presentes, con estos dos componentes que pueden ser
aditivos o multiplicativos. El Método de Winters calcula estimados dinámicos para tres
componentes: nivel, tendencia y estacional.
Elementos del cuadro de diálogo
Variable: Seleccione la columna que contenga las series de tiempo.
Longitud estacional: Ingrese la longitud del patrón estacional. Este número debe ser un valor
entero positivo mayor que o igual a 2.
Tipo de modelo:
Multiplicativo: Elija el modelo multiplicativo cuando el patrón estacional en los datos dependa
del tamaño de los datos. En otras palabras, la magnitud del patrón estacional aumenta a medida
que la serie sube y disminuye a medida que la serie baja.
Aditivo: Elija el modelo aditivo cuando el patrón estacional en los datos no dependa del tamaño
de los datos. En otras palabras, la magnitud del patrón de estación no cambia cuando la serie
sube o baja.
Ponderaciones que se utilizarán en la suavización: Por opción predeterminada, las tres
ponderaciones o parámetros de suavización se establecen en 0.2. Debido a que existe un modelo
ARIMA equivalente sólo para una forma muy restringida del modelo de Holt-Winters, los
parámetros óptimos no están presentes para el método de Winters como lo están para la
Suavización exponencial simple y para la Suavización exponencial doble.
Nivel: Especifique la ponderación del componente de nivel; la cual deberá ser un número de 0 a
1.
Tendencia: Especifique la ponderación del componente de tendencia; la cual deberá ser un
número de 0 a 1.
Estacional: Especifique la ponderación del componente estacional; la cual deberá ser un número
de 0 a 1.
Generar pronósticos: Marque esta opción para generar pronósticos. Los pronósticos aparecen en
verde en la gráfica de serie de tiempo con bandas de intervalo de predicción de 95%.
Número de pronósticos: Ingrese un entero para indicar cuántos pronósticos desea.
Iniciar desde origen: Ingrese un entero positivo para especificar un punto inicial para los
pronósticos. Por ejemplo, si usted especifica 4 pronósticos y 48 para el origen, Minitab calcula
los pronósticos para los períodos 49, 50, 51 y 52, basados en los componentes de nivel y
tendencia en el período 48 y los componentes estacionales correspondientes. Si usted deja este
espacio en blanco, Minitab generará los pronósticos desde el final de los datos.