DMC ONLINE #YoMeQuedoEnCasa
Taller:
INTRODUCCIÓN A
LAS SERIES DE
TIEMPO EN R
Soy
Jacquelin Flor
Experta en Analytics y ciencia de datos.
• Profesional de Ingeniería Estadística de la Universidad Nacional de Ingeniería, con una
especialización en Marketing Relacional en la UPC y una maestría en Administración de Negocios en
el IE Business School (Madrid, España). Candidata a Máster en Inteligencia Artificial en la Universidad
de la Rioja. Con más de diez años de experiencia en temas relacionados con gestión de información,
desarrollo e implementación de modelos de predictivos, segmentación y desarrollo de estrategias
orientadas a marketing, recursos humanos y riesgos en sectores como telecomunicaciones, banca y
microfinanzas.
• Docente en la Universidad de Piura (post-grado) y en DMC Perú
[Link]
DMC ONLINE
¿Qué es una serie de tiempo?
• Llamaremos serie temporal o cronológica a un conjunto de observaciones
generadas secuencialmente en el tiempo.
• Es habitual en publicaciones económicas y empresariales encontrar datos con
esta forma (ej. La evolución del PBI, la evolución del desempleo, el tipo de
cambio...).
• La siguiente disposición de los datos es frecuente en una serie cronológica:
[Link]
En las observaciones se destaca la
dependencia del tiempo.
#YoMeCapacitoEnCasa
DMC ONLINE
¿Qué es una serie de tiempo?
Tasa de Desempleo en el Perú
(Mar 2001 – Ene 2020)
[Link]
Fuente:BCRP
#YoMeCapacitoEnCasa
DMC ONLINE
¿Por qué analizar una serie de tiempo?
El propósito principal del análisis de series de tiempo, es conocer el
comportamiento de una variable a través del tiempo y a partir de este
conocimiento y bajo el supuesto de que no van a producirse cambios
estructurales, poder hacer pronósticos o predicciones de sus valores futuros.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE #YoMeCapacitoEnCasa
Componentes de una Serie de Tiempo
w w w. d m c . p e
DMC ONLINE
Componentes de una serie de tiempo
Tendencia Ciclo
Serie Temporal
Estacionalidad Aleatorio / Irregular
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE
Tendencia
• Refleja el movimiento de la serie a largo plazo. Esto es la evolución promedio de
la serie a largo plazo. La notaremos por Tt.
• Por ejemplo, la tendencia creciente del i.p.c., o la evolución decreciente de los
saldos de un producto bancario que ha disminuido sus niveles de venta.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE
Estacionalidad
• Representa fluctuaciones de la serie en periodos de tiempo inferiores a un año
que se repiten con periodicidad conocida. Es decir, pretende recoger los
crecimientos o decrecimientos en los valores de la serie que se producen por
encontrarnos en una determinada época, en general una estación del año.
• La denotaremos Et.
• Las razones de la estacionalidad pueden ser generalmente de dos tipos:
Físico-naturales: tiempo meteorológico, ciclos biológicos.
[Link]
Institucionales: vacaciones escolares, fiestas horarios comerciales, etc.
#YoMeCapacitoEnCasa
DMC ONLINE
Estacionalidad
• Se identifica como patrones de
cambios en la serie en periodos
menores a un año (mensual,
trimestral, etc.), los cuales e
repiten en los siguientes años.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE
Ciclo
• Representa la pauta de comportamiento de la serie de carácter periódico, con
periodos de duración diferente, desconocida y superiores a un año: por ejemplo
los ciclos económicos de prosperidad, recesión y recuperación.
• Lo denotaremos por Ct.
• Son llamados también ciclos económicos y muestran variaciones a mediano
plazo, se requiere información de por lo menos 15 o 20 años.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE
Ruido Aleatorio
• Es una fluctuación impredecible que ocurre aleatoriamente en diferentes
instantes del tiempo. Esta componente recoge huelgas, catástrofes, etc. y ligeras
variaciones en los componentes anteriores. Tambien llamado componente
irregular o residual.
• Lo denotaremos por It.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE #YoMeCapacitoEnCasa
Tipos de Modelos de Serie de Tiempo
w w w. d m c . p e
DMC ONLINE
Modelo Aditivo
• Supone que las observaciones se generan como
suma de las cuatro componentes, es decir:
Yt= Tt + Et + Ct + It
• Cada componente se expresa en el mismo tipo
de unidad que las observaciones. La variación
residual, en este modelo, es independiente de las
demás componentes, es decir, la magnitud de
dichos residuos no depende del valor que tome
[Link]
cualquier otra componente de la serie,
(análogamente la variación estacional y la cíclica
son independientes de las demás componentes).
#YoMeCapacitoEnCasa
DMC ONLINE
Modelo Multiplicativo
• Supone que las observaciones se generan como
producto de las cuatro componentes, es decir:
Yt= Tt x Et x Ct x It
• La tendencia se expresa en el mismo tipo de
unidad que las observaciones, y el resto de las
componentes en tanto por uno. Aquí no se
cumple la hipótesis de independencia del
esquema aditivo.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE
Modelo Mixto
• Supone que las observaciones se generan como producto de las cuatro
componentes, es decir:
Yt= Tt x Et x Ct + It
• Es un tipo de modelo multiplicativo donde se si cumple la hipótesis de
independencia del esquema aditivo.
[Link]
#YoMeCapacitoEnCasa
DMC ONLINE #YoMeCapacitoEnCasa
Bibliografía
w w w. d m c . p e
DMC ONLINE
• Ebooks
R R Python
[Link]
• Fuente de data real
[Link]
[Link]
#YoMeCapacitoEnCasa
Jacquelin Flor Baldeón
E-mail: jacquiflorb@[Link]
[Link]
