Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Descomposicion Estacional PDF
Descomposicion Estacional PDF
4/25/2007
Descomposición Estacional
Resumen
El procedimiento de Descomposición Estacional divide una serie de tiempo en tres
componentes:
1. tendencia-ciclo
2. estacionalidad
3. irregularidad
Month Traffic
1/68 73.637
2/68 77.136
3/68 81.481
4/68 84.127
5/68 84.562
6/68 91.959
7/68 94.174
8/68 96.087
9/68 88.952
10/68 83.479
11/68 80.814
12/68 77.466
1/69 75.225
… …
Los datos fueron obtenidos de una publicación del Puente Golden Gate.
Captura de Datos
El cuadro de diálogo para captura de datos requiere el nombre de la columna que
contiene los datos de la serie de tiempo:
Modelo Estadístico
Al analizar datos de series de tiempo es común observar los datos como consistentes de
diversos componentes:
3. Estacionalidad (S) – Variaciones cíclicas con una frecuencia establecida, tal como
los ciclos anuales en las ventas de las máquinas para cortar el césped. Los efectos
estacionales se repiten sobre una base regular y predecible.
Existen dos modelos básicos para sobre los que se basa la descomposición de una serie de
tiempo en sus partes componentes: modelo multiplicativo y modelo aditivo. El modelo
multiplicativo asume que los datos en el tiempo t pueden ser representados como el
producto de los cuatro componentes de acuerdo con:
Yt = Tt C t S t Rt (1)
Yt = Tt + C t + S t + Rt (2)
3. El componente irregular.
Descomposición Estacional
Método: Multiplicativo
Nota: una limitada cantidad de datos faltantes es permitido, siempre y cuando no haya
muchos valores faltantes cercanos. Los valores faltantes son reemplazados por valores
obtenidos por interpolación de acuerdo con el método señalado en la sección Cálculos de
la documentación Métodos Descriptivos de la Serie de Tiempo.
Opciones de Análisis
Las Opciones de Análisis permiten que los datos sean transformados antes de ser
graficados o analizados:
• Inflación: ajusta los datos por inflación usando la tasa de inflación especificada.
Tabla de Datos
La Tabla de Datos muestra los resultados de la descomposición:
Ajustado por
Periodo Datos Ciclo-Tendencia Estacionalidad Irregular Estacionalidad
1/68 73.637 81.0636
2/68 77.136 82.2507
3/68 81.481 84.2308
4/68 84.127 84.6577
5/68 84.562 84.4944
6/68 91.959 87.0608
7/68 94.174 84.5557 111.375 103.054 87.1383
8/68 96.087 84.7169 113.421 102.394 86.7454
9/68 88.952 84.9508 104.71 100.136 85.0664
10/68 83.479 85.1548 98.032 98.5183 83.8931
11/68 80.814 85.342 94.6943 98.1288 83.7451
12/68 77.466 85.5072 90.5959 96.2271 82.2811
1/69 75.225 85.6004 87.8793 96.7423 82.8118
2/69 79.418 85.7466 92.6194 98.7608 84.684
3/69 84.813 86.0028 98.6166 101.945 87.6753
4/69 85.691 86.3519 99.2347 99.8607 86.2316
5/69 87.49 86.7945 100.801 100.721 87.42
6/69 92.995 87.3052 106.517 100.844 88.0417
7/69 95.375 87.7297 108.715 100.593 88.2496
8/69 98.396 88.1522 111.621 100.769 88.83
9/69 92.791 88.5946 104.737 100.161 88.7377
• Datos: la serie de tiempo original Yt, incluyendo cualquier valor reemplazado que
haya sido calculado debido a datos faltantes.
Ventana de Opciones
Curva de Tendencia-Ciclo
La curva de Tendencia-Ciclicidad muestra el componente tendencia-ciclo estimado.
113
datos
ciclo-tendencia
103
Traffic
93
83
73
1/68 1/71 1/74 1/77 1/80 1/83
ascendente, sin embargo hay dos perturbaciones en el sistema que tuvieron un mayor
impacto sobre la tendencia base.
Índices estacionales
Una vez que la tendencia-ciclo ha sido estimada, ésta puede ser removida de los datos.
Para un modelo multiplicativo, esto se hace dividiendo los datos originales entre el
componente estimado (llamado un “radio de promedio móvil”), con lo que nos queda:
Y
Sˆ t Rˆ t = t (3)
TˆCˆ t
Sˆ t Rˆ t = Yt − TˆCˆ t (4)
Estación Índice
1 90.8385
2 93.7815
3 96.7354
4 99.3731
5 100.08
6 105.626
7 108.074
8 110.769
9 104.568
10 99.5064
11 96.5
12 94.148
114
110
índice estacional
106
102
98
94
90
0 3 6 9 12 15
estación
Componente Irregular
La gráfica del Componente Irregular muestra el residuo o componente irregular Rt en
cada periodo de tiempo:
106
102
98
irregular
94
90
86
1/68 1/71 1/74 1/77 1/80 1/83
Yt
Rˆ t = (5)
TˆCˆ Sˆ
t t
Y entonces son normalizados de manera que el residual promedio es igual a 1.0 (lo cual
corresponde a un índice de 100). Para el modelo aditivo, el componente irregular se
obtiene por sustracción:
Rˆ t = Yt − TˆCˆ t − Sˆ t (6)
En los datos del ejemplo resulta conveniente notar que el valor del componente irregular
en marzo de 1974 es aproximadamente 86.4. Esto indica que el tráfico en ese mes fue
13.6% inferior de lo que se hubiera esperado dada la estimación tendencia-ciclo y los
efectos estacionales.
Yt
Yt adj = (7)
Sˆt
Yt adj = Yt − Sˆ t (8)
106
101
ajuste estacional
96
91
86
81
76
1/68 1/71 1/74 1/77 1/80 1/83
113
103
Traffic
93
83
73
0 3 6 9 12 15
Estación
Ventana de Opciones
• Líneas Verticales – Dibuja una línea desde cada observación hasta el promedio para
su estación.
• Diagramas de Dispersión conectados – Dibuja los datos dentro de cada estación
como una gráfica X-Y conectada.
6
93 7
8
9
83
10
11
73 12
13
0 3 6 9 12 15
14
Estación
Ventana de Opciones
6
7
600 8
9
300 10
11
0 12
13
0 3 6 9 12 15
14
Estación
Guardar Resultados
Los siguientes resultados pueden ser guardados en la hoja de datos:
1. Datos – los datos de series de tiempo original después de añadir cualquier valor
faltante.