TRABAJO DE PRONOSTICOS Y SERIES DE TIEMPO

PRESENTADO POR:
Perdomo Torres Mileidy (583750)

PRESENTADO A:
Diego Armando Sierra

Universidad Minuto de Dios UNIMINUTO

Ciencias Administrativas
Administración Salud Ocupacional
Estadística Inferencial
Bogotá, diciembre 8
 INTRODUCCION

El término pronóstico es de uso común en el lenguaje cotidiano. En prácticamente

cualquier diccionario se puede encontrar alguna de las siguientes definiciones. un

pronóstico es una afirmación sobre un evento cuya ocurrencia no es segura.

Típicamente, los pronósticos se producen sobre eventos que pueden ocurrir en el futuro.

Una serie de tiempo es una secuencia de observaciones sobre intervalos de tiempo

separados de manera regular, Las tasas mensuales de Accidentes de trabajo durante los

cinco años previos, La producción diaria en una planta de manufactura durante un mes.
 OBJETIVOS

 Conocer e interpretar pronostico y series de tiempo

 Identificar pronostico y series de tiempo aplicada a salud ocupacional

Marco Teórico
1. Pronósticos

1.1. Clasificación

1.1.2. pronósticos a corto plazo

1.1.3. Pronósticos a Mediano Plazo

1.1.4 ..Pronósticos a largo Plazo

1.1.5 Tipos de Pronósticos

1.1.6. Un Pronóstico debe Incluir

1.1.7 Ejemplos

1.1.8. Técnicas Estadísticas para la Producción de pronósticos

1.2. Series de Tiempo

1.2.1 Componentes de la Serie de Tiempo

1.2.2. Tendencia Secular

1.2.3. Variación Estacional

1.2.4. Variación Cíclica

1.2.5. Variación Irregular

1.3. Tendencia de una Serie

1.3.1. Tendencia lineal

1.3.2. Tendencia no lineal

1.4. Métodos de Suavizamiento de la Serie

1.4.1. Promedios Móviles Ponderados

1.4.2. Suavizamiento Exponencial

1.4.3. Ejemplos

1.5. Importancia de Pronósticos y Series de Tiempo en Seguridad y Salud Ocupacional.

1. PRONÓSTICOS
Los pronósticos son un método que se utiliza ampliamente en el análisis de las series de

tiempo para predecir una variable de respuesta, como ganancias mensuales,

comportamiento de acciones o cifras de desempleo, para un período de tiempo

determinado. Los pronósticos se basan en patrones de datos existentes. Por ejemplo, la

gerente de un almacén puede modelar la cantidad de productos que necesita ordenar

para

los próximos 3 meses con base en los pedidos de los últimos 12 meses.

1.1. CLASIFICACION

1.1.2. pronósticos a corto plazo

En las empresas modernas, este tipo de pronóstico se efectúa cada mes o menos, y

su tiempo de planeación tiene vigencia de un año. Se utiliza para programas de

abastecimiento, producción, asignación de mano de obra a las plantillas de

trabajadores, y planificación de los departamentos de fabricación.

1.1.3. Pronósticos a Mediano Plazo

Abarca un lapso de seis meses a tres años. Este se utiliza para estimar planes de

ventas, producción, flujos de efectivo y elaboración de presupuestos.

1.1.4. Pronósticos a largo Plazo

Este tipo de pronóstico se utiliza en la planificación de nuevas inversiones,

lanzamiento de nuevos productos y tendencias tecnológicas de materiales, procesos

y productos, así como en la preparación de proyectos.

1.1.5. Tipos de Pronósticos

  mágicos,

 cualitativos y

 cuantitativos (estadísticos)

1.1.6. Un Pronóstico debe Incluir

 Una medida de su precisión,

 Una medida de su confiabilidad (previa)

 debe obtenerse con un mecanismo Reproducible

Las técnicas estadísticas de pronóstico no solamente reúnen estas tres características,

sino que constituyen una valiosa herramienta para la producción de pronósticos a partir

del análisis de información previa.

1.1.7. EJEMPLOS
 1.1.8. Técnicas Estadísticas para la Producción de pronósticos

operan de acuerdo a reglas generales que, en esencia, se pueden resumir a través del

siguiente algoritmo.

 Se recolectan observaciones sobre el fenómeno

 Se describe el comportamiento de las observaciones.

 Se adoptan supuestos de carácter general sobre el comportamiento de las

observaciones.

 Se establecen supuestos sobre la relación que guardan las observaciones futuras

con las observaciones que se han recolectado.

 Se describen el comportamiento futuro del fenómeno. Es decir, se producen los

pronósticos cada uno de los cuales incluye una medida de su confiabilidad.

Este algoritmo se complementa con una etapa más de verificación o contraste del

pronóstico. Esta etapa se lleva a cabo cuando la incertidumbre sobre la ocurrencia

del evento objeto del pronóstico desaparece. En esas condiciones, el resultado del

evento se compara con el pronóstico y de esa comparación se pueden sugerir

modificaciones al procedimiento de producción de los pronósticos. Estas

modificaciones, en general, afectan los supuestos que se adoptan en el proceso y

tienen por objeto describir mejor tanto las observaciones disponibles como la

relación de éstas con las observaciones futuras, objeto de los pronósticos.

1.2. SERIES DE TIEMPO

Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o

registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre

otros). El término serie de tiempo se aplica por ejemplo a datos registrados en forma

periódica que muestran, por ejemplo, las ventas anuales totales de almacenes, el valor

trimestral total de contratos de construcción otorgados, el valor trimestral del PIB.

1.2.1 Componentes de la Serie de Tiempo

Supondremos que en una serie existen cuatro tipos básicos de variación, los cuales

sobrepuestos o actuando en concierto, contribuyen a los cambios observados en un

período de tiempo y dan a la serie su aspecto errático.

1.2.2. Tendencia Secular: La tendencia secular o tendencia a largo plazo de una serie

es por lo común el resultado de factores a largo plazo. En términos intuitivos, la

tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las

variaciones de la propia serie, que se consideran consecuencias de fuerzas persistentes

que afectan el crecimiento o la reducción de la misma, tales como: cambios en la

población, en las características demográficas de la misma, cambios en los ingresos, en

la salud, en el nivel de educación y tecnología

1.2.3. Variación Estacional

El componente de la serie de tiempo que representa la variabilidad en los datos debida a

influencias de las estaciones, se llama componente estacional.

1.2.4. Variación Cíclica

Con frecuencia las series de tiempo presentan secuencias alternas de puntos abajo y

arriba de la línea de tendencia que duran más de un año, esta variación se mantiene

después de que se han eliminado las variaciones o tendencias estacional e irregular.

1.2.5. Variación Irregular

Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a la

serie de tiempo. Como este componente explica la variabilidad aleatoria de la serie, es

impredecible, es decir, no se puede esperar predecir su impacto sobre la serie de tiempo.

1.3. Tendencia de una Serie

1.3.1. Tendencia lineal

la tendencia de una serie viene dada por el movimiento general a largo plazo de la serie.

La tendencia a largo plazo de muchas series de negocios (industriales y comerciales),

como ventas, exportaciones y producción, con frecuencia se aproxima a una línea recta.

1.3.2. Tendencia no lineal

Cuando la serie de tiempo presenta un comportamiento curvilíneo se dice que este

comportamiento es no lineal. Dentro de las tendencias no lineales que pueden

presentarse en una serie se encuentran, la polinomial, logarítmica, exponencial y

potencial, entre otras.

1.4. Métodos de Suavizamiento de la Serie

Promedio móvil Un promedio móvil se construye sustituyendo cada valor de una serie

por la media obtenida con esa observación y algunos de los valores inmediatamente

anteriores y posteriores

1.4.1. Promedios Móviles Ponderados:

El método consiste en asignar un factor de ponderación distinto para cada dato.

Generalmente, a la observación o dato más reciente a partir del que se quiere hacer el

pronóstico, se le asigna el mayor peso, y este peso disminuye en los valores de datos

más antiguos.

1.4.2. Suavizamiento Exponencial:

emplea un promedio ponderado de la serie de tiempo pasada como pronóstico; es un

caso especial del método de promedios móviles ponderados en el cual sólo se selecciona

un peso o factor de ponderación.

Ft Yt Ft (1 ) 1   

Ft+1 = pronóstico de la serie de tiempo para el período

t+1 Yt = valor real de la serie de tiempo en el período

t Ft = pronóstico de la serie de tiempo para el período

t  = constante de suaviza miento, 0 ≤ ≤ 1

1.4.3 Ejemplo

El gráfico que se encuentra arriba representa, como dos series de tiempo agregadas

mensualmente, la actividad de búsqueda en la red en Estados Unidos de dos expresiones

1.5. Importancia de Pronósticos y Series de Tiempo en Seguridad y Salud

Ocupacional

En nuestra carrera es muy importante aprender a identificar, realizar e interpretar

pues esto nos ayudan conocer resultados analizados y evaluados frente a los

accidentes y enfermedades laborales es de ambas partes, tanto como del

empleador como el del trabajador, se necesita que los dos sean conscientes a los

riesgos que se enfrentan en su trabajo. Seguimiento en cifras accidentabilidad en

cada actividad económicas, ausentismo laboral, riesgo laboral . El empleador

tiene la obligación de proteger los derechos de sus trabajadores y de informarlos

sobre los riesgos y medidas que hay en su entorno laboral cifra alta por lo es

importante generar cada día la cultura del autocuidado, Desarrollar mecanismos,

rondas de bioseguridad promover comités de seguridad y salud en el trabajo.

Conclusiones

La presencia de una tendencia de largo plazo y un patrón estacional es una característica

común a muchas series de tiempo. En la práctica, se ha encontrado que él puede

capturar adecuadamente la dinámica de un subconjunto de este tipo de series de tiempo

y ser efectivo para su pronóstico, siendo así, un modelo catalogado como benchmarking

en la predicción de series de tiempo. No obstante, dicho modelo es lineal y podrían

existir otras componentes ignoradas por el modelo que podrían dar lugar a pronósticos

más precisos.
Referencias Bibliográficas

Soporte de minitab18.Serie de tiempo Recuperado de :

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/

time-series/supporting-topics/basics/ what-is-a-time-series/

Series Tiempo Recuperado de :

http://www.estadistica.mat.uson.mx/Material/seriesdetiempo.pdf

Ingeniería y Ciencia, ing. cienc. ISSN 1794–9165 Volumen 8, número 15, enero-junio

de2012,páginas171–

189Recuperadode :http://www.scielo.org.co/pdf/ince/v8n15/v8n15a09.pdf

Imagen Recuperado.https://www.google.com/search?

q=ejemplos+pronosticos+y+series+de+tiempo&source=lnms&tbm=isch&sa=X&ved=0

ahUKEwi1vLe6oo_fAhUBtlkKHbQcB9EQ_AUIDigB&biw=1093&bih=501#imgrc=R

Q4Z1LwPWKy5eM:

ImagenRecuperado: . https://es.wikipedia.org/wiki/Pron%C3%B3stico_(estad

%C3%ADstica)

PronosticodeseriedtiempoRecuperadode.https://www.lokad.com/es/que-es-el-

pronostico-de-series-de-tiempo#Pron%C3%B3stico_de_series_de_tiempo_1