Prof.

Angel Daniel Serrano Urdaneta

Modelos de Series de
Tiempo
Modelos de Series de
Tiempo
Alcances Cuantitativos para Pronósticos
• Un pronóstico es una predicción de que pasará en el
futuro.

• Una serie de tiempo es un conjunto de observaciones

realizadas a través de periodos sucesivos de tiempo.

• Los Alcances cuantitativos de pronósticos están basados

en el análisis de datos históricos relacionados con una o
más series de tiempo.
Alcances Cuantitativos para Pronósticos
• Si los datos usados están limitados a los valores pasados
de la serie de tiempo de la variable que estamos tratando
de pronosticar, el procedimiento es llamado Método de
Series de Tiempo.

• Si los datos usados envuelven otras series de tiempo de

las cuales se cree que guardan relación con la variable
que esta siendo proyectada, el procedimiento se
denomina método causal.
 Métodos de Series de Tiempo
• El objetivo de los métodos de series de tiempo es descubrir un
patrón de comportamiento de los datos históricos para luego
extrapolar dicho comportamiento en el futuro.
• El pronóstico esta basado solamente en los valores pasados de la
variable que estamos tratando de proyectar y/o los errores de las
proyecciones pasadas.
• Los tres métodos de series de tiempo son:
– Suavización
– Proyección de tendencia
– Proyección de tendencia ajustado por la influencia estacional
 Componentes de una Serie de Tiempo
• El Componente horizontal existe
cuando los datos fluctúan
aleatoriamente alrededor de una media
constante en el tiempo.

• El término serie de tiempo

estacionaria se usa para denotar una
serie de tiempo cuyas propiedades
estadísticas son independientes del
tiempo. En particular, esto significa que
1. El proceso que genera los datos tiene una
media constante.
2. La variabilidad de la serie de tiempo es
constante con el tiempo.
 Componentes de una Serie de Tiempo
• El Componente de la Tendencia toma en cuenta el
cambio gradual de la serie de tiempo a través de un
largo período de tiempo.
 Componentes de una Serie de Tiempo
• Cualquier patrón de secuencias de valores por
encima y por debajo de la línea de tendencia que
dura más de un año es atribuible al Componente
Cíclico de la serie.
 Componentes de una Serie de Tiempo

• El Componente Estacional de una serie de tiempo tiene

que ver con patrones regulares de variabilidad de la
variable en estudio dentro de ciertos periodos de tiempo,
por ejemplo, durante un año.

• El Componente Irregular de la serie de tiempo es causado

por factores de corto plazo, no anticipados y no
recurrentes que afectan los valores de la serie de tiempo.
No es posible intentar predecir el impacto de este
componente en la serie de tiempo
Componente Estacional
Ventas por Año

9.00
8.00
7.00
Ventas (miles $)

6.00 2016
5.00 2017
4.00
2018
3.00
2019
2.00
1.00
-
T1
T2
T3
T4
Precisión del Pronóstico
Precisión del Pronóstico

Error Porcentual Absoluto Medio

Error Cuadrado Medio

Métodos de Suavización
• En los casos en los cuales las series de tiempo son estables
y no tienen una tendencia significante, estacionalidad o
efectos cíclicos, es posible usar los métodos de
suavización para suavizar las fluctuaciones aleatorias
causadas por el componente irregular de las series de
tiempo.
• Los tres métodos de suavización más comunes son:
• Promedios Móviles
• Promedio Móvil ponderado
• Suavización Exponencial
 Métodos de Suavización
• Método de Promedios Móviles
El método de promedios móviles consiste en
calcular el promedio de los más recientes n valores
de los datos en la serie de tiempo y usar este
promedio para pronosticar el valor del próximo
período de la serie de tiempo.

El término móvil indica que una vez se disponga

de una nueva observación para la serie de tiempo,
este remplazará el valor más antiguo de la serie en la
ecuación y un nuevo cálculo será realizado.
 Métodos de Suavización

• Método de Promedio Móvil ponderado

En el Método de Promedio Móvil ponderado
para calcular el promedio de los más recientes n
periodos, las más recientes observaciones son
típicamente ponderadas con mayor peso. Por
conveniencia, la suma de los pesos debe ser
igual a 1.
 Ejemplo: Ventas de Gasolina
• Promedio Móvil Ponderado para tres
periodos
Para pronosticar las ventas de gasolina
(in 1,000s) para la semana 13
usando un promedio móvil ponderado
de tres semanas, se calculará el
promedio móvil ponderado para las
semanas 10, 11, y 12 usando los pesos
de 1/6, 2/6, and 3/6. El pronóstico F13 = 1/6(20) + 2/6(15) + 3/6(22)
para la semana 13 (F13): = 3.333 + 5.000 + 11.000
= 19.333
 Métodos de Suavización
• Suavización Exponencial
• Usando la Suavización Exponencial, el pronóstico para el
próximo periodo es igual al pronóstico para el actual período
más una proporción () del el error del actual período.
• El pronóstico es calculado de la siguiente manera:

Donde la constante de suavización,  , es un número entre 0 y 1.

Estacionalidad con Tendencia
• Aplicación
• Las Series de tiempo presentan tanto un efecto estacional como una tendencia lineal.
• La forma general de la ecuación de regresión para modelar tanto los efectos estacionales como la
tendencia lineal en la serie de tiempo es la siguiente:
Estacionalidad con Tendencia
Prof. Angel Daniel Serrano Urdaneta