Una gráfica de serie de tiempo es un gráfico que muestra los datos recopilados en una secuencia

de tiempo de cualquier proceso. El gráfico se puede utilizar para determinar la tendencia de los
datos a lo largo del tiempo y si los puntos de datos son aleatorios o muestran algún patrón. Por
ejemplo, es posible que desee determinar si la cantidad de llamadas recibidas en un centro de
llamadas es constante mes a mes o si existe algún patrón específico en los datos, como una
tendencia decreciente o creciente. También puede usar una gráfica de series de tiempo para
determinar si un proceso es estable al buscar pistas sobre la estabilidad.

Una gráfica de serie de tiempo requiere que los datos se recopilen en una secuencia u orden de
tiempo, por ejemplo, datos recopilados cada hora, cada turno, cada día, cada semana, cada mes,
etc. Esto significa que cuando los datos se almacenan para el análisis, el segundo el punto de
datos ocurre después del primero, el tercer punto de datos ocurre después del segundo y así
sucesivamente. Si los datos no se recopilan o almacenan en una secuencia de tiempo, no se puede
trazar una gráfica de serie de tiempo. En teoría, es posible que el intervalo entre los puntos de
datos no sea constante, pero este suele ser el caso, por lo que, para fines prácticos, supongamos
que la frecuencia de recopilación de datos es constante.

¿Cómo interpretar una trama de serie temporal?

La gráfica de series de tiempo proporciona una serie de pistas sobre el proceso.

Determinar cuáles son los valores mínimos y máximos y cuándo ocurren los valores mínimos y
máximos en el tiempo

Algunas estadísticas visuales de los datos, como la media de los valores de los datos, la moda
(valor que ocurre con mayor frecuencia), el valor de la mediana (aproximadamente los valores son
menores que este número)

Si el proceso es consistente a lo largo del tiempo o cambia de un período de tiempo a otro. La

consistencia podría ser que la media está cambiando o que la variación está cambiando.

Si hay algún patrón en los datos, como la agrupación, la mayoría de los puntos de datos se atascan
cerca de un valor y no se distribuyen aleatoriamente. Esto puede deberse a la mezcla de datos de
diferentes procesos.
Si el proceso contiene valores atípicos? Los valores atípicos son valores grandes (ya sea mínimo o
máximo) que están muy lejos del resto de los puntos de datos.