Rina Marciela Zamalloa Cornejo

UNIVERSIDAD NACIONAL DE SAN

ANTONIO ABAD DE CUSCO
Facultad de Economía

Asignatura: Estadística Económica I

Docente: Rina Maricela Zamalloa Cornejo
Tema: Series Temporales

Equipo:
Segura Hermoza Viviana
Timpo Checya Medalit Kely
Sequeyros Mendoza Jhamel
Sune Fernandez Willian
Huayta Boza Saylin Paloma Semestre 2023-I
Cusco-Perú
Las series temporales son secuencias de datos
observados o medidos en intervalos de tiempo
regulares o irregulares, también son conjuntos de
datos que se recopilan y registran a lo largo del
tiempo, generalmente en puntos igualmente
espaciados o en momentos específicos, con el
propósito de analizar patrones, tendencias y
comportamientos en función de la variable
temporal.
La secuente madurez que el turismo fue
desarrollando en su forma local y mundial llegando
a una mayor industria a nivel mundial
descadenando un incremento no solo de la
cantidad sino como factor importante la
riqueza y modernanizando asi las investigaciones
realizadas en la demanda turistica. Es por ello que
tendremos el manejo de las tecnicas estadisticas
para la prediccion y determinacion en las
variables estadisticas.
 LAS SERIES TEMPORALES COMO MÉTODOS
DE PREDICCIÓN:
MÉTODOS BOX-JENKINS Y HOLT-WINTERS
Método de Box-Jenkins (ARIMA)

Conocidos como modelos ARIMA (AutoRegressive Integrated Moving Average), son

un enfoque cuantitativo utilizado para analizar y pronosticar series temporales.
Estos modelos se componen de tres componentes principales: autorregresión (AR),
integración (I) y media móvil (MA).

El componente AR se refiere a la relación entre una observación actual y las

observaciones anteriores. El componente MA se refiere a la relación entre una
observación actual y los errores de predicción pasados. La integración se
refiere a la diferenciación de la serie para hacerla estacionaria (es decir, que sus
propiedades estadísticas no cambien con el tiempo).

Los modelos ARIMA se ajustan a los datos históricos y luego se utilizan para predecir
valores futuros en la serie temporal.
 LAS SERIES TEMPORALES COMO MÉTODOS
DE PREDICCIÓN:
MÉTODOS BOX-JENKINS Y HOLT-WINTERS

Método de Holt-Winters (Suavización exponencial)

Es otro enfoque cuantitativo utilizado para analizar y pronosticar series
temporales. Se basa en la técnica de suavización exponencial, que toma en
cuenta los valores anteriores y asigna pesos exponenciales decrecientes a las
observaciones pasadas

El método de Holt-Winters se adapta especialmente a series temporales con

patrones de tendencia y estacionalidad. Tiene tres componentes principales: nivel
(nivel base de la serie), tendencia (cambio a largo plazo) y estacionalidad
(variaciones periódicas).

Tambien se ajustan a los datos históricos y utilizan los componentes de nivel,

tendencia y estacionalidad para generar pronósticos futuros.
El turismo ha sido uno de los sectores más destacados de la
economía en los últimos años debido a su importante papel en la
estructura industrial del país e incluso es considerada la industria
más importante del mundo.

La metodología empleada para el análisis se basa

fundamentalmente en dos tipos de objetivos:

MODELIZACIÓN DE LOS
CAMBIOS DEL SECTOR
TURÍSTICO
OBJETIVOS
OBTENCIÓN DE PREVISIONES
DE LA EVOLUCIÓN FUTURA DE
LA DEMANDA TURÍSTICA
 En la tabla 1 se muestran dos variables:
FLUJOS DE TURISTAS
EXTRANJEROS EN TERRITORIRO
ESPAÑOL

OBJETIVOS
INGRESOS POR TURISMO DE LA
REGIÓN O A NIVEL NACIONAL

Fuente: Extraído de
https://dialnet.unirioja.es/servlet/articulo?
codigo=2150087
En dicha tabla se indica cuales de estas dos
variables son las que analizan algunos de los
principales trabajos sobre modelización
turística publicados en España.

Como se puede observar en la tabla 1,

dominan los trabajos que han intentado
modelizar el flujo de turistas.

En cuanto a los modelos econométricos se

toman como base a una única ecuación de
comportamiento, en este caso siendo nuestra
ecuación el flujo de los turistas extranjeros en
territorio español, esto a causa de que facilita
el manejo de la información estadística.
El objetivo del análisis empírico es el de comparar la capacidad
predictiva de dos métodos de predicción ampliamente utilizados,
como son:

METODOLOGÍAS

BOX-JENKINS, HOLT-WINTERS
METODOLOGÍA
Para alcanzar los objetivos planteados
utilizamos la serie mensual, como se
aprecia en la figura 2, la serie presenta
una elevada estacionalidad con máximos
en los meses estivales y mínimos en la
temporada invernal.

A partir de esta modelización se

pueden hacer predicciones para el
siguiente año.
CAPACIDAD PREDICTIVA DEL MODELO BOX-JENKINS
VS HOLT WINTERS

Modelo Box-Jenkins (ARIMA)

El modelo de Box es útil cuando la serie muestra
tendencias o estacionalidades complejas.
Además, el enfoque de identificación, estimación
y validación de modelos ARIMA a través de la
metodología Box-Jenkins permite una selección
más precisa del modelo.
Método de Holt-Winters
Este modelo de Holt se enfoca en la predicción de series
temporales con patrones de tendencia y estacionalidad. Es
sencillo de implementar y puede proporcionar pronósticos
precisos cuando la serie muestra una estacionalidad constante
en el tiempo.
 CONCLUSION
Las series temporales son transcendentales Series temporales
para el analisis del comportamiento a lo largo
del tiempo donde se realiza pronósticos útiles
para la toma de decisiones en una etapa de
tiempo con las variables previstas en el pasado
estimando una crecimiento o declive.

Su analisis determinado engloba y el uso de

técnicas de modelado asociadas a su beneficio
que seran esenciales para aprovechar al máximo su potencial en diversos aspectos
sociales y aplicados.