SERIES TEMPORALES

INTEGRANTES:
• Gabriela Alvarez
• Nayeli Jacome
• Alexis Solis
• Ruth Supe
 CONCEPTUALIZACIÓN
Una serie temporal, también conocida simplemente
como serie, consiste en una secuencia de N
observaciones o datos organizados cronológicamente y
con intervalos uniformes. Estos datos pueden referirse
a una única característica (serie univariante o escalar) o
a múltiples características (serie multivariante o
vectorial) de una entidad observada a lo largo de Las series temporales son frecuentes en múltiples
distintos momentos en el tiempo. campos, como meteorología, economía, ingeniería,
medicina y diversas disciplinas. Ejemplos de estas
series abarcan datos climáticos diarios, registros
mensuales de ventas, evolución de precios de acciones,
tasas anuales de crecimiento de población, entre otras
categorías (Serrano, 2021).

Serrano, 2021).
 Tendencias Dirección clara a lo largo del tiempo

Estacionalidad Patrones recurrentes o fluctuaciones que ocurren en intervalos

regulares de tiempo
Características

Herramientas valiosas para anticipar eventos futuros

Pronósticos

Autocorrelación Relación entre valores pasado y futuros

Martínez, 2020).
 Economía y Finanzas

Negocios y Marketing
APLICACION

Recursos Humanos

(Mora, 2018).
 EJERCICIO
Los promedios móviles suelen usarse para identificar movimientos en los precios de las acciones (en dólares por acción). A
continuación se presentan los precios de cierre de IBM desde el enero 2020 hasta agosto 2023. (Sweeney 2003)
Fecha Precio oct-21 774,90
ene-20 744,53 nov-21 776,35
feb-20 745,98 dic-21 777,80
mar-20 747,43 ene-22 779,24
abr-20 748,87 feb-22 780,69
may-20 750,32 mar-22 782,13
jun-20 751,76 abr-22 783,58
jul-20 753,21 may-22 785,03
ago-20 754,66 jun-22 770,05
sep-20 756,10 jul-22 771,06
757,55
ago-22 772,07
oct-20
sep-22 773,08
nov-20 759,00
oct-22 774,09
dic-20 760,44
nov-22 775,10
ene-21 761,89
dic-22 776,11
feb-21 763,33
ene-23 777,12
mar-21 764,78
feb-23 778,13
abr-21 766,23
mar-23 779,14
may-21 767,67
abr-23 780,15
jun-21 769,12 781,16
may-23
jul-21 770,56 782,17
jun-23
ago-21 772,01 jul-23 783,18
sep-21 773,46 ago-23 784,19

a. Pronostique el precio de cierre del julio del 2024 (que es el siguiente mes de operaciones)
 Límite de confianza
Fecha Precio Previsión(Precio) inferior(Precio) Límite de confianza superior(Precio)
ene-20 744,53
mar-20 747,43
abr-20 748,87
may-20 750,32
jun-20 751,76
jul-20 753,21
ago-20 754,66
sep-20 756,10
oct-20 757,55
nov-20 759,00
dic-20 760,44
ene-21 761,89
feb-21 763,33
mar-21 764,78
abr-21 766,23
may-21 767,67
jun-21 769,12
jul-21 770,56
ago-21 772,01
sep-21 773,46
oct-21 774,90
nov-21 776,35
dic-21 777,80
ene-22 779,24
feb-22 780,69
mar-22 782,13
abr-22 783,58
may-22 785,03
jun-22 770,05
jul-22 771,06
ago-22 772,07
sep-22 773,08
oct-22 774,09
nov-22 775,10
dic-22 776,11
ene-23 777,12
feb-23 778,13
mar-23 779,14
abr-23 780,15
may-23 781,16
jun-23 782,17
jul-23 783,18
ago-23 784,19 784,19 784,19 784,19
sep-23 791,08 783,29 798,88
oct-23 793,57 785,54 801,60
nov-23 795,15 786,88 803,42
dic-23 796,27 787,77 804,77
ene-24 797,41 788,69 806,14
feb-24 798,88 789,93 807,83
mar-24 800,67 791,49 809,84
abr-24 802,47 793,08 811,85
may-24 803,79 794,19 813,39
jun-24 801,07 791,26 810,88
jul-24 797,09 787,07 807,10
Estadística Valor
Alpha 0,25: Un valor de Alpha de 0,25 en un modelo de series temporales indica que se da menos peso a las observaciones más recientes en
Alpha 0,25 comparación con un valor de Alpha más alto. Esto significa que el modelo se basa más en datos históricos que en los valores más recientes al
hacer predicciones.
Gamma 0,75: Un Gamma de 0,75 en un modelo de suavización exponencial triple sugiere que hay una consideración significativa de un componente
Gamma 0,75 estacional en las predicciones. Un valor alto de Gamma indica que el modelo está dando mucho peso a los patrones estacionales en los datos.
MASE 2,89: El Error Absoluto Medio Escalado (MASE) es una métrica de precisión en series temporales. Un valor de 2,89 sugiere que las predicciones del
MASE 2,89 modelo son aproximadamente 2,89 veces menos precisas que las predicciones de un método de pronóstico ingenuo. Esto indica una baja precisión en las
predicciones en comparación con un enfoque simple.
SMAPE 0,01: El Error Porcentual Absoluto Medio Simétrico (SMAPE) es otra métrica de precisión. Un valor de 0,01 indica un error porcentual absoluto medio
SMAPE 0,01 muy bajo en comparación con los valores reales. Esto sugiere que las predicciones del modelo tienen un buen rendimiento en términos de precisión
porcentual.
MAE 4,18: El Error Absoluto Medio (MAE) es la media de los errores absolutos entre las predicciones y los valores reales. Un valor de 4,18 indica que, en
MAE 4,18 promedio, las predicciones del modelo tienen un error absoluto medio de 4,18 unidades con respecto a los valores reales.
RMSE 5,91: La Raíz del Error Cuadrático Medio (RMSE) es otra métrica de precisión. Un valor de 5,91 indica que la raíz del error cuadrático medio entre las
RMSE 5,91 predicciones y los valores reales es de aproximadamente 5,91 unidades. Esto muestra la dispersión de los errores entre las predicciones y los valores reales.
 700,00
720,00
740,00
760,00
780,00
800,00
820,00
ene-20
mar-20
abr-20
may-20
jun-20
jul-20
ago-20
sep-20
oct-20
nov-20
dic-20
ene-21
feb-21

Precio
mar-21
abr-21
may-21
jun-21
jul-21
ago-21
sep-21

Previsión(Precio)
oct-21
nov-21
dic-21
ene-22
feb-22
mar-22
abr-22
may-22
jun-22
jul-22
Límite de confianza inferior(Precio)

ago-22
sep-22
oct-22
nov-22
dic-22
ene-23
feb-23
mar-23
abr-23
may-23
jun-23
jul-23
Límite de confianza superior(Precio)

ago-23
sep-23
oct-23
nov-23
dic-23
ene-24
feb-24
mar-24
abr-24
may-24
jun-24
jul-24
 Bibliografía:
Martínez, E. (2020). Estadística: ( ed.). Universidad Abierta para Adultos (UAPA).
https://elibro.net/es/ereader/uta/175596?page=156.
Mora Charles, M. S. D. (2018). Historia de la probabilidad y de la estadística: ( ed.).
UNED - Universidad Nacional de Educación a Distancia.
https://elibro.net/es/ereader/uta/48925?page=189.
Puente Viedma, C. D. L. (2018). Estadística descriptiva e inferencial: ( ed.). Ediciones
IDT. https://elibro.net/es/ereader/uta/59931?page=16.

Seweeney, A. (2003). La evolución del encarcelamiento en España (1971-

2020): un estudio de series temporales. (1ra. Ed). J.M. BOSCH EDITOR.
https://elibro.net/es/ereader/uta/191102?page=344.