UNA INTRODUCCION A LAS

SERIES DE TIEMPO
(MODELOS DE BOX and JENKINS)

Prof.: Alipio Ordoez Mercado

E-mail: ali1fom@Yahoo.com
Lima, Per
1

Los Pronsticos
Cuantificacin de los EVENTOS en un
tiempo FUTURO, Y constituye una de
las principales actividades en todo
proceso de TOMA de DECISIONES.
Abarca todas las reas del saber
humano, en Particular en el quehacer
Econmico, desde la economa
internacional hasta los indicadores
microeconmicos de una empresa.
2

Tipos de Pronsticos
Muy Corto Plazo
Corto Plazo
Medio Plazo
Largo Plazo
Muy Largo Plazo

0-3 meses
(Presupuestos)
3-12 meses
(Bienes de temporada)
1- 3 aos
( C. estrategicos)
3 -10 aos
(Expansin)
> 10 aos
3

INTRODUCCION
Los modelos de Box and Jenkins son
usados para realizar pronsticos a cortomediano plazo, con datos observados a lo
largo del tiempo( Serie de Tiempo).

Aspectos de una serie de tiempo

Conjunto del parmetro
indicador del tiempo.

NOTACION

{ Zt , t T }
Variable Aleatoria
de Inters

Parmetro indicador
del Tiempo
4

REPRESENTACION DE UNA ST
REPRESENTACION ALGEBRAICA

2a

{ zt , tT }; t=1,2,....,T
{ zt , tT }; T= (a<t<b).

Z1, Z2 ,....., ZT

REPRESENTACION GEOMETRICA

2b

(En dolares percapita)

250

200

150

100

50

0
50

55

60

65

70

75

80

85

Importac iones en el Peru 1950-1985

Otros Aspectos de una serie temporal

FUNDAMENTOS PROBABILISTICOS

Toda serie de tiempo antes de iniciar su

estudio debe cumplir con ser:
Estacionaria,
Ergdica

ENFOQUES EN EL ESTUDIO DE UNA ST.

Una ST puede ser estudiada, segn el;

Dominio del Tiempo,

Dominio de la Frecuencia.(espectros)

TIPOS DE VARIACION DE UNA ST

La mayora de series de tiempo tienen
los siguientes tipos de variacin.
Constante media,

Tendencia,
Estacin,
Ciclo,

Irregular o Aleatria
7

SERIE con CONSTANTE MEDIA

1 Zt 0 t
21.0
20.8
20.6
20.4
20.2
20.0
19.8
19.6
19.4
80

82

84

86

88

90

92

94

96

Serie Simulada alrededor de 20

98

00
8

Correlograma de una ST con Constante

Zt = 20 + t , t segn una N( 0; 2.5) .

9

Estimacin de la ST con constante

10

SERIE CON TENDENCIA

Z t 0 Tt t

2
28

26

24

22

TENDENCIA LINEAL
20

18
80

82

84

86

88

90

92

94

96

Serie Simulada, Z=20+0.25*t + error

98

00
11

Fac y Facp - serie con tendencia lineal

Zt = 20 +0.25t + t , t segn una N( 0; 2.5)

12

SERIE CON ESTACION

Z t 0 St t

3
6.5
6.0
5.5
5.0
4.5
4.0
3.5

95

96

97

98

99

00

01

02

03

13

Correlograma con Estacin Pura St .

Zt = 10+ sin(t/6) +t, t segn N( 0; 0.09)

14

SERIE CON Tt+St .

Z t 0 Tt St t
22
20
18
16
14
12
10
8
95

96

97

98

99

00

01

02

03

Tendencia y Estacin aditivas

15

Correlograma con Tt +St Aditivas

Zt = 10 +t/10 + sin(t/6) +t;t segn N( 0; 0.09)

16

SERIE CON Tt St

Multiplicativas

5 Z t 0 Tt St t
66.2
66.0
65.8
65.6
65.4
65.2
65.0
64.8
1995

Tendencia y Estacin multiplicativas

1996

1997

1998

1999

Serie Mensual Simulada

2000
17

Correlograma con Tt St Multiplicativas

Zt = 65 +0.009t +0.007t sin(t/6) +0.09t ,

t segn N( 0; 2.5)

18

SERIE CON 0 Tt St Multiplicativas

Z t 0Tt St t

6
60
50
40
30
20
10
0

95

96

97

98

99

00

01

02

03

Constante,Tendencia y Estacin multiplicativas

19

Correlograma con 0 Tt St .Multiplicativas

Zt = 5t/10(t sin(t/6)/10)+t,t segn N( 0; 0.09)

20

MODELOS PARA UNA ST

A

Modelo Lineal General Discreto

Zt o t 1 t 1 ... j t j ...
Zt ( B) t
Toda serie de tiempo es escrita como
una combinacin lineal de choques
aleatorios.
B :Operador de rezago, actua sobre
el indice t; BZt= Zt-1 .

21

MODELOS PARA UNA ST

B

Forma Autoregresiva o Invertida

Zt 0 1Zt 1 ... k Zt k ... t

( B) Z t t
Toda Serie temporal es escrita
como una combinacin lineal de
su pasado remoto, y del error
presente. (B) : es el polinomio
autoregreisvo de orden infinito
22

MODELOS PARA UNA ST

C

Ecuacin de Diferencias
Z t 1Z t 1 ... p Z t p 0 1 t 1 ... q k t q ... t

( B)Z t 0 ( B) t

Toda Serie temporal, sobre ciertas

condiciones, puede ser escrita
como una razn de 2 polinomios
finitos. (B), y (B) : polinomio
autoregreisvo, y medias mviles
de ordenes finitos
23

FUNCIONES DE AUTOCORRELACION- fac

Definida como la correlacin entre dos
observaciones de la serie de tiempo;

j = Corr(Zt , Zt-j ) = j / 0 .
Donde, j es la autocovarianza .

La fac j es estimada desde correlacin

de la serie de tiempo observada;

Cj

1 T
rj
; C j ( Z t Z )(Z t j Z )
C0
T t j 1
Donde Z media de Z t
24

Funciones de Autocorrelacion Parcial-facp

ii

Es definida con la correlacin entre dos

observaciones de la serie, descontando
el efecto de los puntos intermedios;
j = Corr(Zt , Zt-j| Zt-1,Zt-2,..., Zt-j+1)

Cov ( Z t Z t )(Z t j Z t j

Var(Z Z ) Var(Z
1/ 2

Z
t j
t j

1/ 2

Donde Z t 1Z t 1 ... 1Z t j 1
25

Facp Muestrales
Los estimadores muestrales jj de los j,
en la prctica se obtienen ajustando
regresiones de ordenes crecientes;
Zt = j1 Zt-1+ j2 Zt-2 + .....+ jj Zt-j+ t.

El cual es equivalente a resolver la

ecuacin;
i = j1 i-1+ j2 i-2 + .....+ jj i-j
reemplazando i por sus estimadores rj.
26