Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Series Clasico Ciem
Series Clasico Ciem
y Mercadeo
www.leondariobello.com
Enfoque Clsico
CIEM
DEFINICION.
Una serie de tiempo es un conjunto de datos numricos
que se obtienen en periodos regulares a travs del
tiempo. La unidad de tiempo puede ser: Hora, da, mes,
trimestre, ao o cualquier periodo que se pueda
considerar de inters.
OBJETIVO.
Identificar y aislar los factores de influencia con propsitos
de hacer predicciones (pronsticos), y prevenir brotes o
epidemias.
CIEM
variable de inters.
Preparado por: Len Dario Bello
El tratamiento numrico de las series
Temporales es variado y la metodologa a
utilizar depende de los objetivos planteados. En
general, se puede decir que de una secuencia
cronolgica nos puede interesar adquirir un
conocimiento descriptivo o diagnstico, en el
sentido de poder detectar la dinmica
generadora del fenmeno bajo estudio, y un
conocimiento predictivo o pronstico,
pretendiendo deducir de los datos
registrados hasta el momento, cmo ser su
comportamiento futuro.
CIEM
Material preparado por:
Profesor Len Daro Bello Parias
Nmero de Casos Acumulados de Tosferina Periodo 13 Tasas Acumulada por 100.000 habitantes de Tosferina
(Antioquia 1994-2001) Perioido 13 (Antioquia 1994-2001)
600 12.0
500 10.0
Tasas * 100.000
400 8.0
N Casos
300 6.0
200 4.0
100 2.0
0 0.0
1994 1995 1996 1997 1998 1999 2000 2001 1994 1995 1996 1997 1998 1999 2000 2001
Ao Aos
http://www.col.ops-oms.org/iah/lisnalsds.htm
CIEM
Tasas Acumuladas por 100.000 habitantes de Rubeola
Periodo 13 (Antioquia 1994-2001)
120.0
100.0
Tasas * 100.000
80.0
60.0
40.0
20.0
0.0
1994 1995 1996 1997 1998 1999 2000 2001
Aos
CIEM
Nmero de Casos Acumulados de HIV/Sida Periodo 13 Tasas Acumuladas por 100.000 habitantes de VIH/Sida
(Antioquia 1992-2001) Periodo 13 (Antioquia 1992-2001)
800 14.0
700 12.0
Tasas * 100.000
600 10.0
500 8.0
400 6.0
300 4.0
200 2.0
100 0.0
0 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 Aos
CIEM
http://www.dssa.gov.co/infecc/infecciosas.htm
Consideraciones Previas
CIEM
Preparado por: Len Dario Bello
COMPONENTES DE UNA SERIE
Tendencia: Movimientos percistentes ascendentes
o descendentes a travs del tiempo.
Variaciones estacionales. Fluctuaciones peridicas
en periodos de tiempo cuya frecuencia es menor
a un ao, aproximadamente en las mismas fechas
y casi con la misma intensidad.
Movimientos o variaciones cclicas.
Los movimientos se consideran cclicos, solo si se
producen en un intervalo de tiempo superior al
ao.
Movimientos irregulares o al azar. movimientos
espordicos o de corto plazo.
CIEM
Material preparado por:
Profesor Len Daro Bello Parias
COMPONENTES DE UNA SERIE
ii. La tendencia
rectilnea y exponencial
son aplicable a corto
plazo, puesto que una
Gompertz Logistica curva S a largo plazo
puede parecer una
recta en un perodo
restringido de tiempo
(por ejemplo).
Especializacin EIA
Tcnicas de suavizado
Grupo de mtodos cuyo objetivo es identificar
las componentes subyacentes de la serie.
Suaviza el aspecto de la grfica mediante la
eliminacin o alisado de las oscilaciones de la
serie.
Especializacin EIA
Tcnicas de
suavizado
Promedios Mviles Siguiente observacin Observacin ms remota
y t y t 1
M
El objetivo es eliminar de la serie las
componentes estacionales y accidentales.
Z t k Z t k 1 ... Z t 1
Xt
k
3000
2500
Proporcin
2000
Real
1500 Pronstico M=3
Pronstico M=5
1000
500
0
1982 1984 1986 1988 1990 1992
Aos
Preparado por: Maria Cristina Velsquez
Tcnicas de suavizado
Exponencial simple:
Esta tcnica supera al mtodo de promedios mviles
en el sentido que no elimina valores. Adems, le da
mayor ponderacin a los ltimos valores de la serie y
menos peso a los primeros. Se recomienda cuando
la serie no tiene tendencia ni estacionalidad, es decir,
se estima el nivel de la serie. El pronstico debe ser
a muy corto plazo.
S1 y1
S t y t 1 S t 1 0 1 t 2, 3, , n
El problema radica en determinar el valor de
Xt = Xt-1 + a(Zt-1 Xt-1)
Material preparado por:
Profesor Len Daro Bello Parias
Prediccin con suavizado
exponencial (Mtodo de Brown):
Permite la realizacin de previsiones a muy corto plazo,
adems puede emplearse tambin en el simple suavizado de
series, al estilo de las medias mviles. Debe ser utilizado slo y
slo para series con ruido.
La estimacin de la estacionalidad no
slo se realiza con el fin de incorporarla
al modelo para obtener predicciones,
sino tambin con el fin de eliminarla de la
serie para visualizar otras componentes
como tendencia y componente irregular
que se pueden confundir en las
fluctuaciones estacionales.
CIEM
Tcnicas de descomposicin de
series
El factor de tendencia recoge
comportamiento general, a largo plazo
de la serie. El factor estacional recoge
comportamientos repetitivos de ciclo
corto, este comportamiento cclico est
presente con frecuencia en series de tipo
econmico.
CIEM
Tcnicas de descomposicin de
series (Modelo Holt )
Este modelo pretende identificar la tendencia de la serie de un
modo tal que permita que esa tendencia pueda variar a lo
largo del tiempo, producindose un ajuste automtico del
modelo. Se utiliza para series con ruido y tendencia ( y ).
Xt+m = St + mbt
Donde:
Xt+m es la previsin obtenida para el instante t+m, desde el
instante t
St es el nivel de suavizado en que se encuentra la serie en el
instante t
bt es la tendencia que presentaba la serie en el instante t.
CIEM
Tcnicas de descomposicin de
series (Modelo Holt - Winters)
El metodo de Holt no admite la presencia de
variaciones estacionales. Si le aadimos un
tercer trmino para recoger este elemento,
tenemos el modelo de Winters que, por tanto,
considera la serie como formada por tres
factores : nivel tendencia y ciclos (, y ).
CIEM
EL METODO DE HOLT-WINTER PARA EL AJUSTE DE LA
TENDENCIA Y DEL PRONOSTICO
METODO DE HOLT-WINTER, es una extensin del planteamiento de suavizado exponencial, la
diferencia radica en que el procedimiento de suavizado exponencial proporciona una visin de los
movimientos a largo plazo sin tener en cuenta la estacionalidad ni la tendencia, mientras que Holt
Winter permite pronosticar teniendo en cuenta ambas componentes. El mtodo se ha venido refinando
cada vez ms, en esta capacitacin se presentan las formulas para tratar la tendencia.
TENDENCIA T i = VT i -1 +(1-V)(E i - E I - 1)
^
PRONOSTICO Yn +J = En + j (Tn)
Preparado por: Len Dario Bello Para empezar a realizar los clculos, hacemos E 2 = Y 2 y T 2 = Y 2 - Y 1
Es posible tener una apreciacin ms clara sobre el
comportamiento de la misma.
Facilita la identificacin de patrones subyacentes
en ellas.
Al aislar los factores exogenos ayuda a conocer como
se relaciona la serie de inters con otras series.
Ayuda a disminuir las posibilidades de ser
engaados por correlaciones espureas, es decir,
correlaciones que muestran casualidad y no causalidad.
DMA= Y i - Y ij / n
120
N m e ro d e C a s o s
100
80
60
40
20
1988 1989 1990 1992 1993 1994 1996 1997 1998
1988 1990 1991 1992 1994 1995 1996 1998 1999
120
100
80
60
Nmero de Casos
40
Fit for CASOS from A
20 RIMA, MOD_16 NOCON
19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20
88 88 89 90 90 91 92 92 93 94 94 95 96 96 97 98 98 99 00 00
120
100
100
80
80
60
60
40
40
HOMBRE
20
HOMBRE 20 MUJER
0 LINT(HOMBRE) 0 JA A P JU OC JA A P JU OC JA A P JU OC JA A P JU OC JA A P JU OC TOTAL
DE 19
NO 19
O 1 2
A 19 4
M 19
M 19 89
DE 19
NO 19
O 1 3
A 19 5
JA
SE 19 3
JU G 1 5
JU 19 6
A Y1 8
FE R 1 0
JA 19 1
SE 1 4
JU 1
JU 19 97
N R L1 T N R L1 T N R L1 T N R L1 T N R L1 T
CT 98
U 8
A 8
A 9
CT 99
UG 96
PR 9
C 82
C 93
19 19 9 19 19 19 9 19 19 19 9 19 19 19 9 19 19 19 9 19
L 98
N 87
L 9
N 98
B 99
N
N 92
P 8
P 99
V 8
V 9
19
95 95 95 95 96 96 96 96 97 97 97 97 98 98 98 98 99 99 99 99
99
Fecha Fecha