INTEGRANTES DEL EQUIPO

• TORRES HERRERA ZAIDA RACHEL 19111126.

• RODRÍGUEZ IBARRA VÍCTOR JOSUÉ 19111193.
• HERNÁNDEZ MARTÍNEZ ALAN
• Á VI L A PA Z V I CTOR I A
MODELO CLÁSICO
DE SERIES DE
TIEMPO.
TEMA 1
 ¿QUÉ ES UNA SERIE TEMPORAL?

• Una serie temporal o cronológica es una sucesión de observaciones de una variable tomadas en
el transcurso del tiempo, de manera que los valores que toma la variable aparecen ordenados en
el tiempo. Toda serie temporal refleja el comportamiento de una variable en el tiempo.
Idealmente, suponemos que las observaciones se toman en intervalos regulares de tiempo y que
no faltan observaciones intermedias. La Teoría de Series Temporales es un tema complejo,
pudiendo diferenciar dos grandes grupos de magnitudes: magnitudes stock y magnitudes flujo.
En cualquier caso, el intervalo de tiempo entre dos observaciones contiguas ha de ser constante
LAS SERIES TEMPORALES SE DIVIDEN
EN DOS:
• Magnitudes stock: son aquellas que • Magnitudes flujo: son aquellas que
toman valores concretos en momentos representan el total acumulado de una
concretos del tiempo. variable desde la observación anterior (el
consumo de una familia en un determinado
• En esta línea, la serie temporal se puede
período).
considerar como los valores medios en
determinados momentos de una variable
que es continua en el tiempo (cantidad de
dinero existente en un país).
La diferencia fundamental entre magnitudes stock y
magnitudes flujo es que el valor de un flujo
dependerá del intervalo de tiempo que consideremos entre
dos observaciones, decisión que en un
principio no tiene por qué afectar a los valores de una
magnitud stock.
 COMPONENTES DE UNA SERIE
TEMPORAL
El análisis clásico de series temporales considera que una serie temporal queda formada por
cuatro componentes:
• TENDENCIA (T): Movimiento regular de la serie, a largo plazo.
• VARIACIONES ESTACIONALES (E): Oscilaciones a corto plazo del período regular, de
duración menor o igual a un año.
• VARIACIONES CÍCLICAS (C ): Movimientos a medio plazo (superior a un año) en torno a
la tendencia cuyo período y amplitud pueden presentar cierta regularidad.
• VARIACIONES IRREGULARES ó ACCIDENTALES (A): Son fluctuaciones producidas por
factores eventuales, esporádicos e imprevisibles, que no muestran una periodicidad
reconocible.
 MODELO GRAFICO
Se trata de un método muy sencillo, ya que permite obtener una línea de tendencia sin necesidad
de realizar ningún cálculo. El proceso consiste en la representación gráfica de la serie, uniendo
mediante segmentos rectilíneos los puntos altos que presentan la serie, lo mismo se hace con los
puntos bajos. De este modo, aparecen dos líneas: la poligonal de cimas y la poligonal de fondos.
Se unen los puntos medios de los segmentos que separan ambas poligonales, obteniendo una
línea mucho más suave que las dos anteriores que indica la dirección predominante, esto es, su
tendencia. El método gráfico presenta una falta de objetividad, aunque en algunos casos puede
resultar útil para analizar una ligera aproximación.
 MEDICIÓN DE
VARIACIÓN
ESTACIONAL O
IRREGULAR
TEMA 2
 ¿QUÉ ES UNA VARIACIÓN
ESTACIONAL?
• La variación estacional puede reflejar condiciones de clima, días festivos o la longitud de los
meses del calendario. Movimientos estacionales o variaciones estacionales. Se refieren a las
fluctuaciones periódicas que se observan en series de tiempo cuya frecuencia es menor a un año
(trimestral, mensual, diaria, etc.), aproximadamente en las mismas fechas y casi con la misma
intensidad.
• Es un modelo óptimo de variables para patrones de demanda sin tendencia y que presenten un
comportamiento cíclico, por ejemplo la demanda de artículos escolares. Lo cual tiene un
comportamiento cíclico de conformidad con el calendario escolar.
• También es aquella variación periódica y predecible de la misma con un periodo inferior o igual
que un año.
 VARIACIÓN IRREGULAR
• El componente aleatorio mide las series de tiempo después de que se retiran los otros
componentes. Contabiliza la variabilidad aleatoria de una serie de tiempos ocasionada por
factores imprevistos y no ocurrentes. La mayoría de los componentes irregulares se conforman
de una variabilidad aleatoria, sin embargo ciertos sucesos a veces impredecibles como: huelgas,
cambios de clima, sequias, inundaciones, terremotos, elecciones, etc.
 EJEMPLO DE APLICACIÓN DE
VARIACIÓN ESTACIONAL
• La distribuidora de papelería CAROLA desea vender para el año 2015 una cantidad de 12000 kits escolares. Determine el
pronóstico por trimestre a partir del modelo de variación estacional, teniendo en cuenta la siguiente información acerca del
comportamiento de las ventas:
Trimestre Ventas
• I 2500
• II 1500
• III 3800
• IV 2200
• Luego se procede a calcular el promedio de las ventas de cada período, en este caso de cada período tan sólo tenemos un dato,
existirán en la práctica ejercicios en los que de cada período (por ejemplo trimestre I) que son 2500 por ejemplo la
información histórica del trimestre I de 5 años. Como lo mencionamos, para éste caso no es necesario promediar, ya que
contamos tan sólo con un dato de cada trimestre, por tal razón procedemos a calcular el índice de estacionalidad de cada
período.
• Luego se procede a calcular el promedio de las ventas de cada período, en este caso de cada
período tan sólo tenemos un dato, existirán en la práctica ejercicios en los que de cada período
(por ejemplo trimestre I) que son 2500 por ejemplo la información histórica del trimestre I de 5
años. Como lo mencionamos, para éste caso no es necesario promediar, ya que contamos tan
sólo con un dato de cada trimestre, por tal razón procedemos a calcular el índice de
estacionalidad de cada período.

Donde estos serian

nuestros puntos para
graficar nuestro
modelo grafico.

Por ultimo consiste en determinar el promedio general de las ventas, para ello hemos de sumar las
ventas totales y dividirlas entre el número de trimestres.
 APLICACIONES
DE AJUSTES
ESTACIONALES
TEMA 3
 ¿QUÉ ES UN AJUSTE ESTACIONAL?
• Es un método estadístico de eliminar el efecto de efectos estacionales en una serie temporal que
exhibe variaciones claramente debidas a la estacionalidad o la época del año.
• El objetivo de los ajustes estacionales es eliminar efectos estacionales con el objetivo de
analizar la tendencia de una serie temporal y hacer comparaciones de la serie entre momentos
arbitrarios, habiendo compensado los efectos estacionales. Así, en muchos datos estadísticos de
interés, es común dar los datos desestacionalizados (con los efectos estacionales eliminados),
como por ejemplo en la tasa de desempleo, ya que se conoce que las estaciones del año tienen
impactos diferentes sobre la actividad económica.
 COMPONENTES DE UN AJUSTE
ESTACIONAL
• La investigación de muchas series temporales de datos económicos y de otro tipo ha mostrado que muchas magnitudes
presentan fluctuaciones estacionales, atribuibles sólo a la época del año y no relacionadas directamente con la tendencia
general de la magnitud estudiada. Ese hecho ya llevado a analizar las series temporales considerando que están formadas
por cuatro componentes:
• St: Componente estacional
• Tt: Componente tendencial
• Ct: Componente cíclico
• It: Componente de error.
• La diferenciación entre componentes estacionales y cíclicos se basa en las siguientes características:
• Los componentes estacionales tienen una duración conocida, mientras que los componentes cíclicos tienen duraciones a
prioridades conocidas.
• La duración promedio de un ciclo es usualmente más corta que la de un efecto estacional.
• La magnitud de la variación cíclica es usualmente mucho más variable que la debida a la variación estacional
 EJEMPLO
• Un ejemplo famoso de variable con efecto estacional es la tasa de desempleo que habitualmente se representa
mediante una serie temporal a lo largo de años. Esta tasa depende muy especialmente de la estación del año,
por lo que los efectos estacionales son muy importantes cuando se considera una serie temporal de la tasa de
desempleo. Esas influencias estacionales pueden deberse a las vacaciones escolares, las actividades de ocio y
otros aspectos de la actividad económica influidas por el calendario civil o el tiempo atmosférico. Una vez la
influencia estacional se elimina de la serie temporal, la tasa de desempleo puede ser comparada a lo largo de
diferentes meses y se pueden hacer predicciones sobre su evolución futura.8​ Además eso permite comprobar
qué efectos de una nueva política o regulación puede tener sobre dicha tasa de empleo. Muchos institutos de
estadística usan algún tipo de software como Demetra+ para obtener los ajustes estacionales.
• Cuando el ajuste estacional no se realiza (desestacionalización de los datos mensuales), se puede considerar el
cambio interanual usando el mismo mes como base como medio aproximado de compensar los efectos
estacionales.
Es un programa informático para
ajustes estacionales.
 PRONÓSTICOS
BASADOS EN
TENDENCIA Y
ESTACIONALES
TEMA 4
 ¿QUE ES UN PRONOSTICO?
• Se refiere a cómo pronosticar los valores de una serie de tiempo que exhibe una tendencia lineal a largo plazo. El tipo de
series de tiempo para las cuales el método de proyección de tendencias es aplicable, muestra un incremento o disminución
constante en el tiempo. Si hablamos de pronosticar los valores de una serie de tiempo que tiene tanto un componente de
tendencia como uno estacional, entonces nos referimos a Pronosticación de tendencias ajustadas por influencia estacional.
• De tal forma que las técnicas de pronóstico pueden llevar a cuatro pasos en el proceso del pronóstico:
• Recopilación de datos.
• Reducción o condensación de datos.
• Construcción del modelo.
• Extrapolación del modelo (que es el pronóstico en sí).
• Donde el paso 1 sugiere la importancia de obtener los datos históricos adecuados y asegurarse que sean correctos.
• El paso 2, la reducción de datos con frecuencia es necesaria ya que en el proceso de pronóstico es posible tener muchas o
muy pocas información.
• El paso 3, la construcción del modelo, implica el ajustar los datos reunidos en un modelo de pronóstico que sea el
adecuado para minimizar el error en el pronóstico.
• El paso 4 consiste en la extrapolación en sí del modelo de pronóstico, lo cual se realiza una vez que se recolectaron y tal
vez redujeron, los datos adecuados y que se seleccionó un modelo de pronóstico apropiado.
 MÉTODO
• La ecuación de tendencia lineal constituye un punto de partida para pronósticos a largo plazo
de valores anuales. Sin embargo, una consideración particularmente importante en los
pronósticos a largo plazo es el componente cíclico de las series de tiempo. No existe un método
estándar para pronosticar el componente cíclico con base únicamente en valores históricos de
series de tiempo, aunque ciertos indicadores económicos con útiles para prever puntos de
cambio de ciclo.
• Para pronósticos a corto plazo, un método posible es desestacionalizar el valor observado mas
reciente y multiplicarlo después por el índice estacional del periodo de pronóstico. Se parte del
supuesto de que la única diferencia entre los 2 periodos será la atribuible a la influencia
estacional. Otro método consiste emplear el valor de tendencia proyectado como base del
pronóstico y ajustarlo después respecto del componente estacional. Cuando la ecuación de la
línea de tendencia se basa en valores anuales, primero se debe “reducir” la ecuación para
expresarla en términos de meses (o trimestres).
• La base de las modificaciones anteriores no es evidente si se pasa por alto el hecho de que los valores
de tendencia no se asocian con puntos temporales, sino con periodos. Es a causa de esta consideración
que deben reducirse los tres elementos de la ecuación de tendencia anual (b , b1 y X).
• Como lo indicamos anteriormente el primer pasó en un análisis de series de tiempo, consiste en graficar
los datos y observar sus tendencias en el tiempo. Primero debe determinarse si parece haber un
movimiento hacia arriba o hacia abajo a largo plazo en la serie (una tendencia) o si la serie parece
oscilar alrededor de una recta horizontal en el tiempo. En este caso (es decir, no hay tendencia positiva
o negativa a largo plazo), se recomienda antes de aplicar alguno de los métodos de pronostico
¨suavizar¨ nuestros datos a fin de que la tendencia se observe de manera clara. Los métodos que pueden
emplearse para suavizar nuestros datos usualmente son: a)El método de promedios móviles)El método
de suavización exponencial El objetivo de ambos métodos es el de “emparejar” la serie y proporcionar
un panorama global a largo plazo. Por otro lado, si de hecho existe una tendencia, se pueden aplicar
varios métodos de pronóstico de series de tiempo al manejar datos anuales, y otro método para los datos
de series de tiempo mensual o trimestral, los cuales se verán posteriormente