Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SERIES DE
TIEMPO
Una serie de tiempo es el conjunto de observaciones
producidas en determinados momentos durante un
período, ya sea semanal, trimestral o anual, generalmente
a intervalos iguales.
EJEMPLOS
– Predecir o proyectar
los valores futuros de 28 Variabl
la variable a partir de 26
Actual
Fits
observaciones 24
Forecas
95.0% P
Smoothing C ons
22 A lpha 0.6
Accuracy Measu
20 MAPE 14.4
MAD 2.7
18 MSD 10.5
16
14
12
1 2 3 45 6 7 89 10 11 12 13
Index
El comportamiento de cualquier serie de tiempo puede
observarse gráficamente, no en todos los casos es
posible distinguir las particularidades que cada una
puede contener.
TENDENCIA (T)
VARIACIONES
SERIES CICLICAS (C)
TEMPORALES
VARIACIONES
ESTACIONALES (E)
VARIACIONES
IRREGULARES (I)
Componente de tendencia
TENDENCIA (T) :
Es un movimiento a lo largo de los valores de la serie de tiempo durante un
número prolongado de años, son tendencias a largo plazo las ventas, el
precio de las acciones, el empleo y otras series económicas y comerciales.
Este es el caso de
Es un patrón de En este componente
cambio que se repite influye el clima y el productos agrícolas
y ventas de útiles
año tras año. año calendario.
escolares, entre
otros.
El componente estacional se refiere a un patrón de cambio
que se repite a si mismo año tras año. En el caso de series
mensuales, el componente estacional mide la variabilidad
de las series, por ejemplo, de enero, febrero, etc. En las
series trimestrales hay cuatro elementos estaciónales, uno
para cada trimestre.
Componente aleatorio
VARIACIONES IRREGULARES (I) :
Son Variaciones erráticas con respecto a la tendencia, que no pueden
adjudicarse a efectos estacionales o cíclicos.
Extrapolativos
o de
Series de tiempo
Métodos de
análisis
Causales o Cualitativos o
Explicativos Estimativos
Métodos cualitativos o estimativos.
■ Cuando no se cuenta con datos históricos, aún incluso cuando existen,
pueden no ser representativos de las condiciones futuras. Algunas de
las pruebas que pueden llevarse a cabo son estimados de la forma en
que piensan las personas, muestreo de sus reacciones en las pruebas
de mercado, el conocimiento del comportamiento del consumidor y
analogías similares.
■ No es posible crear datos que no existe. Los métodos cualitativos
tienen una importancia considerable porque establecen las bases
para la toma de decisiones.
■ Los métodos más utilizados son: El Método Delphi, Investigaciones de
mercado, Análisis de analogías históricas y ciclos de vida, Pronósticos
basados en escenarios.
Métodos Causales o Explicativos
Yˆ b0 b1 X
Donde:
b0 : Intercepto
b1 : Pendiente de la
recta
XY Xn Y
b0 Y b 1 X
X
b1 X 2
2
n
Ejemplo
• En la siguiente tabla se
presentan las ventas
automotrices para Arthur
Momitor durante los últimos
doce meses, estime su
ecuación de regresión.
Exactitud del pronóstico
Venta de motonieves para Error del Pronóstico
Arthur Momitor EP Valor real - pronóstico
90
80
Error Absoluto Medio
70
EAM prom EP
60
50
Error PorcentualAbsoluto Medio
EPAM promEPA100
40
30
20
y = -0.181x + 60.18
R² = 0.002 Error PorcentualAbsoluto
10
EP
0
EPA 100
0 2 4 6 8 10 12 14
Valor real
y = -0.181x + 60.18
• Exactitud del pronóstico
Error de valor Error porcentual del
Ventas pronostico absoluto pronóstico valor absoluto del
Mes (US$100) Pronostico error porcentual
(EP) del EP (EP/Vreal)
1 Enero 51
2 Febrero 81
3 Marzo 47
4 Abril 65
5 Mayo 50
6 Junio 73
7 Julio 45
8 Agosto 60
9 Septiembre 50
10 Octubre 79
11 Noviembre 45
12 Diciembre 62
• Exactitud del pronóstico
1 Enero 51
2 Febrero 81 59.8
3 Marzo 47 59.6
4 Abril 65 59.5
5 Mayo 50 59.3
6 Junio 73 59.1
7 Julio 45 58.9
8 Agosto 60 58.7
9 Septiembre 50 58.6
10 Octubre 79 58.4
11 Noviembre 45 58.2
12 Diciembre 62 58.0
• Exactitud del pronóstico
1 Enero 51
2 Febrero 81 59.8 21.18
3 Marzo 47 59.6 -12.64
4 Abril 65 59.5 5.54
5 Mayo 50 59.3 -9.28
6 Junio 73 59.1 13.91
7 Julio 45 58.9 -13.91
8 Agosto 60 58.7 1.27
9 Septiembre 50 58.6 -8.55
10 Octubre 79 58.4 20.63
11 Noviembre 45 58.2 -13.19
12 Diciembre 62 58.0 3.99
• Exactitud del pronóstico
1 Enero 51
2 Febrero 81 59.8 21.18 21.18
3 Marzo 47 59.6 -12.64 12.64
4 Abril 65 59.5 5.54 5.54
5 Mayo 50 59.3 -9.28 9.28
6 Junio 73 59.1 13.91 13.91
7 Julio 45 58.9 -13.91 13.91
8 Agosto 60 58.7 1.27 1.27
9 Septiembre 50 58.6 -8.55 8.55
10 Octubre 79 58.4 20.63 20.63
11 Noviembre 45 58.2 -13.19 13.19
12 Diciembre 62 58.0 3.99 3.99
• Exactitud del pronóstico
1 Enero 51
2 Febrero 81 59.8 21.18 21.18 26.15%
3 Marzo 47 59.6 -12.64 12.64 -26.89%
4 Abril 65 59.5 5.54 5.54 8.53%
5 Mayo 50 59.3 -9.28 9.28 -18.55%
6 Junio 73 59.1 13.91 13.91 19.05%
7 Julio 45 58.9 -13.91 13.91 -30.92%
8 Agosto 60 58.7 1.27 1.27 2.11%
9 Septiembre 50 58.6 -8.55 8.55 -17.10%
10 Octubre 79 58.4 20.63 20.63 26.11%
11 Noviembre 45 58.2 -13.19 13.19 -29.31%
12 Diciembre 62 58.0 3.99 3.99 6.44%
• Exactitud del pronóstico
1 Enero 51
2 Febrero 81 59.8 21.18 21.18 26.15% 26.15%
3 Marzo 47 59.6 -12.64 12.64 -26.89% 26.89%
4 Abril 65 59.5 5.54 5.54 8.53% 8.53%
5 Mayo 50 59.3 -9.28 9.28 -18.55% 18.55%
6 Junio 73 59.1 13.91 13.91 19.05% 19.05%
7 Julio 45 58.9 -13.91 13.91 -30.92% 30.92%
8 Agosto 60 58.7 1.27 1.27 2.11% 2.11%
9 Septiembre 50 58.6 -8.55 8.55 -17.10% 17.10%
10 Octubre 79 58.4 20.63 20.63 26.11% 26.11%
11 Noviembre 45 58.2 -13.19 13.19 -29.31% 29.31%
12 Diciembre 62 58.0 3.99 3.99 6.44% 6.44%
• Exactitud del pronóstico
Error de valor absoluto de Error porcentual valor absoluto del
V real Pronostico l
pronostico (EP) EP del pronóstico error porcentual
(EP/Vreal)
1 Enero 51
2 Febrero 81 59.8 21.18 21.18 26.15% 26.15%
3 Marzo 47 59.6 -12.64 12.64 -26.89% 26.89%
4 Abril 65 59.5 5.54 5.54 8.53% 8.53%
5 Mayo 50 59.3 -9.28 9.28 -18.55% 18.55%
6 Junio 73 59.1 13.91 13.91 19.05% 19.05%
7 Julio 58.9
45 -13.91 13.91 -30.92% 30.92%
8 Agosto
60 58.7 1.27 1.27 2.11% 2.11%
9 Septiembre
50 58.6 -8.55 8.55 -17.10% 17.10%
10 Octubre
79 58.4 20.63 20.63 26.11% 26.11%
Noviembre
11 45 58.2 -13.19 13.19 -29.31% 29.31%
Diciembre
12 62 58.0 3.99 3.99 6.44% 6.44%
11.28 19.20%
Métodos Extrapolativos o de series
de tiempo.
Es un método
Pronosticar los adecuado de
valores de datos pronóstico cuando en
del siguiente
los datos no está
periodo de la serie presente la influencia
de tiempo, pero no de una tendencia,
los de datos de cíclica o estacional,
periodos más situación por demás
distantes a futuro. improbable.
Ventas de Gasolina
∑
23
Y t 22
F t+1 =
T 21
20
19
Media =19.25
18
17
16
15
14
1 2 3 4 5 6 7 8 9 10 11 12
Semana
20 Accuracy Measures
MAPE 14.3566
MAD 2.6667
18 MSD 10.2222
16
14
12
1 2 3 4 5 6 7 8 9 10 11 12 13
Index
Gráficos de los Promedios Móviles(5)
Moving Average Plot for Ventas
25.0 Variable
Actual
Fits
Forecasts
22.5 95.0% PI
Moving Average
Length 5
Accuracy Measures
20.0
MAPE 13.3485
MAD 2.4000
MSD 7.4057
17.5
15.0
1 2 3 4 5 6 7 8 9 10 11 12 13
Index