You are on page 1of 13

Unidad 3. Análisis de serie de tiempo.

3.1 Componentes de una serie de tiempo.
Se le llama serie de tiempo a cualquier sucesión de observaciones de un fenómeno que es
variable con respecto al tiempo. Se puede definir también como un conjunto de datos
cuantitativos registrados durante un cierto periodo regular o intervalo de tiempo, por lo general
semanas, trimestres o años.
En muchas áreas del conocimiento las observaciones de interés son obtenidas en instantes
sucesivos del tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales, trimestrales,
semestrales o bien registradas por algún equipo en forma continua.
Componentes de una serie de tiempo:
Los estadísticos frecuentemente piensan en una serie de tiempo como la adición de cuatro
componentes de la serie:
1.- Tendencia a largo plazo o secular.
Es una componente de una serie de tiempo y es el movimiento alisado de una serie durante un
largo periodo e intervienen factores que no llegan a producir un cambio gradual y estable sobre el
tiempo como por ejemplo: Crecimiento constante en la población, el producto nacional bruto, el
efecto de la competencia, tendencia de ventas, producción, exportación, precios de valores y otros
similares.

2.- Efecto o variación cíclica
La variación cíclica es otra componente de una serie de tiempo aparece cuando la serie sube y baja
suavemente, a manera de ondas siguiendo la curva de la tendencia a largo plazo ejemplo: tasa de
desempleo, cambios en la demanda de un producto, ciclos de los negocios, acumulación de bienes
y particularmente la incapacidad de la oferta para satisfacer exactamente los requerimientos de la
demanda de los consumidores.

Efecto estacional Los efectos estacionales son aquellas altas y bajas que ocurren en un tiempo particular del año. 4. Oct. Por ejemplo los eventos políticos. las ventas de autos del año tienden a disminuir en Sep. Por la promoción de los nuevos modelos.) que tienden a causar cambios inesperados en una serie de tiempo. el clima o como la amalgama de muchas acciones humanas (guerras. Esta componente representa los movimientos ascendentes y descendentes de la serie después de haber ajustado la tendencia a largo plazo. las ventas de TV tienden aumentar en diciembre. y Nov. etc..3. Por ejemplo. Son aquellos inexplicables cambios sacudidas de la serie sobre un periodo corto de tiempo. ventas de ropa de temporada.Variación aleatoria o variación irregular. huelgas etc. ..

esta última variable como es el mismo espacio de tiempo se emplea una escala dependiendo si el número de periodos de tiempo es par o es non. ) si es lo contrario o sea non se emplea la escala ( .1. la ecuación que describe su crecimiento es : Y’ = a + bx como se analizó anteriormente.0. además una serie de tiempo puede contener todas o ninguna de las otras tres componentes..-3.2 Método de mínimos cuadrados. producción.2…) .-1.Toda serie de tiempo contiene variación aleatoria. Sí es así. Y la diferencia entre los efectos cíclicos y los estacionales es que los segundos se pueden predecir y ocurren a un intervalo de tiempo fijo de la última ocurrencia mientras que los efectos cíclicos son completamente impredecibles.2.5 . y para hacer este tipo de gráficas en serie de tiempo. exportaciones. con frecuencia se aproximan a una línea recta. La tendencia a largo plazo de la mayoría de los negocios (industriales y comerciales). si es par el número de datos se emplea la escala ( …-5. 1.-1. 3.3. como ventas.

b) Determine la ecuación de la recta de tendencia lineal. por una industria desde 1999 se presentan a continuación: a) Grafique los datos de la producción.Los datos sobre la producción anual de sillas de mecedoras de tamaño regio producidas en miles. c) Con base a esta recta cual deberá de ser la producción para 2008. ya que esta recta nos permite pronosticar de una manera más exacta. .Y se hace el mismo procedimiento que se hacía en regresión y correlación lineal para la obtención de la ecuación de correlación.. de acuerdo al comportamiento en el periodo y en la series de tiempo. Ejercicio: 1.

c) Pronosticar las ventas para el año 2006 . b) Haga la gráfica de la serie de tiempo.Las ventas de una pequeña cadena de tiendas de comestibles desde 2000 son en millones de pesos: a) Utilizar el método de mínimos cuadrados para ajustar una recta de tendencia.2..

1 33.5 43.8 a) Utilizar el método de mínimos cuadrados para ajustar una recta de tendencia.5 38.3.7 41.. para cada uno de los años registrados.0 44.0 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 36.La tabla muestra la media mensual de producción de carbón en millones de toneladas en Estados Unidos durante los años 1948-1958. Año Producción media Millones de toneladas 1948 50. c) Considerando la ecuación de la tendencia.1 32. b) Haga la gráfica de la serie de tiempo. obtener los valores de tendencia.6 38. .7 41.9 38.

Al tiempo t del promedio móvil ̅ de las observaciones de la serie sobre M periodos de tiempo se emplea la formula: Donde M es un número impar y yt es la observación del proceso en el tiempo t . El siguiente punto de la serie se obtendría añadiendo al total de los cuatro meses las ventas del siguiente mes en la serie. Año 1999 2000 2001 2002 2003 2004 .. yt-1 es la observación del proceso al tiempo t-1. La cual consiste en obtener el promedio sobre un número fijo de periodos de tiempo. Entonces la serie de tiempo de los promedios móviles presenta un punto por cada mes que es el promedio de las observaciones calculado para un periodo de especifico de tiempo antes y después del mes en cuestión.3. El efecto neto es transformar la serie original en la serie de promedios móviles que resulte más suave (menos sujeta a oscilaciones rápidas) y más susceptible de revelar las subyacentes tendencias o ciclos en el patrón de ventas sobre el tiempo. Los métodos de suavizamiento se pueden emplear algunas veces para revelar las componentes subyacentes en la serie de tiempo al cancelar los efectos de la variación aleatoria. Ejercicios. Grafique los datos originales y los del promedio móvil. y así sucesivamente . y calculando un nuevo promedio de cuatro meses. desechando las ventas correspondientes al primer mes de los cuatro previos.Calcule el promedio móvil de tres años para la siguiente serie de producción. Ejemplo si los promedios móviles se calculan sobre intervalos de tres periodos ( M = 3 ) los primeros promedios móviles son: y así sucesivamente. METODOS DE SUAVIZAMIENTO. Una de las técnicas de suavizamiento más importantes están: Promedio Móvil. Así pueden promediarse las ventas mensuales de una compañía sobre un periodo de cuatro meses y graficar el promedio en el punto medio del intervalo de cuatro meses. 1.3 Método de promedios móviles.

Producción Año 1999 2000 2001 2002 2003 2004 2 6 Producción 2 6 4 5 3 10 4 5 3 10 Total móvil 3 años Promedio móvil 3 años 12 15 12 18 4 5 4 6 .

2 694.8 736.5 Mayo 705. Calcular los promedios móviles de orden 3 y 5.1 740.7 Junio 712.3 701.8 720 718.6 726.Se tienen registrados los datos del precio del dólar observado los días miércoles de los meses de enero a junio año 2003. Grafique los datos originales y los del promedio móvil.2 755.3 Marzo 752.8 754. Mes Enero Precio 713.3 Abril 729.1 Total móvil 3 años Promedio móvil 3 años Total móvil 5 años Promedio móvil 5 años .7 716.4 706 Julio 703.4 712.2.2 713 717.9 743.5 728.2 713.1 Febrero 738.6 737..

La observación suavizada exponencialmente en el tiempo t se denota por S t.3 2 6 4 5 3 10 .Calcule la suavización exponencial para la siguiente serie de producción considerando  Grafique los datos originales y los suavizados. Ejercicios. Resulta más eficiente que el anterior ya que produce un valor suavizado correspondiente a cada observación original. Se comienza el esquema de suavizamiento asignando S1 = y1 en el primer periodo de tiempo.. 1.4 Métodos de suavización exponencial.3. Para el segundo periodo de tiempo : Y para calcular el periodo subsecuente de tiempo St se encuentra calculando: a esta ecuación se le llama ecuación básica de suavizamiento exponencial y a la constante α se le llama constante de suavizamiento. Año 1999 2000 2001 2002 2003 2004 Producción 2 6 4 5 3 10 Año 2000 2001 2002 2003 2004 1999 Suavizacion exponencial Produccion α = 0.

49 724.36 707.93 736.39 736.96 736.64 723.24 737.23 712.41 718.00 740.57 739.Se tienen registrados los datos del precio del dólar observado los días miércoles de los meses de enero a junio año 2003.8 723.24 727.46 711.39 755.28 710.5 728.00 709.93 712.16 732.96 718.89 711.7 736. Calcule la suavización exponencial considerando  y grafique los datos originales y los suavizados.77 739.60 708.10 710.58 743.49 740.26 744.33 718.18 710.11 709.23 710.5 713.28 717.46 711.30 701.55 735.79 729.47 710.43 703.19 715.96 710.30 713.33 754.3 740.36 727.2.60 735.89 723.65 713.5 744.00 744.76 713 741.45 747.6 713.40 713.4 736.40 712.54 744.1 717.16 713.36 743.16 752.57 712.10 710.64 723.7 744.79 711.96 705.1 731.99 711.65 713.28 726.77 731.16 719.1 723.3 727.8 731.58 713.20 734.2 744.00 713.2 719.73 709.16 727.47 741.3 734.39 718.99 711.89 740.26 707..9 715.16 713.19 723.6 713.56 716.20 738.2 747.93 717.28 710.45 728.18 720 740.54 743.8 732.2 739.99 731.93 731.36 727.3 α = 0.39 727.76 711.96 694.89 .41 718.56 724.4 α = 0.73 731.11 728. Registros 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Mes Enero Febrero Marzo Abril Mayo Junio Julio Suavizacion Suavizacion Precio exponencial exponencial 713.96 706 739.

esto podrá seleccionarse en el Excel una vez que se tenga el diagrama de dispersión de los datos.5 Tendencias no lineales Si el gráfico sugiere que la tendencia puede ser de un tipo no lineal. a una curva exponencial. Por ejemplo. x una variable independiente y x2 otra variable independiente. logarítmica u otra. este modelo debe ser considerado como una regresión múltiple en el que y es la variable dependiente. existen varias alternativas de ajuste. . Una función polinómica de segundo grado es de la forma: ̅ Para el tratamiento con un paquete estadístico. puede tratarse de una forma similar a un polinomio de segundo grado.3.

mediante Excel.Ejercicio: Los valores hipotéticos del Ingreso Anual de una importante empresa de producción y venta de bebidas gaseosas. considerando tendencia polinómica. en los últimos 20 años se presentan en la siguiente tabla. . encontrar la ecuación de regresión así como el gráfico correspondiente.