Infografía: Serie de tiempo

y = f(t)
Una serie de tiempo es una El propósito principal de analizar
secuencia de datos tomados de una serie de tiempo es obtener
una variable en determinados
pronósticos o predicciones
momentos y ordenados
que apoyen la toma de decisión
cronológicamente (diario,
ante la incertidumbre futura.
mensual, trimestral, anual, etc.)

Tipos de series Balance mensual (miles de soles)

Octubre de 2018 a Setiembre de 2020
Serie estacionaria 360
340

Balance
320
La media y la variabilidad se 300
mantienen constantes a lo 280

largo del tiempo. 260

Jun-20
Jun-19
Dic-18

Dic-19
Oct-18

Feb-19

Oct-19

Feb-20
Abr-19

Abr-20
Ago-19

Ago-20
Mes

Afluencia mensual de pasajeros (miles)

80 I Trimestre de 2017 a II Trimestre de 2020
Afluencia de pasajeros (miles)

Serie no estacionaria 60
40
La media y/o variabilidad no 20
se mantienen constantes a lo 0
2017 - IV

2018 - II

2018 - IV

2019 - IV
2017 - I
2017 - II

2018 - I

2019 - I
2019 - II

2020 - I
2020 - II
2019 - III
2017 - III

2018 - III

largo del tiempo.

Trimestre

Serie estacionaria
Método de pronóstico: Suavización exponencial Simple

Modelo: Y෠ t+1 = αYt + 1 − α Y෠ t , donde Y෠ 1 = Y1

Error de pronóstico: et = Yt − Y෠ t
Indicadores de medición del error: CEF, DAM y PEMA
Procedimiento para realizar pronósticos en una
serie de tiempo estacionaria

1 Identificar el tipo de serie y/o componentes

Usando la gráfica de la serie, identificar si la serie

es estacionaria o no.

Aplicar una técnica estadística para obtener

2 pronósticos de una serie estacionaria.

Métodos: Suavización exponencial simple,

promedios móviles, modelo Arima, etc.

3 Evaluación de la idoneidad del pronóstico

Se seleccionarán los pronósticos de aquellas

constantes de suavización cuya señal de rastreo
estén dentro de los límites admisibles [-2;2].

4 Escoger el mejor modelo de pronóstico

Se escogerá aquel modelo de pronóstico que tenga

menor valor PEMA.