Escolar Documentos
Profissional Documentos
Cultura Documentos
Fecha
10/04/2015
Una serie de tiempo, es el conjunto de datos para una variable de inters observados
en periodos de tiempo diferentes, generalmente secuenciales y a intervalos
equidistantes que reflejan los cambios que ocurrieron en un mismo acontecimiento o
para un determinado caso. Tambin pueden ser los datos para una misma unidad de
estudio en tiempos secuenciales. Por tanto, una serie puede ser mensual, bimestral,
trimestral o para otro perodo de tiempo. Los datos mensuales para el nmero de
casos IRA producidos en los aos de 2007 al 2011 es una serie de tiempo.
En el anlisis de una serie de tiempo para una variable, el comportamiento de los
datos pasados permitirn proyectar el comportamiento de los datos futuros, por esta
razn, se dice que los datos pasados son la memoria para realizar el anlisis de una
serie de tiempo.
C. A .Llun V.
Variable
Serie pronosticada
Serie de Tiempo
Periodo de tiempo
de pronstico
t = tn
t = t0
t = t nm
Tiempo
Los datos para una serie de tiempo son registrados de la manera que se muestra a
continuacin,
donde
t1
t2
tn
t1 1, t2 2, ... ,
C. A. Llun V.
tn n
yt
1.2.
y1
y2
...
yn 1
yn
n 1
Los datos de una serie de tiempo son presentados en tablas, de forma cruzada para
presentacin o para comparacin entre aos y de forma vertical para el ploteo o para
el anlisis.
En la tabla No 01 se da una serie dispuesta en forma cruzada.
Tabla No 01
Nmero mensual de servicios de limpieza ( yt ) realizados por la empresa de
limpieza CLEAR Perodo 2006-2011
Mes \ Ao
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
2006
13
41
11
18
10
65
41
46
18
33
63
52
2007
27
68
25
51
19
18
49
29
26
36
43
48
2008
15
28
17
63
25
47
24
38
18
67
32
66
2009
45
34
32
31
63
12
60
57
26
40
30
37
2010
65
45
47
33
35
51
41
54
27
15
55
54
2011
44
65
27
60
68
35
63
28
54
39
65
43
C. Llun V.
Tabla No 02
Nmero mensual de servicios de limpieza ( yt ) realizados por la empresa de
limpieza CLEAR Perodo 2006-2011
Mes \Ao
yt
Mes \Ao
yt
Mes \Ao
yt
Enero_2006
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Enero_2007
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
13
41
11
18
10
65
41
46
18
33
63
52
27
68
25
51
19
18
49
29
26
36
43
48
Enero_2008
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Enero_2009
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
27
68
25
51
19
18
49
29
26
36
43
66
27
68
25
51
19
18
49
29
26
36
43
37
Enero_2008
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Enero_2009
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
44
65
27
60
68
35
63
28
54
39
65
54
44
65
27
60
68
35
63
28
54
39
65
43
C. A. Llun V.
1.3.
Previo al anlisis de una serie de tiempo ( yt ) hay que graficarla ya que as se podr
determinar los movimientos o patrones que est siguiendo: la estacionariedad de la
serie, los datos outliers, los cambios bruscos de direccin, etc. El grfico para los
datos de la serie de la tabla No 03 se da abajo de esta:
Tabla No 03
Nmero de artculos vendidos trimestralmente durante 3 aos.
Ao
Trimestre
2009
2010
2011
I
50
90
120
II
160
220
290
III
110
90
230
IV
87
130
180
1.4.
Una serie de tiempo ( yt ) est regida por cuatro patrones o movimientos que rigen
su evolucin futura, ellos son: el movimiento tendencial, el movimiento estacional,
el movimiento cclico y el movimiento irregular.
El movimiento tendencial, muestra el comportamiento de la serie cuando la variable
por la influencia de ciertos factores tiende a crecer o decrecer lineal o no linealmente
C. Llun V.
en el tiempo. Por ejemplo, el nmero de ventas de cajas de cerveza que realiza una
distribuidora tendr una tendencia que estar sujeta a como funcione la estrategia del
marketing que para la distribuidora se realice.
El grfico No 01 muestra una tendencia lineal creciente para una serie trimestral.
C. A. Llun V.
1.5.
Como se mostr en 1.2, en una serie de tiempo, los cambios en los datos pueden
estar afectados por factores que hacen que la serie resultante pueda tener por lo
menos uno de los cuatro patrones o movimientos subyacentes siguientes: El
movimiento tendencial (Tt ) , el movimiento estacional ( Et ) , el movimiento cclico
yt Tt Et Ct I t
Modelo Multiplicativo: Si la varianza anual no es estable (voltil o creciente)
para todos los aos de observacin.
yt Tt * Et * Ct * I t
Otros modelos que se pueden derivar para los datos son:
Si la serie est afectada solo por la tendencia y la irregularidad.
yt Tt I t
Si la serie est afectada por la estacionalidad, la tendencia y la irregularidad.
yt Tt Et I t
Si la serie est afectada de forma multiplicativa por la estacionalidad y la
tendencia y de forma aditiva por la irregularidad.
yt Tt * Et I t
A fin de estabilizar la varianza en el modelo multiplicativo este puede ser
transformado a la forma de modelo logartmico.
ln yt ln Tt ln Et ln Ct ln I t
donde:
Tt : Componente tendencial
C. A. Llun V.
Et : Componente estacional
Ct : Componente cclica
I t : Componente irregular
1.6.
Una serie de datos supuesta que no est afectada por los movimientos a travs del
tiempo tendr la forma del grfico siguiente:
En una serie de este tipo, los datos a travs del tiempo son constantes y no estn
afectos a ningn factor. La variabilidad en la variable ser cero. As por ejemplo, si
la variable en observacin es el nmero de casos IRA producidos en los aos de
2006 al 2011, esto implicar que, durante los aos dados, el nmero de casos fue el
mismo en todos los meses de todos los aos observados.
1.7.
Una serie ser estacionaria en media pero no en varianza, cuando las medias anuales
son estadsticamente iguales y las varianzas anuales muestran variabilidad creciente
o decreciente (estabilidad no constante). La serie siguiente muestra este
comportamiento.
Tabla No 04
Ganancia promedio diaria obtenida por un comerciante ambulante
Mes/Ao
2008
2009
2010
2011
1
52.79
50.10
39.95
34.95
2
49.84
46.70
63.42
30.73
3
40.99
37.36
29.21
18.86
C. Llun V.
10
4
5
6
7
8
9
10
11
12
Promedio
Varianza
1.8.
61.19
38.47
53.59
60.40
47.36
72.21
50.82
50.82
38.01
51.37
99.18
65.69
54.99
56.90
50.76
50.12
62.69
44.35
50.10
33.60
50.28
86.46
63.46
51.13
40.67
55.38
32.93
51.46
48.47
48.28
61.04
48.78
128.61
37.45
33.23
48.31
45.34
66.95
42.23
56.66
40.85
40.14
41.31
154.34
ESTABILIDAD DE LA VARIANZA
8
9
10
11
12
Promedio
Varianza
3.86
4.28
3.93
3.93
3.64
3.92
0.0368
11
3.91
4.14
3.79
3.91
3.51
3.90
0.0375
3.49
3.94
3.88
3.88
4.11
3.86
0.0628
4.20
3.74
4.04
3.71
3.69
3.68
0.1029
Tabla No 06
Media y varianza para el ln yt de la ganancia promedio
diaria obtenida por un comerciante ambulante
Ao
Promedio
Varianza
2008
3.92
0.0368
2009
3.90
0.0375
2010
3.86
0.0628
2011
3.68
0.1029
1.9.
yt Et * Tt * I t
C. Llun V.
12
wt
yt
Tt * I t los Et son los ndices estacionales
Et
Indice Estacional, es un valor relativo que se calcula dividiendo el ndice
para un determinado mes y ao de observacin respecto del promedio de
los ndices para dicho mes durante todos los aos de observacin. Se usa
como un indicador del cambio relativo o variacin mensual a travs de los
aos de observacin.
Uno de los varios procedimientos que existen se explica a continuacin para una
serie mensual.
Tabla No 07
Nmero de comerciantes ambulantes en las calles en una ciudad
Mes/Ao
2005 2006 2007 2008 2009 2010 2011
Enero
36
73
106 103 129 186
165
Febrero
60
62
87
130 184 143
173
Marzo
23
69
131 105 155 199
213
Abril
56
61
87
113 133 159
209
Mayo
90
150 160 190 230 255
270
Junio
37
106 112 130 189 194
212
Julio
34
96
118 164 192 180
185
Agosto
45
89
116 160 177 162
205
Septiembre
61
100 151 106 164 169
246
Octubre
80
121 135 164 180 179
237
Noviembre
71
95
120 121 188 158
217
Diciembre
74
114 148 126 167 208
245
C. A. Llun V.
13
y2005
36 60 23 56 90 37 34+45 61 80 71 74
55.58
12
14
y1
36
y
60
y
74
0.65 , 2
1.08 ,, 12
1.33
55.8 55.58
55.8 55.58
55.58 55.58
Observe que para este ao se ha tomado como denominador el promedio anual
que es de 55.58 el cual represent al 100% del comportamiento promedio para
el ao 2005. Las variaciones mensuales respecto del promedio anual fueron,
para Enero del 35% menos, para Febrero del 23% menos y as sucesivamente.
El 35% representar un equivalente de 55.58-36=19.5820 comerciantes
menos. que el promedio anual.
Para los aos siguientes se razona de la misma manera.
3) Se calculan los ndices estacionales, los cuales son, el promedio de los ndices
mensuales para el nmero de aos considerado en el perodo de estudio de la
serie.
I ENERO
I FEBRERO
I DICIEMBRE
Promedio
15
12.00
wt
yt
Tt * I t
Et
t 1, 2,..., n
Tabla No 09
Nmero de comerciantes ambulantes en las calles en una ciudad sin el efecto de
la estacionalidad.
Mes/Ao
2005
2006
2007
2008
2009
2010
2011
Enero
45.18 91.61 133.02 129.25 161.88 233.41 207.05
Febrero
69.33 71.64 100.53 150.22 212.62 165.24 199.91
Marzo
26.99 80.97 153.73 123.22 181.89 233.53 249.96
Abril
67.46 73.48 104.80 136.13 160.22 191.54 251.77
Mayo
63.65 106.08 113.15 134.36 162.65 180.33 190.94
Junio
38.08 109.08 115.26 133.78 194.49 199.64 218.16
Julio
35.21 99.41 122.20 169.83 198.83 186.40 191.58
Agosto
46.70 92.35 120.37 166.03 183.67 168.10 212.72
Septiembre
59.41 97.39 147.05 103.23 159.71 164.58 239.57
Octubre
68.65 103.83 115.84 140.73 154.46 153.60 203.37
Noviembre
69.84 93.45 118.04 119.02 184.92 155.41 213.45
Diciembre
65.40 100.76 130.81 111.36 147.60 183.83 216.54
Mediante los datos de la serie desestacionalizada y los datos originales de la serie se
podr estimar la cantidad del efecto estacional. Los dos casos siguientes explican
este caso:
y1 w1 36 45.18 9.18
Enero:
Febrero:
y2 w2 60 45.18 14.82
C. Llun V.
16
wt Tt * I t
se puede retirar el efecto de la tendencia procediendo como sigue:
1) En primer lugar, se debe ajustar a la serie un modelo de regresin en funcin al
tiempo, escogiendo el modelo segn el patrn que muestre la nube de
dispersin.
Uno de los modelos utilizados para estos casos es el modelo polinomial cuya
frmula es la siguiente:
Tt 0 1 t 2 t 2 1 t 3 ... p t p et
t 1, 2,..., n
C. A. Llun V.
17
Grfico No 12. Modelo polinomial para k=1,2,3 ajustados a una serie de tiempo
2)
3) Por ltimo, cada uno de los datos de la serie deben ser divididos sobre los
valores ajustados a fin de quitar el efecto de la tendencia, tal como sigue,
zt
wt
It
Tt
C. Llun V.
18
realizando el clculo zt
wt
I t t 1, 2,...,84
Tt
C. A. Llun V.
19
Ejercicios
1) Para la serie que se da en la siguiente tabla:
Trimestre/Ao
I
II
III
IV
a)
b)
c)
d)
2005
45.04
37.44
53.68
30.17
2006
46.94
39.42
57.16
32.38
2007
50.94
43.13
63.14
35.94
2008
57.06
48.57
71.62
40.84
2009
65.28
55.73
82.59
47.08
2010
75.62
64.62
96.06
54.67
2011
88.08
75.24
112.02
63.60
2011
86.06
C. Llun V.
20
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
48.95
39.35
52.61
34.42
38.05
40.24
41.91
33.35
39.71
37.41
33.33
57.48
45.97
27.23
37.09
25.54
46.91
54.17
41.97
61.39
24.05
58.37
49.38
37.64
64.23
75.17
56.63
62.35
49.91
55.17
57.92
72.03
75.39
81.16
72.83
63.40
77.27
76.50
75.32
91.74
73.54
107.55
89.15
82.30
120.15
102.31
103.94
99.17
105.01
101.00
128.69
124.99
115.44
118.49
109.87
2007
33.79
50.07
40.29
53.49
35.67
39.41
41.39
42.58
34.28
40.50
38.39
34.29
2008
48.70
58.60
46.91
28.11
38.34
26.90
48.06
54.84
42.90
62.18
25.03
59.33
2009
41.83
50.50
38.58
65.11
76.42
57.99
63.50
50.58
56.10
58.71
73.01
76.35
2010
75.52
82.28
73.77
64.28
78.52
77.86
76.47
92.41
74.47
108.34
90.13
83.26
2011
87.03
121.27
103.25
104.82
100.42
106.37
102.15
129.36
125.92
116.23
119.47
110.83
2007
31.83
54.82
36.99
46.29
43.02
51.75
46.28
28.08
31.02
31.37
36.66
2008
46.29
64.38
43.21
23.97
46.36
34.74
53.95
36.29
39.03
48.49
23.57
2009
39.64
55.31
35.38
56.53
93.96
77.01
71.71
33.44
51.31
45.75
70.59
2010
72.32
90.90
68.46
55.79
96.58
104.04
86.62
61.46
68.40
84.97
87.36
2011
83.48
134.57
96.17
91.46
123.96
142.81
116.15
86.22
116.24
91.20
116.13
21
2007
51.00
58.42
51.60
48.30
68.23
46.77
37.93
48.87
44.52
54.26
49.50
60.55
2008
47.56
26.19
49.83
44.26
67.14
52.68
47.03
34.00
50.98
41.60
42.17
45.68
2009
41.46
51.36
33.67
48.41
64.53
48.93
47.79
35.04
55.00
34.26
57.03
51.34
2010
55.19
45.94
39.56
35.53
71.03
58.41
47.52
50.97
34.06
57.79
42.18
42.60
2011
33.95
48.25
43.23
52.64
69.36
45.73
43.54
53.04
37.12
63.04
44.37
56.50
C. Llun V.