SERIES DE TIEMPO N = 1 CONSIDERACIONES TERICAS. Prof. FRANCISCO CABRAL. PROPIEDADES. SERIES DE TIEMPO.

Una serie de tiempo, es un conjunto de observaciones hechas en momentos determinados normalmente a intervalos iguales. La tcnica de series de tiempo tiene aplicaciones tiles a problemas psicolgicos. Entendindose esto, como el estudio de la conducta en funcin de las condiciones ambientales. Matemticamente, una serie de tiempo se define por los valores X1+X2+.Xn de una variable X (referida a respuestas, valores obtenidos en un test, etc.) en los momentos T1+T2+..Tn; as X es una funcin del tiempo simbolizado por: X = f (t) REPRESENTACIN. Una serie de tiempo que abarca la variable X, se representa construyendo una grfica de X y t, como se muestra a continuacin: Respuestas (y)

Tiempo ( X )

Figura Las series de tiempo nos ayudan en el anlisis experimental de la conducta, que tiene como fin, predecir, y modificar dicha conducta. Ya que es imposible analizarla en su totalidad, sta se fragmenta en respuestas y sus condiciones ambientales en estmulos, dados en un lapso de tiempo en sucesivas apariciones; fciles de medir, predecibles y manipulables. A todo esto es posible formular una hiptesis, la cual se verifica mediante la experimentacin; el control experimental nos permite saber si manejamos correctamente nuestras variables que nos dan seguridad sobre los cambios producidos por la manipulacin experimental. La experimentacin arroja datos numricos susceptibles de ser analizados mediante la estadstica inferencial. El patrn o el comportamiento de los datos en una serie de tiempo, es decir, los movimientos caractersticos pueden clasificarse en cuatro tiempos principales, llamados a menudo componentes de una serie:

A) Componentes de Tendencia o Movimiento Secular. Se refiere a la direccin general a la que el grfico de una serie parece dirigirse en un intervalo grande de tiempo, el cual se indica por una curva de tendencia que aparece a trazos. En otras series una recta de tendencia puede ser apropiada. En el anlisis de las series de tiempo se pueden realizar mediciones cada hora, da, semana, mes o cualquier otro intervalo peridico. Los desplazamientos o movimientos graduales hacia valores ms elevados o ms reducidos, se le conoce como Tendencia. Por lo general resultado de factores a largo plazo, como modificaciones de la conducta en la poblacin, sus caractersticas demogrficas y sus actitudes. Por ejemplo un investigador puede observar mes con mes una variacin sustancial en el nmero de respuestas de un sujeto u objeto, sin embargo al revisar las respuestas dadas por estos en un lapso de 10 a 15 aos, el investigador puede notar la existencia de un incremento gradual en el nmero de respuestas anuales. Las siguientes figuras muestran una lnea recta, que pudiera ser una buena aproximacin de la tendencia en las respuestas dadas. Aunque la tendencia de las respuestas parece lineal y creciente a lo largo del tiempo se puede presentar varios tipos de patrones.

a)

Tendencia Lineal Creciente

b) Tendencia Lineal Declinante

c) Tendencia No Lineal. Figuras

d) Sin tendencia.

B) Componente o Movimiento Cclico. Se refiere a las oscilaciones de larga duracin alrededor de la recta o curva de tendencia, las cuales pueden ser o no peridicas. Aunque en las series de tiempo todos los valores futuros de la serie no caen exactamente sobre una lnea recta de tendencia, estos a veces muestran secuencias alternas de puntos encima y debajo de la lnea de tendencia, a sta manifestacin se le llama componente cclico de la serie. Debido a movimientos cclicos del comportamiento.

Por ejemplo: perodos de una moderada crisis emocional, seguida por periodos de repetidas crisis.

figura Los ciclos quedan indicados por las observaciones por encima y por debajo de la lnea de tendencia.

C) Componente o Movimiento Estacional. En ocasiones las series de tiempo muestran un patrn regular en periodos de tiempo. Por ejemplo se esperara que un adolescente en su comportamiento fuese ms rebelde que al llegar a la edad adulta. Este componente de la serie que representa la variabilidad de los datos debida a la influencia temporal se conoce como: componente estacional. Por ejemplo: los datos de volumen de stress diario muestran un comportamiento estacional a lo largo del da, con niveles altos durante las horas pico de trnsito, flujo moderado durante el resto del da y muy ligero stress a la media noche hasta principio de la madrugada.

Figura. D) Componente o Movimiento Irregular. Se refieren a movimientos espordicos de las series de tiempo debidas a sucesos ocasionales como: das festivos, vacaciones, paros etc. Tales sucesos producen variaciones que duran un corto intervalo de tiempo. Este componente representa la variabilidad aleatoria de la serie, por tanto resulta impredecible; por tanto no podemos intentar predecir su impacto sobre la serie.

Figura. DIFERENCIA ENTRE PREEVALUACIN Y LNEA BASE. De acuerdo a lo anterior, la investigacin de series de tiempo consiste en la aplicacin de diseos, un ejemplo comn de ste tipo de investigacin es el diseo A/B en el que se observa

sistemticamente el comportamiento de una unidad experimental con la presencia de una variable independiente y sin ella. Durante la fase A, se realiza un conjunto de observaciones del comportamiento sin la presencia de la variable independiente. A ste perodo se le conoce como: Lnea Base y sirve para proporcionar una estimacin del Nivel de Ejecucin del sujeto (en ambientes clnicos de la gravedad del problema del paciente) y para predecir en un futuro inmediato el Nivel de Ejecucin. APLICACIONES CUANTITATIVAS N = 1. Para derivar conclusiones acerca del cambio entre condiciones, es importante hacer previamente una estimacin del grado de variabilidad de la conducta del sujeto dentro de una primera condicin que a menudo es la lnea base. NDICES CUANTITATIVOS DE SERIES DE TIEMPO. El diseo de series de tiempo se emplea para analizar los efectos de una manipulacin experimental en el incremento o disminucin de una conducta ya establecida por el sujeto. Para que los datos tomados antes de la introduccin de la variable independiente pueda utilizarse como base en la comparacin con las observaciones obtenidas durante la manipulacin experimental, se hace necesario que sta lnea base, tenga las caractersticas siguientes tales como: ser estable, sensible, y tener control del proceso o esencia. La primera se hace necesaria para controlar la variabilidad de la conducta y pueda la fase inicial (lnea base) ser utilizada como criterio de comparacin. La segunda Debe de ser sensible para detectar los posibles efectos de la variable independiente, es decir, debe de tener una alta precisin para responder a la manipulacin experimental. La tercera Esta ltima caracterstica es difcil de alcanzar en situaciones aplicadas.

* Fase inicial ( Lnea base) Experimentacin (diseo Longitudinal)

* Estable controla la variabilidad de la conducta. *Sensible. Para detectar los posibles efectos de la V.I. * Control de los procesos. Precisin en el control de la variable.

* Fase experimental

La piedra angular en cualquier tipo de diseo de series de tiempo esta constituida por tres elementos fundamentales: 1 Elemento. Se refiere al anlisis de la estabilidad, el nivel y la tendencia en una serie de datos recolectados a travs del tiempo en condiciones similares. 2 Elemento.

Este consiste en introducir un cambio en el proceso, esto es, realizar una manipulacin experimental. 3 Elemento. Por ltimo, el tercer elemento consiste en obtener la estabilidad, el nivel y la tendencia de la serie temporal de datos. Obtenidas en la nueva condicin para compararla con los valores obtenidos de esos mismos parmetros inciales.

1 Elemento

* Estabilidad. * Nivel * Tendencia. * Manipulacin experimental

Diseo de Series

2 Elemento

3 Elemento

* Estabilidad * Nivel * Tendencia

ANLISIS CUANTITATIVO. Para llegar a conclusiones del proceso (intervencin) es necesario hacer previamente una estimacin de los elementos antes mencionados comenzando por la determinacin del Nivel de Ejecucin, el grado de Estabilidad, y la tendencia; aplicando procedimientos estadsticos como sigue. Los parmetros utilizados para estimar las variaciones de la conducta del sujeto dentro de una fase son: 1. El Nivel de Ejecucin (ndice). 2. La Variabilidad de Ejecucin. (ndice). 3. Rango de Variabilidad. 4. Coeficiente de Variabilidad. 5. Tendencia Temporal (ndice). 6. La Tendencia. (Magnitud). 7. Estabilidad (ndice). 1 PARMETRO. ndice de Nivel de Ejecucin. Se define como el grado de respuesta que el sujeto u objeto alcanza en un perodo dado, el cual permite describir la conducta del mismo. Se presenta en forma de un promedio de respuestas, el cual constituye una descripcin real de la conducta. As el estimador del nivel de ejecucin de una serie de tiempo es la media aritmtica que se obtiene mediante el siguiente modelo matemtico.

tn1Yt t = n

Donde: t = Es el estimador del nivel para la fase en cuestin. Y t = Es el valor de la conducta en el tiempo t de observacin. n = Es el nmero de medidas realizadas en la fase. 2 PARMETRO. ndice de variabilidad de Ejecucin. Se define como la medida de las fluctuaciones absolutas, es decir, es la variacin de la conducta respecto al nivel promedio de ejecucin, el cual puede expresarse grficamente. Este ndice ayuda a reducir la variabilidad entre sujetos en puntos sucesivos en el tiempo. Es una forma cuantitativa descriptiva de estimar las fluctuaciones en la serie, consiste en aplicar el siguiente modelo:

tn1 (Yt Y t ) 2 V n

tn1Yt 2 n Y t n

Donde: V = ndice de Variabilidad. Yt = Es el valor de la conducta en el tiempo t. t = Es el Nivel de Ejecucin de la fase. 3 PARMETRO. Rango de variabilidad. El Rango de un conjunto de nmeros es la diferencia entre el mayor y el menor de todos ellos, aplicado a las series de tiempo, ste se obtiene por medio de la suma y la resta del Nivel de Ejecucin y el ndice de Variabilidad, aplicando la siguiente ecuacin: RV = t V Donde: RV = Rango de Variabilidad. t + V = Es el Lmite superior del rango. t - V = Es el Lmite inferior del rango.

4 PARMETRO. Coeficiente de variabilidad. Si la variabilidad o dispersin absoluta es la desviacin estndar y el promedio es la media aritmtica, la dispersin relativa se conoce como: el Coeficiente de Variabilidad o coeficiente de dispersin, generalmente expresado como un porcentaje.

Uno de los objetivos de todo investigador es confrontar el resultado y tener una medida de variabilidad independiente de la unidad de medida, es por sta razn que es til para comparar distribuciones donde las unidades pueden ser diferentes. Un inconveniente del coeficiente de variabilidad es que deja de ser til, cuando la media se aproxima a cero. El Coeficiente de variabilidad es un estimador de la variabilidad relativa dado por la formula: CV =

V x100 Yt

Donde: CV = Coeficiente de Variabilidad. V = ndice de Variabilidad. t = Nivel de Ejecucin. 5 PARMETRO. ndice de Tendencia Temporal. Un parmetro adicional que se presenta en las series de tiempo se le conoce como Tendencia temporal de ejecucin. Este se define como cualquier direccin ascendente o descendente en los valores de la serie, dentro de una determinada condicin de fase. Para detectar la existencia de una tendencia temporal (lineal, cuadrtica, polinomial, etc.)se realiza un anlisis de los valores observados de la serie, segn el siguiente modelo:

Zt = Yt Yt-1

Donde: Zt = Es la diferencia de la serie de tiempo t. Yt = Es el valor de la conducta en el tiempo t. Yt-1 = Es el valor real de la conducta en el tiempo t-1. Conocer si la serie de datos presenta una tendencia temporal, es importante debido a que normalmente se contrasta (compara) con otra condicin.

Interpretaciones. 1.- Si las diferencias de los datos no fluctan alrededor de cero y se presentan con un valor constante, diferente de cero, se dice que la serie de tiempo es lineal. 2.- La ausencia de tendencia temporal, se presenta cuando las diferencias de los datos, dan como resultado que todas las diferencias sean iguales a cero. 3.- Cuando se presentan fluctuaciones de la serie de tiempo que varan alrededor de cero, nos dice que presentan una audiencia de una tendencia temporal definida en la serie de datos, es decir, la serie no sigue una direccin definida.

6 PARMETRO. Magnitud de la Tendencia. Al igual que la tendencia temporal, sta se define como cualquier direccin ascendente o descendente que las medidas toman lugar dentro de una condicin o fase. Para estimar la direccin de la Tendencia de una serie de tiempo se le aplica o se ajusta un modelo lineal. Este modelo general esta determinado por: Y t = t + Et Donde: Yt = tendencia. = Es el promedio de la serie en un tiempo t. Et = Es el componente de error aleatorio. De tal forma que la conducta tiene una tendencia lineal de la forma siguiente: t = a + b Xt Donde: b = La pendiente de recta (parmetro). a = Es la interseccin de la lnea de tendencia en el tiempo t0 Interpretaciones. 1.- Si b 0, el nivel promedio t , de la serie se incrementa conforme transcurren las sesiones de observacin. 2.- Si b 0, el nivel promedio t, de la serie decrementa a medida que avanza el tiempo de observacin. 3.- Si b= 0, el nivel promedio t, ser un estimador exacto de la serie ya que no existe ninguna tendencia.

Figuras. Pendiente de Recta b. La formula empleada para el clculo de la pendiente de recta en la serie de tiempo es:

b=

n tn1 X t Yt ( tn1 X t )( tn1Yt ) n tn1 X t2 ( tn1 X t ) 2

El clculo de b, proporciona informacin, tanto de la direccin como de la magnitud de la Tendencia.

Constante a. La constante a de la funcin lineal, debe calcularse slo cuando se desea trazar la lnea de tendencia dentro de la fase; lo cual se calcula de acuerdo al siguiente modelo matemtico: a = Y t bX t donde:

Yt = Es el promedio de la serie en un tiempo t.

Xt
= Es el promedio de la variable t.

Es recomendable representar en una grfica el ndice de nivel, la variabilidad, y la tendencia, para obtener un panorama general del tipo de ejecucin del objeto o sujeto dentro de la fase.

7 PARMETRO. ndice de Estabilidad. Se define como la tasa estable de ejecucin, que se caracteriza como la ausencia de cualquier tipo de tendencia en los datos y de una pequea o moderada variabilidad en la ejecucin. Esto permite que la lnea base pueda utilizarse como un criterio de comparacin en la evaluacin de la efectividad de un tratamiento. Segn Sidman (1978) establece que a menos que la lnea base no sea estable, la utilidad experimental que se presenta es intrascendente. No obstante, idealmente la lnea base, no debera mostrar ningn tipo de tendencia antes de introducir la variable independiente (manipulacin), sin embargo, en una gran variedad de casos se presenta. Por otro lado Kazdin (1978), menciona que dependiendo del tipo de efecto que esperamos producir con la manipulacin experimental, la presencia de la tendencia en la lnea base puede representar o no un problema. Otro factor importante adems de la tendencia es la presencia de una excesiva variabilidad en los datos, esta trae consigo una disminucin de la sensibilidad de la lnea base para contrarrestar esto Se dispone de los siguientes recursos. 1 Recurso. Se deber aumentar el tamao de la muestra conductual, con la finalidad de encontrar un patrn de ejecucin ms claro, ya que la variabilidad puede ser producto de factores no identificados antes de la manipulacin experimental. 2Recurso. Asegurar que la variabilidad observada no se debe a un control deficiente de las variables extraas. 3 Recurso. Examinar la unidad temporal de anlisis puesto que si el fenmeno se presenta ms estable en perodos prolongados, la observacin en intervalos cortos producir una gran variedad en los datos. Existen otros cuatro procedimientos para determinar la existencia de un patrn estable, los cuales son empleados frecuentemente, siendo estos los siguientes:

1 Procedimiento. Determinacin de un criterio de estabilidad ajustable a cada investigador. 2Procedimiento. Proceder a la investigacin con una serie de estudios con la finalidad de analizar la variabilidad per se. 3 Procedimiento. Ajustar el criterio a la variacin calculada empricamente a medida que la investigacin avanza y no a una estimacin de la variabilidad determinada con anticipacin. 4 procedimiento. Se basa nicamente en una simple inspeccin visual de los datos. Una opcin que elimina los grandes inconvenientes de los procedimientos mencionados, es determinar la estabilidad a travs del anlisis de los estimadores de la variabilidad de la serie de tiempo, siendo uno de ellos la media de los cuadrados de las diferencias sucesivas (MSSD), con la ventaja de que su valor es independiente de la tendencia de los datos; como se muestra en el siguiente modelo matemtico:

MSSD =

tn11 (Yt 1 Yt ) 2 n 1

Procedimiento para calcular el estadstico Z, como un estimador de la estabilidad de la serie de tiempo: 1 paso: Determinacin de la suma de cuadrados de las diferencias sucesivas. SSD = tn1 (Yt 1 Yt ) 2

2paso: Determinacin de la suma de cuadrados de las desviaciones. SS = tn1 (Yt Y t ) 2 tn1Yt 2 n.Y 2

3paso: Determinacin del estadstico C. C = 1

tn11 (Yt 1 Yt ) 2 2( tn1 (Yt Y t ) 2

4 paso: Determinacin del error estndar (nmero de sesiones de observacin dentro de la fase). Sc =

n2 (n 1)(n 1)

5 paso: Determinacin del estadstico Z (se ha demostrado que la razn C, respecto a su desviacin estndar es el estadstico Z). Z=

C Sc

Que est normalmente distribuido con fases con ms de 25 sesiones, si la probabilidad asociada al valor del estadstico Z es mayor a 0.05, se dice que hay estabilidad en la serie de tiempo de la fase. Comparaciones Cuantitativas entre Fases. Una vez que se ha encontrado una ejecucin estable en la fase de la lnea de base, es posible introducir una manipulacin experimental, con la finalidad de producir algn cambio en la serie de datos. La variable manipulada puede estar presente slo en una sesin de observacin y desaparecer o aplicarse continuamente durante algunos puntos del tiempo. En las siguientes figuras se muestran algunos cambios en la manipulacin experimental produce en el nivel de ejecucin y en la tendencia. Una introduccin de la manipulacin experimental, puede producir cambios en una serie de tiempo de muchos modos: Cambio de Nivel y de Pendiente de una Serie de Tiempo entre dos Condiciones A y B Cambio de Nivel.

Abrupto A B

Temporal

Demorado

Decreciente A = Lnea Base o Fase Inicial. B = Fase Experimental.

Cambio de Tendencia.

Abrupto A B A

Demorado B

Temporal

Acelerado

Desacelerado

Cambios Combinados de Parmetros. Cambios posibles de los parmetros en la serie de tiempo entre Condiciones.

NIVEL

VARIABILIDAD SI NO TENDENCIA TENDENCIA SI NO SI NO SI I II III IV NO V VI VII VIII

Ejercicios. Problema Ilustrativo. Enunciado.- Un investigador est interesado en determinar la conducta de aprendizaje de un nio Down, el cual se encuentra sujeto a un programa, para ayudarlo a incrementar sus habilidades de memoria a corto plazo. Para lo cual ha asistido a una sesin de entrenamiento cada semana por espacio de tres meses. El programa esta dividido en dos fases: Lnea base y la fase experimental. Determine, Cul ha sido la conducta de aprendizaje del nio Down al final de las dos sesiones, de acuerdo a las categoras conductuales registradas? 1. Estrategias para resolver el problema. Para poder comprender la situacin en la que se coloca el investigador y poder determinar mejor la finalidad del estudio, se hace necesario identificar en el enunciado los elementos ms sobresalientes del caso. Estos elementos pueden ser:

1.1. Tipo de Diseo. El diseo aplicado por el investigador en la primera fase, es un diseo no experimental, transeccional descriptivo, ya que no existe manipulacin de la variable. En la segunda fase se establece un diseo experimental, cuasi experimental descriptivo, en esta fase se presenta una manipulacin de la variable. 1.2. Tipo de Estudio. Los tipos de estudio establecidos son: primera fase descriptivo y en la segunda fase se refiere a un estudio de causalidad. 1.3. Variable involucrada. La variable a medirse es la conducta de aprendizaje, medida en la capacidad de memoria a corto plazo. 2.- Hiptesis. 2.1. Planteamiento. A mayor nmero de sesiones de entrenamiento, se incrementar en el nio Down ms habilidades de memoria a corto plazo en la fase experimental, por lo que su conducta de aprendizaje mejorar. 2.2. Estrategias. Ya que la hiptesis es la gua de la investigacin, al elaborarla, nos estamos planteando el objetivo del estudio. Toda hiptesis deber contener tres elementos estructurales clasificados como: a) Unidades de anlisis. ( El nio Down). b) Variables (Variable independiente: memoria a corto plazo; Variable dependiente: Conducta de aprendizaje). c) Elementos lgicos. (A mayor mejorar incrementar. Desarrollo Estadstico. Vase apuntes de Clase.