Escolar Documentos
Profissional Documentos
Cultura Documentos
DE TIEMPO
Donde:
X(t) serie observada en instante t
T(t) componente de tendencia
E(t) componente estacional
A(t) componente
aleatoria
(accidental)
Una suposicin usual es que A(t) sea una componente aleatoria o ruido blanco con
media cero y varianza constante.
Un modelo aditivo, es adecuado, por ejemplo, cuando E(t) no depende de otras
componentes, como T(t), s por el contrario la estacionalidad vara con la tendencia,
el modelo ms adecuado es un modelo multiplicativo .
Es claro que el modelo multiplicativo puede ser transformado en aditivo, tomando
logaritmos. El problema que se presenta, es modelar adecuadamente las
componentes de la serie.
ESTIMACIN DE LA TENDENCIA
Hay varios mtodos para estimar T(t). Los ms
utilizados consisten en:
1.
2.
3.
Utilizar diferencias.
1
, 0 r 1
a b( r t )
Variaciones estacionales
La variacin estacional representa un movimiento peridico de la
serie de tiempo. La duracin del perodo puede ser un ao, un
trimestre, un mes, un da, etc.
Se suele hacer una distincin entre cclicas y estacionarias. Estas
ltimas ocurren con perodos identificables, como la estacionalidad
del empleo, o de la venta de ciertos productos, cuyo perodo es un
ao. El trmino variacin cclica se suele referir a ciclos grandes,
cuyo perodo no es atribuible a alguna causa. Por ejemplo,
fenmenos climticos, que tienen ciclos que duran varios aos.
DETERMINACIN DE LAS
VARIACIONES CCLICAS
Cuando hemos definido esta componente se ha dicho que recoge
las oscilaciones peridicas de larga duracin. El problema es que
estos movimientos no suelen ser regulares como los estacionales
y su determinacin encierra dificultades de forma que como se
ha apuntado en los casos prcticos se suelen tratar
conjuntamente con la tendencia llamando componente
extraestacional al efecto (TxC) si estamos en el marco
multiplicativo o (T+C) si es el aditivo.
- Estimar la tendencia.
Ejemplo:
As, por ejemplo, en los meses de septiembre se
presenta una marcada disminucin de 25.519% con
respecto al promedio de consultas mensuales, mientras
que en los meses de febrero y junio se incrementa el
nmero de consultas externas.
consideracin
particularmente
importante en los pronsticos a largo
plazo, es el componente cclico de las
series de tiempo.
1. Desestacionalizar el valor
observado ms reciente y
2. Multiplicarlo por el ndice
estacional del periodo de
pronstico. (la diferencia entre los
dos periodos ser la atribuible a la
influencia estacional).