UNIDAD IV: SERIES

DE TIEMPO

QU ES UNA SERIE DE TIEMPO?

Por

serie de tiempo nos referimos a

datos estadsticos que se recopilan,
observan o registran en intervalos de
tiempo regulares (diario, semanal,
semestral, anual, entre otros).

5.1 MODELO CLSICO DE SERIE

DE TIEMPO
Un modelo clsico para una serie de tiempo, supone que una
serie x(1), ..., x(n) puede ser expresada como suma o producto de tres
componentes: tendencia, estacionalidad y un trmino de error
aleatorio.

Existen tres modelos de series de tiempos, que generalmente se aceptan

como buenas aproximaciones a las verdaderas relaciones, entre los
componentes de los datos observados.
Estos son:

1. Aditivo: X(t) = T(t) + E(t) + A(t)

2. Multiplicativo: X(t) = T(t) E(t) A(t)
3. Mixto: X(t) = T(t) E(t) + A(t)

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.

La figura 2.1 ilustra posibles patrones que podran seguir series

representadas por los modelos aditivo, multiplicativo y mixto.

5.2 ANALISIS DE FLUCTUACIONES

Tcnicas De Pronstico Para Series Cclicas

Es la fluctuacin en forma de onda alrededor de la tendencia. Los

patrones cclicos tienden a repetirse en los datos cada dos, tres o
ms aos.
Las fluctuaciones en forma de onda hacia arriba y hacia abajo
alrededor de la tendencia rara vez se repiten en intervalos fijos de
tiempo y tambin vara la magnitud de las fluctuaciones.

Las tcnicas de pronstico para datos cclicos se utilizan siempre que:

El ciclo del negocio influye sobre la variable de inters. Como ejemplos

estn los factores econmicos de mercado y de la competencia.

Se presentan cambios en el gusto popular. Ejemplos de ello son la moda,

la msica y la alimentacin.

Se presenta cambios en la poblacin. Podemos citar como ejemplos las

guerras, escasez, epidemias y desastres naturales.

Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello

son la introduccin, crecimiento, maduracin, saturacin y declinacin del
mercado.

5.3 Anlisis de Tendencia

Al observar la figura sobre la cantidad de ganado en Estados

Unidos, as como cualquier otro valor que cambia en el tiempo,
podemos notar dependiendo de cada caso como pueden existir
fuerzas econmicas, polticas, psicolgicas y sociales en el
cambio de una variable.

Clasificacin en los anlisis de

tendencia:

Movimientos de larga duracin. Direccin general a la cual

tienden a ir los valores de la serie de tiempo en un intervalo largo
de duracin.

Movimientos cclicos. Se refieren a las oscilaciones de larga

duracin alrededor de la lnea de tendencia. Estos ciclos como se
denominan pueden ser o no peridicos, es decir, pueden tener
intervalos de tiempo similares o iguales. En diversas actividades
econmicas, se considera que un valor es cclico si tiene una
duracin igual o mayor a un ao.

Movimientos estacionales. Se refieren a las normas

de tendencia que siempre o casi siempre se siguen en
el transcurso de los meses del ao.

Movimientos irregulares o al azar. Movimientos

espordicos de las series de tiempo, por sucesos
ocasionales (inundaciones, terremotos, huelgas,
elecciones, etctera).

ESTIMACIN DE LA TENDENCIA
Hay varios mtodos para estimar T(t). Los ms
utilizados consisten en:

1.

Ajustar una funcin del tiempo, como un polinomio,

una exponencial u otra funcin suave de t.

2.

Suavizar (o filtrar) los valores de la serie.

3.

Utilizar diferencias.

1
, 0 r 1
a b( r t )

5.4. Anlisis de variaciones

cclicas.
LAS VARIACIONES CCLICAS (C)
Es una componente de la serie que recoge oscilaciones peridicas
de amplitud superior a un ao. Estas oscilaciones peridicas no son
regulares y se presentan en los fenmenos econmicos cuando se
dan de forma alternativa etapas de prosperidad o de depresin.

Ejemplo para las variaciones cclicas

Supongamos que tenemos las ventas trimestrales de un

supermercado en el perodo 1990-1994, expresadas en millones de
pesetas constantes del ao 1990.

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.

A pesar de estas dificultades se puede tratar de aislar el ciclo bajo

la hiptesis multiplicativa dejndola como residuo con la eliminacin
de la tendencia y la variacin estacional.
Pasos a seguir:

- Estimar la tendencia.

- Calcular los ndices de variacin estacional.

- Se desestacionaliza la serie observada.

- Se elimina la tendencia dividiendo cada valor

desestacionalizado por la serie de tendencia.

5.5. Medicin de variaciones

estacionales e Irregulares.

Estacionalidad: Fluctuaciones peridicas bastante

regulares que se presenta dentro de cada perodo de
12 meses, ao tras ao. Se presenta por condiciones
climatolgicas, costumbres sociales y religiosas entre
otras razones.

Para identificar la existencia o no de estacionalidad en una

serie, se puede realizar la prueba de Anova con respecto a
los meses, para determinar si los promedios de consultas
externas por mes presentan o no diferencias; o probar los
ndices estacinales para observar si existen valores que se
encuentren por fuera del rango de 90 110.

De acuerdo con los ndices estacinales se determina que

la serie si presenta estacionalidad, pues existen ndices
que se encuentran por fuera del rango 90 y 110, el cual es
un criterio emprico, pero reconocido en la literatura de
series de tiempo para determinar la estacionalidad de una
serie.

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.

5.6. Aplicacin de ajustes

estacionales.

Pasos Necesarios para Realizar el Ajuste Estacional.

El proceso de ajuste estacional se puede describir de manera general en tres

pasos, los cuales son comunes a ambas aplicaciones:
1. Antes de comenzar cualquier tipo de ajuste, el usuario debe familiarizarse con
las series de tiempo que se pretenden ajustar. El objetivo es contar con los
elementos necesarios para seleccionar los parmetros de ajuste ms adecuados
para que la serie ajustada refleje las caractersticas pertinentes de la serie
original.

2. Antes de descomponer la serie de tiempo, es

necesario realizar un ajuste previo que tiene dos
objetivos: El primero es evitar que el proceso de
descomposicin se vea afectado por la presencia de nolinearidades en la serie. El segundo objetivo, es mejorar
la estabilidad de los componentes estimados ante la
incorporacin de nuevas observaciones de la serie de
tiempo.

3. Antes de utilizar la serie preajustada, es necesario determinar si

tanto los ajustes previos como el
modelo utilizado son los apropiados.
Para lo cual es necesario realizar una
serie de diagnosticos para evaluar la
bondad del ajuste. Cuando los
diagnosticos indican algn problema
es necesario volver a la etapa de preajuste y realizar los cambios
necesarios para asegurar que los
diagnsticos sean satisfactorios.

5.7. Pronsticos basados en

factores de tendencia.
Una

consideracin
particularmente
importante en los pronsticos a largo
plazo, es el componente cclico de las
series de tiempo.

METODOS PARA PRONOSTICOS A

CORTO PLAZO:
1. Emplear el valor de
tendencia proyectado
como base del
pronstico.
2. Ajustarlo respecto del
componente estacional.

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).

GRACIAS POR SU ATENCION!!!