PRACTICA DE ANALISIS DE SERIES TEMPORALES

Los datos siguientes corresponden a la cantidad de bolsas de cemento vendidas trimestralmente

se desea estimar el volmen de las ventas para los de septiembre y diciembre del 2013
haga un estudio de la sserie de tiempo para dar respuesta a esta interrogante.
Fecha t Bolsas
Mar-99 1 213.831
Jun-99 2 231.682
Sep-99 3 205.904
Dec-99 4 197.817
Mar-00 5 252.445
Jun-00 6 249.015
Sep-00 7 220.373
Dec-00 8 239.846
Mar-01 9 271.026
Jun-01 10 271.922
Sep-01 11 231.696
Dec-01 12 269.232
Mar-02 13 311.13
Jun-02 14 309.742
Sep-02 15 240.937
Dec-02 16 248.5
Mar-03 17 264.408
Jun-03 18 322.819
Sep-03 19 254.99
Dec-03 20 218.562
Mar-04 21 194.56
Jun-04 22 285.707
Sep-04 23 248.664
Dec-04 24 271.553
Mar-05 25 279.705
Jun-05 26 322.256
Sep-05 27 271.391
Dec-05 28 326.649
Mar-06 29 378.126
Jun-06 30 391.593
Sep-06 31 315.817
Dec-06 32 394.482
Mar-07 33 449.777
Jun-07 34 447.015
Sep-07 35 376.372
Dec-07 36 421.067
Mar-08 37 446.748
Jun-08 38 460.553
Sep-08 39 377.197
Dec-08 40 427.247
Mar-09 41 448.989
Jun-09 42 488.183
Sep-09 43 403.402
Dec-09 44 452.817
Mar-10 45 513.582
Jun-10 46 509.548
Sep-10 47 437.249
Dec-10 48 543.437
Mar-11 49 566.815
Jun-11 50 535.833
Sep-11 51 440.147
Dec-11 52 565.609
Mar-12 53 632.318
Jun-12 54 646.656
Sep-12 55 547.793
Dec-12 56 601.651
Mar-13 57 660.525
Jun-13 58 653.024
PREGUNTA 1: ELECCION DEL MODELO QUE DESCRIBE A LA SERIE TEMPORAL
los siguientes datos corresponden al nmero de bolsas de cemento vendidas trimestralmente por cierta fbrica
Se llama diferencia estacional dij a la diferencia entre dos datos de la misma
estacin j correspondiente a dos aos consecutivos i-1 e i:
dij= yij- yi-1 ,j Donde yij es el valor de la serie en el ao i y estacin j.
De manera similar, se define los cocientes estacionales kij como los cocientes entre
dos datos de la misma estacin correspondientes a dos aos consecutivos:
kij= yij / yi-1 ,j
Una vez calculados los valores dij y kij, se calculan los coeficientes de variacin
sobre cada uno de ellos, cv(d) y cv(k). Si cv(d) < cv(k) se elegir esquema aditivo,
en caso contrario se optara por el multiplicativo.
MODELO ADITIVO = T+S+C+R
MODELO MULTIPLICATIVO = T*S*C*R
Fecha t Bolsas Paso 1:
Mar-99 1 213.831 como se deben compara los datos de la misma estacin correspondientes dos aos consecutivos hay que reordenar la tabla
Jun-99 2 231.682
Sep-99 3 205.904
Dec-99 4 197.817 AO MARZO JUNIO SEPTIEMBRE
Mar-00 5 252.445 1999
Jun-00 6 249.015 2000
Sep-00 7 220.373 2001
Dec-00 8 239.846 2002
Mar-01 9 271.026 2003
Jun-01 10 271.922 2004
Sep-01 11 231.696 2005
Dec-01 12 269.232 2006
Mar-02 13 311.13 2007
Jun-02 14 309.742 2008
Sep-02 15 240.937 2009
Dec-02 16 248.5 2010
Mar-03 17 264.408 2011
Jun-03 18 322.819 2012
Sep-03 19 254.99 2013
Dec-03 20 218.562
Mar-04 21 194.56 Paso 2:
Jun-04 22 285.707 calcular los dij (se facilita usando la misma estructura de tabla)
Sep-04 23 248.664
Dec-04 24 271.553
Mar-05 25 279.705 AO MARZO JUNIO SEPTIEMBRE
Jun-05 26 322.256 1999
Sep-05 27 271.391 2000
Dec-05 28 326.649 2001
Mar-06 29 378.126 2002
Jun-06 30 391.593 2003
Sep-06 31 315.817 2004
Dec-06 32 394.482 2005
Mar-07 33 449.777 2006
Jun-07 34 447.015 2007
Sep-07 35 376.372 2008
Dec-07 36 421.067 2009
Mar-08 37 446.748 2010
Jun-08 38 460.553 2011
Sep-08 39 377.197 2012
Dec-08 40 427.247 2013
Mar-09 41 448.989
Jun-09 42 488.183 Paso 3:
Sep-09 43 403.402 calcular el coeficiente de variacin de los dij
Dec-09 44 452.817
Mar-10 45 513.582
Jun-10 46 509.548 Paso 4:
Sep-10 47 437.249 calcular los Kij (se facilita usando la misma estructura de tabla)
Dec-10 48 543.437
Mar-11 49 566.815 AO MARZO JUNIO SEPTIEMBRE
Jun-11 50 535.833 1999
Sep-11 51 440.147 2000
Dec-11 52 565.609 2001
Mar-12 53 632.318 2002
Jun-12 54 646.656 2003
Sep-12 55 547.793 2004
Dec-12 56 601.651 2005
Mar-13 57 660.525 2006
Jun-13 58 653.024 2007
2008
2009
2010
2011
2012
2013
Paso 5:
calcular el coeficiente de variacin de los Kij
Paso 6:
comparar los coeficientes de variacin y elegir el modelo que expica el comportamiento de la serie temporal
los siguientes datos corresponden al nmero de bolsas de cemento vendidas trimestralmente por cierta fbrica
como se deben compara los datos de la misma estacin correspondientes dos aos consecutivos hay que reordenar la tabla
DICIEMBRE
calcular los dij (se facilita usando la misma estructura de tabla)
DICIEMBRE
calcular los Kij (se facilita usando la misma estructura de tabla)
DICIEMBRE
comparar los coeficientes de variacin y elegir el modelo que expica el comportamiento de la serie temporal
PREGUNTA 2: ANALISIS DE LA TENDENCIA MEDIANTE ENFOQUE GLOBAL
Consiste en el ajuste de las observaciones a una funcin matemtica (usualmente
por el mtodo de mnimos cuadrados) para la obtencin de la tendencia
Este procedimiento adems de ser el ms exacto, tiene la ventaja de disponer de
una medida de la bondad del ajuste, que viene dada por el coeficiente de
determinacin.
Para eliminar las oscilaciones propias de factores estacionales, calcularemos valores
medios anuales y sobre estos realizaremos el ajuste, evitndose as que se recoja
en la tendencia movimientos de la serie de tipo estacional
si el esquema de la serie resulta ser aditivo, se ajusta a una recta,
y si resulta multiplicativo a una exponencial.
Fecha t Bolsas Paso 1:
Mar-99 1 213.831 Construir una nueva tabla donde se consignen las ventas promedio por ao
Jun-99 2 231.682
Sep-99 3 205.904
Dec-99 4 197.817 AO PROMEDIO VENTAS
Mar-00 5 252.445 1999
Jun-00 6 249.015 2000
Sep-00 7 220.373 2001
Dec-00 8 239.846 2002
Mar-01 9 271.026 2003
Jun-01 10 271.922 2004
Sep-01 11 231.696 2005
Dec-01 12 269.232 2006
Mar-02 13 311.13 2007
Jun-02 14 309.742 2008
Sep-02 15 240.937 2009
Dec-02 16 248.5 2010
Mar-03 17 264.408 2011
Jun-03 18 322.819 2012
Sep-03 19 254.99 2013
Dec-03 20 218.562
Mar-04 21 194.56 Paso 2:
Jun-04 22 285.707 Sobre los datos del paso 1 hacer el anlisis de correlacin y regresin correspondiente
Sep-04 23 248.664
Dec-04 24 271.553 Paso 3:
Mar-05 25 279.705 elegir el modelo que mejor ajuste los datos,
Jun-05 26 322.256 Esta funcin seria la tendencia de la serie temporal.
Sep-05 27 271.391
Dec-05 28 326.649
Mar-06 29 378.126
Jun-06 30 391.593
Sep-06 31 315.817
Dec-06 32 394.482
Mar-07 33 449.777
Jun-07 34 447.015
Sep-07 35 376.372
Dec-07 36 421.067
Mar-08 37 446.748
Jun-08 38 460.553
Sep-08 39 377.197
Dec-08 40 427.247
Mar-09 41 448.989
Jun-09 42 488.183
Sep-09 43 403.402
Dec-09 44 452.817
Mar-10 45 513.582
Jun-10 46 509.548
Sep-10 47 437.249
Dec-10 48 543.437
Mar-11 49 566.815
Jun-11 50 535.833
Sep-11 51 440.147
Dec-11 52 565.609
Mar-12 53 632.318
Jun-12 54 646.656
Sep-12 55 547.793
Dec-12 56 601.651
Mar-13 57 660.525
Jun-13 58 653.024
Construir una nueva tabla donde se consignen las ventas promedio por ao
Sobre los datos del paso 1 hacer el anlisis de correlacin y regresin correspondiente
PREGUNTA 3: ANALISIS DE LA TENDENCIA MEDIANTE ENFOQUE LOCAL
Este mtodo es ms flexible y no exige la suposicin de una forma funcional para la
tendencia al contrario que el anterior.
Este mtodo se usa bien para la obtencin de la tendencia secular o bien como una
tcnica de transformar las observaciones en otras mas suavizadas (la tpica
representacin grafica con dientes de sierra presentara altibajos menos
pronunciados) para posteriormente ajustar una curva a estos valores.
Generalmente entenderemos por suavizamiento de la serie la obtencin de unos
valores transformados con menos fluctuacin.
Fecha t Bolsas Paso 1:
Mar-99 1 213.831 calcular las medias mviles de orden 3 y hacer un grfico comparativo de los datos originales
Jun-99 2 231.682 y los datos suavizados
Sep-99 3 205.904
Dec-99 4 197.817 Paso 2:
Mar-00 5 252.445 calcular las medias mviles de orden 4 y hacer un grfico comparativo de los datos originales
Jun-00 6 249.015 y los datos suavizados
Sep-00 7 220.373
Dec-00 8 239.846
Mar-01 9 271.026
Jun-01 10 271.922
Sep-01 11 231.696
Dec-01 12 269.232
Mar-02 13 311.13
Jun-02 14 309.742
Sep-02 15 240.937
Dec-02 16 248.5
Mar-03 17 264.408
Jun-03 18 322.819
Sep-03 19 254.99
Dec-03 20 218.562
Mar-04 21 194.56
Jun-04 22 285.707
Sep-04 23 248.664
Dec-04 24 271.553
Mar-05 25 279.705
Jun-05 26 322.256
Sep-05 27 271.391
Dec-05 28 326.649
Mar-06 29 378.126
Jun-06 30 391.593
Sep-06 31 315.817
Dec-06 32 394.482
Mar-07 33 449.777
Jun-07 34 447.015
Sep-07 35 376.372
Dec-07 36 421.067
Mar-08 37 446.748
Jun-08 38 460.553
Sep-08 39 377.197
Dec-08 40 427.247
Mar-09 41 448.989
Jun-09 42 488.183
Sep-09 43 403.402
Dec-09 44 452.817
Mar-10 45 513.582
Jun-10 46 509.548
Sep-10 47 437.249
Dec-10 48 543.437
Mar-11 49 566.815
Jun-11 50 535.833
Sep-11 51 440.147
Dec-11 52 565.609
Mar-12 53 632.318
Jun-12 54 646.656
Sep-12 55 547.793
Dec-12 56 601.651
Mar-13 57 660.525
Jun-13 58 653.024
calcular las medias mviles de orden 3 y hacer un grfico comparativo de los datos originales
calcular las medias mviles de orden 4 y hacer un grfico comparativo de los datos originales
PREGUNTA 4: ANALISIS DE ESTACIONALIDAD
La variacin estacional nos indica el incremento o disminucin que se ha
experimentado en un periodo estacional dado respecto del valor medio referido a
todo el ao.
En el modelo multiplicativo, la componente estacional se una serie temporal, se
mide con un ndice (adimensional) denominado ndice de variacin estacional,
expresado en porcentaje y que significa la fluctuacin del valor de la serie respecto
al valor de la tendencia media del ao. Por ejemplo un ndice de variacin
estacional del 86% significa una disminucin del 14% respecto del valor de la
tendencia.
En el modelo aditivo, para cada estacin, la componente estacional indica en
trminos absolutos la cantidad en que se ha superado o no se ha alcanzado el valor
de la tendencia media anual. En este caso la componente estacional se expresa en
las mismas unidades que las observaciones.
La determinacin de la variacin estacional, es un aspecto fundamental en el
anlisis de una serie, principalmente para estudios comparativos y efectuar
predicciones.
Se usar el Mtodo de la razn(o diferencia) a la media mvil para trabajar la estacionalidad
Dado que en el rea econmica la mayor parte de las series siguen un esquema
multiplicativo, estudiaremos el mtodo de la razn a la media mvil, si el esquema
fuera aditivo operaramos de modo anlogo pero en lugar de con cocientes
(razones) con diferencias (mtodo de la diferencia a la media mvil).
Este procedimiento, utiliza el suavizamiento de la serie proporcionado por las
medias mviles
Paso 1:
reordenar las medias mviles de orden 3 bajo la siguiente estructura
cuadro de medias mviles
AO MARZO JUNIO SEPTIEMBRE DICIEMBRE
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Paso 2:
se dividen los valores originales de la serie por las medias mviles
obtenidas (razones a las medias mviles) y se calculan las medias sobre dichos
cocientes (razones) para cada una de las estaciones:
las medias de cada columna representan la variacin estacional (st)
cuadro de razones de la serie a las medias mviles
AO MARZO JUNIO SEPTIEMBRE DICIEMBRE
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
media (st)
Paso 3:
se promedian las variaciones estacionales st
Paso 4:
Obtener los ndices de variacin estacional (i.v.e):
i.v.e. = (st / promedio (st) ) *100
esto dar un i.v.e. para cada periodo (marzo, junio, )
Paso 5:
A los cocientes de las observaciones por el ndice de variacin estacional se le
denomina componente extraestacional y recogen los valores que presentara la
serie si esta no se viera afectada por los periodos estacionales
Haga un anlisis de la componente extraestacional
PREGUNTA 5: PREDICCION
Conociendo las cuatro componentes de una serie, as como el modelo segn el cual
se relacionan, podramos conocer el valor de la serie en cualquier momento. La
componente irregular (residuos) es desconocida por naturaleza, del resto de las
componentes tenemos a lo sumo una estimacin, y el modelo es un tipo de
esquema que imponemos artificialmente para facilitar la aproximacin al estudio de
la serie. Por lo tanto no se podr conocer exactamente el valor de la serie en un
momento futuro y nos conformaremos con poder hacer una prediccin lo mejor
posible.
Dado que la componente cclica es la menos estudiada
la prediccin se har en base al tipo de modelo (aditivo o multiplicativo)
y a las componentes tendencia y variacin estacional.
En un esquema aditivo Y(t) = T(t) + S(t) + C(t) + R(t), la estimacin de valor de la
serie en un momento futuro estar dada por:
Y(t) = T(t) + S(t)
En un esquema multiplicativo Y(t) = T(t) * S(t) * C(t) * R(t), la estimacin de valor
de la serie en un momento futuro estar dada por:
Y(t) = T(t) * S(t)
Paso 1:
Usar la funcin de regresin (tendencia ajustada) obtenida en la pregunta 2
para obtener el comportamiento medio de los trimestres correspondientes al ao 2013
Paso 2:
El comportamiento de la serie para el tercer y cuarto trimestre del 2013 diferirn del valor
medio, segn la variacin estacional para dicho trimestre
Por tanto, multiplicar Y(t) del paso anterior por el i.v.e. respectivo