SERIES DE TIEMPO
junio de 2013
Cclica Estacional
2 Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com
Es un conjunto de datos observacionales tomados en instantes especficos, generalmente a Intervalos Iguales Es una secuencia cronolgica ordenada de valores de medicin sobre el estado de una variable cuantitativa de un proceso, obtenida mediante observacin de su comportamiento en el transcurso del tiempo Los objetivos que se persiguen al estudiarlas son: o Buscar regularidades de su comportamiento en el tiempo o Pronosticar su comportamiento mas probable en el tiempo
Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com 3
2. Fsicas:
3. Geofsica: 4. Demogrficas:
Ejemplos - Precios de un artculo - Tasas de desempleo - Tasa de inflacin - ndice de precios, etc. - Meteorologa - Cantidad de agua cada - Temperatura mxima diaria - Velocidad del viento (energa elica) - Energa solar, etc. - Series sismologas - Tasas de crecimiento de la poblacin - Tasa de natalidad, mortalidad - Resultados de censos poblacionales - Series de demanda, gastos, ofertas
- Anlisis de seales - Series de trfico
Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com 4
5. De marketing:
6. De telecomunicacin: 7. De transporte:
mlarrioja@gmail.com
El comportamiento de las series de tiempo, se debe a 4 componentes: Tendencia, Variacin Cclica, Variacin Estacional y Variacin Aleatoria Tendencia, o tendencia secular, es aquella tendencia a largo plazo sin alteraciones de una serie de tiempo. Puede ser: lineal - no lineal, creciente decreciente, -
mlarrioja@gmail.com
Variacin cclica, en la que a travs del perodo de tiempo analizado, generalmente mayor de un ao, se producen ascensos y descensos frecuentes. Comportamiento asociado a variaciones de tipo econmico.
mlarrioja@gmail.com
Variacin estacional, variacin regular dentro de un ao y que a su vez se repite cada ao.
mlarrioja@gmail.com
Variacin irregular o aleatoria, variaciones extraas imprevisibles que se dan generalmente en el corto plazo 2.
mlarrioja@gmail.com
Para poder pronosticar cual es el comportamiento futuro de una variable en funcin a estas caractersticas de comportamiento es necesario poder representarlo matemticamente. Los modelos matemticos pueden ser: 1. Aditivo: 3. Mixto: X(t) = T(t) +C(t)+ E(t) + A(t) X(t) = T(t) C(t) E(t) + A(t)
Cada vez que se logra identificar y cuantificar un componente, se elimina del modelo para analizar los restantes componentes. Los modelos de descomposicin para T(t),
a) Aditivo, se resta : X(t) -T(t) =C(t)+ E(t) + A(t)
mlarrioja@gmail.com 10
Los mtodos utilizados para analizar una serie de tiempo son: Grficos para identificar los diferentes componentes de una serie de tiempo Tendencia: o Lineal: anlisis de regresin o No lineal: polinomial, logartmica, exponencial y potencial Estacionalidad, a travs de ndices Aleatoriedad, rara vez puede analizarse, si se tienen suficientes datos se puede determinar su distribucin de probabilidad.
mlarrioja@gmail.com
11
Grficas Es una tcnica muy simple que permite visualizar las caractersticas generales de la serie
mlarrioja@gmail.com
12
mlarrioja@gmail.com
o Mtodos de Suavizacin de la Serie i. Promedios mviles ii. Promedios mviles ponderados iii. Suavizacin exponencial Grficas antes y despus de la Suavizacin
mlarrioja@gmail.com
14
Un promedio mvil se construye sustituyendo cada valor de una serie por la media obtenida con esa observacin y algunos de los valores inmediatamente anteriores y n posteriores.
Promedio Mvil i ltimo
1 2 3 4 5 6 7 8 17 21 19 23 18 16 20 18 1 2 3 4 5 6 7 8 17 21 19 23 18 16 20 18
17 + 21 + 19 / 3 21 + 19 + 23 / 3 19 + 23 + 18 / 3 23 + 18 + 16 / 3 18 + 16 + 20 / 3
= = = = =
19 21 20 19 18
17 + 21 + 19 / 3 21 + 19 + 23 / 3 19 + 23 + 18 / 3 23 + 18 + 16 / 3 18 + 16 + 20 / 3 16 + 20 + 18 / 3
mlarrioja@gmail.com
= = = = = =
19 21 20 19 18 18
15
Se observa cmo a medida que aumenta el orden, el efecto del suavizado es mayor. Pero tambin se pierden ms datos en los extremos. 16
Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com
Se asigna un factor de ponderacin distinto para cada dato. Generalmente, a la observacin ms reciente a partir del que se quiere hacer el pronstico, se le asigna el mayor peso, y disminuye en los valores de datos ms antiguos
Promedio Mvil
i ltimo
W
i=1
1 2 3 4 5
W1 3
W2 2
W3 1
= 19.33 = 21.33
mlarrioja@gmail.com
17
Suavizacin Exponencial
Emplea un promedio ponderado de la serie de tiempo pasada como pronstico. El modelo bsico de suavizacin exponencial es:
Ft 1 Yt 1 Ft
Donde: Ft+1 = pronstico de la serie de tiempo para el perodo t+1 Yt = valor real de la serie de tiempo en el perodo t Ft = pronstico de la serie de tiempo para el perodo t = constante de suavizacin, 0 1
Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com 18
Suavizacin Exponencial
i Yi
1 2 3 4 5 6 7 8 9 10 11 12
17 21 19 23 18 16 20 18 22 20 15 22
Ft 1 Yt 1 Ft F1 = Y1 = 17.00
F2 = F1 =17.00 F3 = 0.2 * 21 + (1-0.2) * 17 F4 = 0.2 * 19 + (1-0.2) * 17.8 F5 = 0.2 * 23 + (1-0.2) * 18.04 F6 = 0.2 * 18 + (1-0.2) * 19.03 F7 = 0.2 * 16 + (1-0.2) * 18.82 F8 = 0.2 * 20 + (1-0.2) * 18.26 F9 = 0.2 * 18 + (1-0.2) * 18.61 F10 = 0.2 * 22 + (1-0.2) * 18.49 F11 = 0.2 * 20 + (1-0.2) * 19.19 F12 = 0.2 * 15 + (1-0.2) * 19.35
Fi 17 17 17.8 18.04 19.03 18.82 18.26 18.61 18.49 19.19 19.35 18.48
0.2
mlarrioja@gmail.com
19
Suavizacin Exponencial
Criterio para elegir : Si la serie vara lentamente, se eligen valores de cercanos a 0. (valor tpico = 0.3). En cambio, si vara bruscamente, se eligen valores de cercanos a 1 (valor tpico = 0.7)
mlarrioja@gmail.com
20
Suavizacin Exponencial
En los grficos se aprecia que cuando la constante es pequea, cercana a cero, la suavizacin es significativa. A medida que aumenta acercndose a 1, la suavizacin es menor y la serie suavizada se parece ms a la serie original.
Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com 21
Estacionalidad La estimacin de la estacionalidad no slo se realiza con el fin de incorporarla al modelo para obtener predicciones, sino tambin con el fin de eliminarla de la serie para visualizar otras componentes como el componente irregular que se puede confundir en las fluctuaciones estacionales. Antes de analizarla se eleimina el componente de tendencia.
mlarrioja@gmail.com
22
Estacionalidad
La estimacin de la estacionalidad se hace a travs del clculo de medias mviles y medias mviles centradas, al proceso tambin se le llama desestacionalizacin. Media mvil: Transformacin de la serie original en la que las nuevas observaciones para cada periodo, son un promedio de las observaciones originales. El orden de la media mvil indica el nmero de observaciones a promediar
Mensuales (Orden 12) Trimestrales (Orden 4)
1 3 MM Yt Yt r 4 r 0
4
1 11 12 MM Yt Yt r 12 r 0 1 6 12 MMc Yt Yt r 12 r 6
Dr. Mario Leoncio Arrioja Rodrguez
1 2 MMc Yt Yt r 4 r 2
4
mlarrioja@gmail.com
23
1 1 2 2 3 5 13 2.6
4 3 4 3 6 7 23 4.6
9 8 7
Total Anual 10 14 14 20 27 85 17
Se observa que en general los dos primeros trimestres estn por debajo del promedio y los dos ltimos estn por arriba del promedio.
6
5 4 3 2 1 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
mlarrioja@gmail.com
24
ndice de Estacionalidad
Sri
Yi YTotal anual
13 2.6
Sdi 4Sri
Si % 100 Sd i
Si Sdi % 100
Total Promedio
29 5.8
23 4.6
85 17 1 4 400 0
mlarrioja@gmail.com
Ajuste de Calendario
En ocasiones se debe ajustar los das de cada periodo, debido a que no todos los meses tienen el mismo nmero de das.
D FAi di
UA FAiYi
mlarrioja@gmail.com 26
Ajuste de Calendario
Mes Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Total Promedio Unidades Producidas 520 480 500 550 600 450 580 490 510 560 470 670
D 1 12 di 12 i 1
FAi
D di
UA FAiYi
Das Factor de Unidades Laborables Ajuste Ajustadas 22 19 21 21 22 20 21 23 20 22 21 20 252 21 0.9545 1.1053 1.0000 1.0000 0.9545 1.0500 1.0000 0.9130 1.0500 0.9545 1.0000 1.0500 496 531 500 550 573 473 580 447 536 535 470 704
mlarrioja@gmail.com
27
Actividades sugeridas
Plantear un problema de Series de Tiempo Obtener la Grfica de los Datos Originales y describir sus caractersticas ms importantes Obtener el componente de Tendencia por Regresin Lineal Simple y utilizarlo para hacer pronsticos de mas de un periodo Pronosticar en base a los datos del problema usando: Promedios Mviles, identificando el n ptimo y graficarlos Promedios Ponderados, identificando el n y los Wi ptimos y graficarlos Suavizacin Exponencial, identificando el mejor y graficarlos. Establecer qu mtodo de suavizacin funciona mejor para el problema planteado. Determinar si existe estacionalidad y analizarla con los ndices analizados en clase.
Dr. Mario Leoncio Arrioja Rodrguez mlarrioja@gmail.com 28
FUENTES DE INFORMACIN
1. 2.
3.
4.
Murray R. Spiegel, Estadstica, 2a. edicin, Mc Graw Hill Lind, D., Marchal, W. & Mason, R.(2004). Estadstica para Administracin y Economa (11ava Edicin) Mxico: Alfa Omega Grupo editor. Berenson, M. & Levine, D.,(1996) Estadstica Bsica para Administracin (6 Edicin). Editorial Prentice Hall. Shao, Stephen P, Estadstica para Economistas y Administradores de Empresas, Herrero Hermanos, Sucs., S.A., Mxico 1960
Glosario
29