Analisis De Serie De Tiempos

ANALISIS DE SERIE DE TIEMPO

Una serie de tiempo o serie temporal es una colección de observaciones tomadas a lo largo del tiempo cuyo objetivo principal es describir, explicar, predecir y controlar algún proceso. Las observaciones están ordenadas respecto al tiempo y sucesivas observaciones son generalmente dependientes. De hecho esta dependencia entre las observaciones jugará un papel importante en el análisis de la serie.

COMPONENTES:

1. Tendencia secular o regular, indica la marcha general y persistente del fenómeno observado, es una componente de la serie que refleja la evolución a largo plazo. Por ejemplo, la tendencia creciente del índice de reciclado de basuras en los países desarrollados, o el uso creciente de Internet en la sociedad, independientemente de que en un mes concreto en un país, por determinadas causas, haya una baja en la utilización de Internet.

2. Variación estacional. Es el movimiento periódico de corto plazo. Se trata de una componente causal debida a la influencia de ciertos fenómenos que se repiten de manera periódica en un año (las estaciones), una semana (los fines de semana) o un día (las horas puntas) o cualquier otro periodo. Recoge las oscilaciones que se producen en esos períodos de repetición.

3. Variación cíclica. Es el componente de la serie que recoge las oscilaciones periódicas de amplitud superior a un año. movimientos normalmente irregulares alrededor de la tendencia, en las que a diferencia de las variaciones estacionales, tiene un período y amplitud variables, pudiendo clasificarse como cíclicos, cuasicíclicos o recurrentes.

4. Variación aleatoria, accidental, de carácter errático, también denominada residuo, no muestran ninguna regularidad, debidos a fenómenos de carácter ocasional como pueden ser tormentas, terremotos, inundaciones, huelgas, guerras, avances tecnológicos, etc.

MÉTODOS DE PRONÓSTICO

Los métodos de series de tiempo incluyen métodos de pronóstico y de suavizamiento simples, métodos de análisis de correlación y métodos de Box Jenkins ARIMA.

• Métodos de pronóstico y suavizamiento simple: se basan en la idea de que hay patrones visibles en una gráfica de series de tiempo que pueden ser extrapolados al futuro. El método se selecciona dependiendo de si los patrones son estáticos (constantes en el tiempo) o dinámicos (cambian en el tiempo), la naturaleza de los componentes de tendencia y estacionalidad y que tan lejos se quiera pronosticar, son métodos generalmente fáciles y rápidos de aplicar.

• Métodos de pronóstico ARIMA (Autoregressive Integrated Moving Average): también usan patrones de datos, sin embargo puede que no sean fácilmente visibles en la serie de tiempo. El modelo usa funciones de diferencias, autocorrelación y autocorrelación parcial para ayudar a identificar un modelo aceptable. El modelo ARIMA representa una serie de pasos de filtraje hasta que solo queda ruido aleatorio. Es un proceso iterativo que consume tiempo de ejecución.

METODO DE ANALISIS DE TENDENCIA

Ajusta un modelo general de tendencias a datos de series de tiempo, se puede seleccionar un modelo lineal, cuadrático, exponencial (crecimiento o declinación) y de curva – S (para tecnología). Usar este modelo si no hay componente estacional en el patrón de serie de tiempo. Tiene una amplitud de pronóstico amplia siguiendo la línea de tendencia.

Las fórmulas se muestran a continuación:

MODELOS DE TENDENCIA

Lineal

1 representa el cambio promedio

...