Series de tiempo
Enviado por Topster37 • 1 de Septiembre de 2015 • Informes • 336 Palabras (2 Páginas) • 178 Visitas
MARIO EDUARDO BELLO OLVERA
A01337502
REPORTE DE MÉTODOS DE DESCOMPOSICIÓN DE SERIES DE TIEMPO
Se nos pide generar un pronóstico de ventas para el siguiente año en base a los datos que nos proporciona cierta empresa, los cuales están acomodados por años que a su vez muestran sus ventas por cada uno de los 4 trimestres que componen cada año. Los datos presentados abarcan los 4 años anteriores.
Lo primero que se debe realizar es la serie de tiempo correspondiente a los datos proporcionados por la empresa. Esta es la serie de tiempo encontrada:
[pic 1]
A simple vista podemos apreciar que puede existir en esta serie de tiempo el componente de tendencia, ya que parece que la serie aumenta progresivamente. También podemos apreciar que puede existir el componente estacional debido a que a simple vista se aprecian patrones ondulados regulares cada 4 trimestres, y por consiguiente a largo plazo es posible observar que existen patrones ondulados a largo plazo lo que daría como resultado que exista el componente cíclico.
Después de hacer el análisis de los componentes de esta serie se procede a realizar un correlograma/función de autocorrelación para observar si existe similitudes entre las ventas originales y las ventas retrasadas “x” periodo de tiempo y ver si en algún periodo de tiempo se pueden presentar las mismas ventas.
Este es el correlograma correspondiente a esta serie de tiempo.
[pic 2]
Como podemos apreciar en el correlograma cuando se desfasa la serie 4 veces, las ventas tienden a parecerse.
Al tener estos primeros resultados se procede a realizar un análisis de tendencia, cuya gráfica se presenta de esta forma:
[pic 3]
Como se puede a preciar el análisis lineal no ajusta muy bien el modelo original ya que elimina las condiciones estacionales de la serie.
Entonces lo que se propone para este caso es realizar una descomposición de la serie de tiempo lo cual nos permitirá realizar un mejor pronóstico, ya que con este método podremos tomar en cuenta la estacionalidad y así ajustarlo lo más posible para obtener pronósticos cercanos a la realidad.
...