Professional Documents
Culture Documents
Introducción
a) Outliers:
Outliers
Componentes de una serie de tiempo
b) Tendencias
tendencia,
componente estacional,
donde:
T: Tendencia de la serie.
E: Variación Estacional.
A: Variaciones aleatorias.
precio $
720
713.7 706.7 706.9 708.2 708.8
700
Jun 712.2 713.0 710.1 708.2 707.3
680
713.0 714.2 712.5 708.5 660
717.4 712.1 710.3
b
ne
706.0 708.8
Fe
M
E
Jul 703.1
La serie original aparece graficada a continuación.
760.0
740.0
precio $
720.0
700.0
680.0
660.0
e
l
ar
br
n
ay
Ju
En
Fe
Ju
M
sem anaM
Los gráficos siguientes corresponden a las medias móviles. Se
observa cómo a medida que aumenta el orden, el efecto del
suavizado es mayor. Pero también se pierden más datos en los
extremos.
Precio del dolar observado 2003 Precio del dolar observado 2003
Media móvil orden 3 Media móvil orden 5
760 760
740 740
precio $
precio $
720
720
700
680 700
660 680
e
b
r
l
n
n
y
y
Ju
Ju
Ma
Ab
Ma
Ab
En
Fe
En
Fe
Ma
Ma
Ju
Ju
semana semana
Precio del dolar observado 2003 Precio del dolar observado 2003
Media móvil orden 7 Media móvil orden 9
760
740 760
precio $
precio $
740
720
720
700 700
680 680
e
l
n
y
l
r
n
Ju
y
Ma
Ab
Ju
Ma
Ab
En
Fe
Ma
Ju
En
Fe
Ma
Ju
semana semana
El suavizamiento de media móvil es muy fácil de aplicar,
permite visualizar la tendencia de la serie. Pero tiene dos
inconvenientes:
a, a (1 a), a (1 a) 2 , a (1 a) 3 , a (1 a) 4 ,
etc.
Como a está entre 0 y 1, estos números se van achicando a
medida que avanzan.
Z(1) = X(1)
etc.
Como se ve, Z(1) no contiene toda la historia hacia atrás,
Z(2) sólo un termino hacia el pasado, Z(3) sólo 2, etc.
PIB
7.000.000 7000000
96 997 998 999 000 001 002 003 96 997 998 999 000 001 002 003
19 1 1 1 2 2 2 2 19 1 1 1 2 2 2 2
trim estre-año trim estre-año
11000000 11000000
PIB
PIB
7000000
7000000
96
97
98
99
00
01
02
03
19
19
19
19
20
20
20
20
96
97
98
99
00
01
02
03
trim estre-año
19
19
19
19
20
20
20
20
trim estre-año
En los gráficos se puede apreciar que cuando la constante a
es pequeña, cercana a cero, el suavizamiento es
significativo.
t Y(t) t Y(t)
1 84,6 13 110,3
2 89,9 14 118,1
3 81,9 15 116,5
4 95,4 16 134,2
5 91,2 17 134,7
6 89,8 18 144,8
7 89,7 19 144,4
8 97,9 20 159,2
9 103,4 21 168,2
10 107,6 22 175,2
11 120,4 23 174,5
12 109,6 24 173,7
Gráfico de la serie:
Consum o electrico
200
consumo
150
100
50
0
11
13
15
17
19
21
23
1
m es
El modelo de tendencia propuesto es un modelo de regresión
lineal:
Y(t) = 0 + 1 t + A(t)
Consum o electrico
20,00
10,00
consumo
0,00
11
13
15
17
19
21
23
1
-10,00 9
-20,00
m es
140.0
120.0
100.0
IMACEC
80.0
60.0
40.0
20.0
0.0
96
97
98
99
00
01
02
03
19
19
19
19
20
20
20
20
m es-año
Se estima la tendencia por el método de mínimos
cuadrados, de regresión lineal
Y (t ) a bt A(t )
dando el siguiente resultado:
Intercepto a = 100.3 . Corresponde al valor de
partida.
Pendiente b = 0.253 . Corresponde al aumento medio
mensual.
Coeficiente de determinación R2 = 0.74, que indica un
ajuste moderadamente bueno.
El error estándar de los errores se estimó en 3.98.
La recta de regresión correspondiente a la tendencia se
muestra en el siguiente gráfico:
140
120
100
IMACEC
80
60
40
20
0
96
97
98
99
00
01
02
03
19
19
19
19
20
20
20
20
m es-año
Asumiremos un modelo clásico aditivo.
IMACEC
Junio 0.8 5
Julio -1.2 0
Agosto -1.3 -5
Septiembre -5.4 -10
Octubre 0.2
96
97
98
99
00
01
02
Noviembre
19
19
19
19
20
20
20
-1.7
m es-año
Diciembre -1.5
Se observan valores altos a partir de marzo, y bajos en
torno a septiembre.
140
120
100
IMACEC
80
60
40
20
0
96
97
98
99
00
01
02
19
19
19
19
20
20
20
m es-año
Con esto se pueden hacer predicciones futuras, extrapolando
la recta de regresión y sumándole la componente cíclica del
mes correspondiente.
20
15
10
IMACEC
-5
-10
96
97
98
99
00
01
02
19
19
19
19
20
20
20
m es-año
Nota: Junto con las series de datos como esta, el Banco Central también
entrega series sin tendencia y desestacionalizadas.
La tendencia parabólica
Algunas veces, de acuerdo a la forma de la gráfica de la serie o
de la naturaleza de los datos, no es significativo describir la
tendencia de una serie cronológica mediante una recta;
conviene utilizar funciones no lineales para ajustar la tendencia;
tales como la parábola, la función exponencial, etc.
La tendencia parabólica, significa utilizar la ecuación de la
parábola de la forma:
Y = a + bX + cx2
Que tiene 3 parámetros: a, b, c. De acuerdo al Método de los
Mínimos Cuadrados, las ecuaciones normales para obtener
(a,b,c) son ahora:
La tendencia parabólica
∑Y = an + b∑X + c∑X2
∑XY = a∑X + b ∑X2 + c ∑X3
∑X2Y = a∑X2 + b ∑X3 + c∑X4
Si se elige para X una escala, de modo que ∑X = 0 también resulta que ∑X3 =
0, luego las tres ecuaciones normales son ahora:
(1) ∑Y = an + c∑X2
(2) ∑XY = b ∑X2
(3) ∑X2Y = a∑X2 + c∑X4
Ejemplo
Determinar la ecuación parabólica de la
serie cronológica de la evolución del número
de ingresantes anuales a las universidades
del Perú, en el Periodo 1989-2000. (Cuadro
N° 3)
Cuadro N° 3
Número de ingresantes a la universidad peruana, 1989-2000
(Miles de Personas)
Años (t) Ingresantes (Y)
1989 74.8
1990 73.2
1991 80.5
1992 81.7
1993 83.7
1994 83.2
1995 89.5
1996 91.3
1997 92.8
1998 94.3
1999 95.9
2000 96.0
Tendencia exponencial
Existen muchas series cronológicas que tienden a variar
(ascender o descender) en forma geométrica, cuya
tendencia se puede expresar mediante una curva
exponencial. Ejemplo: el crecimiento de la población
demográfica, la evolución del ingreso nacional, los
depósitos de ahorro, etc.
La tendencia exponencial de una serie, se describe por la
forma exponencial de la forma:
Y* = a·bX
Dónde a, b son los parámetros y la variable X
(tiempo) está como exponente.
Tendencia exponencial
Conviene expresar esta función en su forma
logarítmica, a saber:
Log Y* = log a + X log b
Con ecuaciones normales:
∑ log Y = n log a + log b ∑ X
∑ X log Y = log a ∑ X + log b ∑ X2
De donde se obtiene el valor de los parámetros
log a, log b; de los cuales tomando los antilog, se
obtiene a, b.
Tendencia exponencial
En la ecuación Y* = a·bX
Se tiene que b = 1 + i donde “i” es la tasa de
crecimiento, ahora la ecuación será:
Y* = a·(1+i)X
Que corresponde a la fórmula del interés
compuesto.
Tendencia exponencial
Ejemplo:
Determinar la tendencia exponencial de la
evolución del Ingreso de Divisas del Sector
Turismo del Perú, observado en el periodo
1984-1999. El monto de Ingresos de Divisas
en millones de dólares se presenta en el
siguiente cuadro:
Ingreso de divisas del sector turismo del Perú. Periodo 1989-1999
(Millones de Dólares)
Años (t) Divisas (Y)
1989 248
1990 217
1991 225
1992 156
1993 215
1994 331
1995 428
1996 670
1997 816
1998 845
1999 890
Variaciones estacionales
Las variaciones estacionales de una serie cronológica son las
oscilaciones que se repiten casi sistemáticamente en los
subperíodos de tiempo (trimestre, meses, semanas, etc.). Por
ejemplo, si analizamos para varios años las ventas
mensuales en las librerías encontraremos que los meses de
marzo y abril presentan mayores ventas, en tanto que en el
mes de agosto son menores; por su parte, los supermercados
experimentan las mayores ventas en la ultima semana de
cada mes; el mayor consumo de energía domestica ocurre en
los meses de invierno; posiblemente el mayor número de
horas-hombres perdidas por paralizaciones laborales se
presenta en el primer trimestre de cada año. Las siembras y
las cosechas son de tipo estacional.
Variaciones estacionales
El análisis de las variaciones estacionales suele
facilitar la explicación e interpretación de algunos
acontecimientos económicos, sociales y políticos.
Tener una idea de las variaciones estacionales,
ayuda a tomar algunas decisiones y programar
actividades; por ejemplo, si un empresario advierte
que frecuentemente en el mes de agosto ocurre
una reducción de sus ventas, es posible que para
ese mes no comprometa fuertes pagos o
inversiones.
Variaciones estacionales
Existen diversos métodos para medir y explicar las
variaciones estacionales de una serie. El objetivo
fundamental de la mayoría de los métodos es
obtener ÍNDICES ESTACIONALES.
Una serie cronológica puede o no tener variación
estacional; por lo tanto, antes de decidir el cálculo
de los índices estacionales debe examinarse
cuidadosamente las variaciones con el auxilio de
la gráfica de la serie.
Variaciones estacionales
Ejemplo:
Cuadro N° 4
Venta trimestral de zapatos de una red de zapaterías en los años,
2007, 2008 y 2009.
Trimestre 2007 2008 2009
I 5443 5881 6253
II 7142 7906 8424
III 6781 7423 7928
IV 7658 8110 8907
Total Anual 27024 29320 31512
Fuente: Estadísticas de ventas de Zapaterías Don Pie.
Elaboración: Estudios y Ediciones R.A.
Ejemplo:
Considerando el número mensual de
accidentes de trabajo en una fábrica durante
5 años (2001 al 2005), indicados en el
Cuadro N° 5, realice el procedimiento del
Método del Porcentaje Promedio.
Método del porcentaje promedio
Cuadro N° 5
Número mensual de accidentes de trabajo en una fabrica textil. Años:
2001-2005
Meses Años
2001 2002 2003 2004 2005
Enero 12 18 20 22 24
Febrero 18 24 28 26 26
Marzo 18 18 24 23 24
Abril 19 24 30 36 36
Mayo 18 29 30 35 40
Junio 12 25 28 31 37
Julio 3 6 9 12 15
Agosto 6 9 11 17 18
Setiembre 4 7 13 15 18
Octubre 12 16 18 22 23
Noviembre 14 18 20 24 26
Diciembre 15 24 28 30 30
Total Anual 151 218 259 293 317
Fuente: Departamento de Seguridad Industrial.
Elaboración: Estudios y Ediciones S.A.
Método de las medias simples
Llamado frecuentemente el Método de los Promedios
Simples ajustados por la tendencia. Este método elimina
los efectos de los movimientos cíclicos (C) e irregulares (I)
que se presentan en algunas series, considerando la
media o promedio de los datos para cada mes (trimestre u
otra unidad del tiempo). A diferencia del método del
porcentaje promedio, aquí se tiene en cuenta el efecto de
la tendencia en el Índice Estacional. Se supone que los
efectos de las distintas componentes de una serie, están
basados en un modelo aditivo: Y = T+E+C+I. Cuando se
elimina las variaciones cíclicas (C) y las irregulares (I)
mediante el cálculo de promedios, el modelo se reduce a:
Método de las medias simples
Ȳi = Ti + Ei es decir Ei = Ȳi - Ti
Dónde:
Ȳi = promedio simple de los valores de Y para el mes i (i=1,
2,…,12) o trimestre (i=1,2,3,4)
Ti = desviaciones promedios correspondientes para cada
mes o trimestre, debido a la tendencia. Este valor
constituye un término de corrección, que puede ser
positivo o negativo.
El resultado Ei = Ȳi – Ti es un estacional típico o un
promedio ajustado por la tendencia. Finalmente los valores
se usan para calcular el Índice Estacional.
Método de las medias simples
Tabla de familiarización
Estacionalidad Tendencia Aleatoria
Alta
Media
Baja
Ejercicios:
1) Para cada una de las series graficadas a continuación
realizar al análisis gráfico completando la tabla de
familiarización.
Serie A Serie B
2) Construya la grafica y la tabla de familiarización para la
siguiente serie:
Planificación de un casino