Nombre de la asignatura: Estadstica Administrativa II
Carrera: Licenciatura en Administracin. Clave: ADT-0!" #rs. teora - #rs. $r%ctica - Cr&ditos: ! - ' - " EN EL ESTADO DE CAMPECHE TEMARIO U N I D A D 4 RAMIRO JOSE GONZALEZ HORTA A r q u i t e c t o U N I D A D 4 Series de tiempo. 4.1 Modelo l!sio de series de tiempo. 4." A#!lisis de te#de#i$. 4.% A#!lisis de &$ri$io#es 'li$s. 4.4 Medii(# de &$ri$io#es est$io#$les. 4.) Apli$i(# de $*+stes est$io#$les. 4., Pro#(stios -$s$dos e# .$tores de te#de#i$ / est$io#$les. 4.0 Pro#(stios1 ilos e i#di$dores eo#(mios. 4.2 Promedios m(&iles. 4.3 S+$&i4$i(# e5po#e#i$l omo pro#(stio. 4.16 Apli$io#es del p$7+ete omp+t$io#$l. U N I D A D 4 Series de tiempo. 4.1 Modelo l!sio de series de tiempo. CONCEPTOS Una serie de tiempo es un conjunto de observaciones hechas en distintos momentos, normalmente a intervalos iguales de tiempo. Las series de tiempo pueden incluir cantidad de turistas que visitan Mxico en distintos meses, valor del tipo de cambio del peso dlar en distintos das, entre otros aspectos. Matemticamente una serie de tiempo puede de!inirse como los valores de una variable de inters como " # , " $ , " % &. " n en los tiempos t # , t $ , t % &. t n . 'oda institucin, (a sea la !amilia, la empresa o el gobierno, tiene que hacer planes para el !uturo si ha de sobrevivir ( progresar. )o( en da diversas instituciones requieren conocer el comportamiento !uturo de ciertos !enmenos con el !in de plani!icar, prever o prevenir.
La plani!icacin racional exige prever los sucesos del !uturo que probablemente va(an a ocurrir. La previsin, a su ve*, se suele basar en lo que ha ocurrido en el pasado. +e tiene pues un nuevo tipo de in!erencia estadstica que se hace acerca del !uturo de alguna variable o compuesto de variables basndose en sucesos pasados. La tcnica ms importante para hacer in!erencias sobre el !uturo con base en lo ocurrido en el pasado, es el anlisis de series de tiempo.
+on innumerables las aplicaciones que se pueden citar, en distintas reas del conocimiento, tales como, en economa, !sica, geo!sica, qumica, electricidad, en demogra!a, en mar,eting, en telecomunicaciones, en transporte, etc. Series De Tiempo Ejemplos
#. +eries econmicas- . /recios de un artculo . 'asas de desempleo . 'asa de in!lacin . 0ndice de precios, etc.
$. +eries 1sicas- . Meteorologa . 2antidad de agua cada . 'emperatura mxima diaria . 3elocidad del viento 4energa elica5 . 6nerga solar, etc. %. 7eo!sica-
. +eries sismologas
8. +eries demogr!icas-
. 'asas de crecimiento de la poblacin . 'asa de natalidad, mortalidad . 9esultados de censos poblacionales :. +eries de mar,eting-
. +eries de demanda, gastos, o!ertas
;. +eries de telecomunicacin-
. <nlisis de se=ales
>. +eries de transporte-
. +eries de tr!ico
Uno de los problemas que intenta resolver las series de tiempo es el de prediccin. 6sto es dado una serie ?x(t1),...,x(tn)@ nuestros objetivos de inters son describir el comportamiento de la serie, investigar el mecanismo generador de la serie temporal, buscar posibles patrones temporales que permitan sobrepasar la incertidumbre del !uturo.
6n adelante se estudiar como construir un modelo para explicar la estructura ( prever la evolucin de una variable que observamos a lo largo del tiempo. La variables de inters puede ser macroeconmica 4ndice de precios al consumo, demanda de electricidad, series de exportaciones o importaciones, etc.5, microeconmica 4ventas de una empresa, existencias en un almacn, gastos en publicidad de un sector5, !sica 4velocidad del viento en una central elica, temperatura en un proceso, caudal de un ro, concentracin en la atms!era de un agente contaminante5, o social 4nAmero de nacimientos, matrimonios, de!unciones, o votos a un partido poltico5. DEFINICIN DE SERIE DE TIEMPO
6n muchas reas del conocimiento las observaciones de inters son obtenidas en instantes sucesivos del tiempo, por ejemplo, a cada hora, durante $8 horas, mensuales, trimestrales, semestrales o bien registradas por algAn equipo en !orma continua.
Llamamos Serie de Tiempo a un conjunto de mediciones de cierto !enmeno o experimento registradas secuencialmente en el tiempo. 6stas observaciones sern denotadas por ?x(t 1 ), x(t 2 ), ..., x(t n )@ B ?x(t) - t ' 9@ con x(t i ) el valor de la variable x en el instante t i . +i ' B C se dice que la serie de tiempo es discreta ( si ' B 9 se dice que la serie de tiempo es continua. 2uando t i+1 - t i B , para todo i B #,...,n.#, se dice que la serie es equiespaciada, en caso contrario ser no equiespaciada.
6n adelante se trabajar con series de tiempo discreta, equiespaciadas en cu(o caso asumiremos ( sin perdida de generalidad que- ?x(t1), x(t2), ..., x(tn)@B ?x(1), x(2), ..., x(n)@.
PRIMER PASO AL ANALIZAR CAL!IER SERIE DE TIEMPO
6l primer paso en el anlisis de series de tiempo, consiste en gra!icar la serie. 6sto nos permite detectar las componentes esenciales de la serie.
6l gr!ico de la serie permitir-
a" Dete#tar O$tlier- se re!iere a puntos de la serie que se escapan de lo normal. Un outliers es una observacin de la serie que corresponde a un comportamiento anormal del !enmeno 4sin incidencias !uturas5 o a un error de medicin.
+e debe determinar desde !uera si un punto dado es outlier o no. +i se conclu(e que lo es, se debe omitir o reempla*ar por otro valor antes de anali*ar la serie.
/or ejemplo, en un estudio de la produccin diaria en una !abrica se present la siguiente situacin ver !igura #.#- 1igura #.# Los dos puntos enmarcados en un crculo parecen corresponder a un comportamiento anormal de la serie. <l investigar estos dos puntos se vio que correspondan a dos das de paro, lo que naturalmente a!ect la produccin en esos das. 6l problema !ue solucionado eliminando las observaciones e interpolando.
%" Permite dete#tar tenden#ia- la tendencia representa el comportamiento predominante de la serie. 6sta puede ser de!inida vagamente como el cambio de la media a lo largo de un periodo 4ver !igura #.$5. 1igura #.$
#" &aria#i'n esta#ional- la variacin estacional representa un movimiento peridico de la serie de tiempo. La duracin de la unidad del periodo es generalmente menor que un a=o. /uede ser un trimestre, un mes o un da, etc 4ver !igura #.%5.
Matemticamente, podemos decir que la serie representa variacin estacional si existe un nAmero s tal que x(t) B x(t + ks).
Las principales !uer*as que causan una variacin estacional son las condiciones del tiempo, como por ejemplo- #5 en invierno las ventas de helado $5 en verano la venta de lana %5 exportacin de !ruta en mar*o.
'odos estos !enmenos presentan un comportamiento estacional 4anual, semanal, etc.5 1igura #.%
d" &aria#iones irre($lares )#omponente aleatoria"* los movimientos irregulares 4al a*ar5 representan todos los tipos de movimientos de una serie de tiempo que no sea tendencia, variaciones estacionales ( !luctuaciones cclicas.
MODELOS DE DESCOMPOSICIN
Un modelo clsico para una serie de tiempo, supone que una serie x(1), ..., x(n) puede ser expresada como suma o producto de tres componentes- tendencia, estacionalidad ( un trmino de error aleatorio.
6xisten tres modelos de series de tiempos, que generalmente se aceptan como buenas aproximaciones a las verdaderas relaciones, entre los componentes de los datos observados. 6stos son-
Una suposicin usual es que A(t) sea una componente aleatoria o ruido blanco con media cero ( varian*a constante.
Un modelo aditivo 4#5, es adecuado, por ejemplo, cuando E(t) no depende de otras componentes, como T(t), s por el contrario la estacionalidad vara con la tendencia, el modelo ms adecuado es un modelo multiplicativo 4$5. 6s claro que el modelo $ puede ser trans!ormado en aditivo, tomando logaritmos. 6l problema que se presenta, es modelar adecuadamente las componentes de la serie.
La !igura $.# ilustra posibles patrones que podran seguir series representadas por los modelos 4#5, 4$5 ( 4%5.