Vous êtes sur la page 1sur 8

Anlisi de sries temporals.

Prctiques aula informtica

PRCTICA 1. A. SRIES TEMPORALS (PROGRAMA MINITAB)


Men MINITAB, representaci grfica, mitjanes mbils, anlisi de la
tendncia i mesures davaluaci de la capacitat predictiva.
MENU PRINCIPAL (OPCIONS)

MENU PRINCIPAL: STAT > Time Series


Time Series Plot: Grfica de series de tiempo
Trend Analysis: Anlisis de tendencia - ajusta una lnea utilizando un modelo lineal,
quadrtico, de crecimiento, o curva-S
Descomposition: Descomposicin - desarrolla descomposicin clsica sobre una
serie de tiempo, utilizando un modelo multiplicativo o un aditivo
Moving Average: Promedio movil - calcula promedios mviles, que pueden
utilizarse para suavizar una serie de tiempo o para generar pronsticos
Single Exp. Smoothing: Suavizacin exp. nica - suaviza el ruido en una serie de
tiempo y pronostica valores futuros de la serie
Double Exp. Smoothing: Suavizacin exp. doble - suaviza el ruido en una serie de
tiempo y pronostica datos que observan una tendencia; utiliza el mtodo de doble
exponencial de Holt o Brown
Winters Method: Mtodo de Winters - realiza la suavizacin estacional de
HoltWinters, utilizando un modelo multiplicativo o un modelo aditivo, para suavizar
y pronosticar los datos que observan una configuracin de tendencia y una
configuracin estacional

Pgina 1 de 6

Anlisi de sries temporals. Prctiques aula informtica

REPRESENTACI GRFICA (TIME SERIES PLOT)


1.- Utilitzar larxiu de dades EXPORTACIONS per fer les representacions grfiques
de la srie (smbols de representaci, opcions).
STAT TIME SERIES TIME SERIES PLOT

Pgina 2 de 6

Anlisi de sries temporals. Prctiques aula informtica

100
90

Exportacions

80
70
60
50
40
30
20
Year

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

MITJANES MBILS (MOVING AVERAGE)


2.- Obriu larxiu de dades FACTURACI hi sortir informaci relativa a una variable
setmanal (25 perodes). Fer una predicci per al prxim perode utilitzant una mitjana
mbil damplada 3 (mitjana mbil asimetrica) i una altra damplada 6 (mitjana mbil
centrada).
STAT TIME SERIES MOVING AVERAGE
Mitjana mbil amplada n= 3

MITJANA MBIL ASIMETRICA

La srie pot ser centrada o asimtrica, en aquest cas es asimtrica.


Storage (Guardar)

Moving averages (Mitjana mbil)


Fits (Ajustos)
Pgina 3 de 6

Anlisi de sries temporals. Prctiques aula informtica


Residuals: (Residuals, errors)
Forecasts (Pronstics)
Moving Average

Actual

50

Predicted

Facturaci

Forecast
Actual
Predicted
Forecast

45

Moving Average

40

Length:
MAPE:

35
0

10

3
7,0700

MAD:

3,0455

MSD:

16,5505

20

Time

n = 3
MITJANA MBIL ASIMETRICA
Setmana
Xt
AVER1
FITS1
1
37
*
*
2
35
*
*
3
40
37,3333
*
4
48
41,0000
37,3333
5
50
46,0000
41,0000
6
46
48,0000
46,0000
Mitjana mbil amplada n = 6

RESI1
*
*
*
10,6667
9,0000
0,0000

FORE1
42,3333

MITJANA MBIL CENTRADA

Per calcular la srie centrada activarem la casella CENTER THE MOVING


AVERAGE

Pgina 4 de 6

Anlisi de sries temporals. Prctiques aula informtica


Moving Average

Actual

50

Predicted

Facturaci

Forecast
Actual
Predicted
Forecast

45

Moving Average

40

35
0

10

Length:

MAPE:

5,97110

MAD:

2,42982

MSD:

8,85819

20

Time

Setmana
1
2
3
4
5
6
7
8

Xt
37
35
40
48
50
46
44
46

AVER2
*
*
*
43,2500
44,7500
45,6667
45,5000
44,6667

FITS2
*
*
*
*
*
*
*
43,2500

RESI2
*
*
*
*
*
*
*
2,75000

FORE2
40,3333

Pgina 5 de 6

Anlisi de sries temporals. Prctiques aula informtica

ANLISI DE TENDNCIA (TREND ANALYSIS)


3.- Obriu larxiu EXPORTACIONS i analitzeu la tendncia pels models: lineal,
quadrtic, exponencial i logstica, generant pronstics per 2 perodes, i calculeu les
mesures davaluaci de la capacitat predictiva.
STAT TIME SERIES TREND ANALYSIS

Storage (Guardar)

Fits (Ajustos)
Residuals: (Residuals, errors)
Forecasts (Pronstics)

MODEL
T. lineal

EQUACI
= 7,436 + 8,06 t
X
t

MESURES
MAPE:
MAD:
MSD:

6,67887
3,15207
14,6537

1
2

12
13

104,200
112,264

T. quadrtica

= 15,95+ 4,133t
X
t

MAPE:
MAD:
MSD:

3,07775
1,72469
6,28743

1
2

12
13

112,715
125,036

T. exponencial

= 19,16 * 1,171 t MAPE:


X
t
MAD:
MSD:

5,98144
3,19158
16,6292

1
2

12
13

128,144
150,132

T. logstica

=103/-4,55996 +
X
t

MAPE:
MAD:
MSD:

8,09371
3,43231
18,1475

1
2

12
13

129,034
155,586

+ 0,32750 t2

38,361* (0,8925t-1)

PREDICCI

Pgina 6 de 6

Anlisi de sries temporals. Prctiques aula informtica


4.- Comprovar la soluci dels exercicis UNITAT 2 amb representacions grfiques i
mesures davaluaci.
Exercici 2.5.
Els ndexs de consum denergia elctrica, Xt registrats en una determinada rea
geogrfica en expansi van estar els segents en el passat decenni:
Any
Xt

1992
100

1993
195

1994
295

1995
386

1996
537

1997
660

1998
827

1999
973

2000
1318

2001
1425

Representar grficament i realitzar un ajustament exponencial amb previsions per


2002, 2003 i 2004.
SOLUCI
1999
2.343

= 110,99 * 1,31949 t
T. exponencial X
t

2000
3.091

2001
4.079

Exercici 2.6.
Els ndex de vendes registrats en els primers nou anys de vida duna lnia de producte
sn els segents:
Any 1990 1991 1992 1993 1994 1995 1996 1997 1998
Xt
100
120
138
150
162
173
182
188
193
Ajustar la tendncia amb aquestes dades i realitzar prediccions per 1999 i 2000.
SOLUCI
T. Lineal
T. Quadrtica
T. Exponencial

ESTIMACI
MESURES PREDICCI

MSD = 35,4
X t = 98,97+11,45t
2

X t = 80,5+21,52t-1,0007t
MSD = 0,74
= 103,65*1,08t
X 89 =195
X
t
MSD = 77,8

X
90

=195,367
Exercici 2.7.
A partir de lestoc de tractors en Espanya entre els anys 1951-1976, escollir el millor
ajust a les dades en funci de la representaci grfica, les mesures davaluaci del errors
i realitzar les prediccions per 6 perodes.
Any
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960

Xt
13800
15800
19000
21440
26020
29960
34180
40680
47080
56840

Any
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970

Xt
71080
92750
114410
130130
147880
169190
180720
204360
234540
259820

Any
1971
1972
1973
1974
1975
1976

Xt
282370
306190
330360
355550
379070
400928

Pgina 7 de 6

Anlisi de sries temporals. Prctiques aula informtica

Pgina 8 de 6