Académique Documents
Professionnel Documents
Culture Documents
1.
2.
3.
4.
5.
Introduccin
Clasificacin de las series temporales (serie estacionaria y serie no
estacionaria)
Descomposicin bsica de una serie temporal (tendencia,
estacionalidad, componente irregular)
Anlisis de la tendencia (mtodo de la tendencia determinista, mtodo
de la tendencia evolutiva y mtodo de diferenciacin de la serie)
Anlisis de la estacionalidad (tabla de doble entrada, coeficiente de
estacionalidad y desestacionalizacin de la serie)
Series Temporales
1.- Introduccin
Una serie temporal corresponde a una variable registrada a lo largo del tiempo.
La variable ser de tipo cuantitativa y la unidad de tiempo estar dado segn el registro de esa
variable, este puede ser cada hora, diariamente, semanalmente, mensualmente, anualmente, etc.
El anlisis de series temporales tiene como fin explicar la evolucin de una variable en el tiempo y
prever sus valores futuros.
Ejemplos:
1.
2.
3.
4.
Series Temporales
Representacin grfica de una serie temporal
El grfico temporal se construye situando los valores que toma la serie en el eje de las
ordenadas (eje y) y los instantes temporales correspondientes en el eje de las abscisas
(eje x).
En el cuadro 1 se puede observar 4 tipos de series para distintas variables medidas en las
unidades de tiempo correspondiente.
1.
2.
3.
4.
Series Temporales
Cuadro 1: Grafico temporal para la serie A, serie B, serie C y serie D.
Serie A
Serie B
24
50
40
22
Ventas
N reclamaciones
23
21
30
20
20
19
18
10
10
19
28
Semana
19
28
cuatrimestre
Serie C
Serie D
40
6,5
Pasajeros transportados
10
6,0
5,5
5,0
35
30
25
20
4,5
1
45
89
mes
133
50
99
da
Series Temporales
2.- Clasificacin de las series temporales
Las series temporales se clasifican inicialmente en dos grupos, serie estacionaria y serie no
estacionaria.
SERIE ESTACIONARIA
En esta serie la media y la variabilidad son constantes en el tiempo.
En el grfico temporal se observa que los valores que toma la serie tienden a oscilar alrededor
de una media constante, y la variabilidad de la serie respecto de la media permanece tambin
constante en el tiempo.
Para este tipo de serie tiene sentido calcular la media y la desviacin estndar (o tpica) y
construir un histograma.
Un ejemplo se observa en cuadro 2 y cuadro 3.
Series Temporales
2.- Clasificacin de las series temporales
Las series temporales se clasifican inicialmente en dos grupos, serie estacionaria y serie no estacionaria.
SERIE ESTACIONARIA
Cuadro 2: Grafico de una serie temporal estacionaria.
SERIE ESTACIONARIA
10
Serie A
24
N reclamaciones
23
22
21
4
20
19
18
10
Media
20,96
Desv. Estndar
1,35
19
Semana
Media = 21
28
N = 30,00
0
18
19
20
21
22
23
24
30
N Reclamaciones
Series Temporales
2.- Clasificacin de las series temporales
Las series temporales se clasifican inicialmente en dos grupos, serie estacionaria y serie no estacionaria.
SERIE NO ESTACIONARIA
Una serie no estacionaria puede ser estacional, es decir, que la serie tiene una pauta
de evolucin que se repite de un ao a otro.
Es importante destacar que por definicin, una serie anual no puede ser nunca
estacional, sin embargo las series mensuales o diarias pueden presentar estacionalidad,
debida al mes o al da.
Series Temporales
Las series temporales se clasifican inicialmente en dos grupos, serie estacionaria y serie no estacionaria.
SERIES NO ESTACIONARIAS
La
serie
C
es
estacional: tiene una
pauta de evolucin que
se repite
30
20
N
O
Serie D
40
40
35
30
25
20
10
1
10
19
28
50
da
cuatrimestre
E
S
T
A
C
I
O
N
A
L
99
E
S
T
A
C
I
O
N
A
L
Serie C
6,5
Pasajeros transportados
La serie B y la serie D
son no estacionales.
E
S
T
A
C
I
O
N
A
L
Serie B
50
Ventas
Cuadro 4: Grfico
temporal para la serie
B, serie C y serie D.
N
O
6,0
5,5
5,0
4,5
1
45
89
133
mes
Series Temporales
3.- Descomposicin bsica de una serie temporal
La descripcin de una serie temporal supone que la serie observada es la suma de tres
componentes distintos:
1.
La tendencia: que se identifica con un movimiento suave de la serie a largo plazo.
Es una pauta regular que evoluciona lentamente en el tiempo creciendo o
decreciendo, tal como se observa en el cuadro 5.
aplicarse
series
temporales
2.
La estacionalidad: que son movimientos de oscilacin dentro del ao, tal como se
observa en el cuadro 6.
3.
Series Temporales
2.- La estacionalidad
3.- Descomposicin bsica de una serie temporal: Tendencia, Estacionalidad y componente Irregular
1.- La tendencia
Cuadro 5: Grfico temporal para series con tendencia creciente y decreciente.
Tendencia Decreciente
50
40
Ventas
40
30
20
35
30
25
20
10
1
10
19
cuatrimestre
28
10
19
28
da
10
Series Temporales
3.- Descomposicin bsica de una serie temporal: Tendencia, Estacionalidad y componente Irregular
2.- La estacionalidad
Cuadro 6: Grfico temporal de la serie C que es creciente y presenta
estacionalidad (en los meses de enero de cada ao hay menor N de pasajeros que en julio)
Pasajeros transportados
Pasajeros transportados
6,5
6,0
5,5
5,0
6,4
julio
6,2
6,0
5,8
5,6
enero
5,4
5,2
5,0
4,8
4,6
4,5
45
89
133
10
11
12
Ao
mes
11
Series Temporales
3.- Descomposicin bsica de una serie temporal: Tendencia, Estacionalidad y componente Irregular
xt Tt S t I t
donde Tt es la tendencia, St es la estacionalidad e It el componente irregular.
12
Series Temporales
4.- Anlisis de la tendencia
Para analizar la tendencia de una serie partiremos del supuesto que la serie no tiene
estacionalidad (la estacionalidad se ver ms adelante).
xt Tt I t
Para calcular la tendencia se puede plantear una hiptesis sobre la forma de Tt; tenemos dos casos:
M1
1.
Suponer que Tt es una funcin determinista del tiempo, por ejemplo una lnea recta. Bajo este
supuesto estudiaremos un mtodo de tendencia determinista.
M2
2.
Suponer que Tt es una funcin no determinista desconocida, pero que evoluciona suavemente a lo
largo del tiempo. Bajo este supuesto estudiaremos un mtodo de tendencia evolutiva.
M3
13
Series Temporales
4.- Anlisis de la tendencia
M1: Mtodo de tendencia determinista
Representamos la tendencia de una serie temporal por una lnea recta. La ecuacin de la
recta se calcular mediante una ecuacin de regresin donde la variable dependiente es
la serie observada y la variable explicativa es el tiempo.
Considerando
xt Tt I t
Tt a bt
( xi
cov( x, t )
i 1
(t i
x )(t i t )
N
st2
Tt a bt
i 1
t)
cov( x, t )
a x bt
s t2
I t x t Tt
14
Series Temporales
4.- Anlisis de la tendencia
M1: Mtodo de tendencia determinista
Los datos se organizarn de la siguiente forma:
Datos observados
Datos a estimar
xt
Tt
It
x1
T1
I1
x2
T2
I2
x3
T3
I3
xN
TN
IN
Tt a bt
I t x t Tt
15
Series Temporales
4.- Anlisis de la tendencia
M1: Mtodo de tendencia determinista
Ejemplo: Para la Serie B, presentada en el cuadro 1, correspondiente a las ventas cuatrimestrales de un
nuevo producto, se realiza un anlisis de la tendencia mediante la recta de regresin. Recordar que esta
serie no es estacionaria y se analiza bajo el supuesto que no tiene estacionalidad.
- El esquema propuesto es: x t Tt I t
donde xt = venta, Tt= tendencia e It es el componente irregular o residuo en el tiempo t.
- La tendencia se estima mediante un modelo de regresin:
Tt a bt
81,11
1,08
74,92
- El intercepto de la recta de regresin es: a 27,63 1,08 15,5 10,84
- La tendencia estimada esta dada por: Tt 10,84 1,08 t
- La pendiente de la recta de regresin es: b
Series Temporales
4.- Anlisis de la tendencia
M1: Mtodo de tendencia determinista
Ejemplo: Para la Serie B, presentada en el cuadro 1, correspondiente a las ventas cuatrimestrales de un nuevo
producto, se realiza un anlisis de la tendencia mediante la recta de regresin. Recordar que esta serie no es
estacionaria y se analiza bajo el supuesto que no tiene estacionalidad.
Valores reales de
la serie (ventas)
Recta estimada
para Tendencia
(b)
Recta estimada
para Tendencia
Residuos o
componente irregular
17
Series Temporales
4.- Anlisis de la tendencia
M2: Mtodo de tendencia evolutiva
Un procedimiento ms realista que el del ajuste de la lnea recta, es suponer que la tendencia Tt es
una funcin, pero que evoluciona lentamente, y en consecuencia, puede aproximarse en intervalos
muy cortos (por ejemplo de 3 o 5 datos) por una funcin simple del tiempo. En general se supone
una recta, pero ahora sus coeficientes van cambiando suavemente en el tiempo.
Para estimar la tendencia Tt tenemos que asumir que en perodos cortos los coeficientes son
constantes. En concreto, suponiendo que la representacin de la tendencia por una recta es vlida
para tres perodos consecutivos, t-1, t, t+1, se tendr:
- Tt 1 Tt crecimient o
- Tt Tt
- Tt 1 Tt crecimient o
En consecuencia, se obtiene la media de tres observaciones consecutivas (t-1, t y t+1):
mt
xt 1 xt xt 1
3
18
Series Temporales
4.- Anlisis de la tendencia
mt
xt 1 xt xt 1
3
I I t I t 1
Observacin: Utilizando la igualdad x t Tt I t se obtiene: mt Tt t 1
3
I t x t Tt
19
Series Temporales
4.- Anlisis de la tendencia
xt 1 xt xt 1
3
mt
I t x t Tt
Calculando la media mvil de orden tres los datos se organizarn de la siguiente forma:
Datos observados
Datos a estimar
xt
mt=Tt
It
x1
x2
m2
I2
x3
m3
I3
N-1
xN-1
mN-1
IN-1
xN
20
Series Temporales
4.- Anlisis de la tendencia
Mt
t 2
t 1
t 1
t 2
5
I t x t Tt
Datos observados
Datos a estimar
xt
Mt=Tt
It
x1
x2
x3
M3
I3
x4
M4
I4
x5
M5
I5
N-2
xN-2
MN-2
IN-2
N-1
xN-1
xN
21
Series Temporales
4.- Anlisis de la tendencia
M2: Mtodo de tendencia evolutiva Media Mvil de orden tres y de orden cinco
Ejemplo: Para la Serie B, presentada en el cuadro 1, correspondiente a las ventas cuatrimestrales de un
nuevo producto, se realiza un anlisis de la tendencia utilizando la media mvil de orden tres (mt) y la
media mvil de orden cinco (Mt). Algunos de los datos de la tendencia (mt y Mt ) obtenidos son los
siguientes:
t
ventas
mt
Mt
13,16
40,07
24,3
19,63
23,9
21,3
11,89
17,7
21,6
21,61
16,1
17,9
14,85
19,3
18,6
21,54
19,9
20,3
23,28
21,7
20,8
20,30
22,6
22,4
22
Series Temporales
M2: Mtodo de tendencia evolutiva Media mvil de orden tres y de orden cinco
Ejemplo: Para la Serie B, presentada en el cuadro 1, correspondiente a las ventas cuatrimestrales de un nuevo producto, se
realiza un anlisis de la tendencia utilizando la media mvil de orden tres (mt) y la media mvil de orden cinco (Mt). Algunos de
los datos de la tendencia (mt y Mt ) obtenidos son los siguientes:
(a) Tendencia de ventas con una media mvil de orden tres
50
venta
40
30
20
10
0
2
10 12 14 16 18 20 22 24 26 28
cuatrimestre
venta
40
30
20
10
0
3
11 13
15 17
19 21 23
25 27
cuatrimestre
23
Series Temporales
y t xt xt 1
Este procedimiento equivale a suponer que la tendencia en t es el valor de la serie en t-1. Por lo tanto
la serie diferenciada equivale al componente irregular.
Este mtodo es ms general ya que no requiere de ninguna hiptesis sobre la forma de la tendencia.
Este mtodo es el ms utilizado en la actualidad.
24
Series Temporales
la tendencia
4.- Anlisis de
y t xt xt 1
Calculando la serie diferenciada, los datos se organizarn de la siguiente forma:
Datos observados
t
xt
1
2
3
N-1
N
Comp. Irregular
yt
x1
x2
x3
xN-1
xN
y2=x1-x2
y3=x2-x3
yN-1=xN-2-xN-1
yN=xN-1-xN
25
la tendencia
4.- Anlisis de
Series Temporales
y t xt xt 1
Ejemplo: Para las series no estacionarias presentadas en el cuadro 4 (Serie B, Serie C y Serie D) se
eliminar la tendencia mediante la diferenciacin, quedando la componente irregular (It). La siguiente tabla
contiene la diferenciacin para seis casos de las series b, c y d; y la representacin grfica de la
componente irregular para todos los datos se puede observar en el cuadro 9.
Serie B
Cuatrim. N ventas
1
2
3
4
5
6
13,16
40,07
19,63
11,89
21,61
14,85
yt=It
mes
26,91
-20,43
-7,74
9,72
-6,76
1
2
3
4
5
6
Serie C
pasajeros yt=It
4,72
4,77
4,88
4,86
4,80
4,91
0,05
0,11
-0,02
-0,06
0,11
da
1
2
3
4
5
6
Serie D
precio accin yt=It
30,53
30,34
30,54
32,13
32,16
33,05
-0,18
0,20
1,59
0,03
0,89
26
Series Temporales
y t xt xt 1
componente irregular
30
20
10
(b) Componente
irregular para
Ventas
0
-10
-20
-30
1
9 11 13 15 17 19 21 23 25 27 29
componente irregular
cuatrimestre
0,3
0,2
0,1
(c) Componente
irregular para
N pasajeros
0,0
-0,1
-0,2
-0,3
1
12 23 34 45 56
cuatrimestre
componente irregular
2,0
1,0
(d) Componente
irregular para
Precio de una
accin
0,0
-1,0
-2,0
-3,0
-4,0
1
7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97
cuatrimestre
27
Series Temporales
5.- Anlisis de Estacionalidad
Siempre que se recogen datos igualmente espaciados es esperable un efecto estacional, por ejemplo
cuando se observan datos mensuales o semanales a travs del tiempo.
Para analizar la estacionalidad, se requiere disponer los datos en una tabla de doble entrada, donde los
valores de la serie se organizan segn las opciones de tiempo, tal como se observa en el cuadro 10,
donde cada tabla rene los valores de la serie segn (1) mes y ao, (2) semana y mes, (3) da y semana.
Cuadro 10: Tres ejemplos de organizacin de los valores que toma la serie en una tabla de doble entrada.
(1)
mes
ao
1994
1995
(2)
1996
1997
Semana
enero
febrero
marzo
abril
mes
enero
febrero
marzo
abril
mayo
junio
julio
mayo
junio
(3)
julio
Da
agosto
lunes
septiembre
martes
octubre
mircoles
noviembre
jueves
diciembre
viernes
semana
1
sbado
domingo
28
Series Temporales
5.- Anlisis de Estacionalidad
El anlisis de estacionalidad se basa en el clculo de las medias por filas, por columnas y la media global.
1.
Al restar la media global a la media de cada fila se obtienen los coeficientes estacionales.
Para los ejemplos presentados en el cuadro 10, los coeficientes estacionales representan como se sita (1) la media de
cada mes respecto de la media global; (2) la media de cada semana respecto de la media global y (3) la media de cada
da respecto de la media global.
2.
Las medias de las columnas indican la tendencia de la serie. Al restar la media global a la media de
cada columna se obtiene el comportamiento relativo.
Para los ejemplos presentados en el cuadro 9, se tendra (1) la media de cada ao menos la media global; (2) la media
de cada mes menos la media global y (3) la media de cada semana respecto de la media global.
3.
Se denomina serie desestacionalizada a una serie donde se ha eliminado el efecto estacional. Esta
serie se construye restando a los valores de cada fila el coeficiente estacional correspondiente.
Ejemplo: Para la serie mensual de pasajeros transportados por avin en vuelos internacionales (c), se realiza un
anlisis de la estacionalidad (ver cuadro 11), es decir se organizan los datos por mes y ao, se calcula la media
global, las medias por mes (fila ), las medias por ao (columna), el coeficiente de estacionalidad por mes; y se
construye la serie desestacionalizada.
29
Series Temporales
5.- Anlisis de Estacionalidad
30
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del
tiempo. Se emplean en economa y casi todos los campos de las ciencias sociales.
1) Nmero ndice para un producto (veremos 3) :
- Para calcular este ndice hay que identificar el producto a evaluar y el valor que toma ste en una unidad de
tiempo, por ejemplo ao.
- Hay que determinar un ao base, al que se le denomina perodo base del ndice.
- La Eleccin del ao base es arbitraria y representa el momento temporal de referencia para las
comparaciones.
a) ndice de precio (It) =
precio en ao t
100
precio en ao base
Precios
ao
1 litro leche
1 kg carne
ao
ndice leche
ndice azafran
ndice carne
1990
70
10000
1200
1990
100
100
100
1991
75
12000
1250
1991
107,1
120
104,2
1992
77
16000
1280
1992
110
160
106,7
1993
77
20000
1300
1993
110
200
108,3
1994
85
25000
1375
1994
121,4
250
114,6
1995
90
22000
1450
1995
128,6
220
120,8
a) ndice
de
precio
(It)
31
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del
tiempo. Se emplean en economa y casi todos los campos de las ciencias sociales.
1) Nmero ndice para un producto:
Precios
ao
1 litro leche
1 kg carne
ao
ndice leche
ndice azafrn
ndice carne
1990
70
10000
1200
1990
1991
75
12000
1250
1991
7,1
20
4,2
1992
77
16000
1280
1992
10
60
6,7
1993
77
20000
1300
1993
10
100
8,3
1994
85
25000
1375
1994
21,4
150
14,6
1995
90
22000
1450
1995
28,6
120
20,8
32
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del
tiempo. Se emplean en economa y casi todos los campos de las ciencias sociales.
1) Nmero ndice para un producto:
It
1 100
I t 1
a) ndice
de
precio
(It)
ao
ndice leche
ndice azafran
ndice carne
1990
100
100
100
1991
107,1
120
104,2
1992
110
160
106,7
1993
110
200
108,3
1994
121,4
250
114,6
1995
128,6
220
120,8
ao
ndice leche
ndice azafran
ndice carne
1990
1991
7,1
20
4,2
1992
2,7
33,3
2,4
1993
25,0
1,5
1994
10,4
25,0
5,8
1995
5,9
-12
5,4
33
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del
tiempo. Se emplean en economa y casi todos los campos de las ciencias sociales.
2) Nmero ndice con agregacin simple
k
Ig
Ii
i 1
suma de ndices
k
- Este ndice evita la unidad de medida de los precios de los productos al incorporar en su clculo los ndices
de precio, considerando un ao base.
- Su ventaja es la simplicidad.
- El inconveniente es que da el mismo peso a todos los productos.
ndice agregado
Precios
ao
1 litro leche
1 kg carne
ao
ndice leche
ndice azafrn
ndice carne
ndice agregado
1990
70
10000
1200
1990
100
100
100
100
1991
75
12000
1250
1991
107,1
120
104,2
110,4
1992
77
16000
1280
1992
110
160
106,7
125,6
1993
77
20000
1300
1993
110
200
108,3
139,4
1994
85
25000
1375
1994
121,4
250
114,6
162,0
1995
90
22000
1450
1995
128,6
220
120,8
156,5
34
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del
tiempo. Se emplean en economa y casi todos los campos de las ciencias sociales.
3) Nmero ndice con agregacin ponderada
k
ndice A P= I gp I i p i
i 1
leche
azafrn
ao
carne
ndice leche
ndice azufran
ndice carne
ndice AP
1990
100
100
100
100
1991
107,1
120
104,2
105,2
1992
110
160
106,7
109,6
270
150
Precio
18900
10000
180000
208900
1993
110
200
108,3
112,8
Ponderacin
0,0905
0,0479
0,8617
1994
121,4
250
114,6
121,7
1995
128,6
220
120,8
126,3
35
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del
tiempo. Se emplean en economa y casi todos los campos de las ciencias sociales.
3) Nmero ndice con agregacin ponderada
k
C i ao base Pr ecioi ao t
I Laspeyres
i 1
k
100
i 1
ao
1 litro leche
1 kg carne
ndice Laspeyres
1990
70
10000
1200
100
1991
75
12000
1250
105,2
1992
77
16000
1280
109,5
1993
77
20000
1300
112,9
1994
85
25000
1375
121,7
1995
90
22000
1450
126,3
36
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del tiempo. Se emplean
en economa y casi todos los campos de las ciencias sociales.
It
1 100
I t 1
37
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del tiempo. Se emplean
en economa y casi todos los campos de las ciencias sociales.
22,28
22,06
3,07
2,82
Vestido y calzado
9,25
9,03
Vivienda
10,71
10,36
Menaje
6,17
6,15
Medicina
2,72
2,83
14,91
14,89
Comunicaciones
3,28
3,58
Ocio y cultura
6,78
7,11
Enseanza
1,68
1,6
11,45
11,55
7,72
8,02
Transporte
100
100
38
Nmeros ndice
Nmeros ndice: permiten describir la evolucin de una realidad compleja a lo largo del tiempo. Se emplean
en economa y casi todos los campos de las ciencias sociales.
IPC
% variacin
1987
74,9
1988
78,5
4,8
1989
83,9
6,9
1990
89,5
6,7
1991
94,8
5,9
1992
100
5,5
1993
105
5,0
1994
110
4,8
1995
115,1
4,6
It
78,5
1 100
1 100 4,8
I
74
,
9
t 1
39