Series de Tiempo Lectura 1

Series Temporales
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)
Resumen de conceptos involucrados:

Una serie temporal puede ser estacionaria o no estacionaria. Una serie temporal esta
compuesta por la tendencia (creciente o decreciente), la estacionalidad y un
componente irregular.
El anlisis de la tendencia se puede realizar a travs del mtodo de la tendencia
determinista (recta de regresin), mtodo de la tendencia evolutiva (media mvil de
orden tres y de orden cinco) y mtodo de diferenciacin de la serie.
En el anlisis de estacionalidad se organizan los datos en una tabla de doble entrada,
se calculan coeficientes de estacionalidad y se realiza una 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.
El ingreso diario de pacientes a la unidad de emergencia de un hospital: la variable es el

nmero de pacientes que ingresan y la unidad de tiempo es diariamente.
2.
En un supermercado se tienen las ventas semanales de un producto determinado: la variable

es el nmero de ventas del producto y la unidad de tiempo es semanalmente.
3.
Una empresa estudia la tasa de ausentismo laboral mensual en un periodo de 10 aos: La

variable es la tasa de ausentismo y la unidad de tiempo es mensualmente.
4.
En un pas se realiza un estudio sobre la proporcin de mujeres que ingresan a la universidad

sobre el total de ingresos anuales desde el ao 1980 a 2006: la variable es la proporcin de
mujeres y unidad de tiempo es anualmente.
2
Series Temporales
Representacin grfica de una serie temporal
La representacin grfica principal de una serie de tiempo es por medio de un grfico

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.
Serie A: Nmero de reclamaciones semanales presentadas en el servicio de atencin al

cliente de una empresa de servicios (30 semanas).
Serie B: Nmero de Ventas cuatrimestrales de un nuevo producto (30 cuatrimestres
correspondiente a 7 aos y medio)
Serie C: Nmero de pasajeros mensuales transportados por avin en vuelos
internacionales (144 meses correspondiente a 12 aos).
Serie D: Precio diario de una accin en dlares (100 das).
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
Precio de una accin
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
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.
Cuadro 3: Histograma de una serie temporal estacionaria.

Histograma N de Reclamaciones
SERIE ESTACIONARIA
10
Serie A
24
N reclamaciones
23
22
21
4
20
19
18
Desv. tp. = 1,35
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
SERIE NO ESTACIONARIA
En esta serie la media y/o la variabilidad cambian a lo largo del tiempo.
El cambio de la media se traduce en la presencia de una tendencia a crecer o decrecer,

por lo que la serie no tiende a oscilar alrededor de un valor constante o de referencia.
Este tipo de series son dinmicas o evolutivas.
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.
Ejemplos de series estacionarias se observan en el cuadro 4.
Series Temporales
SERIES NO ESTACIONARIAS
La
serie
C
es
estacional: tiene una
pauta de evolucin que
se repite
Precio de una accin
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
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
Los mtodos descriptivos clsicos pueden

estacionarias, pero no para las no estacionarias.
Una serie no estacionaria presenta unas caractersticas que permiten descomponerla.

En stas se puede identificar una tendencia constante o no constante y tambin se puede
observar la estacionalidad.
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.
El irregular: que incluye las variaciones aleatorias alrededor de los componentes

anteriores.
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 de series no estacionarias

Tendencia Creciente
Tendencia Decreciente
50
Precio de una accin
40
Ventas
40
30
20
35
30
25
20
10
1
10
19
cuatrimestre
28
10
19
28
da
10
Series Temporales
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)
Estacionalidad de una serie no estacionaria

Serie C
6,6
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
La serie temporal no estacionaria se puede escribir como:
Valor observado= tendencia + estacionalidad + 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).
Es decir, la serie a analizar es no estacionaria, no tiene estacionalidad, puede presentar una

tendencia creciente o decreciente y posee un componente aleatorio irregular, esto se representa
por el siguiente esquema:
Valor observado= tendencia + irregular
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
Un mtodo ms general consiste en no hacer ninguna hiptesis sobre la forma de la ecuacin de la

tendencia a corto plazo y suponer que la tendencia evoluciona lentamente en el tiempo, de manera que en el
instante t debe ser prxima a la tendencia en el instante t-1. Para esto estudiaremos un mtodo de
diferenciacin de la serie que elimina la tendencia de la serie.
13
Series Temporales
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
El objetivo es obtener la tendencia y posteriormente el componente irregular.

La tendencia en t esta dada por la siguiente ecuacin de regresin:
Tt a bt
Donde a y b son constantes a determinar y t es la variable tiempo.

Para obtener la pendiente (b) y el intercepto (a) de la recta, se debe calcular lo siguiente:
N
( xi
cov( x, t )
i 1
(t i
x )(t i t )
N
La tendencia estar dada por:
st2
Tt a bt
i 1
t)
cov( x, t )
a x bt
s t2
La componente irregular estar dada por:
I t x t Tt
14
Series Temporales
Los datos se organizarn de la siguiente forma:
Datos observados
La tendencia estar dada por:
Datos a estimar
xt
Tt
It
x1
T1
I1
x2
T2
I2
x3
T3
I3
xN
TN
IN
Tt a bt
La componente irregular estar dada por:
I t x t Tt
15
Series Temporales
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
- La variable tiempo (t ) toma los valores del 1 al 30.

- La media para el tiempo es: t 15,5
- La varianza para el tiempo es: st 74,92
2
- La media de la serie de ventas es: x 27,63

- La covarianza entre la serie de ventas y la variable t es: cov( x, t ) 81,11
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
- Los residuos o componente irregular estn dados por: It xt Tt

16
Series Temporales
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.
En el cuadro 7 se puede observar grficamente el comportamiento de los datos de la serie comparado

con la tendencia estimada y los errores o componentes irregulares.
(a)
Cuadro 7: contiene en (a) el

grfico de la recta de tendencia y
datos de la serie de ventas y en (b)
el grafico de los componentes
irregulares (residuos) y la recta de
la tendencia.
Observacin: Ajustar un lnea recta a la

tendencia tiene la ventaja de la simplicidad.
Puede servir para describir algunas series
cuyo grfico temporal muestra claramente
una tendencia lineal, sin embargo no es
aplicable a las series donde no se observa
un incremento o decremento continuado y
constante a lo largo del tiempo.
Valores reales de
la serie (ventas)
Recta estimada
para Tendencia
(b)
Recta estimada
para Tendencia
Residuos o
componente irregular
17
Series Temporales
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
A esta operacin se le denomina Media Mvil centrada de orden tres.
18
Series Temporales

Media Mvil centrada de orden tres
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
mt tendencia componente irregular

Como el componente irregular tiene media cero, la media de tres valores del
irregular puede suponerse despreciable frente a la tendencia y mt recoge
principalmente en cada instante la tendencia de la serie en dicho momento.
La Media Mvil centrada de orden tres, proporciona aproximadamente la
tendencia en cada punto.
El calculo de la componente irregular se efecta despus restando a los valores la

tendencia, es decir:
I t x t Tt
19
Series Temporales

La Media Mvil
centrada de orden tres es:
La componente irregular es:
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

La Media Mvil de orden cinco se calcula con 5 observaciones consecutivas (t-2, t-1, t,
t+1 y t+2):
x x x x x
Mt
t 2
La componente irregular es:
t 1
t 1
t 2
5
I t x t Tt
Calculando la media mvil de orden cinco los

datos se organizarn de la siguiente forma:
Observacin: la tendencia con una media

mvil de orden cinco es ms suave que con
la media mvil de orden tres.
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
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
De las 30 observaciones, calculando la Media Mvil de orden tres se obtienen 28 observaciones de

tendencia; y calculando la Media Mvil de orden cinco se obtienen 26 observaciones de tendencia.
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
Cuadro 8: Tendencia de ventas obtenida por la

media mvil de orden tres (a) y de orden cinco (b).
venta
40
30
20
10
0
2
10 12 14 16 18 20 22 24 26 28
cuatrimestre
(b) Tendencia de ventas con una media mvil de orden cinco

50
venta
40
30
20
10
Observacin: desde el cuadro 8 se puede ver que

la tendencia de las ventas con la media mvil de
orden cinco es ms suave que con la de orden tres.
0
3
11 13
15 17
19 21 23
25 27
cuatrimestre
23
Series Temporales
M3: Mtodo de diferenciacin de la serie

Este mtodo ms general para calcular la tendencia, consiste en no hacer ninguna hiptesis sobre la
forma de la ecuacin de la tendencia a corto plazo.
Supone nicamente que la tendencia evoluciona lentamente en el tiempo, de manera que en el
instante t debe ser prxima a la tendencia en el instante t-1.
En consecuencia, si se resta a cada valor de la serie el valor anterior, la serie resultante estar
aproximadamente libre de la tendencia.
Esta operacin se denomina diferenciar la serie y consiste en pasar de la serie xt a una nueva serie yt,
que se construye mediante:
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

Ejemplo: Para las series no estacionarias del cuadro
4 (Serie B, Serie C y Serie D) se elimin la tendencia
mediante la diferenciacin, quedando la componente
irregular (It).
y t xt xt 1
30
20
10
(b) Componente
irregular para
Ventas
0
-10
-20
-30
1
9 11 13 15 17 19 21 23 25 27 29
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
67 78 89 100 111 122 133
cuatrimestre
Cuadro 9: Representacin grfica de

la diferenciacin de las series B,C y D.
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
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
Cuadro 11: Anlisis de

estacionalidad para la serie
mensual
de
pasajeros
transportados por avin en
vuelos internacionales.
(Coeficientes Estacionales, Tendencia de la Serie, Serie Desestacionalizada)

Tabla de doble entrada
Serie: pasajeros por mes y ao
ao
mes
1990 1991 1992 1993 1994 1995 medias Coef. Estac.
Diferencia entre
enero
4,7
4,7
5,0
5,1
5,3
5,3
5,0
-0,15
la media de fila y
febrero
4,8
4,8
5,0
5,2
5,3
5,2
5,1
-0,12
la media global.
marzo
4,9
4,9
5,2
5,3
5,5
5,5
5,2
0,02
abril
4,9
4,9
5,1
5,2
5,5
5,4
5,2
-0,02
mayo
4,8
4,8
5,1
5,2
5,4
5,5
5,1
-0,03
junio
4,9
5,0
5,2
5,4
5,5
5,6
5,3
0,08
julio
5,0
5,1
5,3
5,4
5,6
5,7
5,4
0,18
agosto
5,0
5,1
5,3
5,5
5,6
5,7
5,4
0,19
septiembre
4,9
5,1
5,2
5,3
5,5
5,6
5,3
0,08
octubre
4,8
4,9
5,1
5,3
5,4
5,4
5,1
-0,04
noviembre
4,6
4,7
5,0
5,1
5,2
5,3
5,0
-0,17
diciembre
4,8
4,9
5,1
5,3
5,3
5,4
5,1
-0,04
Medias
4,8
4,9
5,1
5,3
5,4
5,5
Media por filas: sumar todos los
Media Global =
5,175
valores de la fila y dividirlo por
el nmero de aos
Serie de pasajeros desestacionalizada
Media por columnas: sumar
ao
todos los valores de la columna
mes
1990 1991 1992 1993 1994 1995
y dividirlo por el nmero de
enero
4,9
4,9
5,1
5,3
5,4
5,5
meses = tendencia de la serie
febrero
4,9
5,0
5,1
5,3
5,4
5,4
marzo
4,9
4,9
5,2
5,2
5,4
5,4
abril
4,9
4,9
5,1
5,2
5,5
5,4
mayo
4,8
4,9
5,2
5,2
5,5
5,5
Serie desestacionalizada: a
junio
4,8
4,9
5,1
5,3
5,4
5,5
cada valor de la fila se le
julio
4,8
5,0
5,1
5,3
5,4
5,5
resta el coeficiente de
agosto
4,8
4,9
5,1
5,3
5,4
5,5
estacionalidad.
septiembre
4,8
5,0
5,1
5,3
5,4
5,5
octubre
4,8
4,9
5,1
5,3
5,4
5,5
noviembre
4,8
4,9
5,2
5,3
5,4
5,5
diciembre
4,8
5,0
5,1
5,3
5,3
5,5
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
- Permite comparar la evolucin de productos distintos.

- Si se comparan tres productos hay que seleccionar el mismo ao base para construir el ndice, esto permite
hacer la comparacin de la variacin del precio de los productos.
Precios
ao
1 litro leche
100 grs azafran
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
1) Nmero ndice para un producto:
b) ndice de precio relativo respecto al ao base=
precio ao t precio ao base

100
precio ao base
- Proporciona de manera directa los crecimientos relativos respecto del ao base.

- Por ejemplo: para la leche ndice de precio relativo respecto del ao base, representa el incremento (en este
caso) porcentual respeto del ao base.
- Es decir, en el ao 1991 la leche increment su precio en un 7,1% respecto del ao 1990; y un 10% en el ao
1992 (tambin respecto del ao base 1990)
b) ndice de precio relativo al ao base
Precios
ao
1 litro leche
100 grs azafran
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
1) Nmero ndice para un producto:
c) ndice de precio relativo respecto del ao anterior =

(donde P0 es el precio en el ao base)
=
(precio ao t)/P 0 (precio ao t - 1)/P 0

100
(precio ao t - 1)/P 0
It
1 100
I t 1
Proporciona los crecimientos relativos con relacin a cualquier otro perodo.

c) ndice de precio relativo al ao anterior
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
2) Nmero ndice con agregacin simple
k
a) ndice agregado: Promedio de ndices individuales =
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
100 grs azafran
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
3) Nmero ndice con agregacin ponderada
k
ndice A P= I gp I i p i
a) ndice agregado ponderado:
i 1
- Considera las ponderaciones de los precios sobre un ao base

- Necesitamos conocer la cantidad de producto consumida en el ao base.
- No da el mismo peso a todos los productos.
ndice agregado ponderado
Ao 1990: una familia consume 270 litro
leche, 100 grs. Azafrn y 150 Kg de carne
Ao 1990
Consumo
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
3) Nmero ndice con agregacin ponderada
k
C i ao base Pr ecioi ao t
b) ndice agregado ponderado: ndice de Laspeyres=
I Laspeyres
Ci ao Base: es la cantidad de producto i en el ao base.

Precioi ao t: es el precio del producto i en el ao t.
Precioi ao Base: es el precio del producto i en el ao ao base.
-
i 1
k
100
C i ao base Pr ecioi ao base
i 1
Este ndice tiene en cuenta la importancia relativa de los producto en el consumo.

Necesitamos conocer la cantidad de producto consumida en el ao base.
ndice Laspeyres
No da el mismo peso a todos los productos.
Los resultados son iguales al ndice AP
Ao 1990: una familia consume 270 litro

leche, 100 grs. Azafrn y 150 Kg de carne
Segn se observa el ndice AP (a) posee

una formula distinta que el ndice de
Laspeyres (b), pero generan los mismos
resultados.
ao
1 litro leche
100 grs azafran
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.
4) ndice de precios al consumo (IPC)

- El IPC se calcula mensualmente por el Instituto Nacional de Estadsticas (INE).
- Refleja la evolucin de los precios para la familia media Espaola
- Es un ndice de Laspeyres que compara el valor cada mes de un conjunto de artculos con su valor en el
perodo de referencia; ste se denomina Laspeyres encadenado
- El perodo de referencia se modifica aproximadamente cada 10 aos, para tener en cuenta los cambios en la
estructura del consumo de la poblacin espaola.
- La distribucin de los gastos de las familias (o ponderaciones) se estima realizando una encuesta que se
conoce como Encuesta de presupuestos Familiares (EPF)
- Describe la evolucin de los precios de consumo en un pas a lo largo del tiempo.
- El porcentaje de variacin o de crecimiento del IPC se puede calcular para cada ao, mes, etc, utilizando el
ndice de precio relativo:
It
1 100
I t 1
37
Nmeros ndice
IPC, base 2006. Ponderaciones (Fuente INE)

Grupos
Ao 2006, IPC base 2001
Ao 2007, IPC base 2006
22,28
22,06
Bebidas alcohlicas y tabaco
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
Alimentos y bebidas no alcohlicas
Transporte
Hoteles, cafs y restaurantes

Otros bienes y servicios
General
100
100
38
Nmeros ndice
Ejemplo del calculo del porcentaje de variacin (o crecimiento)

ao
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

Series de Tiempo Lectura 1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Series de Tiempo Lectura 1

Transféré par

Droits d'auteur :

Formats disponibles

Series Temporales

Resumen de conceptos involucrados:

El ingreso diario de pacientes a la unidad de emergencia de un hospital: la variable es el

En un supermercado se tienen las ventas semanales de un producto determinado: la variable

Una empresa estudia la tasa de ausentismo laboral mensual en un periodo de 10 aos: La

En un pas se realiza un estudio sobre la proporcin de mujeres que ingresan a la universidad

La representacin grfica principal de una serie de tiempo es por medio de un grfico

Serie A: Nmero de reclamaciones semanales presentadas en el servicio de atencin al

Precio de una accin

Cuadro 3: Histograma de una serie temporal estacionaria.

Desv. tp. = 1,35

En esta serie la media y/o la variabilidad cambian a lo largo del tiempo.

El cambio de la media se traduce en la presencia de una tendencia a crecer o decrecer,

Este tipo de series son dinmicas o evolutivas.

Ejemplos de series estacionarias se observan en el cuadro 4.

2.- Clasificacin de las series temporales

Precio de una accin

Los mtodos descriptivos clsicos pueden

Una serie no estacionaria presenta unas caractersticas que permiten descomponerla.

El irregular: que incluye las variaciones aleatorias alrededor de los componentes

Tendencia de series no estacionarias

Precio de una accin

Estacionalidad de una serie no estacionaria

La serie temporal no estacionaria se puede escribir como:

Valor observado= tendencia + estacionalidad + irregular

Es decir, la serie a analizar es no estacionaria, no tiene estacionalidad, puede presentar una

Valor observado= tendencia + irregular

Un mtodo ms general consiste en no hacer ninguna hiptesis sobre la forma de la ecuacin de la

El objetivo es obtener la tendencia y posteriormente el componente irregular.

Donde a y b son constantes a determinar y t es la variable tiempo.

La tendencia estar dada por:

La componente irregular estar dada por:

La tendencia estar dada por:

La componente irregular estar dada por:

- La variable tiempo (t ) toma los valores del 1 al 30.

- La media de la serie de ventas es: x 27,63

- Los residuos o componente irregular estn dados por: It xt Tt

En el cuadro 7 se puede observar grficamente el comportamiento de los datos de la serie comparado

Cuadro 7: contiene en (a) el

Observacin: Ajustar un lnea recta a la

A esta operacin se le denomina Media Mvil centrada de orden tres.

M2: Mtodo de tendencia evolutiva

mt tendencia componente irregular

El calculo de la componente irregular se efecta despus restando a los valores la

M2: Mtodo de tendencia evolutiva

La componente irregular es:

M2: Mtodo de tendencia evolutiva

La componente irregular es:

Calculando la media mvil de orden cinco los

Observacin: la tendencia con una media

De las 30 observaciones, calculando la Media Mvil de orden tres se obtienen 28 observaciones de

4.- Anlisis de la tendencia

Cuadro 8: Tendencia de ventas obtenida por la

(b) Tendencia de ventas con una media mvil de orden cinco

Observacin: desde el cuadro 8 se puede ver que

4.- Anlisis de la tendencia

M3: Mtodo de diferenciacin de la serie

M3: Mtodo de diferenciacin de la serie

M3: Mtodo de diferenciacin de la serie

M3: Mtodo de diferenciacin de la serie

4.- Anlisis de la tendencia

67 78 89 100 111 122 133

Cuadro 9: Representacin grfica de

Cuadro 11: Anlisis de