Series de Tiempo
description
Transcript of Series de Tiempo
![Page 1: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/1.jpg)
Powerpoint TemplatesPage 1
Powerpoint Templates
Series de Tiempo
Rubén Quiñones Xaymara Pérez
![Page 2: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/2.jpg)
Powerpoint TemplatesPage 2
Definición
Se llama Series de Tiempo a un conjunto
de observaciones sobre valores que toma
una variable (cuantitativa) en diferentes
momentos del tiempo.
![Page 3: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/3.jpg)
Powerpoint TemplatesPage 3
Las Series de tiempo que Presentaremos serán:Promedios Móviles
Suavización Exponencial
![Page 4: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/4.jpg)
Powerpoint TemplatesPage 4
Estos métodos pueden
utilizarse cuando:
Hay información disponible de la
variable(s) que se está pronosticando.
La información puede ser cuantificada.
Existe un patrón de comportamiento del
pasado que continuará en el futuro de
manera que se tenga en cuenta una base
de datos histórica.
![Page 5: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/5.jpg)
Powerpoint TemplatesPage 5
Promedios Móviles
También conocidos como
medias móviles son gráficas
formadas por los valores medios
de una cotización durante un
periodo determinado.
![Page 7: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/7.jpg)
Powerpoint TemplatesPage 7
Ejemplo
Mes Demanda total de neverasEnero 200
Febrero 300Marzo 200Abril 400Mayo 500Junio 600
![Page 8: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/8.jpg)
Powerpoint TemplatesPage 8
Gráficas
enero febrero marzo abril mayo junio0
100
200
300
400
500
600
700
Demanda de lavadoras
Demanda de lavadoras
![Page 9: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/9.jpg)
Powerpoint TemplatesPage 9
Termino 1 Termino2 Termino3 Termino40
100
200
300
400
500
600
Promedios de Demanda
Promedios de Demanda
![Page 10: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/10.jpg)
Powerpoint TemplatesPage 10
ener
o
febr
ero
mar
zoab
ril
may
ojun
io
pron
ostic
o jul
io0
100200300400500600700
Demanda de lavadoras
Demanda de lavadoras
![Page 11: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/11.jpg)
Powerpoint TemplatesPage 11
Suavización Exponencial
• Este método pronostica otorgando una ponderación a los datos dependiendo del peso que tengan dentro del cálculo del pronóstico.
• Esta ponderación se lleva a cabo a través de otorgarle un valor a la constante de suavización, que puede ser mayor que cero y menor que uno; que es crucial en la estimación de pronósticos futuros.
![Page 12: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/12.jpg)
Powerpoint TemplatesPage 12
Se basa en la idea de que es posible
calcular un promedio nuevo a partir de un
promedio anterior y también del último dato
observado.
At+1 = Y t + (1-) F t 0 < < 1
![Page 13: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/13.jpg)
Powerpoint TemplatesPage 13
At+1 = Y t + (1-) F t 0 < < 1• At+1 = Pronóstico de la serie de tiempo para el
periodo de t + 1.• Yt = Valor real del periodo anterior al año a
pronosticar.• Ft = Valor real del periodo ante-anterior al año
a pronosticar.• α = Constante de suavización
![Page 14: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/14.jpg)
Powerpoint TemplatesPage 14
EjemploUna empresa, tiene un modelo de
suavizado exponencial que ha proporcionado un pronóstico de
$103,500 ganancia en el año anterior.En el mes de junio fue de $70,500
ganancia. Esta cifra empleará como estimación de pronóstico más reciente obtenida mediante un suavizado exponencial.
Dado que = 0.80
![Page 15: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/15.jpg)
Powerpoint TemplatesPage 15
Queremos obtener un pronóstico con un modelo exponencial para el mes de julio.
• Sea t + 1 = julio• Entonces
At+1 = Y t + (1-) F t=.8(70,500) + (1 − .8)(103,500)
= 56,400 + 20,700
=77,100
• El pronóstico para julio será de $77,100 de ganancia.
![Page 16: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/16.jpg)
Powerpoint TemplatesPage 16
Ajuste Estacional del Censo II Método X-11
![Page 17: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/17.jpg)
Powerpoint TemplatesPage 17
• Propósito del ajuste estacional:
– Estudiar las situaciones de pronóstico que
son afectadas por causas en específico y
hallar una relación entre éstas.
Ajuste estacional
![Page 18: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/18.jpg)
Powerpoint TemplatesPage 18
Método X-11del Censo II • El método del censo II es una extensión y
refinamiento del método de ajuste simple, que
desarrolla la versión X-11.
• Este método se a convertido en el más popular
y el más utilizado en los últimos tiempos.
– Se utiliza en:
• El gobierno
• Las grandes empresas
![Page 19: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/19.jpg)
Powerpoint TemplatesPage 19
Una serie de tiempo puede
consistir de componentes diferentes:
– un componente de temporada (representado por
St, donde t es un punto particular en el tiempo)
– un componente tendencia(Tt),
– un componente cíclico (Ct) y
– un componente aleatorio, irregular o de error(It).
– Xt representa un valor observado en una serie de
tiempo t.
![Page 20: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/20.jpg)
Powerpoint TemplatesPage 20
• La diferencia entre componentes
cíclicos o de temporada es que éste
último ocurre a unos intervalos
regulares, mientras los factores
cíclicos, usualmente tienen una
duración más larga que varia de ciclo
a ciclo.
![Page 21: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/21.jpg)
Powerpoint TemplatesPage 21
• Estos datos se pueden combinar por medio de fórmulas que consisten de la suma o la multiplicación:
–Método de Suma:•Xt = TCt + St + It
–Método Multiplicativo:•Xt = Tt*Ct*St*It
![Page 22: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/22.jpg)
Powerpoint TemplatesPage 22
Ejemplo: Método aditivo
• Durante el mes de diciembre, un juguete
en particular puede aumentar $3,000 cada
año.
– Podemos asumir que para cada mes de
diciembre la cantidad de $3,000 se sumará a
la estación de temporada.
![Page 23: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/23.jpg)
Powerpoint TemplatesPage 23
Ejemplo: Método Multiplicativo
• Durante el mes de diciembre las ventas de
un juguete pueden incrementar en un
40%, o aumentar en un factor de 1.4
• Este caso multiplicativo varía dependiendo
del tamaño de las fluctuaciones.
![Page 24: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/24.jpg)
Powerpoint TemplatesPage 24
El Método de Censo II Consiste de:
Ajuste para el Comercio diario
Valores Extremos
Mejoras de Estimaciones
Resumen de Pruebas y Estadísticas
![Page 25: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/25.jpg)
Powerpoint TemplatesPage 25
Tablas de resultados realizadas por el método X-11
• Ajuste de Importancia ( ajuste mensual o de temporada)
• Estimación preliminar de la variación de comercio-diario (mensual X-11) y pesos
• Estimación final de la variación de comercio-diario y pesos irregulares (mensual X-11)
![Page 26: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/26.jpg)
Powerpoint TemplatesPage 26
• Estimación final para los factores estacionales y series irregulares
• Modificación de ajuste estacional y series irregulares
• Resumen de las diversas medidas(media móvil)
• Graficar
![Page 27: Series de Tiempo](https://reader033.fdocumento.com/reader033/viewer/2022061609/5580135ed8b42a190e8b4a40/html5/thumbnails/27.jpg)
Powerpoint TemplatesPage 27
• En fin el ajuste estacional es un factor importante en la explicación de futuros datos, teniendo en cuenta interpretaciones y análisis correctos.
• Se desarrollan varios métodos con el fin de mejorar las series de tiempo y para determinar de manera adecuada la situación actual, y proveer con facilidad lo que podría ocurrir en el futuro.