Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 SERIES DE TIEMPO 1. INTRODUCCION Una serie de tiempo está dada por un conjunto de observaciones que están ordenadas en el tiempo, y pueden representar el cambio de una variable ya sea de tipo económica, física, química, biológica, etc., a lo largo del tiempo. El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo que las condiciones no variarán significativamente. Un pronóstico es una estimación cuantitativa o cualitativa de uno o varios factores (variables) que conforman un evento futuro, con base en información actual o del pasado. Los pronósticos que se puedan realizar en base al análisis de este tipo de datos servirán para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parte de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc. La estimación de pronósticos del volumen de ventas trimestrales para un producto en particular, durante el año próximo, afectará los programas de producción, los planes de compra de materias primas, las políticas de inventarios y las cuotas de ventas. En consecuencia, los malos pronósticos pueden dar como resultado un incremento en los costos de la empresa. ¿Cómo se debe proceder para proporcionar los pronósticos trimestrales del volumen de ventas? Revisar los datos históricos, con frecuencia ayuda a comprender mejor el patrón de ventas pasadas, lo que conduce a mejores predicciones de las ventas futuras del producto. (Villarreal, 2016). 2. TEORIA 2.1 Series de Tiempo Una serie temporal o cronológica es un conjunto de observaciones de una variable, ordenadas según transcurre el tiempo. Es una distribución bivariable, es decir, siempre habrá dos variables, o más si la distribución es multivariable. La variable independiente es el tiempo, medido en las unidades en que viene expresada la otra variable, por ejemplo, años, meses, semanas, días, etc. En una serie de tiempo las observaciones no se deben ordenar de mayor a menor, debido a que se perdería la precisión de la información. Como interesa detectar cómo se mueve la variable en el tiempo, es muy importante respetar la secuencia temporal de las observaciones. Los datos son pares ordenados (xi,yi). 2.2 Representación gráfica de una Serie Temporal Para realizar la representación de una serie temporal se debe utilizar un gráfico de líneas, porque es el gráfico más adecuado para mostrar la evolución de una variable a través del tiempo, como se muestra en la fig.1 (Elaboración propia con datos de Observatorio de la Cadena Láctea Argentina. Informe de Coyuntura. Marzo 2019). Fig.1. Representación gráfica de una serie temporal http://www.monografias.com/trabajos901/evolucion-historica-concepciones-tiempo/evolucion-historica-concepciones-tiempo.shtml http://www.monografias.com/trabajos2/mercambiario/mercambiario.shtml http://www.monografias.com/Fisica/index.shtml http://www.monografias.com/Quimica/index.shtml http://www.monografias.com/trabajos16/objetivos-educacion/objetivos-educacion.shtml http://www.monografias.com/trabajos/epistemologia2/epistemologia2.shtml http://www.monografias.com/trabajos16/comportamiento-humano/comportamiento-humano.shtml http://www.monografias.com/trabajos35/el-poder/el-poder.shtml http://www.monografias.com/trabajos16/teoria-sintetica-darwin/teoria-sintetica-darwin.shtml http://www.monografias.com/trabajos14/prono/prono.shtml http://www.monografias.com/trabajos12/desorgan/desorgan.shtml http://www.monografias.com/trabajos12/cntbtres/cntbtres.shtml http://www.monografias.com/Agricultura_y_Ganaderia/index.shtml http://www.monografias.com/trabajos12/elproduc/elproduc.shtml http://www.monografias.com/trabajos11/empre/empre.shtml http://www.monografias.com/trabajos/clima/clima.shtml http://www.monografias.com/ http://www.monografias.com/trabajos11/tebas/tebas.shtml 2 2.3. Componentes de una serie temporal En una serie de tiempo se pueden distinguir cuatro componentes: tendencia secular, variaciones estacionales, variaciones cíclicas y variaciones irregulares. 2.3.1 Tendencia (T) La tendencia es un movimiento de larga duración que muestra la evolución general de la serie en el tiempo. La tendencia es un movimiento que puede ser estacionario, descendente o ascendente, y su recorrido, una línea recta o una curva. Algunas de las posibles formas son las que se muestran en la fig.2. Tendencia ascendente Tendencia descendente Tendencia estacionaria Fig.2. Representación gráfica de distintas clases de tendencia También son posibles algunas formas para la tendencia, que no es necesariamente aproximadamente lineal, sino puede ser curvilineal. Ver fig. 3. Fig. 3. Tendencia curvilineal http://www.monografias.com/trabajos15/kinesiologia-biomecanica/kinesiologia-biomecanica.shtml 3 2.3.2 Variaciones estacionales (E) Se habla de este tipo de variaciones usualmente cuando el comportamiento de la variable en el tiempo, en un período está relacionado con la época o un periodo particular, por lo general en el espacio cronológico presente. Suelen ocurrir a lo largo del año dependiendo de las estaciones del año. En la misma época la variable aumenta y en otra época del año siempre disminuye. Por ejemplo, la venta de helados aumenta siempre en verano y disminuye en invierno. Fig. 4. Variaciones estacionales Las fuerzas que afectan y explican la estacionalidad de las series de tiempo, pueden ser: Períodos escolares Períodos vacacionales Productos de estación Estacones del año. El objetivo fundamental de trabajar con series de datos mensuales es que, si hubiera que analizar las variaciones estacionales, es imprescindible contar con datos mensuales. porque las mismas se producen dentro de un año, mes a mes. Para desestacionalizar una serie de datos, es decir quitarle la componente estacional, se calcula un índice estacional mensual, y luego por cocientes sucesivos, se desestacionaliza la serie. Y así, por otros procedimientos se pueden aislar la tendencia, las variaciones cíclicas y las irregulares. 2.3.3 Variaciones cíclicas Se llama así a las oscilaciones a lo largo de una serie con un periodo superior al año. El ciclo sugiere la idea de que este tipo de movimiento se repite cada cierto periodo con características parecidas, pero no exactamente iguales. Los ejemplos mas frecuentes se encuentran en el campo de las variables económicas, en estos casos se deben principalmente a la alternancia de las etapas de prosperidad y depresión en la actividad económica. Las variaciones cíclicas son movimientos ondulatorios que abarcan varios años, la parte ascendente suele llamarse recuperación, el máximo de la onda se llama auge o pico, el tramo descendente se llama recesión, y la parte más baja de la onda se llama crisis o bache. La longitud de los ciclos se mide de pico a pico o de bache a bache, en cambio la amplitud del ciclo se mide de pico a bache o viceversa. En la Fig. 5. se muestran las variaciones cíclicas. Fig. 5. Variaciones cíclicas (Villarreal, 2016) http://www.monografias.com/trabajos12/guiainf/guiainf.shtml#HIPOTES 4 2.3.4 Variaciones residuales o irregulares Cuando aparecen hechos imprevistos, repentinos que afecten las variables en estudio, que no se pueden prever, se trata de variaciones residuales provocadas por factores externos y aleatorios. Por ejemplo, un día lluvioso y frío durante el verano es difícil de predecir y aunque perturbaría ciertas actividades diarias, como la venta de helados, no afectaría en este caso significativamente la serie. Este componente representa la variabilidad aleatoria en las series de tiempo, y es resultado de factores a corto plazo. Imprevistos y no recurrentes que afectan a la serie de tiempo, es impredecible, no se puede intentarpredecir su impacto en las series de tiempo. Las fuerzas que afectan y explican la aleatoriedad son de diversa índole: cambios climáticos (por ejemplo, sequía) desastres naturales (inundaciones, terremotos, etc.) huelgas hechos fortuitos (por ejemplo, pandemia de coronavirus, COVID-19) Fig. 6. Gráfico tomado de Pérez Torres (2010) Finalmente, también se debe tener presente que las series económicas están sujetas a perturbaciones ocasionadas por movimientos súbitos, o acontecimientos inesperados, que modifican de manera sensible la evolución de las variables en un punto en el tiempo. Estas observaciones atípicas (outliers) inducen un comportamiento volátil en las series, lo que obliga a examinarlas, toda vez que la ocurrencia de estos eventos, al no ser propios del comportamiento de las variables, por lo general distorsionan la identificación de las propiedades de las series (Pérez Torres, 2010). 2.4. Modelos de análisis de las series de tiempo Los componentes de las series temporales actúan según dos modelos, el aditivo y el multiplicativo. El modelo aditivo asume que el valor de la serie original (Y) proviene de la suma de los cuatro componentes: Y = T + S + C + I El modelo multiplicativo asume que el valor de la serie original es el producto de los cuatro componentes: Y = T x S x C x I El modelo aditivo supone que los cuatro componentes son independientes entre sí. Esto supone que, por ejemplo, cuando la tendencia tenga un valor alto, esto no afecte al comportamiento cíclico o estacional. El modelo multiplicativo asume que los componentes sí tienen relación entre sí. El modelo mutiplicativo es que ha sido considerado como modelo clásico. http://www.monografias.com/trabajos12/curclin/curclin.shtml 5 3. ANALISIS DE LA TENDENCIA En la práctica es difícil distinguir la tendencia del comportamiento de la serie de tiempo. Por ejemplo, la gráfica puede indicar que existe una tendencia ascendente, pero tal vez no sea así. Lo importante de realizar como primer paso el gráfico de la serie, es porque así se constata qué clase de tendencia presentan los datos, lineal o curvilineal. De manera convencional, se utiliza este componente con fines predictivos; es decir para la elaboración de proyecciones o pronósticos. Las tendencias seculares reflejan el continuo crecimiento o decrecimiento a largo plazo de las series de tiempo. El concepto largo plazo ha sido estudiado como de al menos dos periodos anuales en adelante, para que sea posible la caracterización del comportamiento de una variable, que generalmente se describe por medio de una recta o de alguna curva que se ajuste al comportamiento de los datos. Curva de primer grado y = β0 + β1X Curva de segundo grado y = β0 + β1X1 + β2X2 Curva de tercer grado y = β0 + β1X1 + β2X2 + β3X3 Si las series se incrementan con el tiempo, pueden ser representadas con una línea con pendiente positiva; si por el contrario, decrecen con el tiempo, pueden representarse por una línea con pendiente negativa. Si el gráfico de líneas que representa la serie de datos muestra que la tendencia es lineal, entonces tienen sentido aplicar uno de los cuatro métodos de estimación de la tendencia lineal que se indican a continuación: Método Gráfico, libre o de mano alzada Método de medias o promedios móviles Mértodo de semimedias Método de mínimos cuadrados 3.1 Método Gráfico, libre o de mano alzada Mediante este método muy elemental se determina la tendencia a partir de una representación gráfica de la serie. La aplicación de este método es como sigue: Se representa gráficamente la serie cronológica Se traza una línea que ajuste de la mejor manera la serie de datos. Se obtiene la ecuación de la línea de tendencia aplicando las siguientes fórmulas: iŷ = a + bxi siendo , es el valor de Y por donde pasa la recta de tendencia en el primer período de la serie. Y donde es el valor de Y por donde pasa la recta de tendencia en el último período de la serie. Asignando valores a xi se obtendrán valores estimados para la variable Y. La ventaja de este método es que resulta muy fácil para aplicarlo, pero la desventaja principal es que dos personas diferentes, o también la misma persona en dos momentos distintos, pueden trazar distintas líneas de tendencia. Ejemplo de aplicación En la siguiente tabla se tiene la producción de motocicletas de una empresa (en millones de motos) en un periodo de 17 años: http://www.monografias.com/trabajos11/metods/metods.shtml http://www.monografias.com/trabajos11/empre/empre.shtml 6 Producción de Motocicletas en un periodo de 17 años (Producción en millones de motocicletas) Años Producción Años Producción Años Producción 2000 2.1 2006 2.2 2012 2.1 2001 1.9 2007 2.0 2013 1.9 2002 1.7 2008 1.8 2014 1.5 2003 1.5 2009 1.7 2015 1.4 2004 1.6 2010 1.9 2016 2.5 2005 2.0 2011 2.4 ---- ----- La representación gráfica de los datos y la línea de tendencia trazada a mano alzada, se muestra a continuación: Cálculo de la ecuación de la línea de tendencia a = = 1,8 (aproximadamente) La ecuación de tendencia es: Para encontrar los valores de tendencia se transforma el tiempo en X = años – Me de los años. En este caso, la Me de los años es el año central, 2008. Restando 2008 a todos los años, se obtienen los valores de xi , como se observa en la tabla de la página siguiente. Y para cumplir con el objetivo principal del análisis de una serie de tiempo, que es hacer predicciones para el futuro cercano, se estima la producción para 2017. 7 Años Producción xi Tendencia 2000 2,1 -8 1,7248 2001 1,9 -7 1,7342 2002 1,7 -6 1,7436 2003 1,5 -5 1,753 2004 1,6 -4 1,7624 2005 2 -3 1,7718 2006 2,2 -2 1,7812 2007 2 -1 1,7906 2008 1,8 0 1,8 2009 1,7 1 1,8094 2010 1,9 2 1,8188 2011 2,4 3 1,8282 2012 2,1 4 1,8376 2013 1,9 5 1,847 2014 1,5 6 1,8564 2015 1,4 7 1,8658 2016 2,5 8 1,8752 2017 9 1,8846 3.2 Método de las medias móviles Para este método se deben de considerar los siguientes pasos: Observar con detenimiento la serie para determinar aproximadamente la fluctuación con periodo más largo; se llama q al número de observaciones que forman una oscilación compleja. Se procede a calcular una serie de medias. La primera de ellas se calcula a partir de las q primeras observaciones de la serie; la segunda se calcula eliminando la primera observación y añadiendo al inmediata posterior. Se prosigue así hasta calcular la media de la últimas q observaciones. Cada una de las medias obtenidas en el paso anterior se asigna al período central del grupo de períodos que promedian. Uniendo las medias se obtiene la tendencia. La ventaja de este método es que resulta muy fácil para aplicarlo, pero la desventaja principal es que produce un suavizado de la serie original, que no permite determinar una función matemática para realizar predicciones de la variable Y asignándole valores a X. Ejemplo de aplicación Retomando los datos de la producción de motocicletas de una empresa (en millones de motos) en un periodo de 17 años, el procedimiento de estimación de la tendencia comienza con el gráfico de la serie. Representación de la serie de tiempo para las motocicletas por año http://www.monografias.com/trabajos11/empre/empre.shtml 8 Teniendo en cuenta que con este método se pierden datos al inicio y al final de la serie, se puede tomar q = 3 años como la cantidad de años para calcular las medias móviles. El procedimiento se muestra en la tabla siguiente: Procedimiento para la estimación de la tendencia por el método de medias móviles Años Producción Total móvil de Orden 3 Media móvil de Orden 3 Media móvil 2000 2,1 2001 1,9 2,1+1,9+1,7=5,7 5,7 / 3 = 1,9 1,9 2002 1,7 1,9+1,7+1,5=5,1 5,1/ 3 = 1,7 1,7 2003 1,5 1,7+1,5+1,6=4,8 4,8 / 3 = 1,6 1,6 2004 1,6 1,5+1,6+2=5,1 5,1 / 3 = 1,7 1,7 2005 2 1,6+2+2,2=5,8 5,8 / 3 = 1,9 1,9 2006 2,2 2+2,2+2=6.2 6.2 / 3 = 2,1 2,1 2007 2 2,2+2+1,8=6 6 / 3 = 2 2 2008 1,8 2+1,8+1,7=5,5 5,5 / 3 = 1,8 1,8 2009 1,7 1,8+1,7+1,9=5,4 5,4 / 3 = 1,8 1,8 2010 1,9 1,7+1,9+2,4=6 6 / 3 = 2 2 2011 2,4 1,9+2,4+2,1=6,4 6,4 / 3 = 2,1 2,1 2012 2,1 2,4+2,1+1,9=6,4 6,4 / 3 = 2,1 2,1 2013 1,9 2,1+1,9+1,5=5,5 5,5 / 3 = 1,8 1,8 2014 1,5 1,9+1,5+1,4=4,8 4,8 / 3 = 1,6 1,6 2015 1,4 1,5+1,4+2.5=5,4 5,4 / 3 = 1,8 1,8 2016 2,5 Y la representación gráfica es: 3.3. Método de semimedias o semipromedios Este método consiste en separar las observaciones en dos grupos (preferiblemente iguales) y calcular la media aritmética de cada uno de los grupos, obteniéndose así dos puntos. La línea de tendencia se halla entonces haciendo pasar una recta por los dos puntos hallados. Para hallar los valores de tendencia, por donde pasa la línea, se pueden utilizar dos técnicas diferentes: Técnica del incremento medio Técnica de la ecuación de la recta 9 La ventaja de este método es que es muy fácil de aplicar, no se introducen conceptos desconocidos. La principal desventaja se produce si en alguno de los grupos de datos en que se dividió la serie, existe algún valor atípico, que influye en el valor de la semimedia. Ejemplo de aplicación Retomando el ejemplo de la producción de motocicletas, se aplica el método en la página siguiente: 1. Se divide la serie en dos partes iguales, en cantidad de períodos. Como en este caso el número de períodos es impar (17), se deja de lado, por el momento, el período central, año 2008. Entonces quedan 8 años en cada una de las partes. 2. Se calculan las semisumas, es decir, la suma de los datos de producción de cada mitad de la serie. Como la cantidad de períodos de cada mitad es par (8), la semisuma se ubica en el centro, entre el 4to. y 5to. períodos para la primera mitad, y entre los períodos que están en el orden 13 y 14 en la segunda mitad. Es decir, entre 2003 y 2004 la Suma 1, y entre 2012 y 2013 la Suma 2. 3. Se calculan las semimedias, o sea las medias de cada mitad de la serie, dividiendo las semisumas por la cantidad de períodos que hay en cada mitad, en este caso 8 años. Las semimedias se ubican en el mismo lugar que las semisumas. 4. Se ubican las semimedias en el gráfico de la serie y se traza una línea recta que pasa por ambas medias. 5. Se estiman los valores de tendencia. Para calcular los valores de tendencia, o sea los valores por donde pasa la línea de tendencia, se aplicará la técnica del incremento medio. Se calcula el incremento total que se produjo entre las dos semimedias: media 2 – media 1. ΔTotal = = 1,925 – 1,875 = 0,05 Luego se calcula el incremento medio anual: ΔMedio anual = ΔTotal / t siendo t el número de períodos transcurridos entre las semimedias En este momento vuelve a ingresar a los cálculos el año central que habíamos dejado de lado al dividir la serie en dos mitades. En este problema t = 9 años. ΔMedio anual = 0,05 / 9 = 0,0056 Para calcular los valores de tendencia, partiendo de una de las semimedias hacia arriba se resta el incremento medio anual y hacia abajo se suma. Hay dos observaciones para puntualizar en este problema, una es que mirando la columna de tendencia se ve que se restó el incremento medio para un período más antes del año 2000, y también se sumó el incremento medio para un año más del 2016. Esto se realiza porque los valores de tendencia se encuentran ubicados entre dos años. La otra observación es que, para realizar predicciones, es necesario que los valores de tendencia correspondan a cada uno de los años, no que estén ubicados entre dos años, entonces, es necesario realizar un procedimiento de centrado de los datos (T. centrada, última columna del cuadro anterior). Este cálculo consiste en obtener las medias de cada dos valores. Por ejemplo, Para lograr el valor de tendencia del año 2000, se procede así: (1,8526 + 1,8582) / 2 = 1,8554 Para 2001 es: (1,8582 + 1,8638) / 2 = 1,861 Y así sucesivamente hasta llegar al valor de tendencia del último período. En este caso es: Para 2016: (1,9422 + 1,9478) / 2 = 1,945 Y para realizar una predicción para 2017, bastará con sumar a la producción estimada para 2016 el incremento medio anual. Es decir, la producción estimada para 2017 es: 1,945 + 0,0056 = 1,9506 millones de unidades. Por lo tanto, se estima para 2017 una producción de 1.950.600 motocicletas. En la página siguiente pueden verse los cálculos realizados en este procedimiento. 10 Años Producción Semisuma Semimedia Tendencia T. centrada 1,8526 2000 2,1 1,8554 1,8582 2001 1,9 1,861 1,8638 2002 1,7 1,8666 1,8694 2003 1,5 1,8722 Suma 1=15 15/8=1,875 1,875 2004 1,6 1,8778 1,8806 2005 2 1,8834 1,8862 2006 2,2 1,889 1,8918 2007 2 1,8946 1,8974 2008 1,8 Por el momento se deja de lado el año central 1,9002 1,903 2009 1,7 1,9058 1,9086 2010 1,9 1,9114 1,9142 2011 2,4 1,917 1,9198 2012 2,1 1,9226 Suma 2=15,4 15,4/8=1,925 1,9254 2013 1,9 1,9282 1,931 2014 1,5 1,9338 1,9366 2015 1,4 1,9394 1,9422 2016 2,5 1,945 1,9478 Otra forma de estimar la tendencia es mediante la Técnica de la ecuación de la recta. y Siendo: 𝜮1 : suma de los datos de la primera mitad de la serie de datos 𝜮2 : suma de los datos de la segunda mitad de la serie de datos t1: cantidad de períodos de la primera mitad de la serie t2: cantidad de períodos de la segunda mitad de la serie n: cantidad total de períodos de la serie de datos. 11 Interpretación: a = 1,9 significa que la producción estimada de motos en el período central es de 1,9 millones de unidades (o sea, cuando x = 0). b = 0,0056 significa que por cada año que transcurre la producción estimada de motos aumenta, en promedio en 5.600 unidades. Para calcular los valores de tendencia estimados se procede a transformar los años en xi por el método usual de restarle a cada año la Mediana de los años, en este problema 2008. Luego, se reemplaza en la ecuación el valor de xi respectivo a cada año y se obtienen los valores de tendencia estimados para cada año. Cálculo de los valores estimados de tendencia Años Producción xi Tendencia 2000 2,1 -8 1,8552 2001 1,9 -7 1,8608 2002 1,7 -6 1,8664 2003 1,5 -5 1,872 2004 1,6 -4 1,8776 2005 2 -3 1,8832 2006 2,2 -2 1,8888 2007 2 -1 1,8944 2008 1,8 0 1,9 2009 1,7 1 1,9056 2010 1,9 2 1,9112 2011 2,4 3 1,9168 2012 2,1 4 1,9224 2013 1,9 5 1,928 2014 1,5 6 1,9336 2015 1,4 7 1,9392 2016 2,5 8 1,9448 2017 9 1,9504 Y para estimar la producción de motos para 2017 se reemplaza, en la ecuación de tendencia, xi por el valor 9. Se obtiene una producción estimada de 1.950.400 unidades. Representación gráfica. 12 3.4. Método de mínimos cuadrados El método de mínimos cuadrados es un procedimiento que permite encontrar la mejor estimación de la tendencia, suponiendo que las diferencias con respecto al valor verdadero sean aleatorias e imparciales. Es análisis numérico en el que, dado un conjunto de datos (pares ordenados y familia de funciones), se intenta determinar la función continua que mejor se aproxime a los datos. La creación del método de mínimos cuadrados generalmente se le acredita al matemático alemán Carl Friedrich Gauss, quien lo planteó en 1794 pero no lo publicó sino hasta 1809. El matemático francésAndrien-Marie Legendre fue el primero en publicarlo en 1805, quien lo desarrolló de forma independiente. La ecuación de tendencia lineal es: iŷ = a + bxi Dada la dependencia lineal entre Y y X y los n pares de valores observados (yi, xi), el método de mínimos cuadrados produce estimadores paramétricos a y b tales que n i 1 ei 2 = n i 1 (yi iŷ ) 2 = n i 1 [yi (a + bxi)] 2 , es un mínimo. El criterio de mínimos cuadrados selecciona valores para a y b que minimizan la suma de cuadrados de las diferencias entre los valores realmente observados, yi, y los valores estimados, iŷ . Esto significa que las estimaciones a y b proporcionan la ecuación de la recta de tendencia que “pasa más cerca de todos los puntos” del diagrama de la serie de tiempo. Para demostrar que la expresión anterior es un mínimo, se debe aplicar derivación parcial con respecto a a y a b; y mediante el criterio de la derivada segunda (derivada primera igual a cero y derivada segunda positiva), se obtiene el siguiente sistema de “ecuaciones normales”: n i 1 yi = na + b n i 1 xi n i 1 yixi = a n i 1 xi + b n i 1 xi 2 De la primera ecuación se deduce que a = y b x Multiplicando la segunda ecuación por n y restando de ella la primera ecuación multiplicada por xi , y trabajando con el sistema de ecuaciones se obtiene la siguiente expresión: n i n i i i n i n i i n i i ii n x x n xy xy b 1 1 2 2 1 11 )( ))(( Si se transforma la variable X de manera tal que n i 1 xi = 0, entonces: a = y y b = n i 1 yixi / n i 1 xi) 2 Interpretación de a y b Para a: • Interpretación geométrica: a es la ordenada al origen del sistema de coordenadas. 13 • Interpretación general: a es el valor de la variable dependiente cuando la variable independiente vale cero. • Interpretación específica del problema particular que se resuelve Para b: • Interpretación geométrica: b es la pendiente de la línea • Interpretación general: b es el cambio en la variable dependiente por unidad de cambio de la variable independiente. • Interpretación específica del problema particular que se resuelve. Ejemplo de aplicación Retomando el ejemplo de la producción anual de motos, se obtienen los valores de a y de b. = 0,0069 la ecuación de tendencia es: iŷ = 1,894 + 0,0069xi Interpretación a = 1,894 significa que en el año central de la serie, 2008, la producción estimada de motos es de 1.894.000 unidades. b = 0,0069 significa que por cada año que transcurre, la producción de motos aumenta, en promedio, en 6.900 unidades. La estimación de la producción de motos para 2017 es: iŷ = 1,894 + 0,0069(9) = 1,9423 o sea 1.942.300 unidades. En la página siguiente se encuentran los cálculos realizados. Años Producción Tendencia 2000 2,1 -8 64 -16,8 1,8388 2001 1,9 -7 49 -13,3 1,8457 2002 1,7 -6 36 -10,2 1,8526 2003 1,5 -5 25 -7,5 1,8595 2004 1,6 -4 16 -6,4 1,8664 2005 2 -3 9 -6 1,8733 2006 2,2 -2 4 -4,4 1,8802 2007 2 -1 1 -2 1,8871 2008 1,8 0 0 0 1,894 2009 1,7 1 1 1,7 1,9009 2010 1,9 2 4 3,8 1,894 2011 2,4 3 9 7,2 1,9009 2012 2,1 4 16 8,4 1,9078 2013 1,9 5 25 9,5 1,9147 2014 1,5 6 36 9 1,9216 2015 1,4 7 49 9,8 1,9285 2016 2,5 8 64 20 1,9354 Total 32,2 0 408 2,8 2017 9 1,9423 14 CONCLUSIONES Las series temporales pueden servir para predecir acontecimientos futuros en base a ciertos comportamientos de determinadas variables en el pasado. Si hay más observaciones que se puedan promediar, en el orden de la media móvil, se obtienen tendencias más suaves. Este hecho no debe hacer olvidar que, aunque se ha mejorado la tendencia con el suavizado, se pierde información sobre los valores iniciales y finales de la tendencia estimada. Con el procedimiento de medias móviles siempre es posible elegir el número de observaciones que se deben tomar para el promedio, esto no siempre es fácil, esto da el periodo de oscilación. Si se determina la función matemática de la tendencia lineal, ésta permitirá conocer los valores futuros, es decir, las predicciones para un futuro cercano. Finalmente, en la transformación del tiempo en la variable auxiliar X, cuando se trata de un número par de periodos, algunos autores consideran que se codifican asignando el valor cero al primer periodo, al segundo el uno y así sucesivamente. Cuando se trata de un número impar de periodos se fija el origen en la mitad de la sucesión, a los años anteriores se les asignan valores negativos y a los posteriores positivos. En este caso el objetivo es lograr que la suma de los valores de X sea 0. BIBLIOGRAFÍA Lind / Marchall / Mason (2004). Estadística para Administración y Economía, 11ª Edición. AlfaOmega, México. Merma Jara, Marcos (2012). Documento preparado para la asignatura: Modelos Estadísticos. Primer Ciclo de Maestría en Ingeniería de Sistemas. Mención: Tecnologías de Información. Universidad Inca Garcilaso de la Vega. Lima. Perú. Pérez Torres, Francisco J. (2010). Ajuste estacional de la tasa de desempleo para las trece principales áreas y ciudades colombianas en el período 2001.2006. Revista de Información básica. Revista Virtual. ISBN 1909-2466. Volumen 3. Nº 2. Colombia. Toledo Muñoz Isabel (1994) Estadística. Alhambra Mexicana S.A., México. Villarreal, Fernanda (2016). Introducción a los modelos de pronósticos. Universidad Nacional del Sur – Departamento de Matemática. Argentina. http://www.monografias.com/trabajos7/sisinf/sisinf.shtml http://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtml http://www.monografias.com/trabajos7/mafu/mafu.shtml http://www.monografias.com/Matematicas/index.shtml http://www.monografias.com/trabajos901/nuevas-tecnologias-edicion-montaje/nuevas-tecnologias-edicion-montaje.shtml http://www.monografias.com/trabajos/adolmodin/adolmodin.shtml http://www.monografias.com/trabajos/histomex/histomex.shtml
Compartir