Series de Tiempo

                     Una gitana le dice a otra:
"No hay nada que hacer querida, el futuro ya no
        ...
¿Qué es una serie de tiempo?

         14000
         12000
         10000
         8000
 Serie
         6000
         400...
Pronóstico Cuantitativo
Requisitos:
  Que la información acerca del pasado esté disponible.
  Que la información esté cuan...
Algunos modelos de series de
tiempo
 Modelos de análisis de tendencia
 Promedio móvil simple
 Suavizamiento exponencial
 E...
Modelos de Tendencia Lineal
 Se asume que la serie        52



 crece linealmente con el     51

 tiempo
 Modelo         ...
Tendencia No lineal
                         Time Series Plot of Ventas
          5000



          4000



          3000...
Cálculo de tendencia 1: Lineal?
                         Trend Analysis Plot for Ventas
                                  ...
Cálculo de tendencia 2:
Exponencial
                         Trend Analysis Plot for Ventas
                              ...
Cálculo de tendencia 3:
Cuadrática
                         Trend Analysis Plot for Ventas
                               ...
Otros Modelos de Series de
         tiempo
Promedio Simple
                                        Ventas de Gasolina




Ft +1   =
          ∑Y   t
                ...
Promedio Móvil Simple
En lugar de incluir todas las observaciones, se determina por
anticipado, cuántas observaciones será...
Promedio móviles de 3 y 5
   Semana   Ventas   PM(3)   PM(5)
        1       17
        2       21
        3       19
    ...
Gráficos de los Promedios Móviles(3)
                                 Moving Average Plot for Ventas
            26       ...
Gráficos de los Promedios Móviles(5)
                               Moving Average Plot for Ventas
            25.0       ...
Suavizamiento Exponencial
     Es igual al último valor                                ALFA
     pronosticado más un ajust...
Suavizamiento Exponencial: Alfa 0.2
                                 Smoothing Plot for Ventas
                           ...
Suavizamiento Exponencial: Alfa 0.6
                                Smoothing Plot for Ventas
                            ...
Modelos de Estacionalidad
Modelo Clásico de Descomposición
  Supone que la serie tiene cuatro componentes:
   T : Tendencia
   C : Ciclo
   S : Esta...
Caso Restarurante Vintage
                        Ventas de Vintage

300




250




200




150




100




50




 0
   ...
Serie y Promedio móvil
                                                       Serie y Promedio Móvil


 300




 250




 ...
Serie/promedio móvil
                                                        SERIE/PROMEDIO MOVL


 1.6



 1.4



 1.2


...
Índices promedio
 1.60000



 1.40000



 1.20000



 1.00000



 0.80000



 0.60000



 0.40000



 0.20000



 0.00000
...
Evaluación de modelos de
       pronóstico
Evaluación de Modelos
Alternativos
  Error Cuadrático Medio :
         1
  MSE =
         n  ∑ ( yt − yt ) 2
             ...
Próxima SlideShare
Cargando en…5
×

20 series de tiempo

8.900 visualizaciones

Publicado el

0 comentarios
2 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

Sin descargas
Visualizaciones
Visualizaciones totales
8.900
En SlideShare
0
De insertados
0
Número de insertados
39
Acciones
Compartido
0
Descargas
288
Comentarios
0
Recomendaciones
2
Insertados 0
No insertados

No hay notas en la diapositiva.

20 series de tiempo

  1. 1. Series de Tiempo Una gitana le dice a otra: "No hay nada que hacer querida, el futuro ya no es como solía ser" Anónimo.
  2. 2. ¿Qué es una serie de tiempo? 14000 12000 10000 8000 Serie 6000 4000 2000 0 Tiempo Es un conjunto de observaciones obtenidas durante un periodo de tiempo
  3. 3. Pronóstico Cuantitativo Requisitos: Que la información acerca del pasado esté disponible. Que la información esté cuantificada Qué las unidades sean uniformes Que se pueda asumir que ciertos aspectos de los patrones anteriores continuarán en el futuro (supuesto de continuidad). Modelos Series de tiempo: Pronóstico = f (Pasado) Correlacionales: Pronóstico = f (Variables explicativas)
  4. 4. Algunos modelos de series de tiempo Modelos de análisis de tendencia Promedio móvil simple Suavizamiento exponencial Estacionalidad
  5. 5. Modelos de Tendencia Lineal Se asume que la serie 52 crece linealmente con el 51 tiempo Modelo 50 F(t) = a + b t 49 48 La variable dependiente es la serie 47 La variable independiente 46 es el tiempo 45 0 1 2 3 4 5 6 7 8 9 10
  6. 6. Tendencia No lineal Time Series Plot of Ventas 5000 4000 3000 Ventas 2000 1000 0 4 8 12 16 20 24 28 32 36 40 Index
  7. 7. Cálculo de tendencia 1: Lineal? Trend Analysis Plot for Ventas Linear Trend Model Yt = -363 + 91.2*t 5000 Variable Actual Fits 4000 Accuracy Measures MAPE 39 MAD 365 3000 MSD 203790 Ventas 2000 1000 0 4 8 12 16 20 24 28 32 36 40 Index
  8. 8. Cálculo de tendencia 2: Exponencial Trend Analysis Plot for Ventas Growth Curve Model Yt = 296.149 * (1.06774**t) 5000 Variable A ctual Fits 4000 A ccuracy Measures MA PE 7.7 MA D 100.4 3000 MSD 24633.9 Ventas 2000 1000 0 4 8 12 16 20 24 28 32 36 40 Index
  9. 9. Cálculo de tendencia 3: Cuadrática Trend Analysis Plot for Ventas Quadratic Trend Model Yt = 626.0 - 50.2*t + 3.447*t**2 5000 Variable A ctual Fits 4000 Accuracy Measures MAPE 18.7 MAD 160.2 3000 MSD 35340.6 Ventas 2000 1000 0 4 8 12 16 20 24 28 32 36 40 Index
  10. 10. Otros Modelos de Series de tiempo
  11. 11. Promedio Simple Ventas de Gasolina Ft +1 = ∑Y t 23 22 21 T 20 19 Media =19.25 18 17 16 15 14 1 2 3 4 5 6 7 8 9 10 11 12 Semana Útil para series estacionarias (equilibradas alrededor de un valor central y con varianza constante)
  12. 12. Promedio Móvil Simple En lugar de incluir todas las observaciones, se determina por anticipado, cuántas observaciones serán incluidas en el promedio. Permite eliminar movimientos erráticos No maneja bien las tendencias o estacionalidades
  13. 13. Promedio móviles de 3 y 5 Semana Ventas PM(3) PM(5) 1 17 2 21 3 19 4 23 19 5 18 21 6 16 20 19.6 7 20 19 19.4 8 18 18 19.2 9 22 18 19 10 20 20 18.8 11 15 20 19.2 12 22 19 19 19 19.4
  14. 14. Gráficos de los Promedios Móviles(3) Moving Average Plot for Ventas 26 Variable Actual Fits 24 Forecasts 95.0% PI 22 Moving Av erage Length 3 20 Ventas Accuracy Measures MAPE 14.3566 MAD 2.6667 18 MSD 10.2222 16 14 12 1 2 3 4 5 6 7 8 9 10 11 12 13 Index
  15. 15. Gráficos de los Promedios Móviles(5) Moving Average Plot for Ventas 25.0 Variable A ctual Fits Forecasts 22.5 95.0% PI Mov ing Av erage Length 5 Accuracy Measures Ventas 20.0 MAPE 13.3485 MAD 2.4000 MSD 7.4057 17.5 15.0 1 2 3 4 5 6 7 8 9 10 11 12 13 Index Cuanto más largo es el periodo, más suavizada es la curva (esto es, minimiza las oscilaciones).
  16. 16. Suavizamiento Exponencial Es igual al último valor ALFA pronosticado más un ajuste por el 0.2 error Semana Ventas Usa F2 = Y1. 1 17 2 21 17.00 3 19 17.80 FT + 1 = α YT + (1 − α ) FT 4 23 18.04 5 18 19.03 FT + 1 = FT + α ( YT − FT ) 6 16 18.83 FT + 1 = FT + α eT 7 20 18.26 8 18 18.61 9 22 18.49 10 20 19.19 Requiere determinar el valor óptimo 11 15 19.35 de alfa. 12 22 18.48 Útil para series estacionarias 19.18 No incluye tendencia ni estacionalidades
  17. 17. Suavizamiento Exponencial: Alfa 0.2 Smoothing Plot for Ventas Single Exponential Method Variable 25.0 A ctual Fits Forecasts 22.5 95.0% PI Smoothing C onstant Alpha 0.2 Ventas 20.0 Accuracy Measures MAPE 12.2856 MAD 2.3800 17.5 MSD 8.2337 15.0 1 2 3 4 5 6 7 8 9 10 11 12 13 Index
  18. 18. Suavizamiento Exponencial: Alfa 0.6 Smoothing Plot for Ventas Single Exponential Method 28 Variable A ctual 26 Fits Forecasts 24 95.0% PI Smoothing Constant 22 Alpha 0.6 Ventas A ccuracy Measures 20 MAPE 14.4221 MAD 2.7486 18 MSD 10.5886 16 14 12 1 2 3 4 5 6 7 8 9 10 11 12 13 Index
  19. 19. Modelos de Estacionalidad
  20. 20. Modelo Clásico de Descomposición Supone que la serie tiene cuatro componentes: T : Tendencia C : Ciclo S : Estacionalidad I : Componente aleatorio o irregular Modelo multiplicativo completo: Y = T C S Modelo usual: Y = TS El método estima el valor de cada uno de los componentes, separándolo de la serie, y luego los combina nuevamente al momento de hacer una proyección
  21. 21. Caso Restarurante Vintage Ventas de Vintage 300 250 200 150 100 50 0 0 5 10 15 20 25 30 35 40
  22. 22. Serie y Promedio móvil Serie y Promedio Móvil 300 250 200 Ventas 150 P-MOVIL 100 50 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
  23. 23. Serie/promedio móvil SERIE/PROMEDIO MOVL 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
  24. 24. Índices promedio 1.60000 1.40000 1.20000 1.00000 0.80000 0.60000 0.40000 0.20000 0.00000 1 2 3 4 5 6 7 8 9 10 11 12
  25. 25. Evaluación de modelos de pronóstico
  26. 26. Evaluación de Modelos Alternativos Error Cuadrático Medio : 1 MSE = n ∑ ( yt − yt ) 2 ˆ Desviación Absoluta Media : 1 MAD = n ∑y t − yt ˆ donde yt = Valor observado de y en el tiempo t yt = Valor del pronóstico para el tiempo t ˆ n = Número de periodos

×