SlideShare una empresa de Scribd logo
1 de 19
LOGO
Universidad Nacional Experimental
“Francisco de Miranda”
Integrantes:
Oviedo, Ángel
Devera, Marlys
Millán, Freddy
Vargas, Emigdio
Contenido
INTRODUCCIÓN
SERIE TEMPORAL
COMPONENTES DE LA SERIE TEMPORAL
METODO DE LOS PROMEDIOS MOVILES
ANÁLISIS DE SERIES DE TIEMPO (SERIES CRONOLÓGICAS)ANÁLISIS DE SERIES DE TIEMPO (SERIES CRONOLÓGICAS)
INTRODUCCIÓN
Toda institución, ya sea la familia, la empresa o el gobierno,
necesita realizar planes para el futuro si desea sobrevivir o
progresar.
La planificación racional exige prever los sucesos del futuro
que probablemente vayan a ocurrir.
La previsión se suele basar en lo ocurrido en el pasado.
La técnica estadística utilizada para hacer inferencias sobre
el futuro teniendo en cuenta lo ocurrido en el pasado es el
ANÁLISIS DE SERIES CRONOLOGICAS.
SERIE TEMPORAL
Una serie temporal (también denominada histórica, cronológica o
de tiempo) se define como un conjunto de datos, correspondientes a
un fenómeno, ordenados en el tiempo.
EJEMPLOS
Producto Interno Bruto
Año a Año.
Ventas de nuestra
empresa en los últimos 10
años.
Cantidad de lluvia caída al
día durante el último
trimestre.
SERIE TEMPORAL
COMPONENTES
SERIES
TEMPORALES
VARIACIONES
IRREGULARES (I)
VARIACIONES
CICLICAS (C)
TENDENCIA (T)
VARIACIONES
ESTACIONALES (E)
COMPONENTE DE TENDENCIA
Es un
comportamiento
que se observa a
largo plazo.
• Se observa en
un periodo
amplio.
Por cambios en
las tendencias
demográficas.
Los cambios
tecnologicos.
Se da por los
cambios de la
productividad a
largo plazo.
Aceptación de
un producto.
TENDENCIA (T) : Movimiento a lo largo de los valores de la serie de
tiempo (Y) durante un número prolongado de años.
COMPONENTE DE TENDENCIA
COMPONENTE CÍCLICO
VARIACIONES CICLICAS (C) : Movimientos recurrentes hacia arriba
y hacia abajo con respecto a la tendencia y que tienen duración de
varios años.
Es la fluctuación en
forma de onda
alrrededor de la
tendencia
Se da por los ciclos
de la actividad
económica, los
ciclos de los
negocios, de los
productos , entre
otros.
Se caracteriza
también porque su
duración es
irregular
COMPONENTE ESTACIONAL
VARIACIONES ESTACIONALES (E) : Movimientos hacia arriba y abajo con
respecto a la tendencia y que no duran más de un año.
Es un patrón de
cambio que se repite
año tras año.
En este componente
influye el clima y el
año calendario.
Este es el caso de
productos agrícolas
y ventas de útiles
escolares, entre
otros.
COMPONENTE ALEATORIO
VARIACIONES IRREGULARES (I) : Variaciones erráticas con
respecto a la tendencia, que no pueden adjudicarse a efectos
estacionales o cíclicos.
Es la variabilidad de la
serie de datos
después de eliminar
los otros
componentes.
Son factores que no
corresponden a la
tendencia, a ala
estacionalidad, ni a los
ciclos de la variable.
SERIES TEMPORALES
METODOS DE LOS PROMEDIOS MOVILES
Un promedio móvil es el promedio de los n valores de datos más
recientes de una serie de tiempo.
PM = Σ (n valores más recientes)/n
• A medida que se dispone del nuevo valor de un dato de una serie de
tiempo, la nueva observación remplaza a la antigua en la serie de n
valores como base para determinar el nuevo promedio, lo que explica
el motivo de que se llame promedio móvil.
Así, este procedimiento sirve sencillamente para promediar el
componente irregular de los datos recientes de una serie de tiempo
METODOS DE LOS PROMEDIOS MOVILES
.
Pronosticar los
valores de datos
del siguiente
periodo de la serie
de tiempo, pero no
los de datos de
periodos más
distantes a futuro.
Es un método
adecuado de
pronóstico cuando en
los datos no está
presente la influencia
de una tendencia,
cíclica o estacional,
situación por demás
improbable.
El promedio móvil
puede servir para
METODOS DE LOS PROMEDIOS MOVILES
Promedios móviles
Este se calcula, para cada punto, como un promedio del mismo número de
valores a cada lado de ese punto. Así una media móvil de tres puntos se
calcula como:
Cuando la cantidad de puntos de la media móvil es par, se
toma la mitad de los valores extremos.
METODO DE LAS MEDIAS MOVILES
*** Empleando 3 observaciones
a) Partimos de la serie temporal observada Yt.
(Ventas trimestrales de vehículos)
Trimestres /Años
1999 2000 2001
TRIM. I 150 155 160
TRIM. II 165 170 180
TRIM. III 125 135 140
TRIM IV 170 165 180
Cálculo de las medias móviles
Representación Gráfica
LOGO

Más contenido relacionado

La actualidad más candente

2.3 metodos cuantitativos
2.3 metodos cuantitativos2.3 metodos cuantitativos
2.3 metodos cuantitativosthecharlyccc
 
282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividad282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividadHeriberto Carrizosa
 
Numeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhNumeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhVictor Hugo
 
Aplicaciones de series de tiempo
Aplicaciones de series de tiempoAplicaciones de series de tiempo
Aplicaciones de series de tiempoBrenda Aguirre
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialAlberth ibañez Fauched
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOSbonbombon
 
Hechos historicos de administracion de operaciones
Hechos historicos de  administracion de operacionesHechos historicos de  administracion de operaciones
Hechos historicos de administracion de operacionesRogelioCarcamoSanMar
 
Pronósticos
PronósticosPronósticos
Pronósticosmgmag
 
Promedio movil
Promedio movilPromedio movil
Promedio movilPepe Ozitt
 
Ejercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demandaEjercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demandageomog94
 
Método de analogía para pronósticos
Método de analogía para pronósticosMétodo de analogía para pronósticos
Método de analogía para pronósticosivan_antrax
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempoCharlyii
 
U2 series de tiempo
U2 series de tiempoU2 series de tiempo
U2 series de tiempoALMAYUNIS1
 
INVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICOINVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICOCARLOS BRAZON
 
Pronosticos
PronosticosPronosticos
Pronosticosarelycl
 

La actualidad más candente (20)

2.3 metodos cuantitativos
2.3 metodos cuantitativos2.3 metodos cuantitativos
2.3 metodos cuantitativos
 
282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividad282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividad
 
Numeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhNumeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhh
 
Aplicaciones de series de tiempo
Aplicaciones de series de tiempoAplicaciones de series de tiempo
Aplicaciones de series de tiempo
 
Equipo 1 1-u7b
Equipo 1 1-u7bEquipo 1 1-u7b
Equipo 1 1-u7b
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencial
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS
 
Hechos historicos de administracion de operaciones
Hechos historicos de  administracion de operacionesHechos historicos de  administracion de operaciones
Hechos historicos de administracion de operaciones
 
REGLAS DE DESPACHO
REGLAS DE DESPACHOREGLAS DE DESPACHO
REGLAS DE DESPACHO
 
Pronósticos
PronósticosPronósticos
Pronósticos
 
Promedio movil
Promedio movilPromedio movil
Promedio movil
 
Ejercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demandaEjercicios tema 5 tendencia lineal de la demanda
Ejercicios tema 5 tendencia lineal de la demanda
 
Método de analogía para pronósticos
Método de analogía para pronósticosMétodo de analogía para pronósticos
Método de analogía para pronósticos
 
Secuenciacion de n trabajos
Secuenciacion de n trabajosSecuenciacion de n trabajos
Secuenciacion de n trabajos
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempo
 
Cadenas de markov
Cadenas de markovCadenas de markov
Cadenas de markov
 
Distribucion 4 erlang
Distribucion 4   erlangDistribucion 4   erlang
Distribucion 4 erlang
 
U2 series de tiempo
U2 series de tiempoU2 series de tiempo
U2 series de tiempo
 
INVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICOINVENTARIO PROBABILISTICO
INVENTARIO PROBABILISTICO
 
Pronosticos
PronosticosPronosticos
Pronosticos
 

Destacado

Series de Tiempo
Series de TiempoSeries de Tiempo
Series de Tiempoxpr1985
 
Series cronologicas y numero de indice (completo)
Series cronologicas y numero de indice (completo)Series cronologicas y numero de indice (completo)
Series cronologicas y numero de indice (completo)Estefania Guzman
 
estadistica Tipos e índices
estadistica Tipos e índicesestadistica Tipos e índices
estadistica Tipos e índicesCristian Zuñiga
 
Series cronologicas estadistica UFT
Series cronologicas estadistica UFTSeries cronologicas estadistica UFT
Series cronologicas estadistica UFTAMBARVICCARI
 
Problemas de series de tiempo
Problemas de series de tiempoProblemas de series de tiempo
Problemas de series de tiempoEQUIPO7
 
20 series de tiempo
20 series de tiempo20 series de tiempo
20 series de tiempoJuan Timana
 
Variaciones estacionales y diurnas
Variaciones estacionales y diurnasVariaciones estacionales y diurnas
Variaciones estacionales y diurnasJacinto Arroyo
 
Números indice estadística descriptiva
Números indice estadística  descriptivaNúmeros indice estadística  descriptiva
Números indice estadística descriptivajhovanny18
 
NUMEROS INDICES,ESTADISTICA DESCRIPTIVA
NUMEROS INDICES,ESTADISTICA DESCRIPTIVANUMEROS INDICES,ESTADISTICA DESCRIPTIVA
NUMEROS INDICES,ESTADISTICA DESCRIPTIVApedro2403
 
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017Carol Smith
 

Destacado (13)

Series de Tiempo
Series de TiempoSeries de Tiempo
Series de Tiempo
 
Series cronologicas y numero de indice (completo)
Series cronologicas y numero de indice (completo)Series cronologicas y numero de indice (completo)
Series cronologicas y numero de indice (completo)
 
estadistica Tipos e índices
estadistica Tipos e índicesestadistica Tipos e índices
estadistica Tipos e índices
 
Series cronologicas
Series cronologicasSeries cronologicas
Series cronologicas
 
Unidad II: Pronosticos
Unidad II: PronosticosUnidad II: Pronosticos
Unidad II: Pronosticos
 
Distribuciones bidimensionales y cronologías
Distribuciones bidimensionales y cronologíasDistribuciones bidimensionales y cronologías
Distribuciones bidimensionales y cronologías
 
Series cronologicas estadistica UFT
Series cronologicas estadistica UFTSeries cronologicas estadistica UFT
Series cronologicas estadistica UFT
 
Problemas de series de tiempo
Problemas de series de tiempoProblemas de series de tiempo
Problemas de series de tiempo
 
20 series de tiempo
20 series de tiempo20 series de tiempo
20 series de tiempo
 
Variaciones estacionales y diurnas
Variaciones estacionales y diurnasVariaciones estacionales y diurnas
Variaciones estacionales y diurnas
 
Números indice estadística descriptiva
Números indice estadística  descriptivaNúmeros indice estadística  descriptiva
Números indice estadística descriptiva
 
NUMEROS INDICES,ESTADISTICA DESCRIPTIVA
NUMEROS INDICES,ESTADISTICA DESCRIPTIVANUMEROS INDICES,ESTADISTICA DESCRIPTIVA
NUMEROS INDICES,ESTADISTICA DESCRIPTIVA
 
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
 

Similar a Exposición analisis de series de tiempo

AP - TEMA 15: PRONOSTICOS I
AP - TEMA 15: PRONOSTICOS IAP - TEMA 15: PRONOSTICOS I
AP - TEMA 15: PRONOSTICOS IMANUEL GARCIA
 
Métodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptx
Métodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptxMétodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptx
Métodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptxDailitGonzlezCapote2
 
Presentación estadistica.pptx
Presentación estadistica.pptxPresentación estadistica.pptx
Presentación estadistica.pptxVictoriaAvila36
 
Análisis de Series de Tiempo y Causal Final.pptx
Análisis de Series de Tiempo y Causal Final.pptxAnálisis de Series de Tiempo y Causal Final.pptx
Análisis de Series de Tiempo y Causal Final.pptxJosueMendoza84
 
Análisis de Series de Tiempo y Causal Final (1) (1).pptx
Análisis de Series de Tiempo y Causal Final (1) (1).pptxAnálisis de Series de Tiempo y Causal Final (1) (1).pptx
Análisis de Series de Tiempo y Causal Final (1) (1).pptxJosueMendoza84
 
Exposicion serie de tiempo caro
Exposicion serie de tiempo caroExposicion serie de tiempo caro
Exposicion serie de tiempo caroCarolina Zuñiga
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempoFatima Suplewiche
 
Clase 3. Tema. Analisis de Series de Tiempo 11-02-23.pdf
Clase 3. Tema. Analisis de Series de Tiempo  11-02-23.pdfClase 3. Tema. Analisis de Series de Tiempo  11-02-23.pdf
Clase 3. Tema. Analisis de Series de Tiempo 11-02-23.pdfNoe Castillo
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempokasachipunuria
 
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendenciaUriel Carrera Talarico
 
Anlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabrielAnlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabrielgabriel espinoza huaman
 
Pronosticos y p.e op i
Pronosticos y p.e  op iPronosticos y p.e  op i
Pronosticos y p.e op iadmonapuntes
 
Conceptos básicos de econometría
Conceptos básicos de econometríaConceptos básicos de econometría
Conceptos básicos de econometríaapolo11
 
Keepler | Series temporales en analítica de datos
Keepler | Series temporales en analítica de datosKeepler | Series temporales en analítica de datos
Keepler | Series temporales en analítica de datosKeepler Data Tech
 

Similar a Exposición analisis de series de tiempo (20)

AP - TEMA 15: PRONOSTICOS I
AP - TEMA 15: PRONOSTICOS IAP - TEMA 15: PRONOSTICOS I
AP - TEMA 15: PRONOSTICOS I
 
Métodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptx
Métodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptxMétodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptx
Métodos estadísticos Aplicados a la Gestión Tributaria (clase 5).pptx
 
Presentación estadistica.pptx
Presentación estadistica.pptxPresentación estadistica.pptx
Presentación estadistica.pptx
 
Análisis de Series de Tiempo y Causal Final.pptx
Análisis de Series de Tiempo y Causal Final.pptxAnálisis de Series de Tiempo y Causal Final.pptx
Análisis de Series de Tiempo y Causal Final.pptx
 
Análisis de Series de Tiempo y Causal Final (1) (1).pptx
Análisis de Series de Tiempo y Causal Final (1) (1).pptxAnálisis de Series de Tiempo y Causal Final (1) (1).pptx
Análisis de Series de Tiempo y Causal Final (1) (1).pptx
 
Exposicion serie de tiempo caro
Exposicion serie de tiempo caroExposicion serie de tiempo caro
Exposicion serie de tiempo caro
 
Series cronologicas
Series cronologicasSeries cronologicas
Series cronologicas
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempo
 
Clase 3. Tema. Analisis de Series de Tiempo 11-02-23.pdf
Clase 3. Tema. Analisis de Series de Tiempo  11-02-23.pdfClase 3. Tema. Analisis de Series de Tiempo  11-02-23.pdf
Clase 3. Tema. Analisis de Series de Tiempo 11-02-23.pdf
 
Estadisticas series de tiempo
Estadisticas series de tiempoEstadisticas series de tiempo
Estadisticas series de tiempo
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempo
 
Estadistica inferencial ll ensayo
Estadistica inferencial ll ensayoEstadistica inferencial ll ensayo
Estadistica inferencial ll ensayo
 
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia
191692033 suavizacion-exponencial-y-variaciones-estacionales-con-tendencia
 
Anlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabrielAnlisisdeseriesdetiempo espinoza huaman gabriel
Anlisisdeseriesdetiempo espinoza huaman gabriel
 
Nota 1 almendros
Nota 1 almendrosNota 1 almendros
Nota 1 almendros
 
Pronosticos y p.e op i
Pronosticos y p.e  op iPronosticos y p.e  op i
Pronosticos y p.e op i
 
Introduccion_a_los_Modelopdf.pdf
Introduccion_a_los_Modelopdf.pdfIntroduccion_a_los_Modelopdf.pdf
Introduccion_a_los_Modelopdf.pdf
 
Conceptos básicos de econometría
Conceptos básicos de econometríaConceptos básicos de econometría
Conceptos básicos de econometría
 
Series detiempo
Series detiempoSeries detiempo
Series detiempo
 
Keepler | Series temporales en analítica de datos
Keepler | Series temporales en analítica de datosKeepler | Series temporales en analítica de datos
Keepler | Series temporales en analítica de datos
 

Último

trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdfIsabellaMontaomurill
 
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricGlobal Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricKeyla Dolores Méndez
 
9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudianteAndreaHuertas24
 
Proyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptxProyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptx241521559
 
EPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveEPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveFagnerLisboa3
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafiosFundación YOD YOD
 
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE  DE TECNOLOGIA E INFORMATICA PRIMARIACLASE  DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIAWilbisVega
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfsoporteupcology
 
Hernandez_Hernandez_Practica web de la sesion 12.pptx
Hernandez_Hernandez_Practica web de la sesion 12.pptxHernandez_Hernandez_Practica web de la sesion 12.pptx
Hernandez_Hernandez_Practica web de la sesion 12.pptxJOSEMANUELHERNANDEZH11
 
Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024GiovanniJavierHidalg
 
KELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesKELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesFundación YOD YOD
 
Trabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíaTrabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíassuserf18419
 
guía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Josephguía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan JosephBRAYANJOSEPHPEREZGOM
 
Plan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxPlan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxpabonheidy28
 
International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)GDGSucre
 
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...silviayucra2
 

Último (16)

trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdf
 
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricGlobal Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
 
9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante
 
Proyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptxProyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptx
 
EPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveEPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial Uninove
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafios
 
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE  DE TECNOLOGIA E INFORMATICA PRIMARIACLASE  DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdf
 
Hernandez_Hernandez_Practica web de la sesion 12.pptx
Hernandez_Hernandez_Practica web de la sesion 12.pptxHernandez_Hernandez_Practica web de la sesion 12.pptx
Hernandez_Hernandez_Practica web de la sesion 12.pptx
 
Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024
 
KELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesKELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento Protégeles
 
Trabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíaTrabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnología
 
guía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Josephguía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Joseph
 
Plan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxPlan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docx
 
International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)
 
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
 

Exposición analisis de series de tiempo

  • 1. LOGO Universidad Nacional Experimental “Francisco de Miranda” Integrantes: Oviedo, Ángel Devera, Marlys Millán, Freddy Vargas, Emigdio
  • 2. Contenido INTRODUCCIÓN SERIE TEMPORAL COMPONENTES DE LA SERIE TEMPORAL METODO DE LOS PROMEDIOS MOVILES ANÁLISIS DE SERIES DE TIEMPO (SERIES CRONOLÓGICAS)ANÁLISIS DE SERIES DE TIEMPO (SERIES CRONOLÓGICAS)
  • 3. INTRODUCCIÓN Toda institución, ya sea la familia, la empresa o el gobierno, necesita realizar planes para el futuro si desea sobrevivir o progresar. La planificación racional exige prever los sucesos del futuro que probablemente vayan a ocurrir. La previsión se suele basar en lo ocurrido en el pasado. La técnica estadística utilizada para hacer inferencias sobre el futuro teniendo en cuenta lo ocurrido en el pasado es el ANÁLISIS DE SERIES CRONOLOGICAS.
  • 4. SERIE TEMPORAL Una serie temporal (también denominada histórica, cronológica o de tiempo) se define como un conjunto de datos, correspondientes a un fenómeno, ordenados en el tiempo. EJEMPLOS Producto Interno Bruto Año a Año. Ventas de nuestra empresa en los últimos 10 años. Cantidad de lluvia caída al día durante el último trimestre.
  • 7. COMPONENTE DE TENDENCIA Es un comportamiento que se observa a largo plazo. • Se observa en un periodo amplio. Por cambios en las tendencias demográficas. Los cambios tecnologicos. Se da por los cambios de la productividad a largo plazo. Aceptación de un producto. TENDENCIA (T) : Movimiento a lo largo de los valores de la serie de tiempo (Y) durante un número prolongado de años.
  • 9. COMPONENTE CÍCLICO VARIACIONES CICLICAS (C) : Movimientos recurrentes hacia arriba y hacia abajo con respecto a la tendencia y que tienen duración de varios años. Es la fluctuación en forma de onda alrrededor de la tendencia Se da por los ciclos de la actividad económica, los ciclos de los negocios, de los productos , entre otros. Se caracteriza también porque su duración es irregular
  • 10. COMPONENTE ESTACIONAL VARIACIONES ESTACIONALES (E) : Movimientos hacia arriba y abajo con respecto a la tendencia y que no duran más de un año. Es un patrón de cambio que se repite año tras año. En este componente influye el clima y el año calendario. Este es el caso de productos agrícolas y ventas de útiles escolares, entre otros.
  • 11. COMPONENTE ALEATORIO VARIACIONES IRREGULARES (I) : Variaciones erráticas con respecto a la tendencia, que no pueden adjudicarse a efectos estacionales o cíclicos. Es la variabilidad de la serie de datos después de eliminar los otros componentes. Son factores que no corresponden a la tendencia, a ala estacionalidad, ni a los ciclos de la variable.
  • 13. METODOS DE LOS PROMEDIOS MOVILES Un promedio móvil es el promedio de los n valores de datos más recientes de una serie de tiempo. PM = Σ (n valores más recientes)/n • A medida que se dispone del nuevo valor de un dato de una serie de tiempo, la nueva observación remplaza a la antigua en la serie de n valores como base para determinar el nuevo promedio, lo que explica el motivo de que se llame promedio móvil.
  • 14. Así, este procedimiento sirve sencillamente para promediar el componente irregular de los datos recientes de una serie de tiempo METODOS DE LOS PROMEDIOS MOVILES . Pronosticar los valores de datos del siguiente periodo de la serie de tiempo, pero no los de datos de periodos más distantes a futuro. Es un método adecuado de pronóstico cuando en los datos no está presente la influencia de una tendencia, cíclica o estacional, situación por demás improbable. El promedio móvil puede servir para
  • 15. METODOS DE LOS PROMEDIOS MOVILES Promedios móviles Este se calcula, para cada punto, como un promedio del mismo número de valores a cada lado de ese punto. Así una media móvil de tres puntos se calcula como: Cuando la cantidad de puntos de la media móvil es par, se toma la mitad de los valores extremos.
  • 16. METODO DE LAS MEDIAS MOVILES *** Empleando 3 observaciones a) Partimos de la serie temporal observada Yt. (Ventas trimestrales de vehículos) Trimestres /Años 1999 2000 2001 TRIM. I 150 155 160 TRIM. II 165 170 180 TRIM. III 125 135 140 TRIM IV 170 165 180
  • 17. Cálculo de las medias móviles
  • 19. LOGO