Este documento presenta información sobre series de tiempo y análisis causal. Explica brevemente la historia de las series de tiempo y cómo se pueden descomponer en componentes como tendencia, estacionalidad y aleatoriedad. También define conceptos clave como proyección de tendencia y analiza ventajas y desventajas del modelado causal. Incluye ejemplos y ejercicios relacionados con series de tiempo y relaciones causales.

1. UNIVERSIDAD DE GUAYAQUIL FACULTAD DE
INGENIERÌA INDUSTRIAL
ADMINISTRACIÓN A LA PRODUCCIÓN (G: NOCT 7 – 5)
TEMA
ANÁLISIS DE SERIES DE TIEMPO Y CAUSAL
Estudiante:
Mendoza Beltrán Josué Emanuel
GRUPO: ¨7¨
DOCENTE:
 ING. ARCOS COBA JESUS ALBERTO MSC

2. PRE-INTRODUCCIÓN
Las series de tiempo han representado un
importante conjunto de datos para la Ciencia
Económica, sin embargo, no es hasta la década de
los 70´s en el milenio anterior (1970 y más), donde
aparecen importantes descubrimientos al respecto.
Sucede así que George E.P. Box y G.M Jenkins,
desarrollan la técnica ARIMA (Autoregressive
Integrated Moving Average) "Modelo auto regresivo
Integrado de Medias móviles".
A) Reseña Histórica de las Series de Tiempo y Causal.

3. Los trabajos pioneros del matemático A.N. Kolgomorov en 1931 y del estadístico
británico George Yule (1871-1951) y su obra "On the time-correlation Problem"
(1921); promueven la investigación basadas en estos modelos auto regresivos de
segundo orden.

4. Para los años de 1960 y en adelante, los investigadores habían desarrollado
modelos donde era posible descomponer una serie de datos en sus partes como la
tendencia, el componente cíclico y una componente aleatoria e irregular,
basándose en la aplicación de medias móviles y en las desviaciones de la variable.

5. PRE-INTRODUCCIÓN
La evolución de los muebles tiene sus raíces en la evolución humana, y los
muebles de madera existen desde hace mucho tiempo, y no hay datos
precisos sobre la apariencia de estos muebles, pero sabemos que ha existido
desde tiempos primitivos y a lo largo de los años se han utilizado diversas
materias primas para producir cosas útiles para los humanos.
B) Reseña Histórica de la Evolución de los Muebles.

6. PRE-INTRODUCCIÓN
Según datos estadísticos del Censo Económico del año 2010, la industria del
mueble en Cuenca engloba a 482 fábricas, esto es un 12,13% del país. El ingreso
por ventas es de 59,6 millones de dólares, equivalentes al 41% de esa industria a
escala nacional. Actualmente según Marcelo Serrano, vicepresidente de la
Asociación Ecuatoriana de Industriales de la Madera, AIMA.
La fabricación de mueble en la ciudad equivale un porcentaje de producción de
muebles en el país.
B) Reseña Histórica de la Evolución de los Muebles.

7. PRE-INTRODUCCIÓN
C) Reseña Histórica de la Empresa de Muebles Deluxe
La industria del mueble de Cuenca surgió después de la caída en las
ventas de paja toquilla en la década de 1960. Desde ese momento
muchas empresas de muebles surgieron, hasta ahora en la
actualidad que la empresa de Muebles Deluxe llego a la industrial.
La empresa Muebles Deluxe de la Ciudad de Guayaquil surgió en el
año 2018, empleo a 8 personas, actualmente en este año 2022
contiene más de 25 personas, la empresa contrato a personas con
experiencia, para así fabricar y exportar muebles de alta calidad en
la actualidad.

8. Proceso Administrativo de la Empresa “Muebles Deluxe”

9. Competidores Directos de “Muebles Deluxe” dentro
de la Ciudad de Guayaquil.

10. INTRODUCCIÓN
Ecuador es un país en vías de desarrollo donde el consumo ha crecido de acuerdo con
las necesidades y capacidades de las personas. Y en la ciudad de Guayaquil cuenta
con empresas que se especializan en la producción de muebles, pero la mayoría de
ellas no cuentan con el conocimiento para llevar a cabo procesos de fabricación
adecuados que cumplan con las expectativas de rentabilidad del fabricante. Las
necesidades de los clientes también están cambiando, por lo que las empresas tienen
que crecer con ellos para satisfacer las necesidades de los demandantes.
Mediante las Series de tiempo podemos representar los datos del negocio para visualizar la
actividad de este, a su vez, las series de tiempo se utilizan para predecir el comportamiento que se
da a futuro de la variable medida.

11. ¿Qué es una Serie de Tiempo?
Es también llamada serie cronológica o histórica, se define como
una sucesión de observaciones tomadas para una variable en
distintos momentos del tiempo (Mensual, Trimestral, Anual, Etc).
CUERPO

12. Economía y Marketing
Algunos ejemplos
donde se puede
utilizar series
temporales.
Medioambiente
Demografía

13. Componentes de una Serie Temporal
El análisis clásico de series de tiempo se basa en el supuesto de que los valores
obtenidos por las variables observadas son el resultado de los tres componentes y el
efecto combinado de ellos es el valor medido.

14. Tanto las variaciones cíclicas como las estacionales, pueden entenderse como el movimiento
ondulante de los datos por encima y por debajo de la línea de tendencia. Lo que las diferencia es
el rango de datos que se analizan. En el caso de las componentes cíclicas, se refiere a procesos que
ocurren de manera más espaciada dentro del intervalo de observación, mientras que las
componentes estacionales ocurren con menor separación en el tiempo.
Componentes Cíclicas y Estacional.

15. Componente Aleatoria
Esta componente no responde a ningún patrón de comportamiento, sino que es el
resultado de factores fortuitos o aleatorios que inciden de forma aislada en una serie de
tiempo. De estos tres componentes los dos primeros son componentes determinísticos,
mientras que la última es aleatoria.
Así se puede denotar la serie de tiempo como 𝑋 = 𝑇 + 𝐸 + 𝐼
Donde:
𝑇 = Tendencia
𝐸 = componente estacional
𝐼 = componente aleatoria.

16. Componente Tendencia.
Es el resultado de factores que afectan a largo plazo a los datos, los cuales generan
un patrón gradual y consistente de las variaciones de la misma serie. En el caso de
un pozo, la tendencia de los datos de producción normalmente es la declinación,
debida a fenómenos como la despresurización del yacimiento, el agotamiento de los
fluidos presentes en él, o la ocurrencia del daño a la formación.

17. Proyección de la Tendencia.
Es un método de pronóstico de series de tiempo que
ajusta una recta de tendencia a una serie de datos históricos
y después proyecta la recta al futuro para obtener
pronóstico.
Ecuación de la Recta:
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = valor calculado de la variable que debe predecirse
(llamado variable dependiente)
a= ordenada con el eje y.
b= pendiente de la recta de regresión
x= variable independiente
Para obtener el valor de la ordenada con el eje y
debemos ocupar la siguiente fórmula.
a = 𝑦 - bx
Para obtener el valor de la pendiente usaremos la
siguiente fórmula.
𝑏 =
𝑥𝑦−𝑛𝑥𝑦
𝑥2−𝑛𝑥2
x= valores conocidos de la variable independiente
y= valores conocidos de la variable dependiente
𝑥=promedio del valor de las x
𝑦= promedio del valor de las y
n= número de datos puntuales u observaciones

18. Las series temporales se pueden clasificar en:
Estacionarias
Una serie es estacionaria cuando es estable a lo largo del tiempo, es decir,
cuando la media y varianza son constantes en el tiempo.
No Estacionarias
Son series en las cuales la tendencia y/o variabilidad cambian en el tiempo.
Clasificación Descriptiva de las Series Temporales

19. CAUSAL
El modelado causal resulta importante para entender el proceso de toma de decisiones; sin
embargo, continúa siendo un área relativamente poco estudiada. La causalidad se ve
generalmente como una relación precisa: la misma causa provoca siempre el mismo efecto.

20. Objetivo
Realmente no importa de qué tipo es tu organización o qué objetivos tienes,
la investigación causal puede usarse para tu beneficio. El objetivo de la
investigación causal es brindar evidencia de que existe una relación en particular.
Ventajas
Puedes reconocer y hacer un control de las
variables con el fin de eliminarlas o disminuirlas.
Se pueden determinar las relaciones de causa y
efecto. La experimentación que se realice con el
estudio causal puede repetirse y volver a
verificarse. Puedes evaluar el impacto que tienen
las variables en el proceso
Desventajas
Puede que haya momentos donde se identifiquen
variables causa-efecto cuando en realidad no lo
son. Si existe una gran cantidad de variables, se
hace complicado llegar a una conclusión definitiva.
Es difícil reconocer si una variable es una causa y el
efecto que tendrá en un futuro.

21. 1) Castillo Valdez Kathy Lisseth
La serie de tiempo ayudan a describir y controlar los procesos, podemos usar herramientas como la observación
lo cual nos ayudan a predecir acontecimientos futuros en base a ciertos comportamientos. Mientras más
observaciones tengamos, tendremos información sobre los valores iniciales y finales de la tendencia estimada
desarrollando modelos estadísticos que expliquen el comportamiento de dicha variable aleatoria que varía varía con
el tiempo, distancia, etc.
2) Goya Pazmiño Daniel Lucia
Por análisis de serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o registran en
intervalos de tiempo regulares (diario, semanal, semestral, anual, entre otros). Mostrándonos la evolución de un
fenómeno a lo largo del tiempo. Este análisis se realiza con el fin de orientar las decisiones en muchas áreas del
mundo como los mercados, el transporte, la identificación de fallas, el clima, indicadores de empleo, índices o
indicadores del nivel de producción, ´índices de precios, etc. entre otros.
CONCLUSIONES

22. 3) Muñoz Cantos Christian Manuel
Como conclusión, las series de tiempo se han convertido en una herramienta multifuncional para muchos
campos de la ciencia, ayudando a prevenir fenómenos o sucesos que de una manera y otra afectarían
directamente al resultado de algún procedimiento o experimento.
4) Mendoza Beltrán Josué Emanuel
En conclusión, las series temporales son muy beneficiosas ya que nos permiten hacer regresiones o predicciones de acontecimientos
futuros en base a los comportamientos de las variables o datos que poseemos, y permite analizar las causas de los cambios o variaciones
en los resultados.
5) Maldonado Chávez Walter Joel
Las series de tiempo nos facilitan determinar el comportamiento de una variable aleatoria que cambia con el tiempo, distancia o
índice, a través de su conjunto de técnicas estadísticas, permitiéndonos evaluar los pronósticos de los resultados de las variables en los
diferentes tipos de aplicaciones que se realizan en diversos campos de la ciencia, como se conoce en la actualidad la economía está
propensa a muchas observaciones de los mercados financieros, tales como indicadores de empleo, indicadores de nivel de producción,
índices de precios entre otros.

23. 1) Castillo Valdez Kathy Lisseth
Si queremos conocer el comportamiento futuro de ciertos fenómenos con el fin de planificar o prevenir, las series de tiempo nos
vienen muy bien ya que no solo tendremos un modelo estadístico si no que este puede explicar el comportamiento de dicho fenómeno
que va a variar en determinados tiempos y a su vez nos ayudarán a visualizar la actividad del negocio porque estos vienen cargados de
observaciones previniendo otros factores que puedan influenciar de manera significativa a la tendencia de los datos, en nuestro caso un
evento inesperado en la maquinaria o en el personal que lleva a cabo el proceso podría alterar considerablemente el comportamiento de la
tendencia.
2) Goya Pazmiño Daniel Lucia
Para describir, explicar, predecir y controlar aquellos procesos que de alguna manera se presentan en el tiempo, la mejor manera de
hacerlo es usando el análisis de serie de tiempo. Si bien hay que recordar que la observación se da de manera ordenada en el tiempo, por
lo que su aplicación se refleja de manera concreta en diferentes áreas científicas y sociales, ayudando a pronosticar eventos futuros o a
tomar decisiones importantes de diferentes tipos.
RECOMENDACIONES

24. 3) Muñoz Cantos Christian Manuel
Hoy en día diversas empresas requieren conocer el comportamiento y futuro de ciertos fenómenos con el fin de
planificar, prevenir, es decir, se va a utilizar para predecir lo que ocurrirá con una variable en el futuro a partir del
comportamiento de esa variable en el pasado.
4) Mendoza Beltrán Josué Emanuel
Es recomendado usar series de tiempo ya que es una herramienta básica y muy versátil para los negocios, ideales si
queremos una función descriptiva de los datos ya que condensamos una gran cantidad de datos en gráficos o tablas.
5) Maldonado Chávez Walter Joel
Es necesario aprender a utilizar series de tiempo, ya que nos ayudan con una gran cantidad de información acertada
en un solo gráfico o tabla, visualizando pronósticos que queramos investigar en cualquier ámbito, tales como en la
economía, ciencia, vida cotidiana entre otros, siendo así una herramienta muy eficaz y necesaria para todo tipo de trabajo.

25. EJERCICIOS RELACIONADO AL TEMA
Ejercicio de Serie de Tiempo (Proyección de Tendencia):
Considere las ventas de Muebles Deluxe en los últimos 5 años, lo cual se muestra en la tabla:

27. Proyectando a 5 años mas

28. EJERCICIOS RELACIONADO AL TEMA
Ejercicios de Causal
El departamento de planeación de operaciones sabe que un pronóstico adecuado y preciso
de muebles para un cliente, está relacionado con los gastos de promoción. Este
departamento está interesado en establecer la relación entre promoción y ventas. Quien
hace la planeación puede investigar los gastos planeados en publicidad y sobre esas ventas
puede hacer el pronóstico. La publicidad para el próximo trimestre se espera que tenga un
monto de $11,100,00.

30. VIDEOS: PROYECCIÓN DE VIDEOS RELACIONADOS AL TEMA.
¿En qué consiste el Análisis de Series de Tiempo?

31. Proyección de Tendencia (Series de Tiempo)