Este documento presenta información sobre series de tiempo y métodos de predicción como promedio móvil, suavización exponencial y Box-Jenkins. Describe que una serie de tiempo es un conjunto de observaciones de una variable cuantitativa a lo largo del tiempo y que estos métodos se usan para predecir valores futuros basados en datos pasados. Explica conceptos como tendencia, estacionalidad y estacionariedad y los pasos involucrados en la selección de un modelo de serie de tiempo apropiado.

1. UNIVERSIDAD VERACRUZANASERIES DE TIEMPO.Equipo 7 Integrantes:Alfaro Zabala Graciela

2. Cortéz Zavala Yajaira

3. Escudero Recillas Sara Lizbeth

4. Garcés barrios Liliana Janet

5. Gerónimo Domínguez Karina

6. Portilla Romero N. Melina

7. Saucedo García Jesús Manuel

8. González Resendiz Carlos EduardoESTADISTICAINFERENCIAL

9. UNIVERSIDAD VERACRUZANADEFINICIONSe llama Series de Tiempo a un conjunto de observaciones sobre valores que toma una variable (cuantitativa) en diferentes momentos del tiempo.UTILIDADHoy en día diversas organizaciones requieren conocer el comportamiento futuro de ciertos fenómenos con el fin de planificar, prevenir,es decir,se utilizan para predecir lo que ocurrirá con una variable en el futuro a partir del comportamiento de esa variable en el pasado.ESTADISTICA INFERENCIAL

10. UNIVERSIDAD VERACRUZANAAPLICACIONESEn las organizaciones es de mucha utilidad en predicciones a corto y mediano plazo, por ejemplo ver que ocurriría con la demanda de un cierto producto, las ventas a futuro, decisiones sobre inventario, insumos, etc....

11. No así para el diseño de un proceso productivo ya que no se disponen de datos históricos y se trata de un proyecto a largo plazoESTADISTICA INFERENCIAL

12. UNIVERSIDAD VERACRUZANASELECCIÓN DE UN MODELOEl horizonte de tiempo para realizar la proyección. La disponibilidad de los datos.La exactitud requerida.El tamaño del presupuesto de proyección.La disponibilidad de personal calificado.ESTADISTICA INFERENCIAL

13. Método de proyecciónCantidad de datos históricosPatrón de los datosHorizonte de proyecciónTiempo de preparaciónAntecedentes del personal Ajuste exponencial simple5 a 10 observaciones para fijar la ponderaciónLos datos deben ser estacionarios Corto Corto Poca sofisticaciónAjuste exponencial de Holt10 a 15 observaciones para fijar la ponderaciónTendencias pero no estacionalidad Corto a mediano CortoLigera sofisticaciónAjuste exponencial de WinterPor lo menos 4 ò 5 observaciones por trimestreTendencias y estacionalidad Corto a mediano CortoSofisticación moderada Modelos de la tendencia de regresión10 a 20 observaciones para la estacionalidad, por lo menos 5 por trimestre Tendencias y estacionalidad Corto a mediano Corto Sofisticación moderada Modelos de regresión causal 10 observaciones por variable independiente Puede manejar patrones complejos Corto , mediano o largoLargo tiempo para el desarrollo , corto para la puesta en ejecución Sofisticación considerable Descomposición de las series de tiempo Suficiente para ver 2 picos y simas Maneja patrones cíclicos y estacionales puede identificar los puntos críticos Corto a mediano Corto tiempo para la moderación Poca sofisticación Box Jenkins 50 o mas observacionesDeben ser estacionarios o ser transformados en estacionarios Corto , mediano o largo Largo Alta sofisticaciónUNIVERSIDAD VERACRUZANAMODELOS DE SERIES DE TIEMPOESTADISTICA INFERENCIAL

14. UNIVERSIDAD VERACRUZANACOMPORTAMIENTO DE LOS DATOS Los datos se pueden comportar de diferentes formas a través del tiempo, puede que se presente una tendencia, un ciclo; no tener una forma definida o aleatoria, variaciones estacionales (anual, semestral, etc).ESTADISTICA INFERENCIAL

15. UNIVERSIDAD VERACRUZANADESCOMPOSICION DE LOS DATOS DE SERIES DE TIEMPOESTADISTICA INFERENCIAL

16. UNIVERSIDAD VERACRUZANATENDENCIAESTADISTICA INFERENCIAL

17. UNIVERSIDAD VERACRUZANAESTACIONALIDAD Se dice que una serie de tiempo es estacionaria cuando el valor de su media, varianza y covarianza no varían Sistemáticamente en el tiempo.SUAVIZANDO UNA SERIE DE TIEMPOCuando se analizan datos en donde los movimientos de la tendencia en la serie se ven confusos las variaciones de un año a otro, y no es fácil darse cuenta de si realmente existe en la serie algún efecto de la tendencia hacia arriba o hacia abajo.ESTADISTICA INFERENCIAL

18. UNIVERSIDAD VERACRUZANAMETODOS DE PREDICCION Los métodos mas utilizados en las series temporales son: Promedio móvil Suavización Exponencial Box - JenkinsPROMEDIO MOVILEs el método de predicción mas simple, donde se selecciona un numero dado de periodos N, y se obtiene la media o promedio de la variable para los N periodos, permitiendo que el promedio se mueva conforme se observan los nuevos datos de la variable en cuestión.ESTADISTICA INFERENCIAL

19. UNIVERSIDAD VERACRUZANAEJEMPLOESTADISTICA INFERENCIAL

20. UNIVERSIDAD VERACRUZANAFORMULAA t = D1+ D t-1 + ......+ D t-(N+1) N

21. A t = F t+1.....Con t=7, N=3

22. F 8 = (10 + 18 + 29)

23. 3ESTADISTICA INFERENCIAL

24. UNIVERSIDAD VERACRUZANAGrafico de una Serie de TiempoMientras mas largo sea el periodo en que se hace el promedio, mas lenta es la respuesta ante los cambios a la demandaESTADISTICA INFERENCIAL

25. UNIVERSIDAD VERACRUZANASuavización Exponencial Se basa en la idea de que es posible calcular un promedio nuevo a partir de un promedio anterior y también del ultimo dato observado.At =  D t+ (1-)F t At = Dt + (1-) At-1 0 < < 1ESTADISTICA INFERENCIAL

26. UNIVERSIDAD VERACRUZANAEJEMPLOESTADISTICA INFERENCIAL