Unidad Dos:Series de tiempo
2.1 Modelo clásico de series de tiempo.
2.2 Análisis de fluctuaciones.
2.3 Análisis de tendencia.
2.4 Análisis de variaciones cíclicas.
2.5 Medición de variaciones estacionales eirregulares.
2.6 Aplicación de ajustes estacionales.
2.7 Pronósticos basados en factores de
2.8 Tendencia y estacionales.
2.2 Análisis de fluctuaciones.
2.3 Análisis de tendencia.
2.4 Análisis de variaciones cíclicas.
2.5 Medición de variaciones estacionales eirregulares.
2.6 Aplicación de ajustes estacionales.
2.7 Pronósticos basados en factores de
2.8 Tendencia y estacionales.
Unidad Dos:Series de tiempo
Competencia específica:
Aplica los conceptos básicos de un modelo de una serie de tiempo para la toma de decisiones con base en el pronóstico de una variable de un proceso industrial, logístico, comercial o de servicios.
Competencias genéricas:
Competencia específica:
Aplica los conceptos básicos de un modelo de una serie de tiempo para la toma de decisiones con base en el pronóstico de una variable de un proceso industrial, logístico, comercial o de servicios.
Competencias genéricas:
- Capacidad de abstracción, análisis y síntesis.
- Capacidad de aplicar los conocimientos en la práctica.
- Capacidad para identificar, plantear y resolver problemas.
Unidad Uno:Series de tiempo
2.1 Modelo clásico de series de tiempo.
Definición de Serie de Tiempo: En Estadística se le llama así a un conjunto de valores observados durante una serie de períodos temporales secuencialmente ordenada, tales períodos pueden ser semanales, mensuales, trimestrales o anuales.
Obejtivo de analizar una serie de Tiempo..
• Determinar si se presentan ciertos patrones o pautas no aleatorias
• Aislar y entonces estudiar sus componentes a fin de proporcionar claves para movimientos futuros
• Hace posible pronosticar los movimientos futuros así como otros aspectos que estén sincronizados
Componentes de una serie de tiempo.
El método clásico identifica cuatro influencias o componentes:
• Tendencia (T)
• Fluctuaciones cíclicas (C)
• Variaciones estacionales (E)
• Variaciones irregulares (I)
1. Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie es por lo común el resultado de factores a largo plazo. En términos intuitivos, la tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la propia serie, que se consideran consecuencias de fuerzas persistentes que afectan el crecimiento o la reducción de la misma, tales como: cambios en la población, en las características demográficas de la misma, cambios en los ingresos, en la salud, en el nivel de educación y tecnología. Las tendencias a largo plazo se ajustan a diversos esquemas. Algunas se mueven continuamente hacía arriba, otras declinan, y otras más permanecen igual en un cierto período o intervalo de tiempo.
2. Variación estacional: El componente de la serie de tiempo que representa la variabilidad en los datos debida a influencias de las estaciones, se llama componente estacional. Esta variación corresponde a los movimientos de la serie que recurren año tras año en los mismos meses (o en los mismos trimestres) del año poco más o menos con la misma intensidad. Por ejemplo: Un fabricante de albercas inflables espera poca actividad de ventas durante los meses de otoño e invierno y tiene ventas máximas en los de primavera y verano, mientras que los fabricantes de equipo para la nieve y ropa de abrigo esperan un comportamiento anual opuesto al del fabricante de albercas.
3. Variación cíclica: Con frecuencia las series de tiempo presentan secuencias alternas de puntos abajo y arriba de la línea de tendencia que duran más de un año, esta variación se mantiene después de que se han eliminado las variaciones o tendencias estacional e irregular. Un ejemplo de este tipo de variación son los ciclos comerciales cuyos períodos recurrentes dependen de la prosperidad, recesión, depresión y recuperación, las cuales no dependen de factores como el clima o las costumbres sociales.
4. Variación Irregular: Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a la serie de tiempo. Como este componente explica la variabilidad aleatoria de la serie, es impredecible, es decir, no se puede esperar predecir su impacto sobre la serie de tiempo. Existen dos tipos de variación irregular: a) Las variaciones que son provocadas por acontecimientos especiales, fácilmente identificables, como las elecciones, inundaciones, huelgas, terremotos. b) Variaciones aleatorias o por casualidad, cuyas causas no se pueden señalar en forma exacta, pero que tienden a equilibrarse a la larga.
2.3 Análisis de tendencia.
Análisis de Tendencia
2.1 Análisis de las series de tiempo.
1.-
https://youtu.be/6sSQQQPofek
En este vídeo del Maestro Gabriel Leandro, se explica la importancia de las series de tiempo.
1.-Vídeo de Regresión en Excel Aplicación Series de Tiempo usando Excell
https://www.youtube.com/watch?v=OClfxqahyE0
En este vídeo del Maestro León Darío Bello Parias, se explica como se usan las series de tiempo para resolver problemas
2.1 Modelo clásico de series de tiempo.
Definición de Serie de Tiempo: En Estadística se le llama así a un conjunto de valores observados durante una serie de períodos temporales secuencialmente ordenada, tales períodos pueden ser semanales, mensuales, trimestrales o anuales.
Obejtivo de analizar una serie de Tiempo..
• Determinar si se presentan ciertos patrones o pautas no aleatorias
• Aislar y entonces estudiar sus componentes a fin de proporcionar claves para movimientos futuros
• Hace posible pronosticar los movimientos futuros así como otros aspectos que estén sincronizados
Componentes de una serie de tiempo.
El método clásico identifica cuatro influencias o componentes:
• Tendencia (T)
• Fluctuaciones cíclicas (C)
• Variaciones estacionales (E)
• Variaciones irregulares (I)
La tendencia (T); Es el movimiento de los datos hacia arriba o hacia abajo a lo largo del tiempo.
La estacionalidad(E): Se identifica como el patrón que muestran los datos en intervalos regulares, por encima o por debajo de la tendencia.
La ciclicidad (C): Son los patrones que se identifican en ciertos intervalos para las series de tiempo anuales.
Las variaciones irregularidades o variaciones aleatorias (VI): Son irregularidades que se suponen explica el azar. No muestran un patrón y presentan una distribución normal con media igual a cero.
1. Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie es por lo común el resultado de factores a largo plazo. En términos intuitivos, la tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la propia serie, que se consideran consecuencias de fuerzas persistentes que afectan el crecimiento o la reducción de la misma, tales como: cambios en la población, en las características demográficas de la misma, cambios en los ingresos, en la salud, en el nivel de educación y tecnología. Las tendencias a largo plazo se ajustan a diversos esquemas. Algunas se mueven continuamente hacía arriba, otras declinan, y otras más permanecen igual en un cierto período o intervalo de tiempo.
2. Variación estacional: El componente de la serie de tiempo que representa la variabilidad en los datos debida a influencias de las estaciones, se llama componente estacional. Esta variación corresponde a los movimientos de la serie que recurren año tras año en los mismos meses (o en los mismos trimestres) del año poco más o menos con la misma intensidad. Por ejemplo: Un fabricante de albercas inflables espera poca actividad de ventas durante los meses de otoño e invierno y tiene ventas máximas en los de primavera y verano, mientras que los fabricantes de equipo para la nieve y ropa de abrigo esperan un comportamiento anual opuesto al del fabricante de albercas.
3. Variación cíclica: Con frecuencia las series de tiempo presentan secuencias alternas de puntos abajo y arriba de la línea de tendencia que duran más de un año, esta variación se mantiene después de que se han eliminado las variaciones o tendencias estacional e irregular. Un ejemplo de este tipo de variación son los ciclos comerciales cuyos períodos recurrentes dependen de la prosperidad, recesión, depresión y recuperación, las cuales no dependen de factores como el clima o las costumbres sociales.
4. Variación Irregular: Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a la serie de tiempo. Como este componente explica la variabilidad aleatoria de la serie, es impredecible, es decir, no se puede esperar predecir su impacto sobre la serie de tiempo. Existen dos tipos de variación irregular: a) Las variaciones que son provocadas por acontecimientos especiales, fácilmente identificables, como las elecciones, inundaciones, huelgas, terremotos. b) Variaciones aleatorias o por casualidad, cuyas causas no se pueden señalar en forma exacta, pero que tienden a equilibrarse a la larga.
2.3 Análisis de tendencia.
Análisis de Tendencia
2.1 Análisis de las series de tiempo.
1.-
https://youtu.be/6sSQQQPofek
En este vídeo del Maestro Gabriel Leandro, se explica la importancia de las series de tiempo.
1.-Vídeo de Regresión en Excel Aplicación Series de Tiempo usando Excell
https://www.youtube.com/watch?v=OClfxqahyE0
En este vídeo del Maestro León Darío Bello Parias, se explica como se usan las series de tiempo para resolver problemas
2.-Vídeo de Regresión lineal múltiple usando minitab.
https://www.youtube.com/watch?v=I_OQ_LfLTI8&t=38s
En este video de Esteban Iñigo se explica como se utiliza el sofware mintab, para resolver un problema de regresion lineal multiple
Vídeo de Regresión lineal múltiple usando SSPS
vídeo de regresión lineal múltiple usando libre office en uduntu
webgrafia
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t.pdf
https://www.youtube.com/watch?v=I_OQ_LfLTI8&t=38s
En este video de Esteban Iñigo se explica como se utiliza el sofware mintab, para resolver un problema de regresion lineal multiple
Vídeo de Regresión lineal múltiple usando SSPS
vídeo de regresión lineal múltiple usando libre office en uduntu
webgrafia
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t.pdf
