SERIES TEMPORALES.

Slides:



Advertisements
Presentaciones similares
ORGANIZACIÓN de la PRODUCCIÓN
Advertisements

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel Series Temporales.
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
Planificación y Control de la Producción I
PRONÓSTICOS Y LA ADMINISTRACIÓN DE ESTRATÉGICA DE LA DEMANDA
Centro de Investigación Estadística
SERIES DE TIEMPO INTEGRANTES : GELSI VASQUEZ MICHAEL MUÑOZ JULIO TAPIA.
SERIES UNIVARIADAS Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar.
SERIES TEMPORALES.
SERIES TEMPORALES.
SERIES TEMPORALES.
Pronósticos, Series de Tiempo y Regresión
1 Modelos Cuantitativos Pronósticos PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre.
Capitulo 10: La metodología Box-Jenkins
Pronostico de ventas….
Cierre de órdenes Informe compras Horas extras Mantenimiento / Servicio al taller Presencia / taller Ene.Feb.Mar.Abr.May.Jun.Jul.Ago.Sep.Oct.Nov.Dic. CONTROL.
 OPERACIONES NO REAJUSTABLES EN MONEDA NACIONAL Menos de 90 díasMenos de 90 díasMenos de 90 díasMenos de 90 días Más de 90 díasMás de 90 díasMás de 90.
METODOS ELEMENTALES DE
PRONOSTICO DE VENTAS.
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
SERIES TEMPORALES.
Pronósticos Los pronósticos y la planeación de la capacidad de mantenimiento son dos funciones importantes para el diseño de un sistema de mantenimiento.
SERIES DE TIEMPO INTEGRANTES :.
Modelos de Suavizamiento
Esquema General del Estudio a nivel Perfil según el SNIP Capítulo IV: Formulación y Evaluación Sesión 7 ESQUEMA GENERAL DEL ESTUDIO A NIVEL DE PERFIL.
Método de previsión para el turismo.
CUOTA DE MANTENIMIENTO ANEXO 3. MES YVIGILANCIA% AÑO Ene.11 38, Feb.11 34, Mar.11 38, Abr.11 18, May.11 37, Jun.11 38,
Estadística Administrativa II
Bruno Seminario Universidad del Pacífico. ¿Cómo estimar la tasa de crecimiento?  Método INEI:  Tasa de crecimiento promedio de los últimos 12 meses.
Aena 2007: TRANSPORTE AÉREO ESPAÑOL: CASO Aena MAD abr/2011: Pablo Torrejón Plaza, IE 06/07/2011.
Estadística Administrativa II
1 Metodología para Estimaciones de la Actividad Económica del Estado de Nuevo León Marzo 2005.
¿Qué puede haber de improvisto para el que no ha previsto nada?
Pronósticos, Series de Tiempo y Regresión
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
Análisis de series de tiempo
Análisis de series de tiempo
Estadística Administrativa II
Pronósticos, Series de Tiempo y Regresión
ANALISIS DE SERIES TEMPORALES
 OPERACIONES NO REAJUSTABLES EN MONEDA NACIONAL Menos de 90 díasMenos de 90 díasMenos de 90 díasMenos de 90 días Más de 90 díasMás de 90 díasMás de 90.
SERIES TEMPORALES.
 OPERACIONES NO REAJUSTABLES EN MONEDA NACIONAL Menos de 90 díasMenos de 90 díasMenos de 90 díasMenos de 90 días Más de 90 díasMás de 90 díasMás de 90.
Transformaciones básicas de series
Capítulo 2 Determinantes del crecimiento y ciclos económicos
SERIES CRONOLOGICAS O DE TIEMPO
Capitulo 8: Introducción a modelos de series temporales
Modelos basados en atributos perfiles
Pronósticos.
ADMINISTRACION DE VENTAS
1 F. Corrales, R. Doménech y J. Varela 27 de Enero 2003 El Déficit Cíclico y Estructural de la Economía Española.
INSTRUMENTOS ESTADÍSTICOS PARA EL TRATAMIENTO DE SERIES TEMPORALES APLICADOS AL TURISMO Una aplicación al número de viajeros alojados en establecimientos.
Técnicas de Presupuesto en una Asociación Solidarista Agosto 2015
Financiera III Lica. Mónica Casia
Modelos de Series de Tiempo y Modelos Explicativos
METODO DE HOLT Suavización exponencial ajusta a la tendencia.
MEDICIÓN DEL ERROR EN EL PRONÓSTICO
PRECIO PROMEDIO DE LA LECHE CRUDA PROVINCIA DE BUENOS AIRES Marzo 2016 Subsecretaría de Agricultura,Ganadería y Pesca Dirección Provincial de Lechería.
Series de Tiempo Capítulo VIII.
Seguimiento de Gestantes y Niños con Paquete Completo según Criterios FED Periodo Enero-Marzo 2016.
ANÁLISIS PRIMARIO DE SERIES TEMPORALES
Práctico 2 de noviembre 2016 Tema: Series de Tiempo.
Dirección de Recursos Humanos
Pautas Generales y Metodología de Análisis de Información en la
Arreglos Arreglos Ing. Santiago Quiñones –
Predicción con Alisado Exponencial
ESTADISTICAS GESTION OAI
Descripción de la Acción
Monday, October 21, CIENCIAS SOCIALES HISTORIAECONOMÍA EDUACIÓN CIUDADANA ANTROPOLOGÍA POLíTICAGEOGRAFÍASOCIOLOGÍA.
Transcripción de la presentación:

SERIES TEMPORALES

MÉTODOS DE PREVISIÓN CUANTITATIVOS UNIVARIANTES CAUSAL Incorpora variables externas para explicar el comportamiento de variable objeto de estudio Se trata de hacer previsiones de una serie empleando para ello los valores pasados de la serie temporal Métodos Arima Métodos de descomposición

COMPONENTES TENDENCIA CICLO ESTACIONALIDAD MOVIMIENTO IREGULAR

COMPONENTES TENDENCIA Patrón de evolución sostenido a medio y largo plazo de la serie

COMPONENTES CICLO Movimiento oscilatorio por encima y por debajo de la tendencia de una serie temporal

COMPONENTES ESTACIONALIDAD Oscilaciones de una serie temporal que se completa dentro de un año y se repiten mas o menos de forma invariable en los años sucesivos.

COMPONENTES IRREGULAR Oscilaciones de una serie temporal que se atribuyen a factores fortuitos, aleatorios y esporádicos

ANÁLISIS PRIMARIO DE SERIES TEMPORALES Descomposición de series: Esquemas alternativos de descomposición de una serie temporal: ADITIVO: MULTIPLICATIVO:

SUPUESTOS  Se considera que existe una cierta estabilidad en la estructura del fenómeno estudiado.  Los datos deben ser homogéneos en el tiempo, o lo que es lo mismo, se debe mantener la definición y medición de la magnitud objeto de estudio.

Descomposición de series: Componente Estacional Serie: INDICE DE PRODUCCIÓN INDUSTRIAL

Descomposición de series: Componente Tendencial Serie: INDICE DE PRODUCCIÓN INDUSTRIAL

Descomposición de series: Componente Cíclico e irregular Serie: INDICE DE PRODUCCIÓN INDUSTRIAL

Descomposición de series: Componente Cíclico e irregular Serie: INDICE DE PRODUCCIÓN INDUSTRIAL

Series sin tendencia ni estacionalidad. Descomposición de series: Métodos de Estimación Series sin tendencia ni estacionalidad. Métodos Ingenuos: Última observación Media Histórica MM de orden 3 Alisado Exponencial Simple Series con tendencia y sin estacionalidad Doble Alisado exponencial del Brown con un parámetro Alisado exponencial de Holt Winter con doble parámetro Series con tendencia y con estacionalidad

Series sin tendencia ni estacionalidad. Series Temporales: Métodos de Estimación Series sin tendencia ni estacionalidad.

Series con tendencia y sin estacionalidad Series Temporales Métodos de Estimación Series con tendencia y sin estacionalidad

Series con tendencia y con estacionalidad Series Temporales Métodos de Estimación Series con tendencia y con estacionalidad

DESCOMPOSICIÓN DE S.T. En el caso de un esquema aditivo la secuencia a seguir es la siguiente: ESTACIONALIDAD TENDENCIA CICLO IRREGULAR

DESCOMPOSICIÓN DE S.T. En el caso de un esquema multiplicativo la secuencia a seguir es la siguiente: ESTACIONALIDAD TENDENCIA CICLO IRREGULAR

SERIES TEMPORALES Medias móviles Concepto: Es una transformación que se efectúa a la serie original en la que las nuevas observaciones corresponden a un promedio de las observaciones originales. El número de observaciones a promediar corresponden al orden de la media móvil.

SERIES TEMPORALES Medias móviles UTILIDADES Suavizar Predecir Representar la tendencia Desestacionalizar TIPOS Centrada: El valor se asigna al punto de medio del intervalo No centrada: El valor se asigna al período correspondiente a la observación más adelantada

MEDIA MOVIL DE ORDEN TRES FECHA IPI CENTRADA SIN CENTRAR 1995M01 84,9 1995M02 82,7 86,8 1995M03 92,8 84,9333 86,80 1995M04 79,3 87,7667 84,93 1995M05 91,2 87,4333 87,77 1995M06 91,8 89,8333 87,43 1995M07 86,5 77,7333 89,83 1995M08 54,9 75,8000 77,73 1995M09 86 76,3000 75,80 1995M10 88 87,9667 76,30 1995M11 89,9 85,1333 87,97 1995M12 77,5 83,6667 85,13

MEDIA MOVIL CENTRADA DE ORDEN DOCE FECHA IPI MEDIA MOVIL Ene 95 84,9 Feb 95 82,7 Mar 95 92,8 Abr 95 79,3 May 95 91,2 Jun 95 91,8 Jul 95 86,5 83,74 Ago 95 54,9 83,71 Sep 95 86,0 83,49 Oct 95 88,0 83,27 Nov 95 89,9 83,18 Dic 95 77,5 82,14 Ene 96 83,6 82,76

SERIES TEMPORALES Medias móviles Utilidad: Suavizar

DESCOMPOSICIÓN DE S.T. En el caso de un esquema aditivo la secuencia a seguir es la siguiente: ESTACIONALIDAD TENDENCIA CICLO IRREGULAR

SERIES TEMPORALES Desestacionalización: Diferencias sobre la media móvil (aditivo) 1.-Calcular la media móvil centrada 2.- Calcular las diferencias de la serie original y la media móvil 3.- Calcular los índices de estacionalidad para cada periodo m 4.- Reponderar los índices de estacionalidad para que sumen 0. 5.- Calcular la serie desestacionalizada

SERIES TEMPORALES Cálculo de la Tendencia: Se obtiene la nueva serie de componente tendencial ajustando los datos observados a una especificación en función del tiempo.

SERIES TEMPORALES Cálculo de la Tendencia:

SERIES TEMPORALES Cálculo de la Tendencia:

SERIES TEMPORALES Cálculo del componente cíclico: Componente cíclico e irregular: Aplicando un MM3, se obtendría un serie sin componente irregular

SERIES TEMPORALES Fuentes consultadas Material elaborado a partir de los apuntes de los profesores: Mahía Casado, Ramón Pérez García, Julián