Documente Academic
Documente Profesional
Documente Cultură
Ncleo bolvar
Escuela de ciencias de la tierra
Departamento de ciencias industriales
Profesor
Mariel Mora
Realizado por:
Rafael Diaz C.I:22.580.148
Introduccin
Los pronsticos o predicciones, son una herramienta esencial en cualquier
proceso de toma de decisiones. Sus aplicaciones varan desde la determinacin
de los requerimientos de inventarios de una pequea zapatera hasta la
estimacin de ventas anuales de un video juego. La calidad de los pronsticos que
los administradores e ingenieros industriales pueden realizar est estrechamente
relacionada con la informacin que puede extraerse y utilizase a partir de los
datos histricos. El anlisis de serie de tiempo es un mtodo cuantitativo que se
usa para determinar patrones de datos recolectados a travs del tiempo.
Serie de tiempo
Una serie temporal o cronolgica es una secuencia de datos, observaciones o
valores, medidos en determinados momentos y ordenados cronolgicamente. Los
datos pueden estar espaciados a intervalos iguales (como la temperatura en un
observatorio meteorolgico en das sucesivos al medioda) o desiguales (como el
peso de una persona en sucesivas mediciones en el consultorio mdico, la
farmacia, etc.). Para el anlisis de las series temporales se usan mtodos que
ayudan a interpretarlas y que permiten extraer informacin representativa sobre
las relaciones subyacentes entre los datos de la serie o de diversas series y que
permiten en diferente medida y con distinta confianza extrapolar o interpolar los
datos y as predecir el comportamiento de la serie en momentos no observados,
sean en el futuro (extrapolacin pronostica), en el pasado (extrapolacin
retrgrada) o en momentos intermedios (interpolacin)..
Uno de los usos ms habituales de las series de datos temporales es su anlisis
para prediccin y pronstico (as se hace por ejemplo con los datos climticos, las
acciones de bolsa, o las series de datos demogrficos). Resulta difcil imaginar
una rama de las ciencias en la que no aparezcan datos que puedan ser
considerados como series temporales. Las series temporales se estudian en
estadstica, procesamiento de seales, econometra y muchas otras reas.
Dnde:
a: intercepto
b: coeficiente parcial de regresin
Y: variable independiente (tiempo) X: variable dependiente
Clculo de los coeficientes parciales de regresin:
EJEMPLO PRCTICO
Se tiene un destino turstico que durante los ltimos aos ha presentado la
siguiente cantidad de visitantes:
Ao
Turistas (miles)
1999
21.7
2000
27.2
2001
38.6
2002
54.1
2003
66.3
2004
74.7
2005
82.0
2006
94.4
2007
100.2
2008
107.2
El grfico nos permite apreciar que hay una clara tendencia lineal
XY
21.7
21.7
470.89
27.2
54.4
739.84
38.6
115.8
1489.96
54.1
216.4
16
2926.81
66.3
331.5
25
4395.69
74.7
448.2
36
5580.09
49
6724
82
574
94.4
755.2
64
8911.36
100.2
901.8
81
10040.04
10
107.2
1072
100
11491.84
55
666.4
4491
385
52770.52
Encontrando a y b (n=10)
Encontrando el valor de b:
PROYECCION EXPONENCIAL
Es un mtodo de proyeccin apropiado en el caso de que la serie de tiempo
describe datos que crecen o decrecen en proporcin constante a lo largo del
tiempo. Ejemplo ventas de un producto, crecimiento de una poblacin o demanda,
propagacin de una enfermedad entre otros.
Su expresin matemtica es:
Ejemplo:
Se tienen los siguientes datos:
28.00
28.30
28.90
30.10
32.10
34.50
39.80
43.90
51.10
10
59.70
55
376.4
Vemos que la tendencia lineal slo cruza a los datos reales en dos puntos. Por
tanto usar la proyeccin lineal no va ser una buena decisin. En este caso vamos
a utilizar la proyeccin exponencial.
TABLA DE DATOS
X
Log Y
Log X
X.LogY
(LogY)
28.00
1.4472
0.0000
1.4472
2.0943
28.30
1.4518
0.3010
2.9036
2.1077
28.90
1.4609
0.4771
4.3827
2.1342
30.10
1.4786
0.6021
5.9143
16
2.1862
32.10
1.5065
0.6990
7.5325
25
2.2696
34.50
1.5378
0.7782
9.2269
36
2.3649
39.80
1.5999
0.8451
11.1992
49
2.5596
43.90
1.6425
0.9031
13.1397
64
2.6977
51.10
1.7084
0.9542
15.3758
81
2.9187
10
59.70
1.7760
1.0000
17.7597
100
3.1541
55
376.4
15.6095
6.5598
88.8816
385
24.4869
Reemplazando : ( n=10)
La ecuacin sera:
Y = 22.8552 x 1.0882X
La proyeccin para el perodo 11 sera:
Y = 22.8552 x1.088211
Y = 57.91
Ajuste de la tendencia
Con frecuencia se tiene una serie estadstica que tiene un patrn estacional, es
decir un conjunto de datos secundarios que se repiten con cierta frecuencia en
una serie de aos. Esto es frecuente por ejemplo en las cifras de negocios que
tienen temporadas en las que las ventas aumentan y disminuyen (ciclo de
negocios), como las ventas de tiles escolares, los productos veraniegos o las
temporadas en el negocio turstico.
Conclusin
Las series de tiempo son herramientas que nos facilitan la interpretacin de datos
y nos permiten realizar un modelo matemtico para realizar predicciones y
proyecciones con relacin a unos datos previamente obtenidos en un tiempo
determinado generalmente no menor a un ao. Estas herramientas demuestran
ser de gran utilidad, adems de ser sumamente fciles de usar, permitindonos
saber que debemos de esperar para un periodo determinado con gran exactitud.
Bibliografa
Webgrafa
http://es.wikipedia.org/wiki/Serie_temporal
http://www.ccee.edu.uy/ensenian/catectr/material/arima_I.pdf