003

Prctica 1.
Descomposicin clsica de una serie aditiva
p89
PRCTICAS DE SERIES TEMPORALES CON EXCEL

En este texto se presentan un conjunto de cuatro prcticas realizadas sobre unos archivos de datos disponibles en formato Excel. El objetivo de estas prcticas es mostrar, en cada caso, la sistemtica de anlisis de los datos utilizando la hoja de clculo. No pretenden ser un manual de Excel, pero s dar una informacin detallada de cmo se puede llevar a cabo el estudio en cuestin, a dems de servir de gua para la realizacin de la prctica que cada alumno tiene encomendada.
PRCTICA 1. DESCOMPOSICIN CLSICA DE UNA SERIE ADITIVA

OBJETIVO: Se dispone del valor diario de la caja resultante de las ventas de un supermercado a lo largo de 12 semanas. Es necesario analizar los datos de esta serie cronolgica, estimar el modelo de comportamiento, estudiar su ajuste y hacer las previsiones necesarias. Todo ello se realizar mediante la hoja de clculo Excel 97 de Microsoft.
1.1 Recuperacion de los datos

Desde Excel se debe recuperar el archivo que contiene los datos objeto de la prctica, y que se encuentran en el directorio habitual de la red. Para ello, se debe seguir la secuencia (figura 1.1): Archivo 6 Abrir y, ahora, ir al directorio donde se encuentra el archivo Prctica 1.xls, seleccionarlo y presionar Abrir.
Fig. 1.1
Una vez tenemos el archivo abierto, observamos que consta de una hoja llamada Datos donde figuran 3 columnas de 72 valores cada una, con la estructura mostrada parcialmente en la figura 1.2. En cada columna hay 72 valores, es decir, cada columna comienza en la fila 1 (con el ttulo) y acaba en la 73. La columna A, llamada Semana contiene valores de 1 a 12 correspondientes a las 12 semanas en que se ha recogido la informacin; la B, Da, indica el da de la semana; y la C contiene los valores de las ventas diarias, que se llaman Y.
Los autores, 2001; Edicions UPC, 2001.
p90
Series temporales
Fig. 1.2
En primer lugar, se debe preparar una nueva hoja donde es situarn los sucesivos grficos, y que se denominar Grficos. Para ello, al hacer doble clic en la pestaa Hoja2 (figura 1.3), esta palabra quedar en vdeo inverso y permitir escribir Grficos.
Fig. 1.3
De forma similar, a la Hoja3 la denominaremos Tendencia-Modelo.
1.2 Anlisis de la evolucin de la serie cronolgica

Situados en la hoja Datos, es necesario crear una columna con los valores consecutivos del tiempo y, para mayor facilidad al hacer los grficos, es bueno que esta columna preceda a la de los valores de las ventas (Y). Hacer clic sobre la letra C del encabezado de la columna que quedar toda negra; pulsando el botn derecho, seleccionar Insertar (figura 1.4). En este momento la columna de los datos se habr desplazado a la D y habr dejado la C vaca; aqu es donde se introducirn los valores correlativos del tiempo. En C1 escribir C2 = 1 y arrastrar (tecleando tambin Ctrl) desde C2+ hasta C73; aqu tiempo, hacer aparecer el valor 72 (pgina 108 de esta prctica). Para obtener el grfico de la evolucin de las ventas frente al tiempo, se selecciona desde C1 hasta C73 (tiempo), y desde D1 hasta D73 (ventas =Y) y se pincha el icono de grficos o tambin, en la barra de herramientas, Insertar y despus Grfico. Entonces surge el Asistente para Grficos (figura 1.5), donde se debe seleccionar XY (Dispersin) y, entonces la opcin (3; 1), es decir, Dispersin con puntos conectados por lneas y Siguiente.
Prctica 1. Descomposicin clsica de una serie aditiva
p91
Fig. 1.4
Fig. 1.5
p92
Series temporales
En el paso 2 del asistente de grficos se hace directamente Siguiente y en el paso 3 (figura 1.6), se pueden editar los ttulos a voluntad.
Fig. 1.6
Por ejemplo, en la pestaa Ttulos Ttulo del grfico: Eje de categoras (X): Eje de valores (Y): Evolucin cronolgica tiempo ventas
En la pestaa Leyenda eliminar la marca Z de Mostrar leyenda, pinchando sobre la misma, para dejar slo . Siguiente
El paso 4 (figura 1.7), permite situar el grfico donde se desee, para ello se marca Como objeto en y pinchando la marca v aparece el conjunto de hojas disponibles; all se selecciona Grficos. Finalmente Terminar
p93
Fig. 1.7
Con el grfico seleccionado (de forma que se muestre recuadrado externamente con las marcas en el entorno), se puede situar en el lugar adecuado y darle el tamao que sea necesario.
Si se quiere editar el grfico y, por ejemplo, eliminar el fondo gris del mismo:

Pinchar sobre este fondo, rea de trazado Presionar el botn derecho Formato del rea de trazado rea Ninguna Aceptar
Para cambiar la escala del eje vertical y aprovechar toda la superficie de la figura:
Situar el cursor sobre el eje de ordenadas, Eje de valores Hacer doble clic o bien presionar el botn derecho Formato de ejes (figura 1.8)
Pestaa Escala: Poner el mnimo a 0, el mximo a 12000, la unidad mayor a 4000 y la menor a 1000 Aceptar
p94
Series temporales
Fig. 1.8
Si se quiere cambiar la escala del tiempo, por ejemplo para que vaya de 6 en 6 unidades, que son los valores que forman una semana, hay que situar el cursor sobre el eje de abscisas (Eje de valores (X)) y con el botn derecho seguir los mismos pasos que antes, para dejar un mnimo de 1, un mximo de 78, la unidad mayor a 6 y la menor a 1.
El resultado es el grfico de la pgina 111 de esta prctica.
Conclusiones: Se detecta una clara estacionalidad, de perodo p=6, y posiblemente una tendencia decreciente.
1.3 Estabilizacin de la serie

Para poder modelizar la serie, en primer lugar se debe estabilizar calculando las medias mviles de perodo p; en el caso del ejemplo p=6.
Clculo de las medias mviles
Situados en la casilla E1 escribir como ttulo de la columna Y(p=6). Al ser de perodo 6, la media de los 6 primeros valores se debe situar entre el tercer y el cuarto lugar, filas 4 y 5;
p95
como eso no lo podemos hacer en la hoja de clculo optamos por empezar en la casilla 5. Situados entonces en E5, hacemos = Promedio (D2:D7) (aparece como resultado 6135)
Arrastramos hasta E71, que contendr la media de los 6 ltimos valores de la serie (Promedio(D68:D73)), en este caso 5256,33. Al ser de perodo par debemos volver a la media de 2 en 2: la primera media mvil ocupar el cuarto valor (5 fila), y la ltima el 69 (70 fila), ya que en total se pierden 3 valores al inicio y 3 al final. Situados en F5 escribiremos = Promedio (E5:E6) (aparece como resultado 6103,75)
Arrastramos hasta F70, que contendr la media de los 2 ltimos valores de la columna anterior (Promedio(E70:E71)), en este caso 5262,33. Titularemos la columna F, Y mvil, y lo escribiremos en F1. En las pginas 107 y 108 se puede ver el conjunto de valores que resultan.
Grfico de medias mviles
Seleccionar, manteniendo presionada la tecla Control, desde C2 hasta C73, (tiempo), desde D2 hasta D73, (Y) y desde F2 hasta F73, (Y mvil). Con el icono de grficos Paso 1: Asistente para Grficos (figura 1.5), XY (Dispersin) (3; 1), Dispersin con puntos conectados por lneas Siguiente Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo medias mviles (p=6), sacar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja grficos. Terminar
Es aconsejable editar el grfico, tal como se ha hecho con el anterior, para que la escala de ordenadas vaya de cero a doce mil; tambin se puede cambiar la escala de tiempo como antes. El resultado es el grfico de la pgina 111.
Conclusiones: Se detecta una tendencia decreciente, casi seguramente lineal, pero podra ser cuadrtica? Se deber estudiar en el momento oportuno.
p96
Series temporales
1.4 Estacionalidad
El estudio de la estacionalidad incluye el clculo de los ndices estacionales, en modelo aditivo que es el caso del ejemplo, y su representacin grfica.
Clculo de los ndices estacionales
Este clculo es muy cmodo hacerlo con una tabla dinmica. En primer lugar se deben obtener los valores de W, que son las diferencias entre los valores de la serie (Y, columna C) y las medias mviles (Y mvil, columna E). Estos valores se situarn en la columna G. En la casilla G1 escribir W. Situados en G5, hacer = D5 F5 y arrastrar hasta G70. (Y Y mvil)
En la barra de herramientas
Datos 6 Asistente para tablas dinmicas Paso 1: Dnde estn los datos? Lista o base de datos de Microsoft Excel Siguiente
Paso 2: Dnde estn los datos que desea usar? Rango: $AEL:$G$73 (es la opcin por defecto, que incluye todos los datos) Siguiente
Paso 3: arrastrar W a DATOS y Da a FILA (figura 1.9) Doble clic sobre Contar de W Promedio Aceptar (ahora el cuadro es Promedio de W ) Siguiente
p97
Fig. 1.9
Paso 4: Dnde desea situar la tabla dinmica? (figura 1.10) Hoja de clculo existente Indicar una casilla tal que ella y las B80 contiguas estn libres para situar la tabla
Fig. 1.10
p98
Series temporales
El resultado es la siguiente tabla, copiada de la pgina 108.

A 80 81 82 83 84 85 86 87 88 B Promedio de W da lunes martes mircoles jueves viernes sbado Total general C D
Total -2331,37 -939,924 -1963,33 304,7803 3098,348 1898,394 11,14899
Los valores de las casillas C82 C87 son, respectivamente, E*1, E*2, , E*6; la casilla C88 (llamada Total general en B88) es la media de las anteriores, o sea, E * . Para calcular los ndices estacionales, en la casilla E81 se escribe Ind. Est. como ttulo, y se define E82 con la expresin = C82 - $C$88 Arrastrar hasta E87 Los resultados obtenidos se pueden observar en las pginas 107 y 108. Repetir los valores de la estacionalidad por los 72 valores de la serie. Situados en la columna H, en H1 escribir Ind. Est. Seleccionar las casillas E82 E87 Edicin 6 Copiar Situarse en H2 Edicin 6 Pegado especial 6 Valores Aceptar (anclar la casilla C88 de la media para que no cambie al arrastrar la frmula)
Llenar toda la columna (72 valores) cortando de H2 a H7 y pegando sucesivamente desde H8 hasta H73; tambin se puede hacer marcando como bloque H2H7 y, presionando la tecla de Ctrl, arrastrarlo desde el extremo inferior derecho del cuadro (+) hasta H73.
Grfico de la estacionalidad
Seleccionar los valores de los ndices estacionales, casillas E82 hasta E87 (o tambin desde H2 hasta H7). Con el icono de grficos Paso 1: Lneas6 Lnea con marcadores (2, 1) de la figura 1.11 6 Siguiente
p99
Fig. 1.11
Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo ndices estacionales, quitar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja Grficos. Situar el grfico en la posicin y con tamao deseado. Si se quiere que los valores del eje de abscisas queden fuera del grfico, situar el cursor sobre el eje de ordenadas (Eje de valores), y haciendo doble clic sale la pantalla Formato de ejes (figura 1.12). En la pestaa Escala se debe entrar al Eje de categoras (X) cruza en: y cambiar el 0 por 3000 Terminar
Fig. 1.12
El resultado es el grfico de la pgina 113. Conclusiones: Analizar qu se puede decir de cada da de la semana referente a la estacionalidad. Cul es el da con ms ventas?, y el de menor nmero? En cunto difieren de la media semanal cada uno de estos das?
p100
Series temporales
1.5 Estimacin de la tendencia

Observando el grfico de las medias mviles, superpuesto a la evolucin de los datos cronolgicos de la pgina 111, no se ve nada claro si la tendencia es de tipo lineal o cuadrtico; eso, en parte puede ser atribuido al hecho de que la escala vertical del citado grfico no es adecuada para estudiar las medias mviles. De modo que, lo primero que se debe hacer es un nuevo grfico con una escala lo ms amplia posible. Seleccionar, manteniendo presionada la tecla Ctrl, desde C2 hasta C73 (Tiempo), y desde F2 hasta F73 (Y mvil) de la hoja Datos. Con el icono de grficos Asistente para Grficos (figura 1.5) XY (Dispersin) (3; 1), Dispersin con puntos conectados por lneas Siguiente Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo Media mvil (tendencia), sacar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja grficos. Terminar
Es necesario editar el grfico, tal como se ha hecho con el anterior, para que la escala de ordenadas vaya desde cinco mil hasta siete mil. El resultado es el grfico de la pgina 112. Con la nueva escala parece bastante claro que puede haber una tendencia cuadrtica, por eso, se ha de proceder a ajustar un modelo parablico con el bien entendido de que si el trmino cuadrtico no fuese significativo ya se detectara en el anlisis de los resultados, y se procedera en consecuencia; es decir, se debera ajustar un nuevo modelo sin el trmino que ha resultado no significativo. Para aligerar la presentacin de la hoja de clculo, realizaremos el estudio de la tendencia, de los residuos y de las previsiones en una nueva hoja, que ya tenemos preparada desde el inicio con el nombre Tendencia-Modelo. En primer lugar copiaremos todo lo que nos haga falta de la hoja Datos. Situados aqu: Seleccionar las columnas Tiempo, Y, Y mvil y Ind. Est., es decir, C1C73, D1D73, (y manteniendo presionada la tecla Ctrl) F1F73 y H1H73 Edicin 6 Copiar Acceder a la hoja de Tendencia-Modelo, haciendo clic sobre la pestaa con su nombre. Situados en la casilla A1 Edicin 6 Pegar En este momento estn ocupadas las columnas A, B, C y D. Para poder hacer el ajuste mnimo cuadrtico para la tendencia, mediante un modelo parablico, se debe disponer de
p101
una columna con los valores del tiempo al cuadrado, que necesariamente ha de estar situada al lado de la columna del tiempo; por eso tendremos que insertarla entre las columnas A y B. Hacer clic sobre la letra B del encabezado de la columna, que quedar toda negra; presionar el botn derecho para seleccionar Insertar (figura 1.4). La columna de los datos se ha desplazado a la C y ha dejado la B vaca; aqu se introducirn los valores del tiempo al cuadrado. En B1 escribir Tiempo^2 Situados en B2 escribir la expresin =A2*A2 Arrastrar hasta B73; aqu habr el valor 5184, que es el cuadrado de 72. En las pginas 109 y 110, se puede ver la disposicin de los valores. Abrir Herramientas 6 Anlisis de datos 6 Regresin
Llenar los campos segn se presenta en la figura 1.13, es decir: Rango Y de entrada Rango X de entrada Opciones de salida: Rango de salida: A93 (casilla vaca, a partir de donde se presentarn los resultados de la regresin) D5:D70 A5:B70 (medias mviles) (tiempo y tiempo^2)
Fig. 1.13
p102
Series temporales
Los resultados obtenidos se muestran en la figura 1.14, extrada de la pgina 110.
Conclusiones: El nivel de significacin (valor p) de los coeficientes asociados al tiempo y al tiempo^2 es inferior a 0,05. Por lo tanto, con un riesgo de la primera especie del 5%, se debe aceptar el modelo cuadrtico, que en este caso es: T = 6311 ,51 27,30 t + 0,18 t2 con un R2 del 85,6 %.
A 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 Resumen stad st cos R R^2 R^2 ajust Error tpico n ANOVA
0,92513 0,85587 0,85130 114,20021 66
u Regresin Residuos Total
S de C C ao p 2 4879153,47 2439576,7 187,059889 3,1646E-27 63 821626,351 13041,688 65 5700779,82 o t p co 51,8296 3,2473 0,0433 t Va o p 121,7743 1,7087E-76 -8,4079 6,9185E-12 4,2298 7,7177E-05
Ord. Origen Tiempo Tiempo^2
Coefs 6311,5139 -27,3032 0,1832
Fig. 1.14
Una vez obtenida la ecuacin de la tendencia, podemos calcular su valor para los diferentes tiempos de los que se dispone de informacin. Para ello crearemos una nueva columna. Situados en F1 escribir Tendencia, que ser el ttulo de la columna En F2 escribir la expresin que acabamos de obtener, = 6311,51 27,3*A2 + 0,18*B2 y arrastrarla hasta F73 Para ver la bondad del ajuste, se puede hacer un grfico que compare los valores de las medias mviles y los de la tendencia ajustada. Por eso seleccionar, presionando la tecla Ctrl, desde A1 hasta A73, desde D1 hasta D73 y desde F1 hasta F73
p103
Con el icono de grficos Asistente para Grficos (figura 1.5) XY (Dispersin) (3; 1) Dispersin con puntos conectados por lneas Siguiente Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo Tendencia, sacar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja Grficos. Terminar
Es necesario editar el grfico, tal como se ha hecho con el anterior, para que la escala de ordenadas vaya desde cinco mil hasta a siete mil. Si se quiere, situados sobre uno de los puntos de la Serie tendencia, con el botn derecho seleccionar Formato de punto de datos Marcador Ninguno El resultado es el grfico de la pgina 112, donde se puede valorar el ajuste.
1.6 Modelo y residuos

En una serie aditiva, el modelo se obtiene como resultado de sumar la tendencia y la estacionalidad de cada punto. Situados en G1 escribir, como ttulo, Y mod. En G2 la expresin = F2 + E2 (tendencia + estacionalidad)
Arrastrar hasta G73, que evidentemente contendr la expresin F73+E73 Los residuos son la diferencia entre los valores originales, Y, y el modelo, Y mod. Situados en H1 escribir, como ttulo, Residuos En H2 la expresin Arrastrar hasta H73 = C2 G2 (Y Y mod)
Para hacer la representacin grfica del modelo ajustado en comparacin con los valores originales, se debe seleccionar, de la hoja TendenciaModelo, los valores del tiempo, de la Y y de la Y modelizada, o sea, A1A73, C1C73 y G1G73.
p104
Series temporales
Con el icono de grficos Asistente para Grficos (figura 1.5) XY (Dispersin) (3; 1), Dispersin con puntos conectados por lneas Siguiente Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo Modelo ajustado, sacar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja Grficos. Terminar
Si se desea dejar con puntos la serie original y con lnea la del modelo ajustado, hay que situarse sobre uno de los puntos de la Serie Y, y con el botn derecho del ratn seleccionar: Formato de punto de datos Lnea Ninguna Situarse, luego, sobre un punto de la Serie Y mod, y con el botn derecho seleccionar Formato de punto de datos Marcador Ninguno El resultado es el grfico de la pgina 113, donde se puede valorar el modelo. Para hacer la representacin grfica de los residuos en funcin del tiempo, seleccionar, de la hoja TendenciaModelo, los valores del tiempo y de los residuos, o sea, A1A73 y H1H73. Con el icono de grficos Asistente para Grficos (figura 1.5) XY (Dispersin) (3; 1), Dispersin con puntos conectados por lneas Siguiente Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo Residuos, sacar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja Grficos. Terminar
Editar el grfico para, entre otras cosas, sacar los valores del eje de abscisas fuera del mismo, para ello se sita el cursor sobre el eje de ordenadas, Eje de valores (Y), y haciendo doble clic sale la pantalla Formato de ejes.
p105
En la pestaa Escala, modificar Mnimo: 800 Eje de Valores (X) cruza en: 800 En la pestaa Nmero, en Posiciones decimales poner un cero. El resultado es el grfico de la pgina 114. Conclusiones: La correspondencia entre los datos y el modelo es lo suficientemente buena. No se detecta ningn punto especialmente alejado del comportamiento modelizado por el conjunto. La mayora de los residuos se mueven en el intervalo de 400 a 400, el ms alejado de cero correspondiendo a los valores del tiempo 2, 27 y 33, que no parecen especialmente anmalos en el grfico del modelo ajustado.
1.7 Previsiones
Si se quieren conocer las previsiones de las ventas del supermercado que estamos estudiando, a lo largo de las tres prximas semanas (18 das) en la hoja TendenciaModelo prolongar las columnas del tiempo, la tendencia, la estacionalidad y crear una nueva columna para las previsiones. Para la columna A, Tiempo, arrastrar presionando la tecla Ctrl desde la casilla A73 hasta la A91, donde ha de aparecer el valor 90. En la E74, Estacionalidad, el primer valor que se debe aadir es el que corresponde al tiempo 73, es decir mltiple de 6 ms 1; por tanto, hay que copiar desde el primer valor del ndice hasta el 18. Marcar como bloque las casillas E2E19 y hacer Edicin 6 Copiar. Situados en E74, Edicin 6 Pegar. En la F, Tendencia, arrastrar la expresin desde el ltimo valor disponible, el 73, hasta el deseado, el 91. Situados en I1, poner como ttulo Previsiones. En I74 escribir la expresin = E74 + F74 y arrastrarla hasta E91. Haciendo eso, obtenemos los resultados que se muestran en la pgina 110. El grfico de las previsiones, junto con la serie original, se obtendr seleccionando A1A91, C1C91 y I1I91 de la hoja TendenciaModelo. Con el icono de grficos Asistente para Grficos (figura 1.5) XY (Dispersin) (3; 1), Dispersin con puntos conectados por lneas Siguiente
p106
Series temporales
Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo Serie y previsiones, tiempo y ventas, sacar la leyenda y Siguiente Paso 4: Situar el grfico como Objeto en la hoja Grficos. Terminar
Puede ser necesario editar el grfico por que la escala de abscisas vaya desde cero hasta ochenta, y tambin modificar los tipos de lneas y puntos de la serie Y y de la serie previsiones, para destacar claramente los dos grupos de puntos. El resultado es el grfico de la pgina 114.
Conclusiones: Las previsiones siguen el mismo tipo de comportamiento que los datos originales y, dada la bondad del modelo, pueden considerarse lo suficientemente fiables. Pero, tenemos derecho a hacer previsiones de aqu a 18 das?; podramos hacer previsiones a ms largo plazo? La prctica 2 nos dar herramientas para contestar a estas preguntas.
p107
1.8 Resultados
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
A Semana 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 7 7 8 8 8 8 8 8 9
B Dia lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes
C Tiempo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
D Y 3968 4572 3964 6326 9673 8307 3593 5367 3763 6703 9485 8207 3717 4712 3538 5758 9112 7501 3108 4771 3643 6616 8907 7993 3618 4427 4314 5616 8778 7322 2899 4918 4226 6025 8712 7685 3408 4869 3589 5437 8239 7360 2915 4237 3679 6060 8755 7475 2979
E Y(p=6)
F Y mvil
G W
6135,00 6072,50 6205,00 6171,50 6234,33 6203,00 6186,33 6207,00 6097,83 6060,33 5902,83 5840,67 5723,00 5621,50 5631,33 5648,83 5791,83 5757,67 5839,67 5924,67 5867,33 5979,17 5812,50 5791,00 5679,17 5559,33 5641,17 5626,50 5694,67 5683,67 5744,17 5829,00 5820,83 5714,67 5616,67 5537,83 5483,67 5401,50 5296,17 5311,17 5415,00 5501,00 5520,17 5530,83 5486,50 5421,83
6103,75 6138,75 6188,25 6202,92 6218,67 6194,67 6196,67 6152,42 6079,08 5981,58 5871,75 5781,83 5672,25 5626,42 5640,08 5720,33 5774,75 5798,67 5882,17 5896,00 5923,25 5895,83 5801,75 5735,08 5619,25 5600,25 5633,83 5660,58 5689,17 5713,92 5786,58 5824,92 5767,75 5665,67 5577,25 5510,75 5442,58 5348,83 5303,67 5363,08 5458,00 5510,58 5525,50 5508,67 5454,17 5361,50
222,25 3534,25 2118,75 -2609,92 -851,67 -2431,67 506,33 3332,58 2127,92 -2264,58 -1159,75 -2243,83 85,75 3485,58 1860,92 -2612,33 -1003,75 -2155,67 733,83 3011,00 2069,75 -2277,83 -1374,75 -1421,08 -3,25 3177,75 1688,17 -2761,58 -771,17 -1487,92 238,42 2887,08 1917,25 -2257,67 -708,25 -1921,75 -5,58 2890,17 2056,33 -2448,08 -1221,00 -1831,58 534,50 3246,33 2020,83 -2382,50
H Ind. Est -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52
Hoja: Datos
p108
Series temporales
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
A 9 9 9 9 9 10 10 10 10 10 10 11 11 11 11 11 11 12 12 12 12 12 12
B martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado
C 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
D 3971 3291 5336 8392 6790 3539 4694 3120 6026 7792 7294 3254 4725 3227 5588 8320 6995 3229 4648 3450 5129 8159 6923
E 5301,17 5240,67 5126,50 5219,83 5340,33 5311,83 5426,83 5326,83 5410,83 5363,33 5368,50 5386,33 5313,33 5401,33 5351,50 5347,33 5334,50 5371,67 5295,17 5268,33 5256,33
F 5270,92 5183,58 5173,17 5280,08 5326,08 5369,33 5376,83 5368,83 5387,08 5365,92 5377,42 5349,83 5357,33 5376,42 5349,42 5340,92 5353,08 5333,42 5281,75 5262,33
G -1299,92 -1892,58 162,83 3111,92 1463,92 -1830,33 -682,83 -2248,83 638,92 2426,08 1916,58 -2095,83 -632,33 -2149,42 238,58 2979,08 1641,92 -2104,42 -633,75 -1812,33
H -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24
Promedio de W dia Total lunes -2331,37 martes -939,924 mircoles -1963,33 jueves 304,7803 viernes 3098,348 sbado 1898,394 Total general 11,14899
Ind. Est -2342,5202 -951,07323 -1974,4823 293,631313 3087,19949 1887,24495
Hoja: Datos (continuacin)
p109
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
A Tiempo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
B Tiempo^2 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 289 324 361 400 441 484 529 576 625 676 729 784 841 900 961 1024 1089 1156 1225 1296 1369 1444 1521 1600 1681 1764 1849 1936 2025 2116 2209 2304 2401
C Y 3968 4572 3964 6326 9673 8307 3593 5367 3763 6703 9485 8207 3717 4712 3538 5758 9112 7501 3108 4771 3643 6616 8907 7993 3618 4427 4314 5616 8778 7322 2899 4918 4226 6025 8712 7685 3408 4869 3589 5437 8239 7360 2915 4237 3679 6060 8755 7475 2979
D Y mvil
6103,75 6138,75 6188,25 6202,92 6218,67 6194,67 6196,67 6152,42 6079,08 5981,58 5871,75 5781,83 5672,25 5626,42 5640,08 5720,33 5774,75 5798,67 5882,17 5896,00 5923,25 5895,83 5801,75 5735,08 5619,25 5600,25 5633,83 5660,58 5689,17 5713,92 5786,58 5824,92 5767,75 5665,67 5577,25 5510,75 5442,58 5348,83 5303,67 5363,08 5458,00 5510,58 5525,50 5508,67 5454,17 5361,50
E F Ind. Est Tendencia -2342,52 6284,39 -951,07 6257,63 -1974,48 6231,23 293,63 6205,19 3087,20 6179,51 1887,24 6154,19 -2342,52 6129,23 -951,07 6104,63 -1974,48 6080,39 293,63 6056,51 3087,20 6032,99 1887,24 6009,83 -2342,52 5987,03 -951,07 5964,59 -1974,48 5942,51 293,63 5920,79 3087,20 5899,43 1887,24 5878,43 -2342,52 5857,79 -951,07 5837,51 -1974,48 5817,59 293,63 5798,03 3087,20 5778,83 1887,24 5759,99 -2342,52 5741,51 -951,07 5723,39 -1974,48 5705,63 293,63 5688,23 3087,20 5671,19 1887,24 5654,51 -2342,52 5638,19 -951,07 5622,23 -1974,48 5606,63 293,63 5591,39 3087,20 5576,51 1887,24 5561,99 -2342,52 5547,83 -951,07 5534,03 -1974,48 5520,59 293,63 5507,51 3087,20 5494,79 1887,24 5482,43 -2342,52 5470,43 -951,07 5458,79 -1974,48 5447,51 293,63 5436,59 3087,20 5426,03 1887,24 5415,83 -2342,52 5405,99
G H I Y mod Residuos Previsiones 3941,87 26,13 5306,56 -734,56 4256,75 -292,75 6498,82 -172,82 9266,71 406,29 8041,43 265,57 3786,71 -193,71 5153,56 213,44 4105,91 -342,91 6350,14 352,86 9120,19 364,81 7897,07 309,93 3644,51 72,49 5013,52 -301,52 3968,03 -430,03 6214,42 -456,42 8986,63 125,37 7765,67 -264,67 3515,27 -407,27 4886,44 -115,44 3843,11 -200,11 6091,66 524,34 8866,03 40,97 7647,23 345,77 3398,99 219,01 4772,32 -345,32 3731,15 582,85 5981,86 -365,86 8758,39 19,61 7541,75 -219,75 3295,67 -396,67 4671,16 246,84 3632,15 593,85 5885,02 139,98 8663,71 48,29 7449,23 235,77 3205,31 202,69 4582,96 286,04 3546,11 42,89 5801,14 -364,14 8581,99 -342,99 7369,67 -9,67 3127,91 -212,91 4507,72 -270,72 3473,03 205,97 5730,22 329,78 8513,23 241,77 7303,07 171,93 3063,47 -84,47
Hoja: TendenciaModelo
p110
Series temporales
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112
A 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 Resumen stad st cos R R^2 R^2 ajust Error tpico n ANOVA
B 2500 2601 2704 2809 2916 3025 3136 3249 3364 3481 3600 3721 3844 3969 4096 4225 4356 4489 4624 4761 4900 5041 5184
C 3971 3291 5336 8392 6790 3539 4694 3120 6026 7792 7294 3254 4725 3227 5588 8320 6995 3229 4648 3450 5129 8159 6923
D 5270,92 5183,58 5173,17 5280,08 5326,08 5369,33 5376,83 5368,83 5387,08 5365,92 5377,42 5349,83 5357,33 5376,42 5349,42 5340,92 5353,08 5333,42 5281,75 5262,33
E -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24 -2342,52 -951,07 -1974,48 293,63 3087,20 1887,24
F 5396,51 5387,39 5378,63 5370,23 5362,19 5354,51 5347,19 5340,23 5333,63 5327,39 5321,51 5315,99 5310,83 5306,03 5301,59 5297,51 5293,79 5290,43 5287,43 5284,79 5282,51 5280,59 5279,03 5277,83 5276,99 5276,51 5276,39 5276,63 5277,23 5278,19 5279,51 5281,19 5283,23 5285,63 5288,39 5291,51 5294,99 5298,83 5303,03 5307,59 5312,51
G 4445,44 3412,91 5672,26 8457,43 7249,43 3011,99 4396,12 3365,75 5627,26 8414,59 7208,75 2973,47 4359,76 3331,55 5595,22 8384,71 7181,03 2947,91 4336,36 3310,31 5576,14 8367,79 7166,27
H -474,44 -121,91 -336,26 -65,43 -459,43 527,01 297,88 -245,75 398,74 -622,59 85,25 280,53 365,24 -104,55 -7,22 -64,71 -186,03 281,09 311,64 139,69 -447,14 -208,79 -243,27
2935,31 4325,92 3302,03 5570,02 8363,83 7164,47 2935,67 4328,44 3306,71 5576,86 8372,83 7175,63 2948,99 4343,92 3324,35 5596,66 8394,79 7199,75
0,92513 0,85587 0,85130 114,20021 66
u Regresin Residuos Total
S de C C Va o p 2 4879153,47 2439576,7 187,059889 3,1646E-27 63 821626,351 13041,688 65 5700779,82 o t p co 51,8296 3,2473 0,0433 t Va o p 121,7743 1,7087E-76 -8,4079 6,9185E-12 4,2298 7,7177E-05
Ord. Origen Tiempo Tiempo^2
Coefs 6311,5139 -27,3032 0,1832
Hoja: TendenciaModelo (continuacin)
p111
Evolucin cronolgica
12000 V e n t a s
8000
4000
0 0 12 24 36 tiempo 48 60 72
Medias mviles (p=6)

12000
8000
4000
0 0 12 24 36 Tiempo
Hoja: Grficos
48
60
72
p112
Series temporales
Media mvil (tendencia)

7000
6000
5000 0 12 24 36 tiempo 48 60 72
Tendencia
7000
6000
5000 0 12 24 36 tiempo
Hoja: Grficos (continuacin)
48
60
72
p113
ndices estacionales
4000 3000 2000 1000 0 -1000 -2000 -3000 1 2 3 4 5 6
Modelo ajustado
12000
V e n t a s
8000
4000
0 0 12 24 36 tiempo
48
60
72
p114
Series temporales
Residuos
800 400 0 -400 -800 0 12 24 36 tiempo 48 60 72
Serie y previsiones
12000 10000 V e n t a s 8000 6000 4000 2000 0 0 30 tiempo
60
90
Prctica 2. Autocorrelacin y correlograma
p115
PRCTICA 2. AUTOCORRELACIN Y CORRELOGRAMA

OBJETIVO: Con los datos del valor diario de la caja, resultado de las ventas de un supermercado a lo largo de 12 semanas, que han sido analizados en la prctica anterior, se han de calcular los coeficientes de autocorrelacin, estudiar su significacin estadstica y obtener el correlograma; el objetivo final es ver hasta qu valor del tiempo se pueden hacer previsiones. Todo eso se realizar mediante la hoja de clculo Excel 97 de Microsoft.
2.1 Recuperacion de los datos

Desde Excel hay que recuperar el archivo que contiene los datos objeto de la prctica, y que se encuentra en el directorio habitual de la red, siguiendo la secuencia, Archivo 6 Abrir y ahora ir al directorio donde se encuentra el archivo Practica 2.xls, seleccionarlo y presionar sobre Abrir. Una vez tenemos el archivo abierto, observamos que consta de una hoja llamada Datos donde figuran 3 columnas de 72 valores cada una. En cada columna hay 72 valores, es decir, empieza en la fila 1 (con el ttulo) y acaba en la 73. Recordemos que son los mismos valores de la prctica 1.
2.2 Clculo de los coeficientes de autocorrelacin

Segn hemos visto en el texto sobre series temporales, el coeficiente de autocorrelacin se calcula como rk = k s 0
Nk
donde
k =
i=1
(Yi Y ) (Yi+k Y ) N y
0 =
i=1
(Yi Y)2 N
con la recomendacin de N > 50 y k N/4. En el caso de la prctica, el nmero de observaciones es N = 72, hecho que nos permite llegar hasta un valor de k igual a 18. En primer lugar debemos disponer de los valores de la variable centrada, o sea de Yi Y . Escribimos YYbar como ttulo en la casilla D1, y en la D2 la expresin = C2 - PROMEDIO(C$2:C$73)
p116
Series temporales
Observaremos que se ha fijado el conjunto de valores de Y (columna C) con el smbolo $, con la finalidad de que al arrastrar la frmula no vayan cambiando los valores con los que se calcula la media. Extendemos la expresin hasta D73. En la casilla G1 escribimos como ttulo gamma_0, y en la G2 la expresin que permite calcular su valor = VARP(C2:C73) Aqu se ha utilizado VARP en lugar de VAR para que el divisor sea N y no N1 como sera en el otro caso. Para comenzar a preparar la tabla de resultados, se titulan F8 k J8 V(r_k) G8 gamma_k K8 2S(r_k) H8 r_k L8 +2S(r_k) I8 r_k^2
En F9 se introduce el valor 1, y se arrastra en forma de incremento (presionando simultneamente la tecla de Ctrl) hasta F26; aqu habr un 18. En la columna G introducimos la expresin de la covariancia, k, de la pgina anterior, que en el numerador tiene el producto escalar de dos vectores: el primero va desde Y1 Y hasta Y72K Y , o sea, de D2 a D(73k), y el segundo de Y1+k Y hasta Y72 Y , o sea, de D(2+k) a D73. Esto es un problema para arrastrar la frmula de una casilla a las siguientes, ya que al aumentar el desplazamiento k un subndice aumenta, (el 2+k), pero el otro disminuye, (el 73k). Este hecho obligar a escribir la frmula, arrastrarla y, despus, manualmente, y casilla a casilla, modificar el contador que tiene que decrecer. Atenindonos a ello en G9 debemos introducir la expresin de la covariancia para Kl, que se puede hacer mediante la funcin SUMAPRODUCTO; es decir, presionaremos sobre el icono de y seleccionaremos, de entre las Matemticas y trigonomtricas, la funciones SUMAPRODUCTO (figura 2.1), que no es ms que el producto escalar de dos vectores,
Fig. 2.1
p117
En el cuadro siguiente (figura 2.2), especificaremos los valores que vamos a utilizar, teniendo cuidado de fijar las posiciones inamovibles ($2 del primer vector y $73 por el segundo), ya que, como se ha comentado, el primer vector siempre empieza en el primer valor de la Y centrada, eso es, D2, mientras que el segundo siempre acaba en el ltimo valor de Y centrada, o sea, D73. As el primer vector va de D$2 hasta D72 y el segundo de D3 hasta D$73. Una vez se presiona la tecla Aceptar, en la ventana superior queda escrita la expresin = SUMAPRODUCTO(D$2... D$73): dicha expresin hay que ponerla entre parntesis y dividirla por el nmero total de observaciones (72 en este caso) a fin de obtener la autocovariancia para k=1. En la figura 2.3 se muestra cmo finalmente queda definida la casilla G9.
Fig. 2.2
Fig. 2.3
Esta expresin se debe arrastrar hasta G26 y, de momento, no hacer caso de lo que resulte. Ahora hay que cambiar la posicin final del segundo elemento de la frmula en cada casilla de esta columna. As
p118
Series temporales
Celda k G10 G11 G25 G26 17 18 2 3
expresin actual =(SUMAPRODUCTO(D$2:D73 ... =(SUMAPRODUCTO(D$2:D74 ... =(SUMAPRODUCTO(D$2:D88 ... =(SUMAPRODUCTO(D$2:D89 ...
expresin definitiva =(SUMAPRODUCTO(D$2:D71... =(SUMAPRODUCTO(D$2:D70... =(SUMAPRODUCTO(D$2:D56... =(SUMAPRODUCTO(D$2:D55...
Observar los valores resultantes en la pgina 120. En H9, escribir la expresin del coeficiente de autocorrelacin, eso es: = G9/G$2, y arrastrar hasta H26, donde figurar =G26/G$2. La columna I tiene los cuadrados de los coeficientes de autocorrelacin; para ello hay que hacer I9 =H9*H9 y extenderlo hasta I26. En la columna J se ha de calcular la variancia de cada coeficiente, que segn el texto de teora es k 1 1 1 V(rk ) 1 + 2 ri2 y V(r1 ) N N i=1 Hacer J9 J10 = 1/72 = (1+2*SUMA(I$9:I9))/72
y arrastrar hasta J26 donde habr la expresin =(1+2*SUMA(I$9:I25))/72. Los extremos del intervalo de no significacin, 2S(r_k), estarn en las columnas K y L. K9 L9 = 2*RAIZ(J9) = 2*RAIZ(J9)
Arrastrar estas expresiones hasta K26 y L26. La tabla completa de resultados est en las pginas 120 y 121.
2.3 Autocorrelograma
El grfico se obtiene seleccionando F9 F26, H9 H26, K9 K26 y L9 L26. Con el icono de grficos Asistente para Grficos XY (Dispersin) (3; 1), Dispersin con puntos conectados por lneas Siguiente Paso 1: Siguiente
p119
Paso 2: Siguiente Paso 3: Poner los ttulos, por ejemplo Autocorrelograma, quitar la leyenda y Siguiente Paso 4: Situar el grfico con Objeto en la actual hoja Datos. Terminar
Situar el grfico en la posicin y el tamao deseado, y editarlo para que presente el aspecto habitual de un correlograma. Seleccionando un punto de la Serie 1, y haciendo clic con el botn derecho del ratn, sale el cuadro de la figura 2.4. Seleccionar: Tipo de grfico 6 Columnas Aceptar
Fig. 2.4
Igualmente, sobre un punto de la Serie 2, en la pantalla de la figura 2.4, hacer Formato de serie de datos Carpeta Tramas: Z Lnea suavizada Marcador Ninguno
Repetir la misma operacin, una vez situados en un punto de la Serie 3. Si es necesario, se pueden quitar decimales del eje de ordenadas; para eso tendremos que situarnos sobre el Eje de valores, y entonces, con doble clic, o presionando el botn derecho del ratn, seguir la secuencia Formato de ejes Carpeta Nmero
Posiciones decimales
y para quitar los valores de k de dentro del grfico, en el Eje de categoras, eje de abscisas, Formato de ejes Carpeta Tramas El resultado es el grfico de la pgina 121. Comentarios: En el correlograma se confirma claramente la estacionalidad de perodo 6. El coeficiente de autocorrelacin asociado a k=18 an es significativo, por eso se pueden hacer previsiones para los prximos 18 das, o sea, 3 semanas de ventas. Rtulos de marca de graduacin Ninguno
p120
Series temporales
2.4 Resultados
A B 1 Seman Dia 2 1 lunes 3 1 martes 4 1 mircoles 5 1 jueves 6 1 viernes 7 1 sbado 8 2 lunes 9 2 martes 10 2 mircoles 11 2 jueves 12 2 viernes 13 2 sbado 14 3 lunes 15 3 martes 16 3 mircoles 17 3 jueves 18 3 viernes 19 3 sbado 20 4 lunes 21 4 martes 22 4 mircoles 23 4 jueves 24 4 viernes 25 4 sbado 26 5 lunes 27 5 martes 28 5 mircoles 29 5 jueves 30 5 viernes 31 5 sbado 32 6 lunes 33 6 martes 34 6 mircoles 35 6 jueves 36 6 viernes 37 6 sbado 38 7 lunes 39 7 martes 40 7 mircoles 41 7 jueves 42 7 viernes 43 7 sbado 44 8 lunes 45 8 martes 46 8 mircoles 47 8 jueves 48 8 viernes 49 8 sbado 50 9 lunes 51 9 martes C Y 3968 4572 3964 6326 9673 8307 3593 5367 3763 6703 9485 8207 3717 4712 3538 5758 9112 7501 3108 4771 3643 6616 8907 7993 3618 4427 4314 5616 8778 7322 2899 4918 4226 6025 8712 7685 3408 4869 3589 5437 8239 7360 2915 4237 3679 6060 8755 7475 2979 3971 D E F G H Y-Ybar gamma_0 -1653,36 4003801 -1049,36 -1657,36 704,639 4051,64 2685,64 k gamma_k r_k -2028,36 -254,361 1 1089260,8 0,2721 -1858,36 2 -1528643 -0,3818 1081,64 3 -2302898 -0,5752 3863,64 4 -1654914 -0,4133 2585,64 5 873463,57 0,2182 -1904,36 6 3551137,5 0,8869 -909,361 7 978459,2 0,2444 -2083,36 8 -1429667 -0,3571 136,639 9 -2118164 -0,5290 3490,64 10 -1510880 -0,3774 1879,64 11 775336,95 0,1937 -2513,36 12 3213971,1 0,8027 -850,361 13 902365,54 0,2254 -1978,36 14 -1276624 -0,3189 994,639 15 -1892155 -0,4726 3285,64 16 -1373896 -0,3431 2371,64 17 700396,45 0,1749 -2003,36 18 2879249,8 0,7191 -1194,36 -1307,36 -5,36111 3156,64 1700,64 -2722,36 -703,361 -1395,36 403,639 3090,64 2063,64 -2213,36 -752,361 -2032,36 -184,361 2617,64 1738,64 -2706,36 -1384,36 -1942,36 438,639 3133,64 1853,64 -2642,36 -1650,36 I J K L
r_k^2 0,0740 0,1458 0,3308 0,1708 0,0476 0,7867 0,0597 0,1275 0,2799 0,1424 0,0375 0,6444 0,0508 0,1017 0,2233 0,1178 0,0306 0,5171
V(r_k) 0,0139 0,0159 0,0200 0,0292 0,0339 0,0353 0,0571 0,0588 0,0623 0,0701 0,0740 0,0751 0,0930 0,0944 0,0972 0,1034 0,1067 0,1075
- 2S(r_k) + 2S(r_k) -0,2357 0,2357 -0,2525 0,2525 -0,2828 0,2828 -0,3417 0,3417 -0,3684 0,3684 -0,3755 0,3755 -0,4779 0,4779 -0,4848 0,4848 -0,4992 0,4992 -0,5294 0,5294 -0,5442 0,5442 -0,5480 0,5480 -0,6098 0,6098 -0,6144 0,6144 -0,6236 0,6236 -0,6432 0,6432 -0,6533 0,6533 -0,6559 0,6559
Hoja: Datos
p121
52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76
A 9 9 9 9 10 10 10 10 10 10 11 11 11 11 11 11 12 12 12 12 12 12
B mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado lunes martes mircoles jueves viernes sbado
C 3291 5336 8392 6790 3539 4694 3120 6026 7792 7294 3254 4725 3227 5588 8320 6995 3229 4648 3450 5129 8159 6923
D E F -2330,36 -285,361 2770,64 1168,64 -2082,36 -927,361 -2501,36 404,639 2170,64 1672,64 -2367,36 -896,361 -2394,36 -33,3611 2698,64 1373,64 -2392,36 -973,361 -2171,36 -492,361 2537,64 1301,64
AUTOCORRELOGRAMA
1,0 0,5
0,0 -0,5
-1,0
p122
Series temporales
PRCTICA 3. MODELIZACIN DE UNA SERIE CON VARIABLES CATEGRICAS

OBJETIVO: Se dispone de la evolucin de un indicador econmico a lo largo de 62 trimestres. Tenemos que analizar los datos de esta serie cronolgica, estimar el modelo de comportamiento con variables categricas, estudiar su ajuste y hacer las previsiones pertinentes. Todo esto se realizar mediante la hoja de clculo Excel 97 de Microsoft.
3.1 Recuperacin de los datos

Desde Excel recuperar el archivo que contiene los datos objeto de la prctica, y que se encuentran en el directorio habitual de la red. Por esto hemos de seguir la secuencia (figura 3.1): Archivo 6 Abrir Y ahora ir al directorio donde se encuentra el archivo Practica 3.xls, seleccionarlo y Abrir.
Fig. 3.1
Una vez tenemos el archivo abierto, observamos que consta de una hoja denominada Datos donde figuran 2 columnas de 62 valores cada una, con la estructura mostrada parcialmente en la figura 3.2. En cada columna hay 62 valores, es decir, se empieza en la fila 1 (con el ttulo) y se acaba en la 63. La columna A, llamada t, contiene valores de 1 a 62, correspondientes a los 62 intervalos de tiempo (trimestres) en que se ha recogido la informacin, y la B, con el nombre de Y, contiene los valores del indicador econmico que se est estudiando.
Fig. 3.2
Prctica 3. Modelizacin de una serie con variables categricas
p123

En primer lugar, hemos de analizar la evolucin de la serie, cosa que ya hemos hecho en la prctica n1, pero es suficientemente rpido como para hacerlo de nuevo. Se selecciona desde A1 hasta B63 (columnas t y Y) y se presiona el icono de grficos en la barra de herramientas, Insertar y despus Grfico. , o tambin,
En el Asistente para Grficos (figura 3.3) hemos de seleccionar XY (Dispersin) y ahora la opcin (3; 1), es decir, Dispersin con puntos de datos conectados con lneas y Terminar. Situar el grfico en el lugar que se desee, y editarlo segn convenga.
Fig. 3.3
El resultado es el primer grfico de la pgina 134 de esta prctica. Parece detectarse una estacionalidad de perodo 4, hecho que debemos confirmar mediante el correlograma. Este grfico ha sido el objetivo de la prctica 2; aplicando la metodologa expuesta a los datos actuales resulta el correlograma mostrado en la pgina 132, donde se puede ver, por una parte, la evidencia de una estacionalidad de perodo 4 y, por otra, que es admisible hacer previsiones para cinco intervalos de tiempo. Conclusiones: Se detecta una clara estacionalidad, de perodo p=4, y posiblemente una tendencia creciente y cuadrtica. El modelo que se tendr que estudiar ser Y = 0 + 1 t + 2 t2 + 2 Q2 + 3 Q3 + 4 Q4 + 5 Q2 t + 6 Q3 t + 7 Q4 t +
p124
Series temporales
3.3 Modelizacin con variables categricas
Creacin de las variables
Para poder modelizar la serie, en primer lugar hemos de crear las variables categricas, o indicatrices, teniendo en cuenta que, en el caso de la prctica, el perodo p es igual a 4. Para ello, se preparan los ttulos de las columnas que contendrn los valores de las variables categricas. Recordando que las representamos por Q y que sus ndices van desde 2 hasta p (teora de series temporales), en las casillas C1, D1 y E1 escribiremos Q2, Q3, y Q4, tal como muestra la figura 3.4. A continuacin rellenaremos cada variable categrica con sus valores. Al ser el perodo igual a 4, hay 4 combinaciones diferentes de ceros y unos, una para cada componente del perodo, y sabiendo que Qi vale la unidad si el orden del tiempo asociado es igual a i, y vale cero en cualquier otro caso, el conjunto de valores es el que se muestra en el bloque C2 E5, de la figura 3.4. Una vez lleno el bloque anterior, slo hemos de seleccionarlo y con Cortar y Pegar, llenar todas las casillas C ... E hasta la fila 63, o bien arrastrar el bloque presionando simultneamente el Ctrl (pgina 130). Adems, para estudiar el modelo, es necesario disponer de las columnas con los valores tQ2, tQ3 y tQ4, tiempo (t) y tiempo al cuadrado (t^2). Estos valores estn en las columnas F, ... J. Para llenar estas columnas, es ya evidente que lo que debemos hacer es definirlas como y H2 = A2*A2. F2 = A2*C2, G2 = A2*D2, H2 = A2*E2, I2 =A2 Despus arrastrar hasta la fila 63. En la figura 3.4 se puede ver la estructura que toman estas columnas, y en la pgina 130 todos los valores. Es una exigencia de Excel que todas las columnas de los trminos que constituyen el modelo hayan de ser consecutivas y contiguas.
Fig. 3.4
p125
Obtencin del modelo
De acuerdo con la naturaleza de los datos hay que plantear el modelo Y = 0 + + 2 + 2 Q2 + 3 + 4 4 + 5 Q2 t + 6 Qt + 7 Q4 t2 Q t 1t 3Q 3 Para estimar los coeficientes y estudiar su significacin, el procedimiento es: Herramientas 6 Anlisis de datos 6 Regresin En este momento aparece la pantalla de la figura 3.5, donde debemos rellenar los campos siguientes Rango Y de entrada: $B$1:$B$63 Rango X de entrada: $C$1:$J$63 Z Rtulos n Rango de salida $A$125 (una casilla que est vaca) (los valores de Y) (los valores de los regresores)
Los resultados se pueden ver en la pgina 133, con el ttulo Primer paso Conclusiones: El coeficiente del trmino Q2 no es significativo (su nivel de significacin es p = 0,292 > 0,05). Debemos eliminarlo del modelo lineal y volver a estimar los coeficientes.
Fig. 3.5
p126
Series temporales
Para eliminar el trmino Q2 y rehacer la regresin, con la rutina Regresin de Excel, es necesario que todos los trminos del modelo estn juntos; por tanto hemos de eliminar la columna de Q2. Hacerlo as directamente podra ocasionar problemas y modificaciones en otras columnas ligadas a sta. Para evitarlo recomendamos lo siguiente:
Seleccionar con el ratn desde B1 hasta J63, presionar el botn derecho y hacer Copiar. Situarse, por ejemplo, en la casilla S1 (fila a partir de la cual todo est vaco) y desplegar el men Insertar (figura 3.6).
Fig. 3.6
Seleccionar Pegado especial y ahora Valores (figura 3.7)
Fig. 3.7
p127
Ahora eliminar la columna asociada a Q2 (la T en el caso del ejemplo): para ello se pincha sobre la letra T distintiva de la columna, que quedar enmarcada por una lnea que parpadea; entonces se presiona el botn derecho y se selecciona Eliminar. De esta manera las columnas siguientes avanzan un lugar y vuelven a estar todas juntas, es decir, empiezan en la S (valores de Y) y acaban en la Z (valores de t^2)
Y ahora hay que proceder como antes: Herramientas 6 Anlisis de datos 6 Regresin modificando los campos siguientes: Rango X de entrada: $S$1:$Z$63 n Rango de salida $A$150 (los nuevos regresores) (una casilla que est vaca)
Los resultados se pueden ver en la pgina 133 con el ttulo Segundo paso
Conclusiones: El modelo definitivo es Y = 97,81 + 2,03 t + 0,014 t2 7,75 Q3 + 20,57 Q4 + 0,39 t Q2 + 0,85 t Q3 + 0,99 t Q4 Analizar y comentar los valores de los coeficientes del modelo, su significacin y el valor del coeficiente de determinacin (R^2) del ajuste.
3.4 Estimaciones y residuos
Valores estimados
Una vez establecido el modelo tenemos que examinar el ajuste entre los datos y los valores estimados segn el modelo ajustado. Por eso, en primer lugar cogemos un bloque con los trminos y los coeficientes del modelo definitivamente obtenido y hacemos un Cortar y Pegar en L2; en L1 escribimos Modelo: resultarn las casillas destacadas en azul en la pgina 131. Despus, en N1 escribimos el ttulo de la columna, Yest, y en N2 el modelo, es decir = M$2+M$3*D2+M$4*E2+M$5*F2+M$6*G2+M$7*H2+M$8*I2+M$9*J2 Debemos destacar la exigencia de fijar las celdas que contienen los coeficientes del modelo, para que al arrastrar la frmula se mantengan constantes. Arrastrando la casilla N2 hasta la N63 se obtienen los valores calculados, como estimaciones de la variable estudiada, que se pueden ver en la pgina 131.
p128
Series temporales
Grfico de los valores reales enfrente de los estimados
Es necesario seleccionar desde B2 hasta B63 y, presionando la tecla Ctrl, desde N2 hasta N63. Despus se presiona el icono de los grficos Asistente para Grficos Lneas (2, 1) Lnea con marcadores y
Terminar
Situaremos el grfico como Objeto en la misma hoja, y lo editaremos, en la posicin, la amplitud y el estilo deseados. El resultado se puede ver en el segundo grfico de la pgina 134.
Grfico de residuos
En primer lugar debemos calcular los residuos; para esto es prepara la columna con el ttulo y se calculan los valores: O1 : Res O2 = B2 N2 (arrastrar hasta O63 (pgina 131)) y
Para hacer el grfico se selecciona desde O2 hasta O63, se presiona Asistente para Grficos Lneas (2, 1) Lnea con marcadores
Terminar
Situaremos el grfico como Objeto en la misma hoja, y lo editaremos, en la posicin, la amplitud y el estilo deseados. El resultado se puede ver en el primer grfico de la pgina 135. Conclusiones: Observar y analizar detalladamente la evolucin de los dos grficos.
3.5 Previsiones
Atendiendo a que, segn el correlograma (pgina 132), se pueden hacer previsiones para los prximos 5 valores del tiempo, es necesario ampliar las columnas de las variables categricas y del tiempo con los 5 valores nuevos, del 63 hasta el 67. Estos valores se han de incorporar al final de la columna A, es decir desde A64 hasta A68 (pgina 130). El primer valor para el que hay que hacer previsiones corresponde a t = 63, que es un mltiple de 4 (154 = 60) ms 3. Por tanto, la variable categrica Q3 valdr 1 y las dems 0. Situados en C64 podemos copiar el bloque C4 E8, que es el de las categricas que se inicia en una tercera estacin. Ahora seleccionaremos con el ratn desde F63 hasta J63 y arrastraremos hasta llenar la fila 68, que corresponde a la ltima previsin (pgina 130).
p129
Prepararemos la columna de las previsiones: K1 = Y Prev y en K64 escribiremos el modelo , es decir, =M$2+M$3*D64+M$4*E64+M$5*F64+M$6*G64+M$7*H64+M$8*I64+M$9*J64 arrastraremos hasta K68 y tendremos los valores de las 5 previsiones (pgina131). (ttulo)
Para hacer el grfico se selecciona desde B2 hasta B68 y, presionando el Ctrl, desde K2 hasta K68 y desde N2 hasta N68. Se presiona el icono de los grficos y
Asistente para Grficos Lneas (2, 1) Lnea con marcadores Terminar
Situaremos el grfico como Objeto en la misma hoja, y lo editaremos, en la posicin, el tamao y el estilo deseados. El resultado se puede ver en el segundo grfico de la pgina 135.
Conclusiones: Analizar detalladamente el grfico de las observaciones y las previsiones. Pensando que los datos corresponden a un indicador econmico medido trimestralmente, comentar su evolucin actual y futura as como el comportamiento diferencial propio de cada trimestre.
p130
Series temporales
3.6 Resultados
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
A t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 A 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67
B Y 105,86 97,79 96,1 127,44 108,78 112,61 111,43 145,71 118,37 121,89 124,25 159,55 125,41 135,4 137,86 171,44 132,38 147,59 153,92 B 232,76 256,84 271,36 311,42 243,9 268,42 291,25 331,96 255,46 283,53 307,82 354,72 276,58 304,72
C Q2 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 C 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0
D Q3 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 D 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
E Q4 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 E 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0
F tQ2 0 2 0 0 0 6 0 0 0 10 0 0 0 14 0 0 0 18 0 F 0 50 0 0 0 54 0 0 0 58 0 0 0 62 0 0 0 66 0
G tQ3 0 0 3 0 0 0 7 0 0 0 11 0 0 0 15 0 0 0 19 G 0 0 51 0 0 0 55 0 0 0 59 0 0 0 63 0 0 0 67
H tQ4 0 0 0 4 0 0 0 8 0 0 0 12 0 0 0 16 0 0 0 H 0 0 0 52 0 0 0 56 0 0 0 60 0 0 0 64 0 0 0
I t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 I 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67
J t^2 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 289 324 361 J 2401 2500 2601 2704 2809 2916 3025 3136 3249 3364 3481 3600 3721 3844 3969 4096 4225 4356 4489
Hoja: Datos
p131
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68
K Y Prev
L Modelo Ord. Origen Q3 Q4 tQ2 tQ3 tQ4 t t^2
M 97,8112 -7,7472 20,5667 0,3863 0,8484 0,9877 2,0302 0,0143
N Y est 99,856 102,701 98,828 130,677 108,319 112,823 110,913 143,433 117,238 123,402 123,454 156,645 126,613 134,437 136,451 170,314 136,445 145,928 149,905 N 231,526 254,283 273,960 313,863 245,464 269,881 291,520 332,095 259,859 285,935 309,537 350,782 274,710 302,445
O Res 6,004 -4,911 -2,728 -3,237 0,461 -0,213 0,517 2,277 1,132 -1,512 0,796 2,905 -1,203 0,963 1,409 1,126 -4,065 1,662 4,015 O 1,234 2,557 -2,600 -2,443 -1,564 -1,461 -0,270 -0,135 -4,399 -2,405 -1,717 3,938 1,870 2,275
328,010 369,926 290,018 319,412 346,939

p132
Series temporales
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
A t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
B Y 105,86 97,79 96,1 127,44 108,78 112,61 111,43 145,71 118,37 121,89 124,25 159,55 125,41 135,4 137,86 171,44 132,38 147,59 153,92 179,39 141,59 159,6 163,23 205,54 161,71 172,24 173,17
C Y-Ybar -94,918 -102,988 -104,678 -73,338 -91,998 -88,168 -89,348 -55,068 -82,408 -78,888 -76,528 -41,228 -75,368 -65,378 -62,918 -29,338 -68,398 -53,188 -46,858 -21,388 -59,188 -41,178 -37,548 4,762 -39,068 -28,538 -27,608
F gamma_0 4277,898
k 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
gamma_k 3562,405 3408,788 3149,145 3466,645 2791,202 2671,875 2435,804 2711,854 2076,334 1964,898 1745,883 1990,675 1385,336 1281,548 1082,582 1282,895 717,469 636,614
r_k 0,833 0,797 0,736 0,810 0,652 0,625 0,569 0,634 0,485 0,459 0,408 0,465 0,324 0,300 0,253 0,300 0,168 0,149
r_k^2 0,693 0,635 0,542 0,657 0,426 0,390 0,324 0,402 0,236 0,211 0,167 0,217 0,105 0,090 0,064 0,090 0,028 0,022
V(r_k) 0,016 0,038 0,059 0,076 0,098 0,111 0,124 0,134 0,147 0,155 0,162 0,167 0,174 0,178 0,180 0,182 0,185 0,186
- 2S(r_k) -0,254 -0,392 -0,486 -0,553 -0,625 -0,667 -0,704 -0,733 -0,768 -0,787 -0,804 -0,818 -0,835 -0,843 -0,850 -0,854 -0,861 -0,863
+ 2S(r_k) 0,254 0,392 0,486 0,553 0,625 0,667 0,704 0,733 0,768 0,787 0,804 0,818 0,835 0,843 0,850 0,854 0,861 0,863
AUTOCORRELOGRAMA
1,0
0,5
0,0
-0,5
-1,0
Hoja: Correl
p133
Resultados de la regresin
Primer paso
Coef. de determinacin R^2 0,99803327 ANLISIS DE VARIANZA nu 8 Regresin 53 Residuos 61 Total
S.C. 264708,064 521,636 265229,699
C.M. 33088,508 9,842
F 3361,908
p-val 7,37E-69
Ord. Origen Q2 Q3 Q4 tQ2 tQ3 tQ4 t t^2
Coefs Error tpico 98,9145 1,7628 -2,3396 2,1976 -8,8900 2,2637 19,4201 2,2980 0,4416 0,0602 0,8756 0,0633 1,0150 0,0634 2,0067 0,0965 0,0142 0,0014
t 56,1129 -1,0646 -3,9271 8,4508 7,3341 13,8337 16,0203 20,7852 10,1580
p-val 6,95E-49 2,92E-01 2,50E-04 2,15E-11 1,31E-09 3,15E-19 5,78E-22 3,82E-27 4,85E-14
Segundo paso
Coef. de determinacin 0,99799121 R^2 ANLISIS DE VARIANZA nu 7 Regresin 54 Residuos 61 Total
S.C. 264696,908 532,791 265229,699
C.M. 37813,844 9,867
F 3832,546
p-val 2,00E-70
Ord. Origen Q3 Q4 tQ2 tQ3 tQ4 t t^2
Coefs Error tpico 97,8112 1,4278 -7,7472 1,9955 20,5667 2,0325 0,3863 0,0304 0,8484 0,0580 0,9877 0,0580 2,0302 0,0941 0,0143 0,0014
t 68,5071 -3,8823 10,1186 12,6897 14,6299 17,0261 21,5725 10,1963
p-val 3,52E-54 2,84E-04 4,50E-14 7,78E-18 1,97E-20 2,29E-23 3,26E-28 3,42E-14
p134
Series temporales
Evolucin cronolgica de los datos Y 370 330 290 250 210 170 130 90 0 8 16 24 32 40 48 56 64 t
Datos reales y modelizados Y 370 330 290 250 210 170 130 90 0 8 16 24 32 40 48 56 64 t Serie1 Real Model Serie2
p135
Residuos R 10 5 0 -5 -10 0 8 16 24 32 40 48 56 64 t
Valores reales, modelizados y previsiones
Real Serie1
Model Serie2
Serie3 Prev
Y 410 370 330 290 250 210 170 130 90 0 8 16 24 32 40 48 56 64 72 t
p136
Series temporales
PRCTICA 4. MODELIZACIN Y PREVISIONES POR SUAVIZADO EXPONENCIAL (MTODO DE BROWN)

OBJETIVO: Se dispone de la evolucin de un indicador econmico durante 31 das. Hay que analizar los datos de esta serie cronolgica, estimar el modelo de comportamiento y hacer las previsiones pertinentes. Todo esto se realizar mediante la hoja de clculo Excel 97 de Microsoft.
4.1 Recuperacin de los datos

Desde Excel recuperar el archivo que contiene los datos objeto de la prctica, y que se encuentran en el directorio habitual de la red. Para ello, debemos seguir la secuencia (figura 4.1) Archivo 6 Abrir y ahora ir al directorio donde se encuentra el archivo Prctica 4.xls, seleccionarlo y presionar Abrir.
Fig. 4.1
Una vez est abierto el archivo, observamos que consta de una hoja denominada Datos con 2 columnas de 31 valores cada una y la estructura mostrada en la figura 4.2. La columna A, llamada Tiempo, contiene valores de 1 a 31 y la B, llamada Y, contiene los valores del ndice econmico que se est estudiando.
Fig. 4.2
Prctica 4. Modelizacin y previsiones por suavizado exponencial
p137

En primer lugar, hay que analizar la evolucin de la serie: para ello se selecciona desde B1 hasta B32 (valores de Y) y se presiona el icono de grficos , o tambin, en la barra de herramientas, Insertar y despus Grfico. En el Asistente para Grficos (figura 4.3), seleccionar Lneas.
Fig. 4.3
Y ahora la opcin (2; 1), es decir, Lnea con marcadores en cada valor de datos y Terminar.
Situar el grfico como Objeto en la misma hoja, y editarlo en la posicin y el tamao deseados. El resultado es el grfico de la pgina 142. Se muestra una tendencia creciente y no parece detectarse ningn tipo de estacionalidad, cosa que se confirmar mediante el correlograma. Este grfico ha sido el objetivo de la prctica 2; para obtenerlo copiamos todos los datos de la prctica en una nueva hoja que llamaremos Correl. Aplicando la sistemtica se obtienen los resultados mostrados en la pginas 143 y 144, que confirman la no estacionalidad y la posibilidad de hacer previsiones para los tres prximos das. Se debe recalcar que no se est en las mejores condiciones para hacer un correlograma, porque tan slo se dispone de 30 valores.
Conclusiones: Sin estacionalidad y con tendencia creciente, se puede estudiar la serie aplicando el suavizado exponencial segn el mtodo de Brown que incorpora una tendencia rectilnea y cambiante a lo largo del tiempo.
p138
Series temporales
4.3 Mtodo de Brown

Para modelizar una serie con este procedimiento hemos de seleccionar un valor del parmetro y calcular la serie suavizada, la doble suavizada, la ordenada en el origen, la pendiente, el valor de la serie estimada, el error en cada instante y el error cuadrtico medio. Cambiando el valor de se repite el proceso y se selecciona, como parmetro de modelizacin, el que minimice el error cuadrtico medio. Seleccin de
En la casilla A40 escribimos el valor inicial de , = 0,1 para empezar, y etiquetamos las columnas segn el contenido que tenemos destinado. As:
A 1 Tiempo 2
B Y
C S
D S(2)
E a^
F b^
G Y est
H Error
I Y prevista
Las expresiones utilizadas sern segn el texto de series temporales, y su ubicacin en la hoja de clculo ser:
casilla S1 = Y1 St = Yt + ( 1 - ) St1 S
(2) 1 (2)
Expresin = B2 = $A$40*B3+(1$A$40)*C2 = B2 = $A$40*C3+(1$A$40)*D2 = 2*C2D2 = ($A$40/(1$A$40))*(C2D2) = E2+F2 = B3G3 arrastrar hasta D32 arrastrar hasta E32 arrastrar hasta F32 arrastrar hasta G32 arrastrar hasta H32 arrastrar hasta C32
C2 C3 D2
(2) t1
= Y1
St = St + ( 1 - ) S
D3 E2 F2 G3 H3
at = 2St S(2) t
bt = (S S(2) ) t 1
Yt = a t 1 + b 1 t Rt = et = Yt Yt
La casilla G33 se etiqueta como ECM para escribir en H34 la expresin = SUMA.CUADRADOS(H3:H32) / 30 (error cuadrtico medio)
Observaremos que se dispone de 31 valores de la serie y slo hay 30 estimaciones y, por tanto, 30 errores.
p139
Se deben guardar los valores de cada y su ECM, a fin de escoger la ptima. En casillas vacas preparamos una tabla como la que muestra la figura 4.4, donde etiquetamos C40 como Lambda y D40 como E.C.M. A continuacin escribimos en C41 el valor 0,1 ( utilizada en los clculos) y en D41 7,777, valor resultante de ECM segn ha salido en la casilla H34. (Esto lo podemos hacer manualmente o con Cortar y Pegar slo valores). Sustituyendo el valor de de la casilla A40 por 0,2, automticamente cambiarn todos los valores de los clculos de las columnas C H. Ahora anotamos 0,2 en C42 y el valor de H34 (2,679 en este caso) en D42. Sucesivamente se van cambiando los valores de (A40) por 0,3, 0,9, y anotando junto con sus ECM, desde C43D43 hasta C49D49. Con los datos actuales, se detecta que el ptimo estar entre 0,4 y 0,5; por tanto, ponemos 0,45 en A40 y lo pasamos a C50 juntamente con su ECM (H34), que en este caso es igual a 1,822 y que anotamos en D50.
A 39 40 41 42 43 44 45 46 47 48 49 50 51 0,45
C Lambda 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0,45
D E.C.M. 7,777 2,679 1,989 1,836 1,833 1,917 2,077 2,321 2,669 1,822
E
ECM
8 6 4 2 0 0 0,5 1
Fig. 4.4
Previsiones
Una vez escogida la de trabajo, se puede pasar a calcular los valores previstos para los prximos tres das, segn se ha deducido del correlograma. Por eso prolongamos la columna A con los tres nuevos valores del tiempo (A33 = 32; A34 =33; A35 = 34). El valor previsto para el instante t + T (31+T, en el caso de la prctica) es # Yt + T = a t + bt T
En la casilla I33, perteneciente a la columna I etiquetada como Y prevista, se deber escribir la expresin = E$32+F$32*(A33-A$32)
p140
Series temporales
y arrastrarla hasta I35. As acabamos de calcular los valores previstos para los prximos tres das del ndice econmico estudiado. Todos los resultados se muestran en la pgina 141.
Anlisis de los grficos
Seguidamente, y como ya es habitual, se proceder a la obtencin del grfico de los valores reales, los modelizados y los previstos, y del grfico de los errores. Para ello se selecciona, presionando la tecla Ctrl, desde B1 hasta B32 (valores de Y), desde G1 hasta G32 (valores de Y estimada) y desde I1 hasta I35 (valores de Y prevista), y se presiona el icono de grficos despus Grfico. , o tambin, en la barra de herramientas, Insertar y
En el Asistente para Grficos seleccionar XY (Dispersin) (3,1) Dispersin con puntos de datos conectados por lneas Terminar Situaremos el grfico como Objeto en la misma hoja, y lo editaremos en la posicin y el tamao deseados. El resultado es el grfico de la pgina 142. Para obtener el grfico de los errores se procede seleccionando desde H1 hasta H32 (valores de los errores) y exactamente igual que en el grfico anterior. El resultado es el grfico de la pgina 143.
Conclusiones: Las previsiones siguen muy bien todos los datos, a lo largo del tiempo de recogida de informacin. Los errores no muestran ninguna particularidad destacable.
p141
4.4 Resultados
A Tiempo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 B Y 9,51 7,71 6,39 6,67 9,14 7,66 7,74 9,36 10,03 8,38 7,12 9,06 9,6 11,44 10,93 13,1 13,51 13,93 13,54 15,65 15,13 17,06 19,03 21,38 22,82 22,76 23,02 23,62 23,45 24,57 24,17 C S 9,51 8,70 7,66 7,21 8,08 7,89 7,82 8,51 9,20 8,83 8,06 8,51 9,00 10,10 10,47 11,65 12,49 13,14 13,32 14,37 14,71 15,77 17,24 19,10 20,77 21,67 22,28 22,88 23,14 23,78 23,96 D S(2) 9,51 9,15 8,48 7,91 7,99 7,94 7,89 8,17 8,63 8,72 8,42 8,46 8,70 9,33 9,85 10,66 11,48 12,23 12,72 13,46 14,02 14,81 15,90 17,34 18,89 20,14 21,10 21,90 22,46 23,05 23,46 E a^ 9,51 8,25 6,84 6,52 8,18 7,84 7,76 8,86 9,76 8,94 7,70 8,56 9,30 10,86 11,10 12,65 13,50 14,05 13,92 15,27 15,40 16,73 18,57 20,86 22,66 23,20 23,45 23,86 23,82 24,51 24,45 F b^ 0,00 -0,36 -0,67 -0,57 0,08 -0,04 -0,05 0,28 0,46 0,09 -0,30 0,04 0,24 0,63 0,51 0,81 0,82 0,74 0,49 0,74 0,56 0,79 1,09 1,44 1,55 1,25 0,96 0,80 0,56 0,60 0,41 G Y est 9,51 7,89 6,18 5,95 8,25 7,80 7,70 9,14 10,22 9,03 7,40 8,60 9,54 11,49 11,61 13,46 14,32 14,79 14,41 16,02 15,96 17,51 19,66 22,30 24,21 24,45 24,41 24,66 24,37 25,11 ECM = H Error -1,800 -1,500 0,494 3,188 -0,593 -0,057 1,657 0,890 -1,842 -1,906 1,661 1,004 1,901 -0,562 1,487 0,045 -0,390 -1,253 1,240 -0,887 1,099 1,517 1,717 0,519 -1,448 -1,430 -0,795 -1,212 0,197 -0,936 1,822 I Y prevista
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
24,86 25,27 25,67
0,45
Lambda 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0,45
E.C.M. 7,777 2,679 1,989 1,836 1,833 1,917 2,077 2,321 2,669 1,822
ECM
8 6 4 2 0 0 0,5
Hoja: Datos
p142
Series temporales
Evolucin cronolgica
Y 30 20 10 0 0 10 20 Tiempo 30 40
Valores medidos y previsiones

Y
30 20 10 0 0 10 20
Tiempo
Y est
Y prevista
30
40
p143
Errores
4 3 2 1 0 -1 -2 -3 0 10 20
Tiempo
30
40
A 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Tiempo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
B Y 9,51 7,71 6,39 6,67 9,14 7,66 7,74 9,36 10,03 8,38 7,12 9,06 9,6 11,44 10,93 13,1 13,51 13,93 13,54 15,65 15,13 17,06 19,03 21,38 22,82 22,76 23,02 23,62 23,45 24,57 24,17
C Y - Ybar -4,602 -6,402 -7,722 -7,442 -4,972 -6,452 -6,372 -4,752 -4,082 -5,732 -6,992 -5,052 -4,512 -2,672 -3,182 -1,012 -0,602 -0,182 -0,572 1,538 1,018 2,948 4,918 7,268 8,708 8,648 8,908 9,508 9,338 10,458 10,058
F gamma_0 37,975
k 1 2 3 4 5 6 7 8 9 10
gamma_k 35,107 31,592 28,034 24,355 20,478 16,437 12,353 8,665 5,129 1,730
r_k 0,924 0,832 0,738 0,641 0,539 0,433 0,325 0,228 0,135 0,046
r_k^2 0,855 0,692 0,545 0,411 0,291 0,187 0,106 0,052 0,018 0,002
V(r_k) -2S(r_k) +2S(r_k) 0,032 -0,359 0,359 0,087 -0,591 0,591 0,132 -0,727 0,727 0,167 -0,818 0,818 0,194 -0,880 0,880 0,213 -0,922 0,922 0,225 -0,948 0,948 0,231 -0,962 0,962 0,235 -0,969 0,969 0,236 -0,972 0,972
Hoja: Correl
p144
Series temporales
Autocorrelograma
1,0 0,5 0,0 -0,5 -1,0

003

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

003

Încărcat de

Drepturi de autor:

Formate disponibile

Prctica 1.

Descomposicin clsica de una serie aditiva

PRCTICAS DE SERIES TEMPORALES CON EXCEL

PRCTICA 1. DESCOMPOSICIN CLSICA DE UNA SERIE ADITIVA

1.1 Recuperacion de los datos

Los autores, 2001; Edicions UPC, 2001.

De forma similar, a la Hoja3 la denominaremos Tendencia-Modelo.

1.2 Anlisis de la evolucin de la serie cronolgica

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

El resultado es el grfico de la pgina 111 de esta prctica.

1.3 Estabilizacin de la serie

Clculo de las medias mviles

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Grfico de medias mviles

Los autores, 2001; Edicions UPC, 2001.

Clculo de los ndices estacionales

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

El resultado es la siguiente tabla, copiada de la pgina 108.

Total -2331,37 -939,924 -1963,33 304,7803 3098,348 1898,394 11,14899

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

1.5 Estimacin de la tendencia

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

Los resultados obtenidos se muestran en la figura 1.14, extrada de la pgina 110.

0,92513 0,85587 0,85130 114,20021 66

u Regresin Residuos Total

Ord. Origen Tiempo Tiempo^2

Coefs 6311,5139 -27,3032 0,1832

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

1.6 Modelo y residuos

Los autores, 2001; Edicions UPC, 2001.

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

Ind. Est -2342,5202 -951,07323 -1974,4823 293,631313 3087,19949 1887,24495

Hoja: Datos (continuacin)

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Los autores, 2001; Edicions UPC, 2001.

A 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 Resumen stad st cos R R^2 R^2 ajust Error tpico n ANOVA

0,92513 0,85587 0,85130 114,20021 66

u Regresin Residuos Total

Ord. Origen Tiempo Tiempo^2

Coefs 6311,5139 -27,3032 0,1832

Hoja: TendenciaModelo (continuacin)

Los autores, 2001; Edicions UPC, 2001.

Prctica 1. Descomposicin clsica de una serie aditiva

Medias mviles (p=6)

Los autores, 2001; Edicions UPC, 2001.