Serie cronolgica o series de tiempo

Se llama serie de tiempo o cronolgica a cualquier sucesin de observaciones

de un fenmeno que es variable con respecto al tiempo y se observa en intervalos
de tiempo regulares, es decir que, estas observaciones se deben hacer en
perodos igualmente espaciados. Una serie cronolgica describe la variacin de
los valores de la variable en el tiempo y tales variaciones son resultado del
comportamiento sistemtico o aleatorio de la variable. En una serie de tiempo las
observaciones no se deben ordenar de mayor a menor debido a que se perdera el
grueso de la informacin, que nos interesa detectar como se mueve la variable en
el tiempo es muy importante respetar la secuencia temporal de las observaciones.
La magnitud, cuya evolucin se estudia, se designar por la letra `y'. Las series
cronolgicas pueden ser de dos tipos: De un flujo o de un nivel:

o Series cronolgicas de un nivel: Se refiere a un instante. Los instantes de

observacin se enumeran desde el `1' a `t'. Es decir `Yt' es un valor de `y' en el
instante `t'. Se puede decir que los instantes estn regulados en el tiempo:
Ejemplo: Serie diaria de las temperaturas anotado cada hora en un punto dado
son observaciones escalonadas; serie mensual del nmero de obreros en paro
en el da primero de cada mes: stas observaciones no son escalonadas, ya
que los meses no tienen los mismo das.

o Serie Cronolgica de flujo: En el caso de un flujo, cada observacin se

refiere a un perodo; es decir, flujo transcurrido durante el perodo. Los
perodos se enumeran de `1' a `t', donde `Yt' es el flujo transcurrido durante el
perodo `t'.
El mbito de aplicacin de las series cronolgicas en general, no est limitado
a la esfera estrictamente econmica. Su metodologa puede utilizarse en la
medicina

(electrocardiograma,

electroencefalograma,

etc.),

agricultura

(evolucin de las lluvias en las diferentes estaciones), psicologa (evolucin del

coeficiente intelectual de una persona) y en muchas otras disciplinas. El
propsito perseguido con el anlisis de series, consiste en predecir los valores
futuros de la variable estudiada.
Caractersticas de series de tiempo o series cronolgicas
Una serie temporal puede ser discreta o continua dependiendo de cmo sean
las observaciones.
Si se pueden predecir exactamente los valores, se dice que las series son

determinsticas.
Si el futuro slo se puede determinar de modo parcial por las observaciones
pasadas y no se pueden determinar exactamente, se considera que los futuros
valores tienen una distribucin de probabilidad que est condicionada a los
valores pasados. Las series son as estocsticas.

Importancia de las series cronolgicas

El anlisis de series cronolgicas comprende mtodos que ayudan a interpretar

este tipo de datos, extrayendo informacin representativa, tanto referente a los
orgenes o relaciones subyacentes como a la posibilidad de extrapolar y predecir
su comportamiento futuro. Si los datos se recogen en instantes temporales de
forma continua, se debe o bien digitalizar la serie, es decir, recoger slo los
valores en instantes de tiempo equiespaciados, o bien acumular los valores sobre
intervalos de tiempo.

Componentes de una serie de tiempo

El estudio descriptivo de series temporales se basa en la idea de descomponer
la variacin de una serie en varias componentes bsicas. Este enfoque no siempre
resulta ser el ms adecuado, pero es interesante cuando en la serie se observa
cierta tendencia o cierta periodicidad. Hay que resaltar que esta descomposicin
no es en general nica. Este enfoque descriptivo consiste en encontrar
componentes

que

correspondan

una

tendencia

largo

plazo,

un

comportamiento estacional y una parte aleatoria.

o Tendencia a largo plazo o secular: La tendencia secular o tendencia a largo

plazo de una serie es por lo comn el resultado de factores a largo plazo.
En trminos intuitivos, la tendencia de una serie de tiempo caracteriza el
patrn gradual y consistente de las variaciones de la propia serie, que se
consideran consecuencias de fuerzas persistentes que afectan el crecimiento o
la reduccin de la misma, tales como: cambios en la poblacin, en las
caractersticas demogrficas de la misma, cambios en los ingresos, en la
salud, en el nivel de educacin y tecnologa. Las tendencias a largo plazo se
ajustan a diversos esquemas. Algunas se mueven continuamente haca arriba,
otras declinan, y otras ms permanecen igual en un cierto perodo o intervalo
de tiempo.

o Variacin o efecto cclico: Con frecuencia las series de tiempo presentan

secuencias alternas de puntos abajo y arriba de la lnea de tendencia que
duran ms de un ao, esta variacin se mantiene despus de que se han
eliminado las variaciones o tendencias estacional e irregular. Un ejemplo de
este tipo de variacin son los ciclos comerciales cuyos perodos recurrentes
dependen de la prosperidad, recesin, depresin y recuperacin, las cuales no
dependen de factores como el clima o las costumbres sociales.
o Variacin 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 variacin corresponde a los movimientos de la
serie que recurren ao tras ao en los mismos meses (o en los mismos
trimestres) del ao poco ms o menos con la misma intensidad. Por ejemplo:
Un fabricante de piscinas inflables espera poca actividad de ventas durante los
meses de otoo e invierno y tiene ventas mximas 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 piscinas.

o Variacin aleatoria o 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 variacin irregular: a) Las variaciones que son provocadas
por acontecimientos especiales, fcilmente identificables, como las elecciones,
inundaciones, huelgas, terremotos. b) Variaciones aleatorias o por casualidad,

cuyas causas no se pueden sealar en forma exacta, pero que tienden a

equilibrarse a la larga.
Mtodos de los promedios mviles

Por medio de promedios mviles de orden adecuado, se pueden eliminar

patrones cclicos, estacinales e irregulares as slo el movimiento de tendencia.
Una desventaja de este mtodo es que los datos al inicio y final de las series se
pierden. Otra desventaja es que los promedios mviles pueden generar ciclos u
otros movimientos que no estaban en los datos originales. Una tercera desventaja
es que los promedios mviles se ven muy afectados por valores extremos. Para
superar esto de alguna manera, algunas veces se utiliza un promedio mvil
ponderado con pesos adecuados; en tal caso, se da el dato o a los datos centrales
el mayor peso y a los valores extremos se les proporcionan pesos pequeos.

Un promedio mvil se construye sustituyendo cada valor de una serie por la

media del mismo y algunos de los valores inmediatamente anteriores y
posteriores. Por ejemplo, en un promedio mvil de tres aos, calculado en relacin
con datos anuales, cada cifra anual es reemplazada por la media de ella misma y
las cifras anuales de los dos aos adyacentes; en un promedio mvil de cinco
aos cada cifra anual se sustituye por la media de dicha cifra y las de los dos aos
anteriores y las de los dos aos siguientes.

De la ponderacin se realiza en un nmero par de periodos, por ejemplo, 4

aos o 12 meses, el promedio mvil quedar inicialmente entre aos o meses
sucesivos. En estos casos, se suelen reordenar (o centrar) los valores tomando
el promedio mvil de los dos aos (o dos meses) adyacentes.

o Mtodos de los Semi - Promedios: Este consiste en separar los datos en dos
partes (de preferencia iguales) y calcular el promedio de los datos en cada

parte, con lo que se obtienen dos puntos en la grfica de series de tiempo.

Despus se traza una recta de tendencia entre estos dos puntos. Los valores
de tendencia a partir de la recta de tendencia, pero tambin pueden
determinarse de manera directa, sin grfica. A pesar de que este mtodo es
sencillo de aplicar, suele conducir resultados pobres cuando se utiliza en forma
indiscriminada. Adems, slo es aplicable cuando la tendencia es lineal o
aproximadamente lineal, aunque llega a extenderse a casos en donde los
datos pueden separarse en varias partes, encada una de las cuales la
tendencia sea lineal.
o

Mtodo de los mnimos cuadrados: Este mtodo, pude usarse para calcular
la ecuacin de una recta o curva de tendencia apropiada. Con esta ecuacin
se suelen calcular los valores de tendencia T.
Este mtodo intenta minimizar la suma de cuadrados de las diferencias en las
ordenadas (llamadas residuos) entre los puntos generados por la funcin
elegida y los correspondientes valores en los datos. Especficamente, se llama
mnimos cuadrados promedio cuando el nmero de datos medidos es 1 y se
usa el mtodo de descenso por gradiente para minimizar el residuo cuadrado.
En el mtodo de Mnimos Cuadrados deseamos minimizar la discrepancia
entre los datos observados x[n] y la seal original s[n].Esta seal se genera a
travs de un modelo que depende un conjunto de parmetros de inters
agrupados en el vector .

Introduccin

El anlisis de series de tiempo desempea un papel importante en el

anlisis requerido para el pronstico de eventos futuros. Existen varias formas o
mtodos de calcular cual va a ser la tendencia del comportamiento del proceso en
estudio. Toda institucin, ya sea la familia, la empresa o el gobierno, debe de

hacer planes para el futuro si ha de sobrevivir y progresar. Hoy en da diversas

instituciones requieren conocer el comportamiento futuro de ciertos fenmenos
con el fin de planificar, prever o prevenir.
La planificacin racional exige prever los sucesos del futuro que
probablemente vayan a ocurrir. La previsin, a su vez, se suele basar en lo que
ha ocurrido en el pasado. Se tiene pues un nuevo tipo de inferencia estadstica
que se hace acerca del futuro de alguna variable o compuesto de variables
basndose en sucesos pasados.

La tcnica ms importante para hacer

inferencias sobre el futuro con base en lo ocurrido en el pasado, es el anlisis de

series de tiempo la cual se define como; una secuencia de observaciones,
medidos en determinados momentos del tiempo, ordenados cronolgicamente y,
espaciados entre s de manera uniforme, as los datos usualmente son
dependientes entre s. Se le llama as a un conjunto de valores observados
durante una serie de perodos temporales secuencialmente ordenada, tales
perodos pueden ser semanales, mensuales, trimestrales o anuales.
Son innumerables las aplicaciones que se pueden citar, en distintas reas
del conocimiento, tales como, en economa, fsica, geofsica, qumica, electricidad,
en demografa, en marketing, en telecomunicaciones, en transporte, etc.

Conclusin

El objetivo del anlisis de una serie de tiempo es el conocimiento de su patrn

de comportamiento, para as poder prever su evolucin en el futuro cercano,
suponiendo por supuesto que las condiciones no variarn significativamente. Los

pronsticos que se puedan realizar en base al anlisis de este tipo de datos sirven
para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo,
elaboracin de nuevos productos por parte de las empresas, prevencin de
desastres por cambios en el clima, o captar turistas para la ciudad, etc. Las series
cronolgicas o temporales sirven para predecir acontecimientos futuros en base a
ciertos

comportamientos

de

determinadas

variables.

Si

tenemos

ms

observaciones que se puedan promediar, que es el orden de la media mvil, se

obtienen tendencias ms suaves. Con el procedimiento de medias mviles
siempre es posible elegir el nmero de observaciones que se deben tomar para el
promedio, esto no siempre es fcil, esto da el perodo de oscilacin. Si se
determina la funcin matemtica de la tendencia lineal, esta nos permitir conocer
los valores perdidos tanto al inicio como al final del proceso de bsqueda de la
lnea de tendencia.

Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Educacin
I.U.P Santiago Mario
Maturn - Monagas

Profesora:

Serie
Julio, 2015

Bachiller:
Caolo Gerardo C.l.:
xxxxxxxx