Trabajo Final Cauntitativo

Universidad de las Américas Puebla UDLAP
Trabajo Final: Series de tempo (Estadística)
Razonamiento Cuantitativo.
Profesora Carolina Estrada.
Jorge Blaborne Velasco Ortega ID 156562
Fecha 30 de Noviembre de 2016

Introducción
La estadística es una rama de matemáticas que reúne, clasifica y recuenta todos

los hechos que tienen una determinada característica en común, para poder llegar
a conclusiones a partir de los datos numéricos extraídos.
La estadística se divide en dos grandes áreas:
Estadística descriptiva: Se dedica a la descripción, visualización y resumen de

datos originados a partir de los fenómenos de estudio. Los datos pueden ser
resumidos numérica o gráficamente. Los numéricos son: la media y la estándar.
Mientras que los gráficos son: histograma, pirámide poblacional, gráfico circular,
entre otros.
Su objetivo es organizar y describir las características sobre un conjunto de datos

con el propósito de facilitar su aplicación.
Estadística inferencial: Se dedica a la generación de los modelos, inferencias y

predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la población bajo estudio.
En este trabajo se aborda sobre lo que son las series de tiempo y su aplicación
dentro de la estadística, ya que en si estas son parte pura de la estadística, son
los datos de una recopilación de datos de diversos temas.
La relación de las series de tiempo con respecto a mi carrera que es actuaria es

de suma importancia ya que de dichas series se desprende el estudio y la
interpretación de que son y de cómo se comportan los datos que están dentro de
las series de tiempo y después de la interpretación y análisis de ellos se empieza
pronosticar los futuros datos que se puedan desarrollar , es decir la predicción de
nuevos datos que se pueden obtener ,esto con diversos métodos , pero todos
ellos parten de las series de tiempo y de sus características.
Dentro de las series de tiempo se pueden observar las dos ramas de la estadística
ya sea descriptiva, cuando los datos de la serie de tiempo se comportan en forma
de tablas o se saca la moda, etc., ó cuando ya se hacen un verdadero análisis
estadístico y se busca llegar mas allá de los datos ya establecidos ahí es cuando
se utiliza la estadística inferencial.
Series de Tiempo
Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan
o registran en intervalos de tiempo regulares (diario, semanal, semestral, anual,
entre otros). El término serie de tiempo se aplica por ejemplo a datos registrados
en forma periódica que muestran, por ejemplo, las ventas anuales totales de
almacenes, el valor trimestral total de contratos de construcción otorgados, el valor
trimestral del PIB.
Una serie tiempo es una secuencia de observaciones, medidos en determinados

momentos del tiempo, ordenados cronológicamente y, espaciados entre sí de
manera uniforme, así los datos usualmente son dependientes entre sí. El principal
objetivo de una serie de tiempo, donde es su análisis para hacer pronóstico.
Las series de datos se dividen en dos, en las que son estacionales y no

estacionales.
Por ejemplo las no estacionales pueden ser de cualquier tipo de datos y no es

necesario que se comporten de alguna manera determinada, es decir no siguen
un patrón de cada 4 meses o cada año como lo hacen las series de tiempo
estacionales, estas pueden ser de acciones, o de las ganancias de una empresa,
o de cómo van produciendo algún producto etc.
Mientras que las estacionales presentan cierta periodicidad o dicho de otro modo,
variación de cierto período (semestral, mensual, etc.). Por ejemplo las Ventas al
Detalle en Puerto Rico aumentan por los meses de noviembre y diciembre por las
festividades navideñas. Estos efectos son fáciles de entender y se pueden medir
explícitamente.
La Clasificación descriptiva de las series de tiempo se divide en dos:
a.- Estacionarias.- Una serie es estacionaria cuando es estable a lo largo del

tiempo, es decir, cuando la media y varianza son constantes en el tiempo. Esto se
refleja gráficamente en que los valores de la serie tienden a oscilar alrededor de
una media constante y la variabilidad con respecto a esa media también
permanece constante en el tiempo.
b.- No estacionarias.- Son series en las cuales la tendencia y/o variabilidad

cambian en el tiempo. Los cambios en la media determinan una tendencia a
crecer o decrecer a largo plazo, por lo que la serie no oscila alrededor de un valor
constante.
Todas estas peculiaridades ya mencionadas de los tipos de series de tiempo y del

cómo se clasifica cada una de ellas, nos sirven para identificar de que tipo son y el
porqué son de esa manera.
Como conclusión tenemos que pueden existir 4 tipos de series de tiempo:
No Estacional y estacionaria como podrán ser las ventas de refresco en una

empresa a lo largo de unos años que no ha crecido mucho.
No estacional y de tendencia, como podría ser las ventas de una empresa de

refrescos pero que si ha crecido o que ha tenido muchas bajas.
Estacional y estacionaria. Como puede ser la serie de tiempo que explica la

llegada turistas a un destino vacacional ya conocido y que so baja ni disminuye
tanto sus visitantes.
Estacional y de tendencia. Como puede ser la serie de tiempo que explica la

llegada turistas a un destino vacacional nuevo y recientemente conocido y que de
esa manera se puede observar un cambio positivo radical de cómo llegan más
visitantes a ese lugar vacacional nuevo.
Al ya identificar de que tipo son ya sea cualquiera de las mencionadas

anteriormente podemos determinar qué tipo de modelo matemático podemos
utilizar para su modelación y aplicación para de esta manera poder pronosticar los
datos futuros que se puedan tener en los siguiente periodos de la serie de tiempo.
Los modelos matemáticos que se utilizan común mente son 8:
1.-Promedios Móviles
2.-Promedios Móviles Ponderados. Yˆt 1  w1Yt  w2Yt 1  ...  wk Yt  k 1
3.-Suavizacion Exponencial Yˆt 1  Yˆt   (Yt  Yˆt )
4.-Holt
Yˆt  n  Et  nTt
5.-Modelo Estacional Aditivo

Yˆt  n  Et  St  n p
6.-Modelo Estacional Multiplicativo

Yˆt n  Et * St n p
7.-Holt-Winter con Efectos Aditivos

Yˆt n  Et  nTt  St n p
8.- Holt-Winter con Efectos Multiplicativos

Yˆt n  ( Et  nTt ) * St n p
Como Actuario debo de saber analizar las series de tiempo y determinar qué
modelo utilizar ya que cada una de las series tiene un modelo para sacar los
pronósticos de manera óptima como se muestra a continuación.
No-Estacional Estacional
Promedios Móviles M.Estac. Con Efectos Aditivos
Estacionarios Prom. Móviles Ponderados M.Estac. Con Efectos Multiplic
Suavización Exponencial
Tendencia Promedios Móviles Dobles Holt-Winter con Efectos Aditivos

Holt Holt-Winter con Efectos Multiplic
Conclusiones.
Una Serie de tiempo es un conjunto de datos recopilados a partir de incrementos
ó decrementos sucesivos de tiempo. Existen 4 tipos: No Estacional estacionaria,
No estacional de tendencia, Estacional estacionaria y Estacional de tendencia.
No Estacional cuando no existe un patrón fijo en la serie de tiempo.
Es Estacional cuando existe estacionalidad en la Serie de Tiempo es decir , se

debe a que cierto patrón relacionado con el calendario se repite así mismo durante
un intervalo particular de tiempo puede ser un semestre o un trimestre ó
normalmente un año.
Es de Tendencia cuando la serie de tiempo representa el crecimiento o

disminución de la serie sobre un período amplio.
Es Estacionaria cuando no sale de un rango establecido que se repite en la serie

de tiempo.
Por último dentro de las series de tiempo se pueden hacer predicciones o

pronostico para calcular los posibles datos que estarán sucediendo en un tiempo
determinado, para ello se necesita aplicar algún modelo matemático antes
mencionado.
Bibliografía
https://es.wikipedia.org/wiki/Estad%C3%ADstica

Trabajo Final Cauntitativo

Cargado por

Copyright:

Formatos disponibles

Trabajo Final Cauntitativo

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Final Cauntitativo

Cargado por

Copyright:

Formatos disponibles

Universidad de las Américas Puebla UDLAP

Trabajo Final: Series de tempo (Estadística)

Profesora Carolina Estrada.

Jorge Blaborne Velasco Ortega ID 156562

Fecha 30 de Noviembre de 2016

La estadística es una rama de matemáticas que reúne, clasifica y recuenta todos

La estadística se divide en dos grandes áreas:

Estadística descriptiva: Se dedica a la descripción, visualización y resumen de

Su objetivo es organizar y describir las características sobre un conjunto de datos

Estadística inferencial: Se dedica a la generación de los modelos, inferencias y

La relación de las series de tiempo con respecto a mi carrera que es actuaria es

Una serie tiempo es una secuencia de observaciones, medidos en determinados

Las series de datos se dividen en dos, en las que son estacionales y no

Por ejemplo las no estacionales pueden ser de cualquier tipo de datos y no es

a.- Estacionarias.- Una serie es estacionaria cuando es estable a lo largo del

b.- No estacionarias.- Son series en las cuales la tendencia y/o variabilidad

Todas estas peculiaridades ya mencionadas de los tipos de series de tiempo y del

Como conclusión tenemos que pueden existir 4 tipos de series de tiempo:

No Estacional y estacionaria como podrán ser las ventas de refresco en una

No estacional y de tendencia, como podría ser las ventas de una empresa de

Estacional y estacionaria. Como puede ser la serie de tiempo que explica la

Estacional y de tendencia. Como puede ser la serie de tiempo que explica la

Al ya identificar de que tipo son ya sea cualquiera de las mencionadas

Los modelos matemáticos que se utilizan común mente son 8:

2.-Promedios Móviles Ponderados. Yˆt 1  w1Yt  w2Yt 1  ...  wk Yt  k 1

3.-Suavizacion Exponencial Yˆt 1  Yˆt   (Yt  Yˆt )

5.-Modelo Estacional Aditivo

6.-Modelo Estacional Multiplicativo

7.-Holt-Winter con Efectos Aditivos

8.- Holt-Winter con Efectos Multiplicativos

Tendencia Promedios Móviles Dobles Holt-Winter con Efectos Aditivos

No Estacional cuando no existe un patrón fijo en la serie de tiempo.

Es Estacional cuando existe estacionalidad en la Serie de Tiempo es decir , se

Es de Tendencia cuando la serie de tiempo representa el crecimiento o

Es Estacionaria cuando no sale de un rango establecido que se repite en la serie

Por último dentro de las series de tiempo se pueden hacer predicciones o

También podría gustarte