Analisis De Serie De Tiempo

Los métodos de análisis de series de tiempo consideran el hecho que los datos tomados en diversos periodos de tiempo pueden tener algunas características de autocorrelación, tendencia o estacionalidad que se debe tomar en cuenta.

la aplicación de estos métodos tiene dos propósitos: comprender las fuerzas de influencia en los datos y descubrir la estructura que produjo los datos observados. Ajustar el modelo y proceder a realizar pronósticos, monitoreo, retroalimentación y control en avance.

Un supuesto en muchas técnicas de series de tiempo es que los datos son estacionarios, donde su media, variancia y autocorrelación no cambia en el tiempo, tampoco se presentan patrones de estacionalidad, sin embargo en la práctica si se presentan estos patrones de tendencia y es necesario contar con modelos que las consideren.

La Tendencia (T) es un componente de la serie temporal que refleja su evolución a largo plazo. Puede ser de naturaleza estacionaria o constante (se representa con una recta paralela al eje de abscisas), de naturaleza lineal, de naturaleza parabólica, de naturaleza exponencial, etc. Por ejemplo, supongamos que tenemos el número de kg de carne de vaca consumidos por trimestre durante los últimos años en unos grandes almacenes.

La tendencia Lineal Es una relación funcional entre dos o más variables correlacionadas. Se utiliza para pronosticar una variable con base en la otra. La tendencia lineal es útil para el pronóstico a largo plazo de eventos importantes, así como la planeación agregada, mientas que en el caso de tendencias no lineales, los dos tipos de curvas de tendencia de uso más frecuente son la curva de tendencia exponencial y la curva de tendencia parabólica. Una curva de tendencia exponencial común refleja una tasa constante de crecimiento durante un periodo de años.

...