sábado, 15 de marzo de 2014

3.4.-MÉTODOS DE SERIES DE TIEMPO



3.4.-MÉTODOS DE SERIES DE TIEMPO
En desarrollo tecnológico de la tecnología de la informática ha permitido que hoy día existan varios tipos de software que nos permiten abordar con una mayor precisión los llamados métodos de series de tiempo, existen programas de cómputo diseñados específicamente para tratar en forma directa diferentes métodos de pronóstico. Hay dos tipos de paquetes de cómputo de interés para los pronosticadores: 1)paquetes estadísticos que incluyen análisis de regresión y otras técnicas que se utilizan con frecuencia en los pronósticos; y 2) paquetes de pronóstico diseñados específicamente para aplicaciones de este tipo.
 
Se han desarrollado cientos de paquetes estadísticos y de pronóstico tanto para macro como para microcomputadoras Los administradores están aprovechando la ventaja de la facilidad y disponibilidad de métodos complejos de pronóstico que proporcionan, algunos de los paquetes de cómputo estadísticos y de pronóstico más utilizados son:
1. Minitab: presenta menús y cuadros de diálogo, manteniendo el lenguaje de comandos para agregar velocidad y flexibilidad.
2. Statistical Package for the Social Sciences (SPSS): paquete estadístico para las ciencias sociales.
3. Statistical Análisis System (SAS): sistema de análisis estadístico.
En el análisis de series de tiempo de datos, una tentación inmediata consiste en intentar explicar o contabilizar el comportamiento de las series. La descomposición clásica es un método que se basa en la suposición de que se pueden descomponer en componentes como tendencia, ciclo, estacionalidad e irregularidad. Una predicción se hace mediante la combinación de las proyecciones de cada componente individual.
Muchas variables macroeconómicas, como el Producto Nacional Bruto (PNB), el empleo y la producción industrial están dominadas por una fuerte tendencia. La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio.

Los aspectos fundamentales que ayudan a explicar la tendencia de una serie son el crecimiento de la población, la inflación de precios, el cambio tecnológico y los incrementos en la productividad.
El componente cíclico es la fluctuación en forma de onda alrededor de la tendencia, afectada por lo regular por las condiciones económicas generales. Los patrones cíclicos tienden a repetirse en los datos aproximadamente cada dos tres o más años. Es común que las fluctuaciones cíclicas estén influidas por cambios de expansión y contracción económicas, a los que comúnmente se hace referencia como el ciclo de los negocios. 
El componente estacional se refiere a un patrón de cambio que se repite a si mismo año tras año. En el caso de las series mensuales, el componente estacional mide la variabilidad de las series de enero, febrero, etc. En las series trimestrales hay cuatro elementos estaciónales, uno para cada trimestre. La variación estacional puede reflejar condiciones de clima, días festivos o la longitud de los meses del calendario.
El componente aleatorio mide la variabilidad de las series de tiempo después de que se retiran los otros componentes. Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no ocurrentes.
La mayoría de los componentes irregulares se conforman de variabilidad aleatoria. Sin embargo, ciertos sucesos a veces impredecibles como huelgas, cambios de clima (sequías, inundaciones o terremotos), elecciones, conflictos armados o la aprobación de asuntos legislativos, pueden causar irregularidad en una variable.

Una serie estacionaria es aquella cuyo valor promedio no varia a través del tiempo. Estas situaciones se presentan cuando los patrones de demanda que influyen sobre la serie son relativamente estables. El pronóstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor promedio, el cual se convierte después en el pronóstico de valores futuros. Las técnicas más sofisticadas comprenden la actualización de la estibación, al haber nueva información.

No hay comentarios.:

Publicar un comentario