15900165
Description
Mind Map by Gabriel Amador, updated more than 1 year ago
More
Series de
Tiempo
- Una serie temporal es un con junto de
mediciones ordenadas en el tiempo sobre una
cantidad de interés. En una serie temporal, la
secuencia de obsrvaciones es importante, a
diferencia de lo que ocurre en los datos de
corte transversal, en el que la secuencia de
observaciones no es importante
- Medición del Error
- Medición del Error
- Componente de tendencia
- En el análisis de las series de tiempo, las
mediciones pueden hacerse cada hora,
diario, a la semana, cada mes, anualmente
o en cualquier otro intervalo regular de
tiempo.
- Métodos
- Promedios Móviles
Lineales
- Brown
- Holt
- Suavización
Exponencial
Cuadrática (SEC)
- Promedios Móviles
Lineales
- En el análisis de las series de tiempo, las
mediciones pueden hacerse cada hora,
diario, a la semana, cada mes, anualmente
o en cualquier otro intervalo regular de
tiempo.
- Componente estacionario
- Métodos
- Promedios
Móviles Simples
(PMS)
- Utiliza como pronóstico para el siguiente período,
el promedio de los “n” valores de los datos más
recientes de la serie de tiempo,
matemáticamente puede expresarse como:
- Promedio Móvil = ∑ (n valores de datos más recientes) /n
- Promedio Móvil = ∑ (n valores de datos más recientes) /n
- Utiliza como pronóstico para el siguiente período,
el promedio de los “n” valores de los datos más
recientes de la serie de tiempo,
matemáticamente puede expresarse como:
- Suavización
Exponencial Simple
(SES)
- Esta técnica se basa en la atenuación de los
valores de la serie de tiempo, obteniendo el
promedio de estos de manera exponencial; es
decir, los datos se ponderan dando un mayor
peso a las observaciones más recientes y uno
menor a las más antiguas.
- P t+1 =α(Y1)+(α−1)(Pt)
- P t+1 =α(Y1)+(α−1)(Pt)
- Esta técnica se basa en la atenuación de los
valores de la serie de tiempo, obteniendo el
promedio de estos de manera exponencial; es
decir, los datos se ponderan dando un mayor
peso a las observaciones más recientes y uno
menor a las más antiguas.
- Suavización Exponencial
Simple con Respuesta
Adaptativa (SESRA)
- Promedios
Móviles Simples
(PMS)
- Métodos
- Componente cíclico
- Aunque una serie de tiempo puede tener una tendencia
a través de lapsos largos, no todos los valores futuros
de la serie de tiempo caerán exactamente sobre la línea
de tendencia. Las series de tiempo suelen mostrar
secuencias de puntos que caen de manera alternante
arriba y abajo de la línea de tendencia. Toda sucesión
recurrente de puntos que caiga abajo y arriba de la línea
de tendencia y que dure más de un año puede
atribuirse al componente cíclico de la serie de tiempo.
- Aunque una serie de tiempo puede tener una tendencia
a través de lapsos largos, no todos los valores futuros
de la serie de tiempo caerán exactamente sobre la línea
de tendencia. Las series de tiempo suelen mostrar
secuencias de puntos que caen de manera alternante
arriba y abajo de la línea de tendencia. Toda sucesión
recurrente de puntos que caiga abajo y arriba de la línea
de tendencia y que dure más de un año puede
atribuirse al componente cíclico de la serie de tiempo.
- Componente estacional
- Mientras los componentes cíclico y de
tendencia de las series de tiempo se
identifican tras el análisis de las
variaciones multianuales en los datos
históricos, en muchas series de tiempo
se observa un patrón permanente en
lapsos de un año.
- Por ejemplo, un fabricante de albercas espera
tener pocas ventas durante los meses de otoño e
invierno y sus mayores ventas en los meses de
primavera y verano. Los fabricantes de equipo
para remover la nieve y los fabricantes de ropa de
invierno esperan exactamente lo contrario.
- Por ejemplo, un fabricante de albercas espera
tener pocas ventas durante los meses de otoño e
invierno y sus mayores ventas en los meses de
primavera y verano. Los fabricantes de equipo
para remover la nieve y los fabricantes de ropa de
invierno esperan exactamente lo contrario.
- Mientras los componentes cíclico y de
tendencia de las series de tiempo se
identifican tras el análisis de las
variaciones multianuales en los datos
históricos, en muchas series de tiempo
se observa un patrón permanente en
lapsos de un año.
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.