1 / 33

SERIES TEMPORALES

SERIES TEMPORALES. COMPONENTES. TENDENCIA CICLO ESTACIONALIDAD MOVIMIENTO IREGULAR. COMPONENTES. TENDENCIA. Patrón de evolución sostenido a medio y largo plazo de la serie. Descomposición de series : Métodos de Estimación. Series con tendencia y sin estacionalidad

yannis
Download Presentation

SERIES TEMPORALES

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. SERIES TEMPORALES

  2. COMPONENTES • TENDENCIA • CICLO • ESTACIONALIDAD • MOVIMIENTO IREGULAR

  3. COMPONENTES • TENDENCIA Patrón de evolución sostenido a medio y largo plazo de la serie

  4. Descomposición de series: Métodos de Estimación • Series con tendencia y sin estacionalidad • Doble Alisado exponencial del Brown con un parámetro • Alisado exponencial de Holt Winter con doble parámetro

  5. Series Temporales Métodos de Estimación • Series con tendencia y sin estacionalidad

  6. SERIES TEMPORALES Cálculo de la Tendencia: Un modelo con tendencia lineal se define de la siguiente manera.

  7. SERIES TEMPORALES Cálculo de la Tendencia:

  8. SERIES TEMPORALES Cálculo de la Tendencia:

  9. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : Los distintos modelos que se aplicarán siguen un esquema como el siguiente: Realizan una estimación recursiva de la tendencia. Lo que supone es ir desplazando la ordenada en el origen en las t observaciones de la muestra

  10. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia Lineal: • Alisado Exponencial Doble  Lleva este nombre porque somete la variable a un doble alisado. En el primer alisado se alisa directamente la variable objeto de estudio mientras que en la segunda operación se procede a alisar la variable previamente obtenida. (1) Primer alisado (2) Segundo alisado

  11. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia líneal: • Alisado Exponencial Doble  Donde

  12. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia: • Alisado Exponencial Doble 

  13. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Doble 

  14. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia Métodos Ingenuos: • Alisado Exponencial Doble 

  15. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt  Es un método de alisado exponencial que utiliza dos parámetros de alisado, aplicable a series que presentan una tendencia lineal. Dicho método calcula dos variables de alisado para cada momento del tiempo: = estimación del nivel de la serie en t = estimación de la pendiente de la serie en t

  16. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt-Winters  Donde Ecuación del Nivel Ecuación de la pendiente

  17. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt-Winters  Por tanto la ecuación final sería:

  18. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt  Valores Iniciales

  19. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt-Winters 

  20. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt 

  21. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : • Alisado exponencial de Holt Winter con doble parámetro: • Determinar el esquema de descomposición • Desestacionalizar la serie Yt • Aplicar métodos de tendencia a la serie sin estacionilidad • Predecir la tendencia • Incorporar la estacionalidad

  22. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : INDICE DE PRECIOS HOTELEROS CC.AA: Aragón

  23. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad :

  24. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : • Alisado exponencial de Holt Winter con doble parámetro: • Determinar el esquema de descomposición • ADITIVO: • MULTIPLICATIVO:

  25. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : • Alisado exponencial de Holt Winter con doble parámetro: • Determinar el esquema de descomposición

  26. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 1.-Cálculos de la MMC12

  27. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 2.-Diferencia de Yt respecto de MMC12 3.-Cálculo de los índice brutos 4.- Valor de los índices normalizados

  28. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Cálculos de la serie desestacionalizada

  29. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Calculo de la serie desestacionalizada: Yt-Índice normalizado respectivo

  30. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : INDICE DE PRECIOS HOTELEROS CC.AA: Aragón

  31. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Cálculos de los índices normalizados

  32. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia y estacionalidad : 2.- Desestacionalizar la serie 5.- Calculo de la serie desestacionalizada: Yt-Índice normalizado respectivo

  33. PREVISIÓN DE SERIES TEMPORALES • Series con tendencia : • Alisado Exponencial Holt  Serie sin estacionalidad Serie con estacionalidad

More Related