Series de Tiempo
Medidas de precisión
Promedio movil
se construye sustituyendo cada valor de una serie por la media
obtenida con esa observación y algunos de los valores inmediatamente anteriores y
posteriores.
Promedios móviles ponderados
Suavizamiento Exponencial
¿Que es?
Son datos estadísticos que se recopilan, observan o registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre otros).
Componentes
Relación multiplicativa entre 4 componentes que contribuyen a cambios en su aspecto erratico.
Tendencia Secular
resultado de factores a largo plazo. En términos intuitivos, la
tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la misma.
Variación Estacional
representa la
variabilidad en los datos debida a influencias de las estaciones, se llama componente estacional.
Variación ciclica
presentan secuencias alternas
de puntos abajo y arriba de la línea de tendencia que duran más de un año, esta
variación se mantiene después de que se han eliminado las variaciones o tendencias
estacional e irregular.
Variación Irregular
factores a corto plazo, imprevisibles y no
recurrentes que afectan a la serie de tiempo.
Tendencia de Una Serie
Tendencia Lineal
La tendencia a largo plazo de muchas series de negocios (industriales y
comerciales), como ventas, exportaciones y producción, con frecuencia se aproxima a una línea recta. Esta línea de tendencia muestra que algo aumenta o disminuye a un ritmo constante.
Tendencia No Lineal
comportamiento curvilíneo se dice que este
comportamiento es no lineal. Dentro de las tendencias no lineales que pueden presentarse en una serie se encuentran, la polinomial, logarítmica, exponencial y potencial, entre otras.
Regresión Lineal Simple
La covarianza positiva, que se dará siempre y cuando los resultados indiquen una correlación directa. Esta covarianza será considerada como fuerte en la medida que se vaya acercando al 1.
La covarianza negativa, hablaremos de ella cuando el resultado arroje una correlación inversa. Por su parte, esta covarianza será considerada más fuerte en la medida que se vaya acercando al -1.
Cuando la covarianza es nula, se da en todos aquellos casos cuyo resultado de cálculo no permite la correlación.
