Vergara.Axel_ACT2_U2

AXEL VERGARA ANA QUIROGA

serie de tiempos

El modelo clásico de series de tiempo es un enfoque que descompone una serie temporal en cuatro componentes fundamentales: tendencia, estacionalidad, variaciones cíclicas y ruido aleatorio. Se utiliza para analizar el comportamiento de los datos a lo largo del tiempo y hacer predicciones futuras

2.1 Modelo clásico de series de tiempo.

El modelo clásico de series de tiempo descompone una serie en cuatro componentes principales: Tendencia (T): Refleja el comportamiento general a largo plazo. Estacionalidad (S): Son fluctuaciones periódicas en intervalos regulares (mensuales, trimestrales, anuales). Ciclo (C): Son fluctuaciones de largo plazo causadas por factores económicos o estructurales. Error o componente aleatorio (E): Son variaciones irregulares que no siguen un patrón específico

2.2 Análisis de fluctuaciones

El análisis de fluctuaciones estudia las variaciones en los valores de una serie de tiempo para identificar patrones o irregularidades. Estas fluctuaciones pueden ser sistemáticas (tendencia, estacionales y cíclicas) o aleatorias (factores impredecibles)

El análisis de fluctuaciones estudia las variaciones en los datos a lo largo del tiempo. Se enfoca en identificar patrones, cambios abruptos y la magnitud de las fluctuaciones. Se pueden clasificar en: Fluctuaciones sistemáticas (tendencia, estacionales y cíclicas). Fluctuaciones aleatorias (cambios impredecibles por factores externos)

El análisis de tendencia identifica la dirección general que siguen los datos en el tiempo, ya sea ascendente, descendente o estable. Se basa en métodos gráficos y estadísticos para prever la evolución futura de una serie temporal.

2.3 Análisis de tendencia

La tendencia representa la dirección general de los datos en el tiempo. Se identifican patrones crecientes, decrecientes o estables. Métodos para analizar la tendencia: Métodos gráficos: Diagramas de dispersión y suavización de datos. Métodos matemáticos: Ajuste de regresión lineal, promedios móviles y suavizamiento exponencial.

El análisis de variaciones cíclicas examina los movimientos repetitivos de largo plazo en una serie de tiempo, asociados a ciclos económicos o eventos recurrentes en la economía..

2.4 Análisis de variaciones cíclicas

Las variaciones cíclicas son movimientos de largo plazo en los datos que ocurren en ciclos económicos (expansión y recesión). Características: 1.-Duran más de un año. 2.-No tienen periodicidad fija. 3.- Se deben a factores macroeconómicos, como crisis financieras o crecimiento económico.

Los pronósticos basados en factores de tendencia y estacionales utilizan patrones históricos de tendencia y estacionalidad para proyectar valores futuros de una serie de tiempo, aplicando modelos matemáticos y estadísticos.

2.7 Pronósticos basados en factores de tendencia y estacionales

Este tipo de pronósticos considera la tendencia y la estacionalidad para prever valores futuros. Métodos utilizados: Suavizamiento exponencial: Da mayor peso a los datos recientes. Modelos de regresión: Ajustan funciones matemáticas a los datos históricos. Método de descomposición: Separa los componentes de la serie para hacer predicciones.

El análisis de series de tiempo es una herramienta fundamental para comprender la evolución de los datos a lo largo del tiempo y hacer predicciones basadas en patrones históricos. A través del modelo clásico de series de tiempo, podemos descomponer los datos en tendencia, estacionalidad, variaciones cíclicas y fluctuaciones aleatorias, lo que permite un estudio detallado de su comportamiento. El análisis de fluctuaciones ayuda a identificar cambios significativos en los datos, mientras que el análisis de tendencia permite reconocer direcciones generales a largo plazo.

conclusion

GRACIAS