Economia

Solo disponible en BuenasTareas
  • Páginas : 9 (2181 palabras )
  • Descarga(s) : 0
  • Publicado : 9 de diciembre de 2010
Leer documento completo
Vista previa del texto
Series temporales

VARIACIÓN ESPACIO TEMPORAL DE LOS DATOS

1

Definición (series temporales de tipo

discreto y univariantes)
Es una sucesión de observaciones cuantitativas de un fenómeno ordenadas en el tiempo.
Objetivo Describir y predecir el comportamiento de un fenómeno que cambia en el tiempo. • Producción de un artículo • Tasas de desempleo • Índice de precios Dos variables (T,X): •La variable tiempo corresponde a los momentos de observación de forma periódica (meses, trimestres, años,…) •Para estudiar la serie los datos deben ser comparables (homogéneos)
2

Ejemplo
Serie del Paro Registrado
Paro Reg Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20092995774 2782276 2577189 2251728 2090035 2017389 2075022 2185156 2232560 2176599 2171503 2082508 2261925 3327801 2994922 2787662 2553346 2233082 2079752 1993274 2149908 2180216 2219300 2165420 2169277 2075275 2315331 3481859 2969472 2751554 2524004 2202337 2042332 1981006 2083103 2163498 2181546 2144835 2148530 2059451 2300975 3605402 2891580 2699192 2442803 2144375 1983994 1910453 2060070 21044752162405 2095945 2075676 2023124 2338517 3644880 2813180 2638519 2369889 2076942 1929028 1898285 2002924 2035601 2090702 2007393 2004528 1973231 2353575 3620139 2783076 2614285 2332016 2045950 1903053 1842556 1962963 2020367 2054113 1974860 1959754 1965869 2390424 3564889 2712456 2519688 2250015 1980957 1892683 1835738 1961852 1995964 2014218 1989417 1954984 1970338 2426916 3544095 2677610 24915772235296 1980966 1888386 1878513 1983982 2016675 2049639 2019110 1983677 2028296 2530001 3629080 2735843 2550636 2256328 2002552 1908120 1889185 2006786 2039630 2050514 2013286 1966166 2017363 2625368 3709447 2775951 2577052 2267925 2019968 1934130 1940909 2064512 2096606 2075811 2052861 1992836 2048577 2818026 3808353 2796229 2600732 2270240 2055809 1962794 1985857 2117144 2143206 2121089 20955802023164 2094473 2989269 2747049 2566904 2233259 2027982 1947242 1988715 2127018 2181248 2112715 2102937 2022873 2129547 3128963

3

Grafica
Permiten detectar las características más sobresalientes de una serie, tales como el movimiento a largo plazo, la amplitud de las oscilaciones, la posible existencia de ciclos, los puntos de ruptura, la presencia de valores atípicos o anómalos, etc. .4000000 3500000 3000000 2500000 2000000 1500000 1000000 500000 0 1996M01 1996M09 1997M05 1998M01 1998M09 1999M05 2000M01 2000M09 2001M05 2002M01 2002M09 2003M05 2004M01 2004M09 2005M05 2006M01 2006M09 2007M05 2008M01 2008M09 2009M05 Paro registrado

4

Modelo Clásico (Componentes)
La serie Yt es resultado de hasta cuatro clases de movimientos o variaciones que reciben el nombre de “componentes noobservadas” de la serie Tendencia, cíclica, estacionalidad y un término de error aleatorio. Tendencia: Tt. Movimiento a largo plazo que señala la evolución general del conjunto. En la mayoría de las series económicas muestra el crecimiento a largo plazo de la economía. Ciclo o variación cíclica: Ct Es la componente que capta, si existen, oscilaciones periódicas, a medio plazo, sobre la tendencia.A veces, debido a la amplitud del ciclo o la poca duración de la serie, es difícil distinguirlo de la tendencia. Componente estacional o variación estacional, St : Recoge las variaciones que habitualmente se dan dentro de un año por cambios climáticos, vacaciones u otras costumbres sociales, etc... Componente errática o término de error rt: Recoge Todo aquello no explicado por las anteriorescomponentes sistemáticas. Se puede representar por una variable aleatoria de media nula y varianza constante

5

Modelos
Cualquier método de descomposición de una serie temporal tratará de aislar a sus componentes. La forma en que actúan conjuntamente da lugar a distintos modelos de descomposición Un modelo aditivo es adecuado cuando no se producen interacciones, por ejemplo, cuando St no...
tracking img