1. DEFINCION DE SERIES DE TIEMPO:Una serie de tiempo representa las variaciones o evolución de un fenómeno a través del tiempo. Una serie de tiempo o serie temporal es una colección de observaciones tomadas a lo largo del tiempo cuyo objetivo principal es describir, explicar, predecir y controlar algún proceso. Las observaciones están ordenadas respecto al tiempo y sucesivas observaciones son generalmente dependientes.

2. REPRESENTACION GRAFICA:La representación gráfica de una serie de tiempo es la representación de una trayectoria del proceso estocástico subyacente. En dicha representación, podemos observar las principales fuentes de variación.

3. MOVIMIENTOS CARACTERISTICOS DE LA SERIE DE TIEMPOMovimientos seculares o de larga duración: Se refieren a la dirección general a la que el gráfico de una serie de tiempo parece dirigirse en un intervalo grande de tiempo.

Movimientos cíclicos o variaciones cíclicasSe refieren a las oscilaciones de larga duración alrededor de la recta o curva de tendencia. Estos ciclos, pueden ser o no periódicos.

Movimientos estaciónales o variaciones estaciónalesSe refieren a las idénticas, o casi idénticas, normas que una serie de tiempo parece seguir durante los correspondientes meses de los sucesivos años.

Movimientos irregulares o al azar.

Se refieren a movimientos esporádicos de las series de tiempo debidos a sucesos ocasionales, tales como inundaciones, huelgas, etc.

Movimientos medios.

Suavización de series de tiempo.

Tienen la propiedad de tender a reducir la cantidad de variación presente en un conjunto de datos.

Se utiliza para eliminar las fluctuaciones no deseadas

4. CLASIFICACION DE MOVMIENTOS DE SERIES DE TIEMPO.I. Variaciones seculares o de larga duración: se refiere a la dirección general a la que

el grafico de una serie de tiempo parece dirigirse en un intervalo grande de tiempo, esta variación se indica por una curva de tendencia que aparece a trazos.

II. Variaciones Cíclicas: se refiere a las oscilaciones de larga duración alrededor de la recta o curva de tendencia; estos ciclos, como se llaman a veces, pueden ser o no periódicos, es decir, puede seguir o no exactamente caminos analógicos después de intervalos de tiempo iguales.

III. Variaciones Estacionales: se refiere a las idénticas o casi idénticas, normas que una serie de tiempo parece seguir durante los correspondientes meses de los sucesivos años. Las variaciones estacionales, se refiere en general a una periodicidad anual en negocios o teoría económica, las ideas envueltas pueden extenderse a incluir una periodicidad de cualquier intervalo de tiempo, tal como diaria, horaria, semanal, entre otras., dependiendo del tipo de datos que se utilicen.

IV. Variaciones Irregulares: son movimientos esporádicos de las series de tiempo debido a sucesos ocasionales, tales como inundaciones, huelgas, elecciones, etc. Aunque normalmente se supone que tales sucesos producen variaciones que solamente duran un corto intervalo de tiempo.

5. MOVIMIENTO DE MEDIOS ES:se define por la sucesión de valores correspondientes a las medias aritméticasSUAVIZACIÓN DE SERIES DE TIEMPO:Se utiliza cuando los datos no presentan ningún patrón de tendencia, tiene un mecanismo de auto corrección que ajusta los pronósticos.

6. EXPLIQUE ANÁLISIS DE SERIES DE TIEMPOEl análisis de series de tiempo desempeña un papel importante en el análisis requerido para el pronóstico de eventos futuros. Existen varias formas o métodos de calcular cual va a ser la tendencia del comportamiento del proceso en estudio.El análisis de ocurrencias a través de series de tiempo para estudios relativos a procesos de ventas, variaciones en comportamiento respecto a consumo, variación de índices de inflación o como es el caso presente, formas de acceso a Internet considerando diversas velocidades de comunicación o también capacidad del ancho de banda es decir banda ancha (mayores a 1Mbps) o menores a ella llamándole banda angosta, nos permitirá analizar de manera sencilla el pronóstico de resultados futuros y dependiendo de la técnica de análisis de tendencia nos aproximaremos con mayor o menor precisión a los valores que van a suceder.Cualquier análisis tiene que considerar además, que los factores que han venido ocurriendo en el período a evaluar seguirán influenciado del mismo modo en nuestro escenario futuro. Cualquier cambio fuerte o inesperado en alguno de los factores podrá traer el no cumplimiento de las tendencia calculadas.

7. CUAL ES LA ESTIMACION DE LA TENDENCIAEs necesario describir la tendencia ascendente o descendente a largo plazo de una serie cronológica por medio de alguna línea, y la más adecuada será la que mejor represente los datos y sea útil para desarrollar pronósticos. Para lograr la estimación de la tendencia se utilizan con más frecuencia los siguientes métodos:METODOS DE MINIMOS CUADRADOS ( OBTIENE VALORES DE LA TENDENCIA)METODOS DE LOS SEMIPROMEDIOS(Este método se aplica con el objeto de simplificar los cálculos y consiste en:a) Agrupar los datos en dos grupos igualesb) Obtener el valor central (mediana) de los tiempos y la media aritmética de los datos de cada grupo.Hay varios métodos para estimar la tendencia T(t), uno de ellos es utilizar un modelo de regresión lineal. Se pueden utilizar otros tipos de regresiones, como regresión cuadrática, logística, exponencial, entre otros.

8. CUAL ES LA ESTIMACION DE LAS VARIACIONES ESTACIONALESINDICE ESTACIONALPara determinar el factor estacional S en la ecuación (l), se debe estimar cómo varían los datos en las series de tiempo de un mes a otro, considerando un año típico.Un conjunto de números que muestra los valores relativos de una variabledurante los meses del año se llama índice estacional de la variable. Por ejemplo,

si se conoce que las ventas durante enero, febrero, marzo, etc., son de 50, 120,90, …. Por ciento del promedio de las venta mensuales para todo el año, entonceslos números 50, 120, 90, …. Proporcionan el índice estacional del año, estosnúmeros suelen llamarse números índice estacionales. El promedio (media) delíndice estacional para todo el año debe ser 100, es decir, la suma de los númerosíndice de los 12 meses tiene que ser 1200%DIVERSOS METODOS DISPONIBLES PARA CALCULAR EL INDICE ESTACIONAL

METODO DE PORCENTAJE PROMEDIO:En este método, los datos de cada se me expresan como porcentajes delpromedio del año. Entonces, se promedian los porcentajes de los mesescorrespondientes de diferentes años, usando una media o una mediana; si se usa la media, es mejor evitar cualquier valor extremo que pueda presentarse. Los 12porcentajes resultantes dan el índice estacional. Si su media no es 100% (es decir,si la suma no es 1200%), entonces deben ajustarse, lo que se logramultiplicándolos por un factor adecuado.

Método del porcentaje de la tendencia o de la razón de la tendencia.En este método, los datos de cada mes se expresan como porcentajes de valoresde la tendencia mensual. Un promedio adecuado de los porcentajes para losmeses correspondientes proporcionan, entonces, el índice requerido. Igual que enel método 1, estos se ajustan si no promedian 100%

Método del porcentaje del promedio móvil o la razón del promedio móvil.En este método se calcula un promedio móvil de 12 meses.

9. QUE ENTIENDE POR DESESTACIONALIZACIÓN DE DATOSO ajuste estacional, es la eliminación de la componente estacional de una serie temporal a través de un procedimiento. El resultado (datos desestacionalizados) se emplea, por ejemplo, en el análisis de tendencias no estacionales a lo largo de periodos más largos.

10. EXPLIQUE LA ESTIMACION DE VARIACIONES CÍCLICAS:Una vez que los datos han sido ajustados a las variaciones estaciónales, tambiénsuelen ajustarse a la tendencia dividiéndolos, sencillamente, entre los valores detendencia correspondientes. De acuerdo con la ecuación (l), el proceso de ajuste ala variación estacional y a la tendencia es equivalente a dividir Y entre ST, queresulta en Cl (las variaciones cíclicas e irregulares). Un promedio móvil adecuadode pocos meses de duración (como 3, 5 o 7 meses, de modo que enconsecuencia no se necesita centrado) sirve, entonces, para suavizar lasvariaciones irregulare l y para dejar únicamente las variaciones cíclicas C. Una vezque se han aislado estas variaciones cíclicas, es posible estudiarlas en detalle. Sise presenta una periodicidad o periodicidad aproximada de ciclos, se puedenconstruir índices cíclicos de la misma manera que los índices estaciónales.

11. QUE ENTIENDE PO ESTIMACIÓN DE VARIACIONES IRREGULARES O ALETORIASLas variaciones irregulares (o aleatorias) pueden estimarse ajustando los datos alas variaciones de tendencia, estacionales y cíclicas. Esto equivale a dividir losdatos originales y entre T, S y C, lo que [por ecuación (1) da I. En la práctica seencuentra que los movimientos irregulare se inclinan a tener una pequeñamagnitud y suelen seguir el patrón de una distribución normal; es decir, laspequeñas desviaciones ocurren con gran frecuencia la desviaciones grandes

suceden con poca frecuencia].12. QUE ES UNA COMPARACIÓN DE DATOS?

es contrastar las cualidades de un algo con las de otro algo. analizar las caracteristicas de dos objetos, personas, animales o sentencias ya sean iguales o diferentes (por superioridad o inferioridad) y enunciarlas.relación que se establece entre dos elementos  Composición consistente en establecer una relación de semejanza entre dos partes. Para ello intentamos descubrir sus relaciones o estimar sus diferencias o semejanzas, con la idea de dar una idea viva y eficaz de una de ellas.

13. QUE ES UNA PREDICCIONEs la que va a pasar en el futuro.Se trata de análisis racional de lo que va a sucederEs hacer un pronóstico de lo que crees que va a ocurrir. 

14. PASOS FUNDAMENTALES DEL ANALISIS DE SERIES DE TIEMPO1. EL ANALISIS: graficarla, esto permite identificar la tendencia, la estacionalidad,

variaciones irregulares2. Esttimacion de la tendencia ( modelo de regresión lineal)3. Estimación componente estacional4. Suavizamiento de series de tiempo

La Tendencia, La Variación Cíclica, Variación Estacional, y la Variación Irregular.

DIFERENCIEA ENTRE CORRELACION Y REGRESION:

El concepto de Correlacion dice que es la medida en la cual se relacionan dos variables diferentes por ejemplo como se relaciona la cantidad de fumadores con la cantidad de enfermos de cancer del pulmon o la relacion que tienen las notas de cursos de estudiantes de diferentes universidades o diferentes nivel economico.

Por otra parte la Regresion es la ecuacion matematica que describe el comportamiento de dos medidas, es decir, con la regresion podemos construir una formula que nos de el numero de enfermos de cancer de pulmon en funcion de los fumadores o el numero de cursos aprobados en funcion de la universidad o del estatus social del estudiante.

La correlacion se torna interesante cuando el analista o la persona quien esta ejecutando el analisis de la relacion entre las variables nececita saber con que fuerza influye una variable con el comportamiento de la segunda variable, es decir, cuando medimos la correlacion nos interesa saber que tan importante es una variable y que tanto influye en el resultado.

En la otra mano tenemos la Regresion que por definicion sabemos que es la construccion de una ecuacion matematica que describe el coportamiento de dos variables a partir de datos mustrales capturados, entonces, la regresion es util cuando saber una prediccion del resultado en base a un valor que resulta ser la variable de la ecuacion calculada por medio de la regresion de datos por

ejemplo si yo tengo el numero de alumnos en una clase de matematica y quiero saber la cantidad de alumnos que aprobaran, lo puedo lograr gracias a datos estadisticos que me han generado una ecuacion que describa el comportamiento del numero de alumnos aprobados en funcion del numero de alumnos inscritos de el curso de matematica.

¿estadística: cual es la diferencia entre regresión y correlación?El estudio de regresión consiste en ajustar de la mejor manera una función de una familia elegida a una muetra de valores de dos o más variables una de las cuales se elige como explicada (o dependiente) y a las otras comovariable dependiente y una dependiente existe una correlación entre las dos y nada más. En caso de varias variables independientes existen las correlaciones parciales 

COEFICIENTE DE DETERMINACION:

predecir futuros resultados o testear una hipótesis.

El coeficiente determina la calidad del modelo para replicar los resultados, y la proporción de variación de los resultados que puede explicarse por el modelo

COEFICENTE DE CORRELACION:

es una medida que indica que tan asociadas están las variables dependiente e independiente en un modelo de regresión lineal

REGRESION LINEAL: ue modela la relación entre una variable dependiente Y, las variables independientes Xi y un término aleatorio ε.  Se calcula el valor esperado

SERIES DE TIEMO:

 se usan para estudiar la relación causal entre diversas variables que cambian con el tiempo y se influyen entre sí

Se dice que hay relación lineal entre dos valores si al aumentar uno N veces el otro tendría que ser N veces mayor. Y si uno es cero el otro también lo es.Es decir que si hay una relación lineal entre dos valores estos son proporcionales.

Relación no lineal sería cualquier otra relación. Como la relación cuadrática, cúbica, exponencial, logarítmica,

Bondad de ajuste.

Describe cuán bien se ajusta un conjunto de observaciones. Las medidas de bondad en general resumen la discrepancia entre los valores observados y los valores esperados en el modelo de estudio. Tales medidas se pueden emplear en el contraste de hipótesis, el test de normalidad de los residuos, comprobar si dos muestras se obtienen a partir de dos distribuciones idénticas, o si las frecuencias siguen una distribución específica.

Varianza.

La varianza (que suele representarse como σ2) de una variable aleatoria es una medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable respecto a su media.

Covarianza.

Es un valor que indica el grado de variación conjunta de dos variables aleatorias. Es el dato básico para determinar si existe una dependencia entre ambas variables y además es el dato necesario para estimar otros parámetros básicos, como el coeficiente de correlación lineal o la recta de regresión

Variabilidad.

Es el dato que nunca es constante y siempre es cambiante, como la incidencia en niños al nacer siempre es variable nunca puedes decir que al día nacen 34 niños puede que mañana sean 50.

Variable dependiente.

Es aquella característica, propiedad o cualidad de una realidad o evento que estamos investigando. Es el objeto de estudio, sobre la cual se centra la investigación en general. También la variable independiente es manipulada por el investigador, porque el investigador puede variar los factores para determinar el comportamiento de la variable.

Variable independiente.

Es aquella propiedad, cualidad o característica de una realidad, evento o fenómeno, que tiene la capacidad para influir, incidir o afectar a otras variables. Se llama independiente, porque esta variable no depende de otros factores para estar presente en esa realidad en estudio.

Función lineal.

Es una función polinómica de primer grado; es decir, una función cuya representación en el plano cartesiano es una línea recta.

Regresión simple: Cuando la variable Y depende únicamente de una única variable X.

Regresión múltiple: Cuando la variable Y depende de varias variables (X1, X2, ..., Xr)

5.2. EN FUNCIÓN DEL TIPO DE FUNCIÓN f(X).

Regresión lineal: Cuando f(X) es una función lineal.La Regresión lineal presenta 2 tipos de gráficos respectivos a sus funciones.

- Cuando la función f (x) es lineal,f (x) = β0+ β1x

- Si β1> 0 hay relación lineal positiva.- Si β1< 0 hay relación lineal negativa.

Los datos presentan un aspecto lineal.

Regresión no lineal: Cuando f(X) no es una función lineal.

Cuando la función f(x) no es lineal. Por ejemplo, f(x)=log(x),f(x)=x23, . . .

Por otro lado, se puede apreciar un tipo de regresión en la cual el grafico no presenta una predicción clara, esta se llamara:

Ausencia de relación: Cuando f(x) = 0.