¿Cuál análisis de series de tiempo debería utilizar?

Puede utilizar Estadísticas > Series de tiempo > ARIMA para cualquier tipo de datos de series de tiempo. Sin embargo, Minitab ofrece análisis alternativos que puede utilizar según si sus datos tienen un componente de tendencia o estacional.

Sus datos no tienen un componente de tendencia ni estacional

Cuando sus datos no tengan un componente de tendencia ni estacional, usted podrá utilizar uno de los siguientes análisis:
  • Estadísticas > Series de tiempo > Promedio móvil
  • Estadísticas > Series de tiempo > Suavizado exp. simple

Sus datos tienen una tendencia pero no un componente estacional

Cuando sus datos tengan una tendencia pero no un componente estacional, usted podrá utilizar uno de los siguientes análisis:
  • Estadísticas > Series de tiempo > Análisis de tendencia
  • Estadísticas > Series de tiempo > Suavizado exp. doble

Análisis de tendencia ajusta una ecuación simple a los datos, la cual funciona adecuadamente cuando la tendencia sigue una forma constante sin desvíos ni reveses. Suavización exponencial doble utiliza un componente de tendencia dinámico que funciona adecuadamente cuando los datos tienen movimientos cíclicos, desvíos, o incluso reveses, en la tendencia.

Sus datos tienen un componente estacional

Cuando sus datos tengan un componente estacional (con o sin una tendencia), usted podrá utilizar uno de los siguientes análisis:
  • Estadísticas > Series de tiempo > Descomposición
  • Estadísticas > Series de tiempo > Método de Winters

Utilice Método de Winters cuando desee usar su modelo de series de tiempo para generar pronósticos. Por lo general, no debería utilizar Descomposición para generar pronósticos, pero puede ser útil para examinar los componentes de las series de tiempo. Por ejemplo, usted podría utilizar Descomposición para comunicar conceptos sobre las series de tiempo a la gerencia.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política