Interpretar los resultados clave para Gráfica de series de tiempo

Utilice el conocimiento del proceso para determinar si las observaciones o cambios inusuales indican errores o un cambio real en el proceso.

Valores atípicos

Busque observaciones inusuales, también llamadas valores atípicos. Los valores atípicos pueden tener un efecto desproporcionado sobre los modelos de serie de tiempo y producir resultados engañosos. Trate de identificar la causa de los valores atípicos y de corregir los errores de entrada de datos o errores de medición. Considere la eliminación de los valores de datos que están asociados con eventos anormales de una sola vez, que también se llaman causas especiales.

La siguiente gráfica de serie de tiempo muestra un valor atípico que fue causado por un error en la entrada de datos. Un técnico ingresó accidentalmente el valor 4 en lugar de 40 en la hoja de trabajo.

Cambios repentinos

Busque cambios repentinos en la serie o cambios repentinos en las tendencias. Trate de identificar la causa de tales cambios.

Por ejemplo, la siguiente gráfica de serie de tiempo muestra un cambio drástico en el costo de un proceso después de 15 meses. Usted debe investigar la razón del cambio.

Una tendencia es un aumento o disminución de largo plazo en los valores de datos. Una tendencia puede ser lineal o puede mostrar algo de curvatura. Si sus datos muestran una tendencia, usted puede utilizar un análisis de serie de tiempo para modelar los datos y generar predicciones. Para obtener más información sobre cuál análisis utilizar, vaya a ¿Cuál análisis de serie de tiempo debería utilizar?

Un patrón estacional es una subida o bajada en los valores de datos que se repite regularmente en el mismo período de tiempo. Por ejemplo, los pedidos en una tienda de piezas automotrices son bajas cada día lunes, aumentan durante la semana y tienen un pico cada viernes. Los patrones estacionales siempre tienen un período fijo y conocido. En contraste, los movimientos cíclicos de subida y bajada de los valores de datos que no se repiten en intervalos regulares. Generalmente, los movimientos cíclicos son más largos y más variables que los patrones estacionales.

Usted puede utilizar un análisis de serie de tiempo para modelar patrones y generar predicciones. Para obtener más información sobre cuál análisis utilizar, vaya a ¿Cuál análisis de serie de tiempo debería utilizar?

Patrón estacional

Estos datos muestran un patrón estacional. El patrón se repite cada 12 meses.

Movimientos cíclicos

Estos datos muestran movimientos cíclicos. Los ciclos no se repiten en intervalos regulares y no tienen la misma forma.

Variación aleatoria

Estos datos muestran la variación aleatoria. No hay patrones ni ciclos.

Si la magnitud de los cambios estacionales es constante, entonces los cambios estacionales son aditivos. Si la magnitud de los cambios estacionales es mayor cuando los valores de datos son mayores, entonces los cambios estacionales son multiplicativos. La variabilidad extra puede hacer más difícil pronosticar con precisión los cambios estacionales.

Si el patrón no está muy claro y usted tiene dificultad para elegir entre los procedimientos aditivo y multiplicativo para modelas sus datos, usted puede probar ambos y elegir el que ofrezca las mediciones de exactitud más pequeñas. Para obtener más información, vaya a ¿Cuál análisis de serie de tiempo debería utilizar?