Consideraciones acerca de los datos para Autocorrelación parcial

Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.

Registre datos en orden cronológico

Los datos de series de tiempo se recolectan a intervalos regulares y se registran en orden cronológico. Usted debería registrar los datos en la hoja de trabajo en el mismo orden en que se recolectan. Si los datos no están en orden cronológico, usted no podrá evaluar los patrones relacionados con el tiempo de los datos. Sin embargo, puede utilizar Gráfica de dispersión para investigar la relación entre un par de variables continuas.

Recolecte suficientes datos para evaluar tendencias o patrones

Recolecte suficientes datos de modo que pueda evaluar totalmente las tendencias o los patrones en los datos. Minitab muestra correlaciones solo para los primeros n/4 desfases. De modo que si sólo tiene datos mensuales, necesitará un tamaño de muestra grande cuando desee determinar el modelo estacional. Por ejemplo, usted necesita por lo menos 144 observaciones para observar hasta el desfase 36 en la gráfica de autocorrelación.

Recolecte datos a intervalos de tiempo apropiados

Elija el intervalo de tiempo según los patrones que desee detectar. Por ejemplo, si desea buscar patrones de mes a mes en un proceso, recolecte los datos a la misma hora todos los meses. Si recolecta los datos semanalmente, entonces el patrón entre meses se puede perder en el ruido de los datos semanales. Si usted recolecta los datos trimestralmente, el patrón mensual puede perderse cuando se promedie en cada trimestre.

Si sólo busca tendencias generales o cambios en los datos en el tiempo y no patrones asociados con un intervalo de tiempo específico, la duración del intervalo es menos importante.

Los datos deben ser estacionarios

Una serie de tiempo estacionaria tiene una media, una varianza y una función de autocorrelación que son esencialmente constantes a través del tiempo. Los datos no son estacionarios cuando está presente un pico grande en el desfase 1 que disminuye lentamente sobre los demás desfases. Si observa este patrón, usted debe diferenciar los datos antes de intentar identificar un modelo. Para diferenciar los datos, utilice Diferencias. Después de diferenciar los datos, obtenga otra gráfica de autocorrelación parcial.

Es mismo patrón puede ocurrir en los desfases estacionales. En otras palabras, ocurre una correlación grande en el primer desfase estacional que disminuye con varios desfases estacionales. Si observa este patrón, usted debe diferenciar los datos utilizando un desfase igual a la longitud estacional antes de intentar identificar un modelo.