Una serie temporal (o cronol\u00f3gica) conforma un conjunto de datos u observaciones que han sido medidos en determinados momentos y que adem\u00e1s, han sido ordenados cronol\u00f3gicamente. Dichos datos pueden encontrarse espaciados a intervalos iguales o diferentes.<\/p>\n
Las caracter\u00edsticas que presentan las series temporales se enumeran a continuaci\u00f3n:<\/p>\n
Un ejemplo de aplicaci\u00f3n de las series temporales en inteligencia de negocios se encuentra dentro de la previsi\u00f3n de ventas<\/strong>. Las series temporales suelen ser representadas a trav\u00e9s de un diagrama cartesiano (un plano que cuenta con el eje X o abscisas y con el eje Y u ordenada) donde se sit\u00faan los datos. Con el pron\u00f3stico de series temporales, los datos son una serie de valores de la misma variable que se captura y almacena a lo largo del tiempo. Estos datos se utilizan para desarrollar modelos para extrapolar los valores futuros del mismo fen\u00f3meno. Un valor at\u00edpico en un conjunto de datos temporal representa una anomal\u00eda. Ya sea que se desee (por ejemplo, margen de beneficio) o no (por ejemplo, costo), los valores at\u00edpicos detectados en un conjunto de datos pueden ayudar a prevenir consecuencias no deseadas.<\/p>\n Existen cuatro elementos que deben ser identificados en una serie temporal: Las series temporales presentan, como todas las herramientas de an\u00e1lisis, ventajas e inconvenientes. Los siguientes puntos describen la principal ventaja y desventaja:<\/p>\n Una gran ventaja que presentan las series temporales es la posibilidad de proporcionar un an\u00e1lisis bastante amplio de datos cuantitativos acumulados a lo largo de un periodo de tiempo, lo que permite llevar a cabo pron\u00f3sticos.<\/p>\n En muchas ocasiones, el uso de series temporales no suele ser muy \u00fatil debido a la escasez de datos longitudinales donde pueden existir variaciones residuales que compliquen los an\u00e1lisis.<\/p>\n Lecturas relacionadas con t\u00e9cnicas de data mining: Una serie temporal (o cronol\u00f3gica) conforma un conjunto de datos u observaciones que han sido medidos en determinados momentos y que adem\u00e1s, han sido ordenados cronol\u00f3gicamente. Dichos datos pueden encontrarse espaciados a intervalos iguales o diferentes. Caracter\u00edsticas de las series temporales Las caracter\u00edsticas que presentan las series temporales se enumeran a continuaci\u00f3n: El orden de […]<\/p>\n","protected":false},"author":1,"featured_media":13642,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[25],"tags":[64],"class_list":{"0":"post-13532","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-analytics","8":"tag-data-mining"},"_links":{"self":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/posts\/13532","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/comments?post=13532"}],"version-history":[{"count":2,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/posts\/13532\/revisions"}],"predecessor-version":[{"id":39763,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/posts\/13532\/revisions\/39763"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/media\/13642"}],"wp:attachment":[{"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/media?parent=13532"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/categories?post=13532"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.conectasoftware.com\/magazine\/wp-json\/wp\/v2\/tags?post=13532"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nEl eje de las abscisas representa la variable semanas, meses o a\u00f1os y el eje de las ordenadas los datos del fen\u00f3meno.<\/p>\nLa proyecci\u00f3n de series de temporales<\/h3>\n
\nEl pron\u00f3stico de valores futuros utilizando datos hist\u00f3ricos es un enfoque metodol\u00f3gico com\u00fan, desde una simple extrapolaci\u00f3n hasta m\u00e9todos estoc\u00e1sticos sofisticados como ARIMA.<\/p>\nIdentificacion de anomal\u00edas<\/h3>\n
Los 4 elementos a identificar en una serie temporal<\/h2>\n
\n\u25cf Tendencia<\/strong>. Representa el crecimiento o decrecimiento de los valores a largo plazo. Por ejemplo, el crecimiento de usuarios que hacen uso de una aplicaci\u00f3n.
\n\u25cf Variaciones c\u00edclicas<\/strong>. Representan las variaciones de tendencia que se producen en plazos mayores a un a\u00f1o. Por ejemplo, los beneficios al a\u00f1o de una empresa.
\n\u25cf Variaciones estacionales<\/strong>. Representan las variaciones de tendencia que se producen en menos de un a\u00f1o. Por ejemplo, las ventas en primavera.
\n\u25cf Variaciones residuales<\/strong>. Representan las variaciones de tendencia que se producen de manera aleatoria ya sea por falta de datos o por sucesos inesperados. Por ejemplo, un suceso meteorol\u00f3gico inesperado.<\/p>\nVentajas e inconvenientes de las series temporales:<\/h2>\n
Ventaja<\/h3>\n
Desventaja<\/h3>\n
\nArboles de decisi\u00f3n<\/a>
\nClustering<\/a>
\nRegresi\u00f3n<\/a>
\nRedes neuronales – ANN<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"