Automatizando operaciones en Minitab

Autor: Ing. Gerardo Valdes Fuentes, Ing. Rosa Isela Meléndez López, Lic. José Luis Chávez Dávila y Ing. Renato Elmer Vázquez García

Producción, procesos y operaciones

12-03-2008

¿Se encontró en la situación de tener que hacer ciertos análisis más de una vez? Si es así, ¿le agradaría darle un descanso a su mouse? Con MINITAB usted puede fácilmente automatizar operaciones para ganar tiempo. Hay varias maneras de hacer esto, desde el método fácil y rápido de cortar/pegar, al método más potente usando una macro local.

¿Cómo trabaja esto? Casi todas las operaciones en MINITAB se pueden hacer usando una sesión de comandos. De hecho, cuando usted completa un cuadro de diálogo y hace click en Aceptar, MINITAB genera una sesión de comandos que contiene toda la información que usted seleccionó en él. Usted puede usar esas sesiones de comandos "como están." o modificarlas si lo desea, cargarlas en un paso y MINITAB ejecutará el análisis entero.

Suponga que tiene una recolección de datos semanal y que genera tres gráficos diferentes desde esos datos. Por supuesto, cada semana debería completar los cuadros de diálogo para los tres gráficos, lo que significaría muchos clicks del mouse. En cambio, usted podría cargar la sesión de comandos que generaron esos gráficos en un único y rápido paso.

Este artículo incluye algunos ejemplos simples de cómo automatizar operaciones de Serie de Tiempos en MINITAB.

Series de Tiempo en Minitab.

Este manual contiene el concepto, aplicación y ejecución en el sistema Minitab versión 15, del tema de Series de Tiempo

CONCEPTOS BÁSICOS DE SERIES DE TIEMPO

1.1 INTRODUCCIÓN

Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar. Hoy en día diversas instituciones requieren conocer el comportamiento futuro de ciertos fenómenos con el fin de planificar, prever o prevenir.

La planificación racional exige prever los sucesos del futuro que probablemente vayan a ocurrir. La previsión, a su vez, se suele basar en lo que ha ocurrido en el pasado. Se tiene pues un nuevo tipo de inferencia estadística que se hace acerca del futuro de alguna variable o compuesto de variables basándose en sucesos pasados. La técnica más importante para hacer inferencias sobre el futuro con base en lo ocurrido en el pasado, es el análisis de series de tiempo.

Son innumerables las aplicaciones que se pueden citar, en distintas áreas del conocimiento, tales como, en economía, física, geofísica, química, electricidad, en demografía, en marketing, en telecomunicaciones, en transporte, etc.

Uno de los problemas que intenta resolver las series de tiempo es el de predicción. Esto es dado una serie {x(t1),...,x(tn)} nuestros objetivos de interés son describir el comportamiento de la serie, investigar el mecanismo generador de la serie temporal, buscar posibles patrones temporales que permitan sobrepasar la incertidumbre del futuro.

En adelante se estudiará como construir un modelo para explicar la estructura y prever la evolución de una variable que observamos a lo largo del tiempo. La variables de interés puede ser macroeconómica (índice de precios al consumo, demanda de electricidad, series de exportaciones o importaciones, etc.), macroeconómica (ventas de una empresa, existencias en un almacén, gastos en publicidad de un sector), física (velocidad del viento en una central eólica, temperatura en un proceso, caudal de un río, concentración en la atmósfera de un agente contaminante), o social (número de nacimientos, matrimonios, defunciones, o votos a un partido político).

1.2 DEFINICIÓN DE SERIE DE TIEMPO

En muchas áreas del conocimiento las observaciones de interés son obtenidas en instantes sucesivos del tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales, trimestrales, semestrales o bien registradas por algún equipo en forma continua.

Llamamos Serie de Tiempo a un conjunto de mediciones de cierto fenómeno o experimento registradas secuencialmente en el tiempo. Estas observaciones serán denotadas por {x(t1), x(t2), ..., x(tn)} = {x(t) : t Î T Í R} con x(ti) el valor de la variable x en el instante ti. Si T = Z se dice que la serie de tiempo es discreta y si T = R se dice que la serie de tiempo es continua. Cuando ti+1 - ti = k para todo i = 1,...,n-1, se dice que la serie es equiespaciada, en caso contrario será no equiespaciada.

En adelante se trabajará con series de tiempo discreta, equiespaciadas en cuyo caso asumiremos y sin perdida de generalidad que: {x(t1), x(t2), ..., x(tn)}= {x(1), x(2), ..., x(n)}.

1.3 PRIMER PASO AL ANALIZAR CUALQUIER SERIE DE TIEMPO

El primer paso en el análisis de series de tiempo, consiste en graficar la serie. Esto nos permite detectar las componentes esenciales de la serie.

El gráfico de la serie permitirá:

a) Detectar Outlier: se refiere a puntos de la serie que se escapan de lo normal. Un outliers es una observación de la serie que corresponde a un comportamiento anormal del fenómeno (sin incidencias futuras) o a un error de medición.

Se debe determinar desde fuera si un punto dado es outlier o no. Si se concluye que lo es, se debe omitir o reemplazar por otro valor antes de analizar la serie.

Descargar Original

Nota: Es probable que en esta página web no aparezcan todos los elementos del presente documento. Para tenerlo completo y en su formato original recomendamos descargarlo desde el menú en la parte superior