El componente aleatorio

El componente aleatorio mide la variabilidad de las series de tiempo después de retirar los otros componentes. Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no recurrentes. La mayoría de los componentes irregulares se conforman de variabilidad aleatoria. Sin embargo, ciertos sucesos a veces impredecibles como huelgas, cambios de clima (sequías, inundaciones o terremotos), elecciones, conflictos armados o la aprobación de asuntos legislativos, pueden causar irregularidades en una variable.

El gráfico No. 3.1. es un ejemplo de exploración de patrón de datos, donde se puede apreciar la tendencia, la estacionalidad, los ciclos y la aleatoriedad.

El componente estacional

El componente estacional es un patrón de cambio que se repite a sí mismo año tras año. En el caso de las series mensuales, el componente estacional mide la variabilidad de las series cada enero, febrero, etc. En las series trimestrales hay cuatro elementos estacionales, uno para cada trimestre. La variación estacional puede reflejar condiciones de clima, días festivos o la longitud de los meses calendario.

El componente cíclico

El componente cíclico es la fluctuación en forma de onda alrededor de la tendencia. Los patrones cíclicos tienden a repetirse en los datos aproximadamente cada dos, tres o más años. Es común que las fluctuaciones cíclicas estén influidas por cambios de expansión y contracción de las variables, a los que comúnmente se hace referencia como el ciclo de la variable.

La tendencia

• La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio.

Exploración del patrón de datos,

Exploración del patrón de datos, con buenos datos a la mano, el pronosticador puede empezar la importante tarea de explorar los patrones de datos. Este paso comprende la observación de los datos, la comprensión de lo que los datos sugieren y el uso de varios métodos gráficos para obtener una mejor visión en el proceso que generó los datos. Es muy útil la elaboración de una gráfica de la serie de tiempo de datos, si éstos se recopilan a lo largo del tiempo, como es el caso nuestro.

La selección de datos necesita un enfoque sistemático para analizar las series. La descomposición clásica es un método que se basa en la suposición de que se pueden descomponer en componentes como tendencia, ciclo, estacionalidad e irregularidad. Una predicción se hace mediante la combinación de las proyecciones de cada componente individual.

Selección de la variable

Los datos de una variable a otra varían, por lo que se tendrá que escoger la variable a pronosticar de las siguientes:

• Contrataciones
• Ascensos
• Descensos
• Transferencias
• Renuncias
• Despidos
• Jubilaciones
• Reducción de personal

SELECCIÓN DE DATOS.

El primer paso en la formulación de pronósticos, expuesto en el punto anterior es la recolección de datos. Después de esto, el pronosticador debe revisar los intentos anteriores para pronosticar la variable de interés. Una búsqueda de bibliografía y los comentarios con colegas de la empresa pueden ayudar a evaluar los éxitos y/o fracasos anteriores de enfoques alternativos. Después de realizar la investigación inicial, el pronosticador se encuentra en una mejor posición para realizar el paso 2 que es la selección de datos. La selección de datos estará constituido por dos partes: