24
Detección de tendencias Detección de tendencias temporales temporales : : Análisis de series temporales Análisis de series temporales

Detección de tendencias temporales : Análisis de series temporales

Embed Size (px)

Citation preview

Page 1: Detección de tendencias temporales : Análisis de series temporales

Detección de tendencias Detección de tendencias temporalestemporales::

Análisis de series temporalesAnálisis de series temporales

Page 2: Detección de tendencias temporales : Análisis de series temporales

Análisis de series temporalesAnálisis de series temporales

¿Que es una tendencia temporal?¿Que es una tendencia temporal?

Es un cambio a corto plazo, estacional Es un cambio a corto plazo, estacional o secularo secular

Puede combinarse con una variación Puede combinarse con una variación aleatoria (aquí se identifica por inv aleatoria (aquí se identifica por inv estad)estad)

Es el método que se usa en Es el método que se usa en epidemiología para detectar epidemiología para detectar tendencias temporalestendencias temporales

Page 3: Detección de tendencias temporales : Análisis de series temporales

La serie temporal : es un registro de La serie temporal : es un registro de sucesos dados en un periodo de sucesos dados en un periodo de tiempotiempo

Estos sucesos son por ejem las Estos sucesos son por ejem las enfermedadesenfermedades

Las tendencias de los datos a Las tendencias de los datos a trabajar son detectadas por 3 trabajar son detectadas por 3 métodos: métodos:

1) Dibujo a mano alzada1) Dibujo a mano alzada

2) Calculo de las medias móviles2) Calculo de las medias móviles

3) Análisis de regresión3) Análisis de regresión

Page 4: Detección de tendencias temporales : Análisis de series temporales

DIBUJO A MANO ALZADADIBUJO A MANO ALZADA

Ventaja:Ventaja:La unión de los puntos mediante la La unión de los puntos mediante la

vista es un método evidente y fácil vista es un método evidente y fácil de apreciarde apreciar

Desventaja:Desventaja:No puede contrarrestar las No puede contrarrestar las

variaciones aleatorias fácilmentevariaciones aleatorias fácilmente

Page 5: Detección de tendencias temporales : Análisis de series temporales
Page 6: Detección de tendencias temporales : Análisis de series temporales

Porcentajes de pulmones comisados mensualmente debido a neumonía y/o Pleuresia con línea de regresión (tomados de tabla 8.2)

Page 7: Detección de tendencias temporales : Análisis de series temporales

Tasa de la media porcentual acumulada trimestral de comisos de pulmones con neumonía y/o pleuresia (datos de tabla 8.3)

Page 8: Detección de tendencias temporales : Análisis de series temporales

% de pulmones comisados mensualmente (corregidos para eliminar la tendencia secular)A causa de neumonía y/o pleuresia

Page 9: Detección de tendencias temporales : Análisis de series temporales

Porcentaje de pulmones comisados mensualmente (corregidos para eliminar la tendenciaestacional) a causa de neumonía y/o pleuresia

Page 10: Detección de tendencias temporales : Análisis de series temporales
Page 11: Detección de tendencias temporales : Análisis de series temporales

CALCULO DE LAS MEDIAS CALCULO DE LAS MEDIAS MOVILESMOVILES

VentajasVentajasEs la media aritmética de grupos de Es la media aritmética de grupos de

medidas consecutivasmedidas consecutivas

Esta técnica reduce las variaciones Esta técnica reduce las variaciones aleatorias por lo tanto descubre aleatorias por lo tanto descubre tendencias ocultastendencias ocultas

Page 12: Detección de tendencias temporales : Análisis de series temporales

CALCULO DE LAS MEDIAS CALCULO DE LAS MEDIAS MOVILESMOVILES

Desventajas:Desventajas:Los primeros y últimos datos no Los primeros y últimos datos no

pueden ser promediadospueden ser promediados

Las medias pueden ser Las medias pueden ser excesivamente afectados por los excesivamente afectados por los valores extremosvalores extremos

Page 13: Detección de tendencias temporales : Análisis de series temporales

ANALISIS DE REGRESIONANALISIS DE REGRESION

Técnica estadística que se usa para Técnica estadística que se usa para investigar las relaciones existentes investigar las relaciones existentes entre 2 o mas variablesentre 2 o mas variables

Requiere conocimientos de Requiere conocimientos de estadísticaestadística

La regresión y la correlación están La regresión y la correlación están relacionadas relacionadas

Pero……Pero……

Page 14: Detección de tendencias temporales : Análisis de series temporales

¿Son diferentes en que? ¿Son diferentes en que?

El coeficiente de correlación puede El coeficiente de correlación puede evaluarse con 1 o todas las variables evaluarse con 1 o todas las variables presentan variación aleatoriapresentan variación aleatoria

La regresión selecciona individuos en La regresión selecciona individuos en base de 1 o mas medidas (VI) y así base de 1 o mas medidas (VI) y así registrar otras VD, por lo tanto las VI registrar otras VD, por lo tanto las VI no presentan variaciones aleatoriasno presentan variaciones aleatorias

Page 15: Detección de tendencias temporales : Análisis de series temporales

Análisis de RegresiónAnálisis de Regresión

Cuando las observaciones se hacen a Cuando las observaciones se hacen a intervalos definidos (estos intervalos intervalos definidos (estos intervalos representan la variable representan la variable independiente)independiente)

Se denomina Línea de Regresión de Se denomina Línea de Regresión de la regresión lineal de Y sobre X, si los la regresión lineal de Y sobre X, si los verdaderos valores de Y para cada verdaderos valores de Y para cada valor de X se encuentra en una línea valor de X se encuentra en una línea rectarecta

Page 16: Detección de tendencias temporales : Análisis de series temporales

Coeficiente de regresión es la Coeficiente de regresión es la inclinación de la línea de Y sobre Xinclinación de la línea de Y sobre X

El coeficiente puede ser (–) , (+) , 0 El coeficiente puede ser (–) , (+) , 0 Es cero si X e Y no tienen ninguna Es cero si X e Y no tienen ninguna

relaciónrelación

Page 17: Detección de tendencias temporales : Análisis de series temporales

Por lo tanto el ANALISIS DE REGRESION Por lo tanto el ANALISIS DE REGRESION es:es:

“ “El calculo del coeficiente de regresion, la El calculo del coeficiente de regresion, la interseccion con el eje verticalinterseccion con el eje vertical

y la interpretacion de los valores de estos y la interpretacion de los valores de estos cálculos”cálculos”

Page 18: Detección de tendencias temporales : Análisis de series temporales

Aplicación de análisis de series Aplicación de análisis de series temporalestemporales

Ejm: FAEjm: FAObjetivo: investigar la distribución Objetivo: investigar la distribución

temporal de la FA en Paraguay temporal de la FA en Paraguay

Peralta et al (1982)Peralta et al (1982)

Identifico pautas temporales indicando Identifico pautas temporales indicando periodos en donde se debía prestar periodos en donde se debía prestar mayor atención al control.mayor atención al control.

Page 19: Detección de tendencias temporales : Análisis de series temporales

Brotes de FA registrados mensualmente como :

media mensual, media acumulada de 12 meses

Y tendencia: Paraguay 1972-1979

______ = datos brutos

-------- = tendencia

………. = media acumulada de 12 meses

Peralta et al, 1982

Page 20: Detección de tendencias temporales : Análisis de series temporales

TENDENCIAS EN LA DISTRIBUCION TENDENCIAS EN LA DISTRIBUCION ESPACIAL Y TEMPORAL DE LA ESPACIAL Y TEMPORAL DE LA

ENFERMEDAD ENFERMEDAD

1) Tendencias espaciales en la 1) Tendencias espaciales en la presentación de la enfermedadpresentación de la enfermedad

2) Agrupamiento Temporo-Espacial2) Agrupamiento Temporo-Espacial

Page 21: Detección de tendencias temporales : Análisis de series temporales

Tendencias espaciales en la Tendencias espaciales en la presentación de la enfermedadpresentación de la enfermedad

Una epidemia no representa solo a un Una epidemia no representa solo a un grupo de casos durante un periodo de grupo de casos durante un periodo de tiempo sino un agrupamiento de casos tiempo sino un agrupamiento de casos en una área definidaen una área definida

Enf infecciosa forma espacial Enf infecciosa forma espacial contagiosa en contraste con brotes contagiosa en contraste con brotes esporádicos que se distribuyen esporádicos que se distribuyen aleatoriamentealeatoriamente

Page 22: Detección de tendencias temporales : Análisis de series temporales

Una variedad de distribuciones estadísticas sirven Una variedad de distribuciones estadísticas sirven como modelos para la distribución espacial de sucesoscomo modelos para la distribución espacial de sucesos

Poisson se aplica para Poisson se aplica para este fin este fin Poisson puede ser Poisson puede ser contratada con contratada con chi cuadrado sobre los chi cuadrado sobre los valores observados y esperadosvalores observados y esperadosSi la varianza es > media implica una presentación Si la varianza es > media implica una presentación

contagiosacontagiosa

Page 23: Detección de tendencias temporales : Análisis de series temporales

Agrupamiento Temporo-Agrupamiento Temporo-EspacialEspacial

Interacción entre los lugares y Interacción entre los lugares y periodos de aparición de una periodos de aparición de una enfermedad enfermedad

Como los casos están cercanos al Como los casos están cercanos al espacio tienden a estarlo también al espacio tienden a estarlo también al tiempo tiempo

Se puede aplicar Poisson, aunque no Se puede aplicar Poisson, aunque no siempre (pata muestra grandes)siempre (pata muestra grandes)

Page 24: Detección de tendencias temporales : Análisis de series temporales

El agrupamiento espacial puede ayudar a la El agrupamiento espacial puede ayudar a la identificación de la causaidentificación de la causa