Qué es una serie de tiempo

1 · Qué la define

Una serie de tiempo es una secuencia de observaciones de la misma variable, ordenadas cronológicamente y tomadas a intervalos regulares.

2 · Por qué rompe casi todo el curso

Supuesto habitual	En una serie de tiempo
Observaciones independientes	falso: cada valor depende de los anteriores
Muestra aleatoria	falso: es la historia, no una muestra
Orden irrelevante	falso
Varianza constante	a menudo falso

3 · El vocabulario

Término	Qué es
Frecuencia	cada cuánto se observa: diaria, mensual, trimestral, anual
Rezago (lag)	cuántos períodos hacia atrás
Autocorrelación	correlación de la serie consigo misma, desplazada
Estacionariedad	que media y varianza no cambien con el tiempo
Estacionalidad	patrón que se repite cada año

4 · Lo primero: graficarla

El gráfico de la serie muestra de una sola vez lo que ninguna tabla comunica:

Qué mirar	En el ejemplo
Tendencia	crecimiento lento hasta 2019
Estacionalidad	picos anuales muy marcados
Ciclos	fluctuaciones de varios años
Rupturas	el colapso de 2020
Valores faltantes	los meses sin relevamiento
Cambios de variabilidad	mayor amplitud cuando el nivel es alto

5 · Los problemas prácticos

Valores faltantes. No se pueden simplemente omitir: rompen las medias móviles y las variaciones interanuales. Hay que decidir explícitamente qué hacer.

Rupturas estructurales. Un cambio de metodología, una crisis o una pandemia parten la serie en dos regímenes. Modelar todo junto supone que nada cambió.

Cambios de frecuencia. Pasar de mensual a trimestral se hace sumando o promediando según el tipo de variable: un stock se promedia, un flujo se suma.

Calendario. Los meses tienen distinta cantidad de días y de días hábiles. Febrero siempre parece bajo si la variable es un flujo diario.

6 · Qué se hace con una serie

Objetivo	Herramienta
Describir la evolución	gráfico, variaciones
Separar sus partes	descomposición
Ver la tendencia sin ruido	medias móviles
Comparar meses consecutivos	desestacionalizar
Proyectar	tendencia, modelos ARIMA

7 · Errores frecuentes

• Aplicar regresión sin considerar la autocorrelación.
• Correlacionar dos series con tendencia y concluir que hay relación.
• Comparar meses consecutivos de una serie estacional.
• Ignorar los valores faltantes.
• Modelar a través de una ruptura estructural.
• No graficar la serie antes de analizarla.
• Tratar las fechas como texto, que arruina el orden.

8 · En el software

# R — el objeto ts es el punto de partida
s <- ts(valores, start = c(2007, 1), frequency = 12)
plot(s)
acf(s)                      # autocorrelación
decompose(s)

# Con fechas reales
library(tsibble); library(feasts)

# Python
s = pd.Series(valores, index=pd.date_range('2007-01', periods=n, freq='MS'))
s.plot()

from statsmodels.graphics.tsaplots import plot_acf
plot_acf(s.dropna())

@misc{estadistica_ar_serie_de_tiempo,
  author       = {Montivero, Jorge Luis},
  title        = {{Qué es una serie de tiempo}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/serie-de-tiempo}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-19}
}