Universidad Católica Boliviana "San Pablo"

Universidad Católica Boliviana "San Pablo" Marco Teórico Sergio Paúl Pedraza Pacello 41 Se pretende encontrar una respuesta al preguntarnos ¿Por qué unas variables se relacionan más entre sí y menos con otras? Hipotéticamente es porque existen otras variables, otras dimensiones o factores que explican por qué unos ítems se relacionan más con unos que con otros. Para el estudio del impacto técnico y económico del coronavirus en las empresas bolivianas, el análisis factorial es de gran importancia pues nos ayudara a encontrar comportamientos homogéneos de diversos grupos económicos en periodos anteriores a la emergencia sanitaria y así también nos ayudara a conocer el comportamiento en periodos durante la emergencia sanitaria de dichos sectores económicos. • Análisis de Serie Temporal: Según el libro “ Introducción al Análisis de Series Temporales ” realizado por Mauricio, J. A. En el año 2007, una serie temporal es definida de la siguiente manera: “Una serie temporal o cronológica es una sucesión de datos medidos en determinados momentos y ordenados cronológicamente” (Mauricio, J. A., 2007). Los datos pueden estar espaciados a intervalos iguales (como la temperatura en un observatorio meteorológico en días sucesivos al mediodía) o desiguales (como el peso de una persona en sucesivas mediciones en el consultorio médico, la farmacia, etc.). Para el análisis de las series temporales se usan métodos que ayudan a interpretarlas y que permiten extraer información representativa sobre las relaciones subyacentes entre los datos de la serie o de diversas series y que permiten en diferente medida y con distinta confianza extrapolar o interpolar los datos y así predecir el comportamiento de la serie en momentos no observados, sean en el futuro (extrapolación pronóstico), en el pasado (extrapolación retrógrada) o en momentos intermedios (interpolación).. Uno de los usos más habituales de las series de datos temporales es su análisis para predicción y pronóstico (así se hace por ejemplo con los datos climáticos, las acciones de bolsa, o las series de datos demográficos).