INSTITUTO TECNOLOGICO DE LOS MOCHIS

Ing. En gestin empresarial

Estadstica inferencial ll

Liliana Barrera Rodrguez

Unidad 3 Anlisis de serie de tiempo

Rodrguez Duran Paola

Investigacin bibliogrfica de series de tiempo

Grupo 952

Octubre de 2015

ndice

Serie de tiempo
Introduccin.2
Definicin.2
Objetivo....3
Componentes de una serie de tiempo....3

Tendencia secular.....3,4
Fluctuacin cclica.4,5
Variacin estacional..5,6
Variacin irregular6

Anlisis de serie de tiempo.7

Mtodo de mnimos cuadrados.7,8,9,10
Mtodos de promedios mviles10,11,12,13
Mtodos de suavizacin exponencial13,14,15
Tendencias no lineales15
Aplicaciones..15,16
Conclusin.16
Bibliografa17

Introduccin

Serie de tiempo
Las organizaciones en general evalan peridicamente el comportamiento de su
actividad y/o productos a fin de pronosticar que va a suceder en el futuro en base
a lo que ha venido ocurriendo en el pasado, est sucediendo en el presente y
tiene la tendencia a comportarse de la misma manera en el futuro.
Los pronsticos o predicciones, son una herramienta esencial en cualquier
proceso de toma de decisiones. La calidad de los pronsticos que los
administradores pueden

realizar est

estrechamente

relacionada

con

la

informacin que puede extraerse y utilizarse a partir de los datos histricos.

En el siguiente trabajo de investigacin bibliogrfica analizaremos la serie de
tiempo que es un mtodo cuantitativo que utilizamos para determinar patrones en
los datos recolectados a travs del tiempo.
Definicin
Las series de tiempo segn Levin, Richard I., y Rubin (2004) son un conjunto de
datos numricos que se obtienen en perodos regulares y especficos a travs del
tiempo, los tiempos pueden ser en aos, meses, semanas, das u otra unidad
adecuada al problema que se est trabajando.
Una serie de tiempo es un conjunto de valores observados, tales como datos de
produccin o ventas. (L. Kazmier, A. Daz Mata, 1991)
Una serie de tiempo es un conjunto de datos numricos que se obtienen en
perodos regulares a travs del tiempo. (Allen L. Webster, 2000)
Los tres autores mencionan que las series de tiempo son valores numricos a
travs del tiempo. Ejemplos de series de tiempo son: Ventas mensuales de un
producto en una empresa, produccin total anual de petrleo en Ecuador durante
un cierto nmero aos o las temperaturas anunciadas cada hora por el
meteorlogo para un aeropuerto.

Objetivo
2

Serie de tiempo
El principal objetivo de las series de tiempo es hacer proyecciones o pronsticos
sobre una actividad futura, suponiendo estables las condiciones y variaciones
registradas hasta la fecha, lo cual permite planear y tomar decisiones a corto o
largo plazo.
Componentes de una serie de tiempo
Utilizamos el trmino serie de tiempo para referirnos a cualquier grupo de
informacin estadstica que se acumula a intervalos regulares. Existen cuatro tipos
de cambio o variacin implicados en el anlisis de serie de tiempo. Estos son:
1.
2.
3.
4.

Tendencia secular
Fluctuacin cclica
Variacin estacional
Variacin irregular

Tendencia secular
Douglas Lind, G. Marchal (2008)
La tendencia secular o simplemente tendencia, son movimientos o
variaciones continuas de la variable de modo uniforme y suave, por encima
o por debajo, que se observan en el largo plazo durante un perodo de
longitud prolongada. Representan el comportamiento predominante o
direccin general de la serie de tiempo como ascendente o descendente. La
grfica de la tendencia suele ser una curva suave y aun una lnea recta que
muestra la tendencia de las variaciones. Ejemplos de tendencia secular
son las ventas, exportaciones, produccin y el empleo.

Serie de tiempo
En la grafica anterior se muestra el riempo real, y la tendencia secular. Los datos
muestran ciertas variaciones estn por encima y por debajo de la recta de
tendencia. Y la tendencia secular es ascendente.
Fluctuacin cclica
Allen L. Webster (2000)
Son variaciones hacia arriba y hacia abajo de la tendencia que se
presentan cada cierto nmero de intervalos, en forma peridica de manera
ondular a modo de oscilaciones ms o menos regulares durante un perodo
relativamente prolongado, que por lo general abarca tres o ms aos de
duracin. La produccin, empleo, promedio industrial, etc. son ejemplos de
este tipo de movimientos.

La grafica muestra fluctuacin cclica arriba y debajo de la lnea de tendencia. Se

observan que los movimientos no siguen ningn patrn regular, si no que se
mueven de manera un tanto imprescindible.
Segn L. Kazmier, A. Daz Mata (1991) con frecuencia las series de tiempo
presentan secuencias alternas de puntos abajo y arriba de la lnea de tendencia
que duran ms de un ao, esta variacin se mantiene despus de que se han
eliminado las variaciones o tendencias estacional e irregular.
Los dos autores describen a la fluctuacin cclica como series de tiempo que
tienen datos arriba y abajo y con una duracin de un ao.
Variacin estacional
4

Serie de tiempo
Levin, Richard I., y Rubin (2004)
Representa un movimiento peridico que se producen en forma similar
cada ao por la misma poca, en correlacin con los meses o con las
estaciones del ao y aun con determinadas fechas. Si los sucesos no se
repiten anualmente, los datos deben recolectarse trimestral, mensual o
incluso semanalmente. Ejemplos de movimientos estacionales son la
variacin de precios de ciertos productos, incremento de ventas de juguetes
y disminucin de ventas de tiles Navidad, incremento de ventas de flores
por el da del amor y la amistad, etc.

En esta grafica se muestra la variacin estacional. Se nota como se alcanza un

pico cada trimestre del ao.
Segn Allen L. Webster (2000) esta variacin corresponde a los movimientos de la
serie que recurren ao tras ao en los mismos meses (o en los mismos trimestres)
del ao poco ms o menos con la misma intensidad. Por ejemplo: Un fabricante de
albercas inflables espera poca actividad de ventas durante los meses de otoo e
invierno y tiene ventas mximas en los de primavera y verano.
Los dos autores mencionan ejemplos similares, las estaciones del ao hacen que
varen las ventas.
Variacin irregular
Douglas Lind, G. Marchal (2008)

Serie de tiempo
Son

aquellas

variaciones

producidas

por

sucesos

de

ocurrencia

imprevisible o accidental que producen movimientos sin un patrn

discernible; as por ejemplo, las exportaciones de una empresa pueden ser
afectadas por sucesos inusuales no previsibles tales como huelgas,
guerras, terremotos, inundaciones, etc. Estas variaciones irregulares son de
corta duracin y de magnitud muy variable.

En esta grafica se muestra como las variables son completamente imprescindibles

cambiando los datos de manera aleatoria.
Segn Levin, Richard I., y Rubin (2004) esta se debe a factores a corto plazo,
imprevisibles y no recurrentes que afectan a la serie de tiempo. Como este
componente explica la variabilidad aleatoria de la serie, es impredecible, es decir,
no se puede esperar predecir su impacto sobre la serie de tiempo.
Los dos autores en comparacin mencionan que son imprevisibles, accidentales o
recurrentes.
Anlisis de serie de tiempo
Presentan una tendencia ms o menos definidas alrededor de la cual se
desarrollan los diversos componentes. Al estudiar una serie se hace con el
propsito de poder predecir situaciones futuras.
Tcnicas de anlisis
Descomposicin por suma
Y=T+C+E+T

Descomposicin por producto

Y=T*C*E*T
6

Serie de tiempo

Mtodo de mnimos cuadrados

Es el mejor mtodo para obtener un ajuste lineal a una serie de datos. Es base
para la identificacin de componentes de tendencia de una serie de tiempo. (Allen
L. Webster 2000)
Estadsticamente una lnea de tendencia no es una lnea de regresin puesto que
la variable dependiente Y no es una variable aleatoria, sino una serie de valores
histricos para un periodo dado.
Entonces podemos concluir que el mtodo de mnimos cuadrados es ms eficiente
a la hora de querer pronosticar.
Ejemplo
En la siguiente tabla se encuentran los datos de las ventas de los ltimos cinco
aos de una empresa del ramo de alimentos:

a)
b)
c)
d)

Aos

Ventas

2003
2004
2005
2006
2007

(millones de pesos)
7
10
9
11
13

Graficar los datos

Determinar la ecuacin de tendencia e interpretarla
Trazar la recta de tendencia
Pronosticar las ventas para los siguientes dos aos e interpretar el
resultado

Con los datos que se tienen se obtiene la siguiente grfica:

Serie de tiempo

Y: Ventas
(millones de
pesos)

X: Aos
Para determinar los coeficientes de la ecuacin se debe construir una tabla con los
datos necesarios:
Ao
2003
2004
2005
2006
2007
Totales

y
7
10
9
11
13
50

t
1
2
3
4
5
15

yt
7
20
27
44
65
163

t^2
1
4
9
16
25
55

Se sustituyen los valores en las frmulas respectivas:

Y habiendo calculado los coeficientes, entonces la Ecuacin de Tendencia queda:

y = 6.1 + 1.3t
Ahora se interpreta de la siguiente manera: Las ventas se expresan en millones de
pesos, el origen o ao 0, es 2003 y t aumenta una unidad por ao. El valor 1.3
8

Serie de tiempo
indica que las ventas aumentan a razn de 1.3 millones de pesos por ao. El valor
6.1 es el de las ventas estimadas cuando t = 0. Es decir, el monto de las ventas
estimadas para el ao 2003 es igual a 6.1 millones de pesos.
Para trazar la recta, se deben tener dos puntos, para el primero de ellos se puede
utilizar el valor 6.1 de la ecuacin anterior y el segundo se puede obtener
asignando un valor cualquiera a x, dentro del rango del intervalo del que se
dispone, por ejemplo 4 (ao 2006) para obtener el valor de y, es decir:
y = 6.1 + 1.3t = 6.1+ 1.3(4) =11.3
Con lo que ya se puede trazar la Recta de Tendencia

Y: Ventas
(millones de
pesos)

X: aos
Recta de tendencia:
Datos originales:
Mtodos de promedios mviles
Segn L. Kazmier, A. Daz Mata (1991) consiste en obtener un valor futuro de la
variable de estudio a partir de una serie histrica de los valores de la variable. El
procedimiento consiste en obtener una media aritmtica eligiendo de antemano el
tamao de la muestra e incorporando al promedio obtenido el valor de la variable
siguiente hasta completar toda la serie histrica.

Serie de tiempo
Un promedio mvil es til para suavizar una serie de tiempo y apreciar su
tendencia. Adems, es el mtodo bsico para medir la uctuacin estacional, que
se describe ms adelante en el captulo. En contraste con el mtodo de mnimos
cuadrados, que expresa la tendencia en trminos de una ecuacin matemtica
(Y = a + bt), el mtodo del promedio mvil slo suaviza las uctuaciones de los
datos. Esto se logra al desplazar los valores medios aritmticos en la serie de
tiempo.
Ejemplo
Con los siguientes datos acerca de la ventas en miles de dlares de la Empresa
Rinox S. A. durante los ltimos 3 aos tomados en perodos de trimestres:
Trimestr

Ventas

e
1
2
3
4
5
6
7
8
9
10
11
12

12
16
20
34
23
19
20
35
11
19
24
36

1. Suavizar los datos empleando el mtodo de los promedios mviles de

orden 3 (longitud de 3 perodos).
2. Pronosticar las ventas para el trimestre nmero 13.
3. Realizar el pronstico de ventas para el trimestre nmero 13 empleando el
mtodo de los promedios mviles ponderados de orden 3.
4. Elaborar un grfico en el que consten las ventas y los promedios mviles
(ventas suavizadas).
Solucin:
10

Serie de tiempo
1) El clculo de los promedios mviles de orden 3 se presenta en la siguiente
tabla:
Trimestre
1
2
3
4
5
6
7
8
9
10
11
12

Ventas
12
16
20
34
23
19
20
35
11
19
24
36

Promedio mvil
(12+16+20)/3 = 16,00
(16+20+34)/3 = 23,33
(20+34+23)/3 = 25,67
(34+23+19)/3 = 25,33
(23+19+20)/3 = 20,67
(19+20+35)/3 = 24,67
(20+35+11)/3 = 22,00
(35+11+19)/3 = 21,67
(11+19+24)/3 = 18,00
(19+24+36)/3 = 26,33

2) El ltimo valor del promedio mvil, que en este ejemplo es 26,33, representa el
pronstico de las ventas para el trimestre nmero 13, y tericamente para todo
trimestre futuro.
3) Para resolver lo planteado se toma en cuenta las 3 ltimas ventas con sus
respectivos pesos o ponderaciones. Estos datos se presentan en la siguiente
tabla:
Trimestre
10
11
12

Ventas
19
24
36

Pesos (w)
0.5
1
2

Reemplazando valores en la frmula de la media aritmtica ponderada se obtiene:

11

Serie de tiempo

El valor 30,14 es el pronstico de ventas para el trimestre nmero 13.

4) El grfico en el que constan las ventas y los promedios mviles se muestra en
la siguiente figura elaborado empleando Excel:

Ventas de la empresa Rinox S. A. en los ltimos 3 aos

Ventas suavizadas:
Datos originales:
Mtodos de suavizacin exponencial
Menciona Allen L. Webster (2000) que el suavizamiento exponencial emplea un
promedio ponderado de la serie de tiempo pasada como pronstico; es un caso
12

Serie de tiempo
especial del mtodo de promedios mviles ponderados en el cual slo se
selecciona un peso o factor de ponderacin: el de la observacin ms reciente. En
la prctica comenzamos haciendo que F1, el primer valor de la serie de valores
uniformados, sea igual a Y1, que es el primer valor real de la serie. El modelo
bsico de suavizamiento exponencial es el siguiente:

Ft+1 =

pronstico de la serie de tiempo

para el perodo t+1

Yt = valor real de la serie de tiempo en el perodo t
Ft = pronstico de la serie de tiempo para el perodo t
= constante de suavizamiento, 0 1
En base a lo anterior, el pronstico para el perodo dos se calcula de la siguiente
manera:
F2 Y t (1) F1
F2 Y t (1) Y1
F2 Y1
Como se observa, el pronstico para el perodo 2 con suavizamiento exponencial
es igual al valor real de la serie de tiempo en el perodo uno.
Para el perodo 3, se tiene que:
F3 Y 2 (1) F2
F3 Y 2 (1) Y1
F2 Y1

13

Serie de tiempo
Para mostrar el mtodo de suavizamiento exponencial, retomamos el ejemplo de
la gasolina, utilizando como constante de suavizamiento = 0.2: galores/semana
Pronstico
Semana ( t ) Valor (Yi) Ft
1 17 17.00
2 21 17.00
Semana

Gasolina/seman

(t)
1
2
3
4
5
6
7
8
9
10
11
12

a
Valor (yi)
17
21
19
23
18
16
20
18
22
20
15
22

Pronostico
Ft
17
17
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48

Tendencias no lineales
Douglas Lind, G. Marchal (2008)
Una ecuacin de tendencia lineal se utiliza para representar la serie de
tiempo cuando se considera que los datos aumentan (o disminuyen) en
cantidades iguales, en promedio, de un periodo a otro. Los datos que
aumentan (o disminuyen) en cantidades cada vez mayores durante un
periodo aparecen curvilneos cuando se trazan en grca con escala
aritmtica.

14

Serie de tiempo
En otras palabras, los datos que aumentan (o disminuyen) en porcentajes o
proporciones iguales durante un periodo aparecen curvilneos sobre un papel
cuadriculado.
La ecuacin de la tendencia para una serie de tiempo que no se aproxime a una
tendencia curvilnea, se calcula con los logaritmos de los datos y el mtodo de
mnimos cuadrados. La ecuacin general para la ecuacin de la tendencia
logartmica es:
ECUACIN DE TENDENCIA LOGARTMICA log = log a + log b (t)
Aplicaciones
Algunos ejemplos donde se puede utilizar series de tiempo
Economa y Marketing

Proyecciones del empleo y desempleo.

Evolucin del ndice de precios de la leche.
Beneficios netos mensuales de cierta entidad bancaria.
ndices del precio del petrleo.

Demografa

Nmero de habitantes por ao.

Tasa de mortalidad infantil por ao.

Medioambiente

Evolucin horaria de niveles de xido de azufre y de niveles de xido de

nitrgeno en una ciudad durante una serie de aos.

Lluvia recogida diariamente en una localidad.
Temperatura media mensual.
Medicin diaria del contenido en residuos txicos en un ro.

Conclusin

15

Serie de tiempo
A lo largo de este trabajo de investigacin bibliogrfica su pudo comparar la serie
de tiempo con distintos autores, adems algunos mtodos que se utilizan, etc.
Realizar esta investigacin sobre las series de tiempo es importante aplicarla para
as poder llevar un registro de las ventas mensuales, realizar pronsticos y
predicciones para cualquier cosa que pueda tener la empresa a futuro, entonces
as poder tomar decisiones correspondientes a tiempo.
El anlisis de series de tiempo segn la tendencia es vlido si es que no se dan
otros factores que puedan influenciar de manera significativa la tendencia de
ocurrencia de los datos, en nuestro caso un avance tecnolgico inesperado podra
alterar considerablemente el comportamiento de la tendencia.

Bibliografa
Levin, Richard I., y Rubin (2004) Estadstica para administracin y economa,
sptima edicin, PEARSON EDUCACION, Mxico 2004, paginas 952
L. Kazmier, A. Daz Mata (1991) Estadstica aplicada a administracin y economa,
segunda edicin, McGRAW-HILL INTERAMERICANA DE MEXICO, S.A. DE C.V.
Mxico, D. F.
Allen L. Webster (2000) Estadstica aplicada a los negocios y a la economa,
tercera edicin, McGRAW-HILL INTERAMERICANA, S.A. DE C.V
Douglas Lind, G. Marchal (2008) Estadstica aplicada a los negocios y a la
economa, decimotercera edicin, McGRAW-HILL INTERAMERICANA editores, S.
A. de C. V. 736 paginas.

16