ndice INTRODUCCION TENDENCIA PROMEDIOS MVILES VARIACIONES CCLICAS E IRREGULARES VARIACIONES ESTACIONALES MTODO DE LA RAZN AL PROMEDIO MVIL ALISAMIENTO

AMIENTO EXPONENCIAL BIBLIOGRAFIA Introduccin Una SERIE cronolgica es un conjunto de observaciones ( ordenado en trminos de tiempo). Algunos ejemplos de series cronolgicas serian aspectos tales registros de precipitacin pluvial diaria, las ventas semanales, el producto nacional bruto trimestral, mediciones de la temperatura. El objeto de analizar tales datos es determinar si se presentan ciertos patrones o pautas no aleatorias. Algunas veces se trata de descubrir patrones no aleatorios que se puedan utilizar para predecir el futuro. En otras coacciones, el objetivo es asegurarse de que no haya patrones no aleatorios. En estos casos, dichos patrones son considerados como una seal de que un sistema o proceso esta fuera de control. La siguiente explicacin tiene relacion con el anlisis intrnseco, el cual se concentra en los datos histricos de la variable de estudio. Cabria destacar que el anlisis intrnseco es ampliamente empleado en los negocios y en l a industria. El objetivo reconocido del anlisis intrnseco es describir mas que explicar los patrones histricos de los datos (es decir, identificar diversos patrones). Adems el supuesto en el que se basa el anlisis intrnseco, estable que existe un constante sistema causal relacionado con el tiempo, el cual influye en los datos. En otras palabras, los datos histricos supuestamente reflejan l a influencia de todos los factores de manera uniforme atravez del tiempo. Por ejemplo, un estudio de ventas realizadas en un periodo de 14 aos puede revelar que las ventas han aumentado de manera uniforme a razn de casi 10% anual. Con base en esto se lleva a cabo una proyeccin de las ventas futuras, suponiendo que cualesquiera que fuesen las fuerzas que hayan dado lugar a este patrn, continuaran en le futuro. TENDENCIA La tendencia secular se refiere a desplazamientos de los datos a largo plazo hacia arriba o hacia abajo. Existen 2 objetivos bsicos para aislar el componente de la tendencia de una serie cronolgica. Es identificar la tendencia y utilizarla, como por ejemplo, al hacer una prediccin o pronostico. El otro consiste en eliminar la tendencia, de manera que se puedan estudiar los otros componentes de una serie cronolgica. As, en trminos de predicciones, la investigacin de l a tendencia puede proporcionar cierta idea con respecto ala direccin a largo plazo de una serie de tiempo. Es identificar, a fin e que sea posible tomar en cuenta la tendencia en las decisiones de planeacin. En la siguiente taba se presentan datos de series cronolgicas en lo referente a un periodo de 20 aos 2 4 6 7 9 10 11 12

toneladas 10 11 9 11 12 15 13 17 16 13 14 10 18 16 20 22 14 21 17 21

ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973

Ahora obtengamos una recta de tendencia mediante las formulas siguientes: b= n"tY"t"Y n"t"2 ("t)"2 a="Yb"t n Sustituyendo: ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 Periodo t 1 2 3 4 5 6 7 8 9 10 toneladas 10 11 9 11 12 15 13 17 16 13 tY 10 22 27 44 60 90 91 136 144 130 t*2 1 4 9 16 25 36 49 64 81 100 2

1964 1965 1966 1967 1968 1969 1970 1971 1972 1973

11 12 13 14 15 16 17 18 19 20

14 10 18 16 20 22 14 21 17 21

154 120 234 224 300 352 238 378 323 420

121 144 169 196 225 256 289 324 361 400

Aplicando las formulas b= 20(3497)210(300) =0.52 20(2870)(210) "2 a= 3000.52 =9.52 20 Y=9.52+0.52t En la cual Yt =valor predicho de l a serie cronolgica a= valor de Yt cuando t=0 b= pendiente de la recta t= nmero de periodos ** No hay que olvidar que n es l numero de observaciones. Por consiguiente, para fines prcticos, los clculos son idnticos a los que se ilustraron anteriormente. PROMEDIOS MVILES Un segundo mtodo para el anlisis de l a tendencia es utilizar un promedio mvil, el cual es un valor medio de los ltimos K puntos de datos, digamos, las ultimas 10, 15 o 22 observaciones. Por ejemplo, si se supone que el promedio esta compuesto de las ultimas 12 observaciones (k=12), entonces, a medida que se considere cada nueva observacin ( incluida en el promedio), se suprime la ms antigua ( el dato 12). Un promedio mvil es el valor medio aritmtico de las k observaciones. PM=" Y I=tk . K Considrese las siguientes series, para las cuales se ha desarrollado un promedio mvil de cinco periodos. 3

Y 9 10 12 8 6 14 20 16 6

Total Mvil (5 periodos)

TM/5 PM

45(=9+10+12+8+6) 45/5=9 50(=45+149) 50/5=10 60(=50+2010) 60/5=12 64(=60+1612) 64/5=12.8 62(=62+88) 62/5=12.4

Observe que primero se calcula el Total mvil ( la suma de las ultimas 5 observaciones), y que el promedio mvil se obtienen dividiendo el total mvil entre l numero de periodos (valores) en dicho total. De este modo, siempre habr k observaciones en el total mvil, por lo que el promedio se mueve a medida que se agregan nuevos puntos y se suprimen los puntos mas antiguos. Por tanto, para obtener el siguiente promedio, se suprime el valor ms antiguo y se agrega un nuevo valor. La practica usual es ubicar al promedio mvil en un punto que se encuentre ala mitad entre los puntos cronolgicos de las observaciones mas recientes y ms antigua, o bien, en un punto en el tiempo que corresponda ala observacin ms actual. Este ultimo mtodo se ilustra en el ejemplo anterior. Si el propsito es predecir el siguiente valor, se deber utilizar el valor actual del promedio mvil. Si el intento es nicamente alisar los datos, entonces es ms apropiado colocar en el centro el promedio mvil, entre le primer y ultimo puntos. En realidad, de los dos enfoques el mtodo de centrado es el que se usa con mas frecuencia. ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 Periodo t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 toneladas 10 11 9 11 12 15 13 17 16 13 14 10 18 16 20 22 14 21 Promedio mvil de 5 periodos PM

10.3 10.6 11.6 12 13.6 14.6 14.8 14.6 14 14.2 14.2 15.6 17.2 18.6 18.8 19

1972 1973

19 20

17 21

VARIACIONES CICLICAS E IRREGULARES Las variaciones cclicas son de tipo peridico y presentan mas de un ao de duracin. Comnmente, tales variaciones no se pueden apartar de las de naturaleza irregular, por lo que se analizaran juntas. Para aislar las variaciones cclicas, las otras variaciones (de tendencia y estacionales) se deben separar de los datos de las series cronolgicas. Las variaciones estacionales se suprimen en forma efectiva utilizando cifras anuales ( ya que las variaciones estacionales se definen como ciclos de un ao o menos duracin, las cifras anuales no mostraran fluctuaciones estacionales) o bien analizar cifras mensuales Utilizando un promedio mvil de doce meses. A continuacin se extrae la tendencia de los datos, y lo que queda se considera como el total de fluctuaciones cclicas e irregulares. Para eliminar la tendencia se requiere obtener una recta (o curva) de tendencia. Esto se puede realizar utilizando una ecuacin de regresin o un promedio mvil de largo plazo. La eliminacin de la tendencia a partir de los datos depende de s se utiliza el modelo aditivo o el multiplicativo. En el primero, cada observacin se resta del valor correspondiente de la tendencia. El resultado es una serie de desviaciones con respecto a esta.

En esta grfica se muestran los datos con eliminacin de l a tendencia, dejando solo los ciclos.

En esta grfica se muestran los datos originales con tendencia y ciclos. En este ejemplo se muestra el mtodo para eliminar la tendencia en los datos del modelo aditivo, dada una ecuacin de regresin lineal que se deriva de los mismos. Datos originales Y 12 15 18 19 20 21 22 25 28 31 34 35 36 37 38 41 44 47 Tendencia Yt=10+2t 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 Datos sin tendencia YYt 0 1 2 1 0 1 2 1 0 1 2 1 0 1 2 1 0 1 6

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

19 20

50 51

48 50

2 1

VARIACIONES ESTACIONALES Las fluctuaciones estacionales son variaciones que se repiten regularmente en un periodo de un ao. Existen 2 objetivos generales para aislar el componente estacional de una serie cronolgica. El primero es eliminar ese patrn a fin de estudiar las fluctuaciones cclicas. La segunda finalidad es identificar factores estacionales, de esta manera que se puedan considerar en la toma de decisiones. Por ejemplo si una compaa productora se da cuenta de que existen fluctuaciones estacionales en la demanda de un determinado, producto, es posible que desee ajustar sus presupuestos, mano de obra e inventarios, teniendo esto en mente. Por lo general tales ajustes resultan muy costosos. Por ejemplo, compaa puede buscar un producto complementario. El cual presente variaciones estacionales en su de manda opuesta alas del mismo. La demanda de equipo de calefaccin. Para probar y encarar los patrones estacionales, es necesario identificar y determinar primero la extensin de estas variaciones. La Tcnica mas difundida para el anlisis estacional es el mtodo de l a razn al promedio mvil. MTODO DE LA RAZN AL PROMEDIO MVIL Este mtodo produce ndices semanales, mensuales o trimestrales, que establecen observaciones de series cronolgicas, en trminos de un porcentaje el total anual (es decir, como relativos estacionales). Por ejemplo, si el mes de junio tiene un ndice estacional de 0.80, esto indica que las ventas medias en junio 80% del promedio mensual. Si un trimestre presenta un ndice estacional del 2.00, esto quiere decir que las ventas para un trimestre son aproximadamente el doble de la cantidad promedio para todos los trimestres. A continuacin se presenta el desarrollo paso a paso. El primer paso es obtener un promedio mvil anual, a fin de suprimir las variaciones estacionales. Por lo tanto, si los datos se presentan en forma trimestral, se va a requerir un promedio mvil de 4 periodos; si se consideran datos mensuales, se necesitara un promedio mvil de 12 periodos. Si los datos se presentan en forma anual ser imposible determinar ndices estacionales, ya que las variaciones estacionales automticamente se suprimiran. Si se utiliza un numero par de periodos, para obtener el promedio mvil anual, surgir un problema en el centrado de los datos, puesto que el centro no corresponder a ninguno de 7

los datos originales. Una forma de resolver este problema es encontrar un promedio mvil de 2 periodos de los promedios mviles, lo cual dar lugar que corresponda a un punto de los datos: A continuacin se ilustra dicha solucin. 1 2 3 4 5 6

centro centro

Punto central de los centros

El siguiente paso consiste en dividir los datos originales entre los valores correspondientes del promedio mvil. En efecto, esto elimina las variaciones de tendencia y cclicas de los datos, dejando solo las variaciones estacionales, irregulares y aleatoria simblicamente esto es Y = T*C*E*I=E*I PM T*C A Continuacin se agrupan los relativos de periodos semejantes y se obtiene la razn estacional promedio para cada periodo; por ejemplo, si se utilizan datos mensuales, se agrupan todos los de enero y se calcula su promedio; se renen todos los de febrero y se determina su problema; y as sucesivamente; por lo general se calcula un valor medio modificado; esto comprende la eliminacin de las cifras ms altas y ms bajas de cada grupo antes de obtener el promedio. Por ultimo, las cifras resultantes se estandarizan. Esto lleva a cabo mediante el ajuste de los ndices relativos, de manera que se sumen al numero de periodos. Por tanto, si hubiera 12 periodos, en total de los relativos estacionales debera ser 12. En el ejemplo que se presenta a continuacin hay cuatro periodos por lo que la suma de los periodos ser igual a cuatro. De igual modo, debido al redondeo, las cifras tambin suman cuatro. Supngase que la cifra desarrollada sea 5 en lugar de 4. El ajuste se llevara a cabo multiplicando cada relativo estacional por 4/5. De este modo, se divide el nmero de periodos del promedio mvil entre la suma de relativos y se multiplica cada relativo por el resultado. Ejemplo Dados los datos de ventas trimestrales, utilice el mtodo de razn al promedio mvil, para obtener relativos trimestrales, mediante el procedimiento explicado anteriormente. Agrupado los relativos (Y/B) por trimestres, se obtienen los resultados siguientes: I 1.02 1.01 1 1.02 0.99 3.03 1.01 II 0.89 0.87 0.88 0.86 0.87 2.62 0.87 III 1.02 0.94 1.03 1.03 1.05 3.08 1.03 IV 1.07 1.09 1.1 1.09 1.1 3.28 1.09

Totales modificados 8

Valores medios modificados(relativos estacionales) ALISAMIENTO EXPONENCIAL Este es un mtodo, que utiliza una ecuacin de un promedio mvil, exponencialmente ponderado, que alisa las variaciones al azar de los datos de series cronolgicas. La finalidad del alisamiento es obtener una imagen mas clara de cualquier patrn no aleatorio que pudiera existir en los datos. Una vez mas, es de suponerse que los datos estn compuestos por variaciones de tendencia, cclicas y estacionales, as como por fluctuaciones al azar. En trminos generales, cuando se utiliza el mtodo del promedio mvil se debe tener en consideracin la pregunta de cuantos periodos se deben incluir en dicho promedio? Cuanto ms datos incluidos en el promedio, menos posibilidad habr de que cada nuevo dato altere dicho promedio, mientras que cuanto menor sea l numero de periodos incluidos, mayor ser la probabilidad de que el promedio resulte afectado por los nuevos datos. La ecuacin para la determinacin del alisamiento exponencial es: Vs= Vs1+(DVs1) En la cual Vs= nuevo valor Vs1= valor anterior alisado D = siguiente punto de datos = factor de alisamiento El valor alisado V, es igual a valor anterior mas un porcentaje ( ) de la diferencia entre el valor anterior y el siguiente punto de los datos. ( el factor de alisamiento no debe ser confundido con la usada en las pruebas de significacin ( no existe relacin alguna entre ellas). BIBLIOGRAFIA Estadistica para Administracion y Economia William J.

10