INTRODUCCION

Una serie de tiempo es un conjunto de datos numricos que se obtienen en perodos

regulares a travs del tiempo Estos datos pueden ser muy variados, generalmente son
usados para evaluar el comportamiento de las ventas de una empresa, o para evaluar el
comportamiento de los ndices de precio de un pas o de un tipo de producto pero en
general pueden aplicarse a cualquier negocio y/o rea. Este comportamiento puede tener
caractersticas de tipo estacional, o cclico o siguen alguna tendencia ya sea a la baja, de
subida o sin variacin.
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.
El comportamiento de las series de tiempo, se debe a 4 componentes: la tendencia, la
variacin cclica, la variacin estacional y la variacin irregular.
La tendencia o tendencia secular, es aquella tendencia a largo plazo sin alteraciones de una
serie de tiempo. Esta tendencia pudiera ser de tipo lineal o no lineal, as como tambin
creciente o decreciente y tambin como una combinacin de alguna de las anteriores.

SERIES DE TIEMPO.
Por serie de tiempo nos referimos a datos estadsticos que se recopilan, observan o registran
en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre otros). El trmino
serie de tiempo se aplica por ejemplo a datos registrados en forma peridica que muestran,
por ejemplo, las ventas anuales totales de almacenes, el valor trimestral total de contratos
de construccin otorgados, el valor trimestral del PIB.
a. Componentes de la serie de tiempo
Supondremos que en una serie existen cuatro tipos bsicos de variacin, los cuales
sobrepuestos o actuando en concierto, contribuyen a los cambios observados en un perodo
de tiempo y dan a la serie su aspecto errtico. Estas cuatro componentes son: Tendencia
secular, variacin estacional, variacin cclica y variacin irregular.
Supondremos, adems, que existe una relacin multiplicativa entre estas cuatro
componentes; es decir, cualquier valor de una serie es el producto de factores que se pueden
atribuir a las cuatro componentes.
1. Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie es
por lo comn el resultado de factores a largo plazo. En trminos intuitivos, la
tendencia de una serie de tiempo caracteriza el patrn gradual y consistente de las
variaciones de la propia serie, que se consideran consecuencias de fuerzas
persistentes que afectan el crecimiento o la reduccin de la misma, tales como:
cambios en la poblacin, en las caractersticas demogrficas de la misma, cambios
en los ingresos, en la salud, en el nivel de educacin y tecnologa. Las tendencias a
largo plazo se ajustan a diversos esquemas. Algunas se mueven continuamente haca
arriba, otras declinan, y otras ms permanecen igual en un cierto perodo o intervalo
de tiempo.
2. Variacin estacional: El componente de la serie de tiempo que representa la
variabilidad en los datos debida a influencias de las estaciones, se llamacomponente
estacional. Esta variacin corresponde a los movimientos de la serie que recurren
ao tras ao en los mismos meses (o en los mismos trimestres) del aopoco ms o
menos con la misma intensidad. Por ejemplo: Un fabricante de albercasinflables
espera poca actividad de ventas durante los meses de otoo e invierno ytiene ventas
mximas en los de primavera y verano, mientras que los fabricantes deequipo para
la nieve y ropa de abrigo esperan un comportamiento anual opuesto aldel fabricante
de albercas.
3. Variacin cclica: 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,
estavariacin se mantiene despus de que se han eliminado las variaciones o
tendenciasestacional e irregular. Un ejemplo de este tipo de variacin son los
cicloscomerciales cuyos perodos recurrentes dependen de la prosperidad,

recesin,depresin y recuperacin, las cuales no dependen de factores como el

clima o lascostumbres sociales.
4. Variacin Irregular: Esta se debe a factores a corto plazo, imprevisibles y no
recurrentes que afectan a la serie de tiempo. Como este componente explica
lavariabilidad aleatoria de la serie, es impredecible, es decir, no se puede
esperarpredecir su impacto sobre la serie de tiempo. Existen dos tipos de
variacinirregular:
a) Las variaciones que son provocadas por acontecimientos especiales,fcilmente
identificables, como las elecciones, inundaciones, huelgas, terremotos.
b)Variaciones aleatorias o por casualidad, cuyas causas no se pueden sealar en
formaexacta, pero que tienden a equilibrarse a la larga.
El mtodo clsico identifica cuatro influencias o componentes:
Tendencia (T)
Fluctuaciones cclicas (C)
Variaciones estacionales (E)
Variaciones irregulares (I)
Los cuales tienen una relacin multiplicativa que dan forma al modelo clsico de series de
tiempo, es decir, para cualquier perodo designado en la serie de tiempo, el valor de la
variable est determinado por los cuatro componentes en la siguiente forma:
Y=TxCxExI
cuyas caractersticas son las siguientes:

b. Tendencia de una serie

1. Tendencia lineal
Como se dijo antes, la tendencia de una serie viene dada por el movimiento general a largo
plazo de la serie. La tendencia a largo plazo de muchas series de negocios (industriales y
comerciales), como ventas, exportaciones y produccin, con frecuencia se aproxima a una
lnea recta. Esta lnea de tendencia muestra que algo aumenta o disminuye a un ritmo
constante. El mtodo que se utiliza para obtener la lnea recta de mejor ajuste es el Mtodo
de Mnimos Cuadrados.
2. Tendencia no lineal
Cuando la serie de tiempo presenta un comportamiento curvilneo se dice que este
comportamiento es no lineal. Dentro de las tendencias no lineales que pueden presentarse
en una serie se encuentran, la polinomial, logartmica, exponencial y potencial, entre otras.

Ejemplo 1: Clculo de la Tendencia a travs de Mnimos Cuadrados En la siguiente tabla

se encuentran los datos de las ventas de los ltimos cinco aos de una empresa del ramo de
alimentos:

a) Graficar los datos

b) Determinar la ecuacin de tendencia e interpretarla
c) Trazar la recta de tendencia
d) Pronosticar las ventas para los siguientes dos aos e interpretar el
Resultado.
a) Con los datos que se tienen se obtiene la siguiente grfica:

b) Para determinar los coeficientes de la ecuacin se debe construir una tabla con los datos
necesarios:

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 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.
c) 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

d) Los dos aos siguientes son 2008 y 2009, que en trminos de los clculos que estamos
haciendo son 6 y 7, respectivamente. Pues bien, estos se sustituyen en la Ecuacin de
Tendencia y se obtienen lospronsticos requeridos, es decir:

y = 6.1 + 1.3t = 6.1+ 1.3(6) = 13.9

y = 6.1 + 1.3t = 6.1+ 1.3(7) = 15.2
que se interpreta de la siguiente manera:
Con base en las ventas anteriores, la estimacin o pronstico para los aos 2008 y 2009,
es 13.9 y 15.2 millones de pesos, respectivamente.
c. Mtodos de Suavizamiento de la Serie
1.Promedio mvil
Un promedio mvil se construye sustituyendo cada valor de una serie por la media obtenida
con esa observacin y algunos de los valores inmediatamente anteriores y posteriores. Se
mostrar este mtodo con los siguientes ejemplos:
2.Promedios mviles ponderados
Para mostrar el uso de ste mtodo, se utilizar la primera parte del ejemplo anterior de la

venta de gasolina. El mtodo consiste en asignar un factor de ponderacin distinto para

cada dato. Generalmente, a la observacin o dato ms reciente a partir del que se quiere
hacer el pronstico, se le asigna el mayor peso, y este peso disminuye en los valores de
datos ms antiguos. En este caso, para pronosticar las ventas de la cuarta semana, el clculo
se realizara de la siguiente manera:
Puede observarse que el dato ms alejado (correspondiente a la primera semana) tiene el
factor de ponderacin ms pequeo, el siguiente tiene un factor de ponderacin del doble
que el primero y el dato ms reciente (que corresponde a la tercera semana) tiene un factor
de ponderacin del triple del primero. Los pronsticos para las diversas semanas se
presentan en la siguiente tabla. En todos los casos, la suma de los factores de ponderacin
debe ser igual a uno.