Cuadernos didacticos

ANALISIS
ESTADISTICO DE SERIES
TEMPORALES

Ana Luca Moreno Cortes

Francisco J.P. Zimmermann
Primer semestre de 2006

Captulo 1
al analisis

Introduccion
de series
temporales

1.1. Introduccion
Se llama serie temporal a todo conjunto de valores posibles de or cronologica.

denacion
Como ejemplo de series temporales podemos
citar las temperaturas diarias de una ciudad, las ventas diarias,
los balances mensuales y el dividendo anual pagado por una in de las bolsas, la
dustria, el valor diario de cerramiento del pregon
anual de un pas, su PIB o el numero

inflacion
de sus habitantes

en el ultimo
siglo.

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

1.2. Funciones temporales

matematica
1.2.1. Representacion

Una serie temporal esta matematicamente

definida por una fun cuya forma general es
cion
y = f (t),
donde, y es el valor de la variable en estudio, t es la fecha a que
ella se refiere, f es la regla que relaciona el valor de la variable en
estudio con la fecha a que ella se refiere.

grafica
1.2.2. Representacion

El grafico
de una serie temporal es una lnea que relaciona los
valores de la variable estudiada (posicionada en el eje y, de las
ordenadas) con el tiempo (posicionado en el eje x de las abscisas).

El grafico
abajo muestra el rendimiento de inversiones en los 12
meses de 2004.

1.3. COMPONENTES DE LAS SERIES TEMPORALES

1.3. Componentes de las series temporales

Los datos formadores de una serie temporal pueden ser absolutos o relativos, discretos o continuos. Los absolutos se definen en
terminos de las unidades propias de la variable y los relativos en
terminos de ndices. De otra parte, mientras los discretos normalmente se refieren a intervalos regulares de tiempo, los continuos

frecuentemente pueden ser vistos en terminos dinamicos

(el grafi
co es como un punto material trasladandose
sobre la lnea definida
economico,

por y = f (t), impulsado por algunas fuerzas, de acuno

social o psicologico).
La frecuencia con que son calculados tambien puede ser usada para caracterizar las propias series. As, entre otras, hay series diarias (cotizaciones de las bolsas), semanales (productividad de una
industria), mensuales (ndices de precios al consumidor), semes de los alquileres residenciales) y anuatrales (ndices de correccion
les (producto nacional bruto). La periodicidad de los datos puede
ser ampliada sustituyendose un conjunto de ellos por su media.
Las variables constituyentes de las series temporales pueden ser

descompuestas en cuatro elementos (o componentes) basicos,

a saber: tendencia, ciclos, estacionalidad y aleatoriedad los cuales son

descritos a continuacion.

1.3.1. Tendencia
general de
La tendencia, o componente secular, indica la direccion
los valores estudiados. Su principal caracterstica es un movimien-

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

to constante y suave a lo largo del tiempo de evaluacion.

Es una
variable influenciada por una serie de factores, como el crecimien a que se refiere, por las preferencias
to poblacional de la region

de los individuos, escasez de materias primas y por la legislacion

aplicable en aquellos instantes.

1.3.2. Ciclos

En terminos economicos,
los ciclos son caracterizados por los movimientos oscilatorios y aproximadamente regulares de los datos,

en el largo plazo (perodos mayores que un ano),

en torno de la
tendencia secular. Los ciclos pueden ser debidos a muchos fac
tores, principalmente a los fenomenos
naturales, como estaciones
perodos de lluvia o de calor intenso y hasta las manchas
del ano,

solares. Tambien pueden ser debidos a fenomenos

socioeconomi o euforia tpicos de los ciclos
cos, como los perodos de recesion

economicos.

1.3. COMPONENTES DE LAS SERIES TEMPORALES

1.3.3. Estacionalidad

Los fenomenos
estacionales (tambien llamados de estaciones, por
son aseestar muchas veces asociados con las estaciones del ano)

mejados a los fenomenos

cclicos. La diferencia fundamental entre
ellos es el tiempo entre dos crestas consecutivas: en el caso de los
en el caso de la estaciociclos, ese tiempo es superior a un ano;
(en este ultimo

nalidad, es inferior a un ano

caso, los fenomenos
dichos son de corto plazo).
Como ejemplo de eventos estacionales podemos citar los artculos

de estacion,
como helados, libros didacticos,
huevos de Pascua y
en verano (en
tarjetas de navidad, as como la cada de produccion
de las vacaciones), los ciclos meteorologicos

funcion
(que afectan
agrcola y las actividades al aire libre, como la consla produccion
civil) y los ciclos administrativos (pago de impuestos y del
truccion
salario 13, balances anuales, etc.).

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

1.3.4. Aleatoriedad

Muchos fenomenos
socioeconomicos
varan de forma completa
mente esporadica
e imprevisible. Tales variaciones, llamadas aleatorias, pueden ser debidas a causas naturales -como sequas, inundaciones, heladas, epidemias y terremotos - o a causas sociales como perodos de relaciones internacionales tumultuadas, de gue
rras, huelgas y elecciones y hasta por planes economicos,
as como
pueden ser debidas a eventos no identificados. El efecto provocado
por esta componente, en general no mensurable, es de corta dura e intensidad variable (desde imperceptible hasta la mudanza
cion
de las tendencias y de los ciclos).
en la propia direccion


1.4. ANALISIS
DE LAS SERIES TEMPORALES

1.4. Analisis
de las series temporales

El analisis
de las series temporales tiene como objetivo principal

determinar sus componentes basicas,

particularmente las tendencias a largo plazo. Teniendose esos componentes y admitiendo la
patron
general y no aleatorio de comportamienexistencia de algun
ser
to (por ejemplo, crecimiento o decrecimiento definidos), podran

descritos por funciones matematicas,

con las cuales sera posible hacer predicciones en cuanto al futuro comportamiento del

fenomeno
estudiado en aquel instante. La existencia de un patron
de comportamiento no aleatorio es de fundamental importancia pa
ra el analisis.
Eso porque su inexistencia (que es una caracterstica
de las series totalmente aleatorias) indica que el proceso esta completamente fuera de control. Y si e l esta absolutamente fuera de
razonable podra ser hecha socontrol, entonces ninguna prevision

cualquier
bre las futuras ocurrencias del fenomeno,
tornando inutil

analisis
de sus propiedades.

10

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

1.5. Metodos
de estudio de las series
temporales
Una forma de estudiar las series temporales consiste en descom
ponerlas en cada uno de sus componentes basicos,
analizar tales
elementos separadamente y despues recomponerlos, con el fin de

describir las variaciones observadas en el fenomeno.

Considerando

las componentes de las series temporales, hay tres modelos basicos

de estudio posible. Son ellos:

1.5.1. Modelo aditivo

Admitiendo que las componentes de las series temporales actuan

de modo absoluto e independiente entre s, el modelo aditivo con
siste en simplemente sumarlas. Simbolicamente,
es representado

por la siguiente expresion:

Y =T +C +E+A
donde,
Y es la variable observada;
T es la componente de tendencia;
C es la componente cclica;
E es la componente estacional;
A es la componente aleatoria de la variable observada.

1.5. ME TODOS DE ESTUDIO DE LAS SERIES TEMPORALES

11

1.5.2. Modelo multiplicativo

Alternativamente, podemos admitir que las componentes de las

series temporales actuen

de modo proporcional a las respectivas
fuerzas. En este caso, este modelo es representado por la expre
sion:
Y =T C EA
Es evidente que los factores componentes del producto tienen los
mismos significados que los descritos anteriormente para el modelo
aditivo.

1.5.3. Modelo mixto

Tambien hay la posibilidad de admitir que las componentes de las

series temporales actuen

de modo mixto, algunas sumando y otras
multiplicando. En el caso del modelo mixto, hay varias posibilida de las componentes de la variable estudiada.
des de combinacion
Algunas de ellas son las siguientes:
Y = T + C E A,
Y = T C + E A,
Y = T C E + A.
entre los modelos aditivo y multiplicativo es hecha
La seleccion
con base en la sensibilidad de las variaciones estacionales con re al nivel del propio fenomeno.

lacion
Si es detectada una regularidad aritmetica, debemos adoptar el modelo aditivo; si no, debemos

escoger el modelo multiplicativo (en terminos practicos,

el modelo
adecuado en cerca del 75 % de los casos).
multiplicativo es lo mas

12

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

de los elementos de las

1.6. Descomposicion
series temporales
Tal como se percibe en las secciones anteriores, los metodos de estudio de las series temporales exigen que sean descompuestas en

sus elementos basicos.

Los principales caminos para tal descom son los siguientes:
posicion

1.6.1. Tendencia
el elemento mas
importante de una serie temporal es su
Quizas
e sa es la razon
por que la tentendencia de largo plazo (ademas,
dencia suele ser llamada tendencia secular). Su aislamiento tiene

dos objetivos basicos:

Es base para los procesos decisorios (por ejemplo, con la tendencia de crecimiento de determinado producto podremos es futimar su demanda futura y adecuar a ella su produccion
tura);
facilmente

elementos de la
Permite analizar mas
los demas
serie.

elementos por los

La tendencia puede ser destacada de los demas
siguientes procesos:

 DE LOS ELEMENTOS DE LAS SERIES TEMPORALES

1.6. DESCOMPOSICION

13

Sentimiento
rapido

Es el proceso mas
y primitivo para el aislamiento de la tendencia. Consiste simplemente en obtener la mejor curva de ajuste
visual del diagrama de dispersion.
En termimediante inspeccion

nos populares, es el famoso ajuste en la base del ojometro.

Los

puntos del grafico

abajo fueron aleatoriamente ajustados de esa
forma.

Mnimos cuadrados

Consiste en obtener la mejor curva de ajuste mediante la aplicacion

definido por el metodo de los mnimos

del analisis
de regresion
cuadrados. En este caso, la tendencia de los datos es definida por
su curva de ajuste. Abajo el ajuste para los datos de la tabla 1.

Medias moviles
Este proceso, cuyo objetivo es suavizar las variaciones en la varia
ble estudiada, tiene la gran ventaja de no exigir la determinacion

14

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

de ninguna curva a que la tendencia deba adaptarse. El ajuste es

hecho con base en las llamadas medias moviles
de orden k, que

consiste en el conjunto de las medias de los ultimas

k valores de
la serie de datos (cuanto mayor el orden de las medias, mayor la
suavizacion
lograda). Aunque el metodo sea bastante flexible y de
simple, filtrando facilmente

aplicacion
las variaciones cclicas, estacionales y aleatorias, tiene diversas desventajas. Una de ellas es
de la serie original; otra, es la de no ser aplique reduce el tamano
cable para el estudio de lo que pasa fuera del intervalo considerado;
es que puede generar movimientos cclicos inexistentes
otra mas
en los datos originales; y, por fin, como toda media, es afectada por
valores extremos, pudiendo generar algunas distorsiones.
del orden de las medias moviles

La seleccion
depende del perodo
los estacionales y los aleatorios)
del ciclo. Los efectos cclicos (mas
eliminados tomandose

de una serie temporal seran

medias moviles
de orden igual al perodo del ciclo.

Totales anuales moviles

Es semejante a las medias moviles,

porque considera grupos anua
les de valores (las medias moviles
pueden ser anuales). Es diferente por considerar los totales de los valores, al reves de sus medias.

A pesar de ser un metodo construido para evaluar series historicas mensuales agrupadas en subconjuntos de 12 elementos, nada impide que el concepto sea extendido para otros perodos (por

ejemplo, podramos crear los totales decenales moviles,

donde los

valores anuales sean evaluados en grupos de 10 anos).

presenta el credito a los consumidores

La tabla 1 a continuacion,

 DE LOS ELEMENTOS DE LAS SERIES TEMPORALES

1.6. DESCOMPOSICION

15

datos del Banco Central.

en Brasil, en porcentaje del PIB, segun

Ajustar esos datos por las medias moviles

trianuales.

Ahora se presentan, los graficos

del credito directo al consumidor

y sus respectivas medias moviles,

en mil millones de dolares
y en
porcentaje del PIB.

16

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

Semimedias

Es otro metodo semejante a las medias moviles.

Consiste en separar los datos en dos partes y calcular las respectivas medias, obteniendo dos puntos que definen una recta de ajuste. Es un metodo
indiscriminada
extremadamente simple y grosero cuya aplicacion
puede producir errores monstruosos, especialmente cuando los datos no son adecuadamente aproximados por una recta.
Ejemplo: Hallar las semi-medias del credito al consumidor y
las ecuaciones de las rectas de ajuste.
Semi-medias
Como el conjunto tiene 13 valores, vamos a agruparlos en
dos subconjuntos de seis valores. El primero considera el
perodo 80-85; el segundo, el perodo 87-92. Los valores
de 86 son ignorados. De ese modo, tenerelativos al ano
mos las siguientes semi-medias:

En mil millones de dolares

 DE LOS ELEMENTOS DE LAS SERIES TEMPORALES

1.6. DESCOMPOSICION

SM1 =

58,6
6

= 9,8 y SM2 =

16,2
6

17

= 2,7

En porcentaje del PIB

SM1 =

16,9
6

= 2,8 y SM2 =

3,9
6

= 0,7

Ecuaciones de las rectas de ajuste

Para determinar las rectas de ajuste, debemos recordar

dos cosas: una es que, por definicion,

SM1 corresponde
al punto 82.5 y SM2 al punto 89.5 (estos son los puntos
medios de cada grupo definidor de las semi-medias); otra,
que la recta que pasa por dos puntos esta dada por:
y y1
y2 y1
=
x x1
x2 x1
De esta manera, tenemos:

En mil millones de dolares:

x1 = 82,5 e y1 = SM1 = 9,8
x2 = 89,5 e y2 = SM2 = 2,7
2,7 9,8
1
y 9,8
=
y = (634,5 7,1x)
x 82,5
89,5 82,5
7
En porcentaje del PIB:
x1 = 82,5 e y1 = SM1 = 2,8
x2 = 89,5 e y2 = SM2 = 0,7
y 2,8
0,7 2,8
=
y = 27,55 0,3x
x 82,5
89,5 82,5

1.6.2. Ciclos
Muy frecuentemente, los ciclos son adecuadamente representados
por las funciones trigonometricas, particularmente el seno y el co
en la que se encuentra
seno (cuya diferencia basica
es la posicion

18

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

polinomial de tercer
el origen de los tiempos) o por una funcion
grado. De esa forma, la componente cclica puede ser obtenida de
una de las siguientes expresiones:

al seno
Con relacion

y = A sin 2

tu
T



al coseno
Con relacion

 
tu
y = A cos 2
T
Donde,
A es la amplitud (altura) de la onda;
T es el perodo del ciclo;
u es la fase, y
t es el tiempo.

Polinomio de tercer grado

y = b0 + b1 t + b2 t2 + b3 t3

1.6.3. Estacionalidad
Factores estacionales son aquellos ligados a eventos tpicos de las
estaciones. Las variaciones de ellos consecuentes, caracterizadas

 DE LOS ELEMENTOS DE LAS SERIES TEMPORALES

1.6. DESCOMPOSICION

19

por el retorno regular y sucesivo del fenomeno

en las mismas e po
cas de anos
seguidos; pueden ser separadas por cuatro metodos.

Porcentaje de la media
El ndice estacional de un subperodo (mes, bimestre, trimestre o
semestre) es definido como la media de las razones entre los datos
de los subperodos y las medias anuales del perodo analizado. En
otras palabras, lo que se hace es expresar los datos en porcentajes
de las medias (o medianas) anuales. Al conjunto de las 12 medias
anuales se da el nombre de perfil de estacionalidad. La sumatoria
de los ndices de estacionalidad debe ser igual a 1200. En consecuencia, su media debe ser siempre igual a 100. En caso que esto
no ocurra, los ndices deben ser adecuadamente ajustados. El aislamiento de las variaciones estacionales se hace dividiendo el valor
de la variable por el ndice estacional correspondiente a su perodo.

Porcentaje de la tendencia
En este caso, el ndice estacional esta dado por la media de las
relaciones entre los datos de los subperodos y los respectivos valores de la tendencia. Aqu, los datos son expresados en porcentajes de las tendencias anuales, debiendo anualmente sumar 1200 y

tener 100 como media, efectuandose

los ajustes, cuando sean necesarios. Semejantemente a lo que se hace con los porcentajes de
la media, el aislamiento de las variaciones estacionales se obtiene
dividiendo el valor de la variable por el ndice estacional correspondiente a su perodo. Note que, por el modelo multiplicativo, la
del valor real por el valor teorico

division
de la variable suministra

20

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

componentes, que podran

incluir las variaciones cclicas
las demas
y las aleatorias.

Porcentaje de las medias moviles

Tambien se puede obtener un ndice estacional con la media de
las relaciones entre los datos de los subperodos y las respectivas

medias moviles.
El proceso en s es exactamente identico a lo que
se hace con el porcentaje de las medias y la tendencia. Cualquie
ra que sea la base (medias anuales, tendencia o medias moviles),
la desestacionalidad de los datos es obtenida dividiendo los datos
originales por los respectivos ndices estacionales.

Serie de nexos relativos

Otra forma de extraer la estacionalidad de los datos es calculando
los nexos de la serie anual de los respectivos relativos mensuales.
Eso se hace dividiendo el valor de la variable en un mes dado por el
valor correspondiente al mes inmediatamente anterior. Enseguida,

se considera uno de los meses como base y se ajustan los demas

valores a esa base (por ejemplo, si consideramos enero = 100, los
ndices de estacionalidad seran
obtenidos dividiendo el ndice de
meses del ano
por el ndice de enero).
los demas
presenta las ventas de la TNCG en los
La tabla a continuacion

ultimos
cuatro anos.

Determinar los ndices de estacionalidad mensual

 DE LOS ELEMENTOS DE LAS SERIES TEMPORALES

1.6. DESCOMPOSICION

21

Vamos a calcular los ndices estacionales tomando por base

el metodo del porcentaje de la media anual. Para esto, necesitamos, antes, determinar las referidas medias anuales. Son
ellas:

Ahora, dividiendo las ventas mensuales por las ventas me

dias de los respectivos anos,
tenemos los ndices estacionales
deseados. Son los valores mostrados en la tabla a continua
cion:

22

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

Polinomio de tercer grado

As como en ciclos, el efecto de estacionalidad puede ser estudiado
polinomial de tercer grado.
por un modelo de regresion
y = b0 + b1 t + b2 t2 + b3 t3

1.6.4. Aleatoriedad
componentes de la variable
Cuando se han conocido las demas
estudiada, la aleatoria puede ser obtenida por diferencia (por esa

razon,
es muchas veces llamada componente residual). Cabe recordar que los valores de la componente aleatoria frecuentemente
normal y que la suma de los desvos con relacion

tiene distribucion
la media o tendencia de los datos es igual a cero. Considerando los
modelos posibles de estudio, tenemos:

Modelo aditivo

Y (T + C + E) = A

Modelo multiplicativo

Y
=A
T C E

 DE LOS ELEMENTOS DE LAS SERIES TEMPORALES

1.6. DESCOMPOSICION

23

Modelo mixto
va a depender de la forma del modelo. Considerando
La expresion
los ejemplificados, tenemos:
Si Y = T C + S A, entonces A =

AT C
E

Si Y = T + C S A, entonces A =

Y T
CE

Si Y = T C S + A, entonces A = Y T C E

24

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

1.7. Comparabilidad de los valores de las

series temporales
frecuentes de las series temporales
Una de las aplicaciones mas
de valores relativos en perodos diferentes.
esta en la comparacion
por ejemplo, comparar ndices de inflacion,
volumen
As, es comun,
de ventas, etc. de varios perodos diferentes. Pero, en esta compa se deben tener algunos cuidados mnimos. Por ejemplo, los
racion,
ndices mensuales de enero y febrero son diferentes simplemente
porque mientras enero tiene 31 das, febrero solo tiene 28 (depen
tener en cuenta los
diendo del fenomeno
estudiado, se debe aun

das utiles
o los das corridos). As, hace menos tiempo tanto para
vender como para aumentar los precios. En este caso, la correc podra ser hecha dandose

cion
los ndices en terminos diarios o en
de referencia (por ejemplo, el mes coterminos de un mes patron
30 das).
mercial, que tiene, por definicion,
De acuerdo con lo dicho anteriormente, esta es apenas una alerta
generica. Y es generica porque, a pesar de ser un problema enfrentado por todos los ramos de las ciencias cuantitativas, no hay a
menor posibilidad de establecer reglas generales de ajuste de los
La unica

datos para fines de comparacion.

regla posible es: atencion
y sentido comun
en la manipulacion
de los datos.

 DE LAS SERIES TEMPORALES

1.8. APLICACION

25

de las series temporales

1.8. Aplicacion

1.8.1. Estudio de los ciclos economicos

complejas de la Teora Economica

Una de las cuestiones mas

dice

respecto a los ciclos economicos:

uno de los mayores deseos de los
de sus puntos
economistas es la posibilidad del poder de prevision
y el control de las causas y efectos de los ciclos, prinde reversion

cipalmente logrando achatar al maximo

su amplitud. Para que esto

sea posible se debe conocer una serie de variables economicas,

que
son indicadores antecedentes, coincidentes y consecuentes de los
ciclos.
En este sentido, entendemos por indicadores antecedentes aquellos
de
indicadores que primeramente alcanzan los puntos de reversion
los ciclos. Se incluyen en esta categora la tasa de turn-over de la

mano de obra, el nivel de venta de bienes durables y la valorizacion

de las acciones ordinarias.
Por otro lado, llamamos indicadores coincidentes a los indicadores

que varan al mismo tiempo con los ciclos economicos.

Ejemplos
de tales indicadores son las tasas de desempleo, los ndices de pro industrial y de ventas al menudeo, as como el propio produccion
ducto nacional bruto.
las consecuencias
Por fin, los indicadores consecuentes retrataran

de los perodos inmediatamente pasados. Por ejemplo, terminacion

tendra como consede un perodo de depresion,

la recuperacion
cuencia el crecimiento de los gastos con materias primas, equipos
las tasas de interes de prestamos
y mano de obra, as como subiran
directa al consumidor) y el numero

de corto plazo (financiacion

de

26

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

al credito (valores que la deconsultas a los servicios de proteccion

haba derribado).
presion
Considerando las componentes de las series temporales, es obvio

que los ciclos economicos

son retratados por la componente cclica,
especialmente en el caso de adoptarse el ajuste lineal.

1.9. EJERCICIOS

27

1.9. Ejercicios
se refieren al numero

1. Los datos a continuacion

de unidades
producidas por la Ca. Miss Layne de Cosmeticos y receta obtenida en el perodo.

e indique cual es
Construya el diagrama de dispersion
el tipo de curva que mejor ajusta los datos relativos la
e ingreso.
produccion
Determine las ecuaciones de ajuste temporal de la pro y del ingreso.
duccion
de las ecuacioDetermine los coeficientes de correlacion
nes de ajuste.

Determine las medias moviles,

agrupando los datos trimestralmente.
componentes de las seSepare la tendencia de los demas
e ingreso) usando los moderies temporales (produccion
los aditivo y multiplicativo.

2. Dadas las tablas a continuacion,

separar la tendencia y las
variaciones estacionales, cclicas y las irregulares.

28

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

3. La siguiente tabla presenta las ventas de aceite lubricante du de 1978.

rante el ano

e indique cual es el
Construya el diagrama de dispersion
tipo de curva que mejor se ajusta esos datos.
de lo que parece ser la mejor curva
Determine la ecuacion
de ajuste.
de esa ecuacion.

Determine el coeficiente de correlacion

Determine las medias moviles,

agrupando los datos por
bimestre.

1.9. EJERCICIOS

29

componentes de la serie
Separe la tendencia de los demas
usando el modelo aditivo y el multiplicativo.
Separe la componente estacional de la irregular adoptan
do el metodo de las medias moviles.

30

1.10.

AL ANALISIS

CAPITULO 1. INTRODUCCION
DE SERIES TEMPORALES

Bibliografa