SERIES DE TIEMPO

Una serie de tiempo se basa en una secuencia de puntos de datos espaciados de

manera uniforme (semanal, mensual, trimestral y as sucesivamente). Ejemplos de estos
puntos incluyen las ventas semanales de computadoras personales IBM, reportes de
ganancias trimestrales de Microsoft Corporation, entre otros.
El pronstico de datos de series de tiempo implica que los valores futuros se
predicen nicamente a partir de valores pasados de esa variable y que otras variables se
ignoran sin importar su valor potencial. Sus cuatro componentes importantes son: (1) ciclo,
(2) patrn de estacionalidad, (3) tendencia y (4) aleatoriedad.
1. Ciclo
Es un conjunto de fluctuaciones en forma de onda o ciclos, de ms de un ao de
duracin, producidos por cambios en las condiciones econmicas.
En la figura 1 se representa la diferencia entre los valores esperados de una
variable (tendencia) y los valores reales (la variacin residual que flucta alrededor de la
tendencia). En tal sentido, son patrones de los datos anuales que ocurren en ciertos
intervalos de varios aos. Un ejemplo es la variacin diaria de la temperatura.
Generalmente se encuentran implcitos en el ciclo de negocios. En Economa se
suelen distinguir tres tipos de ciclos en cunto a su periodicidad: los cortos o de Kintchine
que tienen lugar ms o menos cada tres aos, los medios o de Jutglar cuyo perodo oscila
entre cinco y diez aos y los largos o de Kondratiev que aparecen cada cuarenta o
cincuenta aos. El anlisis de esta componente es difcil pues la duracin de los ciclos
puede no ser constante, razn por la cual cualquier variacin puede dar lugar a una
prediccin errnea.
Figura 1 Grfica de una serie de datos con ciclicidad

2. Patrn de estacionalidad
Constituye un patrn de la fluctuacin de la demanda por encima o por debajo de la
lnea de tendencia que se repite a intervalos regulares. Este tipo de variacin, con
periodicidad, en general, menor o igual a un ao, se conoce con el nombre de
estacionalidad. Esta componente es debida al entorno en el que se recogen los datos, ya que
la mayora de procesos varan segn la estacin del ao (navidad, verano etc.) o el da de la
semana, horario diurno o nocturno etc., como se muestra en la figura 2.
Por lo tanto, las fluctuaciones estacionales se encuentran tpicamente en los datos
clasificados por trimestres, mes o semana.
Figura 2 Grfica de una serie de datos con estacionalidad.

3. Tendencia
Es la componente de largo plazo que constituye la base del crecimiento o
declinacin de una serie histrica, como se presenta en la figura 3. Las fuerzas bsicas que
producen o afectan la tendencia de una serie son: cambios en la poblacin, inflacin,
cambio tecnolgico e incremento en la productividad.

Por lo tanto, se puede definir por tanto como la variacin a largo plazo, pero hemos
de precisar lo que entendemos por a largo plazo. Hay, por ejemplo, series de tiempo que
presentan variaciones cclicas, en un perodo de 50 aos o ms, entonces si disponemos de
pocos datos se puede confundir las variaciones cclicas con la tendencia, sin embargo si
disponemos de datos suficientes esta confusin no se dar. As pues al hablar de tendencia
hay que tener en cuenta el nmero de observaciones de las que se dispone.
Figura 3 Grfica de una serie de datos con tendencia

4. Aleatoriedad
Este comportamiento irregular est compuesto por fluctuaciones causadas por
sucesos impredecibles o no peridicos, como el clima poco usual, huelgas, guerras,
rumores, elecciones y cambio de leyes.
En la figura 4 se presentan las irregularidades de los datos causadas por el azar y
situaciones inusuales, no siguen un patrn dicernible.
Figura 4 Grfica de una serie de datos con aleatoriedad

REFERENCIAS:
Matemticas Reuda. (1999). Recuperado de
http://matematicas.reduaz.mx/home/Docentes/ltrueba/Series/admon4.htm
Render, B., Hanna M. E., & Stair, R. M. (2006). Mtodos cuantitativos para los
negocios (9na ed.). Mxico DF, Mxico:Pearson.