1) INTRODUCCIN

Las series de tiempo llamadas tambin series cronolgicas o series histricas 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 o otra unidad adecuada al problema que se est trabajando. 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.
Matemticamente, una serie de tiempo se define por los valores Y1, Y2, Y3,.de
una variable Y (ventas mensuales, produccin total, etc.) en tiempos t1, t3,
t3.. Si se reemplaza a X por la variable tiempo, estas series se definen como
distribuciones de pares ordenados (X,Y) en el plano cartesiano, siendo Y
una funcin de X; esto se denota por:

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. Despus, con base en esa situacin ideal, que supone que los
factores que influyeron en la serie en el pasado lo continuarn haciendo en el futuro,
se analizan las tendencias pasadas y el comportamiento de las actividades bajo la
influencia de ellas; por ejemplo, en la proyeccin de ventas de un producto o de
un servicio de una empresa se calculan los posibles precios, la reaccin
del consumidor, la influencia de la competencia, etc.

Modelo clsico series de tiempo.

Un modelo clsico para una serie de tiempo, supone que una serie x(1), ...,
x(n) puede ser expresada como suma o producto de tres
componentes: tendencia, estacionalidad y un trmino de error aleatorio.

Existen tres modelos de series de tiempos, que generalmente se aceptan como

buenas aproximaciones a las verdaderas relaciones, entre los componentes de los
datos observados. Estos son:

1. Aditivo: X(t) = T(t) + E(t) + A(t)

2. Multiplicativo: X(t) = T(t) E(t) A(t)

3. Mixto: X(t) = T(t) E(t) + A(t)

Donde:
X(t) serie observada en instante t

T(t) componente de tendencia

 E(t) componente estacional
A(t) componente aleatoria (accidental)

Una suposicin usual es que A(t) sea una componente aleatoria o ruido blanco con
media cero y varianza constante.

Un modelo aditivo (1), es adecuado, por ejemplo, cuando E(t) no depende de otras
componentes, como T(t), s por el contrario la estacionalidad vara con la tendencia,
el modelo ms adecuado es un modelo multiplicativo (2). Es claro que el modelo 2
puede ser transformado en aditivo, tomando logaritmos. El problema que se
presenta, es modelar adecuadamente las componentes de la serie.

La figura 2.1 ilustra posibles patrones que podran seguir series representadas por
los modelos (1), (2) y (3).
Anlisis de tendencia para series de tiempo
1)
Es necesario describir la tendencia ascendente o descendente a largo plazo de una
serie cronolgica por medio de alguna lnea, y la ms adecuada ser la que mejor
represente los datos y sea til para desarrollar pronsticos. Para lograr la estimacin
de la tendencia se utilizan con ms frecuencia los siguientes mtodos:
2) MTODO DE LOS MNIMOS CUADRADOS
Este mtodo ya se estudi en el captulo anterior, en el que se indic las formas
para hallar la ecuacin de una recta de mnimos cuadrados. Con esta recta se
obtendrn los valores de tendencia.

Ejemplo:
Con los siguientes datos acerca de las ventas en millones de dlares de la
Empresa M & M:

Ventas
Ao (X)
(Y)

1995 3,4

1996 3,1

1997 3,9

1998 3,3

1999 3,2

2000 4,3

2001 3,9

2002 3,5

2003 3,6
2004 3,7

2005 4

2006 3,6

2007 4,1

2008 4,7

2009 4,2

2010 4,5

1) Hallar la ecuacin de tendencia por el mtodo de los mnimos cuadrados.

2) Pronosticar la tendencia de exportacin para el 2011.
3) Elaborar la grfica para los datos y la recta de tendencia.
Solucin:
1) Para hallar la ecuacin de tendencia por el mtodo de los mnimos cuadrados se
llena la siguiente tabla, codificando la numeracin de los aos 1995 como 1, 1996
como 2, y as consecutivamente para facilitar los clculos.

Ao (X) X Y XY X2 Y2

1995 1 3,4 3,40 1 11,56

1996 2 3,1 6,20 4 9,61

1997 3 3,9 11,70 9 15,21

1998 4 3,3 13,20 16 10,89

1999 5 3,2 16,00 25 10,24

2000 6 4,3 25,80 36 18,49

2001 7 3,9 27,30 49 15,21

2002 8 3,5 28,00 64 12,25

2003 9 3,6 32,40 81 12,96

2004 10 3,7 37,00 100 13,69

2005 11 4 44,00 121 16,00

2006 12 3,6 43,20 144 12,96

2007 13 4,1 53,30 169 16,81

2008 14 4,7 65,80 196 22,09

2009 15 4,2 63,00 225 17,64

2010 16 4,5 72,00 256 20,25

Total 136 61 542,3 1496 235,86

Reemplazando valores en las siguientes frmulas se obtiene los valores de a0 y a1:

Interpretacin:
- El valor al ser positiva indica que existe una tendencia ascendente de
las exportaciones aumentando a un cambio o razn promedio de 0,07 millones de
dlares por cada ao.
- El valor de indica el punto en donde la recta interseca al eje Y cuando X
= 0, es decir indica las exportaciones estimadas para el ao 1996 igual a 3,22.
Reemplazado los valores anteriores en la recta de tendencia se obtiene:

Y = 3,22 + 0,07X
2) Para pronosticar la tendencia de exportacin para el 2011 se reemplaza X = 17
en la recta de tendencia, obteniendo el siguiente resultado:
Y = 3,22 + 0,07X
Y = 3,22 + 0,0717 = 4,41
Los clculos en Excel se muestran en la siguiente figura:

3) MTODO DE LOS SEMIPROMEDIOS

Este mtodo se aplica con el objeto de simplificar los clculos y consiste en:
a) Agrupar los datos en dos grupos iguales
b) Obtener el valor central (mediana) de los tiempos y la media aritmtica de los
datos de cada grupo, consiguindose as dos puntos de la recta de
tendencia y
c) Estos valores se reemplazan en el siguiente sistema:

d) Resolviendo el sistema se encuentran los valores de y los cuales se

reemplazan en la ecuacin de la recta de tendencia, la cual es:

Con esta recta de tendencia se puede realizar pronsticos, los cuales son menos
exactos que los obtenidos con el mtodo de los mnimos cuadrados, sin embargo,
su diferencia es mnima.
Ejemplo
Con los siguientes datos sobre las ventas en millones de dlares de la Empresa D
&M

Ao Ventas
(X) (Y)

2000 1,5

2001 1,8

2002 2

2003 1,5

2004 2,2

2005 2

2006 3

2007 2,8

2008 2,4

2009 2,9

2010 3

1) Hallar la ecuacin de tendencia por el mtodo de los semipromedios.

2) Pronosticar la tendencia de ventas para el 2011.
3) Elaborar la grfica para los datos y la recta de tendencia.
Solucin:
1) Se codifica la numeracin de los aos 2000 como 1, 2001 como 2, y as
consecutivamente para facilitar los clculos. Se agrupa en dos grupos iguales.
El ao 2005 se dej por fuera para tener grupos con el mismo nmero de aos. El
valor central de 3 corresponde a la mediana del primer grupo 1, 2, 3, 4 y 5. El valor
central de 9 corresponde a la mediana del segundo grupo 7, 8, 9, 10 y 11. El
semipromedio 1,8 corresponden a la media aritmtica del primer grupo. El
semipromedio 2,82 corresponden a la media aritmtica del segundo grupo. De esta
manera se obtienen dos puntos (3, 1.8) y (9, 2.82) de la recta de tendencia.
Reemplazando los puntos en el siguiente sistema se obtiene:

Resolviendo el sistema empleando la regla de Cramer se obtiene:

Como es positiva, la recta tiene una tendencia ascendente (pendiente positiva).

Reemplazando los valores calculados se tiene la recta de tendencia, la cual es:

2) Para pronosticar la tendencia de exportacin para el 2011 se reemplaza X = 12

en la recta de tendencia, obteniendo el siguiente resultado:
Y = 1,29 + 0,17X
Y = 1,29 + 0,1712 = 3,33
Interpretacin: Existe una tendencia ascendente a un cambio promedio de 0,17
millones de dlares por cada ao, por lo que el Gerente de ventas de la empresa
debe seguir aplicando las polticas necesarias para mantener la tendencia
ascendente y mejorar la tasa de crecimiento.

Anlisis de variaciones cclicas.

La variacin cclica es la componente de una serie de tiempo que tiende a oscilar
arriba y debajo de la lnea de tendencia secular en perodos mayores que un ao.
El procedimiento utilizado para identificar la variacin cclica es el mtodo de
residuos.
Mtodos de residuos
. Cuando observamos una serie de tiempo consiste en datos anuales, slo se toman
en cuenta las componentes de tendencia secular, cclica e irregular. (Esto es as
porque la variacin estacional pasa por un ciclo completo y regular cada ao y no
afecta ms un ao que otro). Si utilizamos una serie de tiempo compuesta por datos
anuales, podemos encontrar la fraccin de la tendencia dividiendo el valor real (Y)
entre el valor de la tendencia correspondiente (Y) para cada valor de la serie de
tiempo. Luego se multiplica el resultado de este clculo por 100. Esto da la medida
de la variacin cclica como un porcentaje de tendencia.
Dnde:
Y= valor real de la serie de tiempo
= valor de tendencia
estimado a partir del mismo punto de la serie de tiempo

Ejemplo:
El nmero de acadmicos que poseen computadoras personales en la Universidad
de Ohio ha aumentado drsticamente entre 1990 y 1995: Ao 1990 1991 1992 1993
1994 1995 Nmero de PC 50 110 350 1,020 1,950 3,710

a) Desarrolle la ecuacin de estimacin lineal que mejor describa estos datos.

b) Desarrolle la ecuacin de estimacin de segundo grado que mejor describa los
datos.
c) Estime el nmero de computadoras personales que habr en uso en la
universidad en 1999, utilizando ambas ecuaciones.
d) Si hay 8,000 acadmicos en la universidad, qu ecuacin es mejor
pronosticador? Por qu?
Anlisis de Tendencia

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.

Para el caso de tendencias a largo plazo, su comportamiento se ajusta a una lnea

recta, llamada por esta razn lnea de tendencia, es decir, se aproxima a una
ecuacin de recta, que recibe el nombre de ecuacin de tendencia y que es de la
forma:
Cuyos coeficientes se calculan con ayuda del mtodo de mnimos cuadrados visto
anteriormente con las siguientes frmulas:
Ejemplo: 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 los pronsticos 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
Anlisis de Variaciones Estacionales
El componente de la serie de tiempo que representa la variabilidad en los datos
debida a influencias de las estaciones, se llama componente 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 ao poco ms o menos con la
misma intensidad.

Ejemplo: Clculo de anlisis de variaciones estacionales Los datos siguientes

representan las ventas trimestrales en millones de pesos de la empresa Kids
Fashions especializada en la venta de ropa infantil ubicada en la zona centro de la
ciudad de Toluca:

d) Calcular el valor con ajuste estacional de las ventas trimestrales. Construir grfica e
Interpretar los resultados

e) Obtener la ecuacin de tendencia e interpretar el resultado

a) Como puede apreciarse, en cada ao, las ventas del cuarto trimestre son las ms altas y
las del segundo las ms bajas. Tambin puede apreciarse un incremento en las ventas de un
ao a otro.

b) Para llegar al ndice estacional trimestral se deben construir dos tablas, la primera
de ellas, se calcula como sigue: Columna

(1). Son los datos originales Columna

(2). Total mvil de cuatro trimestres, por ejemplo: 6.7 + 4.6 + 10.0 + 12.7 = 34 que
se coloca al centro de cuatro cuatrimestres que se suman. Enseguida la suma se
va moviendo un trimestre, es decir, el siguiente es: 4.6 + 10.0 + 12.7 + 6.5 = 33.8y
as, sucesivamente. Columna

(3). Promedio mvil de cuatro trimestres, es decir, ya solo hay que dividir los totales
anteriores entre 4 y colocar el resultado frente a su correspondiente. Por ejemplo:
34/4 = 8.500, 33.8/4=8.450, etctera. Columna

(4). Promedio mvil centrado, ahora se centran los promedios mviles, es decir, se
suman los dos promedios mviles y se dividen entre 2, el resultado de esto se centra
entre los dos valores sumados quedando centrado con el trimestre correspondiente,
por ejemplo: (8.500 + 8450)/2 = 8.475 que queda centrado con el trimestre 3 del ao
2002, el segundo sera (8.450 + 8.450)/2 = 8.450 que queda centrado con el
trimestre cuatro del ao 2002. Columna
 (5). Valor estacional especfico.- Se calcula dividiendo las ventas originales
(columna 1) entre el promedio mvil centrado (columna 4), por ejemplo: 10.0/8.475
= 1.180, el segundo es 12.7/8.450 = 1.503, etctera.
La segunda tabla se construye de la siguiente forma:
Se acomodan en un cuadro los valores estacionales especficos obtenidos antes,
para enseguida:
Calcular la media modificada de cada trimestre, esta se obtiene sumando los
valores obtenidos pero sin considerar los valores ms alto y ms bajo, por ejemplo:
(0.772 + 0.775 + 0.753)/3 = 0.766
Obtener el ndice estacional multiplicando la media obtenida por el factor de
correccin o ajuste que se calcula con la frmula que aparece al pie del cuadro
siguiente:

c) Estos ndices calculados implican que: Para el trimestre

1, cuyo ndice es 76.466 significa que las ventas en este trimestre estarn (100
76.466 = ) 23.534% por abajo del promedio tpico, Para el trimestre

2, cuyo ndice es 57.300 significa que las ventas en este trimestre estarn (100
57.300 =) 42.700% por abajo del promedio tpico Para el trimestre

3, cuyo ndice es 113.601 significa que las ventas en este trimestre estarn
(113.601 100 =) 13.601% por arriba del promedio tpico Para el trimestre

4, cuyo ndice es 152.633 significa que las ventas en este trimestre estarn (152.633
100 =) 52.633% por arriba del promedio tpico
En resumen, como puede apreciarse el perodo con mayor actividad en las ventas
es el cuarto trimestre mientras que para el primer y segundo trimestre del ao tal
actividad baja drsticamente.

d) Para calcular el valor ajustado por el ndice estacional ya solo hay que dividir los
valores originales desestacionalizados entre su respectivo ndice estacional
trimestral, por ejemplo para el trimestre 1 del ao 2002: (6.7/76.466)*100 = 8.76, es
decir

Su grfica quedara como sigue.

Como puede apreciarse, la diferencia entre las ventas de un trimestre a otro en

realidad no son tan marcadas como lo reflejan las ventas originales, aqu puede
notarse que efectivamente de un ao a otro las ventas aumentan pero, sin embargo
entre un trimestre y otro, en el mismo ao, no tienen lugar grandes incrementos.
e) La tabla siguiente muestra los clculos necesarios para obtener la ecuacin de
tendencia:
que al sustituir estos valores en la frmula, se obtiene:

Con lo que la Ecuacin de Tendencia queda como sigue:

y = 8.1791 + 0.0880x

Esto quiere decir que la pendiente es 0.0880, es decir, que en los ltimos 24
trimestres, las ventas desestacionalizadas aumentaron a razn de 0.0880 (millones
de pesos) por trimestre. El valor 8.1791 corresponde a la intercepcin en el eje y de
la lnea de tendencia.

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 la variabilidad aleatoria de la
serie, es impredecible, es decir, no se puede esperar predecir su impacto sobre la
serie de tiempo.

Existen dos tipos de variacin irregular:

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
forma exacta, pero que tienden a equilibrarse a la larga.

Aplicacin de ajustes estacionales

Una aplicacin frecuente de los ndices estacionales es el ajuste de los datos
observados de la serie de tiempo eliminando de los datos la influencia del
componente estacional. A estos datos ajustados se les llama datos ajustados
estacionalmente o datos desestacionalizados.
Los ajustes estacionales son especialmente importantes si se desea comparar
datos de varios meses para determinar si ha habido un incremento (o disminucin)
relativo a las expectativas estacionales.
Por ejemplo, un incremento de 10 por ciento de abril a mayo en las ventas de
fertilizantes para jardn en un ao determinado representa un decremento relativo
si el nmero ndice estacional de mayo es 20 por ciento superior al nmero ndice
de abril. En otras palabras, si hay un incremento, pero no estn grande como se
esperaba de acuerdo con datos histricos, entonces en relacin con estas
expectativas ha habido disminucin relativa de la demanda.
Los valores mensuales (o trimestrales) observados de la serie de tiempo son
ajustados respecto de la influencia estacional dividiendo cada valor entre el
ndice mensual (o trimestral) de ese mes. Este resultado se multiplica por
variaciones estacionales se puede representar como:

Aunque los valores resultantes despus de la aplicacin conservan las mismas

unidades de medicin que los datos originales, no representan los datos reales. Ms
bien, son valores relativos y solamente son tiles con propsitos de comparacin.

Pronsticos basados en factores de tendencia y

estacionales
Una consideracin particularmente importante en los pronsticos a largo plazo es el
componente cclico de las series de tiempo.
1. Emplear el valor de tendencia proyectado como base del pronstico.
2. Ajustarlo respecto del componente estacional.
3. Desestacionalizar el valor observado ms reciente y
4. Multiplicarlo por el ndice estacional del periodo de pronstico. (la diferencia entre
los dos periodos ser la atribuible a la influencia estacional).
ECUACION DE LA LINEA DE TENDENCIA

= 120 (121 ) (12) = 120 + 144
1

0 1 0 1
= + ( )( ) = +
4 4 4 4 16