Series de Tiempo

Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o
registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre
otros). El término serie de tiempo se aplica por ejemplo a datos registrados en forma
periódica.

Ejemplos:

 Exportaciones peruanas por trimestre de productos tradicionales y no

tradicionales durante el periodo 2005-2015.
 Llegada de turistas internacionales al Perú entre los años 2014 y 2015
 Evolución de los hogares que cuentan con telefonía fija entre los años 2014 y
2015
 Evolución del PBI de la construcción en Lima Metropolitana entre los años
2015 y 2016.
 Venta mensual de teléfonos móviles durante los años 2013 y 2015.

Componentes de la serie de tiempo

 Componente de tendencia: La tendencia secular de una serie de tiempo es el

componente a largo plazo que representa el crecimiento o disminución de la
serie durante un periodo largo.
Las causas en la tendencia de una serie, pueden ser:

 Crecimiento de la población
 Inflación de precios
 Cambios tecnológicos
 Incrementos de la productividad

 Componente Cíclica: Son llamados también ciclos económicos y muestran las

variaciones en periodos de mediano plazo, se requiere información de por lo
menos 15 a 20 años.
 Componente Estacional: Sus fluctuaciones de una serie de tiempo de
periodos relativamente de corto plazo que se repiten de manera casi regular.
Se identifica como patrones de cambios en la serie en periodos menores a un
año (mensual, trimestral, etc.), los cuales se repiten en años sucesivos.

 Componente Irregular: Son variaciones aleatorias que ocurren en una serie

de acontecimientos inesperados. La causa de este componente, pueden ser:
huelgas, imprevistos, corte de energía eléctrica, pero también con la misma
naturaleza aleatoria de la variable
 Método de suavización
Es el método de pronóstico más usado por su simpleza, tanto por pequeñas y
grandes empresas, sea en un sencillo archivo de Excel

Sus ventajas son:

 Formulación es sencilla, pues solo requiere el pronóstico anterior, la demanda

real del periodo de pronóstico y la constante de suavización.

 No requiere de gran volumen de datos históricos.

 Al ser un modelo exponencial, es más preciso.

 Es flexible al conseguir darle más importancia a la demanda más reciente o a

la antigua.

El método de suavización exponencial simple trabaja a través de una constante de

suavización alfa (α) que tiene un valor comprendido entre 0 y 1, aunque en la
aplicación real su valor suele variar entre 0,05 y 0,50.

La fórmula de suavizamiento exponencial es la siguiente:

Dónde:

Ft= Nuevo pronóstico

Ft-1= Pronóstico del periodo anterior

α = constante de suavización

At-1= demanda real del periodo anterior

EJEMPLO:

Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la

ciudad capital de un país. Por ser la ciudad que congrega más habitantes, han
decidido comenzar ofreciendo servicio de seguro para coches.

Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo

serán contratados por las personas de la ciudad capital, para lo cual usarán como dato
inicial los seguros de vehículos contratados en otra ciudad con menos habitantes pero
con mayor posicionamiento en el mercado.

El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por

personas, pero la demanda para ese periodo fue de 3200. La compañía según su
criterio asigna α=0,35.
La demanda del próximo periodo es:

Ft= 2869+0.35(3200-2869)=2984.85

Este mismo ejercicio lo realizó a través del año, obteniendo la siguiente tabla
comparativa entre lo realmente obtenido (demanda – segunda columna) y lo
pronosticado en ese momento (tercer columna).

Gráficamente, esa tabla sería algo como esto: