STATGRAPHICS – Rev.

4/25/2007

Descomposición Estacional

Resumen
El procedimiento de Descomposición Estacional divide una serie de tiempo en tres
componentes:

1. tendencia-ciclo
2. estacionalidad
3. irregularidad

Cada componente puede ser graficado o guardado por separado. En suma, la

descomposición puede ser usada para crear una versión ajustada estacionalmente de la
serie de tiempo original. Gráficas de subseries estacionales y anuales pueden ser creadas
también.

StatFolio de Ejemplo: tsdecomp.sgp

Datos para el Ejemplo:

El archivo golden gate.sf6 contiene volúmenes mensuales del tráfico sobre el Puente
Golden Gate en San Francisco para un período de n= 168 meses desde enero de 1968
hasta diciembre de 1981. La tabla de abajo nos muestra una lista parcial de los datos del
archivo:

Month Traffic
1/68 73.637
2/68 77.136
3/68 81.481
4/68 84.127
5/68 84.562
6/68 91.959
7/68 94.174
8/68 96.087
9/68 88.952
10/68 83.479
11/68 80.814
12/68 77.466
1/69 75.225
… …

Los datos fueron obtenidos de una publicación del Puente Golden Gate.

©2006 por StatPoint, Inc. Descomposición Estacional - 1

 STATGRAPHICS – Rev. 4/25/2007

Captura de Datos
El cuadro de diálogo para captura de datos requiere el nombre de la columna que
contiene los datos de la serie de tiempo:

• Datos: columna numérica que contiene n observaciones numéricas igualmente

espaciadas.

• Intervalo de Muestreo: Define el intervalo entre sucesivas observaciones. Por

ejemplo, los datos del Puente Golden Gate fueron colectados una vez cada mes,
empezando en enero de 1968.

• Estacionalidad: la amplitud de la estacionalidad s, o el número de observaciones en

un ciclo completo de la pauta estacional. Por ejemplo, los datos mensuales tales como
el tráfico en el Puente Golden Gate tienen una estacionalidad de s = 12. Los datos por
hora que se repiten cada día tienen una estacionalidad de s = 24.

• Ajuste por Jornadas Financieras: Variable numérica con n observaciones usadas

para normalizar las observaciones originales, como el número de días laborales en un
mes. Las observaciones en la columna de Datos serán divididas por estos valores
antes de ser graficadas o analizadas.

• Selección: Selección del subconjunto.

©2006 por StatPoint, Inc. Descomposición Estacional - 2

 STATGRAPHICS – Rev. 4/25/2007

Modelo Estadístico
Al analizar datos de series de tiempo es común observar los datos como consistentes de
diversos componentes:

1. Tendencia (T) – Patrón general de largo plazo observado sobre el conjunto

completo de los datos. Por ejemplo, muchas series de tiempo económicas tienden
a mostrar una tendencia creciente cuando son vistas sobre un periodo largo de
tiempo.

2. Ciclos o ciclicidad (C) – Variaciones cíclicas alrededor de la línea de tendencia.

En contraste con los efectos estacionales, esos ciclos no tienen una frecuencia
establecida. Generales ascensos y descensos de una economía mundial es un
ejemplo típico.

3. Estacionalidad (S) – Variaciones cíclicas con una frecuencia establecida, tal como
los ciclos anuales en las ventas de las máquinas para cortar el césped. Los efectos
estacionales se repiten sobre una base regular y predecible.

4. Aleatoriedad o Irregularidad (R) – El componente residual que queda después de

los otros tres componentes.

Existen dos modelos básicos para sobre los que se basa la descomposición de una serie de
tiempo en sus partes componentes: modelo multiplicativo y modelo aditivo. El modelo
multiplicativo asume que los datos en el tiempo t pueden ser representados como el
producto de los cuatro componentes de acuerdo con:

Yt = Tt C t S t Rt (1)

El modelo aditivo asume que los componentes se suman:

Yt = Tt + C t + S t + Rt (2)

El propósito del procedimiento de la Descomposición Estacional es dividir una serie de

tiempo observada en sus partes componentes. En particular, el procedimiento deriva en:

1. Índices estacionales que representan el efecto de cada estación. El conocer el

efecto de las diferentes estaciones o temporadas tiene cierta importancia.

2. Una estimación combinada de los componentes tendencia-ciclo. No se hace

ningún intento para separar esos dos componentes ya que ambos representan
relativamente los efectos de largo plazo.

3. El componente irregular.

©2006 por StatPoint, Inc. Descomposición Estacional - 3

 STATGRAPHICS – Rev. 4/25/2007

Resumen del Análisis

El Resumen del Análisis muestra el número de observaciones en la serie de tiempo, la
amplitud de la estacionalidad y el método de descomposición seleccionado.

Descomposición Estacional - Traffic

Datos/Variable: Traffic (Golden Gate Bridge Traffic Volume)

Número de observaciones = 168

Indice Inicial = 1/68
Intervalo de Muestra = 1.0 mes(es)
Longitud de la estacionalidad = 12

Descomposición Estacional
Método: Multiplicativo

Nota: una limitada cantidad de datos faltantes es permitido, siempre y cuando no haya
muchos valores faltantes cercanos. Los valores faltantes son reemplazados por valores
obtenidos por interpolación de acuerdo con el método señalado en la sección Cálculos de
la documentación Métodos Descriptivos de la Serie de Tiempo.

Opciones de Análisis
Las Opciones de Análisis permiten que los datos sean transformados antes de ser
graficados o analizados:

• Matemática: transforma los datos al realizar la operación matemática indicada.

©2006 por StatPoint, Inc. Descomposición Estacional - 4

 STATGRAPHICS – Rev. 4/25/2007

• Inflación: ajusta los datos por inflación usando la tasa de inflación especificada.

Si más de una transformación es requerida, éstas serán realizadas en el siguiente orden:

1. ajuste de días hábiles

2. ajuste inflacionario
3. ajuste matemático
4. ajuste estacional
5. ajuste de tendencia
6. diferenciación

Para una discusión detallada de las opciones de transformación, consulte la

documentación Series de Tiempo – Métodos Descriptivos.

Tabla de Datos
La Tabla de Datos muestra los resultados de la descomposición:

Tabla de Datos para Traffic

Método de descomposición estacional: Multiplicativo

Ajustado por
Periodo Datos Ciclo-Tendencia Estacionalidad Irregular Estacionalidad
1/68 73.637 81.0636
2/68 77.136 82.2507
3/68 81.481 84.2308
4/68 84.127 84.6577
5/68 84.562 84.4944
6/68 91.959 87.0608
7/68 94.174 84.5557 111.375 103.054 87.1383
8/68 96.087 84.7169 113.421 102.394 86.7454
9/68 88.952 84.9508 104.71 100.136 85.0664
10/68 83.479 85.1548 98.032 98.5183 83.8931
11/68 80.814 85.342 94.6943 98.1288 83.7451
12/68 77.466 85.5072 90.5959 96.2271 82.2811
1/69 75.225 85.6004 87.8793 96.7423 82.8118
2/69 79.418 85.7466 92.6194 98.7608 84.684
3/69 84.813 86.0028 98.6166 101.945 87.6753
4/69 85.691 86.3519 99.2347 99.8607 86.2316
5/69 87.49 86.7945 100.801 100.721 87.42
6/69 92.995 87.3052 106.517 100.844 88.0417
7/69 95.375 87.7297 108.715 100.593 88.2496
8/69 98.396 88.1522 111.621 100.769 88.83
9/69 92.791 88.5946 104.737 100.161 88.7377

Se encuentran incluidos en la tabla:

• Datos: la serie de tiempo original Yt, incluyendo cualquier valor reemplazado que
haya sido calculado debido a datos faltantes.

©2006 por StatPoint, Inc. Descomposición Estacional - 5

 STATGRAPHICS – Rev. 4/25/2007

• Ciclo-Tendencia: un estimador del componente combinado tendencia-ciclo (TtCt

para la descomposición multiplicativa y Tt + Ct f para una descomposición aditiva).

• Estacionalidad: El estimado componente estacional St.

• Irregular: El componente irregular Rt.

• Datos Estacionalmente Ajustados: el dato original únicamente con la estacionalidad

removida.

Ventana de Opciones

• Método: el tipo de descomposición realizada.

Curva de Tendencia-Ciclo
La curva de Tendencia-Ciclicidad muestra el componente tendencia-ciclo estimado.

Gráfica de Componente de Ciclo-Tendencia para Traffic

113
datos
ciclo-tendencia
103
Traffic

93

83

73
1/68 1/71 1/74 1/77 1/80 1/83

El componente de tendencia-ciclo es estimado al suavizar los datos de la serie de tiempo

usando un simple promedio móvil con una amplitud k igual a la amplitud de la
estacionalidad s. En los datos del tráfico mostrados arriba, el patrón general es

©2006 por StatPoint, Inc. Descomposición Estacional - 6

 STATGRAPHICS – Rev. 4/25/2007

ascendente, sin embargo hay dos perturbaciones en el sistema que tuvieron un mayor
impacto sobre la tendencia base.

Índices estacionales
Una vez que la tendencia-ciclo ha sido estimada, ésta puede ser removida de los datos.
Para un modelo multiplicativo, esto se hace dividiendo los datos originales entre el
componente estimado (llamado un “radio de promedio móvil”), con lo que nos queda:

Y
Sˆ t Rˆ t = t (3)
TˆCˆ t

Para un modelo aditivo, la tendencia-ciclo es sustraída de los datos originales y queda:

Sˆ t Rˆ t = Yt − TˆCˆ t (4)

Las estimaciones resultantes del componente estacionalidad-irregularidad son

promediadas usando todas las observaciones dentro de cada estación o temporada para
remover el componente irregular, lo que resulta en un estimador del componente
estacional. Los componentes estacionales son entonces ajustados para que un promedio
estacional tenga un valor de 1.0 si se usa el método multiplicativo y 0 si se usa el método
aditivo.

La Tabla de los Índices de Estacionalidad muestra los resultados:

Índices de Estacionalidad para Traffic

Método de descomposición estacional: Multiplicativo

Estación Índice
1 90.8385
2 93.7815
3 96.7354
4 99.3731
5 100.08
6 105.626
7 108.074
8 110.769
9 104.568
10 99.5064
11 96.5
12 94.148

Esta tabla muestra el componente estacional estimado St en el tradicional formato de

porcentaje, tal que un promedio estacional tendría un índice igual a 100. Por ejemplo, el
índice de tráfico en agosto es aproximadamente 110.8, lo que significa que el tráfico que
cruza el Puente Golden Gate en agosto es 10.8% más elevado que el promedio.

©2006 por StatPoint, Inc. Descomposición Estacional - 7

 STATGRAPHICS – Rev. 4/25/2007

Curva de Índice Estacional

La curva del Índice Estacional muestra los índices estimados:

Gráfica de Índice Estacional para Traffic

114

110
índice estacional

106

102

98

94

90
0 3 6 9 12 15
estación

Componente Irregular
La gráfica del Componente Irregular muestra el residuo o componente irregular Rt en
cada periodo de tiempo:

Gráfica de Componente Irregular para Traffic

106

102

98
irregular

94

90

86
1/68 1/71 1/74 1/77 1/80 1/83

Para el modelo multiplicativo, el componente irregular estimado se obtiene dividiendo las

observaciones por la estimación tendencia-ciclo y los componentes estacionales:

Yt
Rˆ t = (5)
TˆCˆ Sˆ
t t

©2006 por StatPoint, Inc. Descomposición Estacional - 8

 STATGRAPHICS – Rev. 4/25/2007

Y entonces son normalizados de manera que el residual promedio es igual a 1.0 (lo cual
corresponde a un índice de 100). Para el modelo aditivo, el componente irregular se
obtiene por sustracción:

Rˆ t = Yt − TˆCˆ t − Sˆ t (6)

Y entonces es normalizado del tal manera que el residual promedio es igual a 0.

En los datos del ejemplo resulta conveniente notar que el valor del componente irregular
en marzo de 1974 es aproximadamente 86.4. Esto indica que el tráfico en ese mes fue
13.6% inferior de lo que se hubiera esperado dada la estimación tendencia-ciclo y los
efectos estacionales.

Datos ajustados estacionalmente

Una vez que todos los componentes han sido estimados, la serie de tiempo original puede
ser estacionalmente ajustada removiendo de ésta solamente los efectos estacionales,
dejando la tendencia-ciclo y los componentes irregulares. Para la descomposición
multiplicativa, los datos ajustados estacionalmente están dados por:

Yt
Yt adj = (7)
Sˆt

Para la descomposición aditiva, el ajuste estacional de datos está dado por:

Yt adj = Yt − Sˆ t (8)

La gráfica de ajuste estacional de datos muestra los resultados:

Gráfica de Datos Ajustados por Estacionalidad para Traffic

106

101
ajuste estacional

96

91

86

81

76
1/68 1/71 1/74 1/77 1/80 1/83

©2006 por StatPoint, Inc. Descomposición Estacional - 9

 STATGRAPHICS – Rev. 4/25/2007

El efecto de un recorte de gasolina sobre la línea de tendencia básica es ahora poco

visible.

Gráfica de Subseries Estacionales

Una manera alternativa para graficar datos estacionales es a través de la Gráfica de
Subseries Estacionales:

Gráfica de Subseries Estacionales para Traffic

113

103
Traffic

93

83

73
0 3 6 9 12 15
Estación

Esta gráfica se construye como sigue:

1. Las observaciones correspondientes para cada estación son recabadas y se dibujan

líneas horizontales en el valor promedio para la estación.

2. Se dibujan líneas verticales de cada observación al promedio de la estación a la

cual corresponde.

En tal gráfica es posible observar todos los componentes de la serie de tiempo:

(i) La pauta estacional es observable al mirar la diferencia entre los

promedios de cada estación.
(ii) La tendencia-ciclo es observable al observar los patrones dentro de
cada estación.
(iii) El componente irregular es observable mirando la amplitud de las
líneas verticales en contraste con la tendencia dentro de cada estación.

©2006 por StatPoint, Inc. Descomposición Estacional - 10

 STATGRAPHICS – Rev. 4/25/2007

Ventana de Opciones

• Líneas Verticales – Dibuja una línea desde cada observación hasta el promedio para
su estación.
• Diagramas de Dispersión conectados – Dibuja los datos dentro de cada estación
como una gráfica X-Y conectada.

Gráfica de Subseries Anuales

La Gráfica de Subseries Anuales muestra cada ciclo como una gráfica independiente:

Gráfica de Subseries Anuales para Traffic

Ciclo
113 1
2
3
103 4
5
Traffic

6
93 7
8
9
83
10
11
73 12
13
0 3 6 9 12 15
14
Estación

Ventana de Opciones

• Acumulado: Si se revisa, el valor graficado sobre el eje vertical es la suma

acumulada de las observaciones durante el ciclo.

©2006 por StatPoint, Inc. Descomposición Estacional - 11

 STATGRAPHICS – Rev. 4/25/2007

Ejemplo – Gráfica acumulada

Gráfica de Subseries Anuales para Traffic

Ciclo
1500 1
2
1200 3
4
5
900
Traffic

6
7
600 8
9
300 10
11
0 12
13
0 3 6 9 12 15
14
Estación

Guardar Resultados
Los siguientes resultados pueden ser guardados en la hoja de datos:

1. Datos – los datos de series de tiempo original después de añadir cualquier valor
faltante.

2. Ciclo-Tendencia – el componente estimado de la tendencia-ciclicidad.

3. Índices estacionales – los índices estimados estacionales.

4. Irregular – el componente irregular.

5. Datos ajustados por estacionalidad – los datos estacionalmente ajustados.

Nota: Si un modelo multiplicativo fue usado, el Índice Estacional y el Componente

Irregular serán normalizados tal que el valor promedio sea igual a 100. Para un modelo
aditivo, los Índices Estacionales serán normalizados tal que el valor promedio sea igual a
0.

©2006 por StatPoint, Inc. Descomposición Estacional - 12