Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 8 - Series de Tiempo
Unidad 8 - Series de Tiempo
125
1. CONCEPTO Y APLICACIONES
Matemáticamente, una serie de tiempo se define por los valores Y1, Y2,… de una
variable Y (ventas, cotización, etc.) en tiempos t 1, t2, … Y es función de t; esto se denota
por Y = F(t).
Fuente: Elaboración propia en base a información obtenida de la página web del Banco Central de la Repúbli-
ca Argentina http://www.bcra.gov.ar/
Estadística I
126
Es interesante pensar en el gráfico de una serie de tiempo como un gráfico que des-
cribe un punto moviéndose con el paso del tiempo.
a. TENDENCIA
b. ESTACIONALIDAD
Son los esquemas idénticos o casi idénticos que una serie de tiempo parece seguir
durante los meses correspondientes en años sucesivos. Estos movimientos se deben a suce-
sos recurrentes que tienen lugar anualmente, tales como los aumentos de precios en ciertos
productos en Navidad, Semana Santa, etc.
Estadística I
127
c. CICLOS
Son las oscilaciones en torno a una recta o curva de tendencia. Estos ciclos pueden
ser periódicos o no; es decir, pueden seguir o no esquemas repetidos a intervalos iguales de
tiempo. En los negocios los movimientos se consideran cíclicos sólo si son recurrentes en
un periodo de tiempo. Un ejemplo de estos movimientos lo constituyen los llamados ciclos
económicos, que representan intervalos de prosperidad, recesión, depresión y recuperación.
d. ALEATORIEDAD
Supongamos que la serie de tiempo tiene por variable Y el producto de varias varia-
bles T, E, C y A que producen los movimientos de tendencia, estacionalidad, ciclos y alea-
torios, respectivamente. En símbolos:
Y=TxExCxA=TCEA
Dado un conjunto de números Y1, Y2, Y3, … definimos un promedio móvil de or-
den N como la sucesión de medias aritméticas:
140,00
120,00
100,00
80,00
60,00
de $)
40,00
20,00
-
Estimación de la tendencia
Dado que el análisis de tendencia se ocupa de la dirección a largo plazo del movi-
miento en las series de tiempo, generalmente se realizan sobre la base de datos anuales.
Habitualmente deben emplearse datos correspondientes a al menos 15 ó 20 años, a fin de
que los movimientos cíclicos con una duración de varios años no se consideren como indi-
cativo de la tendencia global de los valores de la serie de tiempo.
Al referirse los datos de la serie de tiempo a momentos (años, meses, días) equidis-
tantes, es decir que la diferencia entre dos momentos adyacentes es constante, para calcular
de una manera más rápida y sencilla el valor de los parámetros se reemplazan los diferen-
tes momentos del tiempo por una variable natural (denominada así porque está confor-
mada por los números naturales a partir del cero) simbolizada por ti, asignando el valor 0 al
primer momento del tiempo, el valor uno al segundo, y así sucesivamente.
Método de mínimos cuadrados: Este método se puede utilizar para hallar la ecuación
de la recta o curva de tendencia. Con esta ecuación se podrán calcular los valores de
tendencia T. Conviene señalar que, en términos estadísticos, una línea de tendencia no
es una línea de regresión, puesto que la variable dependiente Y no es una variable alea-
toria, sino una serie de valores históricos. Además, sólo puede haber un valor histórico
(no una distribución de valores) para un período dado, y es probable que los valores
asociados con períodos contiguos sean dependientes, no independientes.
Estadística I
130
Y = a1 + b1t
Y 73,644 1,3713t
Método a mano alzada. Este método, ya tratado en la teoría del ajustamiento, consiste
en ajustar una curva o recta de tendencia por simple inspección del gráfico. También se
puede usar para estimar T. No obstante, tiene la desventaja evidente de depender muy
fuertemente del criterio personal de cada uno.
Método de semipromedios. Este método, que vimos al estudiar la teoría del ajustamien-
to, es sencillo de aplicar, pero puede conducir a resultados pobres si se usa indiscrimi-
nadamente. Además sólo es aplicable cuando la tendencia es lineal o aproximadamente
lineal, si bien puede extenderse a casos en que los datos pueden agruparse en varias par-
tes, en cada una de las cuales la tendencia es lineal.
Estadística I
131
Para determinar la variación estacional, debemos estimar cómo varían los datos de
la serie de tiempo de mes a mes en un año típico. Un conjunto de números que muestran los
valores relativos de una variable durante los meses del año se llama un índice estacional
para la variable. El índice estacional medio del año ha de ser 100 %, o lo que es lo mismo,
la suma de los números índices de los 12 meses ha de ser 1200 %.
Método del porcentaje medio. En éste método expresamos los datos de cada mes como
porcentajes del promedio anual. Los porcentajes para meses correspondientes en distin-
tos años se promedian usando la media aritmética o la mediana. Los porcentajes resul-
tantes dan el índice estacional. Si la media no es 100% deben ser ajustados, lo que se
logra multiplicándolos por un factor adecuado.
Datos originales
Año/
ene feb mar abr may jun jul ago sep oct nov dic x
Meses
2010 64,97 65,60 61,86 84,31 85,11 86,06 77,68 81,58 85,42 88,52 89,56 95,96 81
2011 94,26 93,62 94,21 100,04 97,23 104,90 107,68 102,86 103,73 102,64 95,19 105,70 100
2012 104,52 100,49 107,52 108,37 106,12 116,38 111,81 111,32 111,63 115,19 118,64 134,44 112
Método del porcentaje de tendencia. En éste método expresamos los datos de cada mes
como porcentajes de los valores de tendencia mensuales. Un promedio apropiado de los
Estadística I
132
porcentajes para meses correspondientes del índice requerido. Al dividir cada valor
mensual Y por el correspondiente valor de tendencia T resulta:
Y
CEI
T
Datos originales
Año/
ene feb mar abr may jun jul ago sep oct nov dic x
Meses
2010 64,97 65,60 61,86 84,31 85,11 86,06 77,68 81,58 85,42 88,52 89,56 95,96 81
2011 94,26 93,62 94,21 100,04 97,23 104,90 107,68 102,86 103,73 102,64 95,19 105,70 100
2012 104,52 100,49 107,52 108,37 106,12 116,38 111,81 111,32 111,63 115,19 118,64 134,44 112
Estos índices incluyen variaciones cíclicas e irregulares y puede ser una desventaja del
método, especialmente si las variaciones son grandes.
Promedios móviles
Mes Monto PMO12 PMO2 Mes Monto PMO12 PMO2 Mes Monto PMO12 PMO2
94,41 105,44
96,19 106,15
97,71 106,81
98,89 107,85
99,36 109,81
82,99 101,03
85,33 101,60
88,02 102,71
89,34 103,40
90,34 104,14
91,91 105,10
Estadística I
134
Método de enlaces relativos. En éste método expresamos los datos de cada mes como
porcentajes de los datos para los meses previos; estos porcentajes mensuales se llaman
enlaces relativos porque relacionan cada mes con el precedente. Luego hacemos un
promedio adecuado de los enlaces relativos para los meses correspondientes. De estos
12 relativos promedio obtenemos los porcentajes relativos de cada mes respecto a enero
que se adopta como 100%. Encontramos que el siguiente enero tiene un porcentaje aso-
ciado que es mayor o menor que 100%, según haya habido un crecimiento o decreci-
miento en la tendencia. Usando este porcentaje del próximo enero, ajustando los diver-
sos porcentajes relativos mensuales para esta tendencia. Estos porcentajes finales, ajus-
tados de modo que promedien 100% dan el índice estacional requerido.
Datos originales
Año/
ene feb mar abr may jun jul ago sep oct nov dic
Meses
2010 64,97 65,60 61,86 84,31 85,11 86,06 77,68 81,58 85,42 88,52 89,56 95,96
2011 94,26 93,62 94,21 100,04 97,23 104,90 107,68 102,86 103,73 102,64 95,19 105,70
2012 104,52 100,49 107,52 108,37 106,12 116,38 111,81 111,32 111,63 115,19 118,64 134,44
Si los datos mensuales originales se dividen por los correspondientes números índi-
ce estacionales, los datos resultantes se llaman desestacionalizados o ajustados a la va-
riación estacional. Estos datos incluyen movimientos de tendencia, cíclicos e irregulares.
Estadística I
135
Una vez ajustados los datos a la variación estacional, pueden ser ajustados también
a la tendencia dividiéndolos por los correspondientes valores de tendencia. El proceso de
ajustar a la variación estacional y a la tendencia se realiza dividiendo Y por ET, lo que da
CI. Un promedio móvil apropiado de unos pocos meses de duración (3, 5 ó 7 meses, de
manera que el centrado subsiguiente no sea necesario) sirve para suavizar las variaciones
irregulares y dejar solo las variaciones cíclicas. Una vez que estas variaciones cíclicas han
sido aisladas, se pueden estudiar en detalle. Si ocurre una periodicidad, exacta o aproxima-
da, de ciclos, se pueden construir índices cíclicos de igual manera que los índices estacio-
nales.
Los datos analizados no permiten identificar un ciclo completo, solo puede verse que el
ciclo está entrando en la etapa de recesión, tal como se ve el siguiente gráfico
Variaciones Ciclicas
110%
C
i 105%
c 100%
l
o 95%
s
90%
Las variaciones irregulares o aleatorias se pueden aislar ajustando los datos, es decir
dividiendo los datos originales Y por T, E y C. En la práctica se encuentra que las variacio-
nes irregulares tienden a ser de pequeña magnitud, es decir, las pequeñas variaciones ocu-
rren con gran frecuencia y grandes desviaciones ocurren con pequeña frecuencia.
Variaciones aleatorias
1,1
Variaciones aleatorias
1,05
1
0,95
0,9
0,85
0,8
0 0 0 0 1 1 1 1 2 2 2 2
e -1 r-10 y-1 0 l-1 p-1 v-1 e-1 r-11 y-1 1 l-1 p-1 v-1 e-1 r-12 y-12 l-1 p-1 v-1
u a u
En Ma Ma J Se No En M Ma J Se No En M Ma J Se No a u
Períodos
Comparación de datos
Al comparar datos, hay que tener cuidado de que tal comparación este justificada.
Por ejemplo, al comparar datos de marzo con datos de febrero, debemos tener presente que
febrero tiene 28 ó 29 días marzo tiene 31; y al comparar datos de febrero de años diferentes
hay que tener en cuenta los años bisiestos. El número de días laborables durante varios me-
ses del mismo año o de años diferentes, pueden ser distintos a causa de vacaciones, huelgas,
etc.
En la práctica no se siguen una regla definida para ajustar tales variaciones. La ne-
cesidad de tales ajustes queda a voluntad del investigador.
Todo lo anterior sirve para predecir series de tiempo. Hay que ser conscientes de
que el tratamiento matemático de los datos no resuelve por sí mismo todos los problemas.
Una vez que conocemos la tendencia y los índices estacionales se combinan para
producir proyecciones. Se proyecta la tendencia en periodos futuros, y después se ajustan
las tendencias por los índices estacionales.
t MES T TE t MES T TE
36 Ene-13 123,01 119,29 42 Jul-13 131,24 132,03
37 Feb-13 124,38 117,30 43 Ago-13 132,61 131,29
38 Mar-13 125,75 117,72 44 Sep-13 33,98 133,34
39 Abr-13 127,12 132,44 45 Oct-13 35,35 135,36
40 May-13 128,50 130,21 46 Nov-13 136,72 133,47
41 Jun-13 129,87 137,54 47 Dic-13 138,10 146,91
PREGUNTAS TEÓRICAS