TENDENCIAS LINEALES Y NO LINEALES.

1. Tendencia Lineal. Como se dijo antes, la tendencia de una serie viene

dada por el movimiento general a largo plazo de la serie. La tendencia a
largo plazo de muchas series de negocios (industriales y comerciales),
como ventas, exportaciones y producción, con frecuencia se aproxima a
una línea recta. Esta línea de tendencia muestra que algo aumenta o
disminuye a un ritmo constante. El método que se utiliza para obtener la
línea recta de mejor ajuste es el método de mínimos cuadrados.
2. Tendencia no Lineal. Cuando la serie de tiempo presenta un
comportamiento curvilíneo se dice que este comportamiento es no lineal.
Dentro de las tendencias no lineales que pueden presentarse en una serie
se encuentra la polinomial, logarítmica, exponencial y potencial, entre otras.
Si el grafico sugiere que la tendencia puede ser de un tipo no lineal, existen varias
alternativas de ajuste. Por ejemplo, puede tratarse de una forma similar a un
polinomio de segundo grado, a una curva exponencial, logarítmica u otra.
Analizaremos los casos de función polinómica de segundo grado, se presenta de
la forma:
a 2+bx + c
Donde:
c=Intersección estimada con el eje y
b=Efecto lineal estimado sobre y
a=Efecto curvilíneo estimado sobre y

Aplicando el método de mínimos cuadrados igual que en el caso lineal (solo que
ahora hay que estimar tres parámetros):
Para el tratamiento con un paquete estadístico, este modelo debe ser considerado
como una regresión múltiple en el que “y” es la variable dependiente, “x” es una
variable independiente y “ x 2 otra variable independiente.
c
Función exponencial: Si el comportamiento de la serie muestra una tendencia
exponencial en su evolución es posible aplicar este tipo de modelos, donde la
función tiene la característica que, al tomar logaritmos en ambos miembros, toma
la estructura lineal, lo que hace su tratamiento similar al caso lineal ya visto. A fin
de ejemplificar este comportamiento: continuando con el análisis de la variable
ingreso que se muestra en la tabla 4 vamos codificando la “variable x” con
numeración correctiva, tomamos el logaritmo de la función y aplicamos
propiedades, quedando la función exponencial y su linealización de la siguiente
forma:

y=b0 + x Ln b1 Ln y=Ln b0 + Ln x b1

En función vemos que la variable dependiente es el logaritmo de la variable

ingreso, simbolizada como “y” y los coeficientes b 0 b 1 son los logaritmos de los
coeficientes de la función exponencial. Luego, ajustamos la función lineal por el
método de mínimos cuadrados antes descrito y por último, tomamos el
antilogaritmo de los coeficientes de la ecuación lineal con lo que obtenemos la
función exponencial definida al comienzo.

Variación estacional o cíclica. El modelo de variación estacional, estacionaria o

cíclica permite hallar el valor esperado o pronóstico, cuando existen fluctuaciones
(movimientos ascendentes y descendentes de la variable) periódicas de la serie
de tiempo, esto generalmente como resultante de la influencia de fenómenos de
naturaleza económica.

Estos ciclos corresponden a los movimientos en una serie de tiempo, que ocurren
año tras año en los mismos meses o periodos del año y relativamente con la
misma intensidad.

El modelo de variación estacional es un modelo óptimo para patrones de demanda

sin tendencia y que presenten un comportamiento cíclico, por ejemplo, la demanda
de artículos escolares, la cual tiene como comportamiento cíclico de conformidad
con el calendario escolar.

Ejemplo de aplicación de un pronóstico de variación estacional o

cíclica.
La distribuidora de papelería Carloa desea vender para el año 2021 una cantidad
de 12,000 kits escolares. Determine el pronóstico por trimestre a partir del modelo
la variación estacional, teniendo en cuenta la siguiente información acerca del
comportamiento de las ventas.

Trimestre
I 2,500
II 1,500
III 3,800
IV 2,200
FORMULAS:

X́ i
^
X t=I∗x́ s I=
X́ S

^
X t=Pronóstico de periodo t
I =Indice o factor de estacionalidad
X́ s=Mediao promedio general de las ventas
X́ i=Media o promedio de ventas∗periodo .

1. Determinar la media o promedio general

2,500+ 1,500+3,800+2,200
x́ s= =2,500
4
2. Determinar x́ por el periodo pero como es un solo dato no se
promedia.
3. Determinar c/u de los índices de estacionalidad por periodo.
2,500
II= =1
2,500
1,500
I II = =0.60
2,500
3,800
I III = =1.52
2,500
 2,200
I IV = =0.88
2,500

4. Determinar promedio para el año 2021

12,000
X́ 2021 = =3,000
4
5. Determinar el índice de estacionalidad por cada trimestre.

^
X I (2021)=(1)(3,000)=3,000

^
X II (2021)=(0.60)(3,000)=1,800

Σ=4,800

^
X III (2021)=(1.52)( 3,000)=4,560

^
X IV ( 2021)= ( 0.88 ) (3,000 )=2 , ,640

Σ=7,200

ΣT=12,000