SOLUCIÓN EJERCICIO 2.

2
a) Previsión para el trimestre 21 según el método de Medias Móviles.
Elegir el mejor valor de n mediante el Error Cuadrático Medio
Partimos de los valores reales de ventas (Vt) obtenidos para 20 datos trimestrales, que se nos ofrecen en la tabla del enunciado.
La previsión mediante el método de medias móviles se calcula como el valor medio de los datos de los últimos n periodos.

Vt  Vt 1  ...  Vt n1
VPt 1 
n
El orden (n) que tomemos determinará el número de previsiones que se podrán calcular: a mayor valor de n menor número de previsiones por la
restricción del número de observaciones de partida, y viceversa. Por ejemplo:
Para el cálculo de medias móviles de orden 3 (MM3), a partir de los datos de la tabla se pueden obtener un total de 18 predicciones, siendo el primer
valor obtenido el correspondiente al trimestre 4º, calculado como media aritmética de las 3 observaciones 1 a 3 anteriores (21.335 + 45.360 + 75.900) / 3
= 47.532. Para obtener el valor del 5º trimestre repetiríamos los mismos cálculos partiendo de las observaciones 2 a 4 (45.360 + 75.900 + 55.880) / 3 =
59.047, y así sucesivamente hasta completar la tabla.
Para el cálculo de medias móviles de orden 7 (MM7), a partir de los datos de la tabla se pueden obtener un total de 14 predicciones, siendo el primer
valor obtenido el correspondiente al trimestre 8º, calculado como media aritmética de las 7 observaciones 1 a 7 anteriores (21.335 + 45.360 + ... +
73.245) / 7 = 50.686. Para obtener el valor del trimestre 15º repetiríamos los mismos cálculos partiendo de las observaciones 8 a 14 inclusive (43.860 +
23.310 + ..... + 50.160) / 7 = 49.048, y así sucesivamente hasta completar la tabla.
Aunque se puede probar con tantos procesos MM (n) como se desee, por simplicidad en la tabla siguiente se ofrecen los valores obtenidos para n = 3, 4,
5, 7 y 10, destacados en azul. El último valor, sombreado en amarillo, muestra la predicción de cada modelo MM para el trimestre 21, que es el
que nos preguntan.

TABLA 2.1.2 Valores de Previsión VPt (Medias Móviles Orden n) y ECM

Periodo Ventas Media Móvil (n = 3) Media Móvil (n = 4) Media Móvil (n = 5) Media Móvil (n = 7) Media Móvil (n = 10)
(trimestre) (Vt) 2 2 2 2
VPt (Vt - VPt) VPt (Vt - VPt) VPt (Vt - VPt) VPt (Vt - VPt) VPt (Vt - VPt)2
1 21.335
2 45.360
3 75.900
4 55.880 47.532 69.694.669
5 29.325 59.047 883.377.469 49.619 411.836.289
6 53.760 53.702 3.403 51.616 4.595.664 45.560 67.240.000
7 73.245 46.322 724.865.878 53.716 381.372.077 52.045 449.440.000
8 43.860 52.110 68.062.500 53.053 84.502.056 57.622 189.392.644 50.686 46.600.127
9 23.310 56.955 1.131.986.025 50.048 714.893.906 51.214 778.633.216 53.904 936.010.318
10 52.000 46.805 26.988.025 48.544 11.945.664 44.700 53.290.000 50.754 1.551.804
11 86.130 39.723 2.153.578.711 48.104 1.445.995.689 49.235 1.361.241.025 47.340 1.504.664.100 47.398 1.500.206.556
12 60.260 53.813 41.559.511 51.325 79.834.225 55.709 20.711.601 51.661 73.935.431 53.877 40.742.689
13 27.615 66.130 1.483.405.225 55.425 773.396.100 53.112 650.097.009 56.081 810.296.890 55.367 770.173.504
14 50.160 58.002 61.491.736 56.501 40.211.452 49.863 88.209 52.346 4.777.347 50.539 143.262
15 67.575 46.012 464.977.344 56.041 133.027.389 55.233 152.324.964 49.048 343.255.022 49.967 310.059.272
16 47.880 48.450 324.900 51.403 12.408.006 58.348 109.579.024 52.436 20.754.533 53.792 34.945.832
17 26.700 55.205 812.535.025 48.308 466.884.056 50.698 575.904.004 55.946 855.311.804 53.204 702.435.512
18 58.960 47.385 133.980.625 48.079 118.401.602 43.986 224.220.676 52.331 43.937.959 48.549 108.388.921
19 92.805 44.513 2.332.085.069 50.279 1.808.481.939 50.255 1.810.502.500 48.450 1.967.366.025 50.059 1.827.220.516
20 56.700 59.488 7.774.803 56.586 12.939 58.784 4.343.056 53.099 12.965.143 57.009 95.172
∑ EC = 10.396.690.919 ∑ EC = 6.487.799.053 ∑ EC = 6.447.007.928 ∑ EC = 6.621.426.504 ∑ EC = 5.294.411.238
ECM 611.570.054,08 405.487.441 429.800.529 509.340.500 529.441.124
21 69.488 58.791 56.609 57.254 57.479

Aunque sólo nos preguntan la previsión para el trimestre nº 21, en la tabla anterior se calculan predicciones para periodos anteriores (tantas como sea
posible para cada MM) a fin de determinar la bondad de dichas estimaciones.
Así, para cada MM (n) se ofrece junto a cada columna de predicciones otra anexa (Vt - VPt)2 cuyo sumatorio (celdas de fondo rosa) recoge el Error
Cuadrático Medio (ECM o Ei ) o Media del Cuadrado de los Errores, que es una medida de la bondad de la previsión realizada.
En toda previsión existen desviaciones o diferencias entre los valores reales (Vt) y los valores de previsión obtenidos a partir de cada modelo de medias
móviles (VPt). Cuanto menores sean esas desviaciones, más se ajustará el modelo a la realidad y, por lo tanto, más valido resultará.
El ECM se obtiene como media aritmética del sumatorio del cuadrado de las desviaciones de las k estimaciones calculadas en un proceso de Medias
Móviles. Lógicamente, de todos los procesos MM (n) posibles se preferirá aquel para el que se obtenga un ECM más bajo.
Una vez calculados, se puede comprobar que el proceso MM (4) es el que menor ECM presenta (celda fondo verde), por lo que la predicción
de 58.791 u.m. es la más fiable.

EXTENSIÓN SOBRE ECM:

La necesidad de elevar al cuadrado el error de las desviaciones se justifica por los inconvenientes de los signos, que al realizar el sumatorio podrían dar lugar a compensaciones entre
sí que conducirían a equívocos. Por otra parte, con la media aritmética del sumatorio al cuadrado se obtiene un valor promedio de todos esos errores. Ejemplo, supongamos que
tenemos dos modelos de predicción siguientes:

Valor de predicción Error modelo 1 ECM modelo 1

Valor real (Vt)
modelo 1 (VPt) (Vt - VPt) (VPt - VPt)2
8 10 -2 4
12 11 1 1
∑ (Xi - X`i) / 2 = - 0,5 ∑ (Xi - X`i)2 / 2 = 2,5

Valor de predicción Error modelo 2 ECM modelo 2

Valor real (Vt)
modelo 2 (VPt) (Vt - VPt) (VPt - VPt)2
8 13 -5 25
12 8 4 16
∑ (Xi - X`i) / 2 = - 0,5 ∑ (Xi - X`i)2 / 2 = 21
Con el promedio de suma de los errores concluiríamos que tanto el modelo 1 como el 2 presentan la misma bondad (error promedio = -0,5), cuando en realidad a simple vista se
aprecia que el margen de error del modelo 2 es mucho más acusado (las previsiones se alejan más de los valores reales, tanto por exceso como por defecto). Esto se corrige elevando
los errores al cuadrado, tras lo cual calculamos un promedio para las 2 observaciones con las que contamos y, ahora sí, se observa que el modelo 1 es mucho más fiable (error 2,5
frente al 21 en promedio del modelo 2)

b) Previsión para el trimestre 21 según el método de Alisado Exponencial. Elegir el mejor valor de ""
mediante el Error Cuadrático Medio
En este método, las ventas previstas para el periodo t+1 (VPt+1) se calculan mediante la siguiente expresión:

VP = ventas previstas
VPt 1   Vt  (1   )VPt V = ventas reales
 = es el coeficiente de ponderación => 0 <  < 1

El valor de la ponderación  denota la importancia que se le concede al valor de las ventas reales del periodo inmediatamente anterior (Vt), mientras
que la diferencia (1 - ) es la importancia relativa de la estimación realizada en el periodo inmediatamente anterior (VPt). Por ejemplo, para un  = 0,1 la
estimación para el 4º trimestre VP4 = 28.954 u.m. descansa en un 90% en la previsión de ventas del trimestre anterior (23.738 u.m.), y sólo un 10% en la
cifra de ventas real para ese mismo periodo anterior (75.900 u.m.)
El valor del parámetro "" lo elige el decisor. Cuanto mayor sea éste, más importancia se le está otorgando a la información contenida en los valores
más recientes
Aunque se puede probar con tantos valores  como se desee, por simplicidad en la tabla siguiente (2.1.3) se ofrecen los valores obtenidos para  = 0,1 -
0,3 - 0,5 - 0,7 y 0,9, destacados en azul. El último valor, sombreado en amarillo, muestra la predicción en cada caso para el trimestre 21, que es
el que nos preguntan.
En el primer periodo se utiliza como dato de ventas previstas el mismo dato de ventas reales, dado que se carece de observaciones anteriores; por ello,
el primer periodo para el que se obtiene una verdadera previsión es el segundo trimestre, y en consecuencia el ECM (obtenido del mismo modo
que en la tabla anterior) se calculará en todos los casos sobre un promedio de 19 observaciones (trimestres 2 a 20).

TABLA 2.1.3 Valores de Previsión VPt (Alisado exponencial) y ECM

Ventas Previstas (VPt) Ventas Previstas (VPt) Ventas Previstas (VPt) Ventas Previstas (VPt) Ventas Previstas (VPt)
Periodo Ventas
con  = 0,1 con  = 0,3 con  = 0,5 con  = 0,7 con  = 0,9
(trimestre) (Vt)
VPt (Vt - VPt)2 VPt (Vt - VPt)2 VPt (Vt - VPt)2 VPt (Vt - VPt)2 VPt (Vt - VPt)2
1 21.335 21.335 21.335 21.335 21.335 21.335
2 45.360 21.335 577.200.625 21.335 577.200.625 21.335 577.200.625 21.335 577.200.625 21.335 577.200.625
3 75.900 23.738 2.720.926.406 28.543 2.242.732.806 33.348 1.810.715.256 38.153 1.424.873.756 42.958 1.085.208.306
4 55.880 28.954 725.022.939 42.750 172.403.465 54.624 1.578.164 64.576 75.616.068 72.606 279.750.713
5 29.325 31.646 5.388.782 46.689 301.502.419 55.252 672.202.847 58.489 850.522.856 57.553 796.795.990
6 53.760 31.414 499.333.102 41.480 150.806.321 42.288 131.596.746 38.074 246.046.910 32.148 467.089.026
7 73.245 33.649 1.567.857.966 45.164 788.555.240 48.024 636.087.807 49.054 585.193.099 51.599 468.559.024
8 43.860 37.608 39.082.098 53.588 94.636.746 60.635 281.387.520 65.988 489.638.231 71.080 740.948.955
9 23.310 38.234 222.713.513 50.670 748.553.150 52.247 837.367.603 50.498 739.205.352 46.582 541.587.741
10 52.000 36.741 232.830.055 42.462 90.977.458 37.779 202.246.729 31.466 421.624.649 25.637 694.997.025
11 86.130 38.267 2.290.856.507 45.323 1.665.190.625 44.889 1.700.793.178 45.840 1.623.288.145 49.364 1.351.759.317
12 60.260 43.053 296.067.205 57.565 7.261.533 65.510 27.558.963 74.043 189.970.674 82.453 492.545.762
13 27.615 44.774 294.433.231 58.374 946.097.246 62.885 1.243.961.017 64.395 1.352.760.712 62.479 1.215.522.009
14 50.160 43.058 50.436.257 49.146 1.028.022 45.250 24.108.927 38.649 132.503.843 31.101 363.228.949
15 67.575 43.768 566.757.249 49.450 328.506.201 47.705 394.818.574 46.707 435.486.337 48.254 373.295.501
16 47.880 46.149 2.996.353 54.888 49.107.607 57.640 95.257.189 61.315 180.485.983 65.643 315.521.126
17 26.700 46.322 385.026.894 52.785 680.446.913 52.760 679.123.051 51.910 635.561.856 49.656 526.991.316
18 58.960 44.360 213.163.155 44.960 196.006.603 39.730 369.793.102 34.263 609.936.591 28.996 897.863.521
19 92.805 45.820 2.207.599.361 49.160 1.904.900.435 49.345 1.888.771.829 51.551 1.701.898.152 55.964 1.357.291.487
20 56.700 50.518 38.212.024 62.253 30.840.079 71.075 206.640.587 80.429 563.054.977 89.121 1.051.111.923
∑ = 12.935.903.721 ∑ = 10.976.753.494 ∑ = 11.781.209.714 ∑ = 12.834.868.815 ∑ = 13.597.268.316
ECM 680.837.038 577.723.868 620.063.669 675.519.411 715.645.701
21 51.137 60.587 63.887 63.819 59.942

Con el método de alisado exponencial y para los valores de  empleados, se comprueba que la mejor previsión se obtiene con  = 0,3 (60.587 u.m.),
con la que se minimiza el ECM (577.723.868 u.m.)

c) Previsión para el trimestre 21 a 24 según el método de Descomposición de Series Temporales.

Este método consiste en averiguar si en la serie de datos subyace algún tipo de regularidad o pauta que se repite en el tiempo. Para ello, se
descompone la serie en sus componentes: tendencia, estacionalidad y ciclo. Finalmente, se calcula la previsión aplicando el siguiente
esquema multiplicativo: Tendencia x Estacionalidad x Ciclo
Los pasos a seguir para descomponer una serie temporal y realizar la previsión de los trimestres 21 a 24 serían los siguientes:

1. REPRESENTAR GRÁFICAMENTE LA SERIE ORIGINAL: con lo que se busca detectar una posible pauta en la serie de datos.
2. DESESTACIONALIZAR: los pasos a seguir son
2.1. Calcular el coeficiente estacional
2.2. Calcular el coeficiente estacional promedio (CEPt)
2.3. Desestacionalizar la serie original, y
2.4. Volver a representar la serie desestacionalizada
3. ELIMINAR EL CICLO: Los pasos a seguir son:
3.1. Calcular el coeficiente cíclico
3.2. Calcular el coeficiente cíclico promedio (CCPt)
3.3. Eliminar el ciclo de la serie y
3.4. Representar la serie de ventas sin estacionalidad ni ciclo.
4. CALCULAR LA TENDENCIA
5. CALCULAR LA PREVISIÓN
1. REPRESENTACIÓN GRÁFICA DE LA SERIE ORIGINAL. En la gráfica, la variable X será el tiempo y la variable Y
serán los datos de ventas originales. El objetivo de la primera representación es detectar una posible pauta de repetición en la serie de datos.

Ventas
(u.m.)
GRÁFICO 2.1.1 Representación de las Ventas Reales (Vt)

100.000
90.000
80.000
70.000
60.000
50.000
40.000
30.000
20.000
10.000
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Tiempo (trimestres)

En el gráfico anterior se detecta una repetición cada cuatro trimestres, es decir, un año. Puede afirmarse, entonces, que la serie presenta un claro
componente estacional. Este gráfico también determina el orden (n) de la media móvil que se utilizará en el apartado siguiente. En este caso,
como la repetición se produce cada cuatro trimestres, entonces n=4.

2.1. CÁLCULO DEL COEFICIENTE ESTACIONAL: se calcula a partir de la siguiente expresión:

Ventasreales Vt
Coeficiente estacional t = =
Media Móvil Centrada t MMC t
El objetivo es suavizar el gráfico anterior corrigiendo los datos reales por las medias móviles. La media móvil centrada es una media móvil normal, pero
cuyo resultado se coloca en el centro de los n datos elegidos para su cálculo. Así por ejemplo:
en una media móvil centrada con n = 5 (MMC5), el resultado de calcular la media aritmética de las cinco primeras observaciones correlativas
no se colocaría en t = 6, sino en t = 3, y del mismo modo, se situaría en t = 9 la media móvil centrada obtenida como promedio de las
observaciones 7 a 11, no en t = 12.
Del mismo modo t = 4 sería el centro donde ubicar un medias móviles centrado de orden 7 (MMC7).

Ahora bien, si el n elegido para la media móvil es par, como ocurre en la serie de datos con la que estamos trabajando en este ejercicio (n = 4, dado que
hay una estacionalidad que se repite cada cuatro trimestres), el centro no es tan inmediato.
Para resolver este problema, se calcula la media móvil centrada para n = 4, y se coloca el mismo resultado en dos columnas anexas (ver tabla 2.1.4)
uno en la observación t = 3 (se descentra por abajo) y otro en la observación t = 2 (se descentra por arriba). La MMC definitiva se obtendrá en una
tercera columna como el promedio de los dos valores anteriores recogidos en una misma fila (se pierde la 1ª y última observación al no poder promediar)
Por ejemplo la MMC10 = 53.375, y se obtiene como el promedio de:
MMC por abajo de las observaciones 8 a 11
MMC por arriba de las observaciones 9 a 12

Por último, se procede a calcular el coeficiente estacional en una última columna aplicando la fórmula ya mencionada, esto es, como el cociente de las
Ventas reales (Vt) y la media móvil centrada (MMCt), obteniéndose el primer resultado para t=3.
 TABLA 2.1.4 Cálculo del Coeficiente Estacional
Media Móvil (n = 4) Media Móvil (n = 4)
Periodo Ventas Media Móvil Centrada (n Coeficiente
centrada por abajo centrada por arriba Trim.
(trimestre) (Vt) = 4) MMCt estacional CEt
MMC3 (n=4) MMC2 (n=4)

1 21.335 1
2 45.360 49.618,8 2
3 75.900 49.618,8 51.616,3 50.617,50 3 1,4994814
4 55.880 51.616,3 53.716,3 52.666,25 4 1,0610211
5 29.325 53.716,3 53.052,5 53.384,38 1 0,5493180
6 53.760 53.052,5 50.047,5 51.550,00 2 1,0428710
7 73.245 50.047,5 48.543,8 49.295,63 3 1,4858317
8 43.860 48.543,8 48.103,8 48.323,75 4 0,9076282
9 23.310 48.103,8 51.325,0 49.714,38 1 0,4688785
10 52.000 51.325,0 55.425,0 53.375,00 2 0,9742389
11 86.130 55.425,0 56.501,3 55.963,13 3 1,5390492
12 60.260 56.501,3 56.041,3 56.271,25 4 1,0708843
13 27.615 56.041,3 51.402,5 53.721,88 1 0,5140364
14 50.160 51.402,5 48.307,5 49.855,00 2 1,0061177
15 67.575 48.307,5 48.078,8 48.193,13 3 1,4021710
16 47.880 48.078,8 50.278,8 49.178,75 4 0,9735912
17 26.700 50.278,8 56.586,3 53.432,50 1 0,4996959
18 58.960 56.586,3 58.791,3 57.688,75 2 1,0220364
19 92.805 58.791,3 3
20 56.700 4

2.2. CÁLCULO DEL COEFICIENTE ESTACIONAL PROMEDIO: se calcula a partir de la siguiente expresión:
El Coeficiente Estacional Promedio es la media de los coeficientes estacionales que se repiten en cada estación. Para su cálculo, se añade la columna 6
en la tabla 2.1.4, donde se muestra la estacionalidad de la serie (repetición de los trimestres 1, 2, 3 y 4 a lo largo de toda la serie). Dado que la
estacionalidad se repite cada cuatro trimestres, el número de Coeficientes Estacionales Promedio será 4. El cálculo del Coeficiente Estacional Promedio
para el trimestre 1 será la media de todos los coeficientes estacionales de los trimestres 1 (ver tabla 2.1.5).

TABLA 2.1.5
Coeficiente estacional
Promedio CEPt
(promediado por
trimestres)
1 0,507982199
2 1,011315994 p. ej. => (1,0428 + 0,9742 + 1,0061 + 1,02203) / 4
3 1,48163329
4 1,003281214

2.3. DESESTACIONALIZAR LA SERIE ORIGINAL: partiendo de los CEPt del apartado anterior y
con los datos de partida de ventas reales, podemos desestacionalizar la serie aplicando el siguiente cociente:
Ventasreales (V t )
Ventassin estacionalidad (V ' t ) =
CoeficienteEstacional Promedio

TABLA 2.1.6 a
Ventas sin
Periodo Ventas
CEPt estacionalid.
(trimestre) (Vt)
(V't)
1 21.335 0,508 42.000
2 45.360 1,0113 44.852
3 75.900 1,4816 51.227
4 55.880 1,0033 55.697
5 29.325 0,508 57.728
6 53.760 1,0113 53.158
7 73.245 1,4816 49.435
8 43.860 1,0033 43.717
9 23.310 0,508 45.887
10 52.000 1,0113 51.418
11 86.130 1,4816 58.132
12 60.260 1,0033 60.063
13 27.615 0,508 54.362
14 50.160 1,0113 49.599
15 67.575 1,4816 45.608
16 47.880 1,0033 47.723
17 26.700 0,508 52.561
18 58.960 1,0113 58.300
19 92.805 1,4816 62.637
20 56.700 1,0033 56.515
2.4. REPRESENTACIÓN GRÁFICA DE LA SERIE DESESTACIONALIZADA

2.1.2 Representación gráfica de las ventas desestacionalizadas

V't
70.000

60.000

50.000

40.000

30.000

20.000

10.000

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Trimestres

Representamos la serie desestacionalizada (V't) con el fin de detectar la existencia de un posible componente cíclico y, en su caso, la amplitud de dicho
ciclo. En el gráfico anterior se observa un patrón cíclico que se repite cada 7 periodos (aumento-disminución), iniciándose con las observaciones 1ª, 8ª y
15ª. Al igual que ocurría anteriormente con la estacionalidad, este comportamiento (cíclico) va a determinar el el orden de la Media Móvil que se utilizará
para calcular el coeficiente cíclico (n=7).

3.1. CÁLCULO DEL COEFICIENTE CÍCLICO: Determinada la amplitud del ciclo, el siguiente paso es calcular el coeficiente
cíclico por el mismo método que se ha calculado el coeficiente estacional. Es decir, partiendo no ya de la cifra de ventas reales sino de los valores
con estacionalidad corregida de la tabla 2.1.6 a anterior.se calcula en primer lugar la Media Móvil Centrada con n = 7, y automáticamente el centro
se situará en la observación t = 4, no siendo necesario realizar todo el proceso de la tabla 2.1.4 anterior. Así, quedaría:
Una vez obtenida MMC (7) calcularemos el coeficiente cíclico de las observaciones disponibles y el promedio de los mismos, al igual que para la
tendencia. Usaremos la siguiente fórmula:

V 't
Coeficiente Cíclico t =
MMC t

TABLA 2.1.6 b Cálculo del Coeficiente Cíclico

Ventas
Ciclo
Periodo sin Media Móvil Centrada Coeficiente
(por
(trimestre) estac. (n = 7) MMCt cíclico CCt
trim.)
(V't)

1 42.000 1
2 44.852 2
3 51.227 3
4 55.697 50.586 4 1,101051225
5 57.728 50.831 5 1,135697041 3.2. CÁLCULO DEL COEFICIENTE
6 53.158 50.979 6 1,042758945 CÍCLICO PROMEDIO
7 49.435 51.006 7 0,969206965
8 43.717 51.354 1 0,851282994 TABLA 2.1.7 El coeficiente cíclico promedio se
9 45.887 51.687 2 0,887790518 calcula a partir de la media de los
Coeficiente Cíclico coeficientes cíclicos de los periodos
10 51.418 51.859 3 0,99149554
Promedio CCPt correspondientes. Para ello hay que
11 58.132 51.883 4 1,120450148
(promediado por tener en cuenta el número de veces que
12 60.063 52.153 5 1,151671914
trimestres) se repite el trimestre (en este caso 2
13 54.362 52.415 6 1,037146826
14 49.599 52.578 7 0,943330362 1 0,8592 veces).
15 45.608 52.602 1 0,867041183 2 0,8944
16 47.723 52.970 2 0,900949541 3 0,989
17 52.561 53.278 3 0,986547513 4 1,1108
18 58.300 4 5 1,1437 p. ej. => (1,13569 + 1,15167) / 2
19 62.637 5 6 1,04
20 56.515 6 7 0,9563
3.3 ELIMINAR EL CICLO DE LA SERIE: partiendo de los CCPt del apartado anterior y con los datos de
partida de ventas reales desestacionalizadas (V't), podemos eliminar el ciclo de la serie aplicando el siguiente cociente:

'' (V ' t )
Ventas sin estacionalidad ni ciclo V t =
CoeficienteCíclicoPromedio

TABLA 2.1.8 a
Ventas sin
Ventas
componente
Periodo sin
CCPt cíclico ni
(trimestre) estac.
estacionalid.
(V't)
(V"t)
1 42.000 0,8592 48.884
2 44.852 0,8944 50.150
3 51.227 0,989 51.796
4 55.697 1,1108 50.144
5 57.728 1,1437 50.476
6 53.158 1,04 51.116
7 49.435 0,9563 51.696
8 43.717 0,8592 50.883
9 45.887 0,8944 51.307
10 51.418 0,989 51.989
11 58.132 1,1108 52.336
12 60.063 1,1437 52.517
13 54.362 1,04 52.274
14 49.599 0,9563 51.867
15 45.608 0,8592 53.085
16 47.723 0,8944 53.360
17 52.561 0,989 53.144
18 58.300 1,1108 52.487
19 62.637 1,1437 54.768
20 56.515 1,04 54.343

3.4. REPRESENTACIÓN GRÁFICA DE LA SERIE SIN ESTACIONALIDAD NI CICLO

2.1.3 Representación gráfica de las ventas sin estacionalidad ni ciclo

V"t
100.000
90.000
80.000
70.000
60.000
50.000
40.000
30.000
20.000
10.000
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Trimestres

En el gráfico anterior puede observarse una cierta tendencia creciente. El siguiente paso, por tanto, será estimar dicha tendencia

4. CÁLCULO DE LA TENDENCIA
Para calcular la tendencia, se tratará de obtener una función matemática que se ajuste en lo posible a los valores de la variable V''t en función del tiempo
(t). En este caso, se supone una recta o función lineal que adopta la siguiente forma:
a = término independiente
V   a  b  t
t
b = pendiente de la recta
El cálculo de los coeficientes "a" (término independiente) y "b" (pendiente de la recta) se realizará de una manera aproximada . Este método consiste en
calcular la pendiente a partir de los incrementos en las ventas de un periodo a otro. Así, suponiendo una tendencia lineal, la pendiente b será igual a la
media aritmética de los incrementos: V"t - V"t-1.
En la columna 3 de la tabla 2.1.8, se muestran los incrementos sobre los que calcularemos la tendencia. Por ejemplo, en el caso de t = 2, el incremento
se obtiene de la diferencia 50.150 - 48.884 = 1.266
Y la pendiente "b" de la recta se calculará como la media aritmética de estos incrementos:
 TABLA 2.1.8 b
Incrementos
Valores de la
de la serie
Ventas sin tendencia
Periodo respecto al
comp. cíclico ni
(trimestre) trimestre
.

estac. (V"t) V"t = 48.597 +

anterior
287 * t
(V"t - V"t-1)
1 48.884 48.884
2 50.150 1.266 = 50.150 - 48.884 49.171
3 51.796 1.646 49.458
4 50.144 -1.652 49.745
5 50.476 332 50.032
6 51.116 640 50.319
7 51.696 580 50.606
8 50.883 -813 50.893
9 51.307 424 51.180
10 51.989 682 51.467
11 52.336 347 51.754
12 52.517 181 52.041
13 52.274 -243 = 52.274 - 52.517 52.328
14 51.867 -407 52.615
15 53.085 1.218 52.902
16 53.360 275 53.189
17 53.144 -215 53.476
18 52.487 -657 53.763
19 54.768 2.280 54.050
20 54.343 -424 54.337
∑= 5.459
Media aritmética (19 observ.) = 287 =b

21 54.624
22 54.911
23 55.198
24 55.485

Ahora sólo falta estimar el valor del término independiente "". Para ello, se utilizarán los valores correspondientes a la primera observación de la serie
de datos de ventas sin estacionalidad ni ciclo (V"t) de la tabla 2.1.8.b, es decir: (t = 1 y V"1 = 48.884). Se hará el supuesto de que la recta que se desea
estimar debe pasar necesariamente por ese primer punto de la serie. Sustituyendo ese primer punto y el valor de la pendiente (b) en la recta que
queremos estimar:

V"t =  + b * t
se tiene que:
48.884 =  + 287 * 1 =>  = 48.884 - 287 = 48.597 u.m.
En consecuencia, una vez obtenidos los valores de los parámetros "" y "b", la expresión general de la recta que queríamos estimar y que recoge la
tendencia de la serie será:

V"t = 48.597+ 287 * t

Para calcular los restantes puntos de la recta, se sustituye t por el valor de las distintas observaciones t = 1, 2, 3 … 24. Por ejemplo, la tendencia para t
= 2 se calcula como 48.597 + 287 * 2 = 49.171 u.m. Los puntos de la recta de tendencia pueden verse en la columna de la derecha de la tabla 2.1.8 b.
Asimismo, se calcula los valores de tendencia para los trimestres 21 a 24, ya que se necesitarán esos datos en el apartado siguiente para obtener las
ventas previstas de dichos periodos (VPt)

V"t Representación gráfica de la tendencia

V"t = 48.597 + 287 * t
60.000

50.000

40.000

30.000

20.000

10.000

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Ventas sin comp. cíclico ni estac. (V"t)
Valores de la tendencia (V"t = 48.597 + 287 * t ) Trimestres
 V"t
V"t = 48.597 + 287 * t Representación gráfica de la tendencia
57.000

55.000

53.000

51.000

49.000

47.000

45.000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Ventas sin comp. cíclico ni estac. (V"t)

Valores de la tendencia (V"t = 48.597 + 287 * t ) Trimestres

5. CÁLCULO DE LA PREVISIÓN
Las ventas previstas para cualquier periodo (VPt) se calculan a partir de la siguiente expresión:

VPt = Tendencia x Estacionalidad x Ciclo = Tendenciat x CEPt x CCPt

donde las variables "estacionalidad y "ciclo" se refieren al coeficiente estacional promedio (CEPt) y al coeficiente cíclico promedio (CCPt)
respectivamente. Los datos de ventas previstas se muestran en la tabla 2.1.9. Así, p. ej.:
las ventas previstas para t = 2 se calculan => VP2 = 49.171 * 1,0113 * 0,8943 = 44.475
las ventas previstas para t = 12 se calculan => VP12 = 52.041 * 1,0032 * 1,1436 = 59.714

Y en la última columna se calcula el Error Cuadrático Medio, al igual que con los métodos descritos en los apartados a) y b) anteriores

TABLA 2.1.9
Periodo Ventas ESTACIONALIDAD CICLO VENTAS PREVISTAS
TENDENCIA (Vt - VPt)2
(trimestre) (Vt) Trim CEPt Trim CCPt (VPt)
1 21.335 1 0,507982199 1 0,859162089 48.884 21.335
2 45.360 2 1,011315994 2 0,894370029 49.171 44.475 783.733
3 75.900 3 1,48163329 3 0,989021527 49.458 72.474 11.736.572
4 55.880 4 1,003281214 4 1,110750686 49.745 55.436 197.497
5 29.325 1 0,507982199 5 1,143684477 50.032 29.067 66.482
6 53.760 2 1,011315994 6 1,039952886 50.319 52.922 703.001
7 73.245 3 1,48163329 7 0,956268663 50.606 71.701 2.385.236
8 43.860 4 1,003281214 1 0,859162089 50.893 43.869 78
9 23.310 1 0,507982199 2 0,894370029 51.180 23.252 3.329
10 52.000 2 1,011315994 3 0,989021527 51.467 51.478 272.508
11 86.130 3 1,48163329 4 1,110750686 51.754 85.173 916.114
12 60.260 4 1,003281214 5 1,143684477 52.041 59.714 298.360
13 27.615 1 0,507982199 6 1,039952886 52.328 27.644 824
14 50.160 2 1,011315994 7 0,956268663 52.615 50.883 523.350
15 67.575 3 1,48163329 1 0,859162089 52.902 67.342 54.151
16 47.880 4 1,003281214 2 0,894370029 53.189 47.727 23.490
17 26.700 1 0,507982199 3 0,989021527 53.476 26.867 27.765
18 58.960 2 1,011315994 4 1,110750686 53.763 60.393 2.053.631
19 92.805 3 1,48163329 5 1,143684477 54.050 91.589 1.478.997
20 56.700 4 1,003281214 6 1,039952886 54.337 56.693 44
21 1 0,507982199 7 0,956268663 54.624 26.535
22 2 1,011315994 1 0,859162089 54.911 47.711
23 3 1,48163329 2 0,894370029 55.198 73.144
24 4 1,003281214 3 0,989021527 55.485 55.056
∑ EC (19 observ.) = 21.525.161
ECM = 1.132.903
 Ventas Ventas Reales, Tendencia, y Ventas Previstas
por el método de descomposición
100.000

90.000

80.000

70.000

60.000

50.000

40.000

30.000

20.000

10.000

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Trimestres
Ventas (Vt) TENDENCIA VENTAS PREVISTAS (VPt)

d) ¿Cuál de los tres métodos es el más ajustado?

Una vez realizadas las previsiones mediante los tres modelos: Medias Móviles, Alisado Exponencial y Método de Descomposición, se elige aquél que
ofrezca un menor Error Cuadrático Medio. Como puede observarse en la tabla 2.1.10, el que ofrece un menor ECM y, por tanto, mejores
previsiones, es el Método de Descomposición (únicamente para las observaciones de partida, es decir, hasta el trimestre 20).

ECM
aptdo a) => MM (4) 405.487.441
aptdo b) =>  = 0,3 577.723.868
aptdo c) => 1.132.903