En la realización del modelo de serie de tiempo con los datos de producción de cemento en

Colombia, lo primero a realizar es la medida de tendencia de la variable en el tiempo.

Lo cual se puede evidenciar en el (grafico #1) de serie de tiempo, tiene una tendencia
positiva en la producción de cemento en el tiempo, aunque de igual manera una tendencia
negativa en un lapso en el tiempo, este análisis del grafico nos dice que la producción de
cemento en Colombia ha tenido un crecimiento entre 1995 y 2015, por cada año aumenta su
consumo.

Ajuste del Modelo

Utilizando los datos procedemos encontrar un modelo que explique el comportamiento de

las producciones en los próximos 12 meses. En primera medida tomamos los datos y hacemos
análisis descriptivo de su comportamiento. En este “Métodos Descriptivos”. se puede
observar que los datos tienen problema en la tendencia y su varianza, como lo muestra el
(grafico #1).

Por lo anterior, para eliminar la tendencia y los grados de dispersión de la gráfica 1 de serie
de tiempo, procedemos a realizar una diferenciación, tiene la propiedad de disminuir la
variabilidad de la serie manteniendo el patrón de comportamiento, y un Orden No estacional
de (1) el cual eliminará los problemas de tendencia que se presenten, el resultado de la
transformación y diferenciación en los datos se encuentra en el grafico 2.
Gráfico # 2

Además, usaremos el periodograma para definir la estacionalidad que tendrá este modelo,
este proceso se hará calculando el periodo con la siguiente fórmula: 𝐓 = 𝟏/𝐟 sin embargo,
antes que nada, debemos definir la frecuencia de los datos (f) buscando su valor del primer
pico más alto del periodograma (gráfico 3), para este caso el valor de f es de 0,083
Aplicando la formula obtenemos un periodo de 12 y obtendremos un modelo estacionario.

Gráfico #3

Construcción del Modelo

Para la construcción del modelo de series de tiempo que permita analizar la producción de
cemento en toneladas y realizar proyecciones en el tiempo primero se debe analizar la gráfica
de autocorrelaciones estimadas que permite identificar el comportamiento de los datos.

Grafica # 4

Grafica # 5

De la (grafica # 5) se puede analizar que dos barras salen de las bandas de confianza lo cual
nos dice que se comporta como un modelo MA (2) media móvil de orden 2.

Cambios en graficas
Las graficas siguientes generaron cambios en sus patrones al aplicar un Orden no estacional
(1).

Grafica # 6

Grafica # 7

Resultados del ajuste del Modelo

Culminado este análisis descriptivo de los datos, se podrá realizar un pronóstico y un ajuste
con los datos ya copilados, como lo es la estacionalidad y con los datos obtenidos del
análisis gráfico de autocorrelación estimada y autocorrelación parcial estimada.
Por principio de parsimonia en el cual nos dice que entre menos número de parámetros es
mejor el modelo, se decide que el mejor resultado en el ajuste del modelo es:

ARIMA (0,1,1) x (0,1,1)12

Los gráficos de los residuos de autocorrelación y autocorrelación parcial muestran que los
residuos se comportan a través del tiempo como ruido blanco con media cero y varianza

constante, demostrando así que, según el comportamiento de los residuos, es el mejor a la

hora de estimar los datos de la producción de cemento en Colombia.
Resumen de Modelo ARIMA

Parámetro Estimado Error Estd. T Valor-P

MA (1) 0,507054 0,0559292 9,066 0,000000
SMA (1) 0,842631 0,0394706 21,3483 0,000000

(1-β)1 (1- β12) Xt = (1+ θ1β) (1+ Ѳ1β12) Ut

(1-β)1 (1- β12) Xt = (1+ 0,511β) (1+ 0,841β12) Ut

Error

Periodo de Periodo de
Estadístico Estimación Validación
RMSE 46526,5

Pronostico

periodos Producción cemento periodos Producción cemento en

en toneladas toneladas
253 1.051.670 259 1.191.230
254 1.095.380 260 1.191.750
255 1.193.290 261 1.185.250
256 1.132.370 262 1.218.430
257 1.179.390 263 1.188.620
258 1.129.970 264 1.235.770

Pruebas
LB= 22,38 PRUEBA Q = 21,34

Ho:
P1=P2=P3=P4=P5=P6=P7=P8=P9=P10=P11=P12=P13=P14=P15=P16=P17=P18=P19=P
20=P21=P22=P23=P24=0

H1 ≠ Ho

Los datos de las pruebas están dentro del área de NO RECHAZO por lo cual el modelo es
aceptable.

Conclusión

La industria cementera en estas 2 décadas presento una caída de los precios y fue testigo de
movimientos empresariales que marcaron la historia de esta industria, pasado por varias
prácticas que han influenciado el mercado y de esta manera afectan negativamente a los
consumidores. Dichas prácticas se hacen en su mayoría directamente sobre la producción
de cemento en el país,
La compañía Argos se posiciona como la principal productora de cemento en Colombia al
comprar compañías americanas y los activos de Cemento Andinos estabilizando lo precios
y permitiendo un incremento en las ventas en un 36%; (Dinero, 2006).
Dicho lo anterior en este trabajo se puede concluir que mediante los datos del pronóstico
para los periodos 253 al 264 se evidencia que la producción de cemento en Colombia para
ese año será mayor a lo producido el año anterior, lo cual nos dice que habrá un crecimiento
en la demanda y un incremento en proyectos de infraestructura.

BIBLIOGRAFIA

Cañón, L. L. (mayo de 2008). Obtenido de

https://javeriana.edu.co/biblos/tesis/economia/tesis16.pdf
Republica, B. d. (s.f.). produccion de algunos bienes de la industria (mensuales desde
1995). Obtenido de http://www.banrep.gov.co/es/produccion

Dinero, R. (2006). Obtenido de https://www.dinero.com/caratula/edicion-

impresa/articulo/cemento/33808