Trabajo No. 11 Series Cronologicas

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE CIENCIAS ECONÓMICAS

ESCUELA DE CONTADURIA PÚBLICA Y AUDITORÍA
JORNADA NOCTURNA
SEMINARIO DE INTEGRACIÓN PROFESIONAL
CÓDIGO: 11196 SALON: 106 S-12
FASE I
TRABAJO No. 11
SERIES CRONOLOGICAS
GRUPO No. 7
Carné No. Integrantes
2007-11897 Edin Josué Velásquez Joachin
2007-11940 Erick Estuardo Vásquez Amezquita
2007-12927 Sonia Elizabeth Álvarez Cambran
2008-11700 Jorge Estuardo Aquino Duarte
2008-11789 Pedro Pablo López Yocute
2008-12387 Byron Alexander Cobar García
2009-14583 Erlinda Marina Aquino Sipaque
LIC. WALTER AGUSTO CABRERA HERNÁNDEZ M.S.C.

LIC. FELIX ANTONIO JIMENEZ BAUTISTA.
GUATEMALA, 4 DE FEBRERO DE 2015
ÍNDICE
INTRODUCCIÓN....................................................................................................4
1 CAPITULO I.....................................................................................................1
SERIES CRONOLOGICAS....................................................................................1
1.1 Reseña Histórica.............................................................................................................1
1.2 Definición........................................................................................................................3
1.3 Objetivo..........................................................................................................................5
1.4 Componentes de una serie cronológica..........................................................................5
1.5 Procedimientos Descriptivos de las Series......................................................................8
1.6 Los movimientos cíclicos.................................................................................................9
1.7 Orden de los componentes de una serie......................................................................10
1.8 Descomposición de Series Cronológicas.......................................................................11
1.9 Tendencia.....................................................................................................................11
1.10 Método de los mínimos cuadrados...............................................................................13
1.11 Promedios Móviles.......................................................................................................16
1.12 Variaciones Estacionales...............................................................................................17
1.13 Variaciones Cíclicas e Irregulares..................................................................................18
1.14 Método de diferencia a la tendencia............................................................................20
1.15 Método del porcentaje de tendencia...........................................................................23
1.16 Variaciones Aleatorias..................................................................................................25
2 CAPITULO II..................................................................................................25
PROBLEMÁTICA DE SERIES CRONOLOGICAS...............................................25

2.1 Tendencia.....................................................................................................................26
2.1.1 Análisis de la tendencia.....................................................................................26
2.1.2 Modelo de tendencia lineal...............................................................................29
2.1.3 Tendencia Cuadrática........................................................................................30
2.1.4 Modelo de Tendencia Exponencial..................................................................31
2.1.5 Selección del Modelo de Tendencia mediante las Diferencias Primera,

Segunda y Porcentual.......................................................................................................32
2.1.6 Modelo de Tendencia Lineal con ajuste perfecto..........................................33
2.1.7 Modelo de Tendencia Cuadrática con Ajuste Perfecto.................................34
2.1.8 Modelo de Tendencia Exponencial con Ajuste Perfecto...............................35
2.2 Método de los Mínimos Cuadrados..............................................................................36
2.2.1 Ajuste de Tendencia y Pronóstico con mínimos cuadrados............................................36
2.3 Factores que influyen en los datos de series cronológicas............................................36
2.3.1 Factores del modelo de tendencia central......................................................37
2.3.2 Factores de mínimos cuadrados......................................................................38
2.3.3 Factores de variaciones cíclicas e irregulares...............................................40
CONCLUSIONES...................................................................................................1
RECOMENDACIONES...........................................................................................2
BIBLIOGRAFÍA.......................................................................................................3
INTRODUCCIÓN
Las series cronológicas son análisis que se realiza de variables a través del
tiempo, estas son utilizadas para estudiar la relación causal entre diversas de
estas baribales que se combinan con el tiempo e influyen entre sí.
El presente trabajo está estructurado en cuatro capítulos partiendo de lo general

a lo particular, el primer capítulo se contempla todo lo relacionado en forma
general al tema objeto de estudio, el segundo capítulo busca establecer cuáles
son las problemáticas de las series cronológicas, el capítulo tercero busca
reforzar el estudio por medio de una guía que si es utilizada adecuadamente
puede fortalecernos en el análisis que se realiza, y por último, el capítulo cuatro
brinda casos prácticos de su aplicación con la finalidad de poder llevar a la
práctica lo establecido en la teoría.
El Contador Público y Auditor debe conocer estos métodos para hacer

predicciones en los negocios y en la economía, haciendo uso correcto de este
estudio como una herramienta proporcionada por la Estadística en el apoyo a las
aéreas financieras.
SERIES CRONOLOGICAS GRUPO No. 7
1 CAPITULO I
SERIES CRONOLOGICAS
1.1 Reseña Histórica
En 1919 plantean que las series cronológicas están constituidas por cuatro
elementos o componentes:
 Una tendencia de largo plazo (que constituye el elemento de crecimiento

de la serie).
 Un movimiento cíclico en forma de onda, súper impuesto en la tendencia.
 Un movimiento estacional dentro del año.
 Una variación residual, causada por situaciones que afectan a las series
de manera individual.
Nerlove, Grether y Carvalho (1979) se adscriben a la visión que las series

cronológicas pueden visualizarse como constituidas por varias componentes no
observables: tendencia, ciclo, estacionalidad y movimiento irregular.
Inicialmente el método que más se ha utilizado para descomponer series fue el

de Promedio Móvil. Lo que lo hacía especialmente atractivo es la sencillez
1
computacional. En lo que respecta al componente estacional, Granger (1978)

explicita cuatro posibles causas de las fluctuaciones estacionales:
 El calendario propiamente dicho (feriados fijos, diferente número de días

de cada mes, etc.).
 Razones Institucionales. Se fijan determinados momentos del año para
realizar ciertas actividades.
 El clima, que determina por ejemplo las cosechas, etc.
 Expectativas de variaciones estacionales (aumento o disminución de la
producción previa a determinadas fechas, por ejemplo).
Dagum (1978) resume lo que considera las tres características más importantes
de los fenómenos estacionales son:
 Se repite cada año con cierta regularidad, aunque puede evolucionar.

 Se puede medirse y separarse de las otras fuerzas que influencian el
movimiento de la serie.
 Es causado principalmente por fuerzas no económicas, exógenas al
sistema económico, y que no pueden controlarse o modificarse por los
tomadores de decisiones en el corto plazo.
.El objetivo del análisis de una serie de tiempo o cronológica es el conocimiento

de su patrón de comportamiento, para así poder prever su evolución en el futuro
cercano, suponiendo por supuesto que las condiciones no variarán
significativamente. Los pronósticos que se puedan realizar en base al análisis de
2
este tipo de datos servirán para el desarrollo de nuevos planes para inversiones
como por ejemplo, elaboración de nuevos productos por parte de las empresas,
prevención de desastres por cambios en el clima, o captar turistas para la
ciudad.
1.2 Definición
Se les conoce también con el nombre de series de tiempo, se denomina serie de

tiempo a un conjunto de observaciones obtenidas de una misma variable durante
un periodo de tiempo. La importancia de su análisis radica, porque contando con
datos pasados permite realiza un pronóstico confiable de la actividad futura, y
tomar decisiones anticipadas. Las series pueden ser negativas o positivas en su
comportamiento.
Es necesario mencionar que “en el análisis de una serie de tiempo, es necesario

conocer si los datos se han dado en condiciones normales en cada periodo,
porque puede ser que en un periodo alguna situación haya variado, en este caso
debe omitirse para medir cuantitativamente el crecimiento y poder pronosticar en
mejor forma” (1:208)
Una serie cronológica, está formada por un conjunto de observaciones de una

variable, ordenadas en función del tiempo. (2:00)
Su metodología puede utilizarse en la medicina, agricultura, psicología y en

muchas otras disciplinas. La aplicación de las series cronológicas no está
limitada únicamente a la esfera económica ya que sirve a la ciencia en toda rama
de esta. El análisis de series, consiste en predecir los valores futuros de la
variable estudiada, esta es su razón de ser y su propósito principal.
3
En su estudio se procede a realizar como paso inicial la observación, y luego a

utilizar la abstracción como apoyo para poder descomponer en un conjunto de
elementos es decir, de componentes, que permitan descubrir las regularidades
que se presentan.
El análisis de series cronológicas, se realiza a través de dos modelos básicos,
que son:
a) Modelo Aditivo, cuya fórmula es: Yt = Tt + St + Ct + Et
b) Modelo Multiplicativo, cuya fórmula es: Yt = Tt * St * Ct * Et
Donde sus componentes o simbología representan lo siguiente:

Yt = Variable estudiada
Tt = Tendencia
St = Variaciones estacionales
Ct = Fluctuaciones cíclicas
Et = Sucesos aleatorios o irregulares
La elección del modelo a utilizar en el análisis y estudio de las series, estará

dado por el que mejor se ajuste a los datos que se tengan de cada problema en
particular.
En el modelo aditivo todos los componentes son valores reales, mientras que en
el multiplicativo, la tendencia es real, pero los restantes componentes se
expresan como un porcentaje de ella.
1.3 Objetivo
4
El principal objetivo de las series cronológicas es conocer, el comportamiento de

una variable cuantitativa en el pasado para estimar su comportamiento en el
futuro, es decir pronosticar las incertidumbres que puedan darse en los estados
financieros por actividades futuras. (3:00)
La importancia de estas series de tiempo, se basa en mantener datos acerca del

pasado que muestren la información acerca de los cambios futuros.
La toma de decisiones económicas y comerciales, necesitan que se hagan

proyecciones de las condiciones externas e internas, que les afecta. Por lo
general las predicciones del futuro mejoraran a medida que se va haciendo más
precisa la información del pasado.
1.4 Componentes de una serie cronológica
El componente de tendencia de una serie representa movimientos lentos y

graduales del conjunto de datos.
Su desplazamiento es uniforme, y se identifica con los cambios permanentes y

fundamentales, como los crecimientos de la población, los cambios en el salario
real de una comunidad.
Si analizamos el consumo de un producto alimenticio, en condiciones normales,

es razonable suponer que un aumento en la población, traerá como
consecuencia un mayor consumo del mismo.
5
Este aumento no se percibe en períodos cortos de tiempo, pues como veremos,

existen otros factores que distorsionan las observaciones, pero sí se advierte en
el largo plazo.
En el gráfico se aprecia una tendencia creciente, a pesar de que las

observaciones fluctúan a lo largo del tiempo, por la influencia de los otros
componentes.
45
40
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Las variaciones estacionales representan los movimientos oscilatorios, dentro de

un plazo relativamente corto (un año o menos). En el período escogido,
presentan una considerable dosis de regularidad.
Si analizamos la evolución de las ventas de una heladería, encontraremos picos

bastantes acentuados, en los meses de verano. La estación, está condicionando
la distribución de las ventas anuales, y ese cuadro se repetirá en los años
sucesivos.
6
El concepto de estacionalidad, se utiliza también para explicar variaciones que

no se corresponden con el concepto de “estación”. Las mayores ventas de un
supermercado los días sábado, también se consideran fluctuaciones
estacionales, por ser una configuración repetida a intervalos regulares, del
mismo fenómeno.
Las fluctuaciones cíclicas, se identifican con los movimientos oscilatorios

alrededor de la tendencia, que no se encuentran ceñidos a períodos regulares,
pero que siempre son de largo plazo. Aunque son fenómenos diferentes,
podemos asociar (al solo efecto de su compresión) estas fluctuaciones, al
concepto de ciclo económico. Ellos se caracterizan por una primera etapa de
crecimiento acelerado, a mayor ritmo que la tendencia.
Esta fase expansiva del ciclo, hace que los valores aumenten por encima del
valor de tendencia, hasta llegar al momento del “boom” en el cual la situación se
revierte.
Los valores comienzan a caer vertiginosamente en esta faz depresiva, hasta que
un nuevo impulso vuelva a estabilizar la situación, y pueda dar lugar al
surgimiento de un nuevo ciclo. La construcción de viviendas en el Uruguay, ha
estado caracterizada por fluctuaciones de este tipo.
Los sucesos aleatorios o irregulares, reflejan el componente de la serie que varía

en forma totalmente esporádica. Sus variaciones son generalmente ocasionadas
por factores accidentales (huelgas, terremotos, inundaciones). Si estudiamos las
ventas de una empresa, cuya fábrica se incendió y permaneció seis meses
inactiva, es lógico encontrar una caída brusca durante ese período.
7
Este componente representa un residuo, que no puede ser explicado por las
variaciones de tendencia, estacionalidad y ciclo. Sus movimientos suelen
suavizarse mediante la utilización de promedios, que distribuyen sus efectos a lo
largo del tiempo.
1.5 Procedimientos Descriptivos de las Series
Existen algunos procedimientos muy sencillos que facilitan el análisis descriptivo

de las series cronológicas, entre ellos podemos mencionar el denominado índice
base 100.
Si disponemos de información acerca de la evolución de los ingresos laborales a

lo largo de un cierto período, resulta más fácil apreciar esa evolución si
expresamos todos los datos en función de un año cualquiera, tomado como base
= 100.
Este año puede ser el año inicial de la serie, el año final, o bien un año
intermedio que tengamos buenas razones para seleccionar. Para hacerlo, basta
con dividir cada registro por el correspondiente al año base y multiplicarlo luego
por 100. Este procedimiento no tiene otro objeto que facilitar una rápida
comparación1. Total de aglomerados urbanos: evolución de los ingresos
laborales (a pesos corrientes) 1998/2002.
1.6 Los movimientos cíclicos
Los movimientos cíclicos generalmente no hay un modo eficaz de capturarlos o

predecir su comportamiento. Si una serie presentara ciclos relativamente
8
regulares, de similar duración y profundidad, entonces ellos podrían ser

capturados mediante algún índice construido con una metodología semejante a
la empleada para las estacionalidades.
Pero toda vez que no sea así –es decir, si los ciclos son variables en duración e
intensidad esto ya no será posible. En consecuencia, la alternativa que resta
para el estudio de los ciclos (siempre que se disponga de una serie
suficientemente larga) será despojarla de todos los otros componentes
(tendencia, estacionalidad, variaciones irregulares): la variabilidad que quede
sería atribuible al ciclo. Si graficáramos entonces la serie y si realmente existiera
un ciclo, podríamos examinarlo y obtener conclusiones respecto de sus
características.
Ya se ha dicho que no todas las series presentan los mismos componentes. Por
lo demás, eliminar unos u otros, así como el orden en que se lo haga, depende
de los propósitos últimos del análisis.
Si, como se expresó anteriormente se tratara de examinar el comportamiento de
un ciclo, tendría sentido eliminar la tendencia, desestacionalizar la serie y
suavizarla, para dejar sólo el ciclo.
En cambio, si el propósito fuera apreciar la tendencia, con la finalidad de hacer

proyecciones, es probable que sea más conveniente desestacionalizar la serie
primero y eventualmente suavizarla, para luego tratar de hallar la función de
regresión más adecuada.
En el ejemplo del estudio de Frenkel y S. Rosada mencionado en la primera

parte, en cambio, habría que eliminar tendencia y estacionalidad –y si fuese
9
posible el ciclo – para aislar y apreciar la influencia de un hecho puntual, tal

como lo fue la reducción arancelaria.
1.7 Orden de los componentes de una serie
Todas las series presentan los mismos componentes. Por lo demás, eliminar
unos u otros, así como el orden en que se lo haga, depende de los propósitos
últimos del análisis. Se tratara de examinar el comportamiento de un ciclo,
tendría sentido eliminar la tendencia, desestacionalizar la serie y suavizarla, para
dejar sólo el ciclo.
En cambio, si el propósito fuera apreciar la tendencia (con la finalidad de hacer

proyecciones), tal vez conviniera desestacionalizar la serie primero y
eventualmente suavizarla, para luego tratar de hallar la función de regresión más
adecuada.
1.8 Descomposición de Series Cronológicas
La descomposición de Series Cronológicas es uno de los varios enfoques

estadísticos que se pueden utilizar para analizar una serie. Se debe considerar
que la serie observada está constituida por varios componentes que pueden
separarse y que brindan información adicional de gran relevancia la que no
puede obtenerse mediante el análisis se la serie agregada, es en este sentido
que se habla de extracción de señales de una serie de tiempo.
Se han desarrollados diversas metodologías con el propósito de desagregar los

componentes no observables de las series cronológicas. Esas metodologías
10
pueden agruparse en tres categorías de acuerdo a la metodología de

descomposición que aplican:
a) Métodos de Regresión
b) Métodos de Promedios Móviles
c) Métodos basados en Modelos
La referencia a modelos del tercer método no implica que los otros dos no sean
adecuados, sino que los métodos basados en modelos, ajusten modelos
estocásticos a cada componente de la serie.
1.9 Tendencia
La tendencia lineal es la que se puede señalar en una línea recta o curva suave,
esta puede ascendente o descendente. Para el ajuste de la lineal recta puede
hacerse por el método de mano alzada, por semipromedios y el más confiable el
método de mínimos cuadrados.
Aplicando la siguiente ecuación:

(Y = a+bx)
Se puede indicar que la tendencia secular se refiere a desplazamientos de los

datos a largo plazo hacia arriba o hacia abajo. Existen dos objetivos básicos
para aislar el componente de la tendencia de una serie cronológica, este puede
ser identificar la tendencia y utilizarla, como por ejemplo, al hacer una
11
predicción o pronostico. El otro consiste en eliminar la tendencia, de manera

que se puedan estudiar los otros componentes de una serie cronológica.
Así, en términos de predicciones, la investigación de la tendencia puede

proporcionar cierta idea con respecto a la dirección a largo plazo de una serie
de tiempo. Es identificar, a fin que sea posible tomar en cuenta la tendencia en
las decisiones de planeación. Cuando se desea conocer la evolución de una
variable en el largo plazo, el estudio de la tendencia se convierte en un factor
relevante.
La orientación de la demanda en el largo plazo, es un aspecto de vital

importancia para muchas empresas. Una demanda creciente, puede indicar la
ampliación de las instalaciones, adquirir maquinaria y equipos más productivos,
o requerir fondos que financien su desarrollo.
Una demanda decreciente en cambio, puede sugerir otro tipo de cambios, como
reducir los gastos fijos, reconsiderar la política de publicidad, o lanzar nuevos
productos al mercado. Para obtener la tendencia es necesario proceder a su
aislamiento lo cual se puede realizar en función de los siguientes objetivos
básicos:
a) Para proyectar los valores futuros de la variable.
b) Para eliminar la tendencia calculada para la serie, y estudiar el

comportamiento de los restantes componentes.
La ecuación de la tendencia puede ser lineal o curvilínea (parábola,

exponencial). El enfoque será lineal presenta la gran aplicabilidad que posee y la
12
simplicidad de los cálculos. La estimación de la tendencia puede hacerse

mediante diversos métodos, nosotros utilizaremos el método de los mínimos
cuadrados.
1.10Método de los mínimos cuadrados
Un gran número de series cronológicas económicas se recopilan por mes o

trimestre y otras se obtienen cada semana, por día o incluso por hora. Cuando
una serie de tiempo se registra por tiempo, por trimestre o por mes, debe
considerarse el impacto de los efectos estacionales.
Este método es el más utilizado para la obtención de la tendencia, en este caso

consideraremos a la variable X (tiempo) como independiente e Y (valores
observados) como dependiente, y las llamamos “t” y “Y t” respectivamente.
Suponemos entonces que el sistema causal que influye en la serie, es una

función del tiempo. Los coeficientes de la recta, definidos al hablar de recta de
regresión son:
∑ xy − ∑ x · ∑ y
a=
∑Y −b ∑x ; b=
n n n
( )
n n ∑ x2 − ∑ x
2
n n
13
Si elegimos convenientemente la escala cronológica, de manera que ∑t = 0 , la

resolución del sistema se simplifica notoriamente.
∑ Yt ∑
b= 2
Yt · t
a=
n ∑t
Esto se logra mediante un cambio de variable, asignando a cada valor de la
variable un número elegido de modo que la diferencia entre dos valores
sucesivos sea constante y la suma total sea nula
Ejemplo:
Año t Yt t.Yt t2
1998 -4 10 -40 16
1999 -3 12 -36 9
2000 -2 11 -22 4
2001 -1 13 -13 1
2002 0 14 0 0
2003 1 16 16 1
2004 2 12 24 4
2005 3 15 45 9
2006 4 14 56 16
0 117 30 60
14
∑ Y t = 117 = 13 b=
∑ t Y t = 3 = 0 .5
a=
n 9 ∑ t 2t 6
T t = 13 + 0.5 t t
La primera columna y la tercera corresponden a información obtenida, o sea los

datos en el tiempo.
Las restantes columnas son de cálculo para hallar los coeficientes de la recta.
Con la recta obtenida pueden proyectarse los valores de tendencia para los años
siguientes.
Si quisiéramos conocer el valor para 2009 bastaría identificar el número que le

corresponde a ese año y sustituirlo en la recta
T =13 + 0.5∗7 = 16.5
En el caso planteado, la cantidad de observaciones es impar, y el valor central

que escogimos para que:
∑ tt = 0 es 0.
Cuando el número de observaciones es par, tenemos dos valores centrales. En

este caso asignamos los números –1 y 1. Como la diferencia entre los valores
consecutivos debe ser constante, los saltos serán ahora de dos en dos. Si
agregamos a las observaciones el año 1997 los valores serían los siguientes:
15
Año Xt
1997 -9
1998 -7
1999 -5
2000 -3
2001 -1
2002 1
2003 3
2004 5
2005 7
2006 9
0
1.11Promedios Móviles
Un segundo método para el análisis de la tendencia es utilizar un promedio

móvil, el cual es un valor medio de los últimos K puntos de datos, digamos, las
ultimas 10, 15 o 22 observaciones.
Por ejemplo, si se supone que el promedio está compuesto de las ultimas 12
observaciones (k=12), entonces, a medida que se considere cada nueva
observación (incluida en el promedio), se suprime la más antigua (el dato 12).
Un promedio móvil es el valor medio aritmético de las k observaciones.
1.12Variaciones Estacionales
16
“Las variaciones estacionales de una serie cronológica, son aquellas

fluctuaciones que se repiten regularmente dentro del año.” (4:00). Las
fluctuaciones estacionales son variaciones que se repiten regularmente en un
periodo de un año.
Existen 2 objetivos generales para aislar el componente estacional de una serie

cronológica. El primero es eliminar ese patrón a fin de estudiar las fluctuaciones
cíclicas. La segunda finalidad es identificar factores estacionales, de esta
manera que se puedan considerar en la toma de decisiones.
Por ejemplo si una compañía productora se da cuenta de que existen

fluctuaciones estacionales en la demanda de un determinado, producto, es
posible que desee ajustar sus presupuestos, mano de obra e inventarios,
teniendo esto en mente. Por lo general tales ajustes resultan muy costosos, por
ejemplo, la compañía puede buscar un producto complementario, el cual
presente variaciones estacionales en su de manda opuesta alas del mismo. La
demanda de equipo de calefacción. Para probar y encarar los patrones
estacionales, es necesario identificar y determinar primero la extensión de estas
variaciones.
La Técnica más difundida para el análisis estacional es el método de la razón al
promedio móvil. Para identificar los valores estacionales, que complementan la
estimación de valores futuros a través de la tendencia. Para estudiar el
componente cíclico de la serie desestacionalizada. Por ejemplo, si los productos
que comercializa una empresa, tienen una demanda estacional, el ritmo de
producción de los mismos, deberá adaptarse lógicamente a estos factores.
Si esa empresa se dedica a la fabricación y venta de equipos de calefacción y

aire acondicionado, no puede pasar por alto los factores estacionales opuestos
17
que tienen sus productos. El proceso productivo se diseñará, para tener los
calefactores en stock antes de comenzar el invierno, y los equipos de frío antes
del verano, procurando que los stocks de los mismos sean mínimos fuera de la
temporada.
1.13Variaciones Cíclicas e Irregulares
Las variaciones cíclicas son de tipo periódico y presentan más de un año de

duración. Comúnmente, tales variaciones no se pueden apartar de las de
naturaleza irregular, por lo que se analizaran juntas. Para aislar las variaciones
cíclicas, las otras variaciones (de tendencia y estacionales) se deben separar
de los datos de las series cronológicas.
Las variaciones estacionales se suprimen en forma efectiva utilizando cifras

anuales o bien analizar cifras mensuales utilizando un promedio móvil de doce
meses. A continuación se extrae la tendencia de los datos, y lo que queda se
considera como el total de fluctuaciones cíclicas e irregulares. Para eliminar la
tendencia se requiere obtener una recta (o curva) de tendencia.
Esto se puede realizar utilizando una ecuación de regresión o un promedio

móvil de largo plazo. La eliminación de la tendencia a partir de los datos
depende de sí se utiliza el modelo aditivo o el multiplicativo; en el primero,
cada observación se resta del valor correspondiente de la tendencia, el
resultado es una serie de desviaciones con respecto a esta.
18
En esta gráfica se muestran los datos con eliminación de la tendencia, dejando

solo los ciclos.
En esta gráfica se muestran los datos originales con tendencia y ciclos.
1.14Método de diferencia a la tendencia
Este procedimiento consiste en restar la tendencia de la información original,

para eliminar posteriormente las variaciones cíclicas e irregulares a través del
promedio.
19
Y t = T t + St + C t + E t
Y t − T t = S t + C t + Et
Al promediar los elementos del segundo miembro, se suavizan los factores

cíclicos y accidentales, quedando aislada la función estacional.
Ejemplo:
2004 2005 2006
1er cuatrín. 16 19 24
2do cuatrín. 19 26 34
3er cuatrín. 24 31 41
T t = 26 + 2.617 t
Los valores de tendencia para cada uno de los cuatrimestres son los que
aparecen en el siguiente cuadro.
2004 2005 2006
1er cuatrín. 15.532 23.383 31.234
20
2do cuatrín. 18.149 26 33.851
3er cuatrín. 20.766 28.617 36.468
Si restamos los valores de tendencia hallados, de los valores observados del

cuadro anterior, se obtiene un nuevo cuadro con las diferencias, que luego se
promedian para calcular el componente estacional.
2004 2005 2006 Σ Σ / 3
1er cuatrín. 0.468 -4.383 -7.234 -11.149 -3.716
2do cuatrín. 0.851 0 0.149 1 0.333
3er cuatrín. 3.234 2.383 4.532 10.149 3.383
0 0
La función de estacionalidad (St) es la que aparece en la última columna. Si por

efecto del redondeo de cifras, su suma no fuera nula, los valores deberían
ajustarse, sumando o restando una constante adecuada.
Si hubiera dado por ejemplo:
S1 -3.714
21
S2 +0.330
S3 +3.351
-0.033
Deberíamos sumar 0.011 (0.033 / 3) a cada valor de la función para que su suma
sea nula.
Si quisiéramos proyectar los valores de la serie para 2007 en base a tendencia y

estacionalidad, haríamos lo siguiente:
1er cuatr./07=
Y^ 5 = 26 + 2.617 * 5 – 3.716 = 35.369
2do cuatr./07=
Y^ 6 = 26 + 2.617 * 6 + 0.333 = 42.035
3er cuatr./07=
Y^ 7 = 26 + 2.617 * 7 + 3.383 = 47.702
1.15Método del porcentaje de tendencia
Este procedimiento es similar al descrito en el punto anterior, salvo que la

eliminación de la tendencia, se realiza mediante una división, pues se aplica en
esquemas multiplicativos.
22
Y t = T t ∗S t ∗ Ct∗E t
Yt
= S t ∗ C t ∗ Et
Tt
Los valores obtenidos se promedian para suavizar las variaciones cíclicas e

irregulares.
Para ilustrar el mecanismo de cálculo, podemos utilizar los valores hallados en el

punto anterior.
Yt Tt Yt / Tt
16 15.532 1.0302
19 18.149 1.0469
24 20.766 1.1558
19 23.383 0.8126
26 26 1.0000
31 28.617 1.0833
24 31.234 0.7684
34 33.851 1.0044
41 36.468 1.1243
23
1.0302 + 0.8126 + 0 .7684

S1 = = 0. 8704
3
1.0469 + 1.0000 + 1.0044
S2 = = 1. 0171
3
1.1558 + 1.0833 + 1.1243
S3 = = 1.1211
3
3.0086
La suma de los valores estacionales debe ser 3, pues estamos considerando 3
cuatrimestres.
Para corregirlos, utilizaremos el siguiente coeficiente:
3.0000
= 0.9971
3.0086
En estos casos, los valores de la función estacionalidad suelen presentarse

como porcentajes, para lo cual es necesario multiplicarlos por 100.
Los valores ajustados serían los siguientes:
S1 - 0.8704 * 99.71 = 86.79
S2 - 1.0171 * 99.71 = 101.42
S3 - 1.1211 * 99.71 = 111.79

300.00
24
Esto significa que en el 1er cuatrimestre, los valores se encuentran en un 13.21%

por debajo del promedio.
Mientras que en el segundo y tercero, están respectivamente el 1.42% y 11.79%

por encima de él.
1.16Variaciones Aleatorias
La variación aleatoria es habitualmente eliminada mediante la media flexible. Por

ejemplo, en datos que contienen valores mensuales, esto se hace sustituyendo
para cada valor mensual una media que comprende a ese mes y los meses
vecinos.
La media de cinco o siete meses puede también usarse, aunque la desventaja

de esto es que puede oscurecer incluso la variación que podría interesar al
investigador.
25
2 CAPITULO II
PROBLEMÁTICA DE SERIES CRONOLOGICAS
2.1 Tendencia
“Son variaciones suaves y constantes que se suceden en un período

relativamente largo. El período debe ser largo, generalmente más de cinco
períodos (podrán ser años, meses, etc.), para poder establecer una línea de
tendencia (recta, parabólica o exponencial) que sea representativa o
significativa.” (5:248)
La tendencia es un movimiento de larga duración que muestra la evolución

general de la serie en el tiempo. La tendencia es un movimiento que puede ser
estacionario o ascendente, y su recorrido, una línea recta o una curva.
2.1.1 Análisis de la tendencia
En la práctica es difícil distinguir la tendencia del comportamiento cíclico. Por

ejemplo la gráfica puede conducirnos a concluir que existe una tendencia
ascendente en la parte de 1980 a 1999, pero esto es una parte de la serie de
tiempo más grande.
En la siguiente tabla se presentan datos de series cronológicas en lo referente

a un periodo de 20 años.
26
Toneladas Año
10 1980
11 1981
9 1982
11 1983
12 1984
Toneladas Año
15 1985
13 1986
17 1987
16 1988
13 1989
14 1990
10 1991
18 1992
16 1993
20 1994
22 1995
14 1996
21 1997
17 1998
21 1999
Obtengamos una recta de tendencia mediante las formulas siguientes:

b= ntY-tY
nt2 – (t)2
a=Y-bt
n
27
Sustituyendo los valores tenemos:
año Periodo tonelada tY t*2

t s
1980 1 10 10 1
1981 2 11 22 4
1982 3 9 27 9
1983 4 11 44 16
1984 5 12 60 25
1985 6 15 90 36
1986 7 13 91 49
1987 8 17 136 64
1988 9 16 144 81
1989 10 13 130 100
1990 11 14 154 121
1991 12 10 120 144
1992 13 18 234 169
1993 14 16 224 196
1994 15 20 300 225
1995 16 22 352 256
1996 17 14 238 289
1997 18 21 378 324
1998 19 17 323 361
1999 20 21 420 400
28
Aplicando las fórmulas
b= 20(3497)-210(300) = 0.52
20(2870)-(210) 2
a = 300-0.52 =9.52
20
Y = 9.52+0.52t
En la cual
Yt =valor predicho de la serie cronológica

A = valor de Yt cuando t=0
B = pendiente de la recta
T = número de periodos
2.1.2 Modelo de tendencia lineal
Ingresos (En miles de millones de Quetzales) Para Mc Company 1980-2003
AÑO VENTAS AÑO VENTAS AÑO VENTAS AÑO VENTAS

1980 5 1986 10.3 1992 13.3 1998 16.3
1981 5.4 1987 10.8 1993 17 1999 13.7
1982 6 1988 10.2 1994 18.4 2000 15.3
1983 7 1989 10.6 1995 18.9 2001 16.2
1984 8 1990 10.6 1996 19.4 2002 14.5
1985 9.7 1991 11.5 1997 20.2 2003 13.4
29
Al codificar los valores consecutivos de X de 0 a 23 y después de usar Microsoft

Excel o minitab en la serie de tiempo ajustado, se determina que:
Yi = 10.8654 + 0.02506 Xi
Donde el origen es de 1980 y la unidad de X igual a un año. El coeficiente de

regresión se interpreta como sigue:
La ordenada en Y b0 = 10.8654 que es el valor de tendencia ajustado que refleja

los ingresos brutos actuales promedio pronosticados, (en miles de millones de
quetzales de 1987 a 1989) durante el año origen o año base 1980.
2.1.3 Tendencia Cuadrática
Es una extensión simple del modelo de tendencia lineal. Consiste en agregar un

término en t²: yt = c1 + c2t + c3t² Si c2 y c3 son ambos positivos, yt siempre
estará incrementándose, pero cada vez más rápido conforme pasa el tiempo. Si
c2 es negativo y c3 positivo, yt disminuye primero, pero luego se incrementará.
Si ambos son negativos, yt siempre disminuirá.
Un modelo de tendencia cuadrática o polinomio de segundo grado es la forma

más sencilla de modelo curvilíneo. Con el método de mínimos cuadrados se
puede ajustar una ecuación de tendencia cuadrática como la siguiente:
Ỳi = b○ + b1 Xі + b2 Xi ²
Dónde:
30
b○ = estimación de la ordenada en Y
b1 = estimación del efecto lineal en Y
b2 = estimación del efecto curvilíneo en Y
Para usar la ecuación de tendencia cuadrática con el propósito de pronosticar se

sustituye el valor de X adecuado en esa ecuación.
Por ejemplo
Para predecir la tendencia en los ingresos brutos actuales para 2004, es decir,
X25 es igual a 24, se tiene:
2004: Y25 es = 8.5284 + 0.6624 (24) – 0.0277 (24)²

2004: Y25 = 8.47 miles de millones de quetzales.
2.1.4 Modelo de Tendencia Exponencial
Cuando una seria parece aumentar a una tasa de crecimiento tal que el
porcentaje de la diferencia de una observación a otra es constante, se puede
ajustar al modelo de tendencia exponencial, que se presente en la ecuación
siguiente:
Yi = bob1^¨Xi
En donde:
bo es igual a estimación de la ordena en Y
31
(b1-1) por 100% es igual a estimación de la tasa de crecimiento anual

compuesta (en %).
Si se toma el logaritmo (base 10) en ambos lados de la ecuación anterior se

obtiene la siguiente:
Log Yi = Log bo + Xi Log b1
Como la ecuación tiene forma lineal, se puede usar el método de mínimos

cuadrados, si se trabaja con los valores logaritmo Yi, en lugar de los valores Yi y
se obtiene la pendiente (Log b1 ) y la ordenada en Y (Log bo).
2.1.5 Selección del Modelo de Tendencia mediante las Diferencias Primera,

Segunda y Porcentual
Se ha visto que los datos actuales de ingresos brutos anuales para Mc Company
ajustaron con tres modelos distintos: Lineal, cuadrático y exponencial. ¿Cómo
puede determinarse cuál de esos modelos es el ajuste adecuado, si alguno lo
es? Además de la inspección visual del diagrama de dispersión, una manera
más objetiva de evaluar una serie de tiempo para determinar el modelo de ajuste
apropiado es calcular y examinar la primera y segunda diferencia y la diferencia
porcentual.
Las características que identifican a los modelos de tendencia lineal, cuadrática y

exponencial se describen así:
 Si un modelo de tendencia lineal se ajustara de manera perfecta a una

serie de tiempo, entonces las primeras diferencias serian constantes. Es
decir, las diferencias entre observaciones consecutivas de las series
serían las mismas.
32
(Y2 – Y1) = (Y3 – Y2) =… = (Yn – Yn -1)
 Si un modelo de tendencia cuadrática se ajustara de manera perfecta a

una serie de tiempo, entonces las segundas diferencias serian constantes.
Es decir:
[(Y3 – Y2) - (Y2 – Y1)] = [(Y4 – Y3) – (Y3 – Y2) =… = [(Yn – Yn -1) – (Yn – 1) –
Yn – 2[
 Si un modelo de tendencia exponencial se ajustara de manera perfecta a

una serie de tiempo, entonces las diferencias porcentuales entre
observaciones consecutivas serian constantes. Esto es:
[(Y2-Y1) / Y1] * 100% = [(Y3 – Y2) / Y2] * 100% =… = [(Yn – Yn -1) / Yn – 1) *

100%
Aunque no debe esperarse un modelo de ajuste perfecto para un conjunto dado

de datos de una serie de tiempo, de todas formas se pueden considerar las
primeras diferencias, las segundas diferencias y las diferencias porcentuales
como guía al elegir el modelo adecuado.
2.1.6 Modelo de Tendencia Lineal con ajuste perfecto
Se dispone de la siguiente serie cronológica anual del no. de pasajeros (en

millones) que usan el transmetro:
1980 1981 1982 1983 1984 1985 1986 1987 1988 1999
Pasajer 300 330 360 390 420 450 480 510 540 570
o
33
Mediante las primeras diferencias, muestra que el modelo de tendencia lineal,

proporciona un ajuste perfecto para estos datos.
Solución:
1980 1981 1982 1983 1984 1985 1986 1987 1988 1999
Pasajeros 300 330 360 390 420 450 480 510 540 570
Prim dife. 30 30 30 30 30 30 30 30 30
Como se observa las diferencias entre observaciones consecutivas son las

mismas en toda la serie.
2.1.7 Modelo de Tendencia Cuadrática con Ajuste Perfecto

millones) que usan el transmetro
1980 1981 1982 1983 1984 1985 1986 1987 1988 1999
Pasajer 30.0 31.0 33.5 37.5 43.0 50.0 58.5 68.5 80.0 93.0
o
Mediante las segundas diferencias muestra que el modelo de tendencia

cuadrática proporciona un ajuste perfecto para estos datos.
Solución
34
1980 1981 1982 1983 1984 1985 1986 1987 1988 1999
Pasajer 30.0 31.0 33.5 37.5 43.0 50.0 58.5 68.5 80.0 93.0
o
1ª. Dif. 1.0 2.5 4.0 5.5 7.0 8.5 10.0 11.5 13
2ª. Dif. 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5
Las segundas diferencias entre pares consecutivos de observaciones son las

mismas en todas las series.
2.1.8 Modelo de Tendencia Exponencial con Ajuste Perfecto

millones) que usan el transmetro:
1980 1981 1982 1983 1984 1985 1986 1987 1988 1999
Pasajer 30.0 31.5 33.1 34.8 36.5 38.3 40.2 42.2 44.3 46.5
o
Mediante las diferencias porcentuales demuestra que el modelo de tendencia

exponencial proporciona un ajuste perfecto para estos datos.
Solución
1980 1981 1982 1983 1984 1985 1986 1987 1988 1999
Pasajer 30.0 31.5 33.1 34.8 36.5 38.3 40.2 42.2 44.3 46.5
o
1ª. difer. 1.5 1.6 1.7 1.7 1.8 1.9 2.0 2.1 2.2
difer % 5.0 5.0 5.0 5.0 5.0 5.0 5.0 5.0 5.0
35
Las seguidas diferencias entre pares consecutivos de observaciones son las

mismas en todas las series.
2.2 Método de los Mínimos Cuadrados
2.2.1 Ajuste de Tendencia y Pronóstico con mínimos cuadrados
El factor componente de una serie cronológica que se estudia con mayor

frecuencia es la tendencia.
Primero, la tendencia se estudia con el propósito de predecir, es decir como

ayuda para hacer proyecciones de pronósticos a mediano y largo plazo.
Segundo se estudia para aislar y después eliminar sus efectos del modelo de la
seria cronológica, como guía en el pronóstico a corto plazo (un año o menos),
para condiciones generales del ciclo de negocios.
2.3 Factores que influyen en los datos de series cronológicas
Para obtener un panorama visual de los movimientos globales a largo plazo en

una serie cronológica se construye un diagrama en la que los datos observados
(variable dependientes) se grafican en eje vertical y el tiempo (variable
independiente) en el eje horizontal.
Si es evidente que se puede ajustar a los datos una línea recta de tendencia de
manera adecuada, los dos métodos de uso más amplio para el ajuste de
tendencia, es el de mínimos cuadrados y el de suavización exponencial doble.
36
Si los datos de la serie de tiempo indican algún movimiento a largo plazo hacia
arriba o hacia abajo los dos métodos de ajuste de tendencia más usados son el
de mínimos cuadrados y el de suavización exponencial triple.
2.3.1 Factores del modelo de tendencia central
Método de mínimos cuadrados que permite ajustar una línea recta como la
ecuación siguiente:
Ỳi = b○ + b1 Xі
De manera que los valores calculados para los dos coeficientes (la ordenada Y,
b○ y la pendiente b1) dan como resultado la suma de los cuadrados de las
diferencias entre cada valor observado Ỷi, en los datos y cada valor promedio y
pronosticado Yi a lo largo de la línea de tendencia que se quiere minimizar esto.
Se tiene lo siguiente, basado en el principio de mínimos cuadrados:
n
∑ ( Yi-Yi)² = mínimo
i=1
Para obtener la anterior recta, se debe recordar que en una análisis de regresión
lineal, se calculan la pendiente b1 y la ordenada en Y b○, una vez lograda y
desarrollada la ecuación de la recta Ỳi = b○ + b1 Xі, se pueden sustituir los
valores de X en la ecuación para predecir Y.
Al usar el método de mínimos cuadrados para ajustar las tendencias en una

serie cronológica la interpretación de los coeficientes se simplifica si los valores
37
de X, se simplifican si los valores de X se codifican de manera que la primera

observación en la seria cronológica se elige como el origen y se le asignan el
valor X = 0
Después se asignan los enteros sucesivos a las observaciones: 1, 2, 3 de

manera que la n-esíma y última observación tiene el valor de n -1.
Por ejemplo
Para la serie de tiempo registrada cada año durante 24 años, se asigna el valor 0
al primer año, uno al segundo, dos al tercero... y 23 al último (año 24).
2.3.2 Factores de mínimos cuadrados
Con datos mensuales y trimestrales
Para desarrollar un modelo de regresión de mínimos cuadrados que incluyan los

componentes de tendencia y estacional se combina el enfoque de ajuste de
tendencia de mínimos cuadrados con el objeto de construcción de modelo que
emplean variables de predicción categóricas, para describir los componentes
estaciónales. Se puede representar un modelo multiplicativo clásico de serie de
tiempo si se ajusta la siguiente ecuación de tendencia exponencial con los
componentes estacionales que están indicados en las ecuaciones para los datos
mensuales o por las ecuaciones para serie de tiempo trimestrales.
2.3.2.1 Modelo exponencial con datos mensuales
38
Yi = bob1^ Xi b2 ^ m1b3^ m2 b4^ m3 b5 ^ m4 b6 ^ m5, b7 elevado m6, bo ^ 7,

b9 elevado ^ b8 b11 ^ m10 b12 ^ m11
En donde:
Bo= ordenada Y estimada

(b1 – 1) * 100% = tasa de crecimiento compuesta mensual, estimada en %.
Xi= valor mensual codificado
B2 igual multiplicador para enero respecto a diciembre
B3 multiplicador frente a febrero respecto a diciembre.
B4 Multiplicar marzo respecto a diciembre .
B12 = multiplicador para diciembre respecto a diciembre
M1= 1 si es enero 0 si no lo es
M2 = 1 si es febrero 0 si no lo es
M3= 1 si es marzo 0 si no lo es
M11 = 1 si es noviembre 0 si no lo es
Modelo exponencial con datos trimestrales
Yi = bob1^xib2^Q1b3^Q2b4^Q3
Dónde:
Bo = Ordenada Y estimada
(b1-1) *100% = Tasa de crecimiento compuesto trimestral (en %)
Xi = Valor trimestral codificado
B2 = Multiplicador para el primer trimestre respecto al cuarto
B3 = Multiplicador para el segundo trimestre respecto al cuarto.
B4 = Multiplicador para el tercer trimestre respecto al cuarto.
39
Q1 = 1 si es el primer trimestre, o si no lo es
Q2 = 1 si es el segundo trimestre, o si no lo es
Q3 = 1 si es el tercer trimestre, o si no lo es
Se observa que M1, M2,M3…M11 son variables ficticias necesarias para

representar una serie de tiempo de 12 meses, y Q1,Q2,Q3,… son 3 variables
ficticias que se requieren para representar los 4 periodos trimestrales en una
serie de tiempo trimestral.
Fórmulas:
Modelo Exponencial con datos mensuales
In Y1 = Indo + Xi In b1 + M1 In b2 + M2 In b3 + M3 In b4 + …M11 In b12
Modelo Exponencial con datos trimestrales
In Y1 = Indo + Xi In b1 + Q1 In b2 + Q2 In b3 + Q3 In b4 + …Q11 In b12
2.3.3 Factores de variaciones cíclicas e irregulares
En este ejemplo se muestra el método para eliminar la tendencia en los datos

del modelo aditivo, dada una ecuación de regresión lineal que se deriva de los
mismos.
Datos Tendencia Datos sin
t originales Y Yt=10+2t tendencia Y-Yt
1 12 12 0
2 15 14 1
3 18 16 2
40
4 19 18 1
5 20 20 0
6 21 22 -1
7 22 24 -2
8 25 26 -1
9 28 28 0
10 31 30 1
11 34 32 2
12 35 34 1
13 36 36 0
14 37 38 -1
15 38 40 -2
16 41 42 -1
17 44 44 0
18 47 46 1
19 50 48 2
20 51 50 1
41
CAPITULO III
GUIA PARA ANALIZAR PROBLEMAS DE SERIES CRONOLOGICAS
Datos sin tendencia Y-Yt
2.5
1.5
0.5
0 Datos sin tendencia Y-Yt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-0.5
-1
-1.5
-2
-2.5
3.1 Aspectos Generales
El análisis de una serie cronológica requiere de la elección de un modelo

(multiplicativo o aditivo) y la determinación de los cuatro movimientos
característicos descritos anteriormente, para lo cual se requiere de un
procedimiento que facilite y estandarice las operaciones, todo lo cual es
independiente de la naturaleza de la magnitud objeto de estudio.
42
Metodológicamente, el análisis de una serie cronológica consta de los siguientes

aspectos:
a) Recolección de datos fiables.
b) Representación gráfica de los datos de la serie y valoración cualitativa de

su comportamiento.
c) Determinación de la tendencia.
d) Determinación de la existencia o no de estacionalidad. En caso afirmativo,

obtener el índice correspondiente y proceder a suprimir este movimiento
en los datos.
e) Ajuste de los datos desestacionalizados a la tendencia, si procede.
f) Registro de las variaciones cíclicas si aparecen, señalando la periodicidad

y amplitud de la oscilación alrededor de la tendencia.
g) Determinación de los movimientos irregulares.
h) Evaluar los resultados obtenidos, en particular las fuentes de error y su

magnitud, así como si el proceso se encuentra bajo control estadístico o
no.
43
Es importante señalar que al determinar cada uno de los movimientos

(tendencia, estacionalidad, periodicidad y aleatorios) se debe realizar una
discusión de la correspondencia de los resultados obtenidos con lo esperado en
dependencia de la naturaleza de los datos, con vistas a brindar una valoración
cualitativa del comportamiento de la magnitud bajo estudio y con ello facilitar la
adopción de las acciones más adecuadas.
Igualmente debe significarse que en todos los análisis realizados, no se ha

efectuado referencia alguna a la naturaleza de los datos que componen la serie,
por lo cual los fundamentos teóricos expresados son aplicables a la evaluación
de magnitudes tan diversas como pueden ser niveles de lluvia, demanda de
combustible, niveles de precios, importe de los cobros y pagos, etc.
3.2 Recolección de datos fiables
En las respuestas numéricas a problemas el aspecto de mayor importancia

radica en que los datos generalmente contienen errores que deben ser
considerados al interpretar los resultados obtenidos y que se originan en las
cuatro áreas fundamentales siguientes:
 Errores por parte del operador durante el proceso de incorporación

de los datos al sistema.
Este tipo de error no puede ser ignorado. Si existen errores en los datos,
las soluciones o resultados que proporciona el sistema serán inútiles en
su totalidad o de manera parcial, en dependencia de la magnitud del error.
44
Esta posibilidad hace que los resultados obtenidos deban ser analizados
críticamente y no confiar ciegamente en los mismos.
La revisión de los datos utilizados en los cálculos es una forma de

minimizar la presencia de este tipo de error.
 Los inherentes a la formulación del problema:
El procedimiento para reducir este tipo de error es mejorar el modelo

utilizado en la formulación del problema hasta que el error a que conduce
esté en correspondencia con la precisión y exactitud de los datos
disponibles.
Generalmente la precisión del modelo está estrechamente relacionada

con el conocimiento existente del problema cuya solución se acomete. Es
importante señalar que este tipo de error condiciona la validez de los
resultados sin importar cuán exactos sean los cálculos numéricos
realizados por el sistema de cómputo.
 Los relacionadas con la incertidumbre en la determinación de los

datos:
Este problema es causado por el error en los instrumentos de medición

utilizados, que en el caso de la Contabilidad se encuentra asociado al
registro correcto de las operaciones.
45
 Aquellos en que se incurre durante la determinación numérica de la

solución:
Este tipo de error es causado por la representación necesariamente

aproximada en la computadora, mediante un número finito de dígitos, de
los números reales, tales como el resultado de la división de 2 entre 3, los
números e y p, etc.
Esta característica conduce a la existencia de dos tipos de errores: por

truncamiento, que proviene del cálculo numérico de una expresión cuando
se desprecian a partir de un término los restantes dígitos y errores por
redondeo, debido a que los cálculos aritméticos casi nunca pueden
llevarse a cabo con una completa exactitud, ya que muchos números
tienen una representación decimal infinita y deben ser expresados de
forma finita.
3.3 Análisis de una serie temporal
Una serie cronológica es una línea de valores de variables reunidos en un cierto

periodo de tiempo, habitualmente en intervalos regulares. Si cada valor nuevo se
añade a los previos, la serie es acumulativa.
La curva es la presentación más usual para la serie cronológica. El tiempo

siempre se presenta en el eje horizontal, x. Si es necesario, pueden situarse
varias variables o series de datos en el mismo diagrama. Esto tiene especial
sentido cuando se están investigando sus conexiones o ha de ponerse énfasis
en éstas. Cuando se presentan dos series cronológicas distintas con distintas
46
escalas en una figura, podemos situar una escala cuanto al margen izquierdo de
la figura y la otra junto al margen derecho.
Si es necesario, tanto los valores medidos como los que se predicen pueden
mostrarse en la misma curva; véanse las figuras de abajo.
Si el rango de la variable es muy pequeño, puede ser resaltado acortando la

escala Y, es decir, cortando la parte que no contiene valores, normalmente a
partir de la parte de abajo de la escala.
Si, por el contrario, la variable varía en una escala muy amplia, puede hacerse
logarítmica la escala del eje Y.
Toda serie cronológica es intrínsecamente discontinua, es decir, obtiene un

valor discreto para cada periodo de tiempo. Esto es por lo que la presentación
elegida para una serie cronológica suele ser una curva "en escalera", que es en
principio lo mismo que un histograma donde las columnas se dibujan una junto a
otra. Véase la figura de la izquierda.
Si dirigimos una mirada más detenida a la variación de la serie cronológica, ésta

suele revelar componentes, todos los cuales tienen sus regularidades
específicas que pueden ser analizadas. Los más habituales de estos
componentes son:
a) Tendencia
b) Variación periódica
47
c) Variación estacional
3.4 Metodología de análisis
3.4 .1 Metodología para la tendencia
Una tendencia es una dirección lineal de desarrollo en un periodo de tiempo.
Una forma sencilla de estudiarla es hacer un diagrama de dispersión y entonces

situar manualmente una estimación aproximada de la línea que describe la
tendencia en él.
Un método más refinado y exacto para la tarea arriba mencionada es el análisis

de regresión. Tras haber encontrado la ecuación que se ajusta de forma óptima
a la tendencia, ésta habitualmente es también presentada de forma gráfica,
posiblemente junto con el diagrama de dispersión original.
3.4.2 Metodología de una Variación Cíclica
El periodo de variación suele ser una unidad natural de tiempo, como un año o
un día.
Por ejemplo:
48
El consumo de energía de un edificio varía simultáneamente con tres

frecuencias: ritmos anual, semanal y diario. Estos se calculan uno cada vez, por
el siguiente método, básicamente el mismo en los tres casos:
La variación periódica anual se halla haciendo un grupo de los valores para

enero, otro de los de febrero, etc. Entonces, para cada uno de estos doce grupos
se calcula la media y finalmente las doce medias se presentan como la variación
anual.
Cuando calculan los ritmos semanales, habrá siete grupos, es decir, uno para
cada día de la semana. Se calcula la media para cada uno de los siete grupos, y
las siete medias conforman la variación semanal.
El ritmo diario de 24 mediciones diarias se calcula de forma tal que todos los
valores se disponen en grupos de 24. Las 24 medias indican entonces la
variación diaria buscada.
Cuando se ha encontrado la variación periódica, ésta se presenta, sea

gráficamente como curva de la longitud de un periodo, o bien numéricamente
como un índice. Este índice habitualmente se hace a partir de una base de 100
(ó 1,00), y sus valores periódicos se obtienen cuando las medias periódicas (por
ejemplo mensuales) se dividen por la media común del conjunto de los datos.
3.4.3 Metodología de una Variación Estacional
Tiene lugar repetidamente en la misma manera que una variación periódica, pero
su longitud y forma varían.
49
Para revelar la variación estacional, la tendencia y las variaciones periódicas de

los datos han de ser halladas primero. Tras esto, la tendencia y las variaciones
periódicas se eliminan de los datos. Esto se hace por ejemplo dividiendo todos
los valores individuales por el índice de la variación periódica, y por la fórmula de
la tendencia tal y como se ha hallado por el método de análisis de regresión.
Tras estas operaciones, los datos sólo incluyen (de forma suplementaria a la
variación aleatoria) la variación estacional. La variación estacional se presenta
gráficamente como una curva o numéricamente, como un índice de coyuntura,
del mismo modo que el índice de variación mencionado anteriormente.
50
CAPITULO IV
CASOS PRACTICOS
4.1 Casos prácticos
1. Si los índices de variación estacional en los tres primeros meses del año son
100, 90 y 105 y la tendencia secular de esta serie histórica es yt = a + 12 t,
calcular las variaciones cíclicas si los datos del trimestre son 20, 22 y 28.
Solución:
2. Desestacionalizar la siguiente serie histórica de paro con los datos que

corresponden a las estaciones del año:
51
Sabiendo que los índices de variación estacional son respectivamente
Primavera 102
Verano 120
Otoño 110
Invierno 68
Solución:
Dividiendo cada valor por su índice estacional y multiplicando por 100:
52
3. Calcular la tendencia secular de la siguiente serie, que representa la

producción de acero en miles de Tm. de un determinado país:
Solución:
Se calcula mediante la recta de la regresión (producción/años)
53
Recta de regresión (y/t’) : y = 3t' + 13,8
Deshaciendo el cambio, queda la recta de regresión de y/t:
y = 3t - 5956,2
4. Los datos de la tabla siguiente son los valores que toma la variable X en los
Diferentes años y cuatrimestres:
Solución:
Calculamos primeramente la tendencia usando la razón a las medias móviles de

tres valores:
54
Eliminación de la componente Tendencia×Ciclo: (dividiremos cada valor de la

tabla original por su correspondiente media móvil).
De haber calculado la tendencia usando la recta de regresión, se hubiera

obtenido un coeficiente de regresión b = 4, que nos hubiera conducido a unas
medias cuatrimestrales corregidas de 22,50; 18,67 y 14,83 respectivamente, con
las que obtenemos los índices de variación estacional de 1,21; 1,00 y 0,79
respectivamente muy parecidos a los hallados antes (no se diferencian en más
de 6 centésimas).
5. Suponiendo que los datos de consumo de carne en un país durante varios

años son los siguientes, calcular la tendencia de ese consumo.
55
Solución:
La calcularemos mediante la recta de regresión (consumo/años):
Recta de regresión (y/t’) : y = 1,2t' + 4,6
Deshaciendo el cambio, queda la recta de regresión de y/t:
y = 1,2t – 2387
Suponiendo que los datos siguientes representan en esos años la producción de

automóviles en miles, obtener la tendencia general de esa producción:
56
Solución:
Igual que el anterior.
Se obtiene: y = 0,5t – 989,5
6. Producción de Motocicletas en una empresa japonesa, periodo 1974 – 1990
En la siguiente tabla se tiene la producción de motocicletas de una empresa (en

millones de motos) en un periodo de 17 años que se muestra en la tabla Nº 1
57
Tabla Nº1
Venta de Motocicletas en un periodo de 17 años
(Producción en millones de motocicletas)
Años Producción Años Producción Años Producción
1974 2.1 1980 2.2 1986 2.1
1975 1.9 1981 2.0 1987 1.9
1976 1.7 1982 1.8 1988 1.5
1977 1.5 1983 1.7 1989 1.4
1978 1.6 1984 1.9 1990 2.5
1979 2.0 1985 2.4 ---- -----
Se traslada los datos a Microsoft Excel, ordenados en dos columnas, luego se

realiza la gráfica de los datos.
Se obtiene la gráfica mostrada en la siguiente figura
58
Representación de la serie de tiempo para las motocicletas por año
En la gráfica se observa que los años donde se registra mayor producción son
1974, 1980, 1985,1990.
Entonces podemos tomar cada cinco años como la cantidad de años para la cual
la empresa realiza su mayor producción.
Sin embargo es conveniente encontrar una línea de tendencia tal que se pueda
hallar una ecuación ajustada para los pronósticos de la producción en el tiempo.
Utilizando el método de la media móvil
Se construye una nueva tabla con las medias móviles
59
Esto es para suavizar la distribución de puntos
Serie original y serie suavizada por los promedios móviles Hallando la línea
de tendencia
En Microsoft Excel, la línea de tendencia para la curva suavizada se obtiene

fácilmente y se muestra en la figura
60
Línea de tendencia con R2 = 0.4169
El coeficiente de determinación es muy pequeño por lo que no se puede

asegurar categóricamente que la ecuación lineal hallada es la que pronostica la
producción en los años posteriores.
Será necesario realizar un segundo arreglo con medias móviles
El problema ahora es que el período donde alcanza la mayor producción es un

número par de años, por lo que se hace difícil en la tabla hallar el año central.
61
Línea de tendencia por segunda vez
La figura anterior muestra la segunda suavizada de la línea de tendencia, no ha

variado mucho con respecto a la primera.
(Análisis de series temporales -método de descomposición-)
La empresa Léthargie, S.A., pretende elaborar sus presupuestos, y dado que es

una empresa consolidada en el mercado, desea conocer la evolución de sus
ventas para el próximo año, además de un análisis de la estacionalidad de las
62
mismas. Para ello se sabe que la distribución mensual de las ventas en los
cuatro años anteriores son las que se muestran en el cuadro 2.1.
SE PIDE:
 Análisis de la estacionalidad de la serie, mediante el método de

descomposición de la misma.
63
 Prever las ventas correspondientes al año 1997, tanto anuales como

mensuales. Para ello, ajusten la función que consideren más oportuna,
indicando el grado de bondad del mismo.
Solución: Aplicando el modelo multiplicativo de descomposición de series, por

ser el más adecuado para el caso que se está analizando, los pasos a seguir son
los siguientes:
Se obtiene la componente tendencial mediante la aplicación del método de las

medias móviles. Debido a la disponibilidad de un número reducido de períodos,
tan sólo cuatro, la componente cíclica estará incluida en la anterior.
Como el número de meses es de orden par, las medias móviles obtenidas

estarán sin centrar, por lo que resultará preciso centrarlas por medio de una
nueva media calculada con los valores anterior y posterior de las medias
descentradas para cada mes, tal como se recoge en los cuadros 2.2. y 2.3.,
respectivamente.
64
A modo de ejemplo, la obtención de la primera media móvil sin centrar,

correspondiente a Junio-Julio del año 1993, sería como sigue:
65
Para obtener las medias móviles centradas se aplica la siguiente expresión:
66
Se elimina la componente tendencial y cíclica mediante el cociente entre la serie

real y la tendencia. Partiendo del modelo multiplicativo, la componente tendencial
se elimina dividiendo la serie real entre los datos obtenidos mediante las medias
móviles centradas, en aquellos casos en los que exista dato, tal como muestra el
cuadro 2.4. La fórmula aplicada para lo anterior sería:
Siendo Xtj el dato obtenido sin tendencia ni ciclo.
67
Se elimina la componente errática o accidental mediante la media de los valores

reales correspondientes a los datos de un mismo período anual, tal como figura
en el cuadro 2.5.
A continuación se obtienen los índices de estacionalidad en forma de porcentaje

sobre el total, tal como se muestra en el cuadro 2.6
68
5. Estos índices se aplican por coeficiente a los datos de la serie real, calculando
de esta manera la serie desentacionalizada. Los datos obtenidos serían los que
tendría la empresa en caso de no afectarle los meses en los que se realicen las
mismas. En este sentido, las ventas serían las que se muestran en el cuadro 2.7.
Por último, queda por realizar la previsión de ventas que la unidad económica
espera obtener si las condiciones, tanto internas como externas, permanecen
constantes. Para ello se lleva a cabo el ajuste de una función, que en este caso,
tal como muestra el gráfico 2.1., es una recta.
69
La recta obtenida es la siguiente:
Vt = 113,62 t + 380,65
La bondad del ajusta viene dado por el coeficiente de correlación, alcanzando en

este caso el valor de 0,998 Para el ejercicio 1997 las ventas previstas por la
unidad económica serían:
Vt = 113,62 * 5 + 380,65 = 948,75
Para conocer las ventas mensuales previstas, es preciso aplicar los pesos
relativos de los índices estacionales obtenidos anteriormente. Como se muestra
en el cuadro 2.8., las ventas mensuales previstas para el año 1997 serían:
70
71
CONCLUSIONES
1. El interés simple es utilizado comúnmente para actividades financieras

no mayores a un año, y es en ese lapso que se genera mayor interés.
2. El tipo de interés más utilizado en actividades económicas es el

interés compuesto ya que se considera más flexible y real, porque
valora o capitaliza periodo a periodo el dinero realmente
comprometido en la operación financiera.
3. Como resultado del presente trabajo se puede observar las tasas de

interés juegan un papel de suma importancia para tomar la decisión
más adecuada. Se tiene que contemplar cuál es el rol que se juega ya
sea como inversionista o como sujeto de crédito en el primero se
optará por elegir la tasa más elevada para que le genere el mayor
rendimiento y beneficio posible, mientras que con el segundo rol lo
conveniente es elegir la tasa más baja ya que es la que le generará el
costo menos gravoso.
4. Como profesionales de la Contaduría Pública y Auditoria, debemos

tener los conocimientos básicos y necesarios de la aplicación de la
matemática financiera, ya que es parte integrante de nuestra profesión
y con ello contribuir a la toma de decisiones dentro de nuestro entorno
y trabajo laboral.
5. La aplicación del interés simple e interés compuesto es de uso diario

en las finanzas Guatemaltecas, por ello es necesario que el Contador
Público y Auditor domine estos temas que rodean el sector
empresarial donde el presta sus servicios.
RECOMENDACIONES
1. Debemos actualizarnos y repasar los aspectos académicos, con el fin de

aplicar los conocimientos que poseemos y así darle valor agregado a
nuestra profesión en la toma de decisiones de la compañía en donde
laboremos.
2. Investigar al momento de realizar alguna actividad financiera donde lleve

implícito el pago de intereses o cobre según sea su naturaleza ya que por
el tipo de interés, fluctúa a lo largo del tiempo debido a múltiples
variables que inciden en el mismo.
3. Debemos evaluar, la opción más favorable o desfavorable, en donde se

aplique el interés simple y compuesto, cuál de estos dos métodos de
interés aplicar en la transacción que realizamos diariamente.
4. Es importante que se aplique correctamente la forma en que se pactó el

interés para que dicho monto se calcule de forma correcta y así pueda
estar conforme con el mismo la persona que hicieron alguna inversión u
obtuvieron algún préstamo.
BIBLIOGRAFÍA
1. Reyes Donis, J.L. (2009) Estadística I, Guía de Estudio. Universidad de

San Carlos de Guatemala. p208.
2. Consultado el 01 de febrero de 2015:

http://es.wikipedia.org/wiki/Serie_temporal

http://www.monografias.com/trabajos30/series-de-tiempo/series-de
tiempo.shtml

http://www.uhu.es/45115/practicas/apuntesvariacionestacional.pdf
5. Martínez Bencardino, Ciro. Estadística Básica Aplicada. Ecoe Ediciones,

2006. Tercera Edición, Bogotá.

Trabajo No. 11 Series Cronologicas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo No. 11 Series Cronologicas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE CIENCIAS ECONÓMICAS

LIC. WALTER AGUSTO CABRERA HERNÁNDEZ M.S.C.

1.1 Reseña Histórica.............................................................................................................1

1.4 Componentes de una serie cronológica..........................................................................5

1.5 Procedimientos Descriptivos de las Series......................................................................8

1.6 Los movimientos cíclicos.................................................................................................9

1.7 Orden de los componentes de una serie......................................................................10

1.8 Descomposición de Series Cronológicas.......................................................................11

1.10 Método de los mínimos cuadrados...............................................................................13

1.11 Promedios Móviles.......................................................................................................16

1.12 Variaciones Estacionales...............................................................................................17

1.13 Variaciones Cíclicas e Irregulares..................................................................................18

1.14 Método de diferencia a la tendencia............................................................................20

1.15 Método del porcentaje de tendencia...........................................................................23

1.16 Variaciones Aleatorias..................................................................................................25

PROBLEMÁTICA DE SERIES CRONOLOGICAS...............................................25

2.1.1 Análisis de la tendencia.....................................................................................26

2.1.2 Modelo de tendencia lineal...............................................................................29

2.1.3 Tendencia Cuadrática........................................................................................30

2.1.4 Modelo de Tendencia Exponencial..................................................................31

2.1.5 Selección del Modelo de Tendencia mediante las Diferencias Primera,

2.1.6 Modelo de Tendencia Lineal con ajuste perfecto..........................................33

2.1.7 Modelo de Tendencia Cuadrática con Ajuste Perfecto.................................34

2.1.8 Modelo de Tendencia Exponencial con Ajuste Perfecto...............................35

2.2 Método de los Mínimos Cuadrados..............................................................................36

2.2.1 Ajuste de Tendencia y Pronóstico con mínimos cuadrados............................................36

2.3 Factores que influyen en los datos de series cronológicas............................................36

2.3.1 Factores del modelo de tendencia central......................................................37

2.3.2 Factores de mínimos cuadrados......................................................................38

2.3.3 Factores de variaciones cíclicas e irregulares...............................................40

El presente trabajo está estructurado en cuatro capítulos partiendo de lo general

El Contador Público y Auditor debe conocer estos métodos para hacer

1.1 Reseña Histórica

 Una tendencia de largo plazo (que constituye el elemento de crecimiento

Nerlove, Grether y Carvalho (1979) se adscriben a la visión que las series

Inicialmente el método que más se ha utilizado para descomponer series fue el

computacional. En lo que respecta al componente estacional, Granger (1978)

 El calendario propiamente dicho (feriados fijos, diferente número de días

 Se repite cada año con cierta regularidad, aunque puede evolucionar.

.El objetivo del análisis de una serie de tiempo o cronológica es el conocimiento

Se les conoce también con el nombre de series de tiempo, se denomina serie de

Es necesario mencionar que “en el análisis de una serie de tiempo, es necesario

Una serie cronológica, está formada por un conjunto de observaciones de una

Su metodología puede utilizarse en la medicina, agricultura, psicología y en

En su estudio se procede a realizar como paso inicial la observación, y luego a

a) Modelo Aditivo, cuya fórmula es: Yt = Tt + St + Ct + Et

b) Modelo Multiplicativo, cuya fórmula es: Yt = Tt * St * Ct * Et

Donde sus componentes o simbología representan lo siguiente:

La elección del modelo a utilizar en el análisis y estudio de las series, estará

El principal objetivo de las series cronológicas es conocer, el comportamiento de

La importancia de estas series de tiempo, se basa en mantener datos acerca del

La toma de decisiones económicas y comerciales, necesitan que se hagan

1.4 Componentes de una serie cronológica

El componente de tendencia de una serie representa movimientos lentos y

Su desplazamiento es uniforme, y se identifica con los cambios permanentes y

Si analizamos el consumo de un producto alimenticio, en condiciones normales,

Este aumento no se percibe en períodos cortos de tiempo, pues como veremos,

En el gráfico se aprecia una tendencia creciente, a pesar de que las

Las variaciones estacionales representan los movimientos oscilatorios, dentro de

Si analizamos la evolución de las ventas de una heladería, encontraremos picos

El concepto de estacionalidad, se utiliza también para explicar variaciones que

Las fluctuaciones cíclicas, se identifican con los movimientos oscilatorios

Los sucesos aleatorios o irregulares, reflejan el componente de la serie que varía