PRONÓSTICOS

TENDENCIAS LINEALES

El método más ampliamente aplicado para ajustar las líneas de tendencias a

series de tiempo es el de los mínimos cuadrados. Como ya se ha visto el problema
de ajustar una recta de mínimos cuadrados ŷ = a + bx, consiste esencialmente
en determinar los valores de a y b que, para un conjunto de datos dado,  (y – ŷ)2
debe ser lo más pequeña posible. Se puede obtener estas dos cantidades en un
problema cualquiera resolviendo las ecuaciones normales.

y = na + b(  x)

 xy = a(  x) + b(  x2)

o mediante el uso de las fórmulas que se derivan de ellas.

Los métodos de pronósticos cuantitativos se pueden utilizar cuando:

1. La información del pasado acerca de la variable que se desea pronosticar
esté disponible.
2. La información pueda cuantificarse.
3. Sea razonable suponer que el patrón del pasado continúe en el futuro.

En estos casos, los pronósticos se pueden obtener mediante un método de series

de tiempo o un método causal. Nos centraremos en la elaboración de
pronósticos cuantitativos.

Si los datos históricos se limitan a los valores pasados de la variable que se

pronostica, al procedimiento de elaboración de pronósticos se le llama método de
series de tiempo, y los datos históricos se refieren como una serie de tiempo. El
objetivo del análisis de la serie de tiempo es descubrir un patrón en los datos

1
históricos o series de tiempo para después extrapolar el modelo al futuro. El
pronóstico se basa únicamente en los valores pasados de la variable o en los
errores de pronóstico del pasado.

Al tratar el tiempo como variable independiente y la serie de tiempo como una

variable dependiente, el análisis de regresión puede utilizarse como método de
series de tiempo. Se utilizan los términos regresión de corte transversal y
regresión de series de tiempo. Por tanto, la regresión de series de tiempo se
refiere al uso del análisis de regresión cuando la variable independiente es el
tiempo.

Patrones de una serie de tiempo

Una serie de tiempo es una secuencia de observaciones en una variable que se
mide en puntos sucesivos en el tiempo o sobre un periodo sucesivo.

Para identificar los datos del patrón correspondiente, es útil construir una gráfica
de series de tiempo, donde el tiempo está en el eje x, y los valores de la serie de
tiempo están en el eje y.

Patrón horizontal:
Se presenta cuando los datos fluctúan alrededor de una media constante.

Ejemplo 1
A continuación se presenta la serie de tiempo de las ventas de gasolina.

2
 Ventas
Semana (miles de
galones)
1 17
2 21
3 19
4 23
5 18
6 16
7 20
8 18
9 22
10 20
11 15
12 22

Media de las ventas de esta serie de tiempo: 19.25 miles o 19250 galones por
semana. Aunque la variabilidad aleatoria está presente, se diría que estos datos
siguen un patrón horizontal, observe la gráfica adjunta.

3
Media de las ventas de esta serie de tiempo: 24.82 miles de galones o 24,820
galones por semana.

El concepto de series estacionarias de designa una serie de tiempo cuyas

propiedades estadísticas son independientes del tiempo. En particular quiere
decir:
1. El proceso de generación de los datos tiene una media constante.
2. La variabilidad de la serie de tiempo es constante en el tiempo.
La sola observación de un patrón horizontal no es evidencia suficiente para
concluir que la serie sea estacionaria. Los patrones pueden cambiar a un
nuevo nivel.

4
Ejemplo 2:
Suponga que un distribuidor firma contrato con el departamento de Policía de
Vermont para proveer de gasolina a los automóviles de la policía local ubicados al
sur del estado. Con este nuevo contrato el distribuidor espera tener un gran
incremento en las ventas semanales a partir de la semana 13. La tabla adjunta
muestra el número de galones de gasolina que se venden para la serie de tiempo
original y para las 10 semanas después de firmar el nuevo contrato.

Ventas
Semana (miles de
galones)
1 17
2 21
3 19
4 23
5 18
6 16
7 20
8 18
9 22
10 20
11 15
12 22
13 31
14 34
15 31
16 33
17 28
18 32
19 30
20 29
21 34
22 33

En la gráfica observe el aumento en el nivel en la serie de tiempo a partir de la

semana 13. Lo cual hace más difícil elegir un método de elaboración de
pronósticos adecuado.

5
Patrón de tendencia:
Los datos de las series de tiempo presentan fluctuaciones aleatorias, estas series
también pueden mostrar cambios o movimientos graduales hacia valores
relativamente mayores o menores durante un periodo. La tendencia por lo general
es el resultado de factores a largo plazo, como el aumento o disminución de la
población o la variación de sus características demográficas, la tecnología o
preferencia de los consumidores, etc.

Ejemplo 3:
Considere la serie de tiempo de ventas de bicicletas de un fabricante en los
últimos 10 años, como se muestra en la tabla adjunta.

6
 Ventas
Año (miles)
1 21.6
2 22.9
3 25.5
4 21.9
5 23.9
6 27.5
7 31.5
8 29.7
9 28.6
10 31.4

Media de las ventas de bicicletas de esta serie de tiempo: 26.45 miles de

bicicletas o 26,450 bicicletas por año.

En la figura, inspección visual de la gráfica de series de tiempo, permite apreciar

algunos movimientos ascendentes y descendentes en los últimos 10 años, pero la
serie parece tener una tendencia sistemática de aumento y disminución.

7
Tendencia exponencial
La tendencia en la serie de tiempo de las ventas de bicicletas parece ser lineal y
creciente con el tiempo, pero puede a veces describirse una tendencia por otros
patrones.

Ejemplo 4:
Los datos de la tabla muestran las ventas de un medicamento contra el colesterol.
Para los últimos 10 años, la serie de tiempo se incrementó de una manera no
lineal, es decir la tasa de variación de los ingresos no aumento en una cantidad
constante de un año a otro. Los ingresos están creciendo de manera exponencial.

8
 Ingresos
Año
1 23.1
2 21.3
3 27.4
4 34.6
5 33.8
6 43.2
7 59.5
8 64.4
9 74.2
10 99.3

9
Patrón estacional:
La tendencia de una serie de tiempo se puede identificar con el análisis de las
variaciones multianuales en los datos históricos. Los patrones estacionales son
reconocidos al identificarse los mismos patrones de repetición en patrones
sucesivos.

Ejemplo 5:
Considere el número de sombrillas vendidas en una tienda de ropa en los últimos
cinco años, la siguiente tabla muestra los datos:

Año Trimestre Ventas

1 1 125
2 153
3 106
4 88
2 1 118
2 161
3 133
4 102
3 1 138
2 144
3 113
4 80
4 1 109
2 137
3 125
4 109
5 1 130
2 165
3 128
4 96

10
Patrón de tendencia y estacional:
Algunas series de tiempo son una combinación de un patrón de tendencia y
estacional.

Patrón cíclico:
El patrón cíclico existe si la gráfica de la serie de tiempo muestra una secuencia
de puntos que caen de manera alterna por arriba y debajo de la línea de tendencia
por más de un año. Muchas series de tiempo económicas suelen mostrar un
comportamiento cíclico con observaciones regulares que caen por debajo y por
encima de la línea de tendencia. A menudo el patrón cíclico se debe a ciclos
multianuales de la economía. Por ejemplo, periodos de inflación moderada
seguidos por periodos de inflación rápida pueden dar lugar a que la serie de
tiempo alterne hacia arriba y hacia debajo de la línea general de tendencia
creciente (por ejemplo, una serie de tiempo sobre el costo de vivienda). Los ciclos
económicos son muy difíciles, si no es que imposibles de predecir. Como

11
resultado, los efectos cíclicos se combinan con efectos de tendencia a largo plazo
y se conocen como efecto de tendencia-cíclico. En este capítulo no se tratará este
tema.

SELECCIÓN DE UN MÉTODO DE ELABORACIÓN DE PRONÓSTICOS

En el análisis de series de tiempo, las x prácticamente siempre se refieren a

periodos sucesivos (por lo general años), y, en tal caso, podemos simplificar el
trabajo de ajustar una línea de tendencia de mínimos cuadrados realizando un
cambio de escala, o una codificación de las x, de manera que en la nueva
escala, la suma de las x sea igual a cero. Si la serie tiene un número impar n de
años, se cuenta desde el centro del periodo, en unidades de un año, asignando x
= 0 al año del centro y 1, 2, 3, … a los años siguientes y -1, -2, -3, ... a los años
anteriores. Pero, si la serie, tiene un número par de años, hay dos años en el
centro, en lugar de uno, y el punto medio de la serie queda situado en medio de
ellos. Al asignar x = 0 a este punto en el tiempo, y contar desde ahí en unidades
de seis meses (o medios años), las x son 1, 3, 5, …, para los años siguientes y -1,
-3, -5, … para los años anteriores.

En cualquiera de los dos casos (un número impar o par de años, en la serie),
 x = 0 y, al sustituir esto en las dos ecuaciones normales y al resolverlas para
determinar a y b, se obtiene

y  xy
a = y b =
n  x2

La ventaja de este tipo de codificación es evidente.

Ejemplo 1
En los años de 2011 a 2019, el número de televisores producidos y/o vendido en
EEUU (sin tomar en cuenta el país de origen), fue: 15432, 17406, 16616, 18532,
18480, 16405, 19680, 22210 y 20525 miles de unidades. Ajuste a esta serie una
recta o línea de tendencia de mínimos cuadrados de la forma ŷ = a + bx.

12
Solución

Como tenemos datos de nueve años (un número impar), señalamos x = 0 en el

año 2015, el año del centro, y se cuenta hacia atrás y hacia delante desde ese
origen, en años completos. Se muestra los valores de x, codificados, en la
segunda columna de la tabla siguiente y se genera las sumas que se necesita
para determinar a y b en la tercera, cuarta y quinta columna.

Producción Ventas

Año X y xy x2
2011 -4 15432 -61728 16
2012 -3 17406 -52218 9
2013 -2 16616 -33232 4
2014 -1 18532 -18532 1
2015 0 18480 0 0
2016 1 16405 16405 1
2017 2 19680 39360 4
2018 3 22210 66630 9
2019 4 20525 82100 16
0 165286 38785 60

Al sustituir n = 9,  y = 165286,  xy = 38785 y  x2 = 60 en las nuevas fórmulas

de a y b, obtenemos

 y 165286
a = = 9 = 18 365.1
n

 xy 38785
b = = 60 = 646.4
x 2

y, por lo tanto, ŷ = 18365.1 + 646.4x para la ecuación de la línea de la tendencia.

Para evitar confusión acerca de lo que indica en realidad una ecuación de

tendencia, siempre es recomendable agregar una línea de explicación, llamada
leyenda, que señala con precisión el origen de las x y las unidades de las x y de
las y. En el ejemplo anterior, el año 2011 es el origen (que corresponda a cero en
la escala x), las unidades de x son años completos y las de y son la

13
producción y/o las ventas anuales netas de televisores, en miles de
unidades. De este modo, escribimos la ecuación de tendencia y su leyenda así:

ŷ = 18 365.1 + 646.4 x

(origen: 2011; unidades de x: un año; y: producción y/o ventas anuales, netas, en

miles de televisores)

Por lo cual el valor de la tendencia de 2015 es 18365.1 miles y que el incremento

de la tendencia anual (el crecimiento de un año al siguiente) en la producción y/o
las ventas se estima como 646.4 miles en este periodo.

Cuando hemos calculado una ecuación de tendencia, podemos utilizarla para

determinar el valor de la tendencia en un año cualquiera, al sustituir simplemente
en la ecuación el valor de x que corresponde a ese año.

Ejemplo 2
Con base en los resultados del ejemplo anterior, determine los valores de
tendencia de 2011 y 2019 de la producción y/o ventas de televisores en EE UU.

Solución
Mediante la sustitución de x = -4 en la ecuación de tendencia, se obtiene

ŷ = 18365.1 + 646.4(-4) = 15779.5 para 2011

y al sustituir x = 4, se obtiene

ŷ = 18365.1 + 646.4(4) = 20950.7 para 2019.

Si elaboramos la gráfica de estos valores de tendencia y conectamos por medio

de una recta, obtenemos la línea de tendencia de mínimos cuadrados.

Algunas veces es necesario, o deseable, modificar una ecuación de tendencia

como lo anterior de manera que se pueda utilizar con datos mensuales, para que
14
las x se refieran a meses sucesivos y no a años sucesivos o al origen de las x sea
la mitad de un mes y no la mitad de un año. En los tres ejemplos siguientes
mostramos cómo se pueden hacer modificaciones como éstas, mediante el uso,
con fines ilustrativos, de la serie de producción y/o ventas del ejemplo 1.

Ejemplo 3
Cambie las unidades de y en las ecuaciones ŷ = 18365.1 + 646.4x de la
producción y/o ventas anuales por el promedio de la producción y/o las ventas
mensuales.

Solución

Como el promedio de las cifras mensuales de los nueve años equivalente a un

y
doceavo de las correspondientes cifras anuales (es decir, ), debemos escribir
12
a b
una nueva ecuación con a y b sustituidas por 12 y 12 . La ecuación
modificada y su leyenda son:

ŷ = 1530.4 + 53.9x

(origen: 2011; unidades de x: un año; y: promedio de la producción y/o las ventas

anuales, en miles de televisores)

Ejemplo 4
Modifique la ecuación de tendencia que se obtuvo en el ejemplo anterior de
manera que las x se refieran a meses sucesivos y no a años sucesivos.

Solución
Como b mide el incremento en la tendencia, o sea, el aumento o la disminución de
los valores con tendencia, correspondientes a una unidad de x, debemos dividir b
entre 12, para convertir el incremento de tendencia anual de un incremento de
tendencia mensual. Si dejamos a sin variación, se obtiene:

ŷ = 1530.4 + 4.5x

15
(origen: enero de 2011; unidades de x: un año; y: promedio de la producción y/o
ventas anuales, en miles de televisores)

La ecuación que se obtuvo en el ejemplo anterior se puede utilizar con datos

mensuales tal como está. El origen está ubicado al final del mes de junio (el
instante en que junio pasa a ser julio) de 2015; pero, para completar la
modificación, a menudo desplazamos el origen de la mitad de un año a la mitad de
un mes.

Ejemplo 5
Desplace el origen de la ecuación de tendencia que se obtuvo en el ejemplo
anterior de junio a julio de 2015 a la mitad del mes de enero de 2015.

Solución
1
La mitad de enero de 2015 es 52 meses antes de la mitad del año de 2015. Por lo

tanto, debemos restarle 5.5 veces el incremento de tendencia mensual, que es

1530.4, al valor de la tendencia de 2011, con lo cual se obtiene 1530.4 – (5.5)(4.5)
= 1505.6 y, por último,

ŷ = 1505.6 + 4.5x

(origen: enero de 2015; unidades de x: un mes; y: promedio de la producción y/o

las ventas mensuales, en miles de televisores).

TENDENCIAS NO LINEALES

Cuando los datos parecen desviarse ampliamente de la linealidad, en el análisis

de regresión o de una serie de tiempo, debemos pensar en ajustar una curva en
lugar de una línea recta. Una de las curvas más útiles es la parábola y su
ecuación es:

16
 ŷ = a + bx + cx2

Al ajustar una parábola por medio del método de mínimos cuadrados, debemos
determinar a, b y c de manera que  (y - ŷ)2 =  (y – a – bx – cx2)2 sea mínimo.
Para esto, consideramos la parábola como una ecuación de regresión múltiple de
la forma.

y = a + bx1 + cx2

Con x1 = x y x2 = x2. Por consiguiente, como en el método de la regresión

múltiple nos lleva a obtener las ecuaciones normales.

 y = na + b(  x) + c(  x2)

 xy = a(  x) + b(  x2) + c(  x3)

 x2y = a(  x2) + b(  x3) + c(  x4)

Cuando los valores están igualmente espaciados en una serie, la solución de

estas ecuaciones para determinar a, b y c se puede simplificar en forma
apreciable mediante el uso de la misma codificación de la sección anterior. Si
colocamos el cero a la nueva escala en el centro de la serie y observamos los
convencionalismos de la codificación de un número impar de periodos y de un
número par de periodos, se hace  x = 0 y  x3 = 0, y las ecuaciones normales
se reducen a:

  y = na + c(  x2)

 xy = b(  x2)

 x2y = a(  x2) + c(  x4)

Después podemos obtener b directamente de la segunda ecuación:

 xy
b=
 x2

17
y podemos determinar a y c resolviendo simultáneamente la primera y tercera
ecuaciones. Las parábolas se conocen asimismo como ecuaciones polinomiales
de segundo grado y las ecuaciones polinomiales de grado mayor que 2, en x,
como:

ŷ = a + bx + cx2 + dx3 y
ŷ = a + bx + cx2 +dx3 + ex4,

también se pueden ajustar por medio del método de mínimos cuadrados.

Ejemplo 6
En los años de 2008 a 2018 se produjeron 8.48, 7.08, 8.58, 9.25, 8.30, 9.53, 9.90,
9.81, 6.47, 5.09, 4.67 millones de barriles de petróleo crudo al día, en Arabia
Saudita.

a. Ajuste a esta serie una curva de tendencia parabólica: ŷ = a + bx + cx2

b. Calcule los valores con tendencia de 2008, 2016 y 2019.
c. Trace la gráfica de la parábola junto con la serie de datos original.

Solución a)

A fin de determinar a, b y c a partir de las ecuaciones normales reducidas, se

debe encontrar n,  y,  xy,  x2y,  x2 y  x4. En la segunda columna de la tabla
siguiente, se muestra la producción (los valores de y) y, en las cinco columnas de
la derecha los cálculos necesarios:

Producción
Año y X xy x2y x2 x4
2008 8.48 -5 -42.40 212.00 25 625
2009 7.08 -4 -28.32 113.28 16 256
2010 8.58 -3 -25.74 77.22 9 81
18
 2011 9.25 -2 -18.50 37.00 4 16
2012 8.30 -1 -8.30 8.30 1 1
2013 9.53 0 0 0 0 0
2014 9.90 1 9.90 9.90 1 1
2015 9.81 2 19.62 39.24 4 16
2016 6.47 3 19.41 58.23 9 81
2017 5.09 4 20.36 81.44 16 256
2018 4.67 5 23.35 116.75 25 625
87.16 0 -30.62 753.36 110 1958

Ahora, se puede determinar d directamente haciendo una sustitución en la fórmula

así:
 xy -30.62
b= = 110 = -0.28
 x2

Después, al sustituir n = 11 junto con los totales de las columnas y, x2y, x2 y x4 en

la primera y tercera ecuaciones normales reducidas, se obtiene:

87.16 = 11 a +110c

753.36 = 110a + 1958c

Al resolver estas dos ecuaciones simultaneas, se tiene que a = 9.32 y c = -0.14,

ambos redondeados a dos cifras decimales. Con esto, las ecuaciones de
tendencia parabólica y su leyenda son:

ŷ = 9.32 - 0.28x – 0.14x2

(origen: 2013; unidades de x: un año; y: producción de petróleo crudo en Arabia

Saudita, en millones de barriles diarios).

En esta ecuación parabólica que describe la tendencia de la producción de

petróleo crudo en Arabia Saudita, en el periodo de 2008 a 2018, a = 9.32 es el
valor de tendencia de 2013, b = -0.28 es la pendiente de la curva en x = 0 (el
origen) y 2c = -0.28 es la razón constante del cambio de la pendiente en este
punto en particular.

19
Solución b)

Para determinar el valor de la tendencia de un año cualquiera en la curva

parabólica, sustituimos simplemente el valor adecuado de x en la ecuación de
tendencia. Para 2008, sustituimos x = -5 y obtenemos.

ŷ = 9.32 – 0.28(-5) – 0.14(-5)2 = 7.22

para 2016, sustituimos x = 3 y obtenemos

ŷ = 9.32 – 0.28(3) – 0.14(3)2 = 7.22

y para 2019 (un año después del término de la serie), sustituimos x = 6 y

obtenemos

ŷ = 9.32 – 0.28(6) – 0.14(6)2 = 2.60

Solución c)

Para trazar una tendencia parabólica necesitamos por lo menos tres puntos. Por lo
tanto, mediante el uso de los resultados del inciso b), junto con la información de
que el valor de tendencia de 2013 es a = 9.32.

Con frecuencia, un conjunto de datos que no parece lineal cuando se elabora la

gráfica con una escala vertical logarítmica. La serie siguiente muestra para los
años de 1960, 1970, 1980, 1990, 2000, 2010 y 2020, el número de unidades
habitacionales ocupadas por los propietarios en EEUU es un buen ejemplo de
este tipo de datos.

20
 Unidades
habitacionales
Año (millones)
1960 24.4
1970 29.9
1980 34.9
1990 42.8
2000 53.0
2010 63.4
2020 80.4

Ciertamente, la trayectoria que siguen los datos no se describe en la forma

adecuada por medio de una línea recta. Por otra parte, la gráfica (se deja como
tarea) muestra que se ordena apreciablemente bien, cuando se utiliza una escala
logarítmica para y.

Intervalos iguales en la escala vertical representan cantidades iguales de cambio,

y los valores de ŷ, que se calculan a partir de la ecuación ŷ = a + bx, se
presentan como una línea recta. En papel de razones, no obstante, intervalos
iguales en la escala vertical representan razones de cambio, iguales los valores de
ŷ, que se obtienen de la ecuación:

ŷ = a.bx

se trazan como una línea recta en papel de razones. Esta última curva se conoce
con el nombre de exponencial, porque x figura en la ecuación como el exponente
de b, y las tendencias de las series de tiempo, que parecen lineales cuando se
trazan en papel de razones, se denomina tendencias exponenciales.

Al tomar el logaritmo de las expresiones en ambos lados de la ecuación

ŷ = a . bx, se tiene:

log ŷ = log a + x.log b

21
que es una ecuación lineal en x y log ŷ (al escribir A, B y Y para log a, log b y
log ŷ, la ecuación se transforma en Y = A + Bx, que es la ecuación usual de la
línea recta). A fin de ajustar una tendencia exponencial mediante el método de los
mínimos cuadrados (es decir, para ajustar una línea recta a los logaritmos de los
valores de y), se determina los valores numéricos de log a y log b a partir de las
fórmulas.

 log y  (x.log y)
log a = y log b =
n  x2

Siempre que, por el cambio de escala, hagamos  x = 0; se obtiene a y b. El

trabajo procede exactamente de la misma manera que al ajustar una línea recta a
los propios valores de y, salvo porque utilizamos log y en vez de y.

Ejemplo 7
Ajuste una curva exponencial a los números de unidades habitacionales ocupadas
por los propietarios en 1960, 1970, 1980, 1990, 2000, 2010 y 2020, que ya se han
mencionado.

Solución
Existe un número n de puntos para los datos de este periodo, de maneras que
codificamos dichos datos fijando el cero de una nueva escala x a la mitad del
periodo, que es el año 1990, y contamos desde ahí hacia atrás y hacia delante en
decenios. Dicho de otra manera, codificamos los decenios –3, -2, -1, 0, 1, 2 y 3.
Calculando los logaritmos que se necesitan para realizar el trabajo, se produce las
sumas necesarias para determinar log a y log b en la tabla siguiente:

22
 Unidades Habitacionales (millones)
Año x Y Log y x.log y x2
1960 -3 24.4 1.3874 -4.1622 9
1970 -2 29.9 1.4757 -2.9514 4
1980 -1 34.9 1.5428 -1.5428 1
1990 0 42.8 1.6314 0 0
2000 1 53.0 1.7243 1.7243 1
2010 2 63.4 1.8021 3.6042 4
2020 3 80.4 1.9053 5.7159 9
11.4690 2.3880 28

Al sustituir los totales adecuados en las columnas y n = 7 en las fórmulas de log a

y log b se obtiene:

11.4690 2.3880
log a = 7 = 1.6384 y log b = 28 = 0.0853
y se escribe la ecuación de tendencia en forma logarítmica, con su leyenda, así:

log ŷ = 1.6384 + 0.0853x

(origen: 1990; unidades de x: un decenio; y: unidades habitacionales ocupadas

por los propietarios, en millones).

Los logaritmos 1.6384 y 0.0853 corresponden respectivamente a los números

43.5 y 1.22, de modo que se escribe así la ecuación de tendencia exponencial:

Ŷ = 43.5 (1.22)x

En esta forma, 43.5 es el valor de tendencia de 1990 y 1.22 es igual a 1 más el

promedio del crecimiento decenal de las habitaciones ocupadas por los
propietarios en el periodo de 60 años. Por lo tanto, el índice del promedio de
crecimiento por decenio es de 0.22, es decir, el 22 por ciento.

Para la mayoría de los fines prácticos, es más cómoda la forma logarítmica de la

ecuación de tendencia exponencial. Por ejemplo, para calcular el número de
23
unidades habitacionales ocupadas por los propietarios en el año 2030, sustituimos
x = 4 en la forma logarítmica de la ecuación de tendencia y se obtiene:

Log ŷ = 1.6384 + 0.0853(4) = 1.9796

Volviendo se tiene ŷ vale 95.411. En consecuencia, el número estimado de

unidades habitacionales, ocupadas por los propietarios, para 2030 (con base en la
tendencia de 1960 a 2020) es 95’411,000.

Si la serie tiene un número par de puntos de datos (decenios, años, meses)

podemos realizar el procedimiento de codificación que se describió antes.

Ejemplo 8

Ajuste una curva exponencial a los números de unidades habitacionales ocupadas

por los propietarios en 1970, 1980, 1990, 2000, 2010 y 2020 del ejemplo 8.

Solución
Existe un número par de puntos de datos en la serie, de manera que codificamos
los datos fijando el cero de una nueva escala x en 1995, a la mitad entre los años
de 1990 y 2000. En otras palabras, codificamos los años –5, –3, -1, 1, 3 y 5.
Se toman los logaritmos que se necesitan para determinar log a y log b en la
tabla siguiente:

Unidades Habitacionales (millones)

Año x y log y x.log y x2
1970 -5 29.9 1.4757 -7.3785 25
1980 -3 34.9 1.5428 -4.6284 9
1990 -1 42.8 1.6314 -1.6314 1
2000 1 53.0 1.7243 1.7243 1
2010 3 63.4 1.8021 5.4063 9
2020 5 80.4 1.9053 9.5265 25
10.0816 3.0188 70

Mediante la sustitución de los totales apropiados en las columnas y n = 6 en las

24
fórmulas de log a y log b se obtiene:

10.0816 3.0188
log a = = 1.6803 y log b =
6 70 = 0.0431

y se escribe la ecuación de tendencia en forma logarptimica, con su leyenda:

log ŷ = 1.6803 + 0.0431x

(origen: 1990 - 2000; unidades de x: medio decenio; y: incremento anual de las

unidades habitacionales ocupadas por los propietarios, en millones).

Se determinan log ŷ y ŷ, que son los valores reales de tendencia de los años
1970 a 2020, y se presentan de la manera siguiente:

Año Log ŷ ŷ
1970 1.4648 29.2
1980 1.5510 35.6
1990 1.6372 43.4
2000 1.7234 52.9
2010 1.8096 64.5
2020 1.8958 78.7

Existen otras técnicas diferentes con las que se pueden describir las tendencias
en términos matemáticos; pero, aunque dos series no puedan resultar
exactamente iguales, la mayoría de ellas se pueden manipular por medio de los
métodos que hemos descrito aquí. En cada caso, nuestra meta es la de
seleccionar aquella ecuación o aquel método de medición de la tendencia que
mejor describa el patrón de crecimiento gradual y constante.

25