Documentos de Académico
Documentos de Profesional
Documentos de Cultura
D E M É X I C O
C A M P U S C H I L P A N C I N G O
E S T A D Í S T I C A
A D M I N I S T R A T I V A I I
UNIDAD III
- A R I A D N A Z U S E T B A S I L I O
C U E V A S
- A L M A D E L I A F I G U E R O A
B O L A Ñ O S
- D A N I E L A J A Q U E L I N E
F L O R E S L O R E N Z O
- M I T Z Y Y A M I L E T
H E R N A N D E Z S A N D O V A L
- E M M A N U E L G Ó M E Z
A N A C L E T O
- L U C I A G O N Z A L E Z N A J E R A
- J O S E M A N U E L G U Z M A N
D E A Q U I N O
S E M E S T R E 3
G R U P O - C -
2 0 2 3
INTRODUCCIÓN
CONTADOR PÚBLICO
INTRODUCCIÓN ...................................................................................................................................... 1
FACTORES QUE COMPONEN EL MODELO MULTIPLICATIVO CLÁSICO DE SERIES DE
TIEMPO ..................................................................................................................................................... 3
TENDENCIA LINEAL ............................................................................................................................... 5
MÉTODO DE MÍNIMOS CUADRADOS................................................................................................................ 5
PROMEDIOS MÓVILES. ........................................................................................................................ 12
SUAVIZACIÓN EXPONENCIAL COMO PRONÓSTICO. ................................................................... 14
TENDENCIAS NO LINEALES ............................................................................................................... 19
MODELO DE TENDENCIA CUADRÁTICA ........................................................................................................ 19
MODELO DE TENDENCIA EXPONENCIAL ....................................................................................................... 29
VARIACIÓN ESTACIONAL. .................................................................................................................. 39
DETERMINACIÓN DE UN ÍNDICE ESTACIONAL. ............................................................................................. 39
DESESTACIONALIZACIÓN DE DATOS............................................................................................................ 43
UTILIZACIÓN DE DATOS DESESTACIONALIZADOS PARA PRONÓSTICOS ....................................................... 44
Introducción
• Series de tiempo.
• Causales.
1
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Serie de tiempo:
2
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Factores que Componen el Modelo Multiplicativo Clásico de
Series de Tiempo
La suposición fundamental del análisis de series de tiempo es que los factores que
han influido en los patrones de actividad en el pasado y el presente tendrán más o
menos la misma influencia en el futuro. Entonces la meta principal del análisis de
series de tiempo es identificar y aislar estos factores de influencia con el fin de
realizar predicciones (pronosticar), así como fines administrativos de planeación y
control.
y i = Ti x C i x I i
donde:
Ti = es el valor del componente de tendencia en el año i.
Ci = es el valor del componente cíclico en el año i.
Ii = es el valor del componente irregular en el año i.
yi = es la observación registrada en el año i.
Cuando los datos se obtienen por trimestre o por mes, una observación yi registrada
en el periodo i puede estar dada por la siguiente ecuación:
y i = Ti x S i x C i x I i
donde :
Ti ,Ci e, Ii , = Valores respectivos del componente de tendencia, cíclico e irregular en
el período i.
Si = valor del componente estacional en el período i.
yi = es la observación registrada en el año i.
3
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
El componente estacional se presenta cuando los datos se registran por mes o por
trimestre.
4
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Tendencia lineal
Segundo, la tendencia se estudia para aislar y después eliminar sus efectos del
modelo de la serie de tiempo, como guía en el pronóstico a corto plazo.
̂ = 𝒃𝟎 + 𝒃𝟏 𝒕
𝒚
Donde:
5
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 1: La empresa “AVTEC” desea pronosticar los niveles de inversión de
capital (en miles de pesos), que ha realizado durante los últimos años, pronosticar
la inversión para los años 2025 y 2027, además obtener el modelo de tendencia
lineal, con los datos que se presentan a continuación:
Solución:
6
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Inversión ti ti2 tiyi
(miles de pesos)
2015 76.9 1 1 76.9
2016 72.8 2 4 145.6
2017 79.3 3 9 237.9
2018 88.0 4 16 352
2019 85.5 5 25 427.5
2020 88.9 6 36 533.4
2021 93.2 7 49 652.4
2022 95.3 8 64 762.4
2023 92.9 9 81 836.1
∑= 772.8 45 285 4024.2
𝑦̂ = 𝑏0 + 𝑏1 𝑡
𝑦̂ = 72.516667 + 2.67𝑡
7
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 2: Las ventas de una pequeña cadena de tiendas de comestibles desde
2015 son:
Solución:
8
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Ventas ti ti2 tiyi
(millones de
pesos)
2018 7 1 1 7
2019 8 2 4 20
2020 9 3 9 27
2021 11 4 16 44
2022 13 5 25 65
2023 15 6 36 90
∑= 63 21 91 249
𝑦̂ = 𝑏0 + 𝑏1 𝑡
𝑦̂ = 𝟒. 𝟖 + 𝟏. 𝟔𝟐𝟖𝟓𝟕𝟏𝑡
9
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 3: Pronosticar las devoluciones para los años 2025 y 2027, además
obtener el modelo de tendencia lineal de los datos de devoluciones de pedidos de
una determinada empresa. Los datos de devoluciones anuales son los siguientes:
Año Devoluciones ti
2013 94 1
2014 92 2
2015 86 3
2016 82 4
2017 78 5
2018 81 6
2019 75 7
2020 72 8
2021 70 9
2022 68 10
2023 70 11
Solución:
10
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Devoluciones ti ti2 tiyi
2013 94 1 1 94
2014 92 2 4 184
2015 86 3 9 258
2016 82 4 16 328
2017 78 5 25 390
2018 81 6 36 486
2019 75 7 49 525
2020 72 8 64 576
2021 70 9 81 630
2022 68 10 100 680
2023 70 11 121 770
∑= 868 66 506 4921
𝑦̂ = 𝑏0 + 𝑏1 𝑡
𝑦̂ = 𝟗𝟒. 𝟓𝟔𝟑𝟔𝟑𝟔 − 𝟐. 𝟔𝟎𝟗𝟎𝟗𝟏𝑡
11
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Promedios Móviles.
El método de Promedio Móviles para suavizar una serie de tiempo es muy subjetivo
y dependiente de L, que es la longitud del período seleccionado para calcular los
promedios. Para eliminar las fluctuaciones cíclicas, el periodo elegido debe ser un
valor entero que corresponda o sea múltiplo de la longitud promedio estimada de un
ciclo en una serie.
Cuando se trata de una serie de tiempo anual, L, la longitud del periodo elegido para
construir los promedios móviles, debe ser un número de años impar. Al seguir esta
regla se observa que no se pueden obtener promedios móviles para los primeros (L
– 1)/2 años o los últimos (L – 1)/2 años de la serie.
12
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 5: Calcular el promedio móvil de 3, 5 y 7 años de los siguientes datos que
representan costos de insumos de una empresa. Los datos de costos históricos
anuales (en miles de pesos) son los siguientes:
13
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Suavización exponencial como pronóstico.
Ei = WYi + (1-W) Ei – 1
donde:
14
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ei = WYi + (1-W) Ei – 1
Para W = 0.25
E1 =7
E2 = (0.25) (9) + (1 – 0.25) (7) = 7.5
E3 = (0.25) (10) + (1 – 0.25) (7.5) = 8.125
E4 = (0.25) (14) + (1 – 0.25) (8.125) = 9.5938
E5 = (0.25) (8) + (1 – 0.25) (9.5938) = 9.1953
E6 = (0.25) (9) + (1 – 0.25) (9.1953) = 9.1465
E7 = (0.25) (12) + (1 – 0.25) (9.1465) = 9.8599
E8 = (0.25) (16) + (1 – 0.25) (9.8599) = 11.3949
Para W = 0.50
E1 =7
E2 = (0.50) (9) + (1 – 0.50) (7) =8
E3 = (0.50) (10) + (1 – 0.50) (8) =9
E4 = (0.50) (14) + (1 – 0.50) (9) = 11.5
E5 = (0.50) (8) + (1 – 0.50) (11.5) = 9.75
E6 = (0.50) (9) + (1 – 0.50) (9.75) = 9.375
E7 = (0.50) (12) + (1 – 0.50) (9.375) = 10.6875
E8 = (0.50) (16) + (1 – 0.50) (10.6875) = 13.3438
Para W = 0.75
E1 =7
E2 = (0.75) (9) + (1 – 0.75) (7) = 8.5
E3 = (0. 75) (10) + (1 – 0.75) (8.5) = 9.625
E4 = (0.75) (14) + (1 – 0.75) (9.625) = 12.9063
E5 = (0.75) (8) + (1 – 0.75) (12.9063) = 9.2266
E6 = (0.75) (9) + (1 – 0.75) (9.2266) = 9.0566
E7 = (0.75) (12) + (1 – 0.75) (9.0566) = 11.2642
E8 = (0.75) (16) + (1 – 0.75) (11.2642) = 14.8160
15
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 8: De los datos del ejemplo 5, encontrar la suavización exponencial de
cada año con valores de W = 0.25, W = 0.50 y W = 0.75.
Ei = WYi + (1-W) Ei – 1
Para W = 0.25
E1 = 152.0000
E2 = (0.25) (155) + (1 – 0.25) (152) = 152.7500
E3 = (0.25) (160) + (1 – 0.25) (152.75) = 154.5625
E4 = (0.25) (170) + (1 – 0.25) (154.5625) = 158.4219
E5 = (0.25) (165) + (1 – 0.25) (158.4219) = 160.0664
E6 = (0.25) (163) + (1 – 0.25) (160.0664) = 160.7998
E7 = (0.25) (173) + (1 – 0.25) (160.7998) = 163.8499
E8 = (0.25) (190) + (1 – 0.25) (163.8499) = 170.3874
E9 = (0.25) (202) + (1 – 0.25) (170.3874) = 178.2905
E10 = (0.25) (200) + (1 – 0.25) (178.2905) = 183.7179
E11 = (0.25) (205) + (1 – 0.25) (183.7179) = 189.0384
Para W = 0.50
E1 =152.0000
E2 = (0.50) (155) + (1 – 0.50) (152) =153.5000
E3 = (0.50) (160) + (1 – 0.50) (153.5) =156.7500
E4 = (0.50) (170) + (1 – 0.50) (156.75) =163.3750
E5 = (0.50) (165) + (1 – 0.50) (163.375) =164.1875
E6 = (0.50) (163) + (1 – 0.50) (164.1875) =163.5938
E7 = (0.50) (173) + (1 – 0.50) (163.5938) =168.2969
E8 = (0.50) (190) + (1 – 0.50) (168.2969) =179.1484
E9 = (0.50) (202) + (1 – 0.50) (179.1484) =190.5742
16
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
E10 = (0.50) (200) + (1 – 0.50) (190.5742) =195.2871
E11 = (0.50) (205) + (1 – 0.50) (195.2871) =200.1436
Para W = 0.75
E1 =152.0000
E2 = (0.75) (155) + (1 – 0.75) (152) =154.2500
E3 = (0.75) (160) + (1 – 0.75) (154.25) =158.5625
E4 = (0.75) (170) + (1 – 0.75) (158.5625) =167.1406
E5 = (0.75) (165) + (1 – 0.75) (167.1406) =165.5352
E6 = (0.75) (163) + (1 – 0.75) (165.5352) =163.6338
E7 = (0.75) (173) + (1 – 0.75) (163.6338) =170.6584
E8 = (0.75) (190) + (1 – 0.75) (170.6584) =185.1646
E9 = (0.75) (202) + (1 – 0.75) (185.1646) =197.7912
E10 = (0.75) (200) + (1 – 0.75) (197.7912) =199.4478
E11 = (0.75) (205) + (1 – 0.75) (199.4478) =203.6119
Ei = WYi + (1-W) Ei – 1
Para W = 0.10
E1 =6.0000
E2 = (0.10) (7) + (1 – 0.10) (6) =6.1000
E3 = (0.10) (12) + (1 – 0. 10) (6.1) =6.6900
E4 = (0.10) (8) + (1 – 0. 10) (6.69) =6.8210
17
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
E5 = (0.10) (4) + (1 – 0. 10) (6.821) =6.5389
E6 = (0.10) (3) + (1 – 0. 10) (6.5389) =6.1850
E7 = (0.10) (3) + (1 – 0. 10) (6.185) =5.8665
E8 = (0.10) (5) + (1 – 0. 10) (5.8665) =5.7799
E9 = (0.10) (14) + (1 – 0. 10) (5.7799) =6.6019
E10 = (0.10) (6) + (1 – 0. 10) (6.6019) =6.5417
E11 = (0.10) (7) + (1 – 0. 10) (6.5417) =6.5875
E12 = (0.10) (6) + (1 – 0. 10) (6.5875) =6.5288
Para W = 0.50
E1 =6.0000
E2 = (0.50) (7) + (1 – 0.50) (6) =6.5000
E3 = (0.50) (12) + (1 – 0. 50) (6.5) =9.2500
E4 = (0.50) (8) + (1 – 0. 50) (9.25) =8.6250
E5 = (0.50) (4) + (1 – 0. 50) (8.625) =6.3125
E6 = (0.50) (3) + (1 – 0. 50) (6.3125) =4.6563
E7 = (0.50) (3) + (1 – 0. 50) (4.6563) =3.8281
E8 = (0.50) (5) + (1 – 0. 50) (3.8281) =4.4141
E9 = (0.50) (14) + (1 – 0. 50) (4.4141) =9.2070
E10 = (0.50) (6) + (1 – 0. 50) (9.2070) =7.6035
E11 = (0.50) (7) + (1 – 0. 50) (7.6035) =7.3018
E12 = (0.50) (6) + (1 – 0. 50) (7.3018) =6.6509
Para W = 0.90
E1 6.0000
E2 = (0.90) (7) + (1 – 0.90) (6) 6.9000
E3 = (0.90) (12) + (1 – 0. 90) (6.9) 11.4900
E4 = (0.90) (8) + (1 – 0. 90) (11.49) 8.3490
E5 = (0.90) (4) + (1 – 0. 90) (11.49) 4.4349
E6 = (0.90) (3) + (1 – 0. 90) (4.4349) 3.1435
E7 = (0.90) (3) + (1 – 0. 90) (3.1435) 3.0143
E8 = (0.90) (5) + (1 – 0. 90) (3.0143) 4.8014
E9 = (0.90) (14) + (1 – 0. 90) (4.8014) 13.0801
E10 = (0.90) (6) + (1 – 0. 90) (13.0801) 6.7080
E11 = (0.90) (7) + (1 – 0. 90) (6.7080) 6.9708
E12 = (0.90) (6) + (1 – 0. 90) (6.9708) 6.0971
18
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Tendencias no lineales
𝑦̂𝑖 = 𝑏0 + 𝑏1 𝑡𝑖 + 𝑏2 𝑡𝑖2
Donde:
𝑦̂𝑖 : Es el valor pronosticado de y para la observación i.
b0 = estimación de la ordenada en y.
b1 = estimación del efecto lineal en y.
b2 = estimación del efecto curvilíneo en y.
ti = Es el año codificado.
𝛽̂ = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑌
𝑛 𝑛 𝑛 𝑛
𝑛 ∑ 𝑡𝑖 ∑ 𝑡𝑖2 𝑛 ∑ 𝑡𝑖 ∑ 𝑡𝑖2
𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
∑ 𝑦𝑖
𝑖=1
𝑛
𝑋′𝑌 = ∑ 𝑡𝑖 𝑦𝑖
𝑖=1
𝑛
∑ 𝑡𝑖2 𝑦𝑖
[ 𝑖=1 ]3𝑋1
𝑏0
̂
𝛽 = [𝑏1 ]
𝑏2 3𝑋1
19
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 10. La empresa “AVTEC” desea pronosticar los niveles de inversión de
capital (en miles de pesos), que ha realizado durante los últimos años, pronosticar
la inversión para el año 2025 y 2027, además obtener el modelo de Tendencia
Cuadrática, con los datos que se presentan a continuación:
Solución:
Coeficientes
Intercepción 69.219048
Año Codificado (ti) 4.468701
t i2 -0.17987
20
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Solución manual:
Año Inversión
Año Codificado (miles de ti2 ti3 ti4 ti • y i ti2 • yi
(ti) pesos) (yi)
2015 1 76.9 1 1 1 76.9 76.9
2016 2 72.8 4 8 16 145.6 291.2
2017 3 79.3 9 27 81 237.9 713.7
2018 4 88.0 16 64 256 352 1408
2019 5 85.5 25 125 625 427.5 2137.5
2020 6 88.9 36 216 1296 533.4 3200.4
2021 7 93.2 49 343 2401 652.4 4566.8
2022 8 95.3 64 512 4096 762.4 6099.2
2023 9 92.9 81 729 6561 836.1 7524.9
∑= 45 772.8 285 2025 15333 4024.2 26018.6
9 45 285
𝑋′𝑋 = [ 45 285 2025 ]
285 2025 15333 3𝑋3
772.8
𝑋′𝑌 = [ 4024.2 ]
26018.6 3𝑋1
1.6190476 −0.6785714 0.05952381 772.8
(𝑋 ′ 𝑋)−1 (𝑋 ′ 𝑌) = [−0.6785714 0.341342 −0.032467532] [ 4024.2 ]
0.05952381 −0.032467532 0.003246753 26018.6
69.219048
(𝑋 ′ 𝑋)−1 (𝑋 ′ 𝑌) = [ 4.468701 ]
−0.17987
69.219048
𝛽̂ = [ 4.468701 ]
−0.17987 3𝑋1
21
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Con lo que se forma el modelo:
22
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 11: Las ventas de una pequeña cadena de tiendas de comestibles, desde
2018 son:
Solución:
Coeficientes
Intercepción 6.3
Año Codificado (ti) 0.503571
t i2 0.160714
23
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Solución manual:
Año Ventas
Año Codificado ti2 ti3 ti4 (millones de ti • y i ti2 • yi
(ti) pesos) (yi)
2018 1 1 1 1 7 7 7
2019 2 4 8 16 8 16 32
2020 3 9 27 81 9 27 81
2021 4 16 64 256 11 44 176
2022 5 25 125 625 13 65 325
2023 6 36 216 1296 15 90 540
∑= 21 91 441 2275 63 249 1161
6 21 91
𝑋′𝑋 = [21 91 441 ]
91 441 22753 3𝑋3
63
𝑋′𝑌 = [ 249 ]
1161 3𝑋1
3.2 −1.95 0.25 63
(𝑋 ′ 𝑋)−1 (𝑋 ′ 𝑌) = [−1.95 1.3696429 −0.1875 ] [ 249 ]
0.25 −0.1875 0.0267857 1161
6.3
(𝑋 ′ 𝑋)−1 (𝑋 ′ 𝑌) = [0.503571]
0.160714
6.3
𝛽̂ = [0.503571]
0.160714 3𝑋1
24
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Para 2024, le corresponde un t = 7:
25
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 12: Pronosticar las devoluciones para los años 2025 y 2026, además
obtener el modelo de tendencia cuadrática de los datos de devoluciones de pedidos
de una determinada empresa. Los datos de devoluciones anuales son los
siguientes:
Año Devoluciones ti
2013 94 1
2014 92 2
2015 86 3
2016 82 4
2017 78 5
2018 81 6
2019 75 7
2020 72 8
2021 70 9
2022 68 10
2023 70 11
Solución:
Coeficientes
Intercepción 99.2
Año Codificado (ti) -4.748951
t i2 0.178322
26
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Solución manual:
11 66 506
𝑋′𝑋 = [ 66 506 4356 ]
506 4356 39974 3𝑋3
868
𝑋′𝑌 = [ 4921 ]
36637 3𝑋1
1.206060606 −0.418181818 0.03030303 868
(𝑋 ′ 𝑋)−1 (𝑋 ′ 𝑌) = [−0.418181818 0.176923077 −0.013986014] [ 4921 ]
0.03030303 −0.013986014 0.001165501 36637
99.2
(𝑋 ′ 𝑋)−1 (𝑋 ′ 𝑌) = [−4.748951]
0.178322
27
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
99.2
𝛽̂ = [−4.748951]
0.178322 3𝑋1
28
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Modelo de tendencia exponencial
Cuando una serie parece aumentar a una tasa de crecimiento tal, que el porcentaje
de una observación a otra es constante, se puede ajustar el modelo de tendencia
exponencial, de la forma:
𝑡
𝑦̂𝑖 = 𝑏0 𝑏1𝑖
Donde:
𝑦̂𝑖 : Es el valor pronosticado de y para la observación i.
b0 = estimación de la ordenada en y.
(b1 – 1) x 100% = estimación de la tasa de crecimiento anual compuesta (%)
ti = Es el año codificado.
Las ecuaciones que se utilizan para encontrar los coeficientes son las siguientes:
n n 2 n n
log yi ti − ti log yi ti
log b0 = i =1 i =1 i =1
2
i =1
n
n
n ti 2 − ti
i =1 i =1
n n n
n ti log yi − ti log yi
log b1 = i =1 i =1 i =1
2
n
n
n ti 2 − ti
i =1 i =1
Después utilizando antilog (log b0) o 10log 𝑏0 para encontrar b0 y antilog (log b1) o
10log 𝑏1 para encontrar b1.
Utilizando Excel, con regresión lineal y las variable t, y log y, se puede encontrar el
modelo.
29
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 13. La empresa “AVTEC” desea pronosticar los niveles de inversión de
capital (en miles de pesos), que ha realizado durante los últimos años, pronosticar
la inversión para los años 2025 y 2027, además obtener el modelo de Tendencia
Exponencial, con los datos que se presentan a continuación:
Solución:
Coeficientes
Intercepción 1.86347178
Año Codificado (ti) 0.01373244
𝑦̂𝑖 = (73.025036)(1.032125)𝑡𝑖
30
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Solución manual:
Inversión
Año (miles de
Año ti2 log yi ti log yi
Codificado (ti) pesos)
(yi)
2015 1 1 76.9 1.88592634 1.88592634
2016 2 4 72.8 1.862131379 3.724262759
2017 3 9 79.3 1.899273187 5.697819562
2018 4 16 88.0 1.944482672 7.777930689
2019 5 25 85.5 1.931966115 9.659830574
2020 6 36 88.9 1.948901761 11.69341057
2021 7 49 93.2 1.969415912 13.78591139
2022 8 64 95.3 1.979092901 15.83274321
2023 9 81 92.9 1.968015714 17.71214143
∑= 45 285 772.8 17.38920598 87.76997651
1006.274761
log 𝑏0 = = 1.86347178
540
31
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
(9)(87.76997651) − (45)(17.38920598) 789.9297886 − 782.5142691
log 𝑏1 = =
(9)(285) − (45)2 2565 − 2025
7.4155195
log 𝑏1 = = 0.01373244
540
Coeficientes
1.86347178
b0 10 73.025036
b1 100.01373244 1.032125
𝑦̂𝑖 = (73.025036)(1.032125)𝑡𝑖
Para 2025, le corresponde un t = 11:
32
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 14: Las ventas de una pequeña cadena de tiendas de comestibles desde
2018 son:
Solución:
Coeficientes
Intercepción 0.76817534
Año Codificado (ti) 0.0678479
𝑦̂𝑖 = (5.863749)(1.16909)𝑡𝑖
33
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Solución manual:
Ventas
(millones
Año
Año ti2 de log yi ti log yi
Codificado (ti)
pesos)
(yi)
2018 1 1 7 0.84509804 0.84509804
2019 2 4 8 0.903089987 1.806179974
2020 3 9 9 0.954242509 2.862727528
2021 4 16 11 1.041392685 4.165570741
2022 5 25 13 1.113943352 5.569716762
2023 6 36 15 1.176091259 7.056547554
∑= 21 91 63 6.033857833 22.3058406
80.6584102
log 𝑏0 = = 0. 76817534
105
34
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
7.1240291
log 𝑏1 = = 0.0678479
105
Para encontrar b0 y b1 se aplica 10log 𝑏0 y 10log 𝑏1 , respectivamente.
Coeficientes
b0 100.76817534 5.863749
b1 100.0678479 1.16909
𝑦̂𝑖 = (5.863749)(1.16909)𝑡𝑖
Para 2024, le corresponde un t = 7:
35
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 15: Pronosticar las devoluciones para los años 2025 y 2026, además
obtener el modelo de tendencia exponencial de los datos de devoluciones de
pedidos de una determinada empresa. Los datos de devoluciones anuales son los
siguientes:
Año Devoluciones ti
2013 94 1
2014 92 2
2015 86 3
2016 82 4
2017 78 5
2018 81 6
2019 75 7
2020 72 8
2021 70 9
2022 68 10
2023 70 11
Coeficientes
Intercepción 1.9799076
Año Codificado (ti) -0.01421329
𝑦̂𝑖 = (95.478942)(0.967802)𝑡𝑖
36
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Solución manual:
Año Devoluciones
Año ti2 log yi ti log yi
Codificado (ti) (yi)
2013 1 1 94 1.973127854 1.973127854
2014 2 4 92 1.963787827 3.927575655
2015 3 9 86 1.934498451 5.803495354
2016 4 16 82 1.913813852 7.65525541
2017 5 25 78 1.892094603 9.460473013
2018 6 36 81 1.908485019 11.45091011
2019 7 49 75 1.875061263 13.12542884
2020 8 64 72 1.857332496 14.85865997
2021 9 81 70 1.84509804 16.60588236
2022 10 100 68 1.832508913 18.32508913
2023 11 121 70 1.84509804 20.29607844
∑= 66 506 868 20.84090636 123.4819761
2395.688197
log 𝑏0 = = 1.9799076.
1210
37
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
−17.198083
log 𝑏1 = = −0.01421329
1210
Coeficientes
1.9799076
b0 10 95.478942
b1 10-0.01421329 0.967802
𝑦̂𝑖 = (95.478942)(0.967802)𝑡𝑖
Para 2025, le corresponde un t = 13:
38
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Variación Estacional.
𝑇𝑖 𝐶𝑖 𝑆𝑖 𝐼𝑖
𝑦𝑖 = 𝑆𝑖 =
𝑇𝑖 𝐶𝑖 𝐼𝑖
Tabla inicial:
39
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Tabla resumen:
Pasos:
1. Establecer el total móvil cada 4 trimestres.
40
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Trimestre Ventas Total de 4 Promedio móvil Promedio móvil VE
(1) (2) (3) trimestres trimestral centrado Especifico
(4) (5) (6) (7)
2019 I 6.5
P 4.6
34.5 8.625
V 9.8 8.675 1.1297
34.9 8.725
O 13.6 8.775 1.5499
35.3 8.825
2020 I 6.9 8.9 0.7753
35.9 8.975
P 5 9.0375 0.5533
36.4 9.1
V 10.4 9.1125 1.1413
36.5 9.125
O 14.1 9.1875 1.5347
37 9.25
2021 I 7 9.3 0.7527
37.4 9.35
P 5.5 9.4625 0.5812
38.3 9.575
V 10.8 9.5875 1.1265
38.4 9.6
O 15 9.625 1.5584
38.6 9.65
2022 I 7.1 9.6875 0.7329
38.9 9.725
P 5.7 9.6625 0.5899
38.4 9.6
V 11.1 9.7125 1.1429
39.3 9.825
O 14.5 9.8875 1.4665
39.8 9.95
2023 I 8 9.9875 0.8010
40.1 10.025
P 6.2 10.075 0.6154
40.5 10.125
V 11.4
O 14.9
41
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Invierno Primavera Verano Otoño
2019 1.1297 1.5499
2020 0.7753 0.5533 1.1413 1.5347
2021 0.7527 0.5812 1.1265 1.5584
2022 0.7329 0.5899 1.1429 1.4665
2023 0.8010 0.6154
Total 3.0619 2.3398 4.5404 6.1095
Media 0.7655 0.5850 1.1351 1.5274 4.013
Índice
76.30 58.31 113.14 152.25 400%
Típico
Índice
76.30 58.31 113.14 152.25 400%
Típico
42
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Desestacionalización de Datos
Un conjunto de índices estacionales típicos, es muy útil para ajustar las series de
ventas. Por ejemplo para el caso de fluctuaciones estacionales la serie resultante
se llama ventas desestacionalizadas o bien ventas con datos ajustados
estacionalmente. La razón para desestacionalizar las series de ventas, es con el
fin de estudiar la tendencia y el ciclo. Para eliminar el efecto de la variación
estacional, la cantidad de ventas para cada periodo se divide entre el índice de
temporada para ese periodo.
Tabla tipo:
Año Trimestre Ventas Índice Ventas
(millones estacional desestacionalizadas
de pesos)
43
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Utilización de datos desestacionalizados para pronósticos
44
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
𝟏𝟏𝟎𝟔𝟏𝟒. 𝟐𝟏𝟕
𝒃𝟎 = = 𝟖. 𝟑𝟏𝟔𝟖𝟓𝟖
𝟏𝟑𝟑𝟎𝟎
𝟏𝟑𝟑𝟖. 𝟔𝟔𝟔
𝒃𝟏 = = 𝟎. 𝟏𝟎𝟎𝟔𝟓𝟐
𝟏𝟑𝟑𝟎𝟎
𝑦̂ = 𝑏0 + 𝑏1 𝑡
𝑦̂ = 8.316858 + 0.100652𝑡
45
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 17: La empresa TECMEX dueña de tiendas, restaurantes y hoteles,
registra el número de visitantes (en miles) por trimestre en los últimos 4 años.
Determine un índice estacional trimestral usando el método de razón a promedio
móvil y pronostique el número de visitantes para cada trimestre de 2024.
Solución:
P 82.5
399.5 99.875
V 121.4 99.3 1.2226
394.9 98.725
O 77 98.95 0.7782
396.7 99.175
2021 I 114 98.9875 1.1517
395.2 98.8
P 84.3 98.55 0.8554
393.2 98.3
V 119.9 99.1375 1.2094
399.9 99.975
O 75 99.3875 0.7546
395.2 98.8
2022 I 120.7 100.15 1.2052
406 101.5
P 79.6 100.825 0.7895
400.6 100.15
V 130.7 100.7125 1.2978
405.1 101.275
O 69.6 101.35 0.6867
405.7 101.425
2023 I 125.2 101.0375 1.2391
402.6 100.65
P 80.2 100.95 0.7945
405 101.25
V 127.6
O 72
46
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Invierno Primavera Verano Otoño
2020 1.2226 0.7782
2021 1.1517 0.8554 1.2094 0.7546
2022 1.2052 0.7895 1.2978 0.6867
2023 1.2391 0.7945
Total 3.5960 2.4393 3.7297 2.2195
Media 1.1987 0.8131 1.2432 0.7398 3.9948
Índice
120.03 81.42 124.48 74.08 400.01%*
Típico
*Error por redondeo
Índice
120.03 81.42 124.48 74.08 400.01%*
Típico
*Error por redondeo
47
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Trimestre ti yi ti 2 tiyi
2020 Invierno 1 98.8086 1 98.8086
Primavera 2 101.3265 4 202.6529
Verano 3 97.5257 9 292.5771
Otoño 4 103.9417 16 415.7667
2021 Invierno 5 94.9763 25 474.8813
Primavera 6 103.5372 36 621.2233
Verano 7 96.3207 49 674.2449
Otoño 8 101.2419 64 809.9352
2022 Invierno 9 100.5582 81 905.0237
Primavera 10 97.7647 100 977.6468
Verano 11 104.9968 121 1154.9647
Otoño 12 93.9525 144 1127.4298
2023 Invierno 13 104.3073 169 1355.9943
Primavera 14 98.5016 196 1379.0224
Verano 15 102.5064 225 1537.5964
Otoño 16 97.1922 256 1555.0756
= 136 1597.4582 1496 13582.8437
48
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
𝟕𝟏. 𝟏𝟖𝟒
𝒃𝟏 = = 𝟎. 𝟎𝟏𝟑𝟎𝟖𝟓
𝟓𝟒𝟒𝟎
𝑦̂ = 𝑏0 + 𝑏1 𝑡
𝑦̂ = 99.729913 + 0.013085𝑡
49
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Ejemplo 18: El dueño de la empresa TNTEC, estudia el ausentismo entre sus
empleados. Su plantilla laboral es pequeña, de sólo 5 empleados y durante los
últimos 3 años, registró el siguiente número de faltas entre sus empleados, en días,
por trimestre:
Solución:
P 10
24 6
V 7 6.125 1.1429
25 6.25
O 3 6.5 0.4615
27 6.75
2022 I 5 7 0.7143
29 7.25
P 12 7.375 1.6271
30 7.5
V 9 7.625 1.1803
31 7.75
O 4 8.25 0.4848
35 8.75
2023 I 6 9.125 0.6575
38 9.5
P 16 9.5 1.6842
38 9.5
V 12
O 4
50
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Invierno Primavera Verano Otoño
2021 1.1429 0.4615
2022 0.7143 1.6271 1.1803 0.4848
2023 0.6575 1.6842
Total 1.3718 3.3113 2.3232 0.9464
Media 0.6859 1.6557 1.1616 0.4732 3.9764
Índice
69.00 166.55 116.85 47.60 400%
Típico
Índice
69.00 166.55 116.85 47.60 400%
Típico
51
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Año Trimestre ti yi ti 2 tiyi
2021 Invierno 1 5.7971 1 5.7971
Primavera 2 6.0042 4 12.0084
Verano 3 5.9906 9 17.9718
Otoño 4 6.3025 16 25.2101
2022 Invierno 5 7.2464 25 36.2319
Primavera 6 7.2050 36 43.2303
Verano 7 7.7022 49 53.9153
Otoño 8 8.4034 64 67.2269
2023 Invierno 9 8.6957 81 78.2609
Primavera 10 9.6067 100 96.0672
Verano 11 10.2696 121 112.9653
Otoño 12 8.4034 144 100.8403
= 78 91.6267 650 649.7255
𝟖𝟖𝟕𝟖. 𝟕𝟔𝟔
𝒃𝟎 = = 𝟓. 𝟏𝟕𝟒𝟏𝟎𝟔
𝟏𝟕𝟏𝟔
𝟔𝟒𝟗. 𝟖𝟐𝟑𝟒
𝒃𝟏 = = 𝟎. 𝟑𝟕𝟖𝟔𝟖𝟓
𝟏𝟕𝟏𝟔
𝑦̂ = 𝑏0 + 𝑏1 𝑡
𝑦̂ = 5.174106 + 0.378685𝑡
52
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
Faltas Estimadas Pronóstico trimestral
𝑦̂ = 5.174106+0.378685 (13) =10.097011 (10.097011)(0.69)= 6.9669
𝑦̂ = 5.174106+0.378685 (14) = 10.475696 (10.475696)(1.6655)= 17.4473
𝑦̂ = 5.174106+0.378685 (15) = 10.854381 (10.854381)(1.1685)= 12.6833
𝑦̂ = 5.174106+0.378685 (16) = 11.233066 (11.233066)(0.476)= 5.3469
53
M.C. JOSÉ LUIS RODRÍGUEZ GARCÍA
CONCLUSIÓN
1
M.C. José Luis Rodríguez García
- Seleccionar Rótulos, si selecciona desde el título, si no dejarlo en blanco como
está.
- Constante igual a cero, vacía.
- Nivel de confianza, viene el 95% en caso de requerir otro, marcar la casilla y
cambiarlo.
- Opciones de salida: En una hoja nueva.
- Residuales no seleccionar ninguno.
2
M.C. José Luis Rodríguez García
Tendencia Lineal con Phstat:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti y yi).
3. Seleccionar el Menú Complementos – Phstat – Opción 13 (Regression) – Opción 1
(Simple Linear Regression).
3
M.C. José Luis Rodríguez García
First cell contains label: Darle click en el cuadro cuando se seleccionen los datos desde el
título y así se pondrá la palomita en el cuadro, si se seleccionan los puros datos no debe
tener la palomita en el cuadro.
Seleccionar:
Se generarán dos hojas, que se marcan en la figura siguiente y obtendrá los resultados como
los que se muestran en la figura.
4
M.C. José Luis Rodríguez García
Tendencia Lineal con Megastat:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti y yi).
3. Seleccionar el Menú Complementos – Megastat – Opción 7 (Correlation/Regression)
– Opción 3 (Regression Analysis).
5
M.C. José Luis Rodríguez García
Seleccionar los datos de yi, sin el
título, capturados en celdas.
Seleccionar:
6
M.C. José Luis Rodríguez García
7
M.C. José Luis Rodríguez García
Tendencia lineal con MINITAB:
1. Abrir un proyecto en Minitab.
2. Capturar los datos de ti y yi, en columnas separadas.
8
M.C. José Luis Rodríguez García
4. Aparecerá este Menú:
- En el Menú gráficas:
Gráficos de residuos: Seleccionar cuatro en uno.
9
M.C. José Luis Rodríguez García
Presionar el botón Aceptar en la parte inferior.
10
M.C. José Luis Rodríguez García
11
M.C. José Luis Rodríguez García
Tendencia No Lineal Cuadrática con Análisis de Datos:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti, ti2 (juntas) y yi).
3. Seleccionar el Menú Datos – Análisis de datos - Regresión.
12
M.C. José Luis Rodríguez García
- Seleccionar Rótulos, si selecciona desde el título, si no dejarlo en blanco como
está.
- Constante igual a cero, vacía.
- Nivel de confianza, viene el 95% en caso de requerir otro, marcar la casilla y
cambiarlo.
- Opciones de salida: En una hoja nueva.
- Residuales no seleccionar nada.
13
M.C. José Luis Rodríguez García
Tendencia No Lineal Cuadrática con PHStat:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti, ti2 (juntas) y yi).
3. Seleccionar el Menú Complementos – Phstat – Opción 13 (Regression) – Opción 2
(Multiple Regression).
14
M.C. José Luis Rodríguez García
First cell contains label: Darle click en el cuadro cuando se seleccionen los datos desde el
título y así se pondrá la palomita en el cuadro, si se seleccionan los puros datos no debe
tener la palomita en el cuadro.
Seleccionar:
Se generarán dos hojas, que se marcan en la figura siguiente y obtendrá los resultados como
los que se muestran en la figura.
15
M.C. José Luis Rodríguez García
Tendencia No Lineal Cuadrática con Megastat:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti, ti2 (juntas) y yi).
3. Seleccionar el Menú Complementos – Megastat – Opción 7 (Correlation/Regression)
– Opción 3 (Regression Analysis).
16
M.C. José Luis Rodríguez García
Seleccionar:
17
M.C. José Luis Rodríguez García
Tendencia No Lineal Cuadrática con MINITAB:
1. Abrir un proyecto en Minitab.
2. Capturar los datos de ti, ti2 y yi, en columnas separadas.
18
M.C. José Luis Rodríguez García
4. Aparecerá este Menú:
- En el Menú gráficas:
Gráficos de residuos: Seleccionar cuatro en uno.
19
M.C. José Luis Rodríguez García
En el Menú resultados, seleccionar todo, excepto estadístico de Durbin-Watson.
20
M.C. José Luis Rodríguez García
Obtendrá los resultados como el que se muestra en la figura:
21
M.C. José Luis Rodríguez García
Tendencia No Lineal Exponencial con Análisis de Datos:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti y log yi).
3. Seleccionar el Menú Datos – Análisis de datos - Regresión.
22
M.C. José Luis Rodríguez García
- Nivel de confianza, viene el 95% en caso de requerir otro, marcar la casilla y
cambiarlo.
- Opciones de salida: En una hoja nueva.
- Residuales no seleccionar ninguno.
23
M.C. José Luis Rodríguez García
NOTA: Recordar que los coeficientes obtenidos son log b0 y log b1k, por lo que hay que
convertirlos a b0 y b1, utilizando 10𝑙𝑜𝑔 𝑏0 y 10𝑙𝑜𝑔 𝑏1 , respectivamente.
24
M.C. José Luis Rodríguez García
Tendencia No Lineal Exponencial con Phstat:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti y log yi).
3. Seleccionar el Menú Complementos – Phstat – Opción 13 (Regression) – Opción 1
(Simple Linear Regression).
25
M.C. José Luis Rodríguez García
First cell contains label: Darle click en el cuadro cuando se seleccionen los datos desde el
título y así se pondrá la palomita en el cuadro, si se seleccionan los puros datos no debe
tener la palomita en el cuadro.
Seleccionar:
Se generarán dos hojas, que se marcan en la figura siguiente y obtendrá los resultados como
los que se muestran en la figura.
26
M.C. José Luis Rodríguez García
NOTA: Recuerde que los coeficientes encontrados son log b0 y log b1k, por lo que hay que
convertirlos a b0 y b1, utilizando 10𝑙𝑜𝑔 𝑏0 y 10𝑙𝑜𝑔 𝑏1 , respectivamente.
27
M.C. José Luis Rodríguez García
Tendencia No Lineal Exponencial con Megastat:
1. Abrir una hoja de Excel.
2. Capturar datos en diferentes columnas (ti y log yi).
3. Seleccionar el Menú Complementos – Megastat – Opción 7 (Correlation/Regression)
– Opción 3 (Regression Analysis).
28
M.C. José Luis Rodríguez García
Seleccionar:
29
M.C. José Luis Rodríguez García
NOTA: Recuerde que los coeficientes encontrados son log b0 y log b1k, por lo que hay que
convertirlos a b0 y b1, utilizando 10𝑙𝑜𝑔 𝑏0 y 10𝑙𝑜𝑔 𝑏1 , respectivamente.
30
M.C. José Luis Rodríguez García
Tendencia No Lineal Exponencial con MINITAB:
1. Abrir un proyecto en Minitab.
2. Capturar los datos de ti y log yi, en columnas separadas.
31
M.C. José Luis Rodríguez García
Respuestas: Seleccionar la variable log yi.
- En el Menú gráficas:
Gráficos de residuos: Seleccionar cuatro en uno.
32
M.C. José Luis Rodríguez García
Presionar el botón Aceptar en la parte inferior.
33
M.C. José Luis Rodríguez García
NOTA: Recuerde que los coeficientes encontrados son log b0 y log b1k, por lo que hay que
convertirlos a b0 y b1, utilizando 10𝑙𝑜𝑔 𝑏0 y 10𝑙𝑜𝑔 𝑏1 , respectivamente.
34
M.C. José Luis Rodríguez García
Promedios Móviles con Análisis de Datos
1. Abrir una hoja de Excel.
2. Capturar los datos en una columna.
3. Seleccionar el Menú Datos – Análisis de datos – Media móvil.
35
M.C. José Luis Rodríguez García
- Intervalo: Escribir el valor de PM que corresponda (por ejemplo para PM(3), escribir
3).
- Rango de salida seleccionar un número de celdas vacías igual al número de datos.
- Seleccionar Crear gráfico, si se desea la gráfica de los datos originales y los datos
calculados de los promedios móviles.
36
M.C. José Luis Rodríguez García
NOTA: Como se puede observar en los resultados, al calcular los promedios
móviles PM(3), debería de faltar un dato al inicio y un dato al final, pero los
resultados no están así, por lo que es necesario hacer tres correcciones:
Seleccionar Aceptar.
37
M.C. José Luis Rodríguez García
b) Dar click derecho en el gráfico y dar click en seleccionar datos.
38
M.C. José Luis Rodríguez García
Seleccionar Aceptar.
Seleccionar Aceptar.
39
M.C. José Luis Rodríguez García
Promedios Móviles con Megastat
1. Abrir una hoja de Excel.
2. Capturar los datos en una columna.
3. Seleccionar el Menú Complementos – Megastat – Opción 8 (Time Series /
Forecasting) – Opción 3 (Moving Average).
40
M.C. José Luis Rodríguez García
Para un valor de PM(3), deberá quedar de esta forma:
41
M.C. José Luis Rodríguez García
42
M.C. José Luis Rodríguez García
Promedios Móviles con Minitab
1. Abrir un proyecto en Minitab.
2. Capturar los datos en una columna.
43
M.C. José Luis Rodríguez García
4. Aparecerá este Menú:
En tiempo, seleccionar Calendario, opción Año, en valor inicial escribir el año inicial (2013
en el ejemplo).
44
M.C. José Luis Rodríguez García
En opciones, no seleccionar nada.
45
M.C. José Luis Rodríguez García
En resultados, seleccionar tabla de resumen y tabla de resultados.
46
M.C. José Luis Rodríguez García
47
M.C. José Luis Rodríguez García
Suavización exponencial con Análisis de Datos
1. Abrir una hoja de Excel.
2. Capturar los datos en una columna.
3. Seleccionar el Menú Datos – Análisis de datos – Suavización exponencial.
48
M.C. José Luis Rodríguez García
- Seleccionar Rótulos en la primera fila, si selecciona desde el título, si no dejarlo en
blanco como está.
- Rango de salida seleccionar un número de celdas vacías igual al número de datos.
- Seleccionar Crear gráfico, si se desea la gráfica de los datos originales y los datos
calculados de la suavización exponencial.
49
M.C. José Luis Rodríguez García
NOTA: Como se puede observar en los resultados, al calcular la suavización
exponencial, no debería de faltar un dato al inicio y se empieza con el mismo
dato inicial de la serie, pero los resultados no están así, por lo que es necesario
hacer cinco correcciones:
Seleccionar Aceptar.
50
M.C. José Luis Rodríguez García
b) Copiar sólo la última celda calculada hacia abajo una celda.
51
M.C. José Luis Rodríguez García
d) En etiquetas del eje horizontal (categoría), seleccionar Editar.
53
M.C. José Luis Rodríguez García
Seleccionar Aceptar.
Seleccionar Aceptar.
54
M.C. José Luis Rodríguez García
Suavización exponencial con Megastat
1. Abrir una hoja de Excel.
2. Capturar los datos en una columna.
3. Seleccionar el Menú Complementos – Megastat – Opción 8 (Time Series /
Forecasting) – Opción 4 (Exponential Smoothing) – Opción 1 (Simple Exponential
Smoothing).
55
M.C. José Luis Rodríguez García
Para un valor de W = 0.25, deberá quedar de esta forma:
56
M.C. José Luis Rodríguez García
Suavización exponencial con Minitab
1. Abrir un proyecto en Minitab.
2. Capturar los datos en una columna.
57
M.C. José Luis Rodríguez García
4. Aparecerá este Menú:
En tiempo, seleccionar Calendario, opción Año, en valor inicial escribir el año inicial (2013
en el ejemplo).
58
M.C. José Luis Rodríguez García
En opciones:
59
M.C. José Luis Rodríguez García
En gráficas, seleccionar graficar suavizado vs. real.
60
M.C. José Luis Rodríguez García
61
M.C. José Luis Rodríguez García
Desestacionalización con Megastat
1. Abrir una hoja de Excel.
2. Capturar los datos ordenados en una columna.
3. Seleccionar el Menú Complementos – Megastat – Opción 8 (Time Series /
Forecasting) – Opción 2 (Deseasonalization).
62
M.C. José Luis Rodríguez García
- Seleccionar Quarterly.
- First data period: No seleccionar ni escribir nada
- Seleccionar Plot values.
63
M.C. José Luis Rodríguez García
Desestacionalización con Minitab
1. Abrir un proyecto en Minitab.
2. Capturar los datos en una columna.
64
M.C. José Luis Rodríguez García
4. Aparecerá este Menú:
Longitud estacional: Escribir 4 en caso de ser trimestral (12 en caso de ser mensual o 2 en
caso de ser semestral).
65
M.C. José Luis Rodríguez García
En opciones, no seleccionar nada.
66
M.C. José Luis Rodríguez García
En resultados, seleccionar tabla de resumen y tabla de resultados.
67
M.C. José Luis Rodríguez García
Análisis de componente para C1
Modelo multiplicativo
Datos originales Datos con tendencia invertida
15 1.5
10
1.0
5
0.5
Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1
Trimestre Trimestre
0.0
10
-0.5
5
-1.0
Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1
Trimestre Trimestre
1.0 1.0
0.5 0.5
1 2 3 4 1 2 3 4
0.0
30
-0.5
15
0 -1.0
1 2 3 4 1 2 3 4
68
M.C. José Luis Rodríguez García
NOTA: Los índices son diferentes a los calculados por Megastat, debido a que el programa Minitab
usa la mediana, en lugar de la media aritmética, también es válido, pero los resultados no
coincidirán, serán parecidos solamente.
69
M.C. José Luis Rodríguez García