Tema 7 Serie Temporal

Programa XIX Profesionalizacin en Administrac
Investigacin de Operaciones
Sesin 5
MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Facultad de Ciencias Empresariales /Escuela de Administracin/XIX Programa de
Profesionalizacin
AGENDA
oEvaluacin virtual Asignacin.

oDefinicin de Serie Temporal.
oComponentes de Serie Temporal: T, CE, VC, VI.
oModelos de series de Tiempo: Aditivo,
Multiplicativo y Mixto.
oDescomposicin de una Serie Temporal.
oAnlisis de la Tendencia Lineal.
oMtodo de Mnimos Cuadrados (Poca Variacin

Estacional ).
oMtodo de Promedios Mviles. (Mucha Variacin
Estacional).
oSuavizamiento Exponencial (Mucha Variacin Estacional).
oSolucin en Software.
oPrctica en equipos.

Tema 7:
Series Temporales
MBA. Luis Zapatel Arriaga.
lzapatel@usat.edu.pe
Definicin
Anlisis del comportamiento de una caracterstica a
travs de un espacio de tiempo para determinar
patrones de comportamiento (no aleatorio), y sus
componentes bsicas; de modo tal que pueda ser
descritos por funciones matemticas (tendencias a
largo plazo) que permitan revisar el pasado para
hacer proyecciones, Planificar y Tomar decisiones.

1.Pronsticos a Largo Plazo: (1, 5, 10, 15, 20).

Permiten disponer de ms tiempo para ejecutar
acciones.
Planes de Plantas Nuevas.
Elaboracin de otros Productos.
2.Pronsticos a corto plazo: (nivel de ventas)
Determinar participacin en el mercado,
demanda de un cierto producto, las ventas a
futuro, decisiones sobre inventario, insumos, etc.
Consideraciones para el
pronstico
1. El horizonte de tiempo para realizar la
proyeccin.
2. La disponibilidad de los datos.
3. La exactitud requerida.
4. El tamao del presupuesto de proyeccin.
5. La disponibilidad de personal calificado.
Componentes de una
Serie Temporal
Tendencia
Variacin Cclica
Variacin estacional
Variacin Irregular o errtica

TENDENCIA SECULAR
Es la tendencia a largo plazo sin alteraciones de una

serie de tiempo.
Pueden
ser
ascendentes,
descendentes
o
inamovibles en un periodo dado.
Tendencia a largo plazo

descendente
Tendencia a largo
plazo ascendente
VARIACIN CCLICA
Ascenso /descenso de una serie de tiempo en periodos

mayores de un ao (3 aos a ms).
Ciclo normal en un negocio, consta de perodos de:
Prosperidad, Recesin, Depresin, Recuperacin.

VARIACIN
ESTACIONAL
Son patrones de cambio repetitivos en una serie de

tiempo en 1 ao, que fluctan segn las estaciones del
mismo (ventas, produccin, etc.).
En Navidad las ventas de establecimientos se suelen
incrementar.
El consumo de gasolina crece 1-10 de cada mes y
disminuye en la ltima.
En verano los helados se venden ms y en invierno la
ropa de abrigo

VARIACIN
IRREGULAR
EPISDICAS:
Son
impredecibles, pero se
pueden
identificar.(una
huelga, una ola de calor,
etc)
RESIDUALES: Conocidas como

fluctuaciones
aleatorias.
Son
impredecibles y no se pueden
identificar.
ES EL VALOR DE UNA VARIABLE QUE PUEDE SER TOTALMENTE

IMPREDECIBLE, PUES CAMBIA DE MODO ALEATORIO
Ninguna de las dos
variaciones anteriores se
pueden proyectar al futuro

Modelos de Serie de
tiempo
Una forma de estudiar las series temporales

consiste en descomponerlas en cada uno de
sus componentes bsicos, analizar tales
elementos
separadamente
y
despus
recomponerlos, con el fin de describir las
variaciones observadas en el fenmeno.
Considerando las componente de las series
temporales, hay tres modelos bsicos de
estudio posible:

Y=T+C+E+A
Modelo
Admitiendo Aditivo
que las componentes de las series temporales
actan de modo absoluto e independiente entre si, el

modelo aditivo consiste endonde,
simplemente sumarlas.
Si se desarrolla un Y es la variable observada;
modelo de series de T es la componente de tendencia;
tiempo para las ventas C es la componente cclica;
en dlares de una E es la componente estacional;
A es la componente aleatoria de la
tienda minorista local,
variable.
Y = $500 + $100
se puede encontrar
$25 $10
que T=$500; E=$100;
-$ 25;
A= -$10.
ElC=
valor
positivo
para E indica Y
que
influencias estacinales
= las
$565
existentes han tenido un impacto positivo en las ventas.
El valor cclico negativo indica que el ciclo comercial est
actualmente descendiendo.
Aparentemente, sucedi algn evento aleatorio que tuvo un
impacto negativo en las ventas.
Modelo
Alternativamente,
podemos admitir
Multiplicativo
Y=TCEA
que las componentes

de las series temporales acten de modo proporcional a
las respectivas fuerzas.
Los valores para las deudas morosas en un

banco comercial pueden registrarse como:
T = $10.000.000; E= $1.7; C =0.91; A = 0.87
Las
deudas
morosas
podran
entonces
calcularse como:
Y= (10.000.000)(1.7)(0.91)
(0.87)
Y = $13.46 millones.

Modelo Mixto
Tambin hay la posibilidad de admitir que las
componentes de las series temporales acten de modo
mixto, algunas sumando y otras multiplicando. En el
caso del modelo mixto, hay varias posibilidades de
combinacin de las componentes Yde
= T + la
C Evariable
A,
estudiada.
Y = T C + E A,
Algunas de ellas son las siguientes:
Y = T C E + A.
La seleccin entre los modelos aditivo y multiplicativo

es hecha con base en la sensibilidad de las
variaciones estacionales con relacin al nivel del
propio fenmeno. Si es detectada una regularidad
aritmtica, debemos adoptar el modelo aditivo; si no,
debemos escoger el modelo multiplicativo (en
trminos prcticos, el modelo multiplicativo es lo mas
adecuado en cerca del 75% de los casos).
El modelo aditivo supone que los cuatro

componentes son independientes entre s. Esto
supone que, por ejemplo, cuando la tendencia
tenga un valor alto, esto no afecte al
comportamiento cclico o estacional.
El
modelo
multiplicativo
asume
que
los
componentes s tienen relacin entre s. El modelo
multiplicativo es que ha sido considerado como
modelo clsico.
Es claro que el modelo multiplicativo puede ser
transformado en aditivo, tomando logaritmos.
Componentes de una
Serie Temporal
Descomposicin de una
Serie Temporal
Con frecuencia es til

descomponer una serie
de
tiempo
desglosando
cada
Variacin Cclica
uno de sus cuatro
componentes.
Variacin estacional
As, cada componente
se puede examinar
individualmente.
Variacin Irregular o errtica
Tendencia

Anlisis de la Tendencia
La tendencia histrica puede reflejar patrones
anteriores de comportamiento, permitiendo ganar
discerniendo en cuanto a los movimientos a largo
plazo de las variables que se desea examinar. Su
aislamiento tiene dos objetivos bsicos.
1. Permite el desarrollo de modelos de tendencia
tiles para desarrollar pronsticos y toma de
decisiones (Ejm: demanda futura de un producto
y adecuar a ella la produccin ).
2. Permite analizar mas fcilmente los dems
elementosPuede
de la serie.
ser: Lineal
NO Lineal
Tendencia lineal de
una S.T.
Y ' a bt
El comportamiento general de una variable, con

frecuencia puede analizarse mejor observando su
tendencia a largo plazo. Muchas veces la grfica de
la tendencia a largo plazo de una serie de negocios
(industriales
y
comerciales)
como
ventas,
exportaciones y produccin se aproxima a una lnea
La variable dependiente es la serie de tiempo que
recta.
se desea pronosticar y el tiempo se utiliza como la
variable independiente.

Programa XIX Profesionalizacin

en Administrac
A. Mtodo de Mnimos
Cuadrados
(MMC)
til en Series Temporales con pocas variaciones

estacionales a corto plazo
1.- Ecuacin de la tendencia lineal:
2.- Ecuaciones para la lnea de

tendencia:
3.- Pendiente:
ty
y t
2
t

Y = a + b.t
Y n.a b t
tY a t b t
4.- Intercepcin:
n
2
t
n
Ejemplo 1:
Las ventas en
millones de $ de
PLAZA VEA en
comestibles son:
t
y
a
b
n
AO
Ventas (mdd*)
2010
2011
10
2012
2013
11
2014
13
a) Determinacin de la ecuacin de
tendencia:
Ventas (mdd)
AO
2010
2011
2012
2013
2014
Y
7
10
9
11
13
50
t
1
2
3
4
5
15
ty
7
20
27
44
65
163
t ty
La ecuacin de la tendencia es Y = 6.1 + 1.30t,

donde:
El valor de 1.30, indica que las ventas aumentadas
MBA-Mg.
Lic. Estadstica
Zapatel
Arriaga
a
razn
de Luis
1.3
millones
(dlares) y el valor 6.1, es el
t2
1
4
9
16
25
55
2
t
b) Determinacin de los puntos, usando el

mtodo codificado:
Ventas (mdd)
AO
2010
2011
2012
2013
2014
Y
$7
10
9
11
13
t
1
2
3
4
5
Y
----7.4 ----8.7 ----10.0 -----11.3 ----12.6 -----
Obtenido de
6.10 + 1.30(1)
6.10 + 1.30(2)
6.10 + 1.30(3)
6.10 + 1.30(4)
6.10 + 1.30(5)
c) Estimacin de ventas en perodo futuro:..

Cul sera el pronstico estimado de ventas
el ao de
2016?
Respuesta : Lapara
estimacin
ventas para el
2016 es de
15.2 millones de dlares.
A veces, la serie de tiempo contiene demasiadas

variaciones estacinales a corto plazo, la tendencia
puede ser algo confusa y difcil de observar. Para
eliminar algunos de estos factores q se confunden
al promediar los datos de varios periodos se utiliza
ciertas tcnicas de alisamiento, suavizacin o
suavizamiento.
Este proceso, cuyo objetivo es suavizar las
variaciones en la variable estudiada, tiene
la gran ventaja de no exigir la
determinacin.
Permite eliminar muchos factores que
pueden confundir.
Para el caso de la Tendencia lineal,
analizaremos dos mtodos comunes de
MBA-Mg. suavizamiento
Lic. Estadstica Luis Zapatel Arriaga
de los datos de series de
XIX Profesionalizacin en Administrac

B. Mtodo de losPrograma
Promedios
Mviles (MPM)
Suavizar las variaciones en la variable estudiada, tiene la
gran ventaja de no exigir la determinacin de ninguna

curva a que la tendencia deba adaptarse.
Es una serie de promedios aritmticos sobre un nmero
dado de periodos; el mismo nmero de periodos se
mantiene, eliminando la observacin ms antigua y
recogiendo la ms reciente.
El ajuste es hecho con base en las llamadas medias
mviles de orden k, que consiste en el conjunto de las
medias de los ltimos k valores de una serie de datos
(cuanto mayor sea el orden de las medias, mayor es la
suavizacin lograda).
La seleccin del orden de las medias mviles depende del
periodo del ciclo. Los efectos cclicos (mas los estacinales
y los aleatorios) de una serie temporal sern eliminados
tomndose medias mviles de orden igual al periodo del
ciclo.
Ejemplo 2:
Clculo
promedio mvil
de siete aos de
las ventas.
En este ejemplo
existe T, C, e I.
NO variacin por
ser datos anuales.
Consiste en
promediar C e I.
El residuo es la
tendencia.
Ao
Ventas ( mdd)
Promedio mvil de 7 aos
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
1
2
3
4
5
4
3
2
3
4
5
6
5
4
3
4
5
6
7
6
5
4
5
6
7
8
3.143
3.286
3.429
3.571
3.714
3.857
4.000
4.143
4.286
4.429
4.571
4.714
4.857
5.000
5.143
5.286
5.429
5.571
5.714
5.857
Si la duracin de
los ciclos es
constante y sus
amplitudes
iguales, la C e I
pueden
MBA-Mg.
Lic. Estadstica
Luis Zapatel Arriaga
eliminarse
por
Gra1
Facultad de Ciencias Empresariales /Escuela de Administracin/XIX
Programa de Gra2
Ciclo de 7 aos
Amplitud 4 aos
Pico
Depresi
n
Regresando
Nota: Las series de ventas de produccin, de negocios y

econmicas generalmente carecen de : periodos de oscilacin
de igual extensin u oscilaciones que tengan amplitudes
idnticas. Por lo que el MPM no resulta precisamente en una
lnea recta, su propsito es auxiliar en la identificacin de la
Ejemplo 3: Clculo promedio mvil de tres y cinco aos

de la produccin.
Ao
Produccin Y
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
8
10
5
3
7
10
12
11
9
13
15
18
15
11
14
17
Promedio mvil
De tres aos
Promedio mvil
De cinco aos
6.3
8.0
7.7
6.0
5.0
6.7
9.7
11.0
10.7
11.0
12.3
15.3
16.0
14.7
13.3
14.0
6.8
6.4
6.6
7
7.4
8.6
9.8
11
12
13.2
14
14.4
14.6
15
15.8
17.7

2013
22
C. Suavizamiento
Exponencial
Es una herramienta de proyeccin en la cual

el pronstico se basa en un promedio
ponderado de los valores actuales y
anteriores.
Tiene el efecto de suavizar una serie,
proporcionando un medio efectivo de
prediccin.
El
modelo
contiene
un
mecanismo de autocorreccin que ajusta a
los pronsticos en direccin opuesta a los
errores pasados.
Cuando los datos no presentan tendencia se

utiliza la suavizacin exponencial de primer
orden:
Ft+1 = At + (1-)Ft
En donde:
Ft+1 es el pronstico para el siguiente periodo
At es el valor real observado para el periodo
corriente
Ft es la proyeccin hecha previamente para el
periodo corriente
es una constante de suavizamiento a la

cual se le da un valor entre 0 y 1. Es mejor el
que hace mnimo al Error Cuadrado
Medio
CASOS EXCEL
dado por:
Prctica en equipos 6
Solucin Software


Tema 7 Serie Temporal

Cargado por

Información del documento

Título original

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

Tema 7 Serie Temporal

Cargado por

Copyright:

Formatos disponibles

Programa XIX Profesionalizacin en Administrac

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

oEvaluacin virtual Asignacin.

oMtodo de Mnimos Cuadrados (Poca Variacin

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

MBA. Luis Zapatel Arriaga.

Programa XIX Profesionalizacin en Administrac

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

1.Pronsticos a Largo Plazo: (1, 5, 10, 15, 20).

Programa XIX Profesionalizacin en Administrac

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

Es la tendencia a largo plazo sin alteraciones de una

Tendencia a largo plazo

Programa XIX Profesionalizacin en Administrac

Ascenso /descenso de una serie de tiempo en periodos

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

Son patrones de cambio repetitivos en una serie de

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

RESIDUALES: Conocidas como

ES EL VALOR DE UNA VARIABLE QUE PUEDE SER TOTALMENTE

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

Una forma de estudiar las series temporales

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

actan de modo absoluto e independiente entre si, el

Programa XIX Profesionalizacin en Administrac

que las componentes

Los valores para las deudas morosas en un

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

La seleccin entre los modelos aditivo y multiplicativo

Programa XIX Profesionalizacin en Administrac

El modelo aditivo supone que los cuatro

Programa XIX Profesionalizacin en Administrac

Con frecuencia es til

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin en Administrac

Programa XIX Profesionalizacin en Administrac

El comportamiento general de una variable, con

MBA-Mg. Lic. Estadstica Luis Zapatel Arriaga

Programa XIX Profesionalizacin

til en Series Temporales con pocas variaciones

2.- Ecuaciones para la lnea de

Facultad de Ciencias Empresariales /Escuela de Administracin/XIX Programa de

Programa XIX Profesionalizacin en Administrac

La ecuacin de la tendencia es Y = 6.1 + 1.30t,

Programa XIX Profesionalizacin en Administrac

b) Determinacin de los puntos, usando el

c) Estimacin de ventas en perodo futuro:..

Programa XIX Profesionalizacin en Administrac

A veces, la serie de tiempo contiene demasiadas

XIX Profesionalizacin en Administrac

Suavizar las variaciones en la variable estudiada, tiene la

gran ventaja de no exigir la determinacin de ninguna

Programa XIX Profesionalizacin en Administrac

Promedio mvil de 7 aos