SERIES DE TIEMPO PARA PATRONES CON

TENDENCIA, SERIES DE TIEMPO PARA

PATRONES ESTACIONALES Y REGRESIN

INTEGRANTES

CASTRO PUMA, Jose Antonio

VALENZUELA VERA, Kevin
YANQUI PARI, Giovanny
BARRIENTOS HUAMANI, Arturo
VILLANUEVA ESPIRITU, Paul

INTRODUCCION
Con frecuencia se realizan observaciones de
datos en un determinado tiempo. Cualquier
variable que conste de datos reunidos,
registrados u observados sobre incrementos
sucesivos de tiempo se denomina serie de
tiempos.

DEFINICIN
Una serie de tiempo es un conjunto de observaciones
producidas en determinados momentos durante un
periodo, semanal, mensual, trimestral o anual,
generalmente a intervalos iguales.
Los modelos de serie de tiempo, se utilizan cuando el
comportamiento que asuma el mercado a futuro
pueda determinarse en gran medida por lo sucedido
en el pasado, siempre que este disponible la
informacin histrica en forma confiable y completa.

Algunos ejemplos donde se puede utilizar series temporales:

Economa y Marketing
Proyecciones del empleo y desempleo.
Evolucin del ndice de precios de la leche.
Beneficios netos mensuales de cierta entidad bancaria.
ndices del precio del petrleo.
Medioambiente
- Medicin diaria del contenido en residuos txicos en un ro.
- Temperatura media mensual.
Demografa
- Nmero de habitantes por ao.
- Tasa de mortalidad infantil por ao.

SERIE DE TIEMPO PARA

PATRONES CON TENDENCIA

Es un comportamiento que se observa a largo plazo.

Se da por cambios en la productividad, por la
aceptacin de un producto, tendencias
demogrficas, tecnolgicas ,etc

 En las series de tiempo para patrones con

tendencia se observa un incremento o
decremento sistemtico de la media a
travs de la serie a travs del tiempo.

 Para predecir lo que ocurrir con una variable en el futuro apartar del
comportamiento de la variable en el pasado.
EJEMPLO: el mtodo de tendencia en una serie de tiempo
Con los siguientes datos acerca de los estudios de proyecto
en millones de dlares de la empresa IDOM consultora
de proyectos.
1)Hallar la ecuacin de tendencia por el mtodo de los
mnimos cuadrados.
2) Pronosticar la tendencia
de ventas para el 2011.

Mnimos cuadrados

Recta de tendencia se obtiene: Y=ao +a1X

Y = 3.22 + 0.07X
Pronostico de venta para el 2011
Y= 3.22+0.07(17) = 4.41

Grafica
de la
tendencia

RESUMEN: Existe una tendencia ascendente a un cambio

promedio de 0,07 millones de dlares por cada ao, por lo que
elGerentede ventas de la empresa debe seguir aplicando
laspolticas necesarias para mantener la tendencia ascendente y

 Los datos fluctan de acuerdo a algn dato estacional en

intervalos constantes de tiempo, por periodos de un ao,
no ms. Por ejemplo, tiles escolares, rboles de navidad.

SERIES DE TIEMPO PARA

PATRONES ESTACIONALES

Estacionalidad:
son fluctuaciones peridicas, por
ejemplo cuando hay picos de ventas en
la navidad y despus declinan. La serie
de tiempo de ventas mostrarn un
incremento durante setiembre a
diciembre y una declinacin durante

enero y febrero.

EN DICIEMBRE TODOS
VENDEN ADORNOS
NAVIDEOS

EN FEBRERO COMPRAS ENTRE

PELUCHES ADORNOS, CHOCOLATES,
FLORES Y OTRTOS REGALOS

SAN VALENTIN
12
10
8
6
4
2

NAVIDAD

0
12
10
8
6
4
2
0

REGRESION

REGRESION
Concepto:
El mtodo de mnimos cuadrados o regresin
lineal se utiliza tanto para pronsticos de
series de tiempo como para pronsticos de
relaciones causales. En particular cuando la
variable dependiente cambia como resultado
del tiempo se trata de un anlisis de serie
temporal.

REGRESION

Esto quiere decir que

todas las variables
analizadas se
comportan en forma
lineal o son
susceptibles de
linealizar.

REGRESION
Existen otros dos modelos en regresin que son :
El modelo de regresin simple o de dos variables,
indica que la variable dependiente se predicen
sobre la base de una variable independiente.
El modelo de regresin mltiple, indica que la
medicin se basa en dos o ms variables
independiente.

EJEMPLO
En el siguiente ejemplo
desarrollaremos un
pronstico de demanda
haciendo uso de la
informacin histrica de
venta de un producto
determinado durante los
ltimos 12 trimestres (3
aos).

La ecuacin de mnimos cuadrados para la

regresin lineal es la que se muestra a
continuacin donde 0 y 1 son los parmetros
de intercepto y pendiente, respectivamente:

 Estimar los valores de dichos parmetros haciendo

uso de una planilla Excel tal como muestra la tabla a
continuacin:

 Luego evaluamos en las ecuaciones

presentadas anteriormente para
obtener los valores de 0 y 1:

RESUMEN

Una vez obtenido los parmetros de la regresin

lineal se puede desarrollar un pronstico de demanda
(columna color naranja) evaluando en la ecuacin de
la regresin para los distintos valores de la variable
independiente (x). Por ejemplo para el primer trimestre
el pronstico es: Y(1)=441,71+359,61*1=801,3.
Observacin: los valores de los pronsticos han sido
redondeados arbitrariamente a un decimal.

TABLA

REGRESION
Siguiendo con nuestro anlisis a continuacin podemos
desarrollar un pronstico para los prximos 4 trimestres
(un ao) que corresponden a los trimestres 13, 14, 15 y
16:
Y(13)=441,71+359,61*13=5.116,64
Y(14)=441,71+359,61*14=5.476,25
Y(15)=441,71+359,61*15=5.835,86
Y(16)=441,71+359,61*16=6.195,47

REGRESION
Luego en la interfaz de
Excel activamos las
opciones Presentar
ecuacin en el grfico y
Presentar el valor R
cuadrado en el grfico .
Notar que los valores
obtenidos para los
parmetros de la
regresin son similares
salvo menores diferencias
por efecto de
aproximacin.