Tema

20 ANÁLISIS DE
SERIES DE TIEMPO
 OBJETIVOS
Al finalizar el Tema 20, el participante será capaz de:
1. Elaborar un modelo, que permita proyectar una serie
de datos, en un horizonte temporal
2. Desestacionalizar una serie histórica.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

 CONTENIDO

1. Introducción
2. Representación gráfica
3. Variación de series temporales
4. Análisis de la tendencia
5. Desestacionalización

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

20.1 INTRODUCCION

 Los pronósticos o predicciones, son una

herramienta esencial en cualquier proceso de
toma de decisiones.
 La precisión de las predicciones depende de la
calidad de la información que se disponga
 El análisis de las series de tiempo permite
determinar patrones en los datos recolectados a
través del tiempo
 Al proyectar estos patrones, se obtiene una
estimación para el futuro.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

20.2 REPRESENTACION GRAFICA
Existen dos formas de graficar series temporales:
diagrama aritmético y diagrama logarítmico.
(A) Diagrama Aritmético: La escala vertical es una
escala ordinaria, cuyos intervalos son de igual
longitud. Cada intervalo representa, la misma
cantidad.
Ventas
Año Millones de soles
Un diagrama de este tipo 1967 2,4
representa la variación 68 3,3
69
anual absoluta. 70
4,2
Ejemplo: Ventas de la 71
5,2
8,3
Compañía ABC 72
73 15,6
(1967-73) 17,1
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
 Escala
Aritmética

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

(B) Diagrama Logarítmico: Los intervalos en esta
escala no solo son diferentes en longitud, sino que
esta disminuye a medida que se aleja del origen. El
diagrama muestra la tasa porcentual de cambio anual
de la serie.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

20.3 VARIACIONES EN SERIES TEMPORALES.

Las variaciones de una serie cronológica se clasifican

en:

(A) Sistemática: Ocurren en regularidad, pudiendo

por lo tanto se medidas estadísticamente y predecir su
recurrencia futura. Pueden ser: tendencia secular,
fluctuación cíclica y variación temporal.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

a) tendencia Secular:
El valor de la variable tiende a disminuir o aumentar
en un periodo muy largo ( largo plazo).
Se refiere a un aumento o disminución ¨estable¨ en el
tiempo. En el siguiente gráfico se muestra una
tendencia secular en una serie temporal creciente que
fluctúa.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

(b) Fluctuación Cíclica:
Se caracteriza porque a través del tiempo hay años en
que el ciclo toma valores mayores que la tendencia y
otros años en que toma valores menores que la
tendencia.
El tiempo entre el pico y el punto más bajo, es por lo
menos 1 año, suele durar entre 15 - 20 años. Los
ciclos no siguen un patrón regular.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

(c) Variación Temporales o Estacional:
Son variaciones regulares o predecibles dentro de un
año.
Ejemplo: la venta de ropa abrigo en invierno y de
bebidas en verano.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

(B) Variaciones Aleatorias: Son causadas por
sucesos aislados, como guerras, huelgas, terremotos,
etc, en consecuencia, no pueden se predecibles. En
este caso el comportamiento de la variable cambia en
forma impredecible, es decir, en forma aleatoria.
Ejemplo: La variación de los precios del pescado
debido a cambios en la Corriente del Niño.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

20.4 ANALISIS DE LA TENDENCIA

(A) Razones para estudiar tendencias

a) El estudio de tendencias seculares nos
permite describir un patrón histórico.
b) El estudio de tendencias seculares nos
permite proyectar patrones parados (o
tendencias), hacia el futuro.
c) En muchas situaciones, el estudio de la
tendencia secular de una serie temporal nos
permite eliminar la componente de tendencia
de una serie.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

(B) Ajuste de la tendencia lineal:
(Método de mínimos cuadrados)
Ecuación

ŷ = b0 + b1x
A partir de las ecuaciones normales ya estudiadas
se puede deducir:

b1 =  xy  nx y
 x - nx
2 2

a = y - bx

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

C) Codificación de la variable temporal:
Se codifica la variable temporal para simplificar los
cálculos, si la serie es impar el año medio es cero,
y hacia atrás van los valores negativos y hacia
adelante valores positivos consecutivos.
Ejemplo:
X
Año Año Codificado
1990 -3
91 -2
92 -1
93 0 Año Medio
94 1
95 2
96 3
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Si la serie es par el año medio es cero, pero no
aparece en la serie, pues se consideran
semestres.

Ejemplo:
X X
Año Año Codificado
1991 -5
92 -3
93 -1 Año Medio = 0
94 1
95 3
1996 5

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

 Ejemplo:
Número de intervenciones quirúrgicas en el Hospital
María Auxiliadora entre 1995 y 2002. Encontrar la
ecuación que describa la tendencia secular de las
intervenciones.

AÑO (X) 1995 1996 1997 1998 1999 2000 2001 2002
Número de
98 105 116 119 135 156 177 208
intervenciones (Y)

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Primero se elabora una tabla para los cálculos previos.
Año X Y XY X2
1995 -7 98 -686 49
1996 -5 105 -525 25
1997 -3 116 -348 9
1998 -1 119 -119 1
1999 1 135 135 1
2000 3 156 468 9
2001 5 177 885 25
2002 7 208 1456 49
TOTAL 0 1114 1266 168

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

 Se calcula la pendiente (b)

 xy 1266
b= 2
  7.536
x 168
b = 7.536
y la intersección
a=y
y 1114
a=   139.25
n 8
Así, la secuencia lineal general, que describe la
tendencia secular de las intervenciones quirúrgicas
es:
y = a + bx

y = 139.25 + 7.536x
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
(D) Proyección de la ecuación de la tendencia
Si se tiene la ecuación de la tendencia, se puede
proyectarla para predecir la variable de interés.

Ejemplo:
Si y se desea estimar los
cargamentos para 1997.
y = 139.25 + 7.536x

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Primero se desea convertir 1997 al valor de
tiempo codificado: como es una serie par, el
intervalo es en medio año.
x = 9 semestres
es decir, hay 9 semestres entre el “año medio” y
1997.
Sustituir este valor en la ecuación

y = 139.25 + 7.536(9)
y = 139.25 + 67.82
ŷ = 207 intervenci ones quirurgica s

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

(E) Ajuste de la tendencia parabólica
Muchas veces el modelo lineal de ajuste no describe
adecuadamente el comportamiento histórico de los
datos. Para salvar este inconveniente se suele utilizar
una curva parabólica, cuya forma general es:
2
y = a + bx + cx

Donde:

y = estimación de la
variable dependiente
a, b, c = coeficientes de
regresión

x = valor codificado de la
variable temporal

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Búsqueda de los valores a, b, c
Utilizamos el método de mínimos cuadrados, de las
cuales se deducen las siguientes relaciones:

 y  an + c  x2

 x 2y  a  x 2 c x4

 xy
b=
 x2

Una vez hallados los valores a, b, c, los

sustituimos en la ecuación de segundo grado.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Ejemplo: En los últimos años, las infecciones
postoperatorias en cirugías de no programadas. La
tabla siguiente muestra información acerca de las
infecciones de este tipo que nos será de ayuda para
determinar la tendencia parabólica que describe
estas infecciones.

Año 1997 1998 1999 2000 2001

Infecciones 13 24 39 65 106

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Elaboramos una tabla para los datos previos

Año X Y X2 X4 XY X2Y
1997 -2 13 4 16 -26 52
1998 -1 24 1 1 -24 24
1999 0 39 0 0 0 0
2000 1 65 1 1 65 65
2001 2 106 4 16 212 424
TOTAL 0 247 10 34 227 565

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Sustituyendo los valores de la tabla en las
ecuaciones anteriores, obtenemos.
247 = 5a + 10c 1
565 = 10a + 34 c 2
227 3
b=
10

De 3 , nos damos cuenta que:

b = 22.7

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Ahora debemos encontrar a y c resolviendo las
ecuaciones 1 y 2

1.- Multiplique la ecuación 1 por dos, y resta la

ecuación 2 de la ecuación .
1

1
x2494 = 10a + 20c
- -565 = -10a - 34c
2
-71 = -14c
4
De la ecuación , rápidamente encontramos el
4
valor de c
-14c = -71
c = -71/-14 c = 5.07

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

2 Sustituya el valor c en la ecuación 1
247 = 5a + 10c
247 = 5a + 10 (5.07)
247 = 5a + 50.7
196.3 = 5a
a = 39.3
Con los valores a, b, c se construye la ecuación de la
manera siguiente
2
y = a + bx + cx
y = 39.3 + 22.7x + 5.07x2
¿Se ajusta la parábola a la serie temporal? Para esto
se debe graficar los datos y la curva.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Predicción
Suponga que deseamos predecir las ventas de relojes
para 2002. El valor codificado de X es 3.

 = 39.3 + 22.7x + 5.07x 2

y
2
 = 39.3 + 22.7(3) + 5.07(3)
y

 = 39.3 + 68.1+ 45.63

y

 = 153.03
y
Para el año 2002 se estima 153 infecciones post
operatorias en cirugías no programadas.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Caso: Proyección de ventas

En una Clínica de Lima, se cuenta con un histórico de

facturación mensual (en miles de US $), desde enero
de 1998 hasta junio del 2002.
Primero, se hace una evaluación de los pronósticos
empleando varios modelos, entre ellos:
 medias móviles
 medias ponderadas
 pronóstico con suavizamiento exponencial
 tendencia de pronóstico lineal
 tendencia de pronóstico cuadrático
 tendencia de pronóstico exponencial.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Para poder seleccionar el pronóstico más apropiado, se
puede considerar dos criterios:
MSE : Media de la Suma de los Errores (o
desviaciones) del pronóstico al cuadrado.
MAD : Desviación Absoluta Media, es el
promedio de los valores absolutos de
todos los errores del pronósticos.
El modelo de pronóstico puede ser evaluado por
cualquiera de los dos criterios, pero el MSE es
influenciada por los errores grandes (ya que está al
cuadrado).
Se puede experimentar con varios modelos y elegir el que
genere el menor MSE o MAD.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

 VENTAS (en miles US $)
MES 1998 1999 2000 2001 2002
Enero 441.00 451.00 352.50 309.50 542.00
Febrero 434.50 543.50 314.50 250.50 382.00
Marzo 502.00 403.50 410.50 605.00 535.00
Abril 657.50 492.00 276.50 434.00 494.50
Mayo 606.50 299.50 357.50 456.00 468.00
Junio 364.00 797.00 323.00 382.00 560.50
Julio 417.50 263.00 274.50 543.50
Agosto 582.00 838.00 248.50 441.00
Septiembre 469.50 398.00 307.50 466.00
Octubre 406.50 462.50 361.00 583.00
Noviembre 506.50 396.50 333.50 620.00
Diciembre 832.00 380.50 302.00 360.00

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

 Comparación entre el pronóstico con Medias Móviles y Medias
Ponderadas
Se elige el modelo que MES Ventas PMM EP EPC
presente el menor Error 1 441.00
Cuadrático Medio: MSE
2 434.50 459.17 42.83 1834.69
3 502.00 531.33 126.17 15918.03
Pronóstico con 4 657.50 588.67 17.83 318.03
Medias Móviles para 5 606.50 542.67 -178.67 31921.78
tres meses 6 364.00 462.67 -45.17 2040.03
50 382.00 486.33 48.67 2368.44
51 535.00 470.50 24.00 576.00
52 494.50 499.17 -31.17 971.36
53 468.00 507.67 52.83 2791.36
54 560.50
Suma de errores al cuadrado 474093
Error Cuadrático Medio 9117.18

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Pronóstico con Media Ponderada para tres meses
MES Ventas PMP EP EPC Ponderaciones
1 441.00 Mes 1 0.2
2 434.50 469.55 32.45 1053.00 Mes 2 0.3
3 502.00 566.25 91.25 8326.56 Mes 3 0.5

4 657.50 600.9 5.60 31.36

51 535.00 484.15 10.35 107.12

52 494.50 489.35 -21.35 455.82

53 468.00 519.55 40.95 1676.90

54 560.50

Suma de Errores al Cuadrado 291910.64

Error Cuadrático Medio 5613.67

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Promedios móviles para tres meses
Row Period Forecast Lower Upper
1 55 507.667 220.064 795.269
Promedios móviles para tres meses

Actual
800 Predicted
Forecast
700 Actual
Predicted
600 Forecast
Ventas

500
Moving Average
400 Length: 3

300 MAPE: 23.8

MAD: 106.7
200 MSD: 21531.4

0 10 20 30 40 50
Time

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Suavizamiento Exponencial para un  = 0.2
Row Period Forecast Lower Upper
1 55 494.661 248.938 740.384
Single Exponential Smoothing

850 Actual
Predicted
750 Forecast
Actual
650 Predicted
Forecast
Ventas

550

Smoothing Constant
450
Alpha: 0.200

350
MAPE: 22.8
MAD: 100.3
250
MSD: 17605.2

0 10 20 30 40 50
Time

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Tendencia Lineal
Row Period Forecast
1 55 418.630
Análisis de la Tendencia Lineal
Linear Trend Model
Yt = 479.092 - 1.09931*t

850 Actual
Fits
750 Forecasts
Actual
650 Fits
Forecasts
Ventas

550

450

350
MAPE: 25.4
MAD: 106.7
250 MSD: 18335.3

0 10 20 30 40 50 60
Time

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Tendencia Cuadrática
Row Period Forecast
1 55 418.630
Análisis de la Tendencia Cuadrática
Quadratic Trend Model
Yt = 592.099 - 13.2071*t + 0.220142*t**2

850 Actual
Fits
750 Forecasts
Actual
650 Fits
Forecasts
Ventas

550

450

350
MAPE: 21.3
MAD: 93.1
250 MSD: 16049.9

0 10 20 30 40 50 60
Time

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

Tendencia Exponencial
Row Period Forecast
1 55 405.787
Análisis de la Tendencia Exponencial
Growth Curve Model
Yt = 455.447*(0.997903**t)

850 Actual
Fits
750 Forecasts
Actual
650 Fits
Forecasts
Ventas

550

450

350
MAPE: 24.0
MAD: 105.1
250 MSD: 18676.0

0 10 20 30 40 50 60
Time

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

¿Qué modelo se elige?
De acuerdo a lo expuesto, se puede tomar el MSE o el
MAD. Trabajaremos con el MAD. Veamos un resumen.

Modelo Forecast MAD

Promedio móviles 507.67 106.70
Suavizamiento exponencial 494.66 100.30
Tendencia lineal 418.63 106.70
Tendencia cuadrática 531.64 93.10
El Tendencia
modelo más apropiado es la Tendencia
exponencial 405.79 Cuadrática
105.10

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

De acuerdo a nuestro análisis, aún no se puede inferir
que para el periodo 55 (es decir julio del 2002), se
proyecte una ventas de 531,636.

Como se dispone de suficiente información, podemos

evaluar la estacionalidad mensual y hacer una
proyección de ventas más adecuada.

Procederemos a calcular el Índice de Estacionalidad

Mensual, para lo cual se ha tomado un intervalo de 3
meses como intervalo.

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003

 Promedio Indice estacional Promedio Indice estacional
MES Ventas MES Ventas
Móvil 3 meses mensual Móvil 3 meses mensual
Ene-1998 441.00 Abr-2000 276.50 348.17 0.79415988511
Feb-1998 434.50 459.17 0.94627949183 May-2000 357.50 319.00 1.12068965517
Mar-1998 502.00 531.33 0.94479297365 Jun-2000 323.00 318.33 1.01465968586
Abr-1998 657.50 588.67 1.11693091733 Jul-2000 274.50 282.00 0.97340425532
May-1998 606.50 542.67 1.11762899263 Ago-2000 248.50 276.83 0.89765201686
Jun-1998 364.00 462.67 0.78674351585 Sep-2000 307.50 305.67 1.00599781897
Jul-1998 417.50 454.50 0.91859185919 Oct-2000 361.00 334.00 1.08083832335
Ago-1998 582.00 489.67 1.18856364874 Nov-2000 333.50 332.17 1.00401404917
Sep-1998 469.50 486.00 0.96604938272 Dic-2000 302.00 315.00 0.95873015873
Oct-1998 406.50 460.83 0.88209764919 Ene-2001 309.50 287.33 1.07714617169
Nov-1998 506.50 581.67 0.87077363897 Feb-2001 250.50 388.33 0.64506437768
Dic-1998 832.00 596.50 1.39480301760 Mar-2001 605.00 429.83 1.40752229546
Ene-1999 451.00 608.83 0.74076101834 Abr-2001 434.00 498.33 0.87090301003
Feb-1999 543.50 466.00 1.16630901288 May-2001 456.00 424.00 1.07547169811
Mar-1999 403.50 479.67 0.84120917304 Jun-2001 382.00 460.50 0.82953311618
Abr-1999 492.00 398.33 1.23514644351 Jul-2001 543.50 455.50 1.19319429199
May-1999 299.50 529.50 0.56562795090 Ago-2001 441.00 483.50 0.91209927611
Jun-1999 797.00 453.17 1.75873482898 Sep-2001 466.00 496.67 0.93825503356
Jul-1999 263.00 632.67 0.41570073762 Oct-2001 583.00 556.33 1.04793289395
Ago-1999 838.00 499.67 1.67711807872 Nov-2001 620.00 521.00 1.19001919386
Sep-1999 398.00 566.17 0.70297321166 Dic-2001 360.00 507.33 0.70959264126
Oct-1999 462.50 419.00 1.10381861575 Ene-2002 542.00 428.00 1.26635514019
Nov-1999 396.50 413.17 0.95966115369 Feb-2002 382.00 486.33 0.78546949966
Dic-1999 380.50 376.50 1.01062416999 Mar-2002 535.00 470.50 1.13708820404
Ene-2000 352.50 349.17 1.00954653938 Abr-2002 494.50 499.17 0.99065108514
Feb-2000 314.50 359.17 0.87563805104 May-2002 468.00 457.10 1.02384701502
Mar-2000 410.50 333.83 1.22965551672 Jun-2002 408.80
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Luego se calcula el Índice de Estacionalidad Mensual
promediando los índices mensuales de todos los años
Año Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
1998 0.9463 0.9448 1.1169 1.1176 0.7867 0.9186 1.1886 0.9660 0.8821 0.8708 1.3948
1999 0.7408 1.1663 0.8412 1.2351 0.5656 1.7587 0.4157 1.6771 0.7030 1.1038 0.9597 1.0106
2000 1.0095 0.8756 1.2297 0.7942 1.1207 1.0147 0.9734 0.8977 1.0060 1.0808 1.0040 0.9587
2001 1.0771 0.6451 1.4075 0.8709 1.0755 0.8295 1.1932 0.9121 0.9383 1.0479 1.1900 0.7096
2002 1.2664 0.7855 1.1371 0.9907 1.0238
Total 4.0938 3.4725 4.6155 3.8909 3.7856 3.6029 2.5823 3.4869 2.6472 3.2326 3.1537 2.6789
Media 1.0235 0.8838 1.1121 1.0016 0.9807 1.0974 0.8752 1.1689 0.9033 1.0287 1.0061 1.0184
I Típico 1.0150 0.8765 1.1029 0.9933 0.9726 1.0884 0.8680 1.1592 0.8959 1.0202 0.9978 1.0101

La suma de las medias debería dar 12.000000 pero

por errores de redondeo da 12.099513 por que hay
aplicar un factor de corrección igual a 0.991775427
(obtenido de dividir 12/12.099513) con el que se
obtiene el INDICE TÏPICO.
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
 Eliminación de la Estacionalidad
Indice Típico Ventas Indice Típico Ventas
MES Ventas MES Ventas
de Estacionalidad Desestacionalizadas de Estacionalidad Desestacionalizadas
Ene-1998 441.00 1.0150347597 434.47 Abr-2000 276.50 0.99332087893 278.36
Feb-1998 434.50 0.87648360289 495.73 May-2000 357.50 0.97258760947 367.58
Mar-1998 502.00 1.10290746607 455.16 Jun-2000 323.00 1.08839199380 296.77
Abr-1998 657.50 0.99332087893 661.92 Jul-2000 274.50 0.86802445215 316.24
May-1998 606.50 0.97258760947 623.59 Ago-2000 248.50 1.15924489482 214.36
Jun-1998 364.00 1.08839199380 334.44 Sep-2000 307.50 0.89588944962 343.23
Jul-1998 417.50 0.86802445215 480.98 Oct-2000 361.00 1.02021148346 353.85
Ago-1998 582.00 1.15924489482 502.05 Nov-2000 333.50 0.99784212593 334.22
Sep-1998 469.50 0.89588944962 524.06 Dic-2000 302.00 1.01006128315 298.99
Oct-1998 406.50 1.02021148346 398.45 Ene-2001 309.50 1.01503475972 304.92
Nov-1998 506.50 0.99784212593 507.60 Feb-2001 250.50 0.87648360289 285.80
Dic-1998 832.00 1.01006128315 823.71 Mar-2001 605.00 1.10290746607 548.55
Ene-1999 451.00 1.01503475972 444.32 Abr-2001 434.00 0.99332087893 436.92
Feb-1999 543.50 0.87648360289 620.09 May-2001 456.00 0.97258760947 468.85
Mar-1999 403.50 1.10290746607 365.85 Jun-2001 382.00 1.08839199380 350.98
Abr-1999 492.00 0.99332087893 495.31 Jul-2001 543.50 0.86802445215 626.13
May-1999 299.50 0.97258760947 307.94 Ago-2001 441.00 1.15924489482 380.42
Jun-1999 797.00 1.08839199380 732.27 Sep-2001 466.00 0.89588944962 520.15
Jul-1999 263.00 0.86802445215 302.99 Oct-2001 583.00 1.02021148346 571.45
Ago-1999 838.00 1.15924489482 722.88 Nov-2001 620.00 0.99784212593 621.34
Sep-1999 398.00 0.89588944962 444.25 Dic-2001 360.00 1.01006128315 356.41
Oct-1999 462.50 1.02021148346 453.34 Ene-2002 542.00 1.01503475972 533.97
Nov-1999 396.50 0.99784212593 397.36 Feb-2002 382.00 0.87648360289 435.83
Dic-1999 380.50 1.01006128315 376.71 Mar-2002 535.00 1.10290746607 485.08
Ene-2000 352.50 1.01503475972 347.28 Abr-2002 494.50 0.99332087893 497.83
Feb-2000 314.50 0.87648360289 358.82 May-2002 468.00 0.97258760947 481.19
Mar-2000 410.50 1.10290746607 372.20 Jun-2002 408.80 1.08839199380 375.60
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
 Tendencia de Ventas Desestacionalizadas
Utilizando los datos desestacionalizadas se procede a
construir un modelo de pronóstico
Trend Analysis for PC
Quadratic Trend Model
Yt = 586.444 - 12.2760*t + 0.197028*t**2

Actual
800
Fits
Forecasts
700
Actual
Fits
600 Forecasts
PC

500

400

300 MAPE: 21.1

MAD: 91.2
200 MSD: 13974.8

0 10 20 30 40 50 60
Time
Material de Clases © Jorge Córdova Egocheaga. Febrero 2003
Las proyecciones de las ventas corregidas, quedarán de la
siguiente forma:

Periodo Mes Pronóstico Corregido

55 Jul-2002 507.27
56 Ago-2002 516.87
57 Sep-2002 526.86
58 Oct-2002 537.24
59 Nov-2002 548.02

Material de Clases © Jorge Córdova Egocheaga. Febrero 2003