Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística: Series de Tiempo
Estadística: Series de Tiempo
Estadística
Series de tiempo
Series de tiempo
Herramienta matemática para la toma de
decisiones efectivas y la planificación con base a
predicciones a largo plazo.
Tendencia Secular
Variación irregular
Tendencia Secular
“Tendencia secular. Dirección Las tendencias de largo plazo de las ventas, el
uniforme de una serie de tiempo de empleo, los precios accionarios, y de otras
largo plazo” (Lind |Marchal | series de negocios y económicas siguen varios
Wathen, 2012, p.605). patrones.
Población mundial
(millones)
9,000
8,000
7,000
4,000
arriba en forma uniforme, otras declinan
3,000 y otras más permanecen iguales con el
2,000
1,000
paso del tiempo.
-
1950 1960 1970 1980 1990 2000 2010 2020 2030
https://www.worldometers.info/es/poblacion-mundial/
Variación Cíclica
“Aumento o reducción de una serie Un ciclo de negocios habitual consiste en
de tiempo durante período mayores un periodo de prosperidad, seguido por
a un año.” (Lind |Marchal |Wathen, periodos de recesión, depresión y luego
2012, p.607). recuperación.
to
Recesión
en
mi
Recuperación
arriba y abajo de la tendencia secular.
Depresión
Variación Estacional
“Patrones de cambio en una serie
de tiempo en un año. Esto Muchas series de ventas, de
patrones tienden a repetirse cada producción y de otro tipo fluctúan
año.” (Lind |Marchal |Wathen, con las temporadas.
2012, p.607).
Tendencia Secular
Variación irregular
Ejemplo . . . Tendencia secular
Home Depot se fundó en 1978, y es el
segundo minorista más grande de
Estados Unidos (Wal-Mart es el más
grande).
En la siguiente gráfica se muestra el
número de empleados de Home Depot
Inc. desde 1993 hasta el 2011
https://es.wikipedia.org/wiki/Categor%C3%ADa:Desastres_naturales_en_Honduras
Herramientas para pronósticos
t o Pronóstico: Predicción de la evolución de Cada una de ellas cuenta
ep un proceso o de un hecho futuro a partir con sus propias
nc
Co de criterios lógicos o científicos. características y en
algunos casos se
Promedio combinan.
móvil
Tendencia
Herramientas
lineal
Variación
estacional
Lilian Banegas
Promedio móvil
Estadística
Pulsar F5 para formato de clase
Promedio Móvil
Un promedio móvil es útil para Sólo suaviza las fluctuaciones de los datos.
suavizar una serie de tiempo y Esto se logra al “desplazar” los valores
apreciar su tendencia. medios aritméticos en la serie de tiempo
¿Cómo se calcula?
1. Definir el número de ciclos por
pronóstico.
2. Calcular el primer promedio y colocar En las empresas que trabajan por
el resultado en el punto mediano que pedidos licitados o previamente
se tenga (+ alto si es intermedio). convenidos, permite que se preparen
3. Del segundo pronóstico en adelante, con antelación para optimizar la
colocar en forma continuada los operación del negocio sin sacrificar
pronósticos hasta completar el cálculo los recursos.
disponible.
Promedio Móvil .
Cálculo para ciclos impares No. Mes Frecuencia
Promedio
móvil
Calcular los pronósticos utilizando los primeros
6 meses del año en ciclos de 3 meses. 1 Enero Dato1
• Ubicar el 1° ciclo de 3 meses 2 Febrero Dato2 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜1
• Calcular el promedio para el 1° pronóstico 3 Marzo Dato3 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜2
• Ubicar la posición mediana en 1-2-3
• Pronóstico para el mes de febrero
4 Abril Dato4 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜3
• Ubicar el 2° ciclo 5 Mayo Dato5 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜 4
• Calcular el promedio para el 2° pronóstico
• Ubicar la posición mediana en 2-3-4
6 Junio Dato6
• Pronóstico para el mes de marzo
• Ubicar el 3° ciclo • Se generan pronósticos para febrero, marzo,
• Calcular el promedio para el 3° pronóstico y abril y mayo. Los meses de enero y junio se
ubicar la posición mediana en 3-4-5 quedan en blanco porque hace falta un mes a
• Ubicar el 4° ciclo y calcular pronóstico cada uno.
del 4-5-6
Ejemplo . . .
La empresa Tikal se dedica a la confección ENTREGAS Promedio móvil
de ropa y estableció un convenio por 3 No. MES (miles de cajas) 2022
años con la empresa Calderini para 1 Enero 3
entregar 50 mil cajas de 100 docenas de 2 Febrero 5 4.0
camisas modelo Verán al año. 3 Marzo 4 4.7
Tomando como base las entregas del año 4 Abril 5 4.0
2021, se hará la proyección del año 2022, 5 Mayo 3 3.3
utilizando el promedio móvil de 3 meses. 6 Junio 2 3.3
El informe recibido es el siguiente: 7 Julio 5 5.0
8 Agosto 8 5.3
Análisis
9 Septiembre 3 5.3
Ciclos: 3 𝑚𝑒𝑠𝑒𝑠 10 Octubre 5 3.7
1°
3°
11pronóstico
2°
4°
5°
6°
7°
9°
8° meses y 9 pronósticos 11 Noviembre 3
~
𝑋 =𝑝𝑜𝑠 ( )
3+1
𝑛+1
2
Promedio Móvil .
Cálculo para ciclos pares No. Mes Frecuencia
Promedio
móvil
Calcular los pronósticos utilizando los primeros
7 meses del año en ciclos de 4 meses. 1 Enero Dato1
• Ubicar el 1° ciclo de 4 meses
• Ubicar posición mediana para el 1° pronóstico 2 Febrero Dato2
• Pronóstico para el mes 2.5 y se redondea a 3; 3 Marzo Dato3 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜1
por tanto, es el de marzo 4 Abril Dato4
• Ubicar el 2° ciclo de 4 meses
𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜2
• Ubicar posición mediana para el 2° pronóstico 5 Mayo Dato5 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜3
• Pronóstico para el mes 3.5 y se redondea a 4; 6 Junio Dato6 𝑃𝑟𝑜𝑛ó 𝑠𝑡𝑖𝑐𝑜 4
por tanto, es el de abril
• Ubicar el 3° ciclo de 4 meses 7 Julio Dato7
• Ubicar posición mediana para el 3° pronóstico • Pronóstico para el mes 5.5 y se redondea a 6;
• Pronóstico para el mes 4.5 y se redondea a 5;
por tanto, es el de junio
por tanto, es el de mayo
• Ubicar el 4° ciclo de 4 meses • Se generan pronósticos para marzo, abril, mayo
• Ubicar posición mediana para el 4° pronóstico y junio.
Ejemplo . . .
EL PORVENIR distribuye equipo pesado a Envíos Argentina Promedio móvil
Argentina, con el cual ya se tienen varios AÑO (miles de unidades) Brasil
años de relación comercial. 2009 2
Se está negociando con Brasil para proveer el 2010 3
mismo producto y utilizando el promedio de 2011 4
lo enviado a Argentina y en ciclos de 6 años, 2012 5 4.17
se desea tener un pronóstico de la 2013 6 4.50
distribución que se podría realizar en Brasil.
2014 5 4.50
La información es:
2015 4 4.67
Análisis 2016 3 4.83
Ciclos: 6𝑎 ñ 𝑜𝑠 2017 5 5.00
~
𝑋 =𝑝𝑜𝑠
2( )
6+1
𝑛+1
2018 6 5.17
12 años y 7 pronósticos 2019 7
6°
4° pronóstico
5°
7°
3°
2°
1°
2020 6
Lilian Banegas
Promedio móvil
Tendencia lineal
Estadística
Pulsar F5 para formato de clase
Tendencia Lineal
“La tendencia de largo plazo de muchos
negocios, como ventas, exportaciones y Regresión lineal
producción, con frecuencia se aproxima ^ =𝑎 +𝑏𝑋
𝑌
a una recta.” (Lind |Marchal |Wathen,
2012, p.615). ^ =𝑎 +𝑏𝑡
𝑌
Año F Mes F
2016 1 Enero 1
2017 Febrero 𝑠𝑌
𝑌 −𝑏𝑡
2 2
2018 3 Marzo 3 𝑟∗
𝑠𝑡
Trimestre F
Enero-Marzo 1 12
Abril-Junio 2 34 La variable t es una secuencia numérica
Julio-Septiembre 3 56 que inicia en 1 y por cada dato se
Octubre-Diciembre 4 78 incrementa una unidad de tiempo.
Tendencia Lineal
“La tendencia de largo plazo de muchos Regresión lineal
negocios, como ventas, exportaciones y ^ =𝑎 +𝑏𝑋
𝑌
producción, con frecuencia se aproxima a una
recta.” (Lind |Marchal |Wathen, 2012, p.615).
Año F F Mes F F
^ =𝑎 +𝑏𝑡
𝑌
2018 112 12 Enero 12
1 12
2019 234 34 Febrero 34 34
2 𝑠𝑌
20120
2020 356
Trimestre
56
F
Marzo
F
56
3 56
𝑌 −𝑏𝑡 𝑟∗
𝑠𝑡
Enero-Marzo 12 1 12
Abril-Junio 34 2 34 La variable t es una secuencia numérica
Julio-Septiembre 56 3 56 que inicia en 1 y por cada dato se
Octubre-Diciembre 78 4 78
incrementa una unidad de tiempo.
Tendencia Lineal
Si la serie de tiempo se calcula con la Procedimiento de la
información de 5 años. El primer
pronóstico, se calcula con el año 6. ecuación de regresión lineal
√ ∑(𝑋−𝑋)
2018 6 99 2.5 34.2 85.4 2
6.25 1,167.36
𝑡=¿ 3.5 𝑌 =¿ 64.8 233.5 17.50 3,302.83 𝑠=
𝑛−1
√ √
^ =𝑎+𝑏𝑡
𝑌 17.50 3302.83
𝑎=𝑌 −𝑏𝑡 ¿ 64.8 −13 (3.5)¿ 19.3 𝑎=19.3 ^ 𝑠𝑡 = 𝑠𝑌 =
𝑠𝑌 25.7 𝑌 =19.3+13 𝑡 6−1 6−1
𝑏=𝑟 ∗ ¿ 0.97 ∗ ¿ 13 𝑏=13
𝑠𝑡 1.9 𝑠 𝑡 =1.9 𝑠 𝑌 =25.7
𝑛=6 pronósticos
Ejemplo . . .
Pronóstico para 2022 ^ =19.3+13 𝑡
𝑌
AÑO t PROVEEDORES Pronósticos ^ =19.3+13 (10)
𝑌
2013 1 40 32.3
2014 2 39 45.3
2015 3 51 58.3
2016 4 70 71.3 El pronóstico indica que para el para el 2022 se
2017 5 90 84.3 pueden esperar unos 149 proveedores.
2018 6 99 97.3
2019 7
110.3 ¿Cómo fue el comportamiento del 2013 al 2021?
2020 8
123.3
2021 9
136.3
2022
10 149.3
Variación estacional
Estadística
Pulsar F5 para formato de clase
Variación Estacional
Existen productos en el mercado que Cada empresa debe tener claro cuáles son las
temporadas, meses, estaciones o épocas en
no siempre tienen la misma posibilidad
las cuales tienen los registros más altos y los
de ser vendidos con fluidez más bajos.
Datos desestacionalizados
Ejemplo . . .
Í 𝐧𝐝𝐢𝐜𝐞𝐬 𝐞𝐬𝐭𝐚𝐜𝐢𝐨𝐧𝐚𝐥𝐞𝐬 Pronóstico del próximo año
𝑆𝑒𝑚𝑎𝑛𝑎 𝑆𝑎𝑛𝑡𝑎 : 1.413 𝑋=600
𝑆𝑒𝑚𝑎𝑛𝑎 𝑀𝑜𝑟𝑎𝑧 á 𝑛𝑖𝑐𝑎 : 1.102
Regla de 3 simple
𝑅𝑒𝑠𝑡𝑜 𝑑𝑒𝑙 𝑎ñ 𝑜 : 0.484
𝑋 ∗ í 𝑛𝑑𝑖𝑐𝑒
𝑝𝑟𝑜𝑛 ó 𝑠𝑡𝑖𝑐𝑜=¿
Temporadas 𝑡𝑒𝑚𝑝𝑜𝑟𝑎𝑑𝑎𝑠
𝑛=3
𝑆𝑒𝑚𝑎𝑛𝑎 𝑆𝑎𝑛𝑡𝑎=¿ 600 3∗1.413 ¿ 282.6
Si la tendencia indica que para el
próximo año las ventas pueden llegar a 𝑆𝑒𝑚𝑎𝑛𝑎 𝑀𝑜𝑟𝑎𝑧 á 𝑛𝑖𝑐𝑎=¿ 600 ∗1.102 ¿ 220.4
3
600 mil lempiras.
𝑅𝑒𝑠𝑡𝑜 𝑑𝑒𝑙 𝑎 ñ 𝑜=¿ 600 ∗ 0.484 ¿ 96.8
3
¿Cuál sería el pronóstico para cada
temporada?
• Semana Santa : 282,600
• Semana Morazánica : 220,400
Pronósticos • Resto del año : 96,800
• Año : 599,800
Síntesis
Series de tiempo
Promedio móvil
Tendencia lineal
Variación estacional
26-oct
SÍNTESIS Ejercicio 1
La planta de producción de una fábrica de DÍA EMPLEADOS Promedio móvil
circuitos electrónicos hizo una revisión del 1 45
número de empleados que se presentaron a 2 54
laborar los primeros días de Marzo. 3 63 50.3
Se va a evaluar la estimación de lo que 4 39 49.5
podría suceder el próximo mes en estas 5 42 43.8
mismas fechas utilizando la técnica del 6 31 40.0
promedio móvil. 7 48 43.8
Realizar el cálculo en base a ciclos de 4 días. 8 54 49.3
9 64 50.5
Análisis 10 36 48.8
Ciclos: 4 𝑑í 𝑎𝑠 →1 ° 𝑐𝑖𝑐𝑙𝑜𝑒𝑛 𝑑 í 𝑎3 11 41 48.3
→ ú 𝑙𝑡𝑖𝑚𝑜𝑐𝑖𝑐𝑙𝑜 𝑒𝑛 𝑑í 𝑎11 12 52
SÍNTESIS Ejercicio 2
La empresa de construcción Monte 𝑌
Feliz desea pronosticar las casas AÑO VIVIENDAS AÑO
𝑡 VIVIENDAS
residenciales que construirá para el 2010 81 2010 1 81
período 2022-2024. 2011 86 2011 2 86
Calcular la tendencia lineal a través 2012 88 2012 3 88
de los últimos 10 años para definir 2013 89 2013 4 89
el pronóstico, según la tabla 2014 87 2014 5 87
mostrada a continuación 2015 91 2015 6 91
Análisis 2016 94 2016 7 94
Ecuación: ^ =𝑎 +𝑏𝑡
𝑌
2018 95 2018 9 95
√
2015 6 91 0.5 1 0.5 0.25 1 ∑( 𝑋 − 𝑋 )
2
2016 7 94 𝑠=
1.5 4 6.0 2.25 16 𝑛−1
. 6
√ 1
2017 8 91 2.5 1 2.5 6.25 1 82.50
2018 9 95 3.5 5 17.5 12.25 25 𝑠 𝑡 =¿
10− 1
¿ 3.0
𝑏 =
√
2019 10 99 4.5 9 40.5 20.25 81
𝑠 𝑌 =¿
235
5.5 90 120.5 82.50 235 ¿ 5.1
10− 1
SÍNTESIS Ejercicio 2
𝑏=𝟏 .𝟔
Y
AÑO VIVIENDAS 𝑎=𝑌 −𝑏 𝑡 ¿ 90−1.6∗5.5 ¿𝟖𝟏.𝟐
2010 1 81 -4.5 -9 40.5 20.5 81
2011 2 86 -3.5 -4 14.0 12.5 16 ^ =𝑎+𝑏𝑡
𝑌 ^ =81.2+1.6 𝑡
𝑌
2012 3 88 -2.5 -2 5.0 6.25 4
Pronóstico
2013 4 89 -1.5 -1 1.5 2.25 1
2014 5 87 -0.5 -3 1.5 0.25 9 Y Pronós-
AÑO VIVIENDAS ticos
2015 6 91 0.5 1 0.5 0.25 1
2016 7 94 1.5 4 6.0 2.25 16
2020 11
2017 8 91 2.5 1 2.5 6.25 1
2021 12
2018 9 95 3.5 5 17.5 12.5 25 2022 13 102
2023 14 104
2019 10 99 4.5 9 40.5 20.5 81
2024 15 105
5.5 90 129.5 82.5 235
SÍNTESIS Ejercicio 3
Margarita Esteves administra una VENTAS Prom Prom Estac.
distribuidora de productos electrónicos y AÑO TEMPORADA Móvil Centrado Espec.
000 cjs
David M. Levine, Timothy C. Krehbiel, Mark L. Berenson. 2006. Estadística para Administración. (4° edición). Naucalpan de
Juárez, México.: Pearson Prentice Hall