Unidad 3. Anlisis de serie de tiempo.

3.1 Componentes de una serie de tiempo.

Se le llama serie de tiempo a cualquier sucesin de observaciones de un fenmeno que es
variable con respecto al tiempo. Se puede definir tambin como un conjunto de datos
cuantitativos registrados durante un cierto periodo regular o intervalo de tiempo, por lo general
semanas, trimestres o aos.
En muchas reas del conocimiento las observaciones de inters son obtenidas en instantes
sucesivos del tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales, trimestrales,
semestrales o bien registradas por algn equipo en forma continua.
Componentes de una serie de tiempo:
Los estadsticos frecuentemente piensan en una serie de tiempo como la adicin de cuatro
componentes de la serie:
1.- Tendencia a largo plazo o secular.
Es una componente de una serie de tiempo y es el movimiento alisado de una serie durante un
largo periodo e intervienen factores que no llegan a producir un cambio gradual y estable sobre el
tiempo como por ejemplo: Crecimiento constante en la poblacin, el producto nacional bruto, el
efecto de la competencia, tendencia de ventas, produccin, exportacin, precios de valores y otros
similares.

2.- Efecto o variacin cclica

La variacin cclica es otra componente de una serie de tiempo aparece cuando la serie sube y baja
suavemente, a manera de ondas siguiendo la curva de la tendencia a largo plazo ejemplo: tasa de
desempleo, cambios en la demanda de un producto, ciclos de los negocios, acumulacin de bienes
y particularmente la incapacidad de la oferta para satisfacer exactamente los requerimientos de la
demanda de los consumidores.

3.- Efecto estacional

Los efectos estacionales son aquellas altas y bajas que ocurren en un tiempo particular del ao. Por
ejemplo, las ventas de autos del ao tienden a disminuir en Sep. Oct. y Nov. Por la promocin de
los nuevos modelos, las ventas de TV tienden aumentar en diciembre, ventas de ropa de
temporada, etc.

4.- Variacin aleatoria o variacin irregular.

Esta componente representa los movimientos ascendentes y descendentes de la serie despus de
haber ajustado la tendencia a largo plazo. Son aquellos inexplicables cambios sacudidas de la serie
sobre un periodo corto de tiempo. Por ejemplo los eventos polticos, el clima o como la amalgama
de muchas acciones humanas (guerras, huelgas etc.) que tienden a causar cambios inesperados en
una serie de tiempo.

Toda serie de tiempo contiene variacin aleatoria, adems una serie de tiempo puede contener
todas o ninguna de las otras tres componentes. Y la diferencia entre los efectos cclicos y los
estacionales es que los segundos se pueden predecir y ocurren a un intervalo de tiempo fijo de la
ltima ocurrencia mientras que los efectos cclicos son completamente impredecibles.
3.2 Mtodo de mnimos cuadrados.
La tendencia a largo plazo de la mayora de los negocios (industriales y comerciales), como ventas,
exportaciones, produccin, con frecuencia se aproximan a una lnea recta. S es as, la ecuacin
que describe su crecimiento es : Y = a + bx como se analiz anteriormente, y para hacer este tipo
de grficas en serie de tiempo, esta ltima variable como es el mismo espacio de tiempo se emplea
una escala dependiendo si el nmero de periodos de tiempo es par o es non; si es par el nmero
de datos se emplea la escala ( -5,-3,-1, 1,3,5 . ) si es lo contrario o sea non se emplea la escala ( ..2,-1,0,1,2)

Y se hace el mismo procedimiento que se haca en regresin y correlacin lineal para la obtencin
de la ecuacin de correlacin, ya que esta recta nos permite pronosticar de una manera ms
exacta, de acuerdo al comportamiento en el periodo y en la series de tiempo.
Ejercicio:
1.- Los datos sobre la produccin anual de sillas de mecedoras de tamao regio producidas en
miles, por una industria desde 1999 se presentan a continuacin:

a) Grafique los datos de la produccin.

b) Determine la ecuacin de la recta de tendencia lineal.
c) Con base a esta recta cual deber de ser la produccin para 2008.

2.- Las ventas de una pequea cadena de tiendas de comestibles desde 2000 son en millones de
pesos:

a) Utilizar el mtodo de mnimos cuadrados para ajustar una recta de tendencia.

b) Haga la grfica de la serie de tiempo.
c) Pronosticar las ventas para el ao 2006

3.- La tabla muestra la media mensual de produccin de carbn en millones de toneladas en

Estados Unidos durante los aos 1948-1958.
Ao
Produccin
media
Millones de
toneladas

1948
50.0

1949

1950

1951

1952

1953

1954

1955

1956

1957

1958

36.5

43.0

44.5

38.9

38.1

32.6

38.7

41.7

41.1

33.8

a) Utilizar el mtodo de mnimos cuadrados para ajustar una recta de tendencia.

b) Haga la grfica de la serie de tiempo.
c) Considerando la ecuacin de la tendencia, obtener los valores de tendencia, para cada uno de
los aos registrados.

3.3 Mtodo de promedios mviles.

METODOS DE SUAVIZAMIENTO.
Los mtodos de suavizamiento se pueden emplear algunas veces para revelar las componentes
subyacentes en la serie de tiempo al cancelar los efectos de la variacin aleatoria. Una de las
tcnicas de suavizamiento ms importantes estn:
Promedio Mvil.
La cual consiste en obtener el promedio sobre un nmero fijo de periodos de tiempo. As pueden
promediarse las ventas mensuales de una compaa sobre un periodo de cuatro meses y graficar el
promedio en el punto medio del intervalo de cuatro meses. El siguiente punto de la serie se
obtendra aadiendo al total de los cuatro meses las ventas del siguiente mes en la serie,
desechando las ventas correspondientes al primer mes de los cuatro previos, y calculando un
nuevo promedio de cuatro meses. Entonces la serie de tiempo de los promedios mviles presenta
un punto por cada mes que es el promedio de las observaciones calculado para un periodo de
especifico de tiempo antes y despus del mes en cuestin.
El efecto neto es transformar la serie original en la serie de promedios mviles que resulte ms
suave (menos sujeta a oscilaciones rpidas) y ms susceptible de revelar las subyacentes
tendencias o ciclos en el patrn de ventas sobre el tiempo.
Al tiempo t del promedio mvil de las observaciones de la serie sobre M periodos de tiempo se
emplea la formula:

Donde M es un nmero impar y yt es la observacin del proceso en el tiempo t , yt-1 es la

observacin del proceso al tiempo t-1, y as sucesivamente . Ejemplo si los promedios mviles se
calculan sobre intervalos de tres periodos ( M = 3 ) los primeros promedios mviles son:

y as sucesivamente.

Ejercicios.
1.- Calcule el promedio mvil de tres aos para la siguiente serie de produccin. Grafique los datos
originales y los del promedio mvil.
Ao
1999
2000
2001
2002
2003
2004

Produccin
Ao
1999
2000
2001
2002
2003
2004

6
Produccin
2
6
4
5
3
10

10

Total mvil 3 aos

Promedio mvil 3 aos

12
15
12
18

4
5
4
6

2.- Se tienen registrados los datos del precio del dlar observado los das mircoles de los meses
de enero a junio ao 2003. Calcular los promedios mviles de orden 3 y 5. Grafique los datos
originales y los del promedio mvil.

Mes
Enero

Precio
713.4
712.6
726.6
737.1

Febrero

738.9
743.1
740.2
755.3

Marzo

752.8
754.8
736.5
728.3

Abril

729.8
720
718.7
716.5

Mayo

705.3
701.2
694.2
713.7

Junio

712.2
713
717.4
706

Julio

703.1

Total
mvil 3
aos

Promedio mvil 3
aos

Total
mvil 5
aos

Promedio mvil 5
aos

3.4 Mtodos de suavizacin exponencial.

Resulta ms eficiente que el anterior ya que produce un valor suavizado correspondiente a cada
observacin original. La observacin suavizada exponencialmente en el tiempo t se denota por S t.
Se comienza el esquema de suavizamiento asignando S1 = y1 en el primer periodo de tiempo. Para
el segundo periodo de tiempo :

Y para calcular el periodo subsecuente de tiempo St se encuentra calculando:

a esta ecuacin se le llama ecuacin bsica de suavizamiento exponencial y a la constante se le

llama constante de suavizamiento.
Ejercicios.
1.- Calcule la suavizacin exponencial para la siguiente serie de produccin considerando
Grafique los datos originales y los suavizados.
Ao
1999
2000
2001
2002
2003
2004
Produccin
2
6
4
5
3
10

Ao
2000
2001
2002
2003
2004
1999

Suavizacion
exponencial
Produccion
= 0.3
2
6
4
5
3
10

2.- Se tienen registrados los datos del precio del dlar observado los das mircoles de los meses
de enero a junio ao 2003. Calcule la suavizacin exponencial considerando y
grafique los datos originales y los suavizados.

Registros
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

Mes
Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

Suavizacion Suavizacion
Precio exponencial exponencial
713.4
= 0.3
= 0.5
713.40
713.40
712.6
713.16
713.16
713.28
726.6
713.28
717.19
715.24
737.1
717.19
723.16
719.20
738.9
715.24
727.89
723.54
743.1
723.16
732.45
728.00
740.2
719.20
734.77
731.39
755.3
727.89
740.93
736.16
752.8
723.54
744.49
740.33
754.8
732.45
747.58
743.96
736.5
728.00
744.26
744.11
728.3
734.77
739.47
741.79
729.8
731.39
736.57
739.18
720
740.93
731.60
735.39
718.7
736.16
727.73
731.56
716.5
744.49
724.36
727.96
705.3
740.33
718.64
723.30
701.2
747.58
713.41
718.36
743.96
694.2
744.26
707.65
713.00
713.7
744.11
709.46
711.23
712.2
739.47
710.28
710.76
713
741.79
711.10
710.93
717.4
736.57
712.99
711.96
706
739.18
710.89
711.43
703.1
731.60
708.55
735.39
727.73
709.99
731.56
724.36
727.96
718.64
723.30
713.41
718.36
707.65
713.00
709.46
711.23
710.28
710.76
711.10
710.93
712.99
711.96
710.89

3.5 Tendencias no lineales

Si el grfico sugiere que la tendencia puede ser de un tipo no lineal, existen varias alternativas de
ajuste. Por ejemplo, puede tratarse de una forma similar a un polinomio de segundo grado, a una
curva exponencial, logartmica u otra, esto podr seleccionarse en el Excel una vez que se tenga el
diagrama de dispersin de los datos.

Una funcin polinmica de segundo grado es de la forma:

Para el tratamiento con un paquete estadstico, este modelo debe ser considerado como una
regresin mltiple en el que y es la variable dependiente, x una variable independiente y x2 otra
variable independiente.

Ejercicio:
Los valores hipotticos del Ingreso Anual de una importante empresa de produccin y venta de
bebidas gaseosas, en los ltimos 20 aos se presentan en la siguiente tabla, mediante Excel,
encontrar la ecuacin de regresin as como el grfico correspondiente, considerando tendencia
polinmica.