Documente Academic
Documente Profesional
Documente Cultură
5.1
1.
2.
3.
4.
Con el primer tipo de variacin, tendencia secular (T), el valor de la variable tiende
a aumentar o disminuir en un periodo muy largo. El ndice de precios al
consumidor es un ejemplo de esta tendencia; ya que de un ao a otro, el costo de
la vida vara bastante, pero si examinamos un periodo a largo plazo, nos damos
cuenta que la tendencia es hacia un aumento estable.
Este modelo sirve de base para el aislamiento de las influencias de los diversos
componentes que afectan a los valores de series de tiempo, como veremos en las
siguientes secciones de este material.
5.2
ANLISIS DE TENDENCIA
=
En las que:
Y = valores de la variable dependiente.
X = valores de la variable independiente (tiempo en el anlisis de tendencia)
= valor estimado de la variable dependiente.
a = interseccin con el eje Y
b = pendiente de la lnea de tendencia.
Con las ecuaciones anteriores podemos establecer la lnea de mejor ajuste para
describir los datos de la serie. Sin embargo, la regularidad de los datos de la serie
de tiempo nos permite simplificar los clculos que hay que efectuar en las
ecuaciones mencionadas a travs del siguiente proceso.
Para utilizar la ecuacin, encontramos el tiempo medio y luego restamos ese valor
de cada uno de los tiempos de muestra.
Supongamos que nuestra serie temporal consiste en solamente tres puntos de
dato, 1989, 1990 y 1991.
Si tuviramos que sustituir estos valores en las ecuaciones dadas, los clculos
serian muy tediosos, as que podemos transformar los valores 1989, 1990 y 1991
en valores codificados, es decir valores correspondientes de -1, 0 y 1, en donde 0
representa la media o sea 1990, -1 representa el primer ao (1989-1990 = -1) y 1
representa el ltimo ao (1991-1990=1).
( )x 2
Tiempo
traducido o
codificado
(3)
(1)
(2)
(3)
(4)
Tiempo
traducido o
codificado
(1)
(2)
1986
1986
-1989
=-3
1987
1987
-1989
=-2
=-5
1987
1987
-1989
=-2
1988
1988
-1989
=-1
=-3
1988
1988
-1989
=-1
1989
1989
-1989
=-
=-1
1989
1989
-1989
=0
1990
1990
-1989
=1
1990
1990
-1989
=1
1991
1991
-1989
=1
=3
1991
1991
-1989
=2
1992
1992
-1989
=2
=5
1992
1992
-1989
=3
= 13,923
=
13,923
=
=
7
(el ao medio) = 0
= 11,937
=
(el ao medio) = 0
11,937
=
=
6
Para qu usar un cdigo?, hay dos razones para hacer esta codificacin del
tiempo. Primero, elimina la necesidad de elevar al cuadrado nmeros grandes
como 1989, 1990 y 1991, etc. Este mtodo tambin hace que el ao medio sea
igual a cero y permite simplificar las ecuaciones de b y a.
XY nXY
X
nX
=
!"#$! "
=
!"#$&"
=
! % #$! %
! % #$&%
Sustituida por 0
=
= 0
=
en lugar de
sustituida por
Y
(2)
98
105
116
119
135
156
177
208
Y=1,114
15,908
=
8
= ,
1,114
=
8
= +. -
=
=
(3)
1985-1988
1986-1988
1987-1988
1988-1988
1989-1988
1990-1988
1991-1988
1992-1988
X
(4)
=-3x2=-7
=-2x2=-5
=-1x2=-3
=- x2=-1
=
x2= 1
= 1x2= 3
= 2x2= 5
= 3x2= 7
xY
(4)x(2)
- 686
-525
-348
-119
135
468
885
1,456
xY=1,266
x
2
(4)
49
25
9
1
1
9
25
49
2
x =168
=
1266
=
= 7.536
168
= = 139.25
= + + :
Donde:
= estimacin de la variable dependiente
a, b y c = constantes numricas
x = valores codificados de la variable temporal.
=
+ : ;
=
!"
!%
X (ao)
Y (ventas unitarias en millones)
1988
1989
1990
1991
1992
13
24
39
65
106
8
X
(1)
1988
1989
1990
1991
1992
X=9,950
Y
(2)
13
24
39
65
106
Y=247
9,950
=
5
= , 0
(3)
1988-1990
1989-1990
1990-1990
1991-1990
1992-1990
X
(4)
=-2
=-1
=0
=1
=2
xY
(4)x(2)
-26
-24
0
65
212
xY=227
x
2
(4)
4
1
0
1
4
2
x =10
x
4
(4)
16
1
0
1
16
34
xY
2
(4) x(2)
52
24
0
65
424
565
=
247 = 5a + 10c
!"
!%
=
<
(1)
(2)
(3)
=&
-(2):
(4):
- 71 =
- 14c
5 = #=; = -. 01
9
247 = 5a + 10c
247 = 5a+ 10(5.07)
247 = 5a + 50.7
196.3 = 5a
a = 39.3
Supongamos que queremos predecir las ventas de relojes para 1997. Para hacer
una prediccin, debemos primero transformar 1997 en una variable codificada x;
restndole el ao medio, 1990:
5.3
ANLISIS DE FLUCTUACIONES
MTODO DE RESIDUOS
Cuando observamos una serie de tiempo consistente en datos anuales, solamente
se toman en cuenta las componentes de tendencia secular, cclica e irregular.
Si utilizamos una serie temporal compuesta por datos anuales, podemos encontrar
la fraccin de la tendencia al dividir el valor real (Y) entre el correspondiente valor
11
.100/
En la que:
Y = valor real de la serie temporal
= valor de tendencia estimado a partir del mismo punto de la serie
de tiempo.
Porcentaje de
tendencia
(1)
Y toneladas
reales
(2)
1985
1986
1987
1988
1989
1990
1991
1992
7.5
7.8
8.2
8.2
8.4
8.5
8.7
9.1
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
98.7
100.0
102.5
100.0
100.0
98.8
98.9
101.1
X ao
. /
(4)=.F/ .100/
Porcentaje de
tendencia
(1)
Y toneladas
reales
(2)
1985
1986
1987
1988
1989
1990
1991
1992
7.5
7.8
8.2
8.2
8.4
8.5
8.7
9.1
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
98.7
100.0
102.5
100.0
100.0
98.8
98.9
101.1
X ao
. /
(4)=.F/ .100/
Residuo cclico
relativo
(5)=(4)-100
-1.3
0.0
2.5
0.0
0.0
-1.2
-1.1
1.1
Porcentaje de tendencia
103
102.5
102
101.5
101
100.5
100
99.5
99
98.5
1984
1986
1988 1990
Tiempo
1992
1994
13
5.4
500 G
=;
H = 710
=&&
1er trimestre
1,861
1,921
1,834
1,837
2,073
2 trimestre
2,203
2,343
2,154
2,025
2,414
3er trimestre
2,415
2,514
2,098
2,304
2,339
4 trimestre
1,908
1,986
1,799
1,965
1,967
Ao
(1)
1988
1989
1990
1991
1992
Trimestre
(2)
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
Ocupacin
(3)
1,861
2,203
2,415
1,908
1,921
2,343
2,514
1,986
1,834
2,154
2,098
1,799
1,837
2,025
2,304
1,965
2,073
2,414
2,339
1.967
Paso 1:
Total mvil
de 4
trimestres
(4)
8,387
8,447
8,587
8,686
8,764
8,677
8,488
8,072
7,885
7,888
7,759
7,965
8,131
8,367
8,756
8,791
8,793
Ao
(1)
1988
1989
1990
1991
1992
Trimestre
(2)
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
Ocupacin
(3)
1,861
2,203
2,415
1,908
1,921
2,343
2,514
1,986
1,834
2,154
2,098
1,799
1,837
2,025
2,304
1,965
2,073
2,414
2,339
1.967
Paso 1: Total
mvil de 4
trimestres
(4)
Paso 2:
promedio
mvil de 4
trimestres
(5)=(4)/4
8,387
8,447
2,096.75
2,111.75
8,587
8,686
8,764
8,677
8,488
8,072
7,885
7,888
7,759
7,965
8,131
8,367
8,756
8,791
8,793
2,146.75
2,171.50
2,191.00
2,169.25
2,122.00
2,018.00
1,971.25
1,972.00
1,939.75
1991.25
2.032.75
2,091.75
2,189.00
2,197.75
2,198.25
16
Ao
(1)
1988
1989
1990
1991
1992
Trimestre
(2)
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
Ocupacin
(3)
1,861
2,203
2,415
1,908
1,921
2,343
2,514
1,986
1,834
2,154
2,098
1,799
1,837
2,025
2,304
1,965
2,073
2,414
2,339
1.967
Paso 1: Total
mvil de 4
trimestres
(4)
Paso 2:
promedio
mvil de 4
trimestres
(5)=(4)/4
8,387
8,447
2,096.75
2,111.75
8,587
8,686
8,764
8,677
8,488
8,072
7,885
7,888
7,759
7,965
8,131
8,367
8,756
8,791
8,793
2,146.75
2,171.50
2,191.00
2,169.25
2,122.00
2,018.00
1,971.25
1,972.00
1,939.75
1991.25
2.032.75
2,091.75
2,189.00
2,197.75
2,198.25
Paso 3:
Promedio
mvil
centrado de
4 trimestres
(6)
2,104.25
2,129.25
2,159.125
2,181.25
2,180.125
2,145.625
2,070.000
1,994.625
1,971.625
1,955.875
1,965.500
2,012.000
2,062.250
2,140.375
2,193.375
2,198.000
Ao
(1)
Trimestre
(2)
Ocupacin
(3)
1988
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
1,861
2,203
2,415
1,908
1,921
2,343
2,514
1,986
1,834
2,154
2,098
1,799
1,837
2,025
2,304
1,965
2,073
2,414
2,339
1.967
1989
1990
1991
1992
Paso 1: Total
mvil de 4
trimestres
(4)
Paso 2:
promedio
mvil de 4
trimestres
(5)=(4)/4
8,387
8,447
2,096.75
2,111.75
8,587
8,686
8,764
8,677
8,488
8,072
7,885
7,888
7,759
7,965
8,131
8,367
8,756
8,791
8,793
2,146.75
2,171.50
2,191.00
2,169.25
2,122.00
2,018.00
1,971.25
1,972.00
1,939.75
1991.25
2.032.75
2,091.75
2,189.00
2,197.75
2,198.25
Paso 3:
Promedio
mvil centrado
de 4 trimestres
(6)
Paso 4:
Porcentaje de
valores reales
con respecto
al promedio
de valores
mviles
(7)=(3)/(6)x100
2,104.25
2,129.25
2,159.125
2,181.25
2,180.125
2,145.625
2,070.000
1,994.625
1,971.625
1,955.875
1,965.500
2,012.000
2,062.250
2,140.375
2,193.375
2,198.000
114.8
89.6
89.0
107.4
115.3
92.6
88.6
108.0
106.4
92.0
93.5
100.6
111.7
91.8
94.5
109.8
5. Calcular la media modificada para cada trimestre; para ello se descartan los
valores ms alto y ms bajo de cada trimestre y se promedian los valores
restantes. De esta manera:
Ao
1988
1989
1990
1991
1992
Media modificada:
Trimestre I:
Trimestre I
89.0
88.6
93.5
94.5
182.5
=O
.P
Trimestre II:
= 91.25
=P.;
Trimestre III:
Trimestre IV:
= 107.70
Q.P
=OF.O
Trimestre II
107.4
108.0
100.6
109.8
215.4
= 113.25
= 91.90
Trimestre III
114.8
115.3
106.4
111.7
226.5
Trimestre IV
89.6
92.6
92.0
91.8
183.8
18
Trimestre
I
II
III
IV
5.5
ndices
Constante
desajustados
x
de ajuste
91.25
x
0.9899
107.70
x
0.9899
113.25
x
0.9899
91.90
x
0.9899
Total de ndices temporales
Media de los ndices temporales
=
=
=
=
=
=
=
ndice temporal
90.3
106.6
112.1
91.0
400.00
400/4=100
El trmino mvil se usa porque cada vez que en la serie de tiempo hay una nueva
observacin, sta sustituye a la observacin ms antigua que se emplee en la
ecuacin anterior y se calcula un nuevo promedio. De esta manera, el promedio se
modifica, o se mueve, cada vez que se tiene una nueva observacin.
Consideremos la siguiente serie de tiempo de las ventas de gasolina para ilustrar
el mtodo de los promedios mviles.
Semana
1
2
3
4
5
6
7
8
9
10
11
12
Para emplear este mtodo en el pronstico de las ventas de gasolina, primero hay
que decidir cuntos valores se usarn para calcular los promedios mviles. Aqu
por ejemplo, se calcularan promedios mviles de tres semanas. El promedio mvil
de las ventas de gasolina correspondiente a las tres primeras semanas es:
>@?KADE? KMEJ .RAKR 1 3/ =
17 + 21 + 19
= 19
3
21 + 19 + 23
= 21
3
Semana
1
2
3
4
5
Valores de la
serie de tiempo
17
21
19
23
18
Pronstico con
el promedio
mvil
Error de
pronstico
Error de
pronstico al
cuadrado
19
21
4
-3
16
9
20
6
7
8
9
10
11
12
16
20
18
22
20
15
22
20
19
18
18
20
20
19
Totales
-4
1
0
4
0
-5
3
0
16
1
0
16
0
25
9
92
92
= 0.
9
Z= constante de suavizamiento (0 1)
De esta ecuacin podemos observar que el peso dado al valor real del periodo t es
Z y el peso dado al valor pronosticado para el periodo t es 1- Z. Para empezar, sea
W= igual al valor real de la serie de tiempo en el periodo 1; es decir W= = = , por
tanto, el pronstico para el periodo 2 es
W
= Z= + .1 Z/W=
W
= ZX + .1 Z/=
W
= =
Valores de la
serie de tiempo
17
21
19
23
18
16
20
18
22
20
15
22
Ahora tomando el valor real del periodo 3 de la serie de tiempo, F = 19, podremos
generar el pronstico para el periodo cuatro.
W; = 0.2F + .1 0.2/WF = 0.2.19/ + 0.8.17.8/ = . 0N
Si continuamos de esta manera con los clculos para el suavizamiento
exponencial determinaremos los pronsticos semanales y los errores semanales
de pronstico como vemos en la tabla siguiente. Observemos que para el periodo
1 no se da ningn pronstico obtenido mediante suavizamiento exponencial ni
tampoco ningn error de pronstico, ya que no se obtuvo ningn pronstico.
23
Semana
1
2
3
4
5
6
7
8
9
10
11
12
Valores de la
serie de tiempo
17
21
19
23
18
16
20
18
22
20
15
22
Pronstico con
suavizamiento
(WX /
Error de
pronstico
(X WX /
17.00
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48
4.00
1.20
4.96
-1.03
-2.83
1.74
-0.61
3.51
0.81
-4.35
3.52
25
20
15
Serie de tiempo pronosticada con = 0.2
10
5
0
1
9 10 11 12 13
Semana
1
2
3
4
5
6
7
8
9
10
11
12
Valores de la
serie de tiempo
17
21
19
23
18
16
20
18
22
20
15
22
Pronstico con
suavizamiento
(WX /
Error de
pronstico
(X WX /
Error del
pronstico al
cuadrado
17.00
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48
4.00
1.20
4.96
-1.03
-2.83
1.74
-0.61
3.51
0.81
-4.35
3.52
16.00
1.44
24.6
1.06
8.01
3.03
.37
12.32
0.66
18.92
12.39
98.80
Total
^O.O&
==
= .
5.6
25
1er trimestre
1,861
1,921
1,834
1,837
2,073
2 trimestre
2,203
2,343
2,154
2,025
2,414
3er trimestre
2,415
2,514
2,098
2,304
2,339
4 trimestre
1,908
1,986
1,799
1,965
1,967
Trimestre
(2)
1988
1,861
1988
II
2,203
1988
III
2,415
1988
IV
1,908
.DE:A BAKU?@J/
a
100
(4)
90.3
_
a
100
106.60
_
a
100
112.1
_
a
100
91.0
_
a
100
Ocupacin
desestacionalizada
(5)=(3)/(4)
=
2,061
=
2,067
2,154
2,097
26
2,121 _
91.0
a = 1,930
100
Estimacin estacionalizada de
ocupacin en el cuarto trimestre
I
16
15
17
17
18
II
21
20
24
25
26
II
9
10
13
11
14
IV
18
18
22
21
25
la
Ao
(1)
Trimestre
(2)
Ventas
reales
(3)
1988
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
16
21
9
18
15
20
10
18
17
24
13
22
17
25
11
21
18
26
14
25
1989
1990
1991
1992
Paso 1: Total
mvil de 4
trimestres
(4)
Paso 2:
promedio mvil
de 4 trimestres
(5)=(4)/4
64
63
16.00
15.75
62
63
63
65
69
72
76
76
77
75
74
75
76
79
83
15.50
15.75
15.75
16.25
17.25
18.00
19.00
19.00
19.25
18.75
18.50
18.75
19.00
19.75
20.75
Paso 3:
Promedio mvil
centrado de 4
trimestres
(6)
Paso 4:
Porcentaje de valores reales
con respecto al promedio de
valores mviles
(7)=(3)/(6)x100
15.825
15.625
15.625
15.750
16.000
16.750
17.625
18.500
19.000
19.125
19.000
18.625
18.625
18.875
19.375
20.250
56.7
115.2
96.0
127.0
62.5
107.5
96.5
129.7
68.4
115.0
89.5
134.2
59.1
111.3
92.9
128.4
En esta tabla tenemos los primeros cuatro pasos para el clculo del ndice
temporal. En la siguiente tabla completamos el proceso.
PASO 5
Ao
1988
1989
1990
1991
1992
Trimestre I
96.0
96.5
89.5
92.9
188.9
Trimestre II
127.0
129.7
134.2
128.4
258.1
Trimestre III
56.7
62.5
68.4
59.1
121.6
Trimestre IV
115.2
107.5
115.0
111.3
226.3
28
Media modificada:
Trimestre I:
=OO.^
Trimestre II:
= 94.45
PO.=
Trimestre III:
Trimestre IV:
= 129.05
=
=.Q
Q.F
= 60.80
= 113.15
ndices
Constante
desajustados
x
de ajuste
94.45
x
1.0064
129.05
x
1.0064
60.80
x
1.0064
113.15
x
1.0064
Total de ndices temporales
=
=
=
=
=
=
ndice temporal
95.1
129.9
61.2
113.9
400.1
Una vez que hemos calculado los ndices temporales trimestrales, podemos
encontrar los valores desestacionalizados de la serie de tiempo dividiendo las
ventas reales (tabla 1) entre los ndices temporales.
En la tabla 3 que veremos posteriormente, tenemos el clculo de los valores
desestacionalizados de la serie temporal.
El segundo paso en la descripcin de las componentes de la serie de tiempo
consiste en desarrollar la lnea de tendencia. Haremos esto aplicando el mtodo
de mnimos cuadrados, a la serie de tiempo desestacionalizada; en la tabla 4 se
presentan los clculos necesarios para identificar la componente de tendencia.
29
Ao
(1)
Trimestre
(2)
Ventas
reales
(3)
1988
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
16
21
9
18
15
20
10
18
17
24
13
22
17
25
11
21
18
26
14
25
1989
1990
1991
1992
ndice
temporal
100
(4)
Ventas
desestacionalizadas
(5)=(3)/(4)
0.951
1.299
0.612
1.139
0.951
1.299
0.612
1.139
0.951
1.299
0.612
1.139
0.951
1.299
0.612
1.139
0.951
1.299
0.612
1.139
16.8
16.2
14.7
15.8
15.8
15.4
16.3
15.8
17.9
18.5
21.2
19.3
17.9
19.2
18.0
18.4
18.9
20.0
22.9
21.9
Ao
(1)
Trimestre
(2)
1988
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
1989
1990
1991
1992
Ventas
desestacionalizadas
(columna 5 de la
tabla 3)
(3)
Traduccin o
codificacin de la
variable temporal
(4)
X
(5)=(4) 2
xY
(6)=(5) (3)
X2
(7)=(5)2
16.8
16.2
14.7
15.8
15.8
15.4
16.3
15.8
17.9
18.5
21.2
19.3
17.9
19.2
18.0
18.4
18.9
20.0
22.9
21.9
360.9
-9
-8
-7
-6
-5
-4
-3
-2
-1
-
1
2
3
4
5
6
7
8
9
- 19
- 17
- 15
- 13
- 11
-9
-7
-5
-3
-1
1
3
5
7
9
11
13
15
17
19
-319.2
-275.4
-220.5
-205.4
-173.8
-138.6
-114.1
- 79.0
- 53.7
- 18.5
21.2
57.9
89.5
134.4
162.0
202.4
245.7
300.0
389.3
416.1
420.30
361
289
225
169
121
81
49
25
9
1
1
9
25
49
81
121
169
225
289
361
2,660
Trimestre
(2)
# de
trimestre
1988
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1989
1990
Ao medio
1991
1992
=&Y==
=10
!"
!%
;
&.F&
,QQ&
= 0. c
3 = =
FQ&.^
&
= . 0
31
Ao
(1)
Trimestre
(2)
1988
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
1989
1990
1991
1992
Ventas
desestacionalizadas
(columna 5 de la
tabla 3)
(3)
16.8
16.2
14.7
15.8
15.8
15.4
16.3
15.8
17.9
18.5
21.2
19.3
17.9
19.2
18.0
18.4
18.9
20.0
22.9
21.9
360.9
= +
(4)
.100/
Porcentaje de
tendencia
.F/
(5)=.;/ .100/
112.3
106.0
94.2
99.2
97.3
93.0
96.6
91.9
102.2
103.7
116.7
104.4
95.2
100.4
92.6
93.1
94.1
98.0
110.5
104.1
32
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
Estimacin de ventas
desestacionalizadas
para 1993-III ($220,000)
II
III IV
1988
II
III IV
1989
II
III IV
1990
II
III IV
1991
II
III IV
1992
II
III IV
1993
33
.22/
61.2
= +. 100
Estimacin estacionalizada
Sobre la base de este anlisis, la compaa estima que las ventas para el trimestre
1993-III sern de $135,000. Debemos aclarar, que este valor es solamente una
estimacin y no toma en cuenta las componentes cclica e irregular.
Como hicimos notar anteriormente, la variacin irregular no se puede predecir
matemticamente.
Recordemos tambin que el tratamiento que hicimos de la variacin cclica fue
meramente descriptivo del comportamiento pasado y no predictivo de un
comportamiento futuro.
Como cierre de este tema; recordemos que el anlisis completo de una serie de
tiempo intenta explicar tres factores:
1) Variacin estacional
2) Tendencia secular
3) Variacin cclica.
Lo que queda en un conjunto de datos es el cuarto factor: la variacin irregular (o
aleatoria); incluso el anlisis ms exhaustivo de una serie de tiempo es descriptivo
de un comportamiento pasado, y no predictivo de un comportamiento futuro.
34
BIBLIOGRAFA:
Levin, Richard I. y Rubin S. David. Estadstica para administradores.
Prentice-Hall Hispanoamrica, 1996.
35