Sunteți pe pagina 1din 75

UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA MECANICA


SECCION DE POSTGRADO

MAESTRIA EN CIENCIAS CON


MENCION EN ENERGETICA

CATEDRA:

MODELOS ENERGETICOS
PERIODO ACADEMICO:

2014-I

Dr. Salome Gonzles Chvez

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

INDICE

INTRODUCCION
1. MODELOS Y CONSTRUCCION DE BALANCES ENERGETICOS
1.1

1.2

TIPOS DE BALANCES ENERGETICOS


1.1.1 Generalidades
1.1.2 Tipos de balance de energa
1.1.3 Balance de energa final
1.1.4 Balance de energa til
1.1.5 Balance en equivalente primario
1.1.6 Balances mixtos
1.1.7 Unidades y factores de conversin
METODOLOGIA AIE
1.2.1 Estructura de la Matriz Contable
1.2.2 Distribucin por fuentes de energa
1.2.3 Movimientos de disponibilidad
1.2.4 Sector Energtico: Transformacin y consumos propios
1.2.5 Consumo final
1.2.6 Construccin en computadora

1.3

METODOLOGIA EUROSTAT
1.3.1 Distribucin por fuentes de energa
1.3.2 Disponibilidad de las fuentes
1.3.3 Transformacin
1.3.4 Prdidas y consumos propios de la rama energa
1.3.5 Consumo final
1.3.6 Construccin en computadora

INTRODUCCION AL CONCEPTO DE PREDICCION O PRONSTICO


2.1
2.2
2.3

2.4

Importancia de las predicciones


Mtodos alternativos de prediccin
Clasificacin de los mtodos predictivos
2.3.1 Mtodos cuantitativos
2.3.2 Mtodos cualitativos
Predicciones mediante series temporales
2.4.1 Finalidad de las series temporales
2.4.2 Patrones bsicos de una serie temporal

MODELOS DETERMINISTICOS DE PREDICCIONES

Dr. Salome Gonzles Chvez

3.1
3.2
3.3

3.4
3.5

3.6
3.7

3.8
4

Medias mviles
Alisados exponenciales
Modelo de Brown
3.3.1 Modelo de Brown con tendencia lineal
3.3.2 Modelo de Brown con tendencia cuadrtica
Modelo de Holt
Mtodo de ajuste de tendencias
3.5.1 Tendencia lineal
3.5.2 Tendencia exponencial
3.5.3 Autorregresivo de tendencia
3.5.4 Funcin logstica
3.5.5 Curva de Gompertz
Modelo de Winters
Proceso de clculo y elementos de programacin
3.7.1 Eleccin de la metodologa
3.7.2 Clculo del modelo ptimo
3.7.3 Elementos de programacin
Ejemplos de aplicacin

MODELOS ESTOCASTICOS DE PREDICCIONES: ARIMA


4.1
4.2
4.3
4.4

4.5

4.6
4.7
4.8
4.9
5

MODELOS ENERGETICOS

Procesos estocsticos
Procesos estocsticos estacionarios
Procesos estocsticos no estacionarios
Modelos estocsticos estacionarios lineales
4.4.1 Modelo de medias mviles MA(q)
4.4.2 Modelo autorregresivo AR(P)
4.4.3 Modelo mixto ARMA(p, q)
Modelos ARIMA
4.5.1 Modelos lineales no estacionarios homogneos
4.5.2 Modelos estacionales no estacionarios homogneos
4.5.3 Modelos estacionales multiplicativos
Etapas para la elaboracin de un modelo ARIMA
Proceso de clculo y elementos de programacin
Ejemplos de aplicacin
Secuencia de clculo de un Modelo ARIMA utilizando el programa
SPSS

MODELOS ECONOMETRICOS DE PREDICCIONES


5.1

5.2

5.3

Campo de aplicacin de los modelos economtricos


5.1.1 Clasificacin
5.1.2 Comparacin
5.1.3 Importancia en el campo energtico
Evaluacin de las variables temporales de entrada
5.2.1 Caractersticas de las variables
5.2.2 Restricciones
Anlisis de regresiones
3

Dr. Salome Gonzles Chvez

5.4

5.5

5.6

MODELOS ENERGETICOS

5.3.1 Regresin estticas


5.3.2 Regresiones dinmicas
El predictor de mnimos cuadrados
5.4.1 Caractersticas del predictor
5.4.2 Condicionantes
Seleccin del modelo econmtrico
5.5.1 Determinacin inicial del modelo
5.5.2 Colinealidad
5.5.3 Estacionariedad
5.5.4 Integracin
5.5.5 Quiebre estructural
5.5.6 Cointegracin
Ejemplos de aplicacin. CASOS

BIBLIOGRAFIA

Pea S. de Rivera. Anlisis de Series Temporales, Tomo II. Ed. Universitaria,


Madrid, 2010
Gujarati, Domodar, N. Econometra, Ed. McGrawHill, Madrid, 2009
Gonzales, Salome. Modelos Energticos. Metodologa, clculo y aplicaciones,
2007
Box G., Jenkins G. Time Series Analysis, Forecasting and Control. Prentice
Hall, 1970, N.J, USA
E-Views. Econometric Views Program
SPSS. Statistical Package for the Social Sciences
EUROSTAT. Departamento de Estadstica- Energa, UE
AIE. Agencia Internacional de la Energa

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

PARTE 1
MODELOS Y CONSTRUCCION DE BALANCES ENERGETICOS

1.1

TIPOS DE BALANCES ENERGETICOS

1.1.1 GENERALIDADES
En principio, se define como fuente de energa a todo aquello que
permite producir energa til directamente, o por medio de transformacin o
conversin, entendiendo como conversin la produccin de energa con
modificacin del estado fsico del agente energtico. Desde el punto de vista
del estudio de las necesidades de energa los trminos fuente de energa y
energa son sinnimos.
Las fuentes de energa se clasifican a su vez en primarias cuando no ha sido
sometida a ningn proceso de conversin, y en secundarias en caso contrario.
Un balance global de energa, o balance energtico, es un ordenamiento
estadstico en forma de cuadro contable que representa, dentro de un territorio
o regin y en un determinado perodo de tiempo, normalmente un ao, por un
lado, las disponibilidades energticas y, por otro, la utilizacin dada a dichas
disponibilidades incluyendo las prdidas debidas a la conversin,
transformacin y transporte.
La elaboracin de un balance global quedara plenamente justificada si todas
las fuentes de energa pudiesen sustituirse entre si completa y directamente,
tanto en el caso del abastecimiento como en el de la utilizacin. Sin embargo,
debido a la estructura tecnolgica, dicha posibilidad de sustitucin directa slo
existe de manera instantnea en las centrales trmicas convencionales
polivalentes (es decir, en las que se puede sustituir un combustible por otro) y,
a corto y medio plazo, en la mayora de las aplicaciones no especficas.
No obstante, aunque slo sea por estas posibilidades de sustitucin parcial, el
balance se revela como un instrumento esencial de anlisis y estudio
energtico, pues permite comparaciones, tanto temporales como entre
regiones, y ayuda a detectar particularidades de cada sector energtico.
De hecho, la experiencia indica que las fuentes de energa se prestan mal a un
estudio por separado y que solamente su conjunto tiene verdadero significado.
Para poder evaluar los datos de entrada, una vez procesados en unidades de
medida comunes, tal que expresen los movimientos de la energa desde la
oferta hasta el consumo final, es indispensable establecer una estructura
5

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

contable suficientemente general. En tal sentido, es necesario seleccionar los


agregados o partidas del balance que describen las diferentes operaciones
relacionadas con la energa y acondicionar un modelo de balance energtico tal
que adapte convenientemente las distintas fuentes de energa presentes en
una determinada regin.
En la actualidad existen multitud de diferentes tipos de balances energticos,
que se diferencian unos de otros en los criterios de evaluacin y las
consideraciones asumidas en la transicin desde las disponibilidades
energticas hasta el uso correspondiente de dicha energa, siendo en muchas
ocasiones slo conocidos por los elaboradores del balance en cuestin.
Se plantea entonces, establecer una serie de criterios objetivos recogidos en
las normas elaboradas por organismos internacionales, existiendo la posibilidad
no obstante, de aplicar cierta subjetividad en aquellos casos en que la
informacin disponible resulte insuficiente, as como en la adaptacin del
balance a determinadas particularidades de las energas y de los sectores
transformadores y consumidores presentes en la regin considerada.
En este sentido; se proponen los modelos de balance energtico ms usados a
nivel internacional, los cuales, aunque escasas, presentan notables diferencias
estructurales entre ellos. Si bien en lo referente a la clasificacin de las fuentes
de energa en las columnas son similares, la diferencia radica en la distinta
valoracin en trminos de energa primaria de las energas hidrulicas y
nuclear y en la clasificacin de los agregados de las filas. Sin embargo, al
reflejar los criterios de cada mtodo, cabe la posibilidad de transformar un
balance de una metodologa a la otra.
Por otra parte, cada tipo de energa se podr presentar en los balances tanto
en unidades especficas como en unidades comunes -tonelada equivalente de
petrleo-, con el fin de realizar comparaciones estadsticas temporales.
1.1.2 TIPOS DE BALANCES
El hecho de que generalmente las fuentes de energa no se consumen en su
estado inicial, sino que sufren una o varias transformaciones que afectan tanto
su forma como su contenido energtico, plantea el problema de cmo tratar las
energas derivadas, o sea la diferencia entre el volumen de energa que entra
en transformacin y el volumen de energa derivada obtenida.
Las diferencias entre los diversos tipos de balance de energa se reducen a
enfoques y consideraciones particulares de dicha diferencia de transformacin,
que afecta al volumen energtico que ha de atribuirse a un producto derivado.
De hecho, dicho volumen energtico puede evaluarse con arreglo al contenido
energtico real del producto resultante de la transformacin, o con arreglo a su
equivalencia primaria al comienzo de la transformacin.

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

1.1.3 BALANCE DE ENERGIA FINAL


El objetivo del balance de energa final es proporcionar una imagen real de las
operaciones en la forma en que estas se realizan. Se caracteriza por expresar
todos los flujos atendiendo al contenido energtico real de cada fuente de
energa. As, este balance registra las cantidades energticas disponibles
efectivamente y puestas realmente a disposicin del consumidor, teniendo en
cuenta las prdidas que se producen durante las operaciones de
transformacin.
Proporciona por tanto:
La descripcin completa y homognea de todas las transformaciones
de energa.
El desglose preciso de las fuentes de energa, se conoce el
contenido energtico de cada producto.
Elementos para calcular coeficientes relativos a transformaciones
energticas.
Una base para el anlisis del consumo y para el estudio del ahorro de
energa.
Se puede objetar, sin embargo, que este balance no tiene en cuenta todas las
prdidas producidas en el proceso de degradacin de la energa, pues no
contabiliza las prdidas que se producen durante la ltima transformacin de
energa a manos del consumidor final (energa til). En este contexto, este
balance subestima la aportacin de la energa elctrica, pues al ser el bien
energtico de mayor rendimiento para el consumidor final, tiene en su ltima
fase un valor de uso mayor que los combustibles fsiles.
Adems, el balance de energa final tiene algunos inconvenientes prcticos.
Estos se refieren en particular a las dificultades materiales propias de la
elaboracin del balance. As, la elaboracin de balances de transformacin
equilibrados exige datos estadsticos ms completos y conocimientos ms
precisos sobre las caractersticas de las fuentes de energa.
1.1.4 BALANCE DE ENERGIA UTIL
El balance de energa til se deriva del balance de energa final y es
indispensable tanto para los trabajos sobre anlisis y previsin de la demanda,
como para los referentes al ahorro de energa. En la descripcin de las
operaciones, va ms all de la energa final al contabilizar la energa
recuperada a la salida de los aparatos de los consumidores finales, y destacar
principalmente las prdidas resultantes de esta ltima transformacin. Por
tanto, el consumo energtico efectivo o energa til se mide partiendo de la
cantidad suministrada al consumidor o energa final.
El balance de energa til presenta novedades en su realizacin prctica,
debido a la dificultad que presenta la determinacin de los coeficientes de
rendimiento de energa en los equipos donde se produce la ltima
transformacin energtica, pues requieren informaciones de tipo tecnolgico y
7

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

nuevos desgloses estadsticos. De aqu que sea preciso conocer los tipos
principales de aparatos que emplean los consumidores finales de energa, las
cantidades de energa que consume cada tipo de aparato y el rendimiento
medio de los mismos.
Forzosamente, los tipos de aparatos considerados deben ser pocos para evitar
grandes dificultades en el desglose de las cantidades suministradas. Slo es
til distinguir aparatos que presenten rendimientos sensiblemente diferentes.
Dichos rendimientos, que deben ser aplicables al conjunto de los suministros,
pueden ocultar dispersiones amplias sin afectar por ello al clculo de energa
til. Sin embargo, la energa til tambin se puede determinar con arreglo a
procedimientos tecnolgicos, utilizaciones, sectores o ramas de actividad
econmica, aunque estos desgloses presentan dificultades tericas y prcticas
an mayores.
De hecho, se producen otras prdidas de energa despus de la salida de los
aparatos, algunas calculables fcilmente como las prdidas de los circuitos de
distribucin, y otras difcilmente cuantificables como la mala utilizacin de los
equipos. Y aunque estas prdidas influyen en la demanda y consumo
energticos, no pueden incluirse en un balance de energa.
1.1.5 BALANCE EN EQUIVALENTE PRIMARIO
Este balance tiene por objeto expresar, en trminos de equivalencia de energa
primaria, las cantidades que se precisan para satisfacer la demanda final. En
consecuencia, todas las partidas del balance se contabilizan con arreglo al
volumen de energa primaria que se precisa para abastecimiento, y se
expresan en una unidad comn, por regla general la de un combustible fsil,
como si una fuente de energa primaria, elegida como elemento de expresin y
punto de referencia, cubriese todas las necesidades. De ello se deduce que:

Las fuentes derivadas de energa se contabilizan segn su


equivalente primario, o sea, segn las cantidades de energa primaria
que se precisan para su produccin.
Las transformaciones no presentan ninguna prdida, puesto que slo
se tienen en cuenta las entradas en transformacin, al alinearse junto
a stas las salidas del producto transformado mediante un coeficiente
de conversin adecuado.
Para la energa elctrica de origen hidrulico, geotrmico y nuclear
se recurre a la hiptesis de sustitucin, contabilizando la cantidad
equivalente de combustible primario que se precisara quemar en una
central termoelctrica convencional, incluyendo las prdidas, para
producir la misma cantidad de energa elctrica.

An as, la sustitucin de toda la energa elctrica por electricidad de origen


trmico convencional provoca varios inconvenientes, como sobrestimar las
cantidades necesarias realmente para el abastecimiento, y subestimar el grado

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

de dependencia energtica (importaciones netas/consumo bruto) al inflar


artificialmente el consumo bruto.
Por razones prcticas, estos principios se aplican parcialmente, pues como las
prdidas en transformacin slo son grandes en centrales trmicas
convencionales, el concepto de energa primaria equivalente se aplica
nicamente a la energa elctrica, mientras que las dems fuentes energticas
se evalan basndose en su contenido energtico real.
Este balance apenas se presta al anlisis del consumo real y las previsiones de
consumo, puesto que las conversiones en equivalente primario tergiversan su
estructura. Por otra parte es arriesgado comparar dos regiones con estructura
de consumo diferente, pues la proporcin de prdidas en el consumo es
tambin diferente. Dichas prdidas varan enormemente de una fuente de
energa a otra, 0% para el gas natural, 10% para productos petrolferos y 65 %
para la electricidad. Por tanto, este tipo de balance es inadecuado para
elaborar previsiones vlidas, porque da una imagen deformada del consumo.
Como el coeficiente de conversin de las fuentes derivadas en su equivalente
primario es diferente de un pas a otro, ya que el rendimiento de transformacin
no es el mismo, ocurre que a igual cantidad de electricidad consumida o
intercambiada entre dos pases, el equivalente primario puede diferenciarse
entre el 3 % y el 50 %, imposibilitando cualquier comparacin basada en
unidades comunes.
Este balance, que parece contabilizar peor la energa que el balance de
energa final, se justifica como balance de anlisis en la medida que el estudio
del abastecimiento se realiza bajo las posibilidades tericas de sustitucin de
unas fuentes de energa por otras. Se calcula un volumen ficticio de
abastecimiento y de consumo global como si no existiese una energa
determinada, en particular la energa de origen geotrmico e hidrulico,
mientras que el balance de energa final indica el abastecimiento real
producido. Por eso, la atribucin de que se adapta mejor al anlisis de
abastecimiento que el balance de energa final, cuya funcin es analizar el
consumo y el ahorro de energa, hay que limitarla y matizarla.
1.1.6 BALANCES MIXTOS
En la prctica, junto a los tres tipos de balance existe una combinacin de
criterios que se inspiran a la vez en el concepto de energa final y en el de
equivalente primario. Dicha combinacin puede darse o en el caso de los
productos cuyas conversiones puedan basarse en puntos de vista diferentes, o
en el caso de los agregados, al intentar satisfacer las exigencias de clculo de
la equivalencia primaria por lo que respecta a la partida de disponibilidades, y
del contenido energtico real, por lo que respecta a la partida utilizaciones.

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

1.1.7 UNIDADES Y FACTORES DE CONVERSION


UNIDADES
Las unidades de medida energtica ms comnmente utilizadas por los
organismos internacionales en materia de balances de energa son la calora
(particularmente la Teracalora), el Terajoule, la tonelada equivalente de carbn
(tec) y la tonelada equivalente de petrleo (tep). En concordancia con el balance
energtico nacional y comunitario, en este trabajo se utilizar la tonelada
equivalente de petrleo.
Para la tonelada equivalente de petrleo, como definicin, existen dos conceptos
siguientes:
a) La tonelada equivalente de petrleo que podra denominarse unidad
normalizada asimilable a una tonelada de petrleo terica, y con un
poder calorfico inferior de 10 millones de kcal.
b) La tonelada equivalente de petrleo que no es unidad normalizada, pero
que expresa una equivalencia primaria en el abastecimiento en
toneladas de petrleo. Dicha unidad de equivalencia primaria en el
abastecimiento sustituye en cada cantidad de fuente derivada, la
cantidad que es o sera preciso utilizar en el momento de la entrada en
transformacin para obtener la fuente derivada. Este procedimiento
conduce a una definicin energtica de la unidad variable en el tiempo y
en el espacio. La aplicacin de este criterio puede originar diferencias
en el contenido energtico de la tep, segn la importancia de las
prdidas que se produzcan en los diversos procesos de transformacin.
FACTORES DE CONVERSION
Los factores de conversin empleados en el desarrollo de los balances
energticos toman como base la unidad normalizada la tonelada equivalente de
petrleo con un poder calorfico inferior medio de 107 kcal.
CARBON Y DERIVADOS:
Hulla (Bituminoso) para:
Centrales trmicas:
Coqueras:
Siderurgia y fundicin:
Industria del cemento:
otros consumos:

0,6016
0,70- 0,72
0,70
0,70
0,6016

Antracita:
0,5686
Coque:
0,7218
Gas de coquera:
0,4321
Gas de alto horno:
0,0718
Otros subproductos de coquera: 0,7

10

tep/t
tep/t
tep/t
tep/t
tep/t
tep/t
tep/t
tep/103 Nm3
tep/103 Nm3
tep/t

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

PRODUCTOS PETROLIFEROS:
GLP:
1,13
Gasolinas:
1,07
Gas-oil (Diesel 1 y 2):
1,035
Fuel-oil (Residuales):
0,96
Coque de petrleo:
0,96

tep/t
tep/t
tep/t
tep/t
tep/t

GASES:
Gas Natural:
Biogs:

tep/Gcal PCS
tep/103 Nm3

0.09
0,420

ELECTRICIDAD:
Electricidad:
0,086
tep/MWh
Hidrulica:
0,2233
tep/MWh
Trmica: Segn rendimiento anual de las C.T. tep/MWh

1.2

METODOLOGIA AIE: MODELO 1

Para la evaluacin de los datos de partida, una vez procesados en unidades de


medida comunes, en una correspondencia tal que expresen los movimientos de
la energa desde la oferta hasta el consumo final, es indispensable establecer una
estructura contable lo suficientemente general y a la vez acorde a las
caractersticas energticas del lugar.
En la actualidad existen diferentes tipos de balances energticos, que se
diferencian unos de otros en los enfoques o consideraciones que asumen en el
proceso energtico.
En este sentido, es necesario seleccionar y acondicionar un modelo de balance
energtico tal que se adecue convenientemente a las fuentes de energa,
primaria y derivada, de la regin, as como a los agregados o partidas del balance
que describen las diferentes operaciones relacionadas con la energa.
1.2.1 ESTRUCTURA DE LA MATRIZ CONTABLE
La matriz es un cuadro contable de doble entrada entre filas y columnas. En las
columnas se contabilizan las fuentes de energa y en las filas se encuadran los
agregados o partidas desde la produccin hasta el consumo final por sectores y
subsectores.
En la tabla 1.1 se muestra la estructura de la matriz contable, en donde el orden
de agrupacin por columnas se ha realizado teniendo en cuenta la fuente
primaria existente y sus correspondientes fuentes derivadas.
El detalle de las filas y columnas se realiza a continuacin.

11

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

1.2.2 DISTRIBUCION POR FUENTES DE ENERGIA


Las fuentes de energa pueden ser de origen primario y de origen secundario. Las
primeras son los recursos que se encuentran en estado natural, tales como la
hulla y la antracita. Las segundas son las fuentes de energa derivadas de las de
origen primario, es decir que son aprovechadas directa o indirectamente despus
de una primera o segunda transformacin, como por ejemplo el coque de carbn
obtenido en las coqueras o la electricidad obtenida en las centrales trmicas de
carbn.
CARBON Y DERIVADOS
Las diferentes calidades de bituminoso y antracita pueden presentar una variedad
de poderes calorficos que deben de tenerse en cuenta al hacer la conversin a
una unidad comn dentro del balance de energa final. En cada caso se toma el
poder calorfico inferior medio del tipo de carbn a consumir.
Dentro de la matriz contable, el carbn y sus derivados se ubican desde la
columna C1 hasta la C6 de la matriz contable.
HULLA (BITUMINOSO)
Variedad de carbn con poder calorfico inferior de 5.700 kcal/kg a 6.200
kcal/kg. Incluye tambin los menudos y los finos.
ANTRACITA
Variedad de carbn con poder calorfico inferior, en el caso de la antracita
espaola, comprendido entre 5.000 kcal/kg y 6.700 kcal/kg, y con un bajo
contenido de voltiles.
COQUE
Combustible derivado de la hulla obtenido en las coqueras, mediante
proceso de pirlisis en ausencia de aire. Su poder calorfico medio es de
7.000 kcal/kg.
GAS DE COQUERIA
Gas combustible obtenido como subproducto aprovechable durante la
fabricacin del coque en las coqueras. Su poder calorfico inferior medio
es de 4.300 kcal/Nm3.
GAS DE ALTO HORNO
Gases combustibles producidos durante la obtencin de hierro en los altos
hornos. Denominado tambin gas pobre dado su bajo contenido
energtico. Su poder calorfico inferior medio es de 720 kcal/Nm3.
ALQUITRAN, BENZOL Y OTROS
Subproductos adicionales obtenidos durante la destilacin de la hulla en
las plantas de coquizacin. Se les considera un poder calorfico inferior
medio de 7.000 kcal/kg.
12

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

PETROLEO Y DERIVADOS
Abarcan desde la columna C7 hasta la C12 de la matriz de balance.
GAS LICUADO DE PETROLEO-GLP
Est constituido por propano, butano y la mezcla de ambos. Tiene una
equivalencia energtica media de 1,13 tep por tonelada de GLP.
GASOLINAS
Gasolinas para motores de combustin interna. En este grupo se incluyen
la gasolina ordinaria, la supercarburante, la gasolina de aviacin, la
gasolina natural y los aditivos. En el mercado internacional se expenden
gasolinas de 92, 95, 97 y 98 octanos. Tienen una equivalencia energtica
media de 1,07 tep por tonelada de gasolina.
GASOLEOS (Diesel 1 y 2)
Combustible diesel derivado del petrleo para uso en motores de
combustin interna. Segn sus caractersticas se especifican en gasleo
tipo A, B o C. Tienen una equivalencia energtica media de 1,035 tep/t.
FUELOLEOS (Residual 500)
Combustible lquido de uso industrial y martimo principalmente y de
viscosidad inferior a 115 Redwood 1 a 37,70C. Tambin existe el fuel-oil
residual cuya viscosidad es superior a 115 Redwood 1 a 37,70C. Su
equivalencia energtica media es de 0,96 tep/t.
COQUE DE PETROLEO
Producto slido obtenido por craqueo de los residuos pesados del petrleo
que arde sin dejar cenizas. Posee una equivalencia energtica media de
0,96 tep/t.
GASES
Incluye solamente las fuentes primarias, como es el caso del gas natural, y las
derivadas no dependientes del carbn, como es el gas ciudad; ambas se
comercializan en estado gaseoso a travs de gasoductos y tuberas de gas.
GAS NATURAL
Gas combustible, rico en metano, que proviene de yacimientos naturales.
Contiene cantidades variables de los hidrocarburos ms pesados que se
lican a la presin atmosfrica, as como vapor de agua. Su equivalencia
energtica media es de 0,09 tep/Gcal PCS.

OTRAS FUENTES

13

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

En la columna C16, se incluyen las otras fuentes de energa tales como las
fuentes renovables, solar, elica y biomsica.
SOLAR
El Per dispone de un gran potencial solar, cuyo aprovechamiento diverso,
se presenta como una alternativa estratgica para satisfacer demandas
energticas especialmente en los sectores rural y urbano-marginal del
territorio.
EOLICA
Actualmente no se cuenta con un mapa elico completo del Per, sin
embargo existen zonas ya evaluadas que poseen niveles de viento tales
como para ser aprovechados en la aerogeneracin de pequea y gran
escala (microaerogeneradores para zonas rurales, dispersas y aisladas, y
bosques elicos para demandas elctricas interconectadas).
Actualmente esta fuente se presenta como una excelente alternativa
energtica y medioambiental en nuestro pas.
BIOMASA
Es el energtico de uso tradicional en el Per, pero en condiciones de
ineficiencia energtica. Con las nuevas tecnologas de transformacin o
conversin existentes en el mercado nacional e internacional, esta fuente
se perfila cono una de las alternativas de aprovechamiento energtico
estratgico en el Per
HIDROENERGIA
Se considera a la energa hidrulica como fuente primaria, es decir como energa
de entrada a las centrales hidroelctricas. Para su cuantificacin dentro del
balance energtico en tep se parte del criterio trmico, en que la hidroenerga de
entrada se transforma en electricidad bajo un rendimiento equivalente medio al de
una central termoelctrica con valor medio del 38,5%.
La eleccin de este coeficiente de equivalencia, para la hidroenerga, es
ilustrativo de su importancia como ahorro de divisas por efecto de la importacin
del combustible para la generacin de electricidad.
ELECTRICIDAD
Corresponde la energa elctrica obtenida tanto en las centrales termoelctricas
como en las centrales hidroelctricas y otros sistemas de generacin.
1.2.3 MOVIMIENTOS DE DISPONIBILIDAD
PRODUCCION
En este modelo de matriz, se consideran como produccin de energa:
14

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

LA EXTRACCION DE ENERGIA PRIMARIA


Es decir la extraccin local o autctona de energa de una fuente natural.
LA PRODUCCION DE ENERGIA SECUNDARIA
Se obtiene de un proceso de transformacin energtico local. En ella se
incluyen la electricidad generada en las centrales termoelctricas e
hidroelctricas, etc.
IMPORTACION
Representa el total de las entradas energticas en la regin, excluidas las
cantidades en trnsito.
EXPORTACION
Constituye las salidas energticas de la regin o pas.
BUNKERS
Cantidades de combustible suministradas a los navos en alta mar, cualquiera
que sean su pabelln o categora. No cubre las cantidades suministradas a los
transportes interiores por agua o en cabotaje, ni las suministradas al trfico areo,
incluido el internacional.
VARIACIONES DE EXISTENCIAS
Es la diferencia entre las cantidades de energa en poder de los productores, los
importadores, los distribuidores de gas natural, los transformadores y los grandes
consumidores industriales al principio y al final de un perodo considerado. El
signo positivo indica disminucin de existencias y el signo negativo aumento de
aqullas.
PERDIDAS
Se contabilizan como las mermas de energa en los procesos de transformacin,
transporte y distribucin. Por ejemplo las prdidas en las redes de transporte y
distribucin de la energa elctrica.
CONSUMO INTERNO NETO
Representa la cantidad de energa necesaria para satisfacer el consumo interior
descontando las prdidas. Se calcula de la siguiente forma:

Consumo Interno Neto = Produccin + Importacin - Exportacin Bunkers + variaciones de existencias - Prdidas

15

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

1.2.4 SECTOR ENERGETICO: TRANSFORMACION Y CONSUMOS PROPIOS


Est conformado por las entradas de las fuentes de energa hacia los centros de
transformacin y los consumos propios del sector energtico.
ENTRADAS EN TRANSFORMACION
Son las entradas energticas a los centros de transformacin. En stas se
incluye gas natural seco, carbn o derivados del petrleo para generar
electricidad en las centrales termoelctricas, crudo de petrleo que entra
en las refineras, la hulla para obtener coque en las coqueras, el coque
que entra en los altos hornos, etc.
CONSUMOS PROPIOS DEL SECTOR ENERGETICO
Es el consumo de la energa, tanto autoproducida como comprada, por
parte de los productores y transformadores de la energa para el
funcionamiento de sus instalaciones; por ejemplo la electricidad consumida
en minas de carbn, coqueras, centrales trmicas, centrales
hidroelctricas, etc.
El apartado sector energtico se divide en centrales trmicas y centrales
hidrulicas de servicio pblico y autoproductoras, centrales de gas, coqueras,
altos hornos, refineras de petrleo, minas de carbn, etc.
1.2.5 CONSUMO FINAL
Es la energa puesta a disposicin del usuario en los diferentes sectores de uso
final. Estos sectores a su vez se agrupan conformando el sector industrial,
transporte y usos diversos.
INDUSTRIA
La desagregacin de este sector, se realiza teniendo en cuenta las industrias
establecidas en la regin o pas, agrupadas o clasificadas obedeciendo al orden y
nivel de la Clasificacin Internacional Industrial Uniforme de todas las
Actividades Econmicas (CIIU)
As, se debe desagregar en ms o menos unos 15 subgrupos de empresas,
cuantificndose en forma individual aqullas de mayor volumen de produccin.
TRANSPORTE
Es la suma del consumo de energa en el transporte ferroviario, por carretera,
areo y martimo.
FERROVIARIOS
El transporte por ferrocarril, incluye el consumo del ferrocarril y de los
sistemas de transporte urbano electrificado. No incluye las entradas en las
centrales elctricas administradas por ferrocarriles.
16

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

POR CARRETERAS
En transporte por carretera, se considera las cantidades suministradas a
los vehculos de motor, tanto para automviles y vehculos utilitarios por
cuenta propia como ajena, autobuses de compaas ferroviarias y
vehculos de obras pblicas.
AEREOS
En transporte areo, incluye los suministros destinados a cubrir las
necesidades del trfico areo nacional e internacional.
MARITIMOS
En transporte martimo, se considera los consumos destinados a la
navegacin interior y de recreo.
USOS DIVERSOS
En este sector se agrupan los consumos finales de: agricultura, pesca,
administracin pblica, alumbrado pblico, comercio-servicios privados y
consumo residencial o domstico.
AGRICULTURA
Abarca el consumo de productos petrolferos en la propia
agricultura, incluidos los vehculos utilizados para el transporte
agrcola.
PESCA
Corresponde al consumo energtico final de las actividades de
pesca.
ADMINISTRACION PUBLICA
Incluye los consumos energticos del ejrcito y la administracin
pblica (municipalidades, hospitales, colegios nacionales, institutos
del estado, la universidad, bibliotecas, etc.).
ALUMBRADO PUBLICO
Corresponde exclusivamente a los consumos de energa elctrica
en alumbrado pblico.
COMERCIO Y SERVICIOS PRIVADOS
Consumos de energa en el comercio y servicios de propiedad
privada (hoteles, bancos, agencias de publicidad, etc.).
RESIDENCIAL
Consumo residencial o domstico en coccin, calefaccin, agua
caliente sanitaria, alumbrado y fuerza elctrica.

17

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

DIFERENCIA ESTADISTICA
En esta fila se evala el dficit o ganancia aparente de cada fuente de energa,
producto de errores estadsticos, informacin o medida. Se obtiene de la forma
siguiente:
Diferencia Estadstica = Consumo Interno Neto - Sector Energtico Consumo Final
1.2.6 CONSTRUCCION INFORMATIZADA DEL CUADRO CONTABLE
El programa informtico ms amigable para la elaboracin de una matriz
energtica contable es el EXCEL
Adjunto se entrega un ejemplo de caso de cuadro contable ordenado, bajo este
modelo de balance de energa final (Modelo 1)

18

Dr. Salome Gonzles Chvez

TABLA 1.1

MODELOS ENERGETICOS

ESTRUCTURA DE LA MATRIZ CONTABLE

BALANCE ENERGETICO
(Modelo 1)

CARBON Y DERIVADOS
C1

C2

HULLA

ANTRACITA

AO:
UNIDAD: tep
PRODUCCION
IMPORTACION
EXPORTACION
BUNKERS
VARIACIONES DE EXISTENCIAS
PERDIDAS
CONSUMO INTERNO NETO
SECTOR ENERGETICO: TRANSF. Y C.P

F1
F2
F3
F4
F5
F6
F7
F8

CENTRALES TERMICAS (SERV. PUBLICO)

F8.1

CENTRALES TERMICAS (AUTOPROD.)

F8.2

CENTRALES HIDRAULICAS

F8.3

COQUERIAS

F8.4

ALTOS HORNOS

F8.5

FABRICAS DE GAS

F8.6

MINAS DE CARBON

F8.7

CONSUMO FINAL
INDUSTRIA

F9
F10

SIDERURGIA Y FUNDICION

F10.1

METALURGIA NO FERREA

F10.2

QUIMICA

F10.3

VIDRIO Y CERAMICA

F10.4

EXTRACTIVAS (NO ENERGETICAS)

F10.5

ALIMENTACION, BEBIDA, TABACO

F10.6

TEXTILES, CUERO, CONFECCION

F10.7

MADERA, CORCHO, MUEBLES

F10.8

CEMENTO, CAL, YESO

F10.10

PAPEL, CARTON,IMPRENTA

F10.11

TRANSFORMADOS METALICOS

F10.12

EQUIPO DE TRANSPORTE

F10.13

CONSTRUCCION Y OBRAS PUBLICAS

F10.14

RESTO INDUSTRIA

F10.15

F11

FERROVIARIOS

F11.1

POR CARRETERAS

F11.2

AEREOS

F11.3

MARITIMOS

F11.4

USOS DIVERSOS

F12

AGRICULTURA

F12.1

PESCA

F12.2

ADMINISTRACION PUBLICA

F12.3

ALUMBRADO PUBLICO

F12.4

COMERCIO Y SERVICIOS

F12.5

USOS DOMESTICOS

F12.6

DIFERENCIA ESTADISTICA

C4

C5

C6

COQUE

GAS DE
COQUERIAS

GAS DE
HORNO
ALTO

C7

C8

ALQUITRAN,
G.L.P.
BENZOL,
OTROS

C9

GASOLINAS

C10

GASOLEOS

FUELOIL

GAS

C11

C12

C13

C14

COQUE
DE PETROLEO

OTROS
PROD.

TOTAL
PROD.
PETROL.

C15

GAS
GAS
NATURAL CIUDAD

F10.9

LADRILLOS, TEJAS Y ALFARERIA

TRANSPORTE

PETROLEO Y DERIVADOS

C3

F13

19

Dr. Salome Gonzles Chvez

1.3

MODELOS ENERGETICOS

METODOLOGIA EUROSTAT: MODELO 2

Para el desarrollo de esta metodologa, se ha tenido en cuenta las caractersticas


energticas de la regin en concordancia con los balances propuestos por la
Oficina de Estadstica de las Comunidades Europeas-EUROSTAT.
1.3.1 DISTRIBUCION POR FUENTES DE ENERGIA
La ordenacin de las columnas en la matriz contable, tal como se muestra en la
tabla 1.2, se realiza de forma similar a la de la Metodologa AIE.
1.3.2 DISPONIBILIDAD DE LAS FUENTES
PRODUCCION
En este mtodo se considera solamente la extraccin o aprovechamiento de
energa primaria. Por tanto, los recursos autctonos explotados son:
Hulla (bituminoso)
Antracita
Hidroenerga
En lo que se refiere a la importacin, la exportacin, variaciones de existencias y
Bunkers, se cuantifica de forma similar que en la Metodologa I.
RECUPERACION
Comprende menudos de recuperacin, esquistos de escombrera, lubricantes
reciclados y ciertos productos recuperados en la industria.
CONSUMO INTERIOR
Es el consumo interior bruto y se calcula de la siguiente forma:
Consumo Interior = Produccin + Recuperacin + Importacin +
Variaciones de Existencias - Exportacin - Bunkers
1.3.3 TRANSFORMACION
ENTRADAS PARA TRANSFORMACION
Representan las entradas energticas en una planta de transformacin para la
obtencin de productos derivados.
Estos centros de transformacin se han dividido en centrales trmicas, centrales
hidrulicas, coqueras, altos hornos y fbricas de gas. Se recogen en las filas 8.1
a 8.5, respectivamente.

20

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

SALIDAS DE TRANSFORMACION
Corresponde a la produccin de productos derivados, filas 9.1 a 9.5, que son
resultado del proceso de transformacin como, por ejemplo, el gas de coquera,
el coque en las coqueras, etc.
INTERCAMBIOS Y TRANSFERENCIAS
Fila 10. Comprende las mezclas de productos energticos como, por ejemplo,
mezclas de productos petrolferos, gases licuados de petrleo para
enriquecimiento aadidos al gas natural (sin transformacin) y transferencias para
distribucin (sin proceso adicional).
1.3.4 PERDIDAS Y CONSUMOS PROPIOS DE LA RAMA ENERGIA
CONSUMOS PROPIOS
Fila 11. Es consumo de la energa, tanto autoproducida como comprada,
por parte de los productores y transformadores de energa para el
funcionamiento de sus instalaciones.
PERDIDAS EN DISTRIBUCION
Fila 12. Comprende las prdidas de energa fina durante su transporte y
distribucin, como es por ejemplo las que se producen con la electricidad.
1.3.5 CONSUMO FINAL
Se obtiene mediante la siguiente relacin:
Consumo Final = Consumo Interior - (Entradas en Transformacin Salidas de Transformacin) - Prdidas de Distribucin - Consumo
Propio de la Rama Energa
A su vez, el consumo final se divide en:
Consumo Final = Consumo Final No Energtico + Consumo Final
Energtico
CONSUMO FINAL NO ENERGETICO
Comprende las entradas para sntesis qumica (en particular petroqumica), Fila
14.1, y las utilizaciones no energticas en los otros sectores de consumo (
especialmente para lubricacin y asfaltado), Fila 14.2.
CONSUMO FINAL ENERGETICO
Se evala de forma similar que el consumo final en la metodologa I, pero
descontando los consumos para fines no energticos.

21

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

1.3.6 CONSTRUCCION POR COMPUTADORA


El programa informtico ms amigable para la elaboracin de una matriz
energtica contable es el EXCEL
Adjunto se entrega un ejemplo de caso de cuadro contable ordenado, bajo este
modelo de balance de energa final (Modelo 2)

22

Dr. Salome Gonzles Chvez

TABLA 1.2

MODELOS ENERGETICOS

ESTRUCTURA DE LA MATRIZ CONTABLE

BALANCE ENERGETICO
(Modelo 2 )
AO:
UNIDAD:
tep
PRODUCCION: FUENTES PRIMARIAS
RECUPERACION
IMPORTACION
VARIACIONES DE EXISTENCIAS
EXPORTACION
BUNKERS
CONSUMO INTERIOR
ENTRADAS EN TRANSFORMACION

CARBON Y DERIVADOS

PETROLEO Y DERIVADOS

C1

C2

C3

C4

C5

C6

C7

HULLA

ANTRA-

COQUE

GAS DE

GAS DE

ALQUIT.,

G.L.P.

COQUERIAS

HORNO
ALTO

BENZOL,
OTROS

CITA

C8

C9

C10

C11

GAS
C12

C13

C14

C15

C16

C17

C18

GASO-

GASO-

FUEL-

COQUE

OTROS

TOTAL

GAS

GAS

OTRAS

HIDRO-

ELECTRI-

LINAS

LEOS

OIL

DE PETROLEO

PROD.
PETROL.

PROD.
PETROL.

NATURAL

CIUDAD

FUENTES

ENERGIA CIDAD

TOTAL

0
0

CENTRALES TERMICAS

8.1

CENTRALES HIDRAULICAS

8.2

COQUERIAS

8.3

ALTOS HORNOS

8.4

FABRICAS DE GAS

8.5

SALIDAS DE TRANSFORMACION

0
0
0

CENTRALES TERMICAS

9.1

CENTRALES HIDRAULICAS

9.2

COQUERIAS

9.3

ALTOS HORNOS

9.4

FABRICAS DE GAS

9.5

10

11

12

INTERCAMBIOS Y TRANSFERENCIAS
CONSUMO DE LA RAMA ENERGIA
PERDIDAS EN LAS REDES
CONSUMO FINAL
CONSUMO FINAL NO ENERGETICO

14

QUIMICA

14.1

OTROS

14.2

CONSUMO FINAL ENERGETICO


INDUSTRIA

13

15

16

SIDERURGIA Y FUNDICION

16.1

METALURGIA NO FERREA

16.2

QUIMICA

16.3

VIDRIO Y CERAMICA

16.4

EXTRACTIVAS (NO ENERGETICAS)

16.5

ALIMENTACION, BEBIDA, TABACO

16.6

TEXTILES, CUERO, CONFECCION

16.7

MADERA, CORCHO, MUEBLES

16.8

CEMENTO, CAL, YESO

16.9

LADRILLOS, TEJAS

16.10

PAPEL, IMPRENTA

16.11

TRANSFORMADOS METALICOS

16.12

EQUIPO DE TRANSPORTE

16.13

CONSTRUCCION Y OBRAS PUBLICAS

16.14

OTRAS INDUSTRIAS

16.15

TRANSPORTES

17

0
0

0
0

FERROVIARIOS

17.1

POR CARRETERAS

17.2

AEREOS
MARITIMOS

17.3
17.4
18
18.1
18.2
18.3
18.4

0
0
0
0
0
0
0

USOS DIVERSOS
AGRICULTURA
PESCA
ADMINISTRACION PUBLICA
ALUMBRADO PUBLICO
COMERCIO Y SERVICIOS
USOS DOMESTICOS

DIFERENCIA ESTADISTICA

18.5
18.6
19

23

0
0
0

0
0
0
0
0
0
0
0
0
0
SGCH

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

PARTE 2
INTRODUCCION AL CONCEPTO DE DE PREDICCION PROYECCION O
PRONOSTICO

La determinacin de las predicciones del comportamiento futuro de variables


energticas, desempea un papel importante en el desarrollo de una adecuada
planificacin energtica de una regin o pas. Cada una de las series histricas
(series temporales) originadas por las diversas actividades energticas tienen
un comportamiento particular, dado que poseen un determinado tipo de
tendencia y componente estacional. Para alcanzar buenos resultados, las
tcnicas de prediccin a adoptar deben estar en estrecha relacin con las
caractersticas propias de cada variable temporal.
As, en esta parte del curso se realiza la evaluacin de predicciones de
variables energticas mediante el anlisis cuantitativo univariante de series
temporales, utilizando el enfoque determinstico y el enfoque estocstico. Bajo
el enfoque determinstico se hace la formulacin de los mtodos de ajuste de
tendencias, medias mviles y alisados exponenciales mltiples, mientras que
bajo el enfoque estocstico se tiene la modelizacin ARIMA (Autoregressive
Integrated Moving Average). Por otro lado se realiza las predicciones mediante
un anlisis multivariante utilizando los modelos economtricos dinmicos.
2.1

IMPORTANCIA DE LAS PREDICCIONES

Dentro del campo de la investigacin y desarrollo, el pronstico es una tcnica


que ayuda a predecir lo que ocurrir en el futuro. El futuro, por lo general no es
determinstico; ninguna tcnica de pronstico ser aplicable a todos los
procesos de decisin en una organizacin productiva de bienes y servicios. En
este sentido, es importante adoptar las tcnicas predictivas en mutua
correspondencia con la pericia en la materia a predecir. Desde una perspectiva
cientfica y bajo un sentido cuantitativo, se entienden prediccin, previsin y
proyeccin, como sinnimos para anticipar el futuro de un determinado suceso.
El pronstico es un elemento necesario del proceso de planeacin o
planificacin, predice lo que pasar si las tendencias histricas no cambian y,
en el caso de cambiar, se requiere del ajuste necesario.
2.2

METODOS ALTERNATIVOS DE PREDICCION

El conocimiento de los mtodos o tcnicas de prediccin disponibles es


necesario, tanto para juzgar sobre las predicciones elaboradas externamente,
como para formular las propias. Sin embargo, la variedad de tcnicas y
diversidad de opiniones sobre su validez hacen difcil disponer de una visin
equilibrada de conjunto. Segn el tipo de informacin y sus combinaciones, se
puede decir que la prediccin toma como base:
24

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

a) La opinin que tienen ciertas personas sobre el futuro de la materia en


estudio. En este caso, que denominaremos informacin subjetiva, las
tcnicas que se utilizan tratan de obtener el mximo aprovechamiento de
las experiencias, opiniones y expectativas de sujetos individuales o
instituciones seleccionadas segn diversos criterios.
b) La evolucin del fenmeno objeto de estudio en perodos anteriores.
Para este enfoque, la informacin bsica es la propia informacin
histrica, la serie temporal de la variable dependiente objeto de
estudio.
c) Las reglas internas de funcionamiento del tema cuyo comportamiento se
trata de predecir. Este planteamiento subraya la importancia de la
informacin relacional o causal, de la propia conexin entre variables
condicionantes del tema que se trata de predecir. Las leyes de
comportamiento que se supone van a regir en el futuro es frecuente que
se deduzcan de la experiencia sobre su funcionamiento en el pasado,
con lo cual la informacin histrica resulta tambin relevante
En principio, para adoptar la tcnica de prediccin a una situacin dada han de
tenerse en cuenta las siguientes condiciones:

El horizonte temporal que se contempla


Las variables participantes
El nivel de detalle
El uso futuro del pronstico
El costo del pronstico. Incluye el desarrollo, almacenamiento,
operacin y la oportunidad de la tcnica utilizada
La existencia o no de un proceso de planeacin
Es de indicar que el peligro latente en cualquier clase de prediccin, es que las
regularidades o relaciones observadas en el perodo de observacin no se
mantengan durante el perodo de prediccin, es decir que se presenten los
denominados cambios estructurales. La posible aparicin de cambios
estructurales constituye siempre una amenaza, tanto ms temible cuanto
mayor sea el horizonte temporal de la prediccin.
2.3

CLASIFICACION DE LOS METODOS PREDICTIVOS

Los mtodos o tcnicas de prediccin se pueden clasificar de diversas formas,


atendiendo a los objetivos que se persigan obtener.
En el contexto temporal, se pueden distinguir dos clases de predicciones:
condicionales e incondicionales.
Las predicciones condicionales son las que se realizan mediante mtodos
causales (mtodos multivariantes, en los que se utilizan varias series

25

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

cronolgicas y que incluyen relaciones entre la magnitud que se ha de predecir


y otras magnitudes ).
Las predicciones incondicionales son las que se hacen mediante mtodos
autoproyectivos (mtodos univariantes, en los que se emplea una sola serie
cronolgica y en los que el modelo est basado en la aceptacin de que los
modelos histricos seguirn siendo vlidos). Estos mtodos pueden estar
basados en dos enfoques alternativos: el determinista o clsico y el estocstico
o moderno.
En general, los mtodos de prediccin se pueden dividir en dos grandes
grupos: cuantitativos y cualitativos.
2.3.1 METODOS CUANTITATIVOS
Son mtodos formales que utilizan las matemticas para el tratamiento
sistemtico de una informacin histrica, como es una serie histrica de datos,
para luego identificar y estimar relaciones funcionales que conlleven hacia la
prediccin de dicha serie.
Entre los mtodos cuantitativos se tienen los siguientes:

Medias mviles
Alisados exponenciales
Modelo de Brown
Modelos de Holt y Winters
Mtodo de ajuste de tendencias
Mtodo economtrico (modelos economtricos)
Mtodo estocstico (modelos ARIMA)

2.3.2 METODOS CUALITATIVOS


Se basan en el juicio subjetivo de una persona o grupo de personas que
realizan un anlisis sobre determinada situacin, considerando o no la
informacin que se tenga sobre el pasado.
Los mtodos cualitativos pueden ser exploratorios y normativos. Los
primeros parten de un diagnstico del presente y pretenden proyectar lo que
ser el futuro; es decir explican lo que pasar. Los normativos parten de un
futuro, idealizado o no, y de l derivan las tecnologas, acciones, programas,
estrategias, etc., que movern el presente a este escenario idealizado; es decir
explican lo que hay que hacer para alcanzar un futuro propuesto.
Entre los principales mtodos cualitativos se cuentan los siguientes:

Mtodo Delphi (Delfos)


Investigacin Morfolgica
26

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Encuestas e investigaciones de mercado


Consenso de grupo
Impactos cruzados

A continuacin se describen brevemente cada uno de estos mtodos


Mtodo Delphi. Es de tipo normativo y consiste en que un grupo de
expertos crean un panel de ideas, mediante la respuesta a una serie
de preguntas. El grupo de expertos incorpora estas respuestas, que
no son conocidas entre las diferentes personas preguntadas, a
sucesivas fases del trabajo. Para homogeneizar las respuestas, stas
se cuantifican y se establecen las probabilidades de ocurrencia de los
acontecimientos futuros o las fechas en que pueden suceder. La
realimentacin de la informacin pretende guardar la incomunicacin
entre los miembros del panel, ya que el anonimato es una de las
principales caractersticas del mtodo. Los principales inconvenientes
de este mtodo radican en la posibilidad de eleccin incorrecta del
grupo, una errnea interpretacin de las respuestas de los expertos
por los coordinadores y la influencia de la personalidad dominante de
uno o varios miembros del grupo en la toma de decisiones.
Mtodo de investigacin morfolgica. Tambin es normativo,
establece previsiones examinando los principales componentes de un
fenmeno, identificando todos los posibles estados de cada elemento
para posteriormente determinar el nmero concreto de posibles
combinaciones futuras de los mismos. La probabilidad de ocurrencia
de los acontecimientos (basada en informacin subjetiva) puede ser
utilizada, si se incorpora un carcter meramente exploratorio, como
etapa precedente para otras previsiones posteriores, o si se toma
como tcnica normativa, para establecer un orden de posibles
soluciones entre los problemas planteados.
Encuestas e investigaciones de mercado. Con estas encuestas,
bien sea de intenciones, bien de actitudes, se establece el
comportamiento o las expectativas del mercado. Considerando las
respuestas obtenidas, se pueden establecer las intenciones o ndices
de sentimiento con relacin a determinadas conductas futuras; estas
caractersticas hacen que las predicciones sean, tal vez, ms tiles a
corto que a largo plazo.
Consenso de grupos o panel de expertos. En este mtodo se
fomenta la comunicacin de un grupo de personas, generalmente
expertos, en forma de discusin abierta para que lleguen a
conclusiones concretas sobre el futuro desarrollo de ciertos
acontecimientos. Se utiliza principalmente en prediccin tecnolgica.
La idea principal es que varios expertos pueden dar predicciones ms
precisas que los individuos aisladamente.

27

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Mtodo de impactos cruzados. Est basado en una matriz que


contempla la probabilidad de ocurrencia de un nmero de posibles
desarrollos; representa la direccin y fuerza del impacto que un
acontecimiento puede tener sobre la probabilidad de otros
(incrementndolo, reducindolo o dejndolo invariante). Se suele
utilizar la opinin de expertos como fuente de informacin de partida,
y puede utilizar escenarios, ms que acontecimientos aislados. Su
capacidad predictiva parece estar demostrada ms en situaciones a
largo que a corto plazo.
2.4

PREDICCIONES MEDIANTE SERIES TEMPORALES

Una serie temporal, llamada tambin serie histrica o serie cronolgica, es una
sucesin de valores observados de una variable referidos a momentos o a
perodos de tiempo diferentes, generalmente regulares. La caracterstica
distintiva de una serie temporal, en contraposicin a las observaciones de corte
transversal, es que los datos aparecen ordenados cronolgicamente. Este
hecho, que parece intranscendente, tiene diversas repercusiones tericas y
prcticas, entre las que se destacan las siguientes:
El tiempo es, en s mismo, una variable continua, y as ha de
considerarse en la formulacin de modelos tericos; sin embargo en
las aplicaciones empricas el tiempo se trata como una variable
discreta debido a la naturaleza de los datos.
Para designar la serie temporal observada utilizaremos la notacin
Xt
( t = 1, 2, 3,........N )
t: mes, trimestre, ao...
Autocorrelacin. Al estar los datos referidos a momentos o perodos
de tiempo sucesivos, interesa conocer las relaciones entre los
trminos consecutivos. El coeficiente de correlacin entre Xt y Xt-1 se
denomina coeficiente de autocorrelacin de primer orden;
anlogamente, el coeficiente de correlacin entre Xt y Xt-2 es el
coeficiente de autocorrelacin de segundo orden, y as
sucesivamente.
Para medir la amplitud, longitud o tamao de la serie temporal se
puede utilizar el tiempo transcurrido durante el perodo muestral o el
nmero de observaciones; ambas variables estn relacionadas por la
unidad de tiempo utilizada en las observaciones

28

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

2.4.1 FINALIDAD DE LAS SERIES TEMPORALES


En trminos generales, el anlisis de series temporales persigue los siguientes
fines:
La descripcin de una serie temporal dada
La prediccin de la evolucin futura de una serie temporal
Para ello es posible adoptar los enfoques alternativos univariante y
multivariante.
a) El enfoque univariante hace uso de los datos histricos de la
variable (serie temporal) para elaborar un modelo que describa
aceptablemente el comportamiento de la misma en el pasado. Tal
modelo descriptivo puede usarse para realizar predicciones de los
valores futuros de la variable. Este tipo de prediccin, como se indic
anteriormente, tambin se denomina autoproyectivo.
b) El enfoque multivariante busca relaciones entre dos o ms series
temporales. Refirindose al campo econmico, cabe adoptar hiptesis
de mayor o menor contenido de teora econmica. Las relaciones
estructurales dinmicas de alto contenido terico son los modelos
economtricos, que son modelos causales.
Cuando se espera que sean los datos los que determinen la relacin
entre las variables, a travs de mtodos estadsticos en los que la
teora econmica no juega ningn papel, estamos ante los modelos
multivariantes del anlisis de series temporales.
Por ltimo; Cuando se trata de relaciones entre variables en las que
influyen principalmente los condicionantes estadsticos y luego los
condicionantes de la teora econmica, estamos ante el caso de los
modelos economtricos dinmicos modernos

2.4.2 PATRONES BASICOS DE UNA SERIE TEMPORAL


Dentro del enfoque univariante, en el anlisis de series temporales existen
cuatro patrones bsicos a considerar, que pueden o no presentarse en la serie
y que son fundamentales para la seleccin de la tcnica de prediccin: la
tendencia, el patrn cclico, el patrn de estacionalidad y la horizontalidad.
El patrn de tendencia existe cuando una serie histrica tiende a
aumentar o a disminuir sus valores medios con el tiempo. Una ilustracin
de esta caracterstica se muestra en la figura 1.1.

29

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Pronstico de
la variable

Serie Temporal
Valor medio
Tiempo

Figura 1.1 Serie de tiempo con una tendencia

El patrn de estacionalidad existe cuando una serie de tiempo flucta


de acuerdo con un factor temporal que suele depender de un
determinado perodo del ao. Por ejemplo, el consumo de energa en
calefaccin y agua caliente sanitaria aumenta en los meses de invierno y
disminuye en los meses de verano (figura 1.2).

Pronstico de
la variable

V
O
I
P

V O I P V

O I P V O I

Verano
Otoo
Invierno
Primavera

Tiempo

Figura 1.2 Serie de tiempo con patrn de estacionalidad

El patrn cclico es similar al de estacionalidad, pero en l las


fluctuaciones suelen ocurrir ms lentamente. Son cambios graduados en
el tiempo ( figura 1.3).

30

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Pronstico de
la variable

Tiempo

Figura 1.3 Serie de tiempo con patrn cclico

La horizontalidad, es indicativo de una serie de tiempo que no tiene


una tendencia determinada. La serie es en este caso estacionaria (figura
1.4).

Pronstico de
la variable

Tiempo

Figura 1.4 Serie de tiempo con patrn horizontal


Una serie de tiempo puede combinar los patrones de tendencia, estacionalidad
y ciclaje. Sin embargo, alguno de estos patrones puede dominar la serie;
existen tcnicas que permiten identificar el elemento dominante, como lo es el
mtodo de descomposicin.
A estos cuatro patrones hay que aadir un elemento indeseable en toda serie
de tiempo, que siempre existe, y que es la aleatoriedad de la observacin.

31

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

PARTE 3
MODELOS DETERMINISTICOS DE PREDICCIONES

3.1

MEDIAS MOVILES

Es un mtodo de prediccin de estructura variable que define la prediccin


como la media simple de unos cuantos periodos muestrales previos al que
corresponde la prediccin. Al nmero de observaciones que se utiliza para
definir la media se le llama longitud de la media mvil.
Dado una serie temporal expresada por:
Xt
Valor observado en el perodo t de una serie temporal: t =
1,2,3,4....N
N
Tamao muestral de la serie o periodo muestral de la serie
k
Longitud de la media mvil. Puede tomarse en el caso de datos
mensuales igual k = 12, en el caso de datos trimestrales k = 4
El predictor que corresponde al mtodo de medias mviles de longitud k, se
puede expresar como:

1 k 1
X t (1) X t i
k i 0
Entre sus caractersticas se tiene:

Para definir la prediccin con este mtodo es preciso disponer de un


nmero de observaciones previas igual a la longitud elegida; por otra
parte el nmero de periodos de la longitud es el nmero de periodos
iniciales para los que no puede definirse la prediccin
Cuanto menor sea la longitud ms sensible ser la prediccin a los
valores recientes de la serie y cuanto mayor sea la longitud, menos
sensible o mas alisada ser la prediccin

El procedimiento consiste:

Se fija un periodo muestral inferior al perodo real, surgiendo as un


periodo extramuestral aparente
Para obtener la prediccin para los valores del periodo extramuestral
aparente, slo se utiliza la informacin disponible en el periodo muestral
inferior.

32

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Para determinar la exactitud del pronstico, se procede a calcular el error


absoluto puntual, ety as minimizar el error cuadrtico medio (ECM), el error
absoluto medio (EAM) y el error absoluto medio porcentual (EAMP). Estos
indicadores de error vienen expresados por:
et = X t (1) - Xt, t = 1,2,3,..., n
ECM (n)

EAM (n)

EAM ( n)

1 n 2
et
n i 1

1 n
et
n i 1

1 n et
100

n i 1 X t i

MEDIA MOVIL DOBLE


Es un mtodo de estructura variable que obtiene las predicciones suponiendo
que la tendencia es localmente lineal; esto significa que la pendiente no es
constante en todo el perodo muestral, sino que se va redefiniendo conforme se
incorpora nueva informacin.
Esta tcnica requiere en principio de una media mvil simple, a cuyos
resultados se vuelve a aplicar el mismo mtodo. Con el perfeccionamiento de
esta tcnica se ha encontrado que un pequeo ajuste a la media mvil simple
produce mejores resultados. En efecto:
Inicialmente se obtiene la media mvil simple y de all la media mvil doble, a
partir de:
X t (1) = ( X t (1) + X t 1 (1) + X t 2 (1) +.........+ X t N 1 (1) )/N

El ajuste se obtiene al introducir dos parmetros a y b, calculados mediante:


a = 2 X t (1) - X t (1)
b = 2 ( X t (1) - X t (1) )/( N-1 )
As, el pronstico final ajustado queda:
X t ( m) = a + b m

Donde m es el nmero de perodos futuros que se desea predecir. Con esta


tcnica se requieren almacenar 2N observaciones histricas antes de poder
iniciar el pronstico.

33

Dr. Salome Gonzles Chvez

3.2

MODELOS ENERGETICOS

ALISADO EXPONENCIAL SIMPLE

Es un mtodo mediante el cual se obtienen mecnicamente predicciones


una serie temporal en funcin de las observaciones pasadas. Es decir,
obtiene por una media mvil con ponderaciones decrecientes en forma
progresin geomtrica. As se puede dar mayor importancia a
observaciones ms recientes o a las ms antiguas.

de
se
de
las

Se expresa como:
X t (1) =

Xt + (1 - ) Xt-1 + (1 - )2 Xt-2 +....=

Xt i

i 0

Donde el coeficiente puede tomar valores entre 0 y 1. La suma de los


coeficientes ser la unidad, puesto que:

1
i 0

1 (1 )

Una expresin alternativa, ms resumida, para el clculo es:


X t (1) =

Xt + (1 - ) X t 1 (1)

Por tanto, la prediccin de alisado puede interpretarse como una media


ponderada de los valores previos anteriores, reales y de prediccin. Adems,
recordando la expresin del error et, la frmula anterior puede tomar la forma:
X t (1) = X t 1 (1) +

(Xt - X t 1 (1))

de donde se obtiene:
X t (1) = X t 1 (1) +

et

Esto indica, que las variaciones del valor de prediccin son una proporcin, ,
del error del perodo precedente. De aqu se desprende que en el alisado
exponencial se da distinto peso a las observaciones. Para cercano a 1, se da
mayor importancia a las observaciones ms recientes, ya que se concede
mucho peso al error de la prediccin anterior. Si, por el contrario, es cercano
a 0, se da mayor importancia a las observaciones ms antiguas. Se debe tener
en cuenta tambin que si la serie presenta pequeas oscilaciones irregulares
se deben utilizar valores reducidos de ; al contrario, para valores de
cercanos a la unidad es muy posible que los datos presenten tendencias o
estacionalidad.

34

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Tal como se puede comprobar, para hacer predicciones utilizando alisado


exponencial es necesario saber el valor de y el valor inicial de X t 1 (1) . Esta
ltima cuestin es relativamente poco importante y puede resolverse
adoptando directamente X 1 (1) = X1, o bien, igualando este primer valor al
promedio de un pequeo nmero inicial de observaciones, como por ejemplo:
X 1 (1) = (X1 + X2 + X3) / 3

La eleccin del parmetro debe acomodarse a cada serie en particular. Se


trata de encontrar el valor ptimo de , en el sentido de seleccionar aqul que
minimiza el valor del error cuadrtico medio, el valor medio del error absoluto o
el valor medio del sesgo.
3.3

MODELO DE BROWN

Con el propsito de abordar este modelo de prediccin, otra manera de


interpretar el alisado exponencial simple, visto anteriormente, es suponiendo
una serie temporal Xt, sin tendencia y con un trmino de error ut , generada por:
Xt = + ut
Para realizar predicciones de Xt bastar con estimar . Si para obtener tal
estimacin, que designamos por b, se adopta el criterio:

min ( Xt
( b)

i 0

b) 2 (1 ) i

para dado, entre 0 y 1, el resultado de la minimizacin da como solucin:

b 1 X t i
i

i 0

la cual coincide con la primera expresin de alisado exponencial simple. Puesto


que el elemento determinista de Xt es constante, indica que todas las
predicciones sern iguales, es decir:
b = X t (1) = X t ( 2) = X t ( 3) =........
3.3.1 MODELO DE BROWN CON TENDENCIA LINEAL
Consiste en sustituir la hiptesis anterior, de una serie sin tendencia, por la de
tendencia lineal. Es decir de la forma:
Xt+i = + .i + ut+i

i = 0, 1, 2, 3,.....
35

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

La prediccin en el perodo t a horizonte m se obtendr mediante:


X t ( m) = a + b.m

Donde a y b son estimaciones de y que se consiguen previamente a partir


de los datos de la serie temporal Xt (t = 1, 2, 3,....N). Entonces, adoptando el
criterio

( a , b )
i 0

min

( a bi ) (1 ) i
2

t i

0<<1
Para obtener los valores de a y b que minimizan la expresin anterior se
igualan a cero sus primeras derivadas con respecto de a y b, de donde se
obtiene el siguiente sistema de ecuaciones:
X (1 ) i a i(1 ) i b 0
t i

i(1 ) i a i(1 ) i b i 2 (1 ) i 0

t i

Como

i(1 )

(1 ) i

(1 )(2 )

Reemplazando se forma el siguiente sistema de ecuaciones:


X

t i

(1 ) i a b

(1 )

(
1
)(2 )
i(1 ) i (1 )a b
0

2 X

t i

De acuerdo a la primera expresin de alisado exponencial simple, se puede


definir la serie alisada, St , partiendo de la serie original, Xt , mediante la
expresin:
S t (1 ) i Xt i

t = 1, 2, 3...

Anlogamente se puede aplicar por segunda vez la frmula de alisado, ahora a


la serie St
S t (1 ) i S ti
i

que tambin adopta la forma:


S t 2 i(1 ) i Xt i S t
i

36

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Si se considera t variable, para cada valor de t se tiene un par de valores de a y


b como solucin del sistema de ecuaciones mostrado anteriormente. Es decir
se denotarn como at y bt , siendo til esta denotacin cuando se contempla la
actualizacin de las estimaciones de a y b al aumentar el tamao muestral.
Aplicando estas nuevas notaciones en el sistema de ecuaciones anterior, se
obtienen at y bt .
at 2S t S t
bt

( S t S t )
1

Por tanto, las predicciones en el perodo t a horizonte m , actualizando at y bt


con la ltima informacin disponible, relativa al perodo corriente t, se calcular
mediante:
X t ( m) = at + bt m

3.3.2 MODELO DE BROWN CON TENDENCIA CUADRATICA


Se plantea como una extensin del modelo anterior cuando se supone que la
serie original sigue una tendencia cuadrtica de la forma:
Xt+i = + .i + .i2 + ut+i

i = 0, 1, 2, 3,.....

Las predicciones se obtienen mediante:

1
X t ( m) at bt. m ct. m2
2
Para dado, los parmetros at , bt y ct se estiman mediante las siguientes
expresiones deducidas:

at 3S t 3S t S t
bt

(6 5 )S t (10 8 )S t (4 3 )S t
2(1 ) 2

2
ct
( S 2S t S t)
(1 ) 2 t
Donde
S t (1 ) i Xt i
i

t = 1, 2, 3...

S t (1 ) i S ti
i

37

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

S t (1 ) i S t i
i

Para realizar los clculos se utilizan las siguientes ecuaciones:


S t Xt (1 )S t 1
S t S t (1 )S t 1
S t S t (1 )S t 1

La inicializacin se puede llevar a cabo, haciendo:

S 1 S 2 S 3 X 1
3.4

MODELO DE HOLT

Este mtodo sirve para realizar predicciones bajo el supuesto de tendencia


lineal, pero utilizando dos parmetros de alisado, y , en lugar de solamente
uno como es el caso de del modelo de Brown con tendencia lineal. La
expresin matemtica de la prediccin se puede formular de la siguiente forma:
( m) St mbt
X
t

y las expresiones de actualizacin estn dadas por:


St Xt (1 )( St 1 bt 1)
bt ( St St 1) (1 )bt 1

,
,

0 1
0 1

Se observa que, la prediccin a un horizonte temporal m se obtiene sumando a


la estimacin alisada el valor actual de X, St , el trmino mbt , representativo del
incremento provocado por la tendencia lineal.
La primera ecuacin de actualizacin propone que, para proporcionar una
estimacin alisada de Xt mediante St , se corrija el factor St+1 mediante la
adicin de un trmino de tendencia, bt-1 , cuyo subndice hace referencia a que
este coeficiente es el que corresponde a la estimacin realizada en la
informacin disponible hasta el perodo t-1 .
La segunda ecuacin de actualizacin, posee la estructura de cualquier
ecuacin de alisado, aunque ahora utiliza otro parmetro, , diferente al
anterior. La actualizacin de bt se realiza mediante la diferencia entre los dos
ltimos valores de alisado, St - St-1 .
Este modelo, al tener dos parmetros, y , es ms flexible que el de Brown.
Cambiando estos parmetros se puede ponderar ms la aleatoriedad de los
datos ( ) o la de la tendencia ( ), segn el comportamiento de la serie con la
que se trabaje.
38

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

La inicializacin se puede adoptar haciendo:


S1 = X1

X X1
b1 = X2 - X1 , b1 X 3 X 1 , b1 N
,
N 1

Se puede personalizar otros modelos de alisados exponenciales a partir de los


dos anteriores, por ejemplo cuando se supone una tendencia exponencial o
cuando se quiere controlar la velocidad de amortiguamiento de la tendencia
(reduccin de la tendencia en magnitud en funcin del tiempo). En este ltimo
caso se integrar un tercer coeficiente que, cuando es cercano a la unidad, la
amortiguacin es gradual, y cuando es cercano a cero, la amortiguacin es
rpida.
3.5

METODO DE AJUSTE DE TENDENCIAS

Consiste en ajustar a los datos de la serie temporal una funcin matemtica


ms o menos compleja, aplicando el anlisis de regresin.
Las tendencias se manifiestan en muchas series, mediante un crecimiento
regular a largo plazo; otras muestran un decrecimiento, en tanto que algunas
parecen constantes o estacionarias, y otras presentan ondas u oscilaciones.
Estas caractersticas se traducen, en la prctica, en que las tendencias suelen
representarse mediante funciones del tiempo continuas y diferenciables.
Entre los modelos de regresin utilizados se tienen: el lineal, el exponencial, el
autorregresivo de tendencia, la funcin logstica y la curva de Gompertz.

3.5.1 TENDENCIA LINEAL


Cuando se trata de una serie temporal Xt que manifiesta una tendencia lineal,
se plantea el ajuste de la funcin
Xt = + t + ut ;

t = 1, 2, 3,...........T

Donde:
ut : Es el trmino de error (perturbacin aleatoria); se supone en principio
que sigue un comportamiento regular, es decir, que cumple las hiptesis
del modelo bsico de regresin lineal, esto es esperanza nula, varianza
constante e independencia intertemporal, que se expresan como:
E(ut ) 0;

E(ut2 ) 2 ;

E(ut , ut s ) 0 , t y s 0

representa la tasa, supuestamente fija, de variacin de Xt

39

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

3.5.2 TENDENCIA EXPONENCIAL


El tiempo es por naturaleza una variable continua; cabe por tanto considerar Xt
como una funcin continua del tiempo, de la cual se tienen observaciones X1,
X2, .....XT a intervalos temporales unitarios.
Si la tendencia, T(t), sigue una ley exponencial, se tiene:

T ( t ) a. e rt ,

a0

Donde:

dT ( t ) / T ( t )
dt

r , representa la tasa acumulativa instantnea de variacin de la


tendencia, que ser positiva si hay crecimiento y negativa en caso
contrario.
ESTIMACION
El problema estadstico consiste en estimar a y r a partir del conjunto de
observaciones Xt, t=1, 2, ....,T. Para tal fin se utiliza la expresin discreta
X t a. e rt . e ut , t 1, 2,....., T

Tomando logaritmos naturales se tiene


ln Xt = ln a + r.t + ut
A partir de esta ltima expresin, se puede estimar r por mnimos cuadrados,
suponiendo para u un comportamiento regular. Con esta especificacin se
consigue linealizar un modelo no lineal, a fin de aplicar la tcnica de la
regresin lineal.

3.5.3 AUTORREGRESIVO DE TENDENCIA


El modelo autorregresivo de tendencia se expresa mediante

Xt c0 c1 X t 1 ut ,

c1 0

Dependiendo de c1, este modelo contiene como casos particulares el lineal y el


exponencial. En efecto se puede utilizar para verificar la hiptesis de que la
tendencia de Xt es lineal (c1=1), frente a la hiptesis alternativa de que existe
adems una componente exponencial (c1 1) .

40

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Este modelo se puede aplicar, por ejemplo, para representar tendencias que
presentan dos componentes aditivas, una lineal y otra exponencial.

3.5.4 FUNCION LOGISTICA


Esta funcin no lineal caracteriza a evoluciones temporales de variables, en
cuyo ciclo vital suelen presentarse tres fases: la primera de crecimiento, la
segunda de estabilidad y la tercera de declinacin. Cada una de estas fases
debe ser analizada por separado utilizando diferentes modelos de tendencias.
La forma de S de la fase de crecimiento puede representarse mediante la
funcin logstica:
T*
T (t )
1 b e rt
Donde r, b y T* (asntota horizontal) son constantes positivas y las coordenadas
del punto de inflexin son:
1
T*
( ln b ,
)
r
2
Una manera simple de abordar la estimacin de la logstica, evitando
problemas de no linealidad, consiste en partir de la ecuacin diferencial de T(t)
que tiene la forma:
dT ( t )
kT ( t )T * T ( t ) ,
dt

r
T*

En el muestreo a intervalos temporales discretos se dispone de las


observaciones Xt, por lo que es preciso plantear alguna aproximacin discreta,
para un ajuste parcial, de la forma siguiente:

ln

Xt
R KXt 1 ut
Xt 1

R KX *

3.5.5 CURVA DE GOMPERTZ


Al igual que la funcin logstica, para describir fenmenos de crecimiento con
un punto de inflexin, tambin se puede utilizar la curva de Gompertz que tiene
por ecuacin:

T (t ) T * b e

rt

Los parmetros r, b y T* (punto de inflexin), son positivos. Comparando frente


a la funcin logstica, esta curva no presenta simetra y su mxima tasa de
crecimiento, que tiene lugar en el punto de inflexin, es inferior.

41

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

La ecuacin diferencial de esta curva viene dada por:


d ln T ( t )
r ln T * ln T ( t )
dt

La curva de Gompertz es preferible a la logstica en aquellas situaciones de


crecimiento asimtrico en las que la tasa de crecimiento aumenta rpidamente
al principio y declina lentamente al final del proceso.
Para la estimacin simplificada de la curva de Gompertz se puede utilizar la
siguiente aproximacin discreta de su ecuacin diferencial:

ln

Xt
a ln X * a ln Xt 1 ut
Xt 1
r = ln(1-a)

A partir de esta expresin se obtienen estimaciones de a y de X* aplicando los


mtodos de regresin lineal. Para estimar b se sustituyen en la primera
ecuacin T(t) y t por X y t (medias muestrales), respectivamente, y T* por X*
estimada; luego se despeja el parmetro b.
Para hacer una comprobacin de si los datos siguen una tendencia segn la
curva de Gompertz al representar ln(Xt/Xt-1) versus lnXt-1 , la nube de puntos
resultante debe obedecer a una recta.
3.6

MODELO DE WINTERS

Dentro de los mtodos cuantitativos determinsticos de Alisados Exponenciales


ms evolucionado est el modelo Winters. Este mtodo se aplica al tratamiento
de proyecciones de series temporales que poseen componentes de tendencia y
a su vez variaciones estacionales. Su estructura matemtica posee dos formas:
multiplicativa y aditiva
WINTERS MULTIPLICATIVO
El modelo multiplicativo de Winters se aplica cuando el patrn estacional en la
serie, depende del tamao de los datos; esto es cuando la magnitud del patrn
estacional se incrementa conforme los valores aumentan y decrece cuando los
valores de los datos disminuyen.
La ecuacin de proyeccin de este modelo multiplicativo, se expresa como:

X t (m) (St m bt ) It m s
Donde:

42

Dr. Salome Gonzles Chvez

m:
St:
bt :
It+m-s
s:

MODELOS ENERGETICOS

Horizonte de proyeccin
Componente de nivel, que mide la irregularidad o aleatoriedad de
la serie
Componente de tendencia
Componente de estacionalidad
Es el nmero de observaciones peridicas; caso de series
mensuales toma el valor de 12.

La frmulas de actualizacin de las componentes, vienen expresadas por::


St

Xt
(1 )( S t 1 bt 1 )
I t s

bt ( S t S t 1 ) (1 )bt 1
It

Xt
(1 ) I t s
St
0 1
0 1
0 1

Siendo:
: Parmetro de entrada que minimiza el error de aproximacin de la
componente de nivel.
: Parmetro de entrada que minimiza el error de aproximacin de la
componente de tendencia
: Parmetro de entrada que minimiza el error de aproximacin de la
componente de estacionalidad
WINTERS ADITIVO
El modelo aditivo Winters ser de mejor aplicacin cuando el patrn estacional
en los datos no depende del valor de los datos de la serie en estudio, es decir
que el patrn estacional no cambia a medida que la serie se incrementa o
disminuye de valor.
La ecuacin de proyeccin de este modelo se expresa como:

X t (m) St m bt I t ms
Las expresiones de actualizacin de las componentes vienen dadas por:

S t ( X t I t s ) (1 )( S t 1 bt 1 )
bt ( S t S t 1 ) (1 )bt 1
I t ( X t S t ) (1 ) I t s
43

Dr. Salome Gonzles Chvez

3.7

MODELOS ENERGETICOS

PROCESO DE CALCULO Y ELEMENTOS DE PROGRAMACION

Como es caracterstico, toda serie temporal puede poseer cuatro componentes:


tendencia, estacionalidad, ciclaje y aleatoriedad.
En este sentido y para efectos de clculos aplicativos de base, se va a generar
valores de cuatro series referenciales, que en muchos casos pueden obedecer
a las caractersticas de series que se encuentran en la prctica diaria. Estas
series son:
Serie tipo 1: Serie temporal sin tendencia y sin componente estacional
Serie tipo 2: Serie temporal sin tendencia y con componente estacional
Serie tipo 3: Serie temporal con tendencia y sin componente estacional
Serie tipo 4: Serie temporal con tendencia y con componente estacional
Estas serie temporales tienen sesenta observaciones y sus valores se dan en
la tabla adjunta
3.7.1 ELECCION DE LA METODOLOGIA
El mtodo de descripcin y prediccin de una serie energtica se elige
fundamentalmente de acuerdo a lo siguiente:

Tamao muestral disponible de la serie


Caractersticas tpicas de tendencia y estacionalidad de la serie
histrica
El horizonte temporal de prediccin
Grado de precisin que se desee alcanzar
Grado de complejidad del mtodo

3.7.2 CALCULO DEL MODELO OPTIMO


Una vez elegida la metodologa a seguir, se procede a realizar los clculos en
funcin de los condicionantes matemticos que exija dicho mtodo. Es decir, se
ha de proceder a optimizar el modelo (optimizar los parmetros del modelo)
teniendo bsicamente como elemento de medida la minimizacin de los
estimadores de error (error cuadrtico medio, error absoluto medio y el error
absoluto medio porcentual).
Dependiendo de la metodologa de prediccin adoptada, es recomendable
elegir ms de un modelo matemticamente optimizado, con el propsito de
disponer de un margen de decisin a la hora de seleccionar el modelo.
Cuando existe mas de una solucin matemticamente ptima, la decisin de
elegir uno u otro modelo calculado, se define de acuerdo a la pericia y
experiencia del analista energtico.

44

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

3.7.3 ELEMENTOS DE PROGRAMACION


Cuando se trata de clculos bsicos introductorios se puede utilizar como
herramienta de clculo el Programa EXCEL, y cuando se trata de clculos ms
avanzados se procede a:

Utilizar programas computacionales, generando cdigos propios. Ello


puede realizarse programas como el FORTRAN, MATLAB.

Utilizar programas computacionales estructurados, que dispongan de


herramientas requeridas para el clculo que se requiera. Algunos de
estos programas, a su vez, permiten generar cdigos propios o hacer
extensiones particulares de clculos.

Los programas computacionales que se han de utilizar en el desarrollo del


curso son
SPSS
E-Views

3.8

EJEMPLOS DE APLICACION

Los ejemplos aplicativos se van a realizar:


Utilizando las cuatro series anteriormente indicadas
Otras series histricas propias del mbito energtico.

45

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

PARTE 4
MODELOS ESTOCASTICOS DE PREDICCIONES: ARIMA

4.1

PROCESOS ESTOCASTICOS

En el anlisis estocstico de series temporales, se define a un proceso


estocstico como la familia de variables aleatorias de {Xt}, donde t es el tiempo,
tal que para cada serie finita de elecciones de t (t1, t2,...., tn ), se define una
distribucin de probabilidad conjunta para las correspondientes variables
aleatorias Xt1, Xt2,...., Xtn .
As, bajo el contexto de procesos estocsticos, una serie temporal Xt se define
como el conjunto de valores observados de distintas variables aleatorias
correspondientes a perodos de tiempo consecutivos; dichos perodos tienen la
misma amplitud y la serie tiene un carcter discreto. Es decir, el valor
observado de la serie en el instante t puede ser considerado como una muestra
aleatoria de tamao uno de la variable Xt del proceso estocstico definida en
dicho instante. Podemos decir que Xt y Xt estn separadas por k retardos si
t t' k .
Una forma de describir un proceso estocstico es especificando la distribucin
de probabilidad conjunta de Xt1, Xt2,...., Xtn para cualquier conjunto (t1, t2,...., tn)
y cualquier valor de n, pero esto resulta complicado. Sin embargo, para muchos
fines prcticos, se suele describir mediante sus momentos, entre los cuales se
destacan los siguientes:
La media, de un proceso estocstico se define por

t E( Xt )
El subndice t del que se ha dotado a la variable indica que la media ser
distinta para cada perodo de tiempo
La funcin de autocovarianza (covarianzas entre variables referidas a
momentos distintos en el tiempo), se expresa como

t , s Cov( Xt , Xt k ) E Xt E( Xt ) Xt k E( Xt k )
k 0, 1, 2, 3,.......
A partir de esta funcin se obtienen:
La varianza del proceso ( cuando k=0 ), dada por
56

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

t , t var X t E( X t t ) 2 t2
La funcin de autocorrelacin, definida por:

t , t k

t , t k
4.2

t , t t k , t k

PROCESOS ESTOCASTICOS ESTACIONARIOS

La estacionariedad de un proceso estocstico se puede describir bajo dos


sentidos, uno en el sentido estricto o fuerte y otro en el sentido amplio o dbil.
La estacionariedad en el sentido estricto se da cuando su funcin de
distribucin conjunta es invariante respecto de un desplazamiento en el tiempo.
Es decir, considerando que t1, t2,...., tn corresponden a perodos sucesivos que
denominamos como t, t+1,..., t+k, cuando:
F( X t , X t 1 ,....., X t k ) F( X t m , X t 1m ,.... X t k m )
para cualquier t, k y m.

La estacionariedad en el sentido amplio se caracteriza mediante las siguientes


propiedades:
Las esperanzas matemticas de las variables aleatorias no
dependen del tiempo; es decir son constantes
E( X t ) E( X t m )

o bien

Las varianzas tampoco dependen del tiempo y son finitas, es


decir

Var ( X t ) Var ( X t m )

o bien

t2 2

Las covarianzas entre dos perodos de tiempo distintos


solamente dependen del lapso de tiempo transcurrido entre
estos dos perodos, es decir:
Cov( X t , X t ' ) Cov( X t m , X t ' m )
o bien

t,

t s

57

t , s

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Para estas condiciones de estacionariedad, la autocorrelacin de orden k (k)


es la correlacin separada k perodos de la misma serie temporal. Esto es:

k cov( X t , X t k )

0
var( X t )

Al conjunto de autocorrelaciones obtenidas para distintos valores de k se le


denomina funcin de autocorrelacin (FAC).
La mayora de los procesos que representan sistemas econmicos o
energticos no se ajustan a estas condiciones de estacionariedad, pero es
posible eliminar sus tendencias y estabilizar sus varianzas para transformarlos
en otros aproximadamente estacionarios. Una vez realizada la transformacin,
los procesos estacionarios se modelizan, para fines de prediccin.
Se dice que un proceso estocstico, adems de ser estacionario, es ergdico
cuando se cumple lo siguiente:

lm k 0
k

Se precisa trabajar con procesos estocsticos estacionarios y ergdicos para


poder efectuar el proceso de inferencia consistente en, dada una serie
temporal, inferir cul es el proceso estocstico que ha podido generar dicha
serie temporal. Para ello se han de estimar los parmetros que configuran las
funciones de autocovarianza y de autocorrelacin. De manera intuitiva se
puede sealar que la ergodicidad posibilita obtener estimadores consistentes
de dichos parmetros por cuanto si el valor de k tuviera valores elevados para
rdenes k altos, significara que al aumentar el tamao de la muestra disponible
se aadira poca informacin nueva como consecuencia de que en dicho caso
debera calcularse un mayor nmero de autocovarianzas y autocorrelaciones
para caracterizar adecuadamente el proceso. Esto llevara, desde un punto de
vista estadstico, a que los estimadores obtenidos no seran consistentes.
Un proceso estocstico estacionario es ergdico en la media, , si es posible
estimar consistentemente este parmetro haciendo uso de la media muestral
temporal, que se define como:
1
X
T

X
T

t 1

De forma anloga , se puede hablar de ergodicidad respecto a la


autocovarianza. Las condiciones de ergodicidad casi siempre se cumplen para
la clase de procesos que nos interesan.
En este sentido, la funcin de autocorrelacin, k , se estima mediante la
funcin de autocorrelacin muestral (FACM) que se define como:
58

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

( X X )( X
( X X )
T

rk

t k 1

t k

X)
,

k 1, 2, 3,......

La representacin grfica de rk , se denomina correlograma muestral y


constituye un instrumento de anlisis de series temporales de gran inters
prctico.
4.3

PROCESOS ESTOCASTICOS NO ESTACIONARIOS

Como se dijo anteriormente, muy pocas series temporales reales, dentro del
campo econmico o energtico, son estacionarias, y los motivos de la falta de
estacionariedad suelen ser: la existencia de tendencia, la varianza no es
constante, o hay variaciones estacionales (variabilidad de la media).
Afortunadamente, es posible transformar muchas series reales no estacionarias
en otras aproximadamente estacionarias, sometindolas a operaciones
algebraicas adecuadas. Este hecho permite, en definitiva, utilizar con series no
estacionarias los procedimientos de anlisis diseados para series
estacionarias. Entre algunos casos tpicos se tienen:
a.
PROCESOS NO ESTACIONARIOS HOMOGENEOS. Las series
que presentan una tendencia lineal se les hace la siguiente
transformacin:
X t X t 1 X t Zt
El smbolo denota incremento y es un operador, cuya relacin con el
operador de retardos, L, es:
1 L
El operador de retardos L es un instrumento matemtico til para
simplificar la obtencin de los parmetros de un retardo. Es decir, si Zt es
una funcin del tiempo, el operador de retardos L se define como:
LZ t Z t 1
Las potencias del operador se definen como aplicaciones sucesivas, o
sea:
Ls Z t Z t s ,
s0
Si Xt muestra una tendencia lineal, la primera diferencia de la serie, Zt,
ya no incorporar tendencia, en este caso se dice que Xt es una serie
temporal homognea de primer orden. Anlogamente, si Xt presenta una
tendencia exponencial, para eliminar dicha tendencia, se halla primero el
logaritmo de la serie y luego la diferencia primera de la nueva serie as
calculada, esto es:
ln X t ln X t 1 Zt
59

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

La eliminacin de una tendencia cuadrtica se consigue mediante doble


diferenciacin. Esta operacin se realiza en dos etapas: primero se
obtiene

Wt X t
y seguidamente se estacionariza mediante:
Zt Wt

donde Zt expresa ya una serie estacionaria


La operacin de doble diferenciacin se simboliza mediante 2Xt. Si Xt
muestra una tendencia cuadrtica, 2Xt no tendr tendencia; en este
caso se dice que Xt es homognea de segundo orden. En general, un
proceso no estacionario que se convierte en estacionario despus de h
operaciones de diferencia se denomina estacionario de orden h.
En la prctica es difcil determinar con exactitud si se ha realizado el
nmero adecuado de diferencias para transformar la serie en
estacionaria, ello queda supeditado a la experiencia e intuicin del
analista. El instrumento que se utiliza para detectar el nmero adecuado
de diferencias es simplemente la inspeccin visual del grfico de la serie
y de su correlograma.
b.
CORRECCION DE VARIACIONES ESTACIONALES. Cuando se
trata de una serie que presenta variaciones estacionales, la eliminacin
de dichas variaciones, para inducir la estacionariedad, se suele hacer
mediante un procedimiento de autoajuste, del mismo tipo que el
comentado para la tendencia. A este proceso se denomina
diferenciacin estacional. Primeramente se procede a eliminar la
tendencia de la serie, ya que, de otra forma, la diferencia entre los datos
relativos al mismo mes o fraccin de ao sera significativa, sin que esto
implicase evidencia de variaciones estacionales. Por ejemplo, si los
datos son mensuales, la diferenciacin estacional consiste en calcular
Zt X t X t 12
Si despus de efectuar esta transformacin la serie sigue presentando
evidencia de variaciones estacionales, se procede a calcular las
diferencias de segundo orden, y as sucesivamente.
Dada las caractersticas de las series energticas cronolgicas obtenidas:
series mensuales (que tienen tendencia y estacionalidad) y series anuales (slo
poseen tendencia), la aplicacin de esta metodologa se orienta a las primeras.
Para la prediccin de estas series primeramente hay que estacionarizarlas de
forma inducida, transformando la serie primitiva en una nueva serie sin
tendencia ni variaciones estacionales. Una vez modelada la nueva serie
estacionaria, para determinar su prediccin, ser preciso deshacer el cambio
primitivo. Por ejemplo, sea
Zt X t X t 1
60

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Zt es estacionaria. Si mediante la aplicacin de un modelo se obtiene en el


perodo T la prediccin de ZT+1 correspondiente al perodo T+1 (con un
horizonte de prediccin de 1 perodo), la correspondiente prediccin de XT+1 se
obtiene teniendo en cuenta que
X t Zt X t 1

y, as,

X T 1 ZT 1 X T

En forma anloga, si se opera una diferencia de segundo orden,


Z t 2 X t ( X t X t 1 ) X t X t 1 X t X t 1 ( X t 1 X t 2 )
X t 2 X t 1 X t 2

de donde

X t Zt 2 X t 1 X t 2

la prediccin de X realizada en el perodo T con un horizonte de 1 perodo es:


X T 1 ZT 1 2 X T X T 1
En forma general se tiene:
XT+m = prediccin de origen T y horizonte m

X T m Z T m 2 X T m1 X T m 2
Z T m 2Z T m1 ........mZ T 1 ( m 1) X T mX T 1
X T mX T mZ T 1 (1) ( m 1)Z T 2 .......Z T m

4.4

MODELOS ESTOCASTICOS ESTACIONARIOS LINEALES

Efectuar una prediccin bajo el enfoque estocstico ARIMA, es inferir la


distribucin de probabilidad de una observacin futura XT+1 dada una serie X1,
X2, .....,XT de valores pasados. Para determinar las caractersticas del proceso
estocstico subyacente a la serie temporal, deberemos considerar un caso
particular de proceso estocstico, es decir el proceso estocstico lineal
discreto.
Un proceso estocstico es lineal discreto si cada observacin Xt se puede
expresar de la forma general:
X t ut 1 ut 1 2 ut 2 ....

donde ylos i son parmetros desconocidos, y ut , ut 1 , ut 2 ,......es una


secuencia
de
perturbaciones
aleatorias
distribuidas
idntica
e
2

independientemente con media cero y varianza u , lo que se conoce como


ruidos blancos. Los casos particulares del proceso estocstico lineal discreto
son:
61

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Modelo de medias mviles de orden q : MA(q)


Modelo autorregresivo de orden p : AR(p)
Modelo mixto autorregresivo- medias mviles de orden p, q : ARMA
(p,q)

4.4.1 MODELO DE MEDIAS MOVILES MA(q)


Se define mediante la expresin:
X t ut 1 ut 1 2 ut 2 ............ q ut q

El signo negativo que van precedidos los coeficientes a estimar 1 , 2 ,...., q de


esta expresin se da por conveniencia notacional. El parmetro es la
esperanza matemtica de Xt .
Este modelo se puede expresar ms abreviadamente como:
X t ( L)ut

donde L es el operador de retardos y (L) es el operador polinomial de


retardos, definido como:
( L) 1 1 L 2 L2 ........ q Lq
Un modelo de medias mviles siempre es estacionario, y ser invertible cuando
pueda expresarse como un proceso autorregresivo de orden infinito. Para ello
deber cumplirse que las races de ( L) 0, caigan fuera del crculo unitario.
Se dice que las races caen fuera del crculo unitario cuando, si stas son
reales, todas ellas son en valor absoluto mayores que la unidad, mientras que
si son complejas (a bi) , entonces se cumple que el mdulo, definido como

a 2 b 2 , es mayor que la unidad.


Como caso particular se tiene el Modelo MA(1), que viene definido por:
X t ut 1 ut 1

o bien:

X t ( L)ut , siendo ( L) 1 1 L

El modelo MA(1) ser siempre estacionario. Mientras que, para que sea
invertible deber cumplirse que la raz de la ecuacin:

(L) 1 1 L 0
caiga fuera del crculo unitario, es decir

L 1,

que implica se cumpla que

1 1, para lo cual el modelo MA(1) puede escribirse como el modelo AR de


orden infinito:
62

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

X t 1 X t 1 2 X t 2 3 X t 3 ....... ut

donde:

1
1 1

La funcin de autocorrelacin de MA(1) tendr la forma:

1 2
11
k 0

para k 1
para k 1

4.4.2 MODELO AUTORREGRESIVO AR(P)


Un modelo autorregresivo de orden p se define como:
X t 1 X t 1 2 X t 2 ......... p X t p ut

en forma abreviada se tiene:

(L) X t ut

donde (L) es el operador polinomial de retardos


( L) 1 1 L 2 L2 .......... p Lp
A diferencia de los modelos de medias mviles que siempre son estacionarios,
los modelos autorregresivos deben cumplir como condicin de estacionariedad
que las races del polinomio caracterstico ( L) 0 caigan fuera del crculo
unidad. Este modelo siempre est en forma invertida.
Particularmente se tiene el Modelo AR(1), que se expresa como:
X t X t 1 ut

o tambin abreviadamente por:


(L) X t ut , siendo ( L) 1 1 L
La condicin de estacionariedad del modelo AR(1) implica que 1 1
consecuentemente su esperanza matemtica ser constante, , y definida
expresada por:
E( X t )

La funcin de autocorrelacin de AR(1) estar dada por:

63

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

1
k 0

1 para k 1
para k 1

4.4.3 MODELO MIXTO ARMA(p, q)


Este modelo mixto autorregresivo (AR)-medias mviles(MA) de orden p, q, se
define mediante la siguiente expresin:
X t 1 X t 1 2 X t 2 ...... p X t p ut 1ut 1 2 ut 2 ......q ut q

Utilizando los operadores polinomiales de retardos (L) y (L), la expresin


anterior queda:

(L) X t (L)ut
El modelo ARMA se dice que es estacionario cuando lo es su parte
autorregresiva AR; esto es, cuando las races de la ecuacin (L) = 0 caen
fuera del crculo unidad, y diremos que es invertible cuando lo es su parte MA;
esto es, cuando las races de la ecuacin (L) = 0 caen fuera del crculo
unidad. Adicionalmente a las condiciones de estacionalidad e invertibilidad
tambin se supondr que las races de (L)= 0 y (L) = 0 no son comunes.
Las funciones tericas de autocorrelacin (FAC) y de autocorrelacin muestral
(FAM) sirven como referencia para identificar las funciones de autocorrelacin
muestral y de autocorrelacin parcial muestral de una serie temporal en
estudio. Las caractersticas grficas de las funciones tericas de
autocorrelacin (FAC) y autocorrelacin parcial (FACP), para diferentes tipos
de modelos se muestran a continuacin.

64

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

MODELOS AUTORREGRESIVOS - AR
FAC
FACP
AR (1)

MODELOS MEDIAS MOVILES - MA


FAC
FACP
MA (1)

AR (2)

MA (2)

MODELOS ARMA
ARMA (1, 1)

FUNCIONES TEORICAS DE AUTOCORRELACION (FAC) Y AUTOCORRELACION PARCIAL (FACP)

65

Dr. Salome Gonzles Chvez

4.5

MODELOS ENERGETICOS

MODELOS ARIMA

4.5.1 MODELOS LINEALES NO ESTACIONARIOS HOMOGENEOS


Se dice que un proceso estocstico no estacionario es homogneo cuando al
diferenciar en el proceso original, el proceso transformado resultante es
estacionario, y el nmero de veces que debe diferenciarse el proceso original
para transformarse en estacionario constituye el grado u orden de
homogeneidad.
Muchas series cronolgicas, como las obtenidas en el campo energtico se
pueden convertir en aproximadamente estacionarias despus de aplicar
diferencias en una o ms etapas; es decir:
Si la serie original, Xt , es homognea de orden d, entonces.
d X t (1 L) d X t Zt ,

t 1, 2......, T

la nueva serie es estacionaria


A un proceso integrado Xt se le denomina proceso autorregresivo-medias
mviles integrado, ARIMA(p, d, q), si tomando diferencias de orden d se
obtiene un proceso estacionario Zt del tipo ARMA(p, q).
El modelo ARIMA(p, d, q), se expresa de la siguiente forma:
Zt 1 Zt 1 2 Zt 2 ..... p Zt p ut 1 ut 1 ....... q ut q

abreviadamente se tiene.
(L)Zt (L)ut , siendo Zt d X t (1 L) d X t
quedando as:
( L)(1 L) d X t (L)ut
No se incluye el trmino constante dado que la media de la serie diferenciada
Zt es cero, como frecuentemente suele ocurrir. En caso de que este supuesto
no pueda mantenerse, este parmetro deber incluirse en la expresin del
modelo ARIMA(p,d,q).
Al analizar la mayora de las series temporales econmicas, y en nuestro caso
energticas, se suele observar que stas presentan una tendencia creciente o
decreciente. La eliminacin de esta tendencia (no estacionariedad en media)
de la serie suele conseguirse mediante las diferenciaciones implcitas en los
modelos ARIMA. Ahora bien, en ocasiones se observa tambin que existe una
tendencia en la varianza, esto es, que la dispersin de las observaciones no es
constante a lo largo del tiempo, la cual no se elimina mediante estas
66

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

diferenciaciones. Cuando se presenta este hecho la transformacin adecuada


puede consistir en tomar logaritmos neperianos.
Esta posibilidad de transformar la serie se puede concretar de forma ms
general mediante la transformacin Box-Cox. As, el modelo ARIMA se puede
expresar como:

(L) d X t( ) (L)ut
o bien:

( L)(1 L) d ( X t( ) ) ( L)ut
()

donde es la media de X t

, siendo:

X t( )

X t( ) 1

ln X t

para 0
para 0

4.5.2 MODELOS ESTACIONALES NO ESTACIONARIOS HOMOGENEOS


Otra fuente de estacionariedad en muchas de las series reales del mbito
energtico lo constituye la estacionalidad. Para desestacionalizar las series se
procede a la diferenciacin estacional .
Los modelos estacionales no estacionarios pero homogneos, ARIMA(P,D,Q),
se expresan mediante:
Zt 1 Zt s 2 Zt 2s .......P Zt Ps ut 1 ut s ....... Q ut Qs
Z t Ds X t (1 Ls ) D X t

La expresin resumida de ARIMA(P, D, Q) ser:


P (Ls )(1 Ls ) D X t Q (Ls )ut

donde
p (LS ) 1 1 Ls 2 L2s ......... P LPs
Q (Ls ) 1 1 Ls 2 L2s ......... Q LQs

4.5.3 MODELOS MULTIPLICATIVOS GENERAL


Los modelos estacionales puros no van a ser los que con mayor frecuencia nos
sirvan para caracterizar una serie temporal estacional, debido a que
normalmente no estn solamente relacionadas las observaciones que distan s
perodos, sino que lo habitual es que dentro de perodos no estacionales
tambin existan relaciones. Los modelos que conjugan ambos tipos de
67

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

interdependencias entre las observaciones son los modelos multiplicativos


general,
los
mismos
que
se
denotan
abreviadamente
como
ARIMA(p,d,q)xARIMA(P,D,Q), y que se expresan como:
P (Ls ) p (L)(1 Ls ) D (1 L) d X t Q (Ls ) q (L)ut

En forma general, esta expresin se puede dar como:


P ( Ls ) p ( L) (1 Ls ) D (1 L) d X t

Q ( Ls ) q ( L)ut

donde es la media de Z t (1 Ls ) D (1 L) d X t
4.6

ETAPAS PARA LA ELABORACION DE UN MODELO ARIMA

Partiendo de una determinada serie temporal se trata de averiguar qu modelo


ARIMA(p,d,q)x ARIMA(P,D,Q) es susceptible de haber generado dicha serie,
es decir, qu modelo representa adecuadamente el comportamiento de la
misma, con el fin de utilizarlo para obtener predicciones de valores futuros de la
serie en cuestin. Para ello se siguen cuatro etapas: identificacin, estimacin,
chequeo o validacin, y prediccin.
IDENTIFICACION. Identificar una serie temporal consiste en inducir, a partir de
los datos, la funcin de autocorrelacin muestral y la funcin de autocorrelacin
parcial muestral, qu modelos ARIMA se adaptaran mejor a las caractersticas
de la serie. Cuando se trata de una serie no estacionaria, primeramente se
procede a estacionarizar la serie, tanto en media, es decir, identificacin del
valor d y D (estacionalidad), como en varianza, esto es identificar el valor de .
Una vez que esta serie transformada es estacionaria (en media y en varianza)
se deben de averiguar los posibles valores tanto de la parte regular del modelo
(autorregresiva, p, y medias mviles, q) como de la parte estacional
(autorregresiva, P, y medias mviles, Q).
ESTIMACION. Identificados los posibles modelos que han podido generar la
serie temporal, se trata de cuantificar los parmetros de los mismos. Los dos
problemas fundamentales a los que se enfrenta la estimacin de los modelos
ARIMA son el de los valores iniciales ( de los parmetros, de la serie y de los
ruidos) y el de no linealidad.
Se trata de estimar los parmetros i , i =0, ......, p+P+q+Q, donde:

i i
i i p

i 1,....., p
i p 1,......, p P

i i ( p P )

i p P,........., p P q

i i ( p P q )
i c

i p P q 1,..........., p P q Q

i0
68

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

Si Bi es la estimacin del parmetro i , la primera etapa en la validacin del


modelo consistir en comprobar si los coeficientes Bi son significativamente
distintos de cero. Para ello, sobre cada parmetro, se plantear la hiptesis
nula, esto es H 0 : i 0. Dicha hiptesis puede ser interpretada como que la
variable asociada al parmetro i no mejora el ajuste con respecto al obtenido
con las restantes variables incluidas en el modelo. Si el p-valor asociado al
valor del estadstico de contraste t es menor que , se rechazar la hiptesis
nula al nivel de significacin .
VALIDACION. La etapa de validacin o chequeo se centra fundamentalmente

en analizar si los residuos del modelo ( ut ) tienen un comportamiento similar a


las perturbaciones del mismo (ut ); esto es, si puede afirmarse que son
semejantes a un ruido blanco. Adicionalmente, se tratar de comprobar la
calidad de las estimaciones, as como el cumplimiento de las estimaciones de
los parmetros de las condiciones de estacionariedad e invertibilidad que
deben satisfacer los parmetros de estos modelos.
PREDICCION. Tras la validacin, viene el fin bsico de esta metodologa, esto
es, la obtencin de predicciones de valores futuros de la serie temporal. Una
vez obtenidas las predicciones del modelo se trata de volver a chequear la
adecuacin del mismo, pudiendo utilizar para ello tanto mtodos no
paramtricos (como el error cuadrtico medio) como paramtricos (estadsticos
de contenido informativo, exactitud y corroboracin).
A continuacin se ha confeccionado un diagrama de flujo que resume el
proceso a seguir para el clculo de predicciones mediante modelos ARIMA.

69

Dr. Salome Gonzles Chvez

MODELOS ENERGETICOS

DATOS DE LA SERIE

IDENTIFICACION
CALCULO DE ESTADISTICOS
DE LA SERIE

ES LA SERIE
ESTACIONARIA?

TRANSFORMACION
DE LA SERIE

SELECCION DE
d, D Y

NO

SI
DETERMINACION DE
p, q, P, Q

ESTIMACION

CALCULO DE ESTIMADORES
CALCULO DE ESTADISTICOS DE LOS
ESTIMADORES Y DE LOS RESIDUOS

VALIDACION
ES EL MODELO
ADECUADO?

NO

SI

PREDICCION

CALCULO DE PREDICCIONES
CALCULO DE ESTADISTICOS PARA
EVALUACION DE LA CAPACIDAD
PREDICTIVA

PREDICE
CORRECTAMENTE?

70

NO

MODELOS ENERGETICOS
Salom Gonzles Chvez

4.7

PROCESO DE CALCULO Y ELEMENTOS DE PROGRAMACION

Para el desarrollo cuantitativo de las predicciones de las variables energticas


a evaluar, han de tenerse en cuenta los siguientes puntos:

Creacin de una base de datos


Eleccin de los modelos o tcnicas de prediccin
Eleccin del programa o programas de cmputo
Elaboracin del modelo
Clculo numrico de las predicciones

Los elementos de programacin pueden ser:

4.8

Programas computacionales en donde se generen cdigos propios


de trabajo en predicciones. Entre los que se ha utilizado se tiene el
FORTRAN y el MATLAB.

Programas computacionales que dispongan de herramientas de base


para clculo predictivo y a su vez sean accesibles a su modificacin
computacional. Entre los que se ha utilizado se tiene el SCA y el
SPSS

EJEMPLOS DE APLICACION

Las aplicaciones se van a realizar para:


Series histricas que se presenten en clase
Series energticas de casos especficos

71

MODELOS ENERGETICOS
Salom Gonzles Chvez

4.9

SECUENCIA DE CALCULO DE UN MODELO ARIMA UTILIZANDO EL


PROGRAMA SPSS

A continuacin se presenta la secuencia base para el clculo de un modelo


ARIMA, utilizando el Programa SPSS
1)

ANALISIS DE ESTABILIDAD EN VARIANZA

En general, cualquier serie natural, a lo largo de su evolucin histrica puede


presentar una variabilidad no constante, esto es que la varianza sea
dependiente del tiempo (exista heterocedasticidad). En muchos casos la
variabilidad no aumenta con el tiempo sino con el nivel de la serie. Por tanto, se
tendr que efectuar una transformacin de la variable para de esta forma
estabilizar la varianza.
PRUEBA DE LEVENE
La prueba de Levene permite comprobar la hiptesis de que los grupos
anuales de datos mensuales formados, proceden de poblaciones con varianza
comn. En el caso de que la hiptesis de homogeneidad de varianzas fuera
rechazada, podra ser debido a que la dispersin de la serie cambia con la
tendencia central. Una situacin frecuente es que en los periodos en los que la
tendencia central es grande tambin lo sea la dispersin. En esta situacin
existe una familia de transformaciones que puede estabilizar la varianza,
transformaciones de Box-Cox, que en la prctica obedecen a la siguiente
expresin:

Xt
X t ln X t

para p 0
para p 0

Siendo p, el mltiplo de un medio ms prximo al poder de transformacin


proporcionado por el grfico de nivel y dispersin. El poder de transformacin
es igual a uno menos la pendiente de la recta de regresin mnimo -cuadrtica
ajustada a los cinco puntos generados. Debe tenerse en cuenta que esta
familia de transformaciones no solo permite estabilizar la varianza sino que
adems puede proporcionar normalidad.
As, la prueba de Levene permitir contrastar la hiptesis nula de que no
existen diferencias significativas entre las varianzas de la serie temporal en
estudio, en los n grupos anuales conformados.
Con el programa SPSS se realiza esta prueba estimando el poder de
transformacin p mediante el comando exploracin dispersin-nivel con test de
Levene, mediante la siguiente secuencia:

72

MODELOS ENERGETICOS
Salom Gonzles Chvez

ANALIZAR ESTADISTICOS DESCRIPTIVOS EXPLORAR (ingresar


la variable) GRAFICOS (seleccionar Dispersin por nivel con Prueba
de Levene y marcar Estimacin de Potencia) - ACEPTAR

2)

ANALISIS DE ESTABILIDAD EN MEDIA Y DE ESTACIONALIDAD

Para estabilizar la media de la serie en estudio puede ser necesario aplicar


diferencias regulares (de orden d) y estacionales (de orden D).
Las rdenes de diferenciacin se determinan luego del anlisis de estabilidad
en varianza, tomando como referencia:

El comportamiento grfico de la serie


El comportamiento de las funciones de autocorrelacin simple (FAC) y
parcial (FACP)
El uso de estadsticos de medicin de error para elegir el mejor arreglo,
dentro de un juego de posibilidades
El contraste de races unitarias para verificar la estacionariedad de la
serie

Si la serie en estudio presenta tendencia creciente o decreciente, su FAC


tendr una estructura positiva con decrecimiento lento hacia cero (memoria
larga), entonces esta tendencia puede estabilizarse aplicando sucesivas
diferencias regulares d

d X t (1 L)d X t
Otro factor de no estacionariedad de series reales es la estacionalidad, que se
manifiesta como una pauta regular de comportamiento peridico en la serie. Si
en el grfico de la serie no se muestra evidente la presencia de estacionalidad,
entonces se recurre a representar la FAC. En el caso de que la serie observada
presentara estacionalidad de periodo s la FAC mostrar coeficientes altos con
decrecimiento lento en los retardos s, 2s, 3s,.. Entonces la estacionalidad se
puede eliminar aplicando diferencias sucesivas estacionales D, de periodo s:

sD X t (1 Ls ) D X t
La conjuncin de la estabilidad en varianza con la estabilidad en media y de
estacionalidad, conllevan a que la nueva serie transformada obedezca a un
proceso estocstico estacionario lineal ARMA, y a partir de all determinar las
ordenes autregresivas y de medias mviles.
En series temporales caractersticas de comportamientos energticos,
comunmente los valores de d y D se encuentran entre 0, 1 2.

73

MODELOS ENERGETICOS
Salom Gonzles Chvez

A manera de ejemplo de caso se toma como referencia la determinacin del


Modelo ARIMA ptimo para las Ventas Vegetativas del Sistema Elctrico
Interconectado Nacional del Per SEIN, a diciembre del 2008. En este caso;
luego del anlisis correspondiente se obtuvo los valores de d = 1 y D =1

3)

DETERMINACION DE LAS ORDENES


MEDIAS MOVILES

AUTORREGRESIVAS

La identificacin de las rdenes autorregresivas y de medias mviles de la


parte regular del modelo (p,q), se realiza a partir de las funciones FAC y FACP
muestrales, las mismas que se comparan con el comportamiento de los
retardos tpicos de las FAC y FACP tericas
De igual forma, la identificacin de los parmetros autorregresivos y de medias
mviles de la parte estacional (P y Q), se realiza a partir de las funciones FAC y
FACP muestrales para la serie diferenciada estacionalmente, considerando
exclusivamente los retardos estacionales s, 2s, 3s, y teniendo como patrn
de comportamiento a las FAC y FACP tericas
Como ejemplo de grfico FAC, se tiene para un caso en el que se ha
identificado solamente una orden estacional de media mvil Q =1 , MA(1), cuya
caracterstica en salida SPSS es la siguiente:

Coefficient

1,0

Upper
Confidence Limit
Lower
Confidence Limit

ACF

0,5

0,0

-0,5

-1,0
12

24

36

48

Lag Number

74

60

MODELOS ENERGETICOS
Salom Gonzles Chvez

4)

ESTIMACION DE PARAMETROS

Una vez determinada las ordenes autoregresivas y medias mviles, se trata de


estimar los parmetros o coeficientes del modelo ARIMA ( i , i , i , i ), cuya
expresin general es:

P ( Ls ) p ( L)(1 Ls ) D (1 L) d X t Q ( Ls ) q ( L)u t C
Siendo:

( L) 1 1 L 2 L2 .......... p Lp
( L) 1 1 L 2 L2 .......... P LP
( L) 1 1 L 2 L2 ........ q Lq
( L) 1 1 L 2 L2 ........ Q LQ

C: Constante
Los coeficientes se obtienen mediante la siguiente secuencia de comandos en
SPSS:
ANALIZAR SERIES TEMPORALES ARIMA (ingresar la variable,
ingresar las ordenes regulares y estacionales autorregresivas y de
medias mviles, as como las diferenciaciones regular y estacional) ACEPTAR
La estimacin de los parmetros i ,i , i y i generalmente se realiza por los
mtodos mxima verosimilitud condicional y mxima verosimilitud exacta. En
base a ello es importante sealar que los distintos programas que se utilizan,
pueden proporcionar valores diferentes de los parmetros calculados para un
mismo modelo ARIMA; pues adems se suma la diferencia de algoritmos
utilizados por cada programa.
En el proceso de ajuste de cada modelo ARIMA tentativo, una vez ingresado
las ordenes ARIMA (p,d,q)x(P,D,Q) al programa utilizado, se comprueba si los
parmetros calculados por dicho programa son significativamente distintos de
cero. Ello se realiza mediante la probabilidad asociada al estadstico t Student
(Approx Sig), para contrastar la hiptesis nula de que el parmetro
correspondiente es igual a cero.
Para un determinado caso en estudio, el cuadro de salida en SPSS del modelo
ARIMA sin considerar efectos externos, es la siguiente:

Parameter Estimates
Seasonal
Seasonal
Lags
MA1

Estimat
es
.491

75

Std
Error
.137

t
3.578

Approx
Sig
.001

MODELOS ENERGETICOS
Salom Gonzles Chvez

Donde, el parmetro estimado tendr significancia estadstica (valor como tal,


el calculado), cuando el estadstico t-Student (t) posea un valor no menor de 2
y/o el estadstico Approx Sig. (p-valor) tenga un valor no mayor de 0.05.

5)

IDENTIFICACION DEL MODELO ARIMA CON SUCESOS EXTERNOS

Los sucesos externos se determinan una vez identificado el modelo ARIMA,


generado, aparentemente sin intervenciones ni atpicos. Con la visualizacin
del comportamiento de los residuos del modelo ARIMA base, se identifican los
atpicos.
La intervenciones se obtienen a partir de la visualizacin grfica de la serie,
identificando todos los valores extremos, secuenciales y puntuales, a los que
posteriormente se les evala el grado de significancia estadstica cuando se les
somete a algn tipo de filtro (funcin impulso o escaln).
6)

ESTIMACION DEL MODELO ARIMA CON SUCESOS EXTERNOS

Una vez comprobada la significancia de los sucesos externos seleccionados,


se procede a estimar los coeficientes del modelo ARIMA de base, incluyendo
dichos efectos externos.
Como ejemplo de salida en SPSS, de un determinado Modelo ARIMA ptimo,
considerando las intervenciones y atpicos, tiene la forma siguiente:

Estimaciones
Retardos no
estacionales
Coeficientes de
regresin

MA1
Nov01
Abr02
Dic04
Mar08
Abr08
Jul08

Error
tpico

Sig.
aprox.

.361

.104

3.476

.001

-61.413
47.709
36.278
-99.776
-61.577
44.093

15.162
15.162
15.162
22.640
22.660
21.937

-4.050
3.147
2.393
-4.407
-2.717
2.010

.000
.002
.019
.000
.008
.048

76

MODELOS ENERGETICOS
Salom Gonzles Chvez

PARTE 5
MODELOS ECONOMETRICOS DE PREDICCIONES

5.1

CAMPO DE APLICACIN DE LOS MODELOS ECONOMETRICOS

La exigencia cada vez mayor de lograr acertar con mayor eficiencia el futuro de
cualquier variable temporal, sea econmico, energtico o social, viene a ser la
garanta del xito en cualquier tipo de planificacin estratgica.
En el mbito energtico, los modelos economtricos cobran especial
importancia, dentro de un plan de desarrollo de corto, mediano o largo plazo.
Sus aplicaciones son diversas, entre ellas se tienen:
Plan referencial de electricidad de sistemas elctricos integrados,
nacionales y regionales
Plan referencial de electricidad de sistemas elctricos aislados
Plan referencial de energa, por fuentes
Plan referencial de energa, por usos
Balance de energa final
Balance de energa til
Fijacin Tarifaria de la energa elctrica

5.2

CARACTERSTICAS
ECONOMTRICO

FUNDAMENTALES

DE

UN

MODELO

Un modelo economtrico, en trminos generales, viene a ser una relacin


funcional entre una variable dependiente (por ejemplo la demanda de energa
elctrica) y otra u otras variables independientes o explicativas de la primera
(por ejemplo el producto bruto interno PBI, la poblacin, la tarifa elctrica, el
ingreso per-cpita, etc.), bajo el cumplimiento de condicionantes tanto
estadsticos como de la teora econmica.

5.2.1 CONDICIONANTES ESTADSTICAS


Bajo el plano estadstico, el modelo de regresin lineal por mnimos cuadrados
ordinarios que describe y proyecta a la variable dependiente, deber cumplir
con los siguientes requisitos:
77

MODELOS ENERGETICOS
Salom Gonzles Chvez

Las variables participantes deben ser o transformarse en estacionarias


El trmino de error del modelo lineal, debe comportarse como un ruido
blanco; es decir, que la esperanza matemtica del trmino de error sea
cero, la varianza del error sea constante y se demuestre ausencia de
autocorrelacin entre los errores (covarianza nula).
No existencia de colinealidad entre regresores o variables
independientes, consecuentemente, ausencia de multicolinealidad en la
matriz de observaciones correspondientes a las variables
independientes del modelo.
Los parmetros o coeficientes de cada variable explicativa deben ser
constantes.
Entre las pruebas a realizar para el cumplimiento de estas condicionantes se
tienen:
Bondad o grado de ajuste del modelo, medido por el coeficiente de
determinacin R2.
Estacionariedad, medido por el estadstico DickeyFuller Aumentado,
ADF.
Prueba de significancia de la variable en el modelo, medido por el
estadstico t-Student.
Contraste de la presencia de autocorrelacin serial de primer orden,
medido por el estadstico Durbin Watson, DW.

LA ESTACIONARIEDAD DE UNA VARIABLE TEMPORAL


Una variable temporal, alcanza la condicin de estacionaria cuando su
comportamiento no depende del tiempo; es decir; no posee ni tendencia ni
estacionalidad. Ello se mide, en el sentido amplio (dbil), cuando su esperanza
matemtica y varianza no dependen del tiempo, y la covarianza entre dos
periodos de tiempo distintos solamente depende del lapso de tiempo
transcurrido entre estos dos periodos.
En el campo aplicativo, como es el caso, prcticamente no existe variable o
series histricas que sean estacionarias de origen, dado que siempre se
caracterizan por tener tendencia y/o estacionalidad. Consecuentemente, para
darle un tratamiento modelstico a la serie original necesariamente se tendr
que aplicar transformaciones apropiadas hasta alcanzar el nivel de
estacionariedad aproximada.
Para eliminar la tendencia de una serie original, se realizan diferencias
sucesivas (diferencia entre el valor de una variable de un periodo a otro
inmediato anterior). El nmero de veces que se efecta estas diferencias
sucesivas se denomina orden de diferenciacin o grado de integracin

78

MODELOS ENERGETICOS
Salom Gonzles Chvez

Para eliminar la heteroscedasticidad de la serie original (varianza no


constante), se realizan ciertas transformaciones previas que pueden ser
transformaciones logartmicas (potencia cero) o potenciales (raz cuadrada
directa o inversa, cuadrtica, etc.).
Como consecuencia de tratar con series no estacionarias de origen, todo
analista que trabaja con modelos economtricos debe ser consciente de los
riesgos de una valoracin poco exigente de los resultados obtenidos. En
particular un coeficiente de determinacin (R2) elevado y unos parmetros
estadsticamente significativos no pueden servir de argumento fundamental
para aceptar un modelo. Por tanto, adicionalmente se deber comprobar:
La lgica econmica de las variables que explican la evolucin general
de la endgena (signos correctos y valores aceptables de los
parmetros).
Un comportamiento de los errores histricos de prediccin acorde con
una correcta especificacin del modelo (comportamiento de ruido blanco
y no existencia de errores excepcionales).
Que el modelo recoja adecuadamente los puntos de cambio de
tendencia.
El modelo sea una herramienta eficaz de prediccin (comprobacin de
mnimo error entre la variable real y el modelo).

LA COINTEGRACIN
Una regresin clsica de variables temporales supone que cada variable
participante es estacionaria, o que bajo las transformaciones practicadas
alcanzan un mismo orden de integracin. Sin embargo en la prctica, muchas
veces no se logra satisfacer este condicionante y por tanto se estara frente a
una regresin espuria; es decir, una relacin donde la no estacionariedad de
las series o variables involucradas, sesga los resultados hacia la aceptacin de
tal relacin cuando en realidad sta no existe.
En una regresin de dos series no estacionarias, es posible que una de ellas
explique totalmente el comportamiento no estacionario de la otra, si es que el
residuo de la regresin (parte no explicada de la respuesta), tiene un
comportamiento estacionario. En estas circunstancias se dice que tales
variables estn cointegradas.
Uno de los arreglos de regresiones que involucra a variables cointegradas es el
modelo economtrico de Correccin de Errores

79

MODELOS ENERGETICOS
Salom Gonzles Chvez

5.2.2 CONDICIONANTES DE LA TEORA ECONMICA


Estas condicionantes muestran la interrelacion de las variables participantes
obedeciendo la teora econmica. Una relacin econmica entre la demanda
elctrica, el PBI y la traifa elctrica, sera la siguiente:

La demanda de energa elctrica, DEM, se comporta como la


demanda de un bien necesario

El producto bruto interno, PBI, se comporta como el ingreso


econmico para la adquisicin del bien necesario.

La tarifa elctrica, TARIFA, se comporta como el precio para la


adquisicin del bien necesario.

Bajo este criterio, una forma de modelo economtrico podra estar conformado
por la siguiente relacin:

DE C * PBI TARIFA
Donde:

Elasticidad ingreso del bien DE, que puede adoptar valores


positivos mayores a cero y no menores a uno

Elasticidad del precio del bien DEM, adoptar valores negativos


entre -1 y 0

C:

Constante

La forma linealizada de la anterior expresin, se determina aplicando


logaritmos naturales:

LnDE C0 * LnPBI * Ln TARIFA


Bajo esta forma los parmetros y respondern al concepto de elasticidad
ingreso y elasticidad precio constantes. Las elasticidades constantes permiten
determinar el crecimiento porcentual que experimentara la demanda elctrica
frente a cada punto de crecimiento del PBI o TARIFA.
Por tanto, bajo el criterio de la teora econmica, es recomendable estructurar
un modelo en el que se practique una transformacin logartmica a las
variables DE, PBI y TARIFA
El grado de complicacin para alcanzar buenos resultados en la aplicacin de
esos modelos, depender de las siguientes caractersticas de cada una de las
variables participantes o series histricas:

Nmero de observaciones
Tendencia evolutiva
80

MODELOS ENERGETICOS
Salom Gonzles Chvez

5.3

Estacionalidad y/o ciclaje


Irregularidad o aleatoriedad
ANALISIS DE REGRESIONES

En un modelo economtrico, el anlisis de regresin determina la relacin


existente entre la variable dependiente y las otras independientes, sobre la
base de la estimacin de la media poblacional de la primera condicionada a los
valores ya conocidos y fijos de las segundas.
Para fines de prediccin, lo ms habitual es que se utilicen datos de las
variables referidas a un perodo temporal, relacionadas mediante el siguiente
modelo matemtico denominado regresin lineal de la variable dependiente y
con k variables explicativas x :
yt 0 1 x1t 2 x2t ............. k xkt ut

Siendo:

1 x1t 2 x2t ............. k xkt : Combinacin lineal de las variables

independientes
0 : Constante o Intercepto
ut : Trmino de error o perturbacin, parte aleatoria
Este ordenamiento matemtico se puede descomponer en una parte
determinstica, conformada por la combinacin lineal de las variables
independientes incluyendo el intercepto, y una parte aleatoria dada por el
trmino de error. Este trmino de error origina que el modelo sea estocstico,
cuya inclusin representa la existencia de un componente aleatorio en las
respuestas de los agentes econmicos y a la presencia de innumerables
influencias de menor importancia no modeladas de forma explcita.
ESTIMADOR DE MINIMOS CUADRADOS ORDINARIOS
Los parmetros o coeficientes deben ser estimados por una funcin
estimador, el mismo que se vale de los datos histricos disponibles de las
variables participantes. As, partir de los datos histricos de cada una de las
variables implicadas se determina el estimador lineal de los parmetros del
modelo, tal que minimiza la suma de los errores al cuadrado (de all en nombre
de estimador de Mnimos Cuadrados Ordinarios):

Min e Min yt 0 1 x1t ........... k xkt


t 1

2
t

i 1

81

MODELOS ENERGETICOS
Salom Gonzles Chvez

El objetivo del anlisis de regresin no se basa nicamente en la estimacin


matemtica de los coeficientes , sino tambin en la posibilidad de hacer
inferencia estadstica acerca de la significancia de dichos estimados. Un
coeficiente resulta significativo cuando la variable que lo acompaa, ofrece un
aporte marginal estadsticamente importante a la explicacin del
comportamiento de la variable explicada
Dado que los estimadores depende de la variable aleatoria y, estos son
tambin una variable aleatoria, por lo que es posible conocer su distribucin y
hacer inferencia acerca de cuan cerca o lejos se encuentran dichos valores
estimados de los verdaderos valores poblacionales. Para realizar este anlisis
ha de tenerse en cuenta el cumplimiento de algunos de los supuestos
siguientes, quienes determinarn la posibilidad de interpretar adecuadamente
los estimados obtenidos y que garantizan que el estimador de Mnimos
Cuadrados Ordinarios sea el ms apropiado para el clculo predictivo:

5.4

El modelo es de carcter estocstico


El trmino de error o perturbacin obedece a un ruido blanco. Un ruido
blanco es un proceso estocstico que posee esperanza matemtica
nula, varianza constante y ausencia de autocorrelacin entre errores
El modelo es lineal en los parmetros
Los parmetros son constantes
Las variables explicativas son linealmente independientes
Las variables independientes son fijas o determinsticas

FORMULACIN DEL MODELO ECONOMTRICO

La formulacin del modelo que ha de pronosticar el comportamiento de una


variable dependiente, o variable en estudio, a partir de otras variables
independientes, o explicativas, obedeciendo a criterios estadsticos y
economtricos, se puede resumir bajo el siguiente diagrama de flujo:

82

MODELOS ENERGETICOS
Salom Gonzles Chvez

Tratamiento de la Informacin
de las variables temporales

Modelo Economtrico: Relacin


funcional
entre
variables:
dependiente y explicativas
TRANSFORMACIONE
S EN BASE A:
Criterio estadstico
Criterio de la teora
econmica
Estimacin de los
parmetros

Inferencia sobre
los estimados

Prediccin

Toma de decisiones

5.5

PROCESO DE CLCULO DE UN MODELO ECONOMTRICO

El procedimiento de clculo mediante un modelo economtrico, se resume


segn el siguiente esquema:

83

MODELOS ENERGETICOS
Salom Gonzles Chvez

Ingreso de
variables
temporales

Especificacin del
Modelo Economtrico

Valores de los Resultados Obtenidos:


Punto de vista estadstico
Punto de vista economtrico

Estimacin de los
parmetros

Contraste o
validacin

Proyecciones
Economtricas

Apoyo de un programa computacional


Aporte del analista

El clculo de las proyecciones economtricas se realiza utilizando el Programa


E-Views, tomando como data de entrada la informacin histrica de la variable
dependiente en estudio.
La secuencia de clculo de un Modelo Economtrico utilizando el Programa EViews, para un caso como por ejemplo el de las Ventas Vegetativas de
electricidad del SEIN, es la siguiente:
1 Estacionariedad y orden de integracion de la variables participantes
en cada modelo: prueba de raiz unitaria de Dickey-Fuller
Aumentado, ADF. La presencia de raz unitaria es indicativo de que la
variable en prueba no es estacionaria, lo cual se demuestra cuando los
valores absolutos de los estadsticos ADFson menores que el valor
crtico absoluto de Mackinnon al 5% de significancia. En el caso de que
se demuestre ausencia de raz unitaria, ser indicativo que la serie en
prueba es estacionaria
84

MODELOS ENERGETICOS
Salom Gonzles Chvez

2 Colinealidad entre las variables explicativas en cada modelo:


prueba con matriz de correlaciones. El anlisis de colinealidad permite
determinar si cada regresor, inicialmente considerado, guarda
independencia lineal o no con los dems regresores. El requisito
fundamental para que un modelo sea apropiado para predicciones es la
independencia lineal entre regresores. En sentido estricto, un regresor o
variable explicativa ser linealmente independiente con otro cuando el
coeficiente de correlacin entre ambos (correlacin cruzada) es cercano
a cero.
En trminos prcticos cuando el coeficiente de correlacin entre dos
variables explicativas es mayor de 0.75, es indicativo de un alto grado de
correlacin y por tanto no sera posible estimar el modelo con la
presencia de ambas variables. Para tal efecto, la verificacin de
colinealidad se realiza mediante el clculo de la matriz de correlaciones
con las variables explicativas que especifican a cada modelo
3 Especificacin funcional: prueba de Ramsey. La prueba Reset de
Ramsey permite la comprobacin de la correcta especificacin
polinmica (funcional) de un modelo estimado; es decir, que no se hayan
omitido algunos otros regresores que pueden ser potencias y/o
productos cruzados de los regresores ya incluidos en el modelo
inicialmente especificado.
4 Estabilidad de los parmetros. La prueba de residuos recursivos y la
prueba de suma acumulada de los residuos normalizados al cuadrado cusum2-, permiten determinar la existencia de posibles quiebres
estructurales en los modelos. Un quiebre estructural es indicativo de que
los parmetros de la ecuacin de regresin no son constantes a lo largo
de toda la muestra. Uno de los supuestos que garantiza la calidad del
estimador de mnimos cuadrados ordinarios en el proceso de estimacin
de un determinado modelo, es precisamente que los parmetros sean
constantes (estables); vale decir, que exista un nico proceso generador
de datos para toda la muestra en anlisis.
5 Causalidad unidireccional: prueba de Granger. El principio de
exogeneidad indica que las variables explicativas en un determinado
modelo no deben estar sometidas a algn grado de retroalimentacin
proveniente de los valores pasados de la variable dependiente. Es decir;
para efectuar inferencias vlidas sobre los parmetros estimados de la
regresin, correcta especificacin del modelo y consecuente uso como
modelo de prediccin, debe existir solamente una relacin unidireccional
entre variables explicativas y variable explicada.
5.6

EJEMPLOS DE APLICACIN: CASOS

85