1

ANALISIS BIVARIADO
DATOS BIVARIADO: Son los valores de dos variables diferentes que se obtienen del mismo elemento
poblacional. Cada una de las variables puede ser cualitativa o cuantitativa, de esta manera se pueden formar
tres combinaciones. Estudiamos dos o ms variables a la vez, para observar el grado de asociacinque se da
entre ellas.
I. Dos variables cualitativas:Para organizar datos de dos variables cualitativas se usan tablas de doble
entrada (tablas de contingencia). Los valores de una variable van en columnas y los valores de la otra variable
van en filas.
Por ejemplo si analizamosen tablas y grficos la siguiente situacin. De un grupo de personas se caracterizan
dos variables de tipo cualitativa-cualitativa, respecto de genero/tabaquismo y se registra lo siguiente: del
grupo existen 12 mujeres y 10 hombres fumadores, 8 mujeres y 20 hombres no fumadores.
Entonces organizamos y representamos la informacin con una tabla de contingencia.
Genero/Tabaquism
o
Mujer
Hombre

Fuma

Totales

No Fuma

Totales

12
10

8
20

20
30

22

28

50

De la misma forma podemos generar una tabla de porcentaje respecto del total
Genero/Tabaquism
o
Mujer
Hombre

Fuma

Totales

No Fuma

Totales

24%
20%

16%
40%

40%
60%

44%

56%

100%

Y la representacin grfica:

Genero/Tabaquismo Genero/Tabaquismo
40%

25
20

Fuma

15

No Fuma

20%

10

24%
16%

5
0

Hombre

Mujer

Hombre

Mujer

Fuma
No Fuma

La tabla de contingencia se puede generar tambin respecto de los totales marginales (Totales de filas o totales
de columna). Por ejemplo la siguiente tabla y grafica es respecto de totales marginales de fila.
Genero/Tabaquism
o
Mujer
Hombre

Fuma

Totales

No Fuma

Totales

60%
33%

40%
67%

100%
100%

44%

56%

100%

Genero/Tabaquismo
67%

60%
40%

33%

Hombre

Fuma
No Fuma

Mujer

EJERCICIOS PROPUESTOS:
1. En un aula hay 100 alumnos, de los cuales: 40 son hombres, 30 usan gafas, y 15 son varones y usan gafas.
Construya una tabla de contingencia con la informacin y genere un grfico.
2. Encuesta realizada en la ciudad de Coyhaique, para jefes de hogar. Organice y representa la informacin.
Estrato
Estudios
Estrato
Estudios Estrato
Estudios
Estrato
Estudios
Alto
Superior
Bajo
Bsica
Medio
Media
Bajo
Bsica
Medio
Superior
Bajo
Media
Alto
Superior
Medio
Media
Medio
Media
Alto
Superior Medio
Media
Alto
Media
Medio
Media
Medio
Superior Medio
Media
Bajo
Media
Bajo
Bsica
Medio
Media
Medio
Bsica
Alto
Superior
Bajo
Bsica
Medio
Superior Alto
Superior
Medio
Superior
Bajo
Bsica
Bajo
Bsica
Bajo
Media
Bajo
Media

3
3. Supongamos que deseamos estudiar las variables tipo de escuela superior y la aprobacin de la primera
clase de matemticas que toma el estudiante en la universidad, usando los datos de 20 estudiantes que se
muestran abajo. Como organizar y representar la informacin.
Escuel
Aprueba Escuela
Aprueba
Escuela
Aprueba
Escuela
Aprueba
a
Privada Si
Pblica
Si
Pblica
No
Pblica
No
Privada No
Privada
No
Pblica
Si
Privada
No
Pblica No
Pblica
No
Privada
Si
Pblica
Si
Privada Si
Privada
Si
Pblica
Si
Pblica
No
Pblica Si
Privada
Si
Privada
Si
Privada
Si
4. Se analizan dos variables cualitativas, respecto del gnero y grupo sanguneo, como se describe a
continuacin:
Genero
G. Sang
Genero
G. Sang
Genero
G. Sang
Genero
G. Sang
F
0+
F
0+
F
A+
M
A+
+
+
+
M
0
F
B
F
0
M
0+
+
+
+
F
0
F
0
F
B
M
B+
+
+
+
M
A
F
0
M
0
F
0+
+
+
+
M
0
M
A
F
0
F
A+
5. En cierta habitacin de hospital se sabe que un paciente sea ingresado con problemas de presin arterial es
de 70%; que ingrese con problemas renales es 50% y la de que ingrese con ambos problemas es de 30%.
Organice la informacin en tabla y grfico.
6. La proporcin de que una persona siendo obesa tenga tambin problemas coronarios es de 65%. Si en una
ciudad la proporcin de que una persona sufra de problemas obesidad es de 58%, y de que sufra de problemas
coronarios es de 62%.Organice la informacin en tabla y grfico.
7. En una clase en la que todos practican algn deporte, el 60% de los alumnos juega al ftbol o al baloncesto
y el 10% practica ambos deportes. Si adems hay un 60% que no juega al ftbol.Organice la informacin en
tabla y grfico.
8. En una ciudad el 40% de los domicilios tiene conexin a Internet, el 33% tiene conexin de TV por cable y
el 20% disfruta de ambos servicios. Organice la informacin en tabla y grfico.
9. En una clase mixta hay 30 alumnas, 15 estudiantes que repiten curso, de los que 10 son alumnos, y hay 15
alumnos que no repiten curso. Organice la informacin en tabla y grfico.
10. En una clase hay 10 alumnas rubias, 20 morenas, cinco alumnos rubios y 10 morenos. Organice la
informacin en tabla y grfico.
11. Organice la informacin respecto del rendimiento final de 20 alumnos(as)
Genero
Nivel
Genero
Nivel
Mujer
Bsico
Hombre
Intermedio
Mujer
Intermedio
Hombre
Intermedio
Hombre
Bsico
Hombre
Intermedio
Mujer
Superior
Mujer
Bsico
Hombre
Intermedio
Mujer
Intermedio
Hombre
Intermedio
Hombre
Superior
Hombre
Superior
Hombre
Bsico
Mujer
Intermedio
Mujer
Superior
Mujer
Bsico
Hombre
Intermedio

4
Mujer

Bsico

Mujer

Bsico

II. Variable cualitativa-Cuantitativa:Los valores cuantitativos se ven como muestras separadas, con cada
conjunto identificado en la variable cualitativa. Cada muestra se describe usando las tcnicas anteriores
(univariados) y los resultados se exhiben juntos para fcil comparacin.
Por ejemplo:La siguiente informacin son datos obtenidos al entrevistar a estudiantes, elegidos al azar, de 5.
Semestre de una institucin superior, de los cuales: de las mujeres hay una con 15 aos, 3 con 16 aos, 6 con
17 aos, 3 con 18 aos y 2 con 19 aos. En el caso de los hombres: uno con 16 aos, 2 con 17 aos, 3 con 18
aos, 2 con 19 aos y 2 con 20 aos.
Al organizar la informacin a travs de la tabla dinmica se tiene:

Entrevista
Genero
Hombre
Mujer
Total
general

Edad
1
7
2
6

1
8
3
3

1
9
2
2

2 Total
0 general
2

1
6
1
3

15

O bien generar una tabla que contenga estadsticos:

Genero
Me

x
Sx
CV

Hombre
Mujer
18
17
18,2
17,1
Genero
Hombre
1,32 Mnimo 1,13
16
0,073 Q1 0,066
17,25
Q2
18
Q3
19
Mximo 20

Representacin grafica

Mujer
15
16,5
17
18
19

10
15
25

Genero/Edad
8
6 15
4
2
0

16

17

18

Hombre

19

Mujer

Genero/Edad
20

8
6
4
2
0

Hombre
Mujer

15

16

17

18

19

20

EJERCICIO PROPUESTOS
1. La siguiente tabla representa los ingresos(x$1000) de un grupo de personas, elegidas aleatoriamente.
Entonces organice la informacin
Genero
Ingresos
Genero
Ingresos
Mujer
150
Mujer
120
Hombre
230
Hombre
230
Hombre
156
Hombre
920
Hombre
210
Hombre
165
Mujer
350
Mujer
999
Mujer
400
Mujer
480
Hombre
156
Hombre
200
Mujer
580
Mujer
270
Hombre
370
Mujer
890
Mujer
350
Mujer
470
Hombre
300
Hombre
380
Mujer
165
Hombre
390
Mujer
143

2. Organice y represente la siguiente informacin.

Gnero Peso
Gnero
(kg)
3. Se midi la F
63
F
necesaria
para M
67
F
automvil
de F
62
F
en
pavimento M
60
M
comparar
la M
75
F
frenado de tres F
74
M
superficie
de
F
54
M
neumticos.
Los
F
61
M

Peso
(kg)
74
54
54
55
60
64
62
60

Gnero
F
M
F
F
F
F
M
M

Peso
(kg)
50
45
67
52
58
62
62
75

distancia (en pies)

detener
un
3000libras de peso
mojado,
para
capacidad
de
diseos
de
la
rodadura
de
neumticos de cada

6
uno de los diseos fueron probados repetidas veces en el mismo automvil en un pavimento mojado
controlado.
Diseo A: 37, 36, 38, 34, 40, 32.
Diseo B: 33, 35, 38, 34, 42, 34.
Diseo C: 40, 39, 40, 41, 41, 43.
Organice y represente la informacin para comparacin.

III. Dos variables cuantitativas: Los datos suelen expresarse como pares ordenados (x,y); donde x es la
variable de entrada (independiente) e y es la variable de salida (dependiente). Por ejemplo: Peso estatura;
Produccin utilidad. Generalmente se representan mediante un diagrama de dispersin (nube de puntos)

DIAGRAMA DE DISPERSIN:grfico de dispersin;es un tipo de diagrama matemtico que utiliza las

coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Los datos se
muestran como un conjunto de puntos, o pares ordenados ubicados en el sistema cartesiano. Si
representa a las medias (media aritmtica) de las dos variables, entonces el punto

x e y

( x , y ) es el centro de

gravedad de la nube (punto de concentracin).

COVARIANZA: Es una manera de generalizar la varianza, es una medida de la varianza comn a las dos
variables y por lo tanto del grado y tipo de su relacin.

Llamaremos covarianza de x e y, como

s xy =

( xx )( y y )
n1

( xx ) ( y y )
SS xy = xy

s xy

tal que:

, donde

, se le llama suma de cuadrado para xy (SSxy), y es equivalente a:

x y
n

Por tanto, la covarianza ser obtenida como:

s xy =

SSxy
n1

OBSERVACIONES PARA SXY:

I. Si

s xy > 0 , los valores altos de x estn asociados a valores altos de y; y viceversa.

II. Si

s xy < 0 , los valores altos de x estn asociados a valores bajos de y; y viceversa.

III. Si

s xy =0 , son variables independientes.

Por ejemplo al analizar la informacin de los siguientes pares ordenados: (2,3); (5,4); (3,2); (6,4); (4,3);
(2,0); (3,1).
Su diagrama de puntos:

Diagrama de Dispersin
5
4
3
2
1
0
1.5

2.5

3.5

4.5

5.5

6.5

Organizacin en tabla:
x

xy

20

24

12

Suma

x = 25

y =17

xy =71

Media

3,57

2,43

Des. Estndar

1,51

1,51

Ahora la covarianza es:

25 17
7
71

71
s xy =

s xy =1,71
Entonces la covarianza

s xy > 0 , por tanto los valores altos de x, estn asociados a los valores altos de y.

COEFICIENTE DE CORRELACIN LINEAL: Se sabe que las desviaciones tpicas Sxy Sy evidencian
las dispersiones de las abscisas y de las ordenadas respectivamente. Entonces el cociente entre la covarianza y
el producto de las desviaciones tpicas de ambas variables, es el coeficiente de correlacin. Se expresa

9
mediante la letra r y es la medida numrica de la fuerza de la relacin lineal entre las dos variables. Se
determina mediante la frmula de momento de producto de Pearson.

r=

s xy
sx sy

OBSERVACIONES PARA r:

1 r 1

I.
II.

Si

r 1 , la correlacin es fuerte e inversa.

III.

Si

r 1 , la correlacin es fuerte y directa.

IV.

Si

r 0 , la correlacin es dbil.

V.

Si

r=1 o r =1 , los puntos de la nube estn sobre la recta (creciente o decreciente). Entre

ambas variables hay dependencia funcional.

VI.

Si

r=0

no hay correlacin lineal, pero puede haber de otro tipo.

Esquema para el coeficiente de correlacin lineal:

C(-)
Perfecta
C(-)
Fuerte
1,0

C(+)
Perfecta

No hay
C(-)
Moderada
0,5

C(+)
Dbil

C(-)
Dbil
0

C(+)
Moderada
+ 0,5

C(+)
Fuerte
+ 1,0

Por tanto la CORRELACIN LINEAL: establece la relacin o dependencia que existe entre las dos
variables que intervienen en una distribucin.

I.
II.
III.

Tipos de correlacin:
Correlacin directa: Al aumentar una de las variables, la otra tambin lo hace.
Correlacin inversa: Al aumentar una de las variables, la otra disminuye.
Correlacin nula: No hay dependencia de ningn tipo.

I.
II.
III.

Grados de correlacin:
Correlacin fuerte: ser cuando ms cerca estn los puntos de la recta.
Correlacin dbil: ser cuando ms lejos estn los puntos de la recta.
Correlacin nula: No hay asociacin.

10

De acuerdo a lo anterior; al observar las grficas siguientes podemos mencionar que:

Representa una correlacin directa y fuerte

Representa una correlacin directa y dbil

Ahora volvamos a nuestro ejemplo de los siete pares ordenados, en este caso el coeficiente de
correlacin estar dado por la expresin:

r=

s xy
sx sy

r=

1,71
1,51 1,51

r=0,75
Por tanto nuestra informacin tiene una correlacin directa y fuerte

11

RECTA DE REGRESIN LINEAL: La recta de regresin es la que mejor se ajusta a la nube de puntos.
Adems podemos identificar dos caractersticas importantes:

Y
I. La recta de regresin pasa por el punto

( x , y ) llamado centro de yi

gravedad.
II. La suma de los cuadrados de los residuos debe ser mnima, esto es

( y i ^y )2
xi

Ya indicamos que la recta que aparece en un grfico de dispersin es la que mejor se ajusta a la nube de
puntos. Dicho de otra forma, es la recta que hace que el error de estimacin, definido como la distancia entre
el valor observado y el valor estimado de la variable dependiente en la recta, sea mnimo.
La diferencia entre un valor observado
residuo (Residuo =

y i y el valor estimado

^y

lo denominaremos error o

y i^y ), para el correspondiente valor de x . Grficamente es la distancia vertical de

i

los valores de y con la recta

Recta de regresin de Y sobre X
La recta de regresin de Y sobre X se utiliza para estimar los valores de la

^y a partir de los valores de

la variable x. Segn mtodo de mnimos cuadrados:

^y =b 0+ b1 x(1)
La pendiente de la recta b1es el cociente entre la covarianza y la varianza de la variable x. Esto es:

b1=

s xy

s2x (Pendiente)

Como la recta pasa por

( x , y ) , reemplazamos en (1) y obtenemos el intercepto

b0 = y b 1 x (Intercepto)

12

COEFICIENTE DE DETERMINACIN: Para definir el coeficiente de determinacin R2, debemos

identificar:
i)

( y ^y )2

SCR Suma cuadrado de residuo. (Diferencia respecto al valor estimado

ii)

( y y )2

STC Suma total cuadrado. (Diferencia respecto a la media

^y )

y )

Entonces R2coeficiente de determinacin ser:

R2=1

SCR
STC

Denominamos coeficiente de determinacin [R2] como el coeficiente que nos indica el porcentaje del ajuste
que se ha conseguido con el modelo lineal, es decir el porcentaje de la variacin de y que se explica a travs
del modelo lineal que se ha estimado, a travs del comportamiento de x. Esto queda determinado como:

R2= r2
OBSERVACIONES PARA R2:
I.A mayor porcentaje, mejor es nuestro modelo para predecir el comportamiento de la variable y.
II. Su valor siempre estar entre 0 y 1.
III. La expresin 1 R2 nos indica qu porcentaje de las variaciones no se explica a travs del modelo de
regresin lineal, es como si fuera la varianza inexplicada que es la varianza de los residuos.

Siguiendo con nuestro ejemplo de los pares ordenados, tenemos que:

i) Pendiente,

b1=

1,71
1,512 = 0,75

ii) Intercepto,
iii) Recta de regresin lineal,

b0 =2,430,75 3,57 = - 0,25

^y =0,25+0,75 x (utilizada para estimar valores)

La grafica que corresponde a esta funcin ser (segn Excel)

13

Grafico de Dispersin y recta de regresin

6
4
2

f(x) = 0.75x - 0.25

R = 0.56

0
1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5

Al estimar el valor de y, para un x = 7, resulta:

^y =0,25+0,75 7
^y =5 par ordenado (7,5)

iv) Coeficiente de Determinacin:

R2 = (0,75)2 = 0,56.

Por tanto nuestra recta de regresin es un modelo que explica en un 56% de la informacin analizada.

PROBLEMAS PROPUESTOS:
1. La siguiente es informacin respecto de la actividad fsica de cierto grupo de personas.
Analizar el tipo de asociacin que tienen, obteniendo el diagrama de dispersin y la covarianza
Estudiant
e
1
2
3
4
5
6
7
8
9
10

Lagartijas
(x)
27
22
15
35
30
52
35
55
40
40

Sentadillas
(y)
30
26
25
42
38
40
32
54
50
43

s xy .

14

2. Si se tienen la variables X(inteligencia) e Y(rendimientos acadmico), como se muestra en la tabla. Analice

la correlacin entre las variables:
X
Y

105
4

116
8

103
2

124
7

137
9

3. Las siguientes son horas de estudios y rendimiento

tabla. Vale la pena estudiar para un examen?
Horas de Est.
1
2
3
4
5

126
9

112
3

129
10

118
7

105
6

en un examen de 5 alumnos: Como se muestra en la

Rendimiento
70
80
60
90
80

4. Una compaa de mercadotecnia deseaba determinar que si el nmero de anuncios comerciales por
televisin estaba correlacionado linealmente con las ventas de su producto. Los datos obtenidos, de cada una
de las ciudades, se ven en la siguiente tabla:
Ciudad
Comerciales X
Ventas Unitarias Y

A
12
7

B
6
5

C
9
10

D
15
14

E
11
12

F
15
9

G
8
6

H
16
11

I
12
11

J
6
8

Analizar la asociacin de las variables y estimar algunos valores para Y.

5. Se desea estudiar el consumo diario de energa en una casa en funcin de la temperatura.

Temperatura media mensual en C (x)
10
Consumo (kwh) (y)
126
Organice y presente la informacin, estimando valores.

5
132

9
114

22
87

28
67

31
50

39
39

48
45

6. Qu efecto tiene la cantidad mnima en la tasa de inters anual que se ofrece en certificados de depsito a
tres meses?. Segn tabla, analizar la asociacin de las variables y estimar algunos valores para Y.
Deposito(
Tasa (%)
x100)
y
x
10
2,81
10
2,70
50
2,68
10
2,71
50
2,66
20
2,65
5
2,62
25
2,60

15

7. Se realiz un estudio biolgico de un pececillo llamado albur de nariz negra. Se registraron la longitud y
(mm), y la edad x (aos), deacuerdo a:
X
Y
h(m)
T C

0
25

3
80

2
45

2
40

1
36

3
75

2
50

4
95

8. La siguientes muestra el punto de ebullicin del agua a diferentes alturas

0
610
1220
1830
2440
3050
4575
6100
9150
100

97,8

96

94

92,1

89,8

84,4

79,6

69,2

1
30

1
15

12200

15250

30500

58,8

48,9

9,8

Encuentre la recta de regresin y comentario sobre sus coeficientes, estime algunos valores.
9. Analizar y fundamentar la siguiente informacin.
X
120 110 180 100 250 190 170 220
Y
30
18
23
16
8
25
20
19
Organice y presente la informacin, estimando valores.

180
17

190
12

230
15

10. Los datos de la produccin de trigo en toneladas (x) y el precio del kilo de harina en pesos (y) en cierto
periodo.
X
30
28
32
25
25
25
22
24
35
40
23
Y
300 180 230 160 270 250 200 190 170 120 150
Organice y presente la informacin, estimando valores.

11. Analizar la facturacin de una empresa en un periodo de tiempo dado y de cmo influyen los gastos de
promocin y publicidad en dicha facturacin, en millones de Euros. Supongamos que disponemos de los
siguientes datos:
Ventas (x)
200
400
800
1200
900
Gastos (y)
30
50
50
60
60
Ao
2006
2007
2008
2009
2010

16
Obtener la recta de regresin y los coeficientes con sus respectivas interpretaciones. Tambin estime el costo
y las ventas para el ao 2011.

SERIES CRONOLOGICAS: caso especial de un anlisis bidimensional (bivariado). Segn DOTTONE

(1971), estn constituidas por sucesivas observaciones de un mismo fenmeno durante cierto lapso (tiempo en
das, semanas, meses, cuatrimestres, trimestres), y se hace importante estudiar sus variaciones. La podemos
encontrar en:
1. Anlisis del desarrollo actual y futuro de las actividades econmicas.
2. La temperatura de un enfermo durante un periodo determinado.
3. Control de calidad industrial, en la produccin a medida que se desarrolla el proceso.
4. El crecimiento de un determinado bacilo o el de una planta
Por ejemplo: tomemos el caso de Ventas de una empresa, en periodos mensuales, como se indica en la figura:

Identificamos la variable independiente, ser el tiempo en el eje horizontal. Por otro lado la variable
dependiente (produccin, ndice, poblacin, etc), en el eje vertical. Es importante hacer notar que para cada
valor de la variable independiente existe un nico valor para la variable dependiente Y(t).
COMPONENTES DE LA SERIES CRONOLOGICAS: Los valores en toda serie cronolgica, resultan de
la interaccin de mltiple factores, y le objetivo de este anlisis es descubrir y cuantificar dichas influencias,
obteniendo por lo general buenas aproximaciones. En este sentido el anlisis se realiza a travs de las
componentes:
Tendencia (T): Es la componente general de la serie y puede considerarse como el movimiento global de la
serie a largo plazo. Suele obtenerse o describirse mediante ajuste a una funcin matemtica o por medias
mviles o alisamiento exponencial.

17
Variaciones Cclicas (C): Son oscilaciones peridicas que se producen con una frecuencia superior a un ao
suelen deberse a la alternancia de etapas de prosperidad econmica (crestas) con etapas de depresin (valles).
Cuanto mayor sea el perodo de un ciclo, mayor ha de ser el nmero de observaciones de la variable para que
aquel sea reconocible.
Variaciones Estacionales (E): Es una componente de la serie que recoge las oscilaciones que se producen en
perodos iguales o inferiores a un ao y que se repiten de forma regular en los diferentes aos. Si se considera
el ao como perodo marco o de repeticin pueden observarse las fluctuaciones de la magnitud a lo largo de
sus meses o de sus trimestres, cuatrimestres, etc. El origen de las variaciones estacionales (componente
estacional) puede estar en factores fsico-naturales como son las estaciones climatolgicas o en factores
culturales o de tradicin: fiestas navideas, vacaciones, horarios comerciales, etc. Por ejemplo, el clima afecta
a la venta de una serie de productos: los helados y refrescos se venden fundamentalmente en verano y la ropa
de abrigo en invierno.
Variacin Errtica (R): Irregular o residual que recogera la variabilidad en el comportamiento de la serie que
se debe a pequeas causas impredecibles (en forma accidental). Determinadas por mltiples causas: sequias,
sucesos polticos, terremotos, influencias de marcados extranjeros o, simplemente, por factores desconocidos.
Las cuatro componentes enumeradas anteriormente determinan conjuntamente los valores de la variable
analizada Y(t) en cada instante, sin que pueda valorarse con precisin el influjo individual de cada una de
ellas.
MODELOS PARA ANALIZAR LAS SERIES TEMPORALES:
Por otro lado dos son los esquemas generalmente ms admitidos sobre la forma en que la serie temporal se
descompone en sus cuatro componentes: el aditivo y el multiplicativo.
I. Esquema aditivo:
Supone que las observaciones se generan como suma de las cuatro componentes, es decir:
Y(t) = T + C + E + R
En este caso cada componente se expresa en el mismo tipo de unidad que las observaciones. La variacin
residual, en este modelo, es independiente de las dems componentes, es decir la magnitud de dichos residuos
no depende del valor que tome cualquier otra componente de la serie, (anlogamente la variacin estacional y
la cclica son independientes de las dems componentes).
II. Esquema multiplicativo:
Supone que las observaciones se generan como producto de las cuatro componentes, es decir:
Y(t) = T x C x E x R
En este modelo (multiplicativo puro) la tendencia secular se expresa en el mismo tipo de unidad que las
observaciones, y el resto de las componentes en tanto por uno. Aqu no se cumple la hiptesis de
independencia del esquema aditivo.
Otro tipo de modelo multiplicativo que si la cumple llamado modelo multiplicativo mixto es el siguiente:
Y(t) = T x C x E + R
Existen otros modelos que combinan esquemas aditivos y multiplicativos, tratando de resolver las carencias o
inconvenientes de los modelos ms sencillos. Sealaremos que generalmente el modelo multiplicativo es el
que mejor se adapta a la descripcin de variables econmicas.
Por ejemplo, tomemos un caso hipottico En agosto de 1967, las ventas de una tienda son de $420.000,
en septiembre con motivo de fiestas patrias, suben a $560.000. Pasa un ao y se llega a agosto de 1968.

18
Debido a los mayores precios, las ventas del mes alcanzan a $620.000. El problema consiste en estimar
las ventas de septiembre de 1968.
i) Si lo abordamos a travs del esquema aditivo, entonces vemos que en agosto septiembre de 1967 hay un
aumento de 560.000 420.000 = 140.000 pesos. Por tanto se estima que en el periodo de agosto - septiembre
del ao 1968 existir un aumento similar, por tanto concluimos que las ventas para septiembre de 1968 sern
del orden de 620.000 + 140.000 = 760.000 pesos.
ii) Si lo abordamos a travs del esquema multiplicativo, entonces vemos que en agosto septiembre de 1967
hay un factor de aumento de 1,33 (133,3%). Por tanto se estima que en agosto - septiembre del 1968 existir
similar factor de crecimiento por las ventas, por tanto las ventas para septiembre de 1968 sern del orden de
(620.000)(1,333) = 826.460 pesos.
ANLISIS DE LA ESTACIONALIDAD
La variacin estacional nos indica el incremento o disminucin que se haexperimentado en un periodo
estacional dado respecto del valor medio referido atodo el ao.
En el modelo multiplicativo, la componente estacional de una serie temporal, semide con un ndice
(adimensional) denominado ndice de variacin estacional(IVE),expresado en porcentaje y que significa la
fluctuacin del valor de la serie respectoal valor de la tendencia media del ao.Por ejemplo un ndice de
variacinestacional del 86% significa una disminucin del 14% respecto del valor medio de latendencia.
En el modelo aditivo, para cada estacin, la componente estacional indica entrminos absolutos la cantidad en
que se ha superado o no se ha alcanzado el valorde la tendencia media anual. En este caso la componente
estacional se expresa enlas mismas unidades que las observaciones.
Por otro lado el Departamento de Mtodos Cuantitativos e Informticos menciona que la determinacin de la
variacin estacional, es un aspecto fundamental en elanlisis de una serie, principalmente para estudios
comparativos y efectuarpredicciones.En ocasiones interesa conocer las variaciones estacionales y eliminarlas
delcomportamiento global de la serie para poder observar mejor el comportamiento deesta, ajeno a causas
estacionales. La eliminacin de la componente estacional(desestacionalizacion de laserie) de las
observaciones hace comparables cantidadesobservadas en estaciones distintas y que se pueden presuponer
influidas por estehecho.
Por ejemplo supongamos una empresa dedicada a la fabricacin de juguetes de laque disponemos de la
siguiente informacin:El valor medio de las ventas mensuales durante los ltimos 7 aos ha sido
de25.000 unidades.En el mes de marzo se sabe que la componente estacional est dada por un ndicede
variacin estacional del 48% y en el mes de diciembre la componente estacionales del orden del 156%
(modelo multiplicativo). Supongamos que las ventas reales en marzo y diciembre del ltimo aofueron
de 13.500 y 41.500 y deseamos compararlas eliminando la influenciaestacional sobre las ventas.
A los cocientes de las observaciones por el ndice de variacin estacional se ledenomina componente
extraestacionaly recogen los valores que presentara laserie si esta no se viera afectada por los periodos
estacionales:As para los meses de marzo y diciembre esta componente extraestacional presentalos valores:
- Marzo [Y(t)/IVE] = 13.500: 0,48 = 28.125
- Diciembre [Y(t)/IVE]= 41.500 : 1,56 = 26.602.
Por tanto se observa que el mes de marzo tuvo un mejor comportamiento que elmes de diciembre.

Ahora analicemos un ejemplo delndice de VariacinEstacional,Tendencia y Desestacionalizaruna serie

cronolgica, para ello supongamos que disponemos de la siguiente tabla de datos sobre denuncias en las
oficinas de informacin al consumidor (en miles). Adems estimar valores para el 1,2,3 periodo del
ao 1990.

Ao

Cuatrim.1

Cuatrim.2

Cuatrim.3

19
1986
1987
1988
1989

5
8
10
11,5

3,5
5
7
10

7
9
10,25
13

a) Construimos Tabla para desarrollar el proceso:

Tabla1: ENFOQUE
MULTIPLICATIVO
ao
periodo

1986

1987

1988

1989

Tabla2
IVE
1
2
3

1
2
3
1
2
3
1
2
3
1
2
3

VARIABLE

DESESTACIONALIZAR

Y(t)

Tendencia
Grafica A

5
3,5
7
8
5
9
10
7
10,25
11,5
10
13

Y(t)/T
Grafica B

5,17
6,17
6,67
7,33
8
8,67
9,08
9,58
10,58
11,5

0,677
1,134
1,199
0,682
1,125
1,153
0,771
1,07
1,087
0,87

Medias
Mviles

IVE
Sin ajuste

1986

1987

1988

1989

0,677
1,134

1,119
0,682
1,125

1,153
0,771
1,07

1,087
0,87
Promedio

b) TENDENCIA

IVEc

Y(t)/IVEc
Grafica C

1,144
0,749
1,108
1,144
0,749
1,108
1,144
0,749
1,108
1,144
0,749
1,108

4,371
4,673
6,318
6,993
6,675
8,123
8,741
9,346
9,351
10,052
13,351
11,733

IVEc
Con ajuste
Ver Tabla2
Promedio
periodo
1,146
0,75
1,11
1,002

por

IVEc
1,144
0,749
1,108

20

Grfico A
15
10= 2.07x - 4113.81
f(x)
Denuncias (x1000)R =
51
0
1985
Anlisis Global
1986
1987
1988

1
2
3

Media
s
5,17
7,33
9,08

1989

11,5

1990

Por tanto para el ao 1990, se espera tener un promedio de denuncias de:

y(t) = 2,075(1990) 4113,8
y(t) = 15,45 (x1000), sern 15.450 denuncias.
Sobre este promedio obtenemos las denuncias para el:
- Primer periodo: 15,45 x 1,144 = 16,67 o sea 16.670 denuncias
- Segundo periodo: 15,45 x 0,749 = 11,57 o sea 11.570 denuncias
- Tercer periodo: 15,45 x 1,108 = 17,12 o sea 17.120 denuncias.

EJERCICIOS PROPUESTOS:
1. Cierta compaa desea utilizar las tcnicas de suavizamiento para promediar y pronosticar los niveles de
inversin (miles de dlares) de capital que se ha realizado durante los ltimos aos, segn la tabla:

Ao
2010
2011

Cuatrimestre
1
2
3
1
2
3

Inversin
73,2
68,1
72,8
75,9
71,8
69,3

Utilizando el promedio mvil de tres periodos, calcular:

Ao
2012
2013

Cuatrimestre
1
2
3
1
2
3

Inversin
68
67,5
69,9
73,2
75,3
72,9

21
a) La inversin promedio para el ao 2014.
b) La inversin para el primer, segundo y tercer cuatrimestre para el ao 2014
2. En la tabla adjunta se reflejan las ventas trimestrales de una empresa en millones de euros.

Trimestre/ao
Primero
Segundo
Tercero
Cuarto

2006
2
2
3
3

2007
3
4
5
4

2008
2
4
5
4

2009
4
5
7
3

2010
5
6
8
5

Entonces:
a. Desestacionalizar la serie:
b. Obtener los IVEc para cada periodo
c. Realizar el enfoque global (en aos)
d. Estimar los valores para los periodos 1, 2, 3, 4 del ao 2011.
3. La siguiente tabla representa el nmero de empleados que han sido despedidos durante los ltimos 4 aos:

Ao

1994

1995

1
2
3
4
1
2
3
4

Despido
s
25
27
32
29
28
32
34
38

Ao

1996

1997

1
2
3
4
1
2
3
4

Despido
s
35
37
37
39
38
42
44
45

Entonces:
a) La inversin promedio para el ao 1998.
b) La inversin para el primer, segundo, tercer y cuarto periodo para el ao 1998
Bibliografia:
- Johnson &Kuby, 2008. Estadstica Elemental. Cengage Learning Editores, S.A. Mexico.

- Dottone, Horacio, 1971. Estadstica Elemental. Cooperativa de Cultura y Publicaciones, Ltda.

Santiago chile.
- SERIES TEMPORALES (Tema 5).DEPARTAMENTO DE MTODOS CUANTITATIVOS E
INFORMTICOS FACULTAD DE CIENCIAS DE LA EMPRESA UNIVERSIDAD POLITCNICA DE
CARTAGENA
- Vitutor.com