Documente Academic
Documente Profesional
Documente Cultură
I. Objetivos
a) Controlar la variación cíclica.
b) Uso del método de promedios móviles para realizar un pronostico de una serie de
tiempo.
c) Encontrar el índice estacional ajustado.
d) Desestacionalizar una serie de datos.
e) Estacionalizar un pronostico de datos.
103.00
102.00 Línea de
101.00 tendencia
100.00
99.00
98.00
Gráfica del porcentaje de la
97.00 tendencia
1998 2000 2002 2004 2006 2008
3. Variación temporal
Además de la tendencia secular y de la variación cíclica, una serie temporal también
incluye la variación temporal o estacional. Este tipo de variación se define como un
movimiento repetitivo y predecible alrededor de la línea de tendencia que se da en una
año o menos. Se requiere que lo datos estén en unidades pequeñas como días,
semanas, meses o trimestres. Las razones para estudiar la variación temporal son:
Se puede llegar a establecer el patrón de cambios pasados.
Permitirá proyectar los patrones pasados hacia el futuro.
Ya que se ha establecido el patrón temporal que existe, podemos eliminar sus
efectos de la serie temporal.
Solución
Para dar solución a este problema se deben seguir los siguientes pasos:
e) En el paso Nro 4 (Columna 7), se calcula el porcentaje del valor real con respecto al
valor promedio móvil centrado. Para ello se usa la siguiente formula:
Re al
%Valor Re al = × 100
Pr omedio Movil
600
500
400
300
200
100
0
0 5 10 15 20 25
f) En el paso Nro 5, reunir todos los porcentajes reales con respecto a los valores
promedio móvil que se encuentran en la columna 7 de la tabla Nro 3 y organizarlos
por trimestres, ver tabla Nro 4
Una vez reunidos los porcentajes de valores reales se procederá a calcular la media
modificada. Los valores estacionales que se han recuperado para los trimestres,
todavía contienen las componentes cíclica e irregular de la variación de la serie
temporal. Al eliminar los valores mas alto y mas bajo de cada trimestre, se reducen
estas variaciones cíclicas e irregulares extremas.
Trimestre I II III IV
Media Modificada 88.93%143.38% 104.00% 63.19%
Por ejemplo, el valor 88.93, es el resultado de promediar 90.16 con 87.70, los valores
85.35 y 96.34 han sido eliminados para el primer trimestre. Repetir este proceso para
los demás trimestres.
Constante de
estacionalidad 1.001251564
21 I 368.34 327.97
22 2007 II 373.12 535.66
23 III 377.91 393.51
24 IV 382.69 242.13
25 I 387.47 345.01
26 II 392.26 563.12
2008
27 III 397.04 413.44
28 IV 401.82 254.23
29 I 406.61 362.04
30 II 411.39 590.59
2009
31 III 416.17 433.36
32 IV 420.96 266.34
600
500
400
300
200
100
0
0 5 10 15 20 25
III. Actividades
1. Suponga que el siguiente conjunto específico de índices estacionales corresponden a
marzo, está dado como porcentajes y se obtuvo por el método de la proporción del
modelo móvil:
102.2 105.9 114.3 122.4 109.8 98.9
¿Cuál es el índice estacional para marzo al usar la mediana?
3. Al preparar un informe para June Bancock, gerente de Kula Department Store, usted
incluye las estadísticas de las ventas del último año (tabla P.12). Después de verlas, la
señora Bancock dice: “Este informe confirma lo que le he estado diciendo: el negocio
está mejorando cada vez más.” ¿Es correcta esta afirmación? ¿Por qué sí o por qué no?
TABLA P.12
Ventas ĺndice
Mes (miles de estacional
dólares) ajustado (%)
Enero 125 51
Febrero 113 50
Marzo 189 87
Abril 201 93
Mayo 206 95
Junio 241 99
Julio 230 96
Agosto 245 89
TABLA P.13
Trimestre
Año
1 2 3 4
1985 2292 2450 2363 2477
1986 2063 2358 2316 2366
1987 2268 2533 2479 2625
1988 2616 2793 2656 2746
1989 2643 2811 2679 2736
1990 2692 2871 2900 2811
1991 2497 2792 2838 2780
1992 2778 3066 3213 2928
1993 2874 3000 2913 2916
1994 2910 3052 3116 3210
1995 3243 3351 3305 3267
a a
1996 3246 3330 3340 3300
a
Estimados de Value Line para 1996.
Fuente: The Value Line Investment Survey (Nueva York, Value Line,
1988, 1989, 1993, 1994, 1996), p.126.
TABLA P.14
Mes 1996 1997 1998 1999 2000 2001 2002
Enero 154 200 223 346 518 613 628
Febrero 96 118 104 261 404 392 308
Marzo 73 90 107 224 300 273 324
Abril 49 79 85 141 210 322 248
Mayo 36 78 75 148 196 189 272
Junio 59 91 99 145 186 257
Julio 95 167 135 223 247 324
6. La demanda mensual de gasolina (miles de barriles por día) para la Yukong Oil
Company de Corea del Sur, correspondiente al periodo de enero de 1986 a septiembre
de 1996, está contenida en la tabla P.17.
a) Grafique la serie de tiempo para la demanda de gasolina. ¿Cree que sería adecuada
una descomposición aditiva o una multiplicativa para esta serie de tiempo? Explique
su respuesta.
b) Desarrolle un análisis de descomposición para la demanda de gasolina.
c) Interprete los índices estacionales.
d) Pronostique la demanda de gasolina para los últimos tres meses de 1996.
TABLA P.17
Mes 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996
Enero 15.5 20.4 26.9 36.0 52.1 64.4 82.3 102.7 122.2 145.8 170.0
Febrero 17.8 20.8 29.4 39.0 53.1 68.1 83.6 102.2 121.4 144.4 176.3
Marzo 18.1 22.2 29.9 42.2 56.5 68.5 85.5 104.7 125.6 145.2 174.2
Abril 20.5 24.1 32.4 44.3 58.4 72.3 91.0 108.9 129.7 148.6 176.1
Mayo 21.3 25.5 33.3 46.6 61.7 74.1 92.1 112.2 133.6 153.7 185.3
Junio 19.8 25.9 34.5 46.1 61.0 77.6 95.8 109.7 137.5 157.9 182.7
Julio 20.5 26.1 34.8 48.5 65.5 79.9 98.3 113.5 143.0 169.7 197.0
Agosto 22.3 27.5 39.1 52.6 71.0 86.7 102.2 120.4 149.0 184.2 216.1
Septiembre 22.9 25.8 39.0 52.2 68.1 84.4 101.5 124.6 149.9 163.2 192.2
Octubre 21.1 29.8 36.5 50.8 67.5 81.4 98.5 116.7 139.5 155.4
Noviembre 22.0 27.4 37.5 51.9 68.8 85.1 101.1 120.6 147.7 168.9
Diciembre 22.8 29.7 39.7 55.1 68.1 81.7 102.5 124.9 154.7 178.3
7. La tabla P.18 contiene los datos que representan las ventas mensuales de todas las
tiendas minoristas de Estados Unidos, en miles de millones de dólares. Utilice estos
datos a lo largo de 1994 y desarrolle un análisis de descomposición para esta serie.
Haga comentarios sobre los tres componentes de la serie. Pronostique las ventas al
menudeo para 1995 y compare sus resultados con los valores reales que proporciona la
tabla.
TABLA P.18
Mes 1988 1989 1990 1991 1992 1993 1994 1995
Enero 113.6 122.5 132.6 130.9 142.1 148.4 154.6 167.0
Febrero 115.0 118.9 127.3 128.6 143.1 145.0 155.8 164.0
Marzo 131.6 141.3 148.3 149.3 154.7 164.6 184.2 192.1
Abril 130.9 139.8 145.0 148.5 159.1 170.3 181.8 187.5
Mayo 136.0 150.3 154.1 159.8 165.8 176.1 187.2 201.4
Junio 137.5 149.0 153.5 153.9 164.6 175.7 190.1 202.6
Julio 134.1 144.6 148.9 154.6 166.0 177.7 185.8 194.9
Agosto 138.7 153.0 157.4 159.9 166.3 177.1 193.8 204.2
Septiembre 131.9 144.1 145.6 146.7 160.6 171.1 185.9 192.8
Octubre 133.8 142.3 151.5 152.1 168.7 176.4 189.7 194.0
Noviembre 140.2 148.8 156.1 155.6 167.2 180.9 194.7 202.4
Diciembre 171.0 176.5 179.7 181.0 204.1 218.3 233.3 238.0
Fuente: Survey of Current Business, 1989, 1993, 1996.
AÑO
Mes 2000 2001 2002 2003 2004 2005 2006
Enero 781 913 800 774 733 619 599
Febrero 790 822 671 810 722 657 590
Marzo 927 848 829 919 833 773 669
Abril 936 906 895 852 843 751 675
Mayo 912 918 830 874 885 819 744
Junio 923 1012 963 981 950 858 792
Julio 949 934 899 883 830 779 755
Agosto 926 894 903 901 880 777 675
Septiembre 1105 1149 955 937 956 825 737
Octubre 973 948 819 807 800 787 692
Noviembre 828 719 718 764 666 683 610
Diciembre 849 902 901 896 694 683 628
Se le pide encontrar un pronóstico para todos los meses de los años 2007-2008,
haciendo uso del índice estacional ajustado con los promedios móviles, considere el
promedio móvil de 12 meses.
9. La siguiente semana. Stan se dirigió a Laurel para pedirle algunos datos para su próxima
reunión sobre ventas.
Si recuerdas las primeras pláticas que tuvimos sobre la historia de la compañía le dio,
recordarás que te dije como os sellos y el equipo para sellar, nuestra línea de producción
más extensa, son la piedra angular de nuestras ventas. De hecho es la línea de
productos con la que, básicamente empezó el negocio el Señor Douglas. Como están
las cosas, también es la línea de productos que genera mayor nuestro mayor porcentaje
de cobertura ¿Hay algo que puedas hacer, como diagramas o gráficas, que pudiera
ilustrar el comportamiento de las ventas de sellos durante los últimos diez años o algo
así? Tengo datos de las ventas por día o por mes con los que puedes trabajar.
¿Qué tal si desestacionalizo los datos para mostrar una tasa de crecimiento más
precisa? Sugirió Laurel. Puedo utilizar las cifras sobre ventas mensuales y generar
algunas gráficas que muestren las tendencias. Calculando una estimulación de mínimos
cuadrados, también podrá darte una herramienta aproximado para que puedas predecir
la venta de sellos, sin tomar en cuenta las diferentes temporadas de ventas, quiero decir,
para los años venideros ¿Qué te parece?
Me perdí en la parte de los mínimos cuadrados – admitió Stan - , pero suena
exactamente como la clase de cosa que estoy buscando. Será interesante ver como se
ven las ve tas sin el efecto de las temporadas. ¿podrás tener una primera información de
las cifras para el inicio de la siguiente semana?
Claro que si, respondió Laurel. Te traeré todo a tu oficina el lunes o el martes.
a) Haga un análisis de serie temporal de las ventas de sellos durante los últimos diez
años. Desestacionalice las ventas por mes, utilizando el método de razón de
promedio móvil (use un promedio móvil centrado de doce meses). Luego encuentre
la ecuación lineal de mínimos cuadrados que mejor describa los datos
desestacionalizados.
b) Utilice los resultados que obtuvo para predecir las ventas de cada mes del 2007
c) Observe los residuos asociados con la ecuación de regresión lineal ¿Existe algún
patrón que pueda hacerle sospechar que una línea recta no es el mejor ajuste?
10. Los índices estacionales ajustados que se presentan en la tabla P.19 reflejan el volumen
cambiante del negocio del Mt. Spokane Resort Hotel, el cual recibe a familias que
vacacionan durante el verano y a esquiadores entusiastas durante los meses de
invierno. No se esperan variaciones cíclicas repentinas durante 2003.
a) Si 600 turistas estuvieran en el centro vacacional en enero de 2003, ¿cuál sería un
estimado razonable para febrero?
b) La ecuación de tendencia mensual es Ť = 140 +5t donde t = 0 representa el 15 de
enero de 1997. ¿Cuál es el pronóstico para cada mes de 2003?
c) ¿Cuál es el número promedio de turistas nuevos por mes?
TABLA P.19
ĺndice ĺndice
estacional estacional
Mes ajustado Mes ajustado
Enero 120 Julio 153
Febrero 137 Agosto 151
11. Buscar en el INEI la siguiente información, y realizar un pronóstico para los meses de los
próximos 5 años, utilizando el método de los promedios móviles, haciendo uso del índice
estacional ajustado, para los precios al consumidor.