Los datos siguientes corresponden a la cantidad de bolsas de cemento vendidas trimestralmente
se desea estimar el volmen de las ventas para los de septiembre y diciembre del 2013 haga un estudio de la sserie de tiempo para dar respuesta a esta interrogante. Fecha t Bolsas Mar-99 1 213.831 Jun-99 2 231.682 Sep-99 3 205.904 Dec-99 4 197.817 Mar-00 5 252.445 Jun-00 6 249.015 Sep-00 7 220.373 Dec-00 8 239.846 Mar-01 9 271.026 Jun-01 10 271.922 Sep-01 11 231.696 Dec-01 12 269.232 Mar-02 13 311.13 Jun-02 14 309.742 Sep-02 15 240.937 Dec-02 16 248.5 Mar-03 17 264.408 Jun-03 18 322.819 Sep-03 19 254.99 Dec-03 20 218.562 Mar-04 21 194.56 Jun-04 22 285.707 Sep-04 23 248.664 Dec-04 24 271.553 Mar-05 25 279.705 Jun-05 26 322.256 Sep-05 27 271.391 Dec-05 28 326.649 Mar-06 29 378.126 Jun-06 30 391.593 Sep-06 31 315.817 Dec-06 32 394.482 Mar-07 33 449.777 Jun-07 34 447.015 Sep-07 35 376.372 Dec-07 36 421.067 Mar-08 37 446.748 Jun-08 38 460.553 Sep-08 39 377.197 Dec-08 40 427.247 Mar-09 41 448.989 Jun-09 42 488.183 Sep-09 43 403.402 Dec-09 44 452.817 Mar-10 45 513.582 Jun-10 46 509.548 Sep-10 47 437.249 Dec-10 48 543.437 Mar-11 49 566.815 Jun-11 50 535.833 Sep-11 51 440.147 Dec-11 52 565.609 Mar-12 53 632.318 Jun-12 54 646.656 Sep-12 55 547.793 Dec-12 56 601.651 Mar-13 57 660.525 Jun-13 58 653.024 PREGUNTA 1: ELECCION DEL MODELO QUE DESCRIBE A LA SERIE TEMPORAL los siguientes datos corresponden al nmero de bolsas de cemento vendidas trimestralmente por cierta fbrica Se llama diferencia estacional dij a la diferencia entre dos datos de la misma estacin j correspondiente a dos aos consecutivos i-1 e i: dij= yij- yi-1 ,j Donde yij es el valor de la serie en el ao i y estacin j. De manera similar, se define los cocientes estacionales kij como los cocientes entre dos datos de la misma estacin correspondientes a dos aos consecutivos: kij= yij / yi-1 ,j Una vez calculados los valores dij y kij, se calculan los coeficientes de variacin sobre cada uno de ellos, cv(d) y cv(k). Si cv(d) < cv(k) se elegir esquema aditivo, en caso contrario se optara por el multiplicativo. MODELO ADITIVO = T+S+C+R MODELO MULTIPLICATIVO = T*S*C*R Fecha t Bolsas Paso 1: Mar-99 1 213.831 como se deben compara los datos de la misma estacin correspondientes dos aos consecutivos hay que reordenar la tabla Jun-99 2 231.682 Sep-99 3 205.904 Dec-99 4 197.817 AO MARZO JUNIO SEPTIEMBRE Mar-00 5 252.445 1999 Jun-00 6 249.015 2000 Sep-00 7 220.373 2001 Dec-00 8 239.846 2002 Mar-01 9 271.026 2003 Jun-01 10 271.922 2004 Sep-01 11 231.696 2005 Dec-01 12 269.232 2006 Mar-02 13 311.13 2007 Jun-02 14 309.742 2008 Sep-02 15 240.937 2009 Dec-02 16 248.5 2010 Mar-03 17 264.408 2011 Jun-03 18 322.819 2012 Sep-03 19 254.99 2013 Dec-03 20 218.562 Mar-04 21 194.56 Paso 2: Jun-04 22 285.707 calcular los dij (se facilita usando la misma estructura de tabla) Sep-04 23 248.664 Dec-04 24 271.553 Mar-05 25 279.705 AO MARZO JUNIO SEPTIEMBRE Jun-05 26 322.256 1999 Sep-05 27 271.391 2000 Dec-05 28 326.649 2001 Mar-06 29 378.126 2002 Jun-06 30 391.593 2003 Sep-06 31 315.817 2004 Dec-06 32 394.482 2005 Mar-07 33 449.777 2006 Jun-07 34 447.015 2007 Sep-07 35 376.372 2008 Dec-07 36 421.067 2009 Mar-08 37 446.748 2010 Jun-08 38 460.553 2011 Sep-08 39 377.197 2012 Dec-08 40 427.247 2013 Mar-09 41 448.989 Jun-09 42 488.183 Paso 3: Sep-09 43 403.402 calcular el coeficiente de variacin de los dij Dec-09 44 452.817 Mar-10 45 513.582 Jun-10 46 509.548 Paso 4: Sep-10 47 437.249 calcular los Kij (se facilita usando la misma estructura de tabla) Dec-10 48 543.437 Mar-11 49 566.815 AO MARZO JUNIO SEPTIEMBRE Jun-11 50 535.833 1999 Sep-11 51 440.147 2000 Dec-11 52 565.609 2001 Mar-12 53 632.318 2002 Jun-12 54 646.656 2003 Sep-12 55 547.793 2004 Dec-12 56 601.651 2005 Mar-13 57 660.525 2006 Jun-13 58 653.024 2007 2008 2009 2010 2011 2012 2013 Paso 5: calcular el coeficiente de variacin de los Kij Paso 6: comparar los coeficientes de variacin y elegir el modelo que expica el comportamiento de la serie temporal los siguientes datos corresponden al nmero de bolsas de cemento vendidas trimestralmente por cierta fbrica como se deben compara los datos de la misma estacin correspondientes dos aos consecutivos hay que reordenar la tabla DICIEMBRE calcular los dij (se facilita usando la misma estructura de tabla) DICIEMBRE calcular los Kij (se facilita usando la misma estructura de tabla) DICIEMBRE comparar los coeficientes de variacin y elegir el modelo que expica el comportamiento de la serie temporal PREGUNTA 2: ANALISIS DE LA TENDENCIA MEDIANTE ENFOQUE GLOBAL Consiste en el ajuste de las observaciones a una funcin matemtica (usualmente por el mtodo de mnimos cuadrados) para la obtencin de la tendencia Este procedimiento adems de ser el ms exacto, tiene la ventaja de disponer de una medida de la bondad del ajuste, que viene dada por el coeficiente de determinacin. Para eliminar las oscilaciones propias de factores estacionales, calcularemos valores medios anuales y sobre estos realizaremos el ajuste, evitndose as que se recoja en la tendencia movimientos de la serie de tipo estacional si el esquema de la serie resulta ser aditivo, se ajusta a una recta, y si resulta multiplicativo a una exponencial. Fecha t Bolsas Paso 1: Mar-99 1 213.831 Construir una nueva tabla donde se consignen las ventas promedio por ao Jun-99 2 231.682 Sep-99 3 205.904 Dec-99 4 197.817 AO PROMEDIO VENTAS Mar-00 5 252.445 1999 Jun-00 6 249.015 2000 Sep-00 7 220.373 2001 Dec-00 8 239.846 2002 Mar-01 9 271.026 2003 Jun-01 10 271.922 2004 Sep-01 11 231.696 2005 Dec-01 12 269.232 2006 Mar-02 13 311.13 2007 Jun-02 14 309.742 2008 Sep-02 15 240.937 2009 Dec-02 16 248.5 2010 Mar-03 17 264.408 2011 Jun-03 18 322.819 2012 Sep-03 19 254.99 2013 Dec-03 20 218.562 Mar-04 21 194.56 Paso 2: Jun-04 22 285.707 Sobre los datos del paso 1 hacer el anlisis de correlacin y regresin correspondiente Sep-04 23 248.664 Dec-04 24 271.553 Paso 3: Mar-05 25 279.705 elegir el modelo que mejor ajuste los datos, Jun-05 26 322.256 Esta funcin seria la tendencia de la serie temporal. Sep-05 27 271.391 Dec-05 28 326.649 Mar-06 29 378.126 Jun-06 30 391.593 Sep-06 31 315.817 Dec-06 32 394.482 Mar-07 33 449.777 Jun-07 34 447.015 Sep-07 35 376.372 Dec-07 36 421.067 Mar-08 37 446.748 Jun-08 38 460.553 Sep-08 39 377.197 Dec-08 40 427.247 Mar-09 41 448.989 Jun-09 42 488.183 Sep-09 43 403.402 Dec-09 44 452.817 Mar-10 45 513.582 Jun-10 46 509.548 Sep-10 47 437.249 Dec-10 48 543.437 Mar-11 49 566.815 Jun-11 50 535.833 Sep-11 51 440.147 Dec-11 52 565.609 Mar-12 53 632.318 Jun-12 54 646.656 Sep-12 55 547.793 Dec-12 56 601.651 Mar-13 57 660.525 Jun-13 58 653.024 Construir una nueva tabla donde se consignen las ventas promedio por ao Sobre los datos del paso 1 hacer el anlisis de correlacin y regresin correspondiente PREGUNTA 3: ANALISIS DE LA TENDENCIA MEDIANTE ENFOQUE LOCAL Este mtodo es ms flexible y no exige la suposicin de una forma funcional para la tendencia al contrario que el anterior. Este mtodo se usa bien para la obtencin de la tendencia secular o bien como una tcnica de transformar las observaciones en otras mas suavizadas (la tpica representacin grafica con dientes de sierra presentara altibajos menos pronunciados) para posteriormente ajustar una curva a estos valores. Generalmente entenderemos por suavizamiento de la serie la obtencin de unos valores transformados con menos fluctuacin. Fecha t Bolsas Paso 1: Mar-99 1 213.831 calcular las medias mviles de orden 3 y hacer un grfico comparativo de los datos originales Jun-99 2 231.682 y los datos suavizados Sep-99 3 205.904 Dec-99 4 197.817 Paso 2: Mar-00 5 252.445 calcular las medias mviles de orden 4 y hacer un grfico comparativo de los datos originales Jun-00 6 249.015 y los datos suavizados Sep-00 7 220.373 Dec-00 8 239.846 Mar-01 9 271.026 Jun-01 10 271.922 Sep-01 11 231.696 Dec-01 12 269.232 Mar-02 13 311.13 Jun-02 14 309.742 Sep-02 15 240.937 Dec-02 16 248.5 Mar-03 17 264.408 Jun-03 18 322.819 Sep-03 19 254.99 Dec-03 20 218.562 Mar-04 21 194.56 Jun-04 22 285.707 Sep-04 23 248.664 Dec-04 24 271.553 Mar-05 25 279.705 Jun-05 26 322.256 Sep-05 27 271.391 Dec-05 28 326.649 Mar-06 29 378.126 Jun-06 30 391.593 Sep-06 31 315.817 Dec-06 32 394.482 Mar-07 33 449.777 Jun-07 34 447.015 Sep-07 35 376.372 Dec-07 36 421.067 Mar-08 37 446.748 Jun-08 38 460.553 Sep-08 39 377.197 Dec-08 40 427.247 Mar-09 41 448.989 Jun-09 42 488.183 Sep-09 43 403.402 Dec-09 44 452.817 Mar-10 45 513.582 Jun-10 46 509.548 Sep-10 47 437.249 Dec-10 48 543.437 Mar-11 49 566.815 Jun-11 50 535.833 Sep-11 51 440.147 Dec-11 52 565.609 Mar-12 53 632.318 Jun-12 54 646.656 Sep-12 55 547.793 Dec-12 56 601.651 Mar-13 57 660.525 Jun-13 58 653.024 calcular las medias mviles de orden 3 y hacer un grfico comparativo de los datos originales calcular las medias mviles de orden 4 y hacer un grfico comparativo de los datos originales PREGUNTA 4: ANALISIS DE ESTACIONALIDAD La variacin estacional nos indica el incremento o disminucin que se ha experimentado en un periodo estacional dado respecto del valor medio referido a todo el ao. En el modelo multiplicativo, la componente estacional se una serie temporal, se mide con un ndice (adimensional) denominado ndice de variacin estacional, expresado en porcentaje y que significa la fluctuacin del valor de la serie respecto al valor de la tendencia media del ao. Por ejemplo un ndice de variacin estacional del 86% significa una disminucin del 14% respecto del valor de la tendencia. En el modelo aditivo, para cada estacin, la componente estacional indica en trminos absolutos la cantidad en que se ha superado o no se ha alcanzado el valor de la tendencia media anual. En este caso la componente estacional se expresa en las mismas unidades que las observaciones. La determinacin de la variacin estacional, es un aspecto fundamental en el anlisis de una serie, principalmente para estudios comparativos y efectuar predicciones. Se usar el Mtodo de la razn(o diferencia) a la media mvil para trabajar la estacionalidad Dado que en el rea econmica la mayor parte de las series siguen un esquema multiplicativo, estudiaremos el mtodo de la razn a la media mvil, si el esquema fuera aditivo operaramos de modo anlogo pero en lugar de con cocientes (razones) con diferencias (mtodo de la diferencia a la media mvil). Este procedimiento, utiliza el suavizamiento de la serie proporcionado por las medias mviles Paso 1: reordenar las medias mviles de orden 3 bajo la siguiente estructura cuadro de medias mviles AO MARZO JUNIO SEPTIEMBRE DICIEMBRE 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Paso 2: se dividen los valores originales de la serie por las medias mviles obtenidas (razones a las medias mviles) y se calculan las medias sobre dichos cocientes (razones) para cada una de las estaciones: las medias de cada columna representan la variacin estacional (st) cuadro de razones de la serie a las medias mviles AO MARZO JUNIO SEPTIEMBRE DICIEMBRE 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 media (st) Paso 3: se promedian las variaciones estacionales st Paso 4: Obtener los ndices de variacin estacional (i.v.e): i.v.e. = (st / promedio (st) ) *100 esto dar un i.v.e. para cada periodo (marzo, junio, ) Paso 5: A los cocientes de las observaciones por el ndice de variacin estacional se le denomina componente extraestacional y recogen los valores que presentara la serie si esta no se viera afectada por los periodos estacionales Haga un anlisis de la componente extraestacional PREGUNTA 5: PREDICCION Conociendo las cuatro componentes de una serie, as como el modelo segn el cual se relacionan, podramos conocer el valor de la serie en cualquier momento. La componente irregular (residuos) es desconocida por naturaleza, del resto de las componentes tenemos a lo sumo una estimacin, y el modelo es un tipo de esquema que imponemos artificialmente para facilitar la aproximacin al estudio de la serie. Por lo tanto no se podr conocer exactamente el valor de la serie en un momento futuro y nos conformaremos con poder hacer una prediccin lo mejor posible. Dado que la componente cclica es la menos estudiada la prediccin se har en base al tipo de modelo (aditivo o multiplicativo) y a las componentes tendencia y variacin estacional. En un esquema aditivo Y(t) = T(t) + S(t) + C(t) + R(t), la estimacin de valor de la serie en un momento futuro estar dada por: Y(t) = T(t) + S(t) En un esquema multiplicativo Y(t) = T(t) * S(t) * C(t) * R(t), la estimacin de valor de la serie en un momento futuro estar dada por: Y(t) = T(t) * S(t) Paso 1: Usar la funcin de regresin (tendencia ajustada) obtenida en la pregunta 2 para obtener el comportamiento medio de los trimestres correspondientes al ao 2013 Paso 2: El comportamiento de la serie para el tercer y cuarto trimestre del 2013 diferirn del valor medio, segn la variacin estacional para dicho trimestre Por tanto, multiplicar Y(t) del paso anterior por el i.v.e. respectivo