Universidad de Oriente

Ncleo de Bolvar
Escuela de Ciencias de la Tierra
Departamento de Ingeniera Industrial
Estadstica II

SERIES DE TIEMPO

Profesora:
Mariel Mora

Integrante:
Hernndez, Victoria
C. I.: 23.730.217

Ciudad Bolvar, julio de 2014

NDICE

Pg.
Introduccin 3
Definicin de serie de tiempo.. 4
Componentes. 5
Representacin grfica. 8
Proyeccin o pronstico a partir de series de tiempo.. 9
Clasificacin de los mtodos de pronstico.. 10
-

Tcnicas de juicio o cualitativas.. 10

Tcnicas cuantitativas.. 11

Ejemplo 13
Conclusiones. 21
Bibliografa...... 22

INTRODUCCIN

Las series de tiempo son un tema de amplio inters en estadstica con

diversas aplicaciones prcticas: la empresa se mueve en un contexto
altamente incierto; poltica, tecnologa y medio ambiente repercuten sobre
variables relevantes para la empresa: costos de produccin, inventarios,
volumen de ventas.
Mientras que en muchos contextos se parte del supuesto de que los
datos son una muestra aleatoria (y por consiguiente independiente) en
nuestro contexto los datos estarn ordenados en el tiempo y por tanto son a
menudo dependientes.
Es as importante identificar la estructura de dependencia temporal
que se oculta en los datos, para por ejemplo:
-

Utilizar eventos pasados para predecir eventos futuros, o

Extraer el comportamiento cclico de una serie de tiempo.

SERIES DE TIEMPO

Definicin
Una serie de tiempo es una serie de observaciones, medidos en
determinados momentos del tiempo, ordenados cronolgicamente y
espaciados entre s de manera uniforme, as los datos son usualmente son
dependientes entre s. El principal objetivo de una serie de tiempo X t, t = 1, 2,
, n, es su anlisis para hacer pronsticos.
Estas observaciones sern denotadas por {x (t1), x (t2),..., x (tn)} =
{x (t): t R} con x (ti) el valor de la variable x en el instante ti. Si T = Z se
dice que la serie de tiempo es discreta y si T = R se dice que la serie de
tiempo es continua.
Algunos ejemplos donde se puede utilizar series de tiempo son:

Economa y marketing
o Proyecciones de empleo y desempleo.
o Evolucin del ndice de precios de los productos.
o Beneficios netos mensuales de cierta entidad bancaria.

Demografa
o Nmero de habitantes por ao.
o Tasas de mortalidad infantil por ao.

Medioambiente
o Evolucin horaria de niveles de xido de azufre y de niveles de
xido de nitrgeno de una ciudad.
o Lluvia recogida diariamente en una localidad.
o Temperatura media mensual.
o Medicin diaria del contenido de residuos txicos en un ro.

De esta forma, el anlisis de series de tiempo es el procedimiento por

el cual se identifican y aslan los factores relacionados con el tiempo que
influyen en los valores observados en las series de tiempo para que una vez
identificados, estos factores puedan contribuir a la interpretacin de valores
histricos de series de tiempo y hasta entonces pronosticar valores futuros
de series de tiempo.

Componentes de una serie de tiempo

1. Tendencia (T)
Se puede definir como un cambio a largo plazo que se produce
en la relacin a nivel medio, o el cambio a largo plazo de la media.
En trminos intuitivos, la tendencia de una serie de tiempo
caracteriza el patrn gradual y consistente de las variaciones de la
propia serie, que se consideran consecuencias de fuerzas persistentes
que afectan el crecimiento o la reduccin de la misma, tales como:
cambios en la poblacin, en las caractersticas demogrficas de la
misma, cambios en los ingresos, en la salud, en el nivel de educacin y
tecnologa. El incremento estable en los costos de vida registrados en el
ndice de precios al consumidor es un ejemplo de tendencia secular.
Su comportamiento se ajusta a una lnea recta, llamada por esta
razn lnea de tendencia, es decir, se aproxima a una ecuacin de
recta, que recibe el nombre de ecuacin de tendencia y que es de la
forma:
y=a+bt

Donde:
y=

Valor proyectado o estimado de la variable y.

t =

Cualquier valor de tiempo seleccionado.

2. Variaciones Cclicas (C)

Fluctuacin alrededor de la tendencia que se repite a intervalos
distintos y con amplitudes distintas; se presentan con frecuencia en las
series de tiempo. Un ejemplo de este tipo de variacin son los ciclos
comerciales cuyos perodos recurrentes dependen de la prosperidad,
recesin, depresin y recuperacin; y no de factores como el clima o las
costumbres sociales. El tiempo que transcurre entre picos o puntos
bajos es de al menos un ao y puede llegar a durar hasta 15 a 20 aos.
3. Variaciones Estacionales (E)
El componente de la serie de tiempo que representa la
variabilidad en los datos debida a influencias de las estaciones, se
llama componente estacional. Implica patrones de cambio en el lapso
de un ao que tienden a repetirse anualmente.
Esta variacin corresponde a los movimientos de la serie que
recurren ao tras ao en los mismos meses (o en los mismos
trimestres) del ao poco ms o menos con la misma intensidad.
4. Variaciones Irregulares (I)
Mide la variabilidad de una serie cuando los dems componentes
se han eliminado o no existen. Esta se debe a factores a corto plazo,
imprevisibles y no recurrentes que afectan a la serie de tiempo. Por
ejemplo, los efectos del conflicto en el Medio Oriente en 1973, la
situacin en Irn entre 1979 al 1981, el colapso de la OPEP en 1986.
Como este componente explica la variabilidad aleatoria de la
serie, es impredecible, es decir, no se puede esperar predecir su
impacto sobre la serie de tiempo.
Estas tienen una relacin multiplicativa que dan forma al modelo clsico
de series de tiempo, es decir, para cualquier perodo designado en la serie
de tiempo, el valor de la variable est determinado por los cuatro
componentes en la siguiente forma:

Y =T C E I

Cuadro ilustrativo:

Representacin grfica de una serie de tiempo

8

A menudo, se representa la serie en un grfico temporal, con el valor

de la serie en el eje de ordenadas y los tiempos en el eje de abscisas.
Ejemplo 1. Economa Estadounidense Mercado Laboral.

Ejemplo 2. Alpes Suizos Suelo Permafrost. Temperatura del suelo sobre

diferentes profundidades.

Grficos por perodos de observacin:

9

Ejemplo. Distribucin mensual de la precipitacin media en Espaa, tomada

de www.hispagua.cedex.es.

Proyeccin o pronsticos a travs de series de tiempo

La forma ms utilizada para el anlisis de las tendencias futuras es
realizar pronsticos. La funcin de un pronstico de demanda de un bien, por
ejemplo, ventas de insecticidas, es determinar los objetivos con respecto al
volumen de ventas, en trminos de unidades o de valores monetarios, sobre
la base de la tendencia anticipada del tamao del mercado total.
Existen diversos enfoques tcnicos para la previsin de ventas, por
ejemplo un jurado de opiniones ejecutivas o un ponderativo del cuerpo de
ventas. Esto consiste esencialmente en la reunin de estimaciones
individuales de ventas futuras hechas ya sea por grupos de dirigentes o por
miembros del cuerpo de ventas. Pero existen otros mtodos como el
modelado de series de tiempo que ayudan al planeamiento general de la
empresa.

Clasificacin de los mtodos de pronstico

10

1. Tcnicas de juicio o cualitativas

Tcnicas subjetivas. Utilizan informacin cualitativa (experiencia
de expertos). Funcionan cuando hay falta o escasez de datos
histricos y cuando es difcil compartir en nmeros las variables que
intervienen en la determinacin de una demanda (estimacin futura).
La mayora es de bajo costo y no requieren de equipo computacional
para hacerse, aunque su planeacin implica una gran inversin de
tiempo por parte de los directivos. Normalmente se utilizan para
planear a mediano y largo plazo.
Tcnica
1.- Opiniones de los
gerentes/ejecutivos.
2.- Tcnica Delphi

3.- Informacin de los

vendedores

4.- Anlisis del ciclo de

vida del producto

5.- Investigacin de
mercados

Descripcin
Se basa en la opinin general de un grupo de
directivos o gerentes de la empresa.
Un grupo de expertos responde, de manera
annima, a un cuestionario que pregunta
sobre las proyecciones de ventas de la
empresa. Un moderador lee en voz alta las
respuestas y, entre todos, buscan consenso.
Consiste en recopilar las estimaciones realizadas por los vendedores (o distribuidores)
acerca de las ventas esperadas en sus
territorios, esto con el fin de suponer la
tendencia y cambios futuros.
Se basa en la evaluacin de las etapas de un
producto o servicio para predecir su demanda
en el mercado. Esto es, desde la
introduccin, inicio y crecimiento, hasta las
etapas de madurez y declinacin.
Se propone recolectar datos de diversas
maneras (entrevistas, cuestionarios) para
probar hiptesis acerca del mercado.

2. Tcnicas cuantitativas:
Se basan en datos numricos y utilizan herramienta matemtica
y estadstica para su elaboracin. Estas se subdividen a su vez en dos
grandes grupos: causales y series de tiempo.
11

a) Tcnicas causales
Modelos economtricos. Relacionan variables internas o
externas con los niveles de demanda, lo que brinda una visin
amplia del sector. Los costos que implican son de medios a bajos y
usualmente requieren de equipo de cmputo. Son ms tiles para
elaborar pronsticos a mediano plazo de productos o servicios
existentes y para el diseo de estrategias de marketing, produccin
y contratacin de personal.
Tcnica
6.- Regresin lineal

7.- Simulacin

Descripcin
Se predice la demanda futura a partir de una
lnea recta formada por datos histricos. Si
slo se usa una variable del pasado se le
llama regresin simple. Si se usan dos o ms
variables del pasado, se le nombra regresin
mltiple.
Se trata de modelos dinmicos, usualmente
basados en computa-doras, que cruzan los
datos de las variables internas (capacidad de
produccin, por ejemplo) y externas (niveles
de poder adquisitivo de su mercado) para
pronosticar la demanda.

b) Tcnicas de series de tiempo

Establece relaciones entre el tiempo y los niveles de la
variable a estimar. Su costo tiende a ser bajo, excepto para
algunas tcnicas como Box-Jenkins, que implica un software un
tanto oneroso. Se utilizan para el corto y mediano plazo y se
aplican al manejo de inventarios, control de precios o programas
de promociones. Requiere el uso de equipo y paquetes de
cmputo.
Tcnica

Descripcin

8.- Proyeccin de lnea

recta

Predice la demanda a partir de una lnea

recta en la que se han incluido los datos
histricos.
12

9.- Promedios mviles

10.- Naive

11.- Suavizacin
exponencial

12.- Descomposicin
clsica
13.- Box-Jenkins

Promedia los valores recientes de la

variable para predecir u obtener estimaciones futuras.
Es la aplicacin de un supuesto simple: en
el prximo perodo se tendrn los mismos
valores.
Consiste en realizar estimaciones para un
prximo perodo basndose en una combinacin de indicadores de la variable
recientes y de los pronsticos pasados.
Es la prediccin que se realiza a partir de la
tendencia, estacionalidad y ciclicidad que
se han registrado en el pasado.
Cruza varias series de tiempo para obtener
otra serie de tiempo (o ms de una) que
permita hacer una estimacin futura.

Ejemplo: Clculo de anlisis de variaciones estacionales

Los datos siguientes representan las ventas trimestrales en millones
de pesos de la empresa Kids Fashions especializada en la venta de ropa
infantil ubicada en la zona centro de la ciudad de Toluca, Mxico:
13

a) Construir grfica de la serie de tiempo e interpretar los datos

b) Obtener los ndices estacionales trimestrales
c) Interpretar los resultados
d) Calcular el valor con ajuste estacional de las ventas trimestrales.
Construir grfica e Interpretar los resultados
e) Obtener la ecuacin de tendencia e interpretar el resultado
f) Pronosticar las ventas para los cuatro trimestres del prximo ao

Solucin:
a) Como puede apreciarse, en cada ao, las ventas del cuarto trimestre
son las ms altas y las del segundo las ms bajas. Tambin puede
apreciarse un incremento en las ventas de un ao a otro.

14

b) Para llegar al ndice estacional trimestral se deben construir dos

tablas, la primera de ellas, se calcula como sigue:
Columna (1). Son los datos originales
Columna (2). Total mvil de cuatro trimestres, por ejemplo: 6.7 + 4.6 +
10.0 + 12.7 = 34 que se coloca al centro de cuatro cuatrimestres que
se suman. Enseguida la suma se va moviendo un trimestre, es
decir, el siguiente es: 4.6 + 10.0 + 12.7 + 6.5 = 33.8, y as
sucesivamente.
Columna (3). Promedio mvil de cuatro trimestres, es decir, ya solo
hay que dividir los totales anteriores entre 4 y colocar el resultado
frente a su correspondiente. Por ejemplo: 34 / 4 = 8.500, 33.8 / 4 =
8.450, etctera.
Columna (4). Promedio mvil centrado, ahora se centran los
promedios mviles, es decir, se suman los dos promedios mviles y se
dividen entre 2, el resultado de esto se centra entre los dos valores
sumados quedando centrado con el trimestre correspondiente, por
ejemplo: (8.500 + 8450) / 2 = 8.475 que queda centrado con el
trimestre 3 del ao 2002, el segundo sera (8.450 + 8.450) / 2 = 8.450
que queda centrado con el trimestre cuatro del ao 2002.

15

Columna (5). Valor estacional especfico. Se calcula dividiendo las

ventas originales (columna 1) entre el promedio mvil centrado
(columna 4), por ejemplo: 10.0/8.475 = 1.180.

16

La segunda tabla se construye de la siguiente forma:

Se acomodan en un cuadro los valores estacionales especficos
obtenidos antes, para enseguida:
-

Calcular la media modificada de cada trimestre, esta se obtiene

sumando los valores obtenidos pero sin considerar los valores
ms alto y ms bajo, por ejemplo: (0.772 + 0.775 + 0.753)/3 =
0.766.

Obtener el ndice estacional multiplicando la media obtenida por

el factor de correccin o ajuste que se calcula con la frmula
que aparece al pie del cuadro siguiente:

c) Estos ndices calculados implican que:

Para el trimestre 1, cuyo ndice es 76.466 significa que las ventas en
este trimestre estarn (100 76.466 =) 23.534% por abajo del
promedio tpico.
Para el trimestre 2, cuyo ndice es 57.300 significa que las ventas en
este trimestre estarn (100 57.300 =) 42.700% por abajo del
promedio tpico.
Para el trimestre 3, cuyo ndice es 113.601 significa que las ventas en
este trimestre estarn (113.601 100 =) 13.601% por arriba del
promedio tpico.

17

Para el trimestre 4, cuyo ndice es 152.633 significa que las ventas en

este trimestre estarn (152.633 100 =) 52.633% por arriba del
promedio tpico.
En resumen, como puede apreciarse el perodo con mayor
actividad en las ventas es el cuarto trimestre mientras que para el
primer y segundo trimestre del ao tal actividad baja drsticamente.
d) Para calcular el valor ajustado por el ndice estacional ya solo hay que
dividir los valores originales desestacionalizados entre su respectivo
ndice estacional trimestral, por ejemplo para el trimestre 1 del ao
2002: (6.7/76.466)*100 = 8.76, es decir:

Su grfica quedara como sigue:

18

Como puede apreciarse, la diferencia entre las ventas de un

trimestre a otro en realidad no es tan marcada como lo reflejan las
ventas originales, aqu puede notarse que efectivamente de un ao a
otro las ventas aumentan pero, sin embargo entre un trimestre y otro,
en el mismo ao, no tienen lugar grandes incrementos.
e) La tabla siguiente muestra los clculos necesarios para obtener la
ecuacin de tendencia:

19

Que al sustituir estos valores en la frmula, se obtiene:

t y
( x)( t)

2
n ( t 2 )
n
b=

a=

y b t = 222,7 0,0880
n

24

=8,1791
( 300
24 )

Con lo que la Ecuacin de Tendencia queda como sigue:

y=8.1791+0.0880 x

Esto quiere decir que la pendiente es 0.0880, es decir, que en

los ltimos 24 trimestres, las ventas desestacionalizadas aumentaron
a razn de 0.0880 (millones de pesos) por trimestre.
El valor 8.1791 corresponde a la intercepcin en el eje y de la
lnea de tendencia.
f) Para calcular los pronsticos de los cuatro trimestres del 2008, se
estiman dichos valores aplicando la ecuacin de tendencia para
finalmente ajustarlos estacionalmente mediante la multiplicacin por el
ndice respectivo segn el trimestre del que se trate, de esta forma:
Pronstico para el primer trimestre de 2008:
y=8,1791+0,0880 (25)=10,3791 0,765=7,94 millones de pesos
Pronstico para el segundo trimestre de 2008:

20

y=8,1791+0,0880 (26)=10,4671 0,573=5,99 millones de pesos

Pronstico para el tercer trimestre de 2008:
y=8,1791+0,0880 (27)=10,5551 1,136=11,99 millones de pesos
Pronstico para el tercer trimestre de 2008:
y=8,1791+0,0880 (28)=10,6431 1,526=16,24 millones de pesos
Como puedes observar la importancia del desarrollo y anlisis de las
series de tiempo va desde interpretar los grficos que se te presenten en
diversos estudios, en informes financieros, en reportes gubernamentales, en
proyecciones de planes a futuro de la empresa, en estudios de mercado, en
anlisis de ventas; es decir que tiene un sinnmero de aplicaciones; as
mismo realizar los anlisis para que la informacin de la empresa o
departamento donde trabajes puedan utilizar dichos clculos para tener una
mejor comprensin de las variables que afectan positiva o negativamente a
un producto y/o servicio ya sea pblico o privado.

21

CONCLUSIONES

La aplicacin ms importante de las series de tiempo es la realizacin

de pronsticos. Un pronstico es una estimacin cuantitativa o cualitativa de
uno o varios factores (variables) que conforman un evento futuro, con base
en informacin actual o del pasado. El objetivo es reducir la incertidumbre del
futuro, mediante la anticipacin de eventos cuya probabilidad de ocurrencia
sea relativamente alta, respecto a otros eventos posibles.
Para hacer esto existen diversas tcnicas, cualitativas (tcnicas
subjetivas, utilizan informacin cualitativa, experiencia de expertos), y
cuantitativas (se basan en datos numricos y utilizan herramienta
matemtica y estadstica para su elaboracin), que se aplican:
-

Segn se proyecta la Economa, la Industria o la Empresa.

Segn el plazo: corto, mediano y largo plazo
Segn la informacin disponible

Sin embargo, debe recordarse que la misma tcnica usada por dos
expertos distintos puede producir resultados diferentes.

22

BIBLIOGRAFA

Pea, D. (2005). Anlisis de series temporales, Alianza Editorial.

Fuentes de internet:
http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t
.pdf
http://www.mat.uc.cl/~mdecarvalho/files/notas_1.pdf

23