SERIES DE TIEMPO CON EXCEL DEFINICIN Series de tiempo Son series cronolgicas o series histricas son un conjunto de datos

numricos que se obtienen en perodos regulares y especficos a travs del tiempo Matemticamente Una serie de tiempo se define por los valores Y1, Y2, Y3,.de una variable Y (ventas mensuales, produccin total, etc.) en tiempos t1, t3, t3.. Y = f(t)Y= f(X) Principal objetivo Hacer proyecciones o pronsticos sobre una actividad futura, suponiendo estables las condiciones y variaciones registradas hasta la fecha Ejemplo Proyeccin de ventas de un producto o de un servicio de una empresa se calculan los posibles precios, la reaccin del consumidor, la influencia de la competencia, etc. MOVIMIENTOS O COMPONENTES Tendencia secular Representan el comportamiento predominante o direccin general de la serie de tiempo como ascendente o descendente.

Movimientos estacionales Representa un movimiento peridico que se producen en forma similar cada ao por la misma poca Si los sucesos no se repiten anualmente, los datos deben recolectarse trimestral, mensual o incluso semanalmente.

Movimientos cclicos Son variaciones de la tendencia que se presentan cada cierto nmero de intervalos en forma peridica de manera ondular Durante un perodo relativamente prolongado, que por lo general abarca tres o ms aos de duracin.

Movimientos irregulares o aleatorios Variaciones producidas por sucesos de ocurrencia imprevisible o accidental que producen movimientos sin un patrn discernible Estas variaciones irregulares son de corta duracin y de magnitud muy variable.

MODELOS DE SERIES DE TIEMPO Son expresiones matemticas de relacin entre los movimientos de tendencia secular (T), movimientos cclicos (C), movimientos estacionales (E) y movimientos irregulares (I) que generan la variable Y. Modelo Multiplicativo En el que Y queda definida por el producto de las variaciones. Y = TCEI Las variaciones se expresan en trminos relativos o porcentuales de la tendencia El modelo multiplicativo supone que los movimientos o componentes interactan entre s y no se mueven independientemente, por lo que este modelo es ms utilizado que el aditivo. Modelo Aditivo En el que Y queda definida por la suma de las variaciones. Y=T+C+E+I Las variaciones se expresan como residuos en las mismas unidades originales. El modelo aditivo sufre el supuesto irreal de que los movimientos o componentes son independientes uno de otro, algo que difcilmente se da en el caso de la vida real. MTODOS DE SUAVIZAMIENTO Y PRONSTICO Eliminan las fluctuaciones aleatorias de la serie de tiempo, proporcionando datos menos distorsionados del comportamiento real de misma. Mtodo de promedios mviles El movimiento medio de orden N de una serie de valores Y1, Y2, Y3,... Yn se define por la sucesin de valores correspondientes a las medias aritmticas: Utilizando adecuadamente estos movimientos medios se eliminan los movimientos o variaciones estacionales, cclicas e irregulares, quedando slo el movimiento de tendencia. Este mtodo presenta el inconveniente de que se pierden datos iniciales y finales de la serie original. Tambin se puede observar que a medida que N crece, la cantidad de nuevos datos se reduce.

Promedios Mviles Ponderados de Orden N. Si se emplean medias aritmticas ponderadas (w) en el mtodo de los promedios mviles,

Suavizacin exponencial Mecanismo de autocorreccin que ajusta los pronsticos en direccin opuesta a los errores pasados.

Cuando exista menos dispersin en los datos reales respecto a los datos pronosticados entonces ser ms confiable el mtodo empleado. Para saber cuan preciso es el mtodo empleado en la realizacin del pronstico se utiliza la siguiente frmula del cuadrado medio del error (CME) como indicador de precisin del pronstico:

ANLISIS DE TENDENCIA Mtodo de mnimos cuadrados Con esta recta se obtendrn los valores de tendencia.

Punto en donde la recta interseca

Tendencia de la recta

Mtodo de semipromedios Este mtodo se aplica con el objeto de simplificar los clculos y consiste en: Agrupar los datos en dos grupos iguales Obtener el valor central (mediana) de los tiempos y la media aritmtica de los datos de cada grupo, consiguindose as dos puntos de la recta de tendencia

Estos valores se reemplazan en el siguiente sistema:

Resolviendo el sistema se encuentran los valores de y , los cuales se reemplazan en la ecuacin de la recta de tendencia, la cual es:

Con esta recta de tendencia se puede realizar pronsticos, los cuales son menos exactos que los obtenidos con el mtodo de los mnimos cuadrados, sin embargo, su diferencia es mnima. Se utiliza la Regla de Cramer, teorema en lgebra lineal que da la solucin de un sistema lineal de ecuaciones en trminos de determinantes.

ANLISIS DE MOVIMIENTOS ESTACIONALES Clculo del ndice estacional por el mtodo del porcentaje medio Consiste en calcular los ndices estacionales como porcentajes de los perodos de tiempo (mensual o trimestral). Se divide el dato de cada mes o trimestre por la media mensual o trimestral del correspondiente ao y se multiplica por 100 Desestacionalizacin de los datos o ajuste de los datos a la variacin estacional Una vez obtenidos los ndices estacionales es posible eliminar el movimiento estacional de los datos, para lo cual se divide todos los datos originales por el ndice estacional del perodo de tiempo (mes o trimestre) correspondiente. Los valores desestacionalizados reflejan cmo sera la variable si se corrigiera la influencia estacional. Anlisis De Movimientos Cclicos E Irregulares Movimientos cclicos son de tipo peridico y presentan ms de un ao de duracin. Los movimientos cclicos e irregulares se obtienen dividiendo los datos originales entre el valor de tendencia estimado, y este cociente multiplicando por 100% de la siguiente manera:

Un valor cclico relativo de 100 indicar la ausencia de toda influencia cclica en el valor de la serie de tiempo anual. Para facilitar la interpretacin de relativos ciclos se elabora una grfica de ciclos, en el que se describen los ciclos relativos segn el ao correspondiente.

Promedio Mviles Trimestre 1 2 3 4 5 6 7 8 9 10 11 12 Pronostico Trimestre 10 11 12 Pronostico Ventas 12 16 20 34 23 19 20 35 11 19 24 36 26.33 Ventas 19 24 36 30.14 Pesos (w) 0.5 1 2 Pronostico (Promedios mviles) 16.00 23.33 25.67 25.33 20.67 24.67 22.00 21.67 18.00 26.33

40 35 30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 Ventas Pronostico (Promedios mviles)

Suavizacin Exponencial Meses septiembre octubre noviembre diciembre enero febrero marzo abril mayo junio julio agosto Ventas 6 7 6 12 7 10 6 4 9 7 8 6 Suavizacin exponencial 6.0 6.5 6.25 9.125 8.063 9.031 7.516 5.758 7.379 7.189 7.595 CME 0.5 6.80 Ventas 6 7 6 12 7 10 6 4 9 7 8 6 Promedios mviles 6.3 8.3 8.33 9.667 7.667 6.667 6.333 6.667 8.000 7.000 CME Pronostico 7.00 CME 0.444 5.444 13.444 7.111 5.444 0.444 5.444 5.444 1.000 1.000 4.522
14 12 10 8 6 4 2 0

CME
14

1 0.250 33.063 4.516 3.754 9.188 12.360 10.512 0.144 0.657 2.543 7.090

12

10
8 6 4 2

Ventas

Suavizacin exponencial

Pronostico Meses septiembre octubre noviembre diciembre enero febrero marzo abril mayo junio julio agosto

Series1

Series2

Como CME en el mtodo de suavizacin exponencial es de 7,09 y con el mtodo de los promedios mviles es de 4,52, se concluye que el mtodo de los promedios mviles es el ms preciso para este ejemplo ilustrativo.

Mnimos Cuadrados Ao (X) 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Total N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 136 16 3.22 Ventas (Y) 3.4 3.1 3.9 3.3 3.2 4.3 3.9 3.5 3.6 3.7 4 3.6 4.1 4.7 4.2 4.5 61 XY 3.4 6.2 11.7 13.2 16 25.8 27.3 28 32.4 37 44 43.2 53.3 65.8 63 72 542.3 X2 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 1496 Y2 11.56 9.61 15.21 10.89 10.24 18.49 15.21 12.25 12.96 13.69 16 12.96 16.81 22.09 17.64 20.25 235.86 Pronostico

4.4075

0.0700

5 4.5 4 3.5 3 2.5 y = 0.07x + 3.2175 R = 0.5052

2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Semipromedios Ao (X) 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 X 1 2 3 4 5 6 7 8 9 10 11 12 Ventas (Y) 1.5 1.8 2 1.5 2.2 2 3 2.8 2.4 2.9 3 Valor central X Semipromedio Y Pronostico

1.8

2.82

3.33

1.8 2.82

1 1 1.8 2.82 1 1
3.5
3

3 9 3 9 1.8 2.82

7.74

1.29

1.02

0.17

2.5 2
1.5

y = 1,29x+ 0.17x

1 0.5
0

10

11

Desestacionalizacin Trimestre 2008 2009 2010 Total Media Trimestre 2008 2009 2010 Media Indice 100 Factor de Ajuste I 20 25 28 73 24.33 IV 32 35 38 105 35.00 III 22 30 36 88 29.33 IV 40 45 44 129 43.00 Media Trimestral 28.50 33.75 36.50

I IV III IV 70.175 112.281 77.193 140.351 74.074 103.704 88.889 133.333 76.712 104.110 98.630 120.548 73.65 106.70 88.24 131.41 73.65394715 106.6979982 88.23733611 131.4107186

400.00

Trimestre 2008 2009 2010

Datos Desestacionalizados I IV 27.154 29.991 33.943 32.803 38.016 35.615

III 24.933 33.999 40.799

IV 30.439 34.244 33.483

El valor de 27,15 significa que si las exportaciones de la empresa no estuvieren sujetas a la variacin estacional, las exportaciones para el primer trimestre del ao 2008 hubieran sido de 27,15 millones de dlares.

Movimientos Cclicos Ao (X) 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Total 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 136 16 3.22 Ventas (Y) 3.4 3.1 3.9 3.3 3.2 4.3 3.9 3.5 3.6 3.7 4 3.6 4.1 4.7 4.2 4.5 61 XY 3.4 6.2 11.7 13.2 16 25.8 27.3 28 32.4 37 44 43.2 53.3 65.8 63 72 542.3 X2 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 1496 Y2 11.56 9.61 15.21 10.89 10.24 18.49 15.21 12.25 12.96 13.69 16 12.96 16.81 22.09 17.64 20.25 235.86 Yest = 3,22 + 0,07X 3.2875 3.3575 3.4275 3.4975 3.5675 3.6375 3.7075 3.7775 3.8475 3.9175 3.9875 4.0575 4.1275 4.1975 4.2675 4.3375 CI = (Y/Yest.)100 103.42 92.33 113.79 94.35 89.70 118.21 105.19 92.65 93.57 94.45 100.31 88.72 99.33 111.97 98.42 103.75

0.0700

120.00

118.21 113.79 111.97

115.00
110.00

105.00 103.42
100.00

105.19 100.31
94.35 94.45 92.6593.57 99.33

103.75 98.42

95.00
90.00

92.33

89.70

88.72

85.00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16