4 SERIES DE TIEMPO

4.1 Los componentes de una serie de tiempos

El propsito del anlisis de las series de tiempo es predecir o proyectar los valores
futuros de la variable a partir de observaciones anteriores.
Todas las series de tiempo contienen por lo menos uno de los siguientes cuatro
componentes:
1. Tendencia secular
2. Variacin estacional
3. Variacin cclica
4. Variacin irregular o aleatoria
4.1.1 Componente de tendencia

4.1.2 Componente cclico

4.1.3 Componente estacional

4.1.4 Componente irregular

4.2 Mtodos de suavizamiento en los Pronsticos

4.2.1 Promedios mviles

Se usa para estimar el promedio de una serie de tiempo de demanda y para suprimir los
efectos de las fluctuaciones al azar. Este mtodo resulta ms til cuando la demanda no
tiene tendencias pronunciadas ni fluctuaciones estacinales.
Implica simplemente calcular la demanda promedio para los n periodos ms recientes con
el fin de utilizarla como pronstico del periodo siguiente. Para el pronstico siguiente una
vez conocida la demanda, la demanda ms antigua incluida en el promedio anterior se
sustituye por la demanda ms reciente y luego se vuelve a calcular el promedio.
DA
1
2
3
4
5
6
7
8
9
10
11
12

LLAMADAS
159
217
186
161
173
157
203
195
188
168
198
159

Use el promedio mvil simple con n=3 para pronosticar el nmero de llamadas para el da
13.
F13 = (159 + 198 + 168)/3 = 175.0 llamadas
4.2.2 Promedios mviles ponderados
Promedio mvil ponderado
Es una variacin del promedio mvil en la que no todos los datos tienen el mismo
peso.
Esto permite que los datos que tienen mayor importancia tengan mayor peso.
Los pesos deben sumar 1
La distribucin de los pesos determina la velocidad de respuesta del pronstico
Ejemplo 1:
Tal vez una tienda departamental se d cuenta de que en un periodo de cuatro meses, el
mejor pronstico se deriva utilizando 40% de las ventas reales durante el mes ms
reciente, 30% de dos meses antes, 20% de tres meses antes y 10% de hace cuatro
meses. Si las ventas reales fueron:
Mes 1 Mes 2 Mes 3 Mes 4 Mes 5
100
90
105
95
?
Formula
Ft = W1 At-1 + W2 At-2 + W3 At-3 +. Wn At-n +
At= Valor observado
W1 = ponderacin dada a la ocurrencia real para el periodo t-1
W2 = ponderacin dada a la ocurrencia real para el periodo t-2
Wn = ponderacin dada a la ocurrencia real para el periodo t-n
n = nmero total de periodos en el pronsticos
Por lo tanto el pronstico para el mes 5 sera
F5 = 0.40 (95) + 0.30(105) +0.20 (90) +0.10 (100)
= 38 + 31.5 +18 + 10
= 97.5
Ejemplo 2:
Use el promedio mvil ponderado con 3 datos, asignando pesos de 0.1, 0.3 y 0.6 a los
datos (del ms antiguo al ms reciente) para pronosticar el nmero de llamadas del da
13.
F13 = .1(168) + .3(198) + .6(159) = 171.6 llamadas
4.2.3 Suavizamiento exponencial

Es el mtodo de pronstico formal que se usa ms a menudo, por su simplicidad y por la

reducida cantidad de datos que requiere. A diferencia del mtodo de promedio mvil
ponderado, que requiere n periodos de demanda pasada y n ponderaciones, la suavizacin
exponencial requiere solamente tres tipos de datos: el pronstico del ltimo periodo, la
demanda de ese periodo y un parmetro suavizador, alfa , cuyo valor flucta entre 0 y 1.

Para elaborar un pronstico con suavizacin exponencial, ser suficiente que calculemos un
promedio ponderado de la demanda ms reciente y el pronstico calculado para el ltimo
periodo. La ecuacin correspondiente a este pronstico es:

Por lo tanto el pronstico para el periodo siguiente es igual al pronstico del periodo actual
ms una proporcin del error del pronstico correspondiente al mismo periodo actual.
La constante, , toma valores entre 0 y 1
Una cercana a uno da una alta velocidad de respuesta
Una cercana a cero da una baja velocidad de respuesta
Ejemplo:
Utilizando el ejemplo de CCC con promedio mvil de n=3 calcule el pronstico para la
semana 14 con suavizamiento exponencial y = .10
El pronstico para el da 13 era de 175 llamadas y la demanda real fue de 170 llamadas
Ft+1 = At + ( 1 ) Ft
F14= .1(170) + (.9) 175= 174.5 llamadas
4.3 El anlisis de regresin en pronsticos
El modelo de pronstico causal cuantitativo ms comn es el anlisis de regresin lineal.
4.3.1 Modelo causal
4.3.2. Estimacin de pronsticos
4.4 Software de aplicacin

Ejercicios Individuales
1

AO
1996
1997
1998

N DE VENTAS DE MOTONIEVES
TRIMESTRE
I
II
III
40
45
38
53
39
47
51
45
37

POR
IV
47
32
54

a) Encuentre el promedio mvil (PM) de cuatro trimestres.

b) Encuentre los ndices temporales de cada trimestre. Recuerde que como es
trimestral al ao son cuatro trimestre la suma debe ser 400. Tome en cuenta lo
anterior para realizar los ajustes necesarios.
c) Suponga que la tienda de motonieves estima, a partir de una lnea de tendencia
desestacionalizada, que las ventas promedio desestacionalizada para el primer
trimestre del ao siguiente ser de 50.
Ya que se tiene esta prediccin, entonces la tienda debe tener en cuenta el efecto
de las estaciones del ao para ser ms objetivo. Determine el pronstico para este
trimestre.
d) Qu se requiere hacer para este caso?
2
Casas construidas en miles en la ciudad de Pan Nicaragua
AO X

2009

2010

7.1

2011

7.9

2012

7.3

2013

8.2

a) Estime la cantidad de casas que se han de construir para el ao 2014

3
La empresa la Habana report el valor en pesos de los beneficios extra recibidos por los
gerentes durante los ltimos 6 aos.

AO X

2007

3,200

2006

3,640

2007

3,850

2008

3,700

2009

3,920

2010

3,880

a) Encuentre el porcentaje de tendencia real de los beneficios recibidos para el ao

2010 y el residuo cclico relativo
b) Interprete el significado del inciso anterior.
c) Realice la grfica del porcentaje de tendencia cclica
d) Determine el ao en el que los beneficios segn la grfica del porcentaje de
tendencia fueron mayores y cundo menores.
4

Ejercicios en equipo
1
N DE DESPIDOS POR TRIMESTRE
AO
I
II
III
IV
2005
25
27
32
29
2006
28
32
34
38
2007
35
37
37
39
2008
38
42
44
45
a) Encuentre el promedio mvil (PM) de cuatro trimestres.
b) Encuentre los ndices temporales de cada trimestre. Recuerde que como es
trimestral al ao son cuatro trimestre la suma debe ser 400. Tome en cuenta lo
anterior para realizar los ajustes necesarios.
c) Suponga que la empresa estima, a partir de una lnea de tendencia
estacionalizada, que los despidos promedio para el primer y segundo trimestre
respectivamente del ao siguiente sern de 25 y 27.
Ya que se tiene esta prediccin, entonces la empresa debe tener en cuenta el
tiempo ordinario para ser ms objetivo. Determine el pronstico para este
trimestre.
d) Qu se requiere hacer para este caso?
2
AO X

VENTAS Y

2001

3,950

2002

4,100

2003

4,150

2004

4,280

2005

4,450

2006

4,500

2007

4,490

2008

4,560

2009

4,680

2010

4,790

a) Estime las ventas para el ao 2011

b) Encuentre el porcentaje de tendencia real de las ventas para el ao 2005 y el

residuo cclico relativo
c) Interprete el significado del inciso anterior.
d) Realice la grfica del porcentaje de tendencia cclica
e) Determine el ao en el que las ventas segn la grfica del porcentaje de tendencia
fueron mayores y cundo menores.
3
Los ndices mensuales de desempleo para 2012 son:

a) Utilice el mtodo de suavizamiento exponencial con =0.4 para proyectar el

desempleo para algn mes futuro.
b) Obtenga las proyecciones con =0.7
c) Determine el mejor pronstico y explique por qu ha elegido el mismo.