Académique Documents
Professionnel Documents
Culture Documents
Tendencia (T)
Fluctuaciones cclicas (C)
Variaciones estacionales (E)
Variaciones irregulares (I)
Los cuales 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:
= ( )
Cuyos coeficientes se calculan con ayuda del mtodo de mnimos cuadrados visto
anteriormente con las siguientes frmulas:
( ) ( )( )
=
( ) ( )
=
Ejemplo: Clculo de la Tendencia a travs de Mnimos Cuadrados
En la siguiente tabla se encuentran los datos de las ventas de los ltimos cinco aos
de una empresa del ramo de alimentos:
Aos Ventas
2003 7
2004 10
2005 9
2006 11
2007 13
d) Pronosticar las ventas para los siguientes dos aos e interpretar el resultado
Ventas
14
12
10
0
1 2 3 4 5
Ventas
5 15
= 1.3 = 6.1
5 5
c)Para trazar la recta, se deben tener dos puntos, para el primero de ellos se puede utilizar
el valor 6.1 de la ecuacin anterior y el segundo se puede obtener asignando un valor
cualquiera a x, dentro del rango del intervalo del que se dispone, por ejemplo 4 (ao 2006)
para obtener el valor de y, es decir:
12
10
8
Ventas
0
2002.5 2003 2003.5 2004 2004.5 2005 2005.5 2006 2006.5 2007 2007.5
Aos
d) Los dos aos siguientes son 2008 y 2009, que en trminos de los clculos que estamos
haciendo son 6 y 7, respectivamente. Pues bien, estos se sustituyen en la Ecuacin de
Tendencia y se obtienen los pronsticos requeridos, es decir:
y = 6.1 + 1.3t = 6.1+ 1.3(6) = 13.9
y = 6.1 + 1.3t = 6.1+ 1.3(7) = 15.2
= =
El resultado de este cociente se multiplica por 100 a fin de que el promedio de estas
variaciones cclicas relativas sea de 100%. De esta forma, un valor cclico relativo
de 100 indicara la ausencia de toda influencia cclica en el valor de la serie de
tiempo anual.
Se puede elaborar una grfica de ciclos, en la que se describen los ciclos relativos
para cada ao, esta permite facilitar la interpretacin de los relativos cclicos ya que
hacen ms evidentes las cumbres y valles que se presentan.
Por ejemplo:
Varicaciones Ciclicas.
140
120
100
Ciclo relativo %
80
60
40
20
0
1 2 Aos
3 4 5
7 10
1 = 100 = 7.4 100 = 94.6 2 = 8.7 100 = 114.9
9 11 13
3 = 10 100 = 90.0 4 = 11.3 100 = 97.3 5 = 12.3 100 =
103.2
Los aos 1(2003), 3(2005) y 4(2006) tienen menor influencia cclica que los aos
2(2004) y 5(2007) que tienen una mayor influencia cclica.
Anlisis de variaciones estacionales
Como especialista en Administracin tendrs que tomar en cuenta dicho indicador,
pues como t ya habrs vivido en tu vida cotidiana existen productos y servicios que
tienen mayor o menor demanda depende de la temporada del ao donde nos
encontremos.
De este modo, las ventas de automviles, ropa, consumo de juguetes, entre otros,
pueden ser ejemplos de ello. Es evidente entonces, que estos comportamientos
solamente pueden ser apreciados cuando se trata de datos mensuales o
trimestrales, ya que en datos anuales o semestrales queda ocultos.
Este anlisis es muy importante ya que permite, por ejemplo, programar los
suministros de materias primas para cubrir la demanda estacional variable.
Por ejemplo, una empresa refresquera debe estimar sus niveles de inventario para
las diferentes pocas del ao, tales como envases o ingredientes de su frmula,
esto le permitir calcular sus necesidades de espacio, y otras decisiones
importantes, entre las cuales tambin estara la contratacin de personal eventual.
Puesto que entonces cada mes es diferente uno del otro, este anlisis trata de
identificar un nmero ndice estacional asociada a cada mes (o trimestre del ao) o,
en otras palabras, un conjunto de ndices mensuales que consiste en 12 ndices que
son representativos de los datos para un perodo de 12 meses o, cuatro ndices si
se trata de trimestres.
Cada uno de estos ndices es un porcentaje, con un promedio anual del 100%, es
decir, el ndice mensual indica el nivel de ventas o de produccin, segn se trate,
en relacin con el promedio anual del 100%. De esta forma:
Un ndice estacional del 94% para el mes de marzo, indica que las ventas en ese
mes estn, por lo general, 6% abajo del promedio anual
Un ndice mensual del 108.2% para el mes de diciembre, indica que las ventas de
ese mes se espera que estn 8.2% arriba del promedio anual.
Los ndices obtenidos por este mtodo se utilizan para ajustar los datos originales
con lo que se obtienen los valores desestacionalizados o datos ajustados
estacionalmente a partir de las cuales se procede a obtener pronsticos para los
trimestres futuros.
12
10
8
Ventas
0
2002 2003 2004 2005 2006 2007
Aos/ trimestres
b) Para llegar al ndice estacional trimestral se deben construir dos tablas, la primera
de ellas, se calcula como sigue:
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 = 33.8y 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.
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, el segundo es 12.7/8.450 = 1.503, etctera.
Media*Factor
TRIMESTRE AOS Media de ajuste
2002 2003 2004 2005 2006 2007 modificada *100
1 0.772 0.775 0.753 0.733 0.801 0.766 76,466
2 0.540 0.553 0.581 0.590 0.615 0.574 57,300
3 1,180 1,130 1,141 1,126 1,143 1,138 113,601
4 1,503 1,550 1,535 1,558 1,466 1,529 152,633
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
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:
La grafica queda:
12
10
8
Ventas
0
2002 2003 2004 2005 2006 2007
Aos/ trimestres
.
= = . ( ) = .
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:
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