SERIES DE

TIEMPO
 OBJETIVOS
- Definir las cuatro componentes de una serie de
tiempo.

- Determinar una ecuación de tendencia lineal.

- Calcular un promedio móvil.

- Calcular la ecuación de tendencia para una tendencia

no lineal.

- Usar las ecuaciones de tendencia para pronosticar

futuros periodos, y para desarrollar pronósticos
ajustados estacionalmente.
 SERIES DE TIEMPO
Una serie de tiempo es una
colección de datos registrados
sistemáticamente sobre un periodo
de tiempo. Los datos se pueden
registrar semanalmente,
mensualmente, trimestralmente,
semestralmente, anualmente.
Un análisis del historial de una
empresa puede ser utilizado por los
directivos para tomar decisiones en
el presente y realizar pronósticos y
planeación a largo plazo.
Los pronósticos se realizan
mediante un análisis de series de
tiempo a largo plazo, se extiende a
futuro un año o mas.
Los pronósticos de gran alcance son
esenciales para que los
departamentos de compras, ventas,
finanzas, manufacturas,
etc… de una empresa tengan
tiempo suficiente para el desarrollo
de planes para plantas nuevas, de
financiamientos y elaboración de
nuevos productos y de nuevos
métodos de ensamble.
Por tanto, se considera necesario
un pronostico para obtener las
materias primas, las instalaciones
para la producción y el personal
requerido, para satisfacer la
demanda proyectada.
 COMPONENTES DE UNA
SERIE DE TIEMPO

TENDENCIA VARIACIÓN VARIACIÓN VARIACIÓN

SECULAR CÍCLICA ESTACIONAL IRREGULAR
TENDENCIA SECULAR

La tendencia se refiere a la dirección general

que sigue una serie cronológica; expresa un
movimiento uniforme o regular que sigue la
serie durante un largo periodo de tiempo.

La dirección de este movimiento puede ser

ascendente, descendente o simplemente
constante.

Estadísticamente se puede expresar por una

función matemática (recta, parábola, etc…),
que constituye el modelo de tendencia.
 Ejemplo: CONSTRUCTORA G&E, S.A.C. empresa Peruana de construcción y
administración de proyectos y obras civiles, empresa dedicada a la ventas de
departamentos. Se tiene información de los precios de los departamentos
entre los años 2006 y 2013.

Ejemplo de
tendencia secular

Año Precio
2006 96577
2007 102742
2008 112157
2009 124794
2010 141232
2011 145092
2012 160881
2013 169527
 VARIACIÓN CICLICA

La variaciones cíclicas o ciclos son fluctuaciones que se

presentan alrededor de la tendencia en forma de ascenso y
descenso de una serie de tiempo en periodos mayores de un
año.
 Ejemplo: El diagrama muestra el número de baterías vendidas por Baterías
ETNA de 1996 a 2013 (en miles de unidades).

Ejemplo de Variación
Cíclica
Número de Baterías
Años Vendidas
1996 37
1997 51
1998 52
1999 39
2000 60
2001 45
2002 60
2003 65
2004 49
2005 66
2006 65
2007 56
2008 57
2009 54
2010 59
2011 62
2012 71
2013 76
 VARIACIÓN ESTACIONAL

Las variaciones estacionales son

Casi todas las empresas o
movimientos o fluctuaciones que
negocios tienden a tener patrones
se repiten a intervalos regulares
de acción estacionales
durante subperíodos de tiempo
recurrentes.
especificado
Por ejemplo la ropa para caballeros
Son patrones de cambio en una
y jóvenes, tiene ventas
serie de tiempo en un año. Tales
extremadamente altas antes de
patrones tienden a repetirse cada
navidad y relativamente bajas
año.
después de esta y durante el
Pueden ser fluctuaciones
verano. También las ventas de
periódicas que se presentan
juguetes tiene variación estacional,
trimestralmente, mensual, …
donde mas de la mitad de las
Muchas series como ventas,
actividades de negocios del año se
producción, y otras; fluctúan según
hacen normalmente en noviembre
las estaciones del año.
y diciembre.
Ejemplo: La serie referente a la venta trimestral de pares de zapatos de una
red de zapaterías, en los años 2011 - 2013 indicados en el cuadro,
presentando una clara variación estacional.

Ejemplo de Variación
Estacional

Trimestre 2011 2012 2013

I 5443 5881 6253

II 7142 7906 8424

III 6781 7423 7928

IV 7658 8110 8907

 VARIACIONES IRREGULARES O
ALEATORIAS

Son fluctuaciones que se presentan en forma esporádica de

un periodo a otro; son variaciones accidentales que no se
pueden determinar en términos de tendencia, variaciones
estacionales o cíclicas.

Las variaciones irregulares no son predecibles, pero pueden

identificarse; por ejemplo un conflicto bélico, el impacto inicial
en la economía de una huelga importante, sequias, guerras,
inundaciones, terremotos, etc…
 ESTUDIO DE LA TENDENCIA

La tendencia es la dirección que sigue la serie cronológica, que se puede

visualizar con facilidad a partir de la grafica de una serie.
Hay series cuyos valores crecen con cierta frecuencias entonces se trata de
una serie de tendencia ascendente o creciente; en tanto hay otros valores
que en su mayoría decrecen se trata de una serie con tendencia
descendente; por ultimo existen series que no es fácil advertir su
tendencia.
El estudio de la tendencia es importante para determinar el
comportamiento de los datos en el futuro. Las proyecciones de las series
cronológicas, constituye el aspecto mas importante de la planificación
social, económica, educacional de mediano y largo plazo. La tendencia de
una serie se puede determinar y estimar por dos métodos generales:

Método de los Promedios Móviles Método del Ajuste Lineal o

(Método Grafico) Función (Método Analítico)
METODO DE LOS PROMEDIOS MOVILES
Es un método de apreciación grafica, cuyo objetivo es
simplemente suavizar la línea poligonal que representa la serie
cronológica.

Este método requiere de cálculos muy simple y no esta forzado

a adaptarse a ninguna función matemática.

Aquí la serie poligonal original se transforma en una poligonal

más suave, y ayuda a definir la tendencia de la serie.

Los promedios móviles no permite realizar proyecciones y

estimaciones de valores de Y

Para aplicar este método a una serie de tiempo los datos

deben tener una tendencia bastante lineal y un esquema de
fluctuaciones rítmico definido (que se repite cada tres años)
Ejemplo: Hallar los promedios móviles de tres años y de cinco años para la
producción de productos de prendas de vestir en Export Perú S.A.C.
una empresa peruana con sede principal en la ciudad del Cusco.

Total móvil Promedio móvil Total móvil Promedio móvil

Año Producción Y de tres años de tres años de cinco años de cinco años
1995 5
1996 6 19 6.3
1997 8 24 8.0 34 6.8
1998 10 23 7.7 32 6.4
1999 5 18 6.0 33 6.6
2000 3 15 5.0 35 7
2001 7 20 6.7 37 7.4
2002 10 29 9.7 43 8.6
2003 12 33 11.0 49 9.8
2004 11 32 10.7 55 11
2005 9 33 11.0 60 12
2006 13 37 12.3 66 13.2
2007 15 46 15.3 70 14
2008 18 48 16.0 72 14.4
2009 15 44 14.7 73 14.6
2010 11 40 13.3 75 15
2011 14 42 14.0 79 15.8
2012 17 53 17.7
2013 22
GRAFICO DE PROMEDIOS MOVLILES
 METODO DE AJUSTE LINEAL

El método del ajuste lineal es

expresar un modelo matemático
producto de un grafico de tendencia
secular y obtener valores estimados
o pronosticados.

Y  b0  b1t
n tY   t  Y
b1 
n t 2   t 
2

b0  Y  b1 t

Y : Pr onosti cos  Re cta de Tendencia
Y  Datos Re ales
t : Tiempo
b0 , b1 : Parametros
 CASOS EN EL AJUSTE DE UN MODELO LINEAL 
En toda serie cronológica se trabaja con una función: Y  b0  b1t

Caso 1: La suma del tiempo es diferente de cero:

n tY   t  Y
b1 
t  0  n t 2   t 
2
Años 2009 2010 2011 2012 2013 2014
t 1 2 3 4 5 6 b0  Y  b1 t

Caso 2: La suma del tiempo es diferente de cero:

n tY   t  Y
b1 
n t 2   t 
Años 1997 2000 2004 2006 2009 2010 2014
t  0 
2

t 0 3 7 9 12 13 17 b0  Y  b1 t

Caso 3: El tiempo se considera como n=impar, la

suma del tiempo es igual a cero:
t  0  b1   tY b0 
Y
Años 2008 2009 2010 2011 2012 2013 2014 t 2
n
t -3 -2 -1 0 1 2 3

Caso 4: El tiempo se considera como n=par, la

suma del tiempo es igual acero:  tY Y
Años 2009 2010 2011 2012 2013 2014 t  0  b1  t 2
b0 
n
t -5 -3 -1 0 1 3 5
 Ejemplo: Las ventas de una cadena de tiendas de comestibles, desde el
2009 hasta el 2013 se detallan en el siguiente cuadro:
Ventas
Año (Millones de Nuevos soles)
2009 7
2010 10
2011 9
2012 11
2013 13

a) Determinar la ecuación de la
línea de tendencia
 Y 50
Años Ventas Y t tY t2 Y

t  0  b 0 
n
  10
5
2009 7 -2 -14 4 7.4
 tY 13
 t  0  b1 
2010 10 -1 -10 1 8.7
  1.3
t
2011 9 0 0 0 10 2
10
2012 11 1 11 1 11.3
2013 13 2 26 4 12.6 

50 0 13 10  Y  10  1.3t
 b) ¿Cual es el pronostico estimado de ventas para el año 2016?

Y  10  1.3t  10  1.3(5)  16.5
Por tanto, con base en las ventas anteriores, el pronostico de ventas para el
2016 es de 16.5 millones de nuevos soles

c) Hacer el grafico de la serie (Y) y la línea de ajuste de tendencia (pronostico

de Y)
 TENDENCIA NO LINEAL
TENDENCIA EXPONENCIAL
La tendencia exponencial de la serie se describe por la función exponencial
de la forma:
 
Y  b0 b1  log Y  log b0  t log b1
t

Caso 1: n t log Y   t  log Y

 t  0  log b1  n t 2   t 
2

log b0 
 log Y

 t
log b 1
n n

Caso 2:  t log Y
 t  0  log b 
t
1 2

log b0 
 log Y
n
Ejemplo: Sean las importaciones en millones de dólares de Web Site de Toyota
del Perú, empresa importadora y distribuidora de vehículos TOYOTA

Importaciones
Año (Millones de Dólares)
2001 3 a) Hallar una ecuación de tendencia
2002 4.2 exponencial
2003 5.7
2004 8.3
b) Pronosticar la estimación
2005 11.5
2006 16
para el año 2018
2007 22.4
2008 31 c) Hacer el grafico de las
2009 44.6 importaciones (Y) y las
2010 60.1 importaciones pronosticadas
2011 84.3 (pronostico de Y)
2012 118.6
2013 163.9
a) La ecuación de tendencia exponencial es:
Importaciones Y
Año (Millones de Dólares) t log Y t2 tlog Y
2001 3 -6 0.4771 36 -2.8627
2002 4.2 -5 0.6232 25 -3.1162
2003 5.7 -4 0.7559 16 -3.0235
2004 8.3 -3 0.9191 9 -2.7572
2005 11.5 -2 1.0607 4 -2.1214
2006 16 -1 1.2041 1 -1.2041
2007 22.4 0 1.3502 0 0.0000
2008 31 1 1.4914 1 1.4914
2009 44.6 2 1.6493 4 3.2987
2010 60.1 3 1.7789 9 5.3366
2011 84.3 4 1.9258 16 7.7033
2012 118.6 5 2.0741 25 10.3704
2013 163.9 6 2.2146 36 13.2875
573.6 0 17.5245 182 26.4026

 log Y 17.5245 b) El pronostico para el año

log a    1.348038462 2018 (t=11) es:
n 13

log b 
 t log Y 
26.4026
 0.1450692308 
Y  22.28632513(1.396590974)11  878.62
t 2
182
a  22.28632513 y b  1.396590974 En el 2018 las importaciones se
 pronosticarían en 878620
 Y  b0 b1  22.28632513(1.396590974) t
t
millones de dólares
c) Hacer el grafico de las importaciones (Y) y las importaciones pronosticadas
(pronostico de Y)

Importaciones
Importaciones Y Pronosticadas

(Millones de
Y  b0 b1
t

Año Dólares)
2001 3 3.00347
2002 4.2 4.19462
2003 5.7 5.85816
2004 8.3 8.18146
2005 11.5 11.42615
2006 16 15.95766
2007 22.4 22.28633
2008 31 31.12488
2009 44.6 43.46873
2010 60.1 60.70803
2011 84.3 84.78429
2012 118.6 118.40897
2013 163.9 165.36890
MUCHAS
GRACIAS