Pronósticos de Series de Tiempo

Pronósticos de Series de tiempo.
Una serie de tiempo es un grupo de datos registrados durante un periodo

semanal, trimestral o anual.
Un análisis del historial, que es una serie de tiempo, es útil para que la
administración tome decisiones hoy y planee con base en una predicción, o
proyección, de largo plazo. En general, se supone que los patrones pasados
continuarán en el futuro. Las proyecciones de largo plazo se amplían a más de
1 año; son comunes las proyecciones de 2, 5 y 10 años. Las proyecciones de
largo plazo son esenciales a fin de dar tiempo suficiente para que los
departamentos de compras, manufactura, ventas, finanzas y otros de una
compañía elaboren planes para construir nuevas plantas, solicitar
financiamiento, desarrollar productos nuevos y métodos de ensamble
innovadores.
Aquí trataremos el uso de los datos para proyectar eventos futuros.
Componentes de una serie de tiempo.
Una serie de tiempo consta de cuatro componentes: tendencia, variación

cíclica, variación estacional y variación irregular.
Tendencia secular
Las tendencias de largo plazo de las ventas, el empleo, los precios accionarios
y de otras series de negocios y económicas siguen varios patrones. Algunas se
mueven hacia arriba en forma uniforme, otras declinan y otras más
permanecen iguales con el paso del tiempo.
Por lo tanto la tendencia secular es la dirección uniforme de una serie de

tiempo de largo plazo.
Los siguientes son varios ejemplos de una tendencia secular.
 Home Depot se fundó en 1978, y es el minorista más grande de Estados

Unidos en artículos para mejorar el hogar. En la siguiente gráfica se
muestra el número de empleados en Home Depot, Inc. Se puede
observar que este número aumentó con rapidez en los últimos 15 años.
En 1993 había poco más de 50.000 empleados, mientras que en 2006 el
número aumentó a más de 364.000. Desde entonces, el número de
asociados ha disminuido a 317.000 en 2010.
Año Empleados (miles)
Nº de empleados en Home
Depot (1993 a 2010)
Empleados (miles)
Años
La tendencia secular a largo plazo es de crecimiento ya que desde 1993 a

2010 ha crecido un 526,48%.
 El número de casas prefabricadas enviadas en Estados Unidos presentó

un aumento uniforme de 1990 a 1996, luego permaneció casi igual hasta
1999, cuando el número empezó a declinar. En 2002, el número era
menor al de 1990 y continuó declinando hasta 2009. Esta información se
muestra en la siguiente gráfica.
Año Envíos
Envío de casas prefabricadas en USA (1990 a 2009)

Envíos
Años
La tendencia secular a largo plazo es de decrecimiento ya que desde 1990 a

2009 ha decrecido un 73,54%.
Variación cíclica
El segundo componente de una serie de tiempo es la variación cíclica. Un ciclo

de negocios habitual consiste en un periodo de prosperidad, seguido por
periodos de recesión, depresión y luego recuperación. Hay fluctuaciones
considerables que se desarrollan durante más de un año, arriba y debajo de la
tendencia secular. Por ejemplo, en una recesión, el empleo, la producción, el
IPSA y muchas otras series tanto en los negocios como económicas se
encuentran debajo de las líneas de las tendencias de largo plazo. Por el
contrario, en periodos de prosperidad se encuentran arriba de ellas
Aquí se presentan las unidades anuales de baterías que vendió Duracell desde
1991 hasta 2010. Se resalta el ciclo natural del negocio. Los períodos son de
recuperación, seguidos por prosperidad, luego recesión y, por último, el ciclo
desciende con depresión.
Variación estacional
El tercer componente de una serie de tiempo es la variación estacional.

Muchas series de ventas, de producción y de otro tipo fluctúan de acuerdo con
las temporadas. La unidad de tiempo se reporta por trimestre o por mes.
La variación estacional son patrones de cambio en una serie de tiempo en un

año. Estos patrones tienden a repetirse cada año.
Aquí aparecen las ventas trimestrales, en millones de pesos, de Ropa de
colegio un una multitienda. Para este negocio existe un patrón estacional
distintivo. La mayoría de sus ventas son en el primero y segundo trimestres del
año, cuando las escuelas entran a clases.
Variación irregular
Muchos analistas prefieren subdividir la variación irregular en variaciones

episódicas y residuales. Las fluctuaciones episódicas son impredecibles, pero
es posible identificarlas: por ejemplo, el efecto inicial de una huelga importante
o de una guerra en la economía no se pueden predecir. Después de eliminar
las fluctuaciones episódicas, la variación restante se denomina variación
residual. Las fluctuaciones residuales, con frecuencia denominadas
fluctuaciones azarosas, son impredecibles y no se pueden identificar. Por
supuesto, no es posible proyectar a futuro ni la variación episódica ni la
residual.
Tendencia lineal
La tendencia de largo plazo de muchas series de negocios, como ventas,

exportaciones y producción, con frecuencia se aproxima a una recta. En este
caso, la ecuación para describir este crecimiento es:
Ecuación de tendencia lineal Y '  a  bt

donde:
Y ' es el valor proyectado de la variable Y de un valor seleccionado de t.

a es la intersección con el eje Y. Es el valor estimado de Y cuando t = 0. Otra
forma de expresar esto es: a es el valor estimado de Y donde la línea cruza el
eje Y cuando t es cero.
b es la pendiente de la recta, o el cambio promedio en Y' por cada aumento
de una unidad en t.
t es cualquier valor de tiempo seleccionado.
Para formular la ecuación de una recta hay que determinar a y b con el

método de mínimos cuadrados que nos permite encontrar la línea que mejor se
ajusta a los datos.
 tY   Y  t  / n
b
 t 2   t 2 / n
Y  t 
a  b 
n  n 
Ejemplo:
La siguiente es la producción anual de sillas mecedoras grandes de Rosen,

desde 2002.
a) Trace los datos de la producción en un diagrama de dispersión.

b) Determine la ecuación tendencia de mínimos cuadrados.
c) En promedio, ¿Cuántos han aumentado (o disminuido) por año la
producción, durante el período?
d) Con base en la ecuación de la tendencia lineal, ¿cuál es la producción
estimada para 2012?
b)
Código Año Producción tY

(t ) (miles) t2
Y
1 2002 4 4 1
2 2003 8 16 4
3 2004 5 15 9
4 2005 8 32 16
5 2006 11 55 25
6 2007 9 54 36
7 2008 11 77 49
8 2009 14 112 64
36 70 365 204
 tY   Y  t  / n 365  70  36 8

b   1.1905
 t   t  / n
2 2 204  1296 8
Y   t  70  36 
a  b   1,1905   3,3928
n  n  8  8
Ecuación de tendencia lineal Y '  3,3928  1,1905  t
c) 1,1905 (miles) de sillas mecedoras por año.
d)
Y '  3,3928  1,1905  t

Y '  3,3928  1,1905  11  16,4883 miles de sillas mecedoras
Tendencia No lineal
En el análisis anterior la atención se centró en una serie de tiempo cuyo

crecimiento o declinación se aproximaban a una recta. Una ecuación de
tendencia lineal se utiliza para representar la serie de tiempo cuando se
considera que los datos aumentan (o disminuyen) en cantidades iguales, en
promedio, de un periodo a otro.
Los datos que aumentan (o disminuyen) en cantidades crecientes durante un

periodo aparecen curvilíneos cuando se trazan en una gráfica con escala
aritmética. En otras palabras, los datos que aumentan (o disminuyen) en
porcentajes o proporciones iguales durante un periodo aparecen curvilíneos
sobre un papel cuadriculado.
La ecuación de la tendencia de una serie de tiempo que se aproxime a una
tendencia curvilínea, como la que se representa en la nuestra gráfica, se
calcula con los logaritmos de los datos y el método de mínimos cuadrados. La
ecuación general de la ecuación de la tendencia logarítmica es:
Ecuación de tendencia logarítmica log Y '  log a  log bt 
donde
 t log Y   log Y  t  / n

b
 t 2   t 2 / n
 log Y  t 
a  b 
n  n 
Ejemplo:
Las ventas de MAGAZA desde 2015 son:
Año Ventas (millones de dólares)

2015 2,13
2016 18,10
2017 38,80
2018 81,40
2019 112,00
a) Determine la ecuación de la tendencia logarítmica.

b) En promedio, ¿en qué porcentaje aumentaron las importaciones durante el
periodo?
c) Estime las importaciones durante 2020.
2015
2016
2017
2018
2019
Tendencia Estacional
A continuación aparecen las ventas trimestrales de Toys International de 2004

a 2009. Las ventas se reportan en millones de dólares.
a) Grafique los datos.
b) Determine los índices estacionales trimestrales con el método de la razón

con el promedio móvil.
So lución
Factor de corrección para ajustar medias trimestrales
4
factor de corrección 
Total de 4 medias
4
  0,997755
4,009
¿Cómo se interpretan estos valores? Las ventas del trimestre de otoño están
51.9% por arriba de un trimestre habitual, y del invierno, 23.5% por debajo
(100.0 - 76.5). Estos resultados no deben sorprender. En el periodo anterior a
Navidad (el trimestre de otoño) son más altas las ventas de juguetes. Después
de Navidad (el trimestre de invierno), las ventas de juguetes declinan de forma
drástica.
c) Desestacionalice los datos (ventas desestacionalizadas) y grafíquelos en el

mismo diagrama anterior.
d) Formule la ecuación de tendencia con base en los datos trimestrales para
los 6 años y pronostique las ventas para 2010 ajustadas estacionalmente.
Los datos desestacionalizados, que se ilustran en la gráfica, parecen seguir

una recta. De aquí que sea razonable desarrollar una ecuación de tendencia
lineal con base en estos datos.
La ecuación de la tendencia desestacionalizada es Y '  a  bt

donde:
 tY   Y  t  / n
b
 t 2   t 2 / n
Y  t 
. a  b 
n  n 
La ecuación de la recta de regresión es: Y '  8,109  0,08991 t
La pendiente de la recta de tendencia es 0.08991. Esto indica que durante los

24 trimestres las ventas desestacionalizadas aumentaron a una tasa de
0.08991 (millones de dólares) por trimestre u $89 910 por trimestre. El valor de
8.109 es la intersección de la recta de tendencia con el eje Y (es decir, para t =
0).
Si supone que los últimos 24 periodos son un buen indicador de las ventas
futuras, utilice la ecuación de la tendencia para estimar las ventas futuras. Por
ejemplo, el valor de t en el trimestre de invierno de 2010 es 25, de primavera de
2010 es 26, de verano de 2010 es 27 y de otoño de 2010 es 28. Por lo tanto,
las ventas estimadas de esos periodos ajustadas estacionalmente son:
Y '  8,109  0,08991 ( 25)  10,35675  0,765 ( indice inv )  7,923 mdd
Y '  8,109  0,08991 ( 26)  10,44666  0,5760 ( indice prim )  6,004 mdd
Y '  8,109  0,08991 ( 27)  10,53657  1,1440 ( indice ver )  12,027 mdd
Y '  8,109  0,08991 ( 28)  10,62648  1,5225 ( indice oto)  16,143 mdd

Pronósticos de Series de Tiempo

Cargado por

Copyright:

Formatos disponibles

Pronósticos de Series de Tiempo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pronósticos de Series de Tiempo

Cargado por

Copyright:

Formatos disponibles

Pronósticos de Series de tiempo.

Una serie de tiempo es un grupo de datos registrados durante un periodo

Aquí trataremos el uso de los datos para proyectar eventos futuros.

Componentes de una serie de tiempo.

Una serie de tiempo consta de cuatro componentes: tendencia, variación

Por lo tanto la tendencia secular es la dirección uniforme de una serie de

Los siguientes son varios ejemplos de una tendencia secular.

 Home Depot se fundó en 1978, y es el minorista más grande de Estados

La tendencia secular a largo plazo es de crecimiento ya que desde 1993 a

 El número de casas prefabricadas enviadas en Estados Unidos presentó

Envío de casas prefabricadas en USA (1990 a 2009)

La tendencia secular a largo plazo es de decrecimiento ya que desde 1990 a

El segundo componente de una serie de tiempo es la variación cíclica. Un ciclo

El tercer componente de una serie de tiempo es la variación estacional.

La variación estacional son patrones de cambio en una serie de tiempo en un

Muchos analistas prefieren subdividir la variación irregular en variaciones

La tendencia de largo plazo de muchas series de negocios, como ventas,

Ecuación de tendencia lineal Y '  a  bt

Y ' es el valor proyectado de la variable Y de un valor seleccionado de t.

Para formular la ecuación de una recta hay que determinar a y b con el

La siguiente es la producción anual de sillas mecedoras grandes de Rosen,

a) Trace los datos de la producción en un diagrama de dispersión.

Código Año Producción tY

 tY   Y  t  / n 365  70  36 8

Ecuación de tendencia lineal Y '  3,3928  1,1905  t

c) 1,1905 (miles) de sillas mecedoras por año.

Y '  3,3928  1,1905  t

En el análisis anterior la atención se centró en una serie de tiempo cuyo

Los datos que aumentan (o disminuyen) en cantidades crecientes durante un

Ecuación de tendencia logarítmica log Y '  log a  log bt 

 t log Y   log Y  t  / n

Las ventas de MAGAZA desde 2015 son:

Año Ventas (millones de dólares)

a) Determine la ecuación de la tendencia logarítmica.

A continuación aparecen las ventas trimestrales de Toys International de 2004

b) Determine los índices estacionales trimestrales con el método de la razón

c) Desestacionalice los datos (ventas desestacionalizadas) y grafíquelos en el

Los datos desestacionalizados, que se ilustran en la gráfica, parecen seguir

La ecuación de la tendencia desestacionalizada es Y '  a  bt

La pendiente de la recta de tendencia es 0.08991. Esto indica que durante los

También podría gustarte