Est adstica

AO DE LA INVERSIN PARA EL DESARROLLO RURAL Y LA SEGURIDAD ALIMENTARIA

FACULTAD: Ciencias Administrativas CICLO: V PROFESOR: TEMA: Series Temporales INTEGRANTES: Atoche Lpez, Cirly Cahuaza Maldonado, Antony Alexander Carrasco Chorres, Jaqueline Ramos Zapata, Samir Robles Viera, Evelin Villegas Almestar, Catia

Est adstica

INDICE Introduccin ..3 Definicin.. 4 Aplicacin......... 4 Representacin 4 Importancia de su estudio.. 5 Anlisis clsico - Movimientos caractersticos 6 a) Tendencia Secular.. 7 b) Variacin Estacional.. 8 c) Fluctuaciones Cclicas... 8 d) Movimientos Irregulares 9 Mtodos de anlisis de una serie de tiempo 10 Determinacin de la Tendencia 11 a) Mtodo de los Promedios Mviles 12 b) El Mtodo de Mnimos cuadrados 14 Anlisis de Variaciones Estacionales 15 Variacin estacional: determinacin, eliminacin y estudio 18 Variaciones cclicas.. 23 Prediccin Estadstica. 24 Mtodos de Prediccin Estadstica 25 Caractersticas de la prediccin Estadstica.. 27 Bibliografa. 28

Est adstica

SERIES CRONOLGICAS INTRODUCCIN Una serie de tiempo es una sucesin de observaciones de un fenmeno que es variable con el tiempo. El trmino se aplica, por ejemplo a indicadores econmicos tales como el producto nacional bruto, ndice de produccin industrial..., y a otras variables, tales como la inscripcin en instituciones de enseanza, la poblacin de una zona, la precipitacin de aguas de lluvia en una determinada regin... Una serie de tiempo describe las variaciones de valores de la variable en el tiempo y tales variaciones son resultado del comportamiento aleatorio de la variable. Si una serie muestra alguna tendencia o configuracin durante un periodo prolongado del pasado, sera sensato suponer que tales configuraciones o regularidades seguirn existiendo en el futuro. Esto ofrece una base razonable para la previsin o las inferencias, que es el principal objetivo del anlisis de las series de tiempo. Las observaciones del fenmeno que aparece en la serie de tiempo estn fuertemente correlacionadas, con una correlacin que aumenta a medida que el intervalo de tiempo entre un par de observaciones decrece. Por lo tanto los datos de una serie de tiempo violan a menudo las suposiciones bsicas de independencia que se requieren para los mtodos estadsticos descritos hasta ahora. No existe un mtodo nico de anlisis de la serie de tiempo. La representacin grfica principal de una serie de tiempo es su grfico temporal que se construye situando los valores que toma la serie en el eje de ordenadas y los instantes temporales correspondientes a estos valores en el eje de abscisas.

DEFINICION: Una serie de tiempo o serie cronolgica es un conjunto de observaciones hechas en momentos determinados, generalmente a intervalos iguales. 4

Est adstica

El conjunto de observaciones se simbolizan: y(t 1), y(t2), .....y(tn) donde: t1, t2, t3....., tn son sucesivos instantes o tiempos determinados (meses, das, trimestres, etc.) "Y" es la variable cuyo comportamiento a travs del tiempo se desea estudiar o sea que la serie de tiempo es una serie estadstica (informacin cuantitativa) cuyos valores han sido observados en el tiempo. Matemticamente la serie puede simbolizarse como una funcin y = f(t i); donde ti es la variable independiente: tiempo. Las variables que intervienen pueden ser : aos, meses, das, horas, quinquenios, etc (t). Trabajando generalmente con intervalos iguales e " y": totales, promedios ndices, etc. APLICACIN: La teora y anlisis de las series de tiempo pueden ser aplicados a mltiples campos, pudiendo afirmarse que todo hecho representable cuantitativamente y que sucede a lo largo de un perodo de tiempo puede estudiarse como una serie de tiempo: podemos mencionar como ejemplo: Temperatura ambiente- temperatura de los enfermos- electrocardiogramas-Movimiento demogrfico- Accidentes de trabajo- cantidad de pasajeros transportados- Series Meteorolgicas- Monto de Ventas - Precios minoristas - Mayoristas- Montos de produccin agrcola, ganadero o industrial - volumen de exportaciones e importaciones - Crecimiento - Poblacin, etc. REPRESENTACION GRAFICA: La representacin grfica en s, de una serie de tiempo no ofrece mayores problemas, en el eje de las abcisas se indica el tiempo y en el de las ordenadas se miden los valores de las variables en estudio. La dificultad principal radica en la eleccin delas escalas adecuadas del tiempo y particularmente de la variable. En efecto, una modificacin en la escala vertical produce una deformacin de la grfica respectiva. Lo que en un grfico puede representarse como una variacin importante, puede verse reducida en otro a una variacin insignificante debido a un cambio de escala. Debe existir una relacin lgica entre el campo de variacin de la variable y la unidad de la escala. En muchos casos, cuando el rango de la variable es muy amplio o cuando se desea comparar, grficamente dos o ms series de distinta magnitud, conviene utilizar escalas logartmicas para el eje de las ordenadas. 4

Est adstica

Debe tenerse en cuenta que una correcta representacin grfica es un paso previo de un anlisis ms profundo. IMPORTANCIA DE SU ESTUDIO: Las series de tiempo hacen referencia, la mayor parte de las veces, a fenmenos econmicos, dando esto una primera idea de la importancia de su estudio. Una de las principales tareas que afronta un empresario, funcionario o un investigador es el planeamiento futuro. Esta tarea es sumamente difcil pues se trabaja en un terreno donde se corren muchos riesgos. Sin embargo, si se desea progresar social, econmica, comercial y an cientficamente es necesario que alguien tome la responsabilidad de adelantarse al futuro y hacer predicciones con respecto a la actividad futura. Si pensamos en estas predicciones futuras vemos que las mismas deben basarse en el pasado, o sea que conviene siempre analizar la experiencia del pasado y lo que ocurre en el presente, para hacer un esfuerzo y predecir lo que puede suceder en un futuro incierto. 4

Est adstica

Un empresario, socilogo, demgrafo, o economista, entonces debe evaluar el pasado, analizar la informacin estadstica del mismo para lograr un conocimiento del fenmeno que luego le permita proyectarse hacia el futuro. Ahora bien, toda esa informacin estadstica se va recogiendo en sucesivos instantes de tiempo o sea que su estudio no es ms que el estudio de una serie de tiempo. En este caso slo veremos los fundamentos del anlisis clsico desde el punto de vista descriptivo; en los ltimos aos se han hecho progresos importantes en la aplicacin de teoras ms avanzadas a los problemas de diagnstico y previsin. En resumen el propsito del anlisis de una serie de tiempo es efectuar en base a datos empricos o histricos, una prediccin, cuando ms no sea aproximada acerca del desarrollo futuro del problema considerado. Esta operacin llamada " prediccin estadstica" se ha convertido en los ltimos tiempos en la base de la planificacin. Las series adquieren an ms importancia, si pensamos en la coyuntura de un sistema econmico, pues para su estudio es necesario analizar un conjunto de series y estudiar la relacin existente entre las mismas. Anlisis clsico - Movimientos caractersticos. En una serie de tiempo cada uno de los valores que toma la variable " y" considerada es el resultado de la interaccin de un conjunto de " factores" o " fuerzas" cambiantes y naturales (sociales, econmicas, climatolgicas, etc. ) que actan sobre el fenmeno en estudio. Surgen luego dos preguntas: Cules son los factores que determinan los movimientos de las series? y en que forma actan?. La investigacin de estas fuerzas suelen facilitarse si se descomponen los movimientos de la serie de tiempo de la siguiente forma: a) Tendencia secular: T b) Variacin estacional: E c) Fluctuacin Cclicas: C d) Movimientos irregulares o residual: I Interpretaremos, previo al estudio de un mtodo de anlisis, estos cuatro elementos de variacin: 4

Est adstica

a) Tendencia Secular: Indica la direccin predominante de la serie observada en un largo perodo de tiempo. Es el comportamiento promedio, por decirlo as, de la serie de tiempo. Grficamente suele representarse por una lnea recta o curva suave, pudiendo darse como ejemplos los siguientes casos.

b) Variacin Estacional: Es un movimiento peridico, con un perodo fijo, donde la unidad del periodo es un ao o menos (trimestre, mes, da). Las principales fuerzas que causan variaciones estacionales son los factores climticos. Numerosas variables son influidas por las estaciones del ao, fiestas, disposiciones legales que entran a regir en determinadas pocas del ao, etc. En economa las causas climticas determinan los ciclos vegetativos los que a su vez influyen en la produccin, ocupacin. De manera que estas variaciones se repiten ao a ao. La variacin estacional se expresa usualmente con nmeros ndices haciendo que el promedio de los mismos sea 100%.

Est adstica

Ao I

Ao II

Ao III

Ao IV

c) Fluctuaciones Cclicas : Estas fluctuaciones no se repiten peridicamente, como las variaciones estacionales. Ni tampoco se comportan fortuitamente como lo hacen los movimientos irregulares. Los ciclos de una serie especfica generalmente muestran un patrn amplio que indica repeticin, pero siempre contienen algunas diferencias en duracin e intensidad. Cuando a lo largo de la serie aparecen ciclos que abarcan un perodo de tiempo mayor que el ao, se est en presencia de las llamadas fluctuaciones cclicas. Sealan las expansiones (ascensos) y las contracciones (descensos) de los movimientos de una serie alrededor del valor nominal. en cada ciclo tenemos las cspides (valores ms altos) y una sima (valor ms bajo). La duracin del ciclo se mide por el nmero de unidades de periodo que transcurren de una cspide previa a la siguiente. Las fuerzas que son responsables de las fluctuaciones cclicas son numerosas y complejas, pero son fundamentalmente factores econmicos: por ejemplo: niveles de inversin, produccin, consumo y gastos del sector pblico, que originan los intervalos de prosperidad, retroceso, depresin y recuperacin de la economa.

Ao I

Ao II

Ao III

Ao IV

Est adstica

d) Movimientos Irregulares: Son los movimientos de las series que no definimos como de tendencia, estacionales o cclicas, por eso tambin se los suele llamar residuales. Las fuerzas que provocan estos movimientos lo hacen con carcter aleatorio o accidental. Algunas de estas fuerzas son muy dbiles para ser notadas, en consecuencia, los movimientos irregulares no pueden ser aislados en el anlisis y se combinan con las fluctuaciones cclicas. Sin embargo otras fuerzas, tambin ocasionales, provocan grandes movimientos irregulares (huelgas, guerras, inundaciones, terremotos, etc.) entonces pueden ser separados del movimiento cclicos e investigarse su efecto en particular. Estos cuatros componentes o movimientos, por consiguiente, son las que en forma conjunta dan lugar a que el fenmeno observado se presente con una mayor o menor intensidad en cada instante de tiempo. Ahora bien, lo que no puede saberse con certeza es cmo se combinan o de qu forma unen sus fuerzas cada una de las componentes con las otras para dar como resultado un determinado valor de la variable (Y i) en el instante observado (ti ).

Mtodos de anlisis de una serie de tiempo Para poder analizar una serie de tiempo, el paso inicial que se debe llevar a cabo es el aislamiento de las componentes que la conforman.. Para descomponer una serie, debemos suponer que existe cierta relacin entre sus cuatro componentes, es as que tenemos una serie que se puede expresar a travs de un modelo aditivo; que se expresa: Y=T+E+C+I; o de la forma Y=TECI que es el modelo multiplicativo; donde: Y valores observados reales T, E, C e I los movimientos tratados. El modelo aditivo supone que los cuatro componentes son independientes unos de otros. Esto significa que los componentes individuales son los resultados de cuatro fuentes independientes de causas. As por ejemplo, por alto o por bajo que sea el valor de la tendencia no afectar a la variacin estacional o a la fluctuacin cclica. El modelo multiplicativo supone que las cuatro componentes se deben a diferentes causas, pero tambin que se relacionan entre s. 4

Est adstica

Si bien, es posible que una u otra forma de la funcin podran aplicarse con mayor fundamento en uno u otro campo, podemos utilizar para series econmicas y demogrficas la hiptesis que las diversas componentes contribuyen en forma aditiva en la composicin de los valores (Yi) de la serie. Luego el tratamiento de una serie consistir en este curso, en poner de manifiesto aislando o eliminando cada movimiento, comenzando con la T y E. Debido a la dificultad que presenta el tratamiento de los ciclos anuales, es corriente que primero se determina T y se la elimina de los valores observados Y - T = E + C +I, luego se procede igual con E: Y - T - E = C + I tratando al resultado como movimiento cclico e irregular conjuntamente. Grficamente las distintas situaciones en una serie ideal seran:
Serie Original y = T+ E + C+ I

Tendencia: T = a + b.t

Est adstica

Serie Original eliminada la tendencia y -T= E + C+ I

Componente Estacional

F M

S O

Determinacin de la Tendencia La determinacin de la tendencia tiene gran importancia en el estudio del comportamiento de la serie, y ms an en la previsin del movimiento futuro del fenmeno ya que resulta lgico suponer que si no ocurren movimientos imprevisibles intensos, la tendencia continuar actuando como una ley permanente del fenmeno, permitiendo, mediante una extrapolacin, tener un valioso elemento de previsin del desarrollo futuro del fenmeno. Mencionamos dos mtodos de determinacin de la Tendencia. A) Mtodo de los Promedios Mviles : Consiste en sustituir los valores de la serie original por otra serie-ficticia del promedio o medias mviles que tendr menos oscilaciones que la serie original. Este mtodo trata de hallar la tendencia secular diluyendo la importancia individual de cada observacin, promedindola mediante una media aritmtica con un grupo de observaciones inmediatamente anteriores y posteriores. Cada valor de Y, por lo tanto, vendr sustituido por un valor promedio cuyos trminos irn variando mecnicamente, eliminndose para cada grupo la primera observacin del grupo anterior y agregando la observacin siguiente. 4

Est adstica

La cantidad de valores que intervienen en el clculo de este promedio se llama orden del promedio mvil. La necesidad de seleccin de un orden para el clculo de los promedios mviles es que segn como estn dados los datos en forma bimestral, trimestral, anual, se requiere de una anualizacin del movimiento, es as que se distinguen dos casos: A-1: el orden es impar, el procedimiento es el siguiente: ORDEN = 3.
t i : t1 t 2 t 3 t 4 t 5 t 6 t 7 t 8 y i : y1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 yi : y1 y 2 y 3 y 4 y 5 y 6

Siendo:

y1 =

y1 + y 2 + y 3 3

y2 =

y2 + y3 + y 4 3

y as sucesivamente se calculan las medias mviles de orden 3. Se observa que siempre quedarn sin determinar algunos valores de la media mvil al principio y al final de la serie. Si el orden es m , el mtodo no puede ser aplicado para los m/2 primeros datos ni a los ltimos m/2 datos cuando m es par. Si m es impar, el mtodo no es aplicable a los (m - 1)/2 primeros datos ni a los ltimos (m - 1)/2 datos. En este caso, cuando m = 3, no se obtienen estimaciones sobre (3 - 1)/2 datos al principio y al final de la serie, sea, se pierden una estimacin al principio y otra al final: no se asocia la media mvil al primero y al ltimo dato. A-2: el Orden es Par: En este caso es necesario calcular otra nueva serie de medias mviles de tamao dos, sobre la primeramente hallada, con el objeto de centrar los datos en los momentos originales, ya que al calcularse la primera serie, dichos momentos quedan desplazados. Es decir para m=4 tendremos:
t i : t1 t 2 t 3 t 4 t 5 t 6 yi : y1 y2 y3 y 4 y5 y6 y 7 yi : y1 y2 y3 y4 i: y 1 y 2 y 3 y

donde:

Est adstica

y1 + y2 + 4 y + y + y2 = 2 3 4 y + y + y3 = 3 4 4 y + y + y3 = 4 5 4 y1 =

y3 + y4 y4 + y5 y5 + y6 y6 + y7

y1 + y2 2 y y3 2 + 2 = y 2 y y4 3 + 3 = y 2 1 = y

Como m = 4, se pierden los dos primeros y los dos ltimos valores. La representacin grfica de la serie de los promedios mviles resulta, en general, suavizada respecto de la original. A menudo conviene calcular promedios mviles de distintos rdenes m, para determinar el que produce mejor suavizacin. El mtodo es interesante cuando se desea investigar la existencia de ciclos puesto que si se toma m igual al perodo del ciclo, se obtiene el mximo suavizado. Esto como veremos ms adelante, constituye tambin la base de uno de los mtodos para obtener las variaciones estacionales, cuando los datos son mensuales y m = 12. El mtodo de las medias mviles es de aplicacin muy simple, aunque tericamente presenta inconvenientes que hacen preferir un mtodo analtico cuando se desea obtener una determinacin ms precisa de la tendencia secular, principalmente cuando se persiguen propsitos de prediccin estadstica. En efecto, este mtodo presenta dos inconvenientes en primer lugar, quedan al principio y al final de la serie, valores sin determinar; en segundo lugar no se obtiene una expresin analtica, y por lo tanto, no se puede extrapolar. B- El Mtodo de Mnimos cuadrados. Existen muchos mtodos para ajustar tendencias a datos una serie de tiempo. En general, cuando ajustamos una lnea a un conjunto de datos, deseamos que el ajuste sea estrecho, esto significa que las desviaciones de las observaciones con relacin a la lnea sern pequeas. El mejor procedimiento para determinar la Tendencia es proceder a un ajuste analtico, o sea determinar la ecuacin de una lnea que pase por las proximidades (en promedio) de los valores observados de la serie. Podemos aplicar el mtodo visto en Regresin que fue el de "Mnimos Cuadrados".

yi = a + bx i

esto para una regresin lineal

Est adstica

por lo tanto para una serie de tiempo ser:

Ti = a + bt i a=
yi

ti

= y bt

b=

yt - nyt t 2 nt 2

Pero si el nmero de aos es impar al ao del medio le damos el valor cero de la siguiente manera: Aos: ti : n=7 en consecuencia t i = 0 y t = 0 Si el nmero de aos es par procedemos de la siguiente manera: ao ti : n=4 Vemos que siempre se puede lograr: t i = 0 Luego para la recta tendremos: 1968 -3 -2 1969 -1 0 1970 1 2 1971 3 1967 1968 1969 1970 1971 1972 1973 -3 -2 -1 0 1 2 3

t= 0
a =y b=
yt t 2

Los puntos por los cuales pasar la recta de tendencia, son los que surgen de aplicar a la frmula los valores de la variable de clculo obtenindose as los valores que representan una forma de variacin ms uniforme. Anlisis de Variaciones Estacionales Se aplicar el procedimiento visto de los promedios mviles cuyos distintos pasos se seguirn a travs del siguiente ejemplo: La tabla N1 muestra las ventas (en miles de pesos ) de una empresa durante el perodo 1977 - 1982. Tabla 1 - Ventas en miles de pesos durante 1977 - 1982.Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre 1977 14.5 12.5 15.5 15.0 11.5 11.0 11.5 10.0 11.0 12.5 1978 17.0 15.5 16.0 17.5 14.5 12.5 12.0 9.5 10.5 13.5 1979 17.5 15.0 12.5 15.5 13.5 10.5 13.0 11.0 11.0 15.0 4 1980 19.5 12.5 17.5 15.5 13.5 11.5 11.5 10.5 10.0 12.5 1981 18.5 14.5 13.5 16.5 13.0 12.0 12.5 12.0 12.0 14.5 1982 21.0 14.0 14.5 16.0 12.0 11.0 12.5 10.0 11.5 15.5

Est adstica

Noviembre Diciembre 1) Representacin Grfica.25 23 21 1 9 1 7 1 5 1 3 1 1 9 7 5 76 77 78 79

17.5 18.5

19.5 18.5

21.0 22.5

15.5 19.5

19.5 23.5

18.5 23.0

80

81

82

83

2) Determinacin de la tendencia por series de promedios mviles. Se trata de reemplazar los valores mensuales de esta serie por otra serie constituida por los promedios mviles de orden 12 de nuestra serie, se escriben los valores observados en forma sucesiva y se construye la correspondiente tabla de clculo (tabla 2) segn la prctica expuesta anteriormente. Tabla 2 - Clculo promedios mviles de orden 12.
(1) Aos 1977 (2) Meses E F M A M J J A S O N D 1978 E F M A M J J A S O (3) Ventas 14.5 12.5 15.5 15 11.5 11 11.5 10 11 12.5 17.5 18.5 17 15.5 16 17.5 14.5 12.5 12 9.5 10.5 13.5 160.5 163 166 166.5 169 172 173.75 174 174 173.5 174.5 176.5 177.5 178 177.5 174 161.75 164.5 166.25 167.25 170.5 172.75 173.75 174 173.75 174 175.5 176 177.75 177.75 175.75 173 (4) (5) (6)

13.47 13.71 13.85 13.98 14.21 14.39 14.48 14.5 14.48 14.5 14.62 14.67 14.81 14.81 14.64 14.42

En forma similar se completa la tabla hasta llegar al ao 1982. 4

Est adstica

Las columnas de esta Tabla 2 se obtienen del modo siguiente: La (4) recoge la suma de 12 datos de la (3); por ejemplo, la primera cifra de 160,5 es la suma de los datos de enero a diciembre, ambos inclusive, de la columna (3). La cifra siguiente de la columna (4); 163,0 es la suma de los datos de febrero de 1977 a enero de 1978, ambos inclusive, y as sucesivamente de la misma columna, basta aadirle la cifra siguiente de la columna (3) y restarle la primera de las 12 utilizadas anteriormente. As 163, 0 = 160, 5 + 17, 0 - 14,5 166, 0 = 163, 0 + 15, 5 - 12,5 ...etc. En la columna (5) se escriben los promedios de cada dos valores sucesivos de la columna (4). As
160,5 + 163,0 2 163,0 + 166,0 2

161,75 =

; 164 ,5 =

;etc...

Operacin sta que tiene por objeto centrar la suma de los sucesivos perodos de 12 meses. Por ltimo la columna (6) da los promedios mviles, como resultados de dividir los datos de la (5) por 12 por ejemplo: 161,75/12 = 13,47. Los datos de la columna (5) constituyen la tendencia de la serie cronolgica determinada por el mtodo de promedios mviles que tiene la ventaja sobre la serie dada de haber eliminado la influencia de la componente estacional tal como puede observarse en la Fig. 3 donde se ha representado la misma.

Est adstica

Tabla 3 - Serie de promedios mviles Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
25 23 21 1 9 1 7 1 5 1 3 1 1 9 7 5 76 77 78 79 80 81 82 83

1977

13,47 13,71 13,85 13,98 14,21 14,39

1978 14,48 14,50 14,48 14,50 14,62 14,67 14,81 14,81 14,64 14,42 14,29 14,17

1979 14,08 14,23 14,31 14,39 14,52 14,71 14,92 14,89 15,00 15,21 15,21 15,25

1980 15,23 15,14 15,03 14,94 14,60 14,27 14,12 14,17 14,08 13,96 13,98 13,98

1981 14,04 14,14 14,29 14,46 14,71 15,02 15,29 15,39 15,42 15,44 15,37 15,29

1982 15,25 15,17 15,06 15,27 15,06 15,02

Variacin estacional: determinacin, eliminacin y estudio. El anlisis de las variaciones estacionales tiene por objeto determinar oscilaciones de perodo corto, inferior o igual al ao por lo general, que son de mximo inters para el economista o empresario, para la mejor organizacin de sus actividades operativas. En una segunda fase se trata de eliminar tales variaciones de los datos observados que permitan apreciar de cierto modo la influencia de causas importantes de variacin en las series cronolgicas. La dificultad principal del anlisis de la componente estacional radica en el hecho de que en la prctica tal variacin no es idntica en el transcurso de los aos, bien sea porque se desplaza de un mes a otro, o porque vara de intensidad. Muchos y variados son los mtodos preconizados por la estadstica para determinar la variacin estacional, basados unos en la hiptesis aditiva y otros en la multiplicativa. Todos ellos tratan de aislar la variacin estacional eliminando las otros componentes, por resta 4

Est adstica

algebraica o por cociente, segn sea la hiptesis inicial de combinacin. Deben, pues, ser eliminada la tendencia secular y las variaciones accidentales. Cuando el perodo de estudio es corto, la variacin cclica puede suponerse incluida en la tendencia, por lo cual, al eliminarse sta, queda tambin eliminada aquella. De todos los mtodos usuales se expondr slo uno, basado en la hiptesis aditiva, denominado "Mtodo de las medias mensuales". El problema que nos proponemos resolver, es el de encontrar una curva tal que en el eje de las abcisas, estn representados los meses del ao, por ejemplo ( t= 1, 2, 3, ....12) y en las ordenadas, la variacin promedio correspondiente a cada uno de los meses del ao, prescindiendo por cierto de otro tipo de variaciones, ya sean tendenciales, cclicas (no anuales) o accidentales (aleatorias). Determinada la tendencia, bien sea mediante un ajuste analtico, bien mediante el mtodo de promedios mviles, la variacin estacional puede determinarse a travs de los siguientes pasos: 1) Se determinan las desviaciones de los datos de la serie respecto a la tendencia o sea, la diferencia entre los datos y el valor correspondiente a la tendencia. De esta manera se elimina la tendencia.

y i Ti = E + C + I
2) Se calculan las medias aritmticas de las desviaciones correspondientes a todos los eneros, todos los febreros, etc. Este paso tiende a eliminar la componente cclica e irregular quedando nicamente la componente estacional. 3) Se redondean estas medias y los resultados son la estimacin de la variacin estacional para cada mes. El mtodo de clculo se desarrolla mediante el proceso que se expone a continuacin reflejados en la tabla 4, en la que se ha prescindido del ao inicial 1977, por no disponer de datos para la tendencia de sus primeros - seis meses y del ltimo ao 1982 por ocurrir lo mismo para el ltimo semestre de dicho ao. Se puede usar suma cuando los eneros tienen valores muy grandes. Tabla 4 - Clculo de las variaciones estacionales.

E = Yi Ti
4

Est adstica
Medias
Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 1978 2.52 1 1.52 3 -0.12 -2.17 -2.81 -5.31 -4.14 -0.92 5.21 4.33 1979 3.42 0.77 -1.81 1.11 -1.02 -4.21 -1.92 -3.89 -4 -0.21 5.79 7.25 1980 4.27 -2.64 2.47 0.56 -1.1 -2.77 -2.62 -3.67 -4.08 -1.46 1.52 5.52 1981 4.46 0.36 -0.79 2.04 -1.71 -3.02 -2.79 -3.39 -3.42 -0.94 4.13 8.21 T otales 14.67 -0.51 1.39 6.71 -3.95 -12.17 -10.14 -16.26 -15.64 -3.53 16.65 25.31 mensuales 3.668 -0.128 0.348 1.678 -0.988 -3.043 -2.535 -4.065 -3.910 -0.883 4.163 6.328 0.632

Variacin
Estacional 3.615 -0.180 0.295 1.625 -1.040 -3.095 -2.588 -4.118 -3.963 -0.935 4.110 6.275 0.000

Las cuatro primeras columnas han sido obtenidas restando de los datos iniciales (Tabla 1) los valores de la tendencia (tabla 3) diferencias que resultan positivas y negativas. As para Enero de 1977 tenemos 17 - 14,48 = 2,52 Febrero de 1977 tenemos 15,5 - 14,5 = 1,00 La columna de totales es la suma algebraica de todos los eneros de todos los febreros, etc. La columna de medias mensuales se obtiene dividiendo los valores de los totales por 4, que es el nmero de aos utilizado. Por ltimo, la columna " variacin estacional" es la misma que la de medias despus de someter los valores de sta a un redondeo que hace que las sumas de las variaciones estacionales sea cero, que se efecta de la forma siguiente: Se suma la columna de medias y se divide esta suma por 12. Si el resultado es positivo se resta de cada una de las medias mensuales y si es negativo se suma. En nuestro caso el total de medias vale 0,1150 y por lo tanto 0,1150/12 = 0,0095. Este valor se resta algebraicamente a la columna de medias y el resultado se redondea a dos cifras decimales, que es la aproximacin con que venan dados los datos iniciales, conservando la segunda cifra decimal o forzndola en una unidad, 4

Est adstica

segn que las dos ltimas formen un nmero menor o mayor que 50 respectivamente. As pues: 3,6675 - 0,0095 = 3,6580 = 3,66 - 0,1275 - 0,0095 = 0,1370 = -0,14 6,7025 - 0,0095 = 6,6930 = 6,69 Se puede representar ahora la variacin estacional en un grfico, en el que como abscisa se toman los distintos meses y en ordenadas los valores obtenidos. Resulta as la figura 4.
Componente Estacional

F M

Observando la figura 4 es posible tener una idea de la variacin estacional, pues se ve que acusa un incremento fuerte de las ventas en enero, ligera depresin en febrero y muy acusado descenso en junio y agosto con una ligera recuperacin de marzo y julio y un fuerte aumento en abril, octubre, noviembre y diciembre. Este mtodo tiene adems la ventaja de dar una medida numrica de la intensidad de la variacin estacional, por encima o por debajo de la lnea de dependencia general, ya que como se recordar el mtodo implica el clculo de promedios mensuales de desviaciones respecto a la tendencia. Los resultados obtenidos con el anlisis numrico de la serie cronolgica podran haberse establecido intuitivamente de conocerse cul es la evolucin de las ventas. Pero no siempre la variacin de los datos de una serie obedecen a causas conocida en cuyo caso la determinacin de la tendencia y la aparicin de las variaciones estacionales, sern causas para inducirnos a investigar las razones de tal tendencia y de tales variaciones, por lo que el anlisis de la serie cronolgica es un primer paso en tal investigacin y para poner en ejecucin los medios que contrarresten el aspecto desfavorable de la misma, tal como lanzar una campaa publicitaria oportunamente para detener o atenuar la depresin estacional en el caso de ventas o ampliar la 4

Est adstica

capacidad de produccin para satisfacer una demanda creciente de consumo etc. Adems debe reflexionarse en el hecho de que el proceso estadstico nos da una medicin de la intensidad de la variacin del fenmeno, lo cual ya justifica por s solo el estudio numrico efectuado. Finalmente, los mtodos de anlisis estudiados (que no son los nicos) constituyen una base previa de otro mtodo estadstico de investigacin que es la comparacin entre varias series cronolgicas de fenmenos distintos con el objeto de indagar si las variaciones de una incluyen en la otra y si son simultneas en el tiempo o en una precede a la otra en un cierto tiempo. Problemas todos ellos para los cuales la Estadstica ha dado mtodos de resolucin cuya importancia en el quehacer diario de los economistas, empresarios, etc., es necesario destacar. Conclusin: La determinacin de la tendencia y la componente estacional puede servir, como lo hemos destacado con los ejemplos, para describir la marcha de un fenmeno a travs del tiempo, pero en la mayor parte de las ocasiones, es solo una fase previa de un estudio ms profundo. De todas maneras, esta fase previa es necesaria para cualquier descripcin que se encare. VARIACIONES CCLICAS: El problema de las variaciones cclicas, es decir la determinacin de la curva que represente en promedio la o las componentes de naturaleza peridica que estn contenidas en la funcin correspondiente a la serie en estudio, es una de las cuestiones ms complejas de la Estadstica. El tratamiento elemental de este tema se reduce a construir la curva que resulta de eliminar la tendencia y la componente estacional, por cierto que la curva resultante contendr tambin a la componente aleatoria, por lo cual no siempre es posible identificar los ciclos. Hay sin embargo, casos en que la simple observacin del grfico pone de manifiesto la existencia de una tendencia a la periodicidad. Queda an la cuestin de ciclos de distinta longitud de onda, los cuales daran una curva que no es necesariamente peridica, esta es la dificultad mayor.

Est adstica

Ahora bien, si hay una onda de amplitud e intensidad suficiente para destacarse sobre las otras, el modelo matemtico del ciclo perfecto, que adoptaramos, es el armnico, que tiene la expresin:

y = a sen

2 ( t ) T

1. donde a, y T son constantes, " a" es la amplitud, o sea la ordenada del mximo y " -a" ser la ordenada del mnimo, que los alcanza, respectivamente cuando se tiene: t - 1/4 T + y t=3/4 T + , T es el perodo es decir el intervalo de t correspondiente a una onda completa, es la fase, o sea la distancia del origen al punto inicial del ciclo.

a
/4+ /2+

Componente Cclica 3/4+ +

En economa, un ciclo es grficamente una onda compuesta por cuatro partes que se repiten en el mismo orden: 1) Prosperidad, constituida por una rama ascendente de la curva, que va desde la lnea tendencial hasta llegar a un punto mximo: el ptimo del proceso; 2) Sigue al mximo un perodo de Descenso de la curva, tendiente a volver a los valores normales, la crisis es el punto final del descenso e inicial de la depresin. 3) Depresin, el proceso de descenso no se detiene y contina por debajo de los valores tendenciales hasta alcanzar un mnimo. 4) A partir de este mnimo se produce la Recuperacin, que es un movimiento ascendente hacia los valores normales. El proceso contina en forma anloga. Los ciclos econmicos han sido clasificados por su perodo, en ciclos medianos largos y cortos, los largos son de duracin prxima al medio siglo y parecen tener repercusin mundial, los ciclos medianos oscilan alrededor de la dcada, y los cortos duran pocos aos. Para la determinacin de los ciclos, en primer lugar habr que definir el periodo o longitud de onda, que es el problema que ms dificultad presenta. Luego queda como segunda cuestin el clculo de la ecuacin de la curva que representa la onda cclica. Para encarar estos problemas hay varios procedimientos 4

Est adstica

que constituyen el anlisis armnico; que no ser objeto de estudio en este curso. Prediccin Estadstica: El objetivo de toda teora cientfica es la prediccin, es decir, poder formular racionalmente inferencia respecto al comportamiento futuro de los hechos que son materia de estudio. Por cierto que la palabra prediccin no es usada en el sentido que se da vulgarmente de adivinar, sino de inferir el ms probable comportamiento de los hechos en base al conocimiento de la estructura e interdependencia en el desarrollo cronolgico de los mismos, constatado en el pasado y en el presente. Los fenmenos que son motivo de estudio de las disciplinas cientficas generalmente se nos presentan como formados por dos componentes: una sistemtica, sujeta a leyes precisas y la otra aleatoria o que aparenta serlo frente a nuestro conocimiento. El progreso cientfico puede, en muchos casos, reducir o hacer desaparecer la parte aleatoria, obteniendo as las leyes cientficas. En la fsica clsica, por ejemplo, la componente aleatoria es muy pequea respecto a la sistemtica; de all que los resultados de sus predicciones sean sumamente precisos. En otros sectores del conocimiento por ejemplo, en algunos fenmenos econmicos y en gran parte de la Fsica atmica, la componente aleatoria juega un papel importante, siendo imposible prescindir de ella. Las leyes de tipo sistemtico aparecen veladas por la influencia de la parte aleatoria, y se hace difcil aislarlas de sta. La prediccin, en los casos mencionados, se compondr de dos pasos 1) Determinacin de la componente sistemtica. 2) Determinacin de la distribucin de la componente aleatoria. Las caractersticas de esta distribucin, en especial la dispersin, permiten apreciar el valor de la prediccin. La determinacin de la componente sistemtica de la prediccin consiste en general, en una extrapolacin para el futuro, de la relacin entre variables expresadas por funciones, curvas o ecuaciones. Mtodos de Prediccin Estadstica: La prediccin estadstica cuenta con los recursos fundamentales siguientes: a) correlacin. b) Prediccin usando series de tiempo. c) Prediccin mediante modelos dinmicos y procesos estocsticos. 4 Prediccin mediante series de frecuencia y

Est adstica

a) La prediccin mediante las series de frecuencias, suele realizarse cuando se conocen las caractersticas de la distribucin correspondiente a una poblacin y se quiere determinar el futuro comportamiento de esa poblacin. La prediccin se hace suponiendo la permanencia de la distribucin y, por lo tanto, de sus caractersticas, resultando un pronstico del comportamiento promedio de la poblacin. Por ejemplo, cuando un comerciante hace la eleccin de modelos y medidas al formar su stock de mercaderas, necesita realizar una prediccin respecto a la distribucin de las preferencias del pblico. Tambin la teora de la correlacin nos permite realizar interesantes estudios de prediccin, particularmente la correlacin de series temporales que es uno de los mtodos ms eficaces. En particular resulta interesante para la prediccin la correlacin conocida con el nombre de "correlacin de fase", en la cual una de las series se considera desplazada en el tiempo, un cierto intervalo llamado fase. Es claro que si conocemos la correlacin existente y el comportamiento de la primera de las series podemos conocer el comportamiento de la segunda. Son de inters los estudios conocidos con el nombre de barmetros econmicos y ms an los estudios coyunturales. Ambos mtodos tratan de encontrar relaciones dinmicas entre fenmenos econmicos de tal manera que conocido el comportamiento de los fenmenos que podran considerarse como antecedentes se puede predecir el comportamiento del que se considera como consecuencia de aquellos. b) La prediccin por extrapolacin de la tendencia, es una de las formas ms usadas en la prediccin y nos da el comportamiento probable de la tendencia, es una de las formas ms usadas en la prediccin y nos da el comportamiento probable de la tendencia, alrededor del cual oscilarn los valores reales. Componiendo la curva resultante de agregar a la tendencia las variaciones estacionales y cclicas, tenemos el cuadro completo de la prediccin de las series temporales. En lo que se refiere a variaciones estacionales, su uso en prediccin ha sido muy eficaz en los fenmenos tpicamente estacionales. Respecto de los ciclos, puede decirse que son el punto de mayor inters en la prediccin econmica, ya que estn ligados al problema de la determinacin de las probables crisis y dems alternativas de las oscilaciones de la situacin econmica. Es de lamentar que sea el punto ms difcil de la labor predictiva, 4

Est adstica

ya que el estudio de los ciclos no siempre conduce a resultados categricos. c) La teora de los modelos econmicos dinmicos y la ampliacin de los procesos estocsticos han recibido en los ltimos aos un gran impulso, y parecen ser los caminos ms seguros para llegar a conocimiento estructural de los fenmenos econmicos y de otros campos de aplicacin de la estadstica; constituyen, asimismo, los mtodos ms potentes en la realizacin de la prediccin estadstica. Ambos mtodos son, desde hace pocos aos motivo de importantes estudios, lo que permite esperar resultados que han de contribuir a ampliar las posibilidades de la prediccin estadstica. Caractersticas de la prediccin Estadstica: En general, la prediccin estadstica tiene las siguientes caractersticas: a) Las predicciones tienen valor en promedio, por lo que se dice que la prediccin consiste en determinar el ms probable comportamiento promedio de los hechos en un nmero grande de ellos. b) La prediccin es condicional ya que su validez depende de la constancia de las condiciones que se suponen en la prediccin. c) Uno de los progresos tericos ms importantes, ha sido la determinacin de la dispersin en funcin de la distancia del perodo para el cual se quiere hacer la prediccin al presente. Se ha establecido que, en los procesos semideterminsticos, que son los que nos interesan, la dispersin es creciente con el alejamiento del perodo de prediccin respecto al presente. c) La prediccin pierde su valor cuando la componente aleatoria aumenta, es decir, cuando circunstancias imprevistas actan fuertemente.

Est adstica

BIBLIOGRAFIA es.wikipedia.org/wiki/Serie_temporal

www.seh-lelha.org/tseries.htm www.juanantonio.info/p_research/statistics/r/docs/analisis1.1.pdf www.eumed.net/cursecon/libreria/2004/jsf/4.pd www.cibernetia.com/.../MATEMATICAS/ESTADISTICA/SERIES_TEMPOR ALES/1 -