Ctedra: Estadstica-

UNIDAD X SERIES DE TIEMPO

DEFINICION: Una serie de tiempo o serie cronolgica es un conjunto de observaciones hechas en momentos determinados, generalmente a intervalos iguales El conjunto de observaciones se simboli!an: "#t $%, "#t&%, "#tn% donde: t$, t&, t' , tn son sucesivos instantes o tiempos determinados #meses, d(as, trimestres, etc % )*) es la variable cu"o comportamiento a trav+s del tiempo se desea estudiar o sea ,ue la serie de tiempo es una serie estad(stica #in-ormacin cuantitativa% cu"os valores han sido observados en el tiempo .atem/ticamente la serie puede simboli!arse como una -uncin " 0 -#t i%1 donde ti es la variable independiente: tiempo 2as variables ,ue intervienen pueden ser : a3os, meses, d(as, horas, ,uin,uenios, etc #t% 4rabajando generalmente con intervalos iguales e ) "): totales, promedios (ndices, etc 562IC5CI7N: 2a teor(a " an/lisis de las series de tiempo pueden ser aplicados a m8ltiples campos, pudiendo a-irmarse ,ue todo hecho representable cuantitativamente " ,ue sucede a lo largo de un per(odo de tiempo puede estudiarse como una serie de tiempo: podemos mencionar como ejemplo: 4emperatura ambiente9 temperatura de los en-ermos9 electrocardiogramas9.ovimiento demogr/-ico9 5ccidentes de trabajo9 cantidad de pasajeros transportados9 :eries .eteorolgicas9 .onto de ;entas 9 6recios minoristas 9 .a"oristas9 .ontos de produccin agr(cola, ganadero o industrial 9 volumen de e<portaciones e importaciones 9 Crecimiento 9 6oblacin, etc =E6=E:EN45CION >=5FIC5: 2a representacin gr/-ica en s(, de una serie de tiempo no o-rece ma"ores problemas, en el eje de las abcisas se indica el tiempo " en el de las ordenadas se miden los valores de las variables en estudio 2a di-icultad principal radica en la eleccin delas escalas adecuadas del tiempo " particularmente de la variable En e-ecto, una modi-icacin en la escala vertical produce una de-ormacin de la gr/-ica respectiva 2o ,ue en un gr/-ico puede representarse como una variacin importante, puede verse reducida en otro a una variacin insigni-icante debido a un cambio de escala Debe e<istir una relacin lgica entre el campo de variacin de la variable " la unidad de la escala En muchos casos, cuando el rango de la variable es mu" amplio o cuando se desea comparar, gr/-icamente dos o m/s series de distinta magnitud, conviene utili!ar escalas logar(tmicas para el eje de las ordenadas

Ctedra: Estadstica-

Debe tenerse en cuenta ,ue una correcta representacin gr/-ica es un paso previo de un an/lisis m/s pro-undo I.6O=45NCI5 DE :U E:4UDIO: 2as series de tiempo hacen re-erencia, la ma"or parte de las veces, a -enmenos econmicos, dando esto una primera idea de la importancia de su estudio Una de las principales tareas ,ue a-ronta un empresario, -uncionario o un investigador es el planeamiento -uturo Esta tarea es sumamente di-(cil pues se trabaja en un terreno donde se corren muchos riesgos :in embargo, si se desea progresar social, econmica, comercial " a8n cient(-icamente es necesario ,ue alguien tome la responsabilidad de adelantarse al -uturo " hacer predicciones con respecto a la actividad -utura :i pensamos en estas predicciones -uturas vemos ,ue las mismas deben basarse en el pasado, o sea ,ue conviene siempre anali!ar la e<periencia del pasado " lo ,ue ocurre en el presente, para hacer un es-uer!o " predecir lo ,ue puede suceder en un -uturo incierto Un empresario, socilogo, demgra-o, o economista, entonces debe evaluar el pasado, anali!ar la in-ormacin estad(stica del mismo para lograr un conocimiento del -enmeno ,ue luego le permita pro"ectarse hacia el -uturo 5hora bien, toda esa in-ormacin estad(stica se va recogiendo en sucesivos instantes de tiempo o sea ,ue su estudio no es m/s ,ue el estudio de una serie de tiempo En este caso slo veremos los -undamentos del an/lisis cl/sico desde el punto de vista descriptivo1 en los 8ltimos a3os se han hecho progresos importantes en la aplicacin de teor(as m/s avan!adas a los problemas de diagnstico " previsin En resumen el propsito del an/lisis de una serie de tiempo es e-ectuar en base a datos emp(ricos o histricos, una prediccin, cuando m/s no sea apro<imada acerca del desarrollo -uturo del problema considerado Esta operacin llamada ) prediccin estad(stica) se ha convertido en los 8ltimos tiempos en la base de la plani-icacin 2as series ad,uieren a8n m/s importancia, si pensamos en la co"untura de un sistema econmico, pues para su estudio es necesario anali!ar un conjunto de series " estudiar la relacin e<istente entre las mismas 5n/lisis cl/sico 9 .ovimientos caracter(sticos En una serie de tiempo cada uno de los valores ,ue toma la variable ) ") considerada es el resultado de la interaccin de un conjunto de ) -actores) o ) -uer!as) cambiantes " naturales #sociales, econmicas, climatolgicas, etc % ,ue act8an sobre el -enmeno en estudio :urgen luego dos preguntas: Cu/les son los -actores ,ue determinan los movimientos de las series? " en ,ue -orma act8an? 2a investigacin de estas -uer!as suelen -acilitarse si se descomponen los movimientos de la serie de tiempo de la siguiente -orma: a% 4endencia secular: T b% ;ariacin estacional: E

Ctedra: Estadsticac% Fluctuacin C(clicas: C d% .ovimientos irregulares o residual: I Interpretaremos, previo al estudio de un m+todo de an/lisis, estos cuatro elementos de variacin: a% Tendencia Secular : Indica la direccin predominante de la serie observada en un largo per(odo de tiempo Es el comportamiento promedio, por decirlo as(, de la serie de tiempo >r/-icamente suele representarse por una l(nea recta o curva suave, pudiendo darse como ejemplos los siguientes casos

b% Variacin Estacional: Es un movimiento peridico, con un per(odo -ijo, donde la unidad del periodo es un a3o o menos #trimestre, mes, d(a% 2as principales -uer!as ,ue causan variaciones estacionales son los -actores clim/ticos Numerosas variables son in-luidas por las estaciones del a3o, -iestas, disposiciones legales ,ue entran a regir en determinadas +pocas del a3o, etc En econom(a las causas clim/ticas determinan los ciclos vegetativos los ,ue a su ve! in-lu"en en la produccin, ocupacin De manera ,ue estas variaciones se repiten a3o a a3o 2a variacin estacional se e<presa usualmente con n8meros (ndices haciendo ,ue el promedio de los mismos sea $@@A

Ctedra: Estadstica-

Ao I

Ao II

Ao III

Ao IV

c% Fluctuaciones Cclicas: Estas -luctuaciones no se repiten peridicamente, como las variaciones estacionales Ni tampoco se comportan -ortuitamente como lo hacen los movimientos irregulares 2os ciclos de una serie espec(-ica generalmente muestran un patrn amplio ,ue indica repeticin, pero siempre contienen algunas di-erencias en duracin e intensidad Cuando a lo largo de la serie aparecen ciclos ,ue abarcan un per(odo de tiempo ma"or ,ue el a3o, se est/ en presencia de las llamadas -luctuaciones c(clicas :e3alan las e<pansiones #ascensos% " las contracciones #descensos% de los movimientos de una serie alrededor del valor nominal en cada ciclo tenemos las c8spides #valores m/s altos% " una sima #valor m/s bajo% 2a duracin del ciclo se mide por el n8mero de unidades de periodo ,ue transcurren de una c8spide previa a la siguiente 2as -uer!as ,ue son responsables de las -luctuaciones c(clicas son numerosas " complejas, pero son -undamentalmente -actores econmicos: por ejemplo: niveles de inversin, produccin, consumo " gastos del sector p8blico, ,ue originan los intervalos de prosperidad, retroceso, depresin " recuperacin de la econom(a

Ao I

Ao II

Ao III

Ao IV

d% Mo i!ientos Irre"ulares : :on los movimientos de las series ,ue no de-inimos como de tendencia, estacionales o c(clicas, por eso tambi+n se los suele llamar residuales 2as -uer!as ,ue provocan estos movimientos lo hacen con car/cter aleatorio o accidental 5lgunas de estas -uer!as son mu" d+biles para ser notadas, en consecuencia, los movimientos irregulares no pueden ser aislados en el an/lisis " se combinan con las -luctuaciones c(clicas :in embargo otras -uer!as, tambi+n ocasionales, provocan grandes movimientos irregulares #huelgas, guerras, inundaciones, terremotos, etc % entonces pueden ser separados del movimiento c(clicos e investigarse su e-ecto en particular Estos cuatros componentes o movimientos, por consiguiente, son las ,ue en -orma conjunta dan lugar a ,ue el -enmeno observado se presente con una ma"or o menor intensidad en cada instante de tiempo 5hora bien, lo ,ue no puede saberse con certe!a es cmo se combinan o de ,u+ -orma

Ctedra: Estadsticaunen sus -uer!as cada una de las componentes con las otras para dar como resultado un determinado valor de la variable #* i% en el instante observado #t i % M#todos de an$lisis de una serie de tie!%o 6ara poder anali!ar una serie de tiempo, el paso inicial ,ue se debe llevar a cabo es el aislamiento de las componentes ,ue la con-orman 6ara descomponer una serie, debemos suponer ,ue e<iste cierta relacin entre sus cuatro componentes, es as( ,ue tenemos una serie ,ue se puede e<presar a trav+s de un Bmodelo aditivoC1 ,ue se e<presa :*04DEDCDI1 o de la -orma *04ECI ,ue es el Bmodelo multiplicativoC 1 donde: * valores observados reales 4, E, C e I los movimientos tratados El modelo aditivo supone ,ue los cuatro componentes son independientes unos de otros Esto signi-ica ,ue los componentes individuales son los resultados de cuatro -uentes independientes de causas 5s( por ejemplo, por alto o por bajo ,ue sea el valor de la tendencia no a-ectar/ a la variacin estacional o a la -luctuacin c(clica El modelo multiplicativo supone ,ue las cuatro componentes se deben a di-erentes causas, pero tambi+n ,ue se relacionan entre s( :i bien, es posible ,ue una u otra -orma de la -uncin podr(an aplicarse con ma"or -undamento en uno u otro campo, podemos utili!ar para series econmicas " demogr/-icas la hiptesis ,ue las diversas componentes contribu"en en -orma aditiva en la composicin de los valores #*i% de la serie 2uego el tratamiento de una serie consistir/ en este curso, en poner de mani-iesto aislando o eliminando cada movimiento, comen!ando con la 4 " E Debido a la di-icultad ,ue presenta el tratamiento de los ciclos anuales, es corriente ,ue primero se determina 4 " se la elimina de los valores observados * 9 4 0 E D C DI, luego se procede igual con E: * 9 4 9 E 0 C D I tratando al resultado como movimiento c(clico e irregular conjuntamente >r/-icamente las distintas situaciones en una serie ideal ser(an:
Serie Original y = T+ E + C+ I

Tendencia: T = a + b.t

Ctedra: Estadstica-

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

Componente Estacional

"

"

S O

Deter!inacin de la Tendencia 2a determinacin de la tendencia tiene gran importancia en el estudio del comportamiento de la serie, " m/s a8n en la previsin del movimiento -uturo del -enmeno "a ,ue resulta lgico suponer ,ue si no ocurren movimientos imprevisibles intensos, la tendencia continuar/ actuando como una le" permanente del -enmeno, permitiendo, mediante una e<trapolacin, tener un valioso elemento de previsin del desarrollo -uturo del -enmeno .encionamos dos m+todos de determinacin de la 4endencia 5% Mtodo de los Promedios Mviles : Consiste en sustituir los valores de la serie original por otra serie9-icticia del promedio o medias mviles ,ue tendr/ menos oscilaciones ,ue la serie original Este m+todo trata de hallar la tendencia secular dilu"endo la importancia individual de cada observacin, promedi/ndola mediante una media aritm+tica con un grupo de observaciones inmediatamente anteriores " posteriores Cada valor de *, por lo tanto, vendr/ sustituido por un valor promedio cu"os t+rminos ir/n variando mec/nicamente, elimin/ndose para cada grupo la primera observacin del grupo anterior " agregando la observacin siguiente 2a cantidad de valores ,ue intervienen en el c/lculo de este promedio se llama orden del promedio mvil 2a necesidad de seleccin de un orden para el c/lculo de los promedios mviles es ,ue seg8n como est+n dados los datos en -orma bimestral, trimestral, anual, se re,uiere de una anuali!acin del movimiento, es as( ,ue se distinguen dos casos: 59$: el orden es impar , el procedimiento es el siguiente: O=DEN 0 '

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

:iendo:

y1 =

" as( sucesivamente se calculan las medias mviles de orden ' :e observa ,ue siempre ,uedar/n sin determinar algunos valores de la media mvil al

y1 + y2 + y3 3

y2 =

y 2 + y3 + y 4 3

Ctedra: Estadsticaprincipio " al -inal de la serie :i el orden es m , el m+todo no puede ser aplicado para los mE& primeros datos ni a los 8ltimos mE& datos cuando m es par :i m es impar, el m+todo no es aplicable a los #m 9 $%E& primeros datos ni a los 8ltimos #m 9 $%E& datos En este caso, cuando m 0 ', no se obtienen estimaciones sobre #' 9 $%E& datos al principio " al -inal de la serie, sea, se pierden una estimacin al principio " otra al -inal: no se asocia la media mvil al primero " al 8ltimo dato 59&: el Orden es Par: En este caso es necesario calcular otra nueva serie de medias mviles de tama3o dos, sobre la primeramente hallada, con el objeto de centrar los datos en los momentos originales, "a ,ue al calcularse la primera serie, dichos momentos ,uedan despla!ados Es decir para m0F 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 y 3 y4 i: y 1 y 2 y 3 y

donde:

Como m 0 F, se pierden los dos primeros " los dos 8ltimos valores 2a representacin gr/-ica de la serie de los promedios mviles resulta, en general, suavi!ada respecto de la original 5 menudo conviene calcular promedios mviles de distintos rdenes m, para determinar el ,ue produce mejor suavi!acin El m+todo es interesante cuando se desea investigar la e<istencia de ciclos puesto ,ue si se toma m igual al per(odo del ciclo, se obtiene el m/<imo suavi!ado Esto como veremos m/s adelante, constitu"e tambi+n la base de uno de los m+todos para obtener las variaciones estacionales, cuando los datos son mensuales " m 0 $& El m+todo de las medias mviles es de aplicacin mu" simple, aun,ue tericamente presenta inconvenientes ,ue hacen pre-erir un m+todo anal(tico cuando se desea obtener una determinacin m/s precisa de la tendencia secular, principalmente cuando se persiguen propsitos de prediccin estad(stica En e-ecto, este m+todo presenta dos inconvenientes en primer lugar, ,uedan al principio " al -inal de la serie, valores sin determinar1 en segundo lugar no se obtiene una e<presin anal(tica, " por lo tanto, no se puede e<trapolar G9 El Mtodo de Mnimos cuadrados. E<isten muchos m+todos para ajustar tendencias a datos una serie de tiempo En general, cuando ajustamos una l(nea a un conjunto de datos, deseamos ,ue el ajuste sea estrecho, esto signi-ica ,ue las desviaciones de las observaciones con relacin a la l(nea ser/n pe,ue3as El mejor procedimiento para determinar la 4endencia es proceder a un ajuste anal(tico, o sea determinar la ecuacin de una l(nea ,ue pase por las pro<imidades #en promedio% de los valores observados de la serie 6odemos aplicar el m+todo visto en =egresin ,ue -ue el de ).(nimos Cuadrados)

y1 + y2 + 4 y + y + y2 = 2 3 4 y + y + y3 = 3 4 4 y4 + y5 + y3 = 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

yi = a + bxi

esto para una regresin lineal

Ctedra: Estadsticapor lo tanto para una serie de tiempo ser/:

Ti = a + bt i a=
manera: 53os: ti: $HIJ 9' $HIK 9& $HIH 9$ $HJ@ @ $HJ$ $ $HJ& & $HJ' '

yi

ti

= y bt

b=

yt - nyt t 2 nt 2

6ero si el n8mero de a3os es impar al a3o del medio le damos el valor cero de la siguiente

n0J en consecuencia t i = 0 y t = 0 :i el n8mero de a3os es par procedemos de la siguiente manera: 9& n0F ;emos ,ue siempre se puede lograr: t i 2uego para la recta tendremos: a3o ti: $HIK 9' $HIH 9$ @ $HJ@ $ & $HJ$ '

=0 y

t= 0

a =y b=
yt t 2

2os puntos por los cuales pasar/ la recta de tendencia, son los ,ue surgen de aplicar a la -rmula los valores de la variable de c/lculo obteni+ndose as( los valores ,ue representan una -orma de variacin m/s uni-orme An$lisis de Variaciones Estacionales :e aplicar/ el procedimiento visto de los promedios mviles cu"os distintos pasos se seguir/n a trav+s del siguiente ejemplo: 2a tabla NL$ muestra las ventas #en miles de pesos % de una empresa durante el per(odo $HJJ 9 $HK& Tabla 1 9 ;entas en miles de pesos durante $HJJ 9 $HK& 9 .es Enero Febrero .ar!o 5bril .a"o Nunio Nulio 5gosto :eptiembre Octubre Noviembre Diciembre $% =epresentacin >r/-ica 9 $HJJ $F M $& M $M M $M @ $$ M $$ @ $$ M $@ @ $$ @ $& M $J M $K M $HJK $J @ $M M $I @ $J M $F M $& M $& @ HM $@ M $' M $H M $K M $HJH $J M $M @ $& M $M M $' M $@ M $' @ $$ @ $$ @ $M @ &$ @ && M $HK@ $H M $& M $J M $M M $' M $$ M $$ M $@ M $@ @ $& M $M M $H M $HK$ $K M $F M $' M $I M $' @ $& @ $& M $& @ $& @ $F M $H M &' M $HK& &$ @ $F @ $F M $I @ $& @ $$ @ $& M $@ @ $$ M $M M $K M &' @

Ctedra: Estadstica25 23 21 1 9 1 7 1 5 1 3 1 1 9 7 5 76 77 78 79 80 81 82 83

&% Determinacin de la tendencia por series de promedios mviles :e trata de reempla!ar los valores mensuales de esta serie por otra serie constituida por los promedios mviles de orden $& de nuestra serie, se escriben los valores observados en -orma sucesiva " se constru"e la correspondiente tabla de c/lculo #tabla &% seg8n la pr/ctica e<puesta anteriormente Tabla 2 9 C/lculo promedios mviles de orden $&
%&' Aos &-.. %(' !eses E %)' Ventas &*.+ &(.+ ! A ! " " A S O # $ &-.0 E &+.+ &+ &&.+ && &&.+ &/ && &(.+ &..+ &0.+ &. &+.+ ! A ! " " A S O &, &..+ &*.+ &(.+ &( -.+ &/.+ &).+ &,/.+ &,) &,, &,,.+ &,&.( &.)..+ &.* &.* &.).+ &.*.+ &.,.+ &...+ &.0 &...+ &.* &,&..+ &,*.+ &,,.(+ &,..(+ &./.+ &.(..+ &.)..+ &.* &.)..+ &.* &.+.+ &., &....+ &....+ &.+..+ &.) %*' %+' %,'

&).*. &)..& &).0+ &).-0 &*.(& &*.)&*.*0 &*.+ &*.*0 &*.+ &*.,( &*.,. &*.0& &*.0& &*.,* &*.*(

En -orma similar se completa la tabla hasta llegar al a3o $HK& 2as columnas de esta 4abla & se obtienen del modo siguiente: 2a #F% recoge la suma de $& datos de la #'%1 por ejemplo, la primera ci-ra de $I@,M es la suma de los datos de enero a diciembre, ambos inclusive, de la columna #'% 2a ci-ra siguiente de la columna #F%1 $I',@ es la suma de los datos de -ebrero de $HJJ a enero de $HJK, ambos inclusive, " as( sucesivamente de la misma columna, basta a3adirle la ci-ra siguiente de la columna #'% " restarle la primera de las $& utili!adas anteriormente 5s( $I', $II, @ 0 $I@, M D $J, @ 9 $F,M @ 0 $I', @ D $M, M 9 $&,M etc

Ctedra: EstadsticaEn la columna #M% se escriben los promedios de cada dos valores sucesivos de la columna #F% 5s(

161,75 =

Operacin +sta ,ue tiene por objeto centrar la suma de los sucesivos per(odos de $& meses 6or 8ltimo la columna #I% da los promedios mviles, como resultados de dividir los datos de la #M% por $& por ejemplo: $I$,JME$& 0 $',FJ 2os datos de la columna #M% constitu"en la tendencia de la serie cronolgica determinada por el m+todo de promedios mviles ,ue tiene la ventaja sobre la serie dada de haber eliminado la in-luencia de la componente estacional tal como puede observarse en la Fig ' donde se ha representado la misma

160,5 + 163,0 2

; 164 ,5 =

163,0 + 166,0 2

;etc...

Ctedra: Estadstica-

Tabla 3 9 :erie de promedios mviles

.es Enero Febrero .ar!o 5bril .a"o Nunio Nulio 5gosto :eptiembre Octubre Noviembre Diciembre
25 23 21 1 9 1 7 1 5 1 3 1 1 9 7 5 76

&'((

$',FJ $',J$ $',KM $',HK $F,&$ $F,'H

&'() $F,FK $F,M@ $F,FK $F,M@ $F,I& $F,IJ $F,K$ $F,K$ $F,IF $F,F& $F,&H $F,$J

&'(' $F,@K $F,&' $F,'$ $F,'H $F,M& $F,J$ $F,H& $F,KH $M,@@ $M,&$ $M,&$ $M,&M

&')* $M,&' $M,$F $M,@' $F,HF $F,I@ $F,&J $F,$& $F,$J $F,@K $',HI $',HK $',HK

&')& $F,@F $F,$F $F,&H $F,FI $F,J$ $M,@& $M,&H $M,'H $M,F& $M,FF $M,'J $M,&H

&')+ $M,&M $M,$J $M,@I $M,&J $M,@I $M,@&

77

78

79

80

81

82

83

Variacin estacional, deter!inacin- eli!inacin . estudio/ El an/lisis de las variaciones estacionales tiene por objeto determinar oscilaciones de per(odo corto, in-erior o igual al a3o por lo general, ,ue son de m/<imo inter+s para el economista o empresario, para la mejor organi!acin de sus actividades operativas En una segunda -ase se trata de eliminar tales variaciones de los datos observados ,ue permitan apreciar de cierto modo la in-luencia de causas importantes de variacin en las series cronolgicas 2a di-icultad principal del an/lisis de la componente estacional radica en el hecho de ,ue en la pr/ctica tal variacin no es id+ntica en el transcurso de los a3os, bien sea por,ue se despla!a de un mes a otro, o por,ue var(a de intensidad .uchos " variados son los m+todos preconi!ados por la estad(stica para determinar la variacin estacional, basados unos en la hiptesis aditiva " otros en la multiplicativa 4odos ellos tratan de aislar la variacin estacional eliminando las otros componentes, por resta algebraica o por cociente, seg8n sea la hiptesis inicial de combinacin Deben, pues, ser eliminada la tendencia secular " las variaciones accidentales Cuando el per(odo de estudio es corto, la variacin c(clica puede suponerse incluida en la tendencia, por lo cual, al eliminarse +sta, ,ueda tambi+n eliminada a,uella De todos los m+todos usuales se e<pondr/ slo uno, basado en la hiptesis aditiva, denominado ).+todo de las medias mensuales) El problema ,ue nos proponemos resolver, es el de encontrar una curva tal ,ue en el eje de las abcisas, est+n representados los meses del a3o, por ejemplo # t0 $, &, ', $&% " en las ordenadas, la variacin promedio correspondiente a cada uno de los meses del a3o, prescindiendo por cierto de otro tipo de variaciones, "a sean tendenciales, c(clicas #no anuales% o accidentales #aleatorias%

Ctedra: EstadsticaDeterminada la tendencia, bien sea mediante un ajuste anal(tico, bien mediante el m+todo de promedios mviles, la variacin estacional puede determinarse a trav+s de los siguientes pasos: $% :e determinan las desviaciones de los datos de la serie respecto a la tendencia o sea, la di-erencia entre los datos " el valor correspondiente a la tendencia De esta manera se elimina la tendencia

y i Ti = E + C + I

&% :e calculan las medias aritm+ticas de las desviaciones correspondientes a todos los eneros, todos los -ebreros, etc Este paso tiende a eliminar la componente c(clica e irregular ,uedando 8nicamente la componente estacional '% :e redondean estas medias " los resultados son la estimacin de la variacin estacional para cada mes El m+todo de c/lculo se desarrolla mediante el proceso ,ue se e<pone a continuacin re-lejados en la tabla F, en la ,ue se ha prescindido del a3o inicial $HJJ, por no disponer de datos para la tendencia de sus primeros 9 seis meses " del 8ltimo a3o $HK& por ocurrir lo mismo para el 8ltimo semestre de dicho a3o :e puede usar suma cuando los eneros tienen valores mu" grandes Tabla 4 9 C/lculo de las variaciones estacionales

E = Yi Ti
Media !a"iaci#n
E taci%na& 3.615 -0.180 0.2$5 1.625 -1.040 -3.0$5 -2.588 -4.118 -3.$63 -0.$35 4.110 6.275 0.000 1$81 4.46 0.36 -0.7$ 2.04 -1.71 -3.02 -2.7$ -3.3$ -3.42 -0.$4 4.13 8.21 T %ta&e 14.67 -0.51 1.3$ 6.71 -3.$5 -12.17 -10.14 -16.26 -15.64 -3.53 16.65 25.31 'en (a&e 3.668 -0.128 0.348 1.678 -0.$88 -3.043 -2.535 -4.065 -3.$10 -0.883 4.163 6.328 0.632

Me Ene"% )eb"e"% Ma"*% +b"i& May% ,(ni% ,(&i% +-% t% .e/tie'b"e 0ct(b"e 1%2ie'b"e 3icie'b"e

1$78 2.52 1 1.52 3 -0.12 -2.17 -2.81 -5.31 -4.14 -0.$2 5.21 4.33

1$7$ 3.42 0.77 -1.81 1.11 -1.02 -4.21 -1.$2 -3.8$ -4 -0.21 5.7$ 7.25

1$80 4.27 -2.64 2.47 0.56 -1.1 -2.77 -2.62 -3.67 -4.08 -1.46 1.52 5.52

2as cuatro primeras columnas han sido obtenidas restando de los datos iniciales #4abla $% los valores de la tendencia #tabla '% di-erencias ,ue resultan positivas " negativas 5s( para Enero de $HJJ tenemos $J 9 $F,FK 0 &,M& Febrero de $HJJ tenemos $M,M 9 $F,M 0 $,@@ 2a columna de totales es la suma algebraica de todos los eneros de todos los -ebreros, etc 2a columna de medias mensuales se obtiene dividiendo los valores de los totales por F, ,ue es el n8mero de a3os utili!ado 6or 8ltimo, la columna ) variacin estacional) es la misma ,ue la de medias despu+s de someter los valores de +sta a un redondeo ,ue hace ,ue las sumas de las variaciones estacionales sea cero, ,ue se e-ect8a de la -orma siguiente: :e suma la columna de medias " se divide esta suma por $& :i el resultado es positivo se resta de cada una de las medias mensuales " si es negativo se suma En nuestro caso el total de medias vale @,$$M@ " por lo tanto @,$$M@E$& 0 @,@@HM

Ctedra: Estadstica-

Este valor se resta algebraicamente a la columna de medias " el resultado se redondea a dos ci-ras decimales, ,ue es la apro<imacin con ,ue ven(an dados los datos iniciales, conservando la segunda ci-ra decimal o -or!/ndola en una unidad, seg8n ,ue las dos 8ltimas -ormen un n8mero menor o ma"or ,ue M@ respectivamente 5s( pues: ',IIJM 9 @,@@HM 0 ',IMK@ 0 ',II 9 @,$&JM 9 @,@@HM 0 @,$'J@ 0 9@,$F I,J@&M 9 @,@@HM 0 I,IH'@ 0 I,IH

:e puede representar ahora la variacin estacional en un gr/-ico, en el ,ue como abscisa se toman los distintos meses " en ordenadas los valores obtenidos =esulta as( la -igura F
Componente Estacional

"

"

Observando la -igura F es posible tener una idea de la variacin estacional, pues se ve ,ue acusa un incremento -uerte de las ventas en enero, ligera depresin en -ebrero " mu" acusado descenso en junio " agosto con una ligera recuperacin de mar!o " julio " un -uerte aumento en abril, octubre, noviembre " diciembre Este m+todo tiene adem/s la ventaja de dar una medida num+rica de la intensidad de la variacin estacional, por encima o por debajo de la l(nea de dependencia general, "a ,ue como se recordar/ el m+todo implica el c/lculo de promedios mensuales de desviaciones respecto a la tendencia 2os resultados obtenidos con el an/lisis num+rico de la serie cronolgica podr(an haberse establecido intuitivamente de conocerse cu/l es la evolucin de las ventas 6ero no siempre la variacin de los datos de una serie obedecen a causas conocida en cu"o caso la determinacin de la tendencia " la aparicin de las variaciones estacionales, ser/n causas para inducirnos a investigar las ra!ones de tal tendencia " de tales variaciones, por lo ,ue el an/lisis de la serie cronolgica es un primer paso en tal investigacin " para poner en ejecucin los medios ,ue contrarresten el aspecto des-avorable de la misma, tal como lan!ar una campa3a publicitaria oportunamente para detener o atenuar la depresin estacional en el caso de ventas o ampliar la capacidad de produccin para satis-acer una demanda creciente de consumo etc 5dem/s debe re-le<ionarse en el hecho de ,ue el proceso estad(stico nos da una medicin de la intensidad de la variacin del -enmeno, lo cual "a justi-ica por s( solo el estudio num+rico e-ectuado Finalmente, los m+todos de an/lisis estudiados #,ue no son los 8nicos% constitu"en una base previa de otro m+todo estad(stico de investigacin ,ue es la comparacin entre varias series cronolgicas de -enmenos distintos con el objeto de indagar si las variaciones de una inclu"en en la otra " si son simult/neas en el tiempo o en una precede a la otra en un cierto tiempo 6roblemas todos ellos para los cuales la Estad(stica ha dado m+todos de resolucin cu"a importancia en el ,uehacer diario de los economistas, empresarios, etc , es necesario destacar Conclusin: 2a determinacin de la tendencia " la componente estacional puede servir, como lo hemos destacado con los ejemplos, para describir la marcha de un -enmeno a trav+s del

Ctedra: Estadsticatiempo, pero en la ma"or parte de las ocasiones, es solo una -ase previa de un estudio m/s pro-undo De todas maneras, esta -ase previa es necesaria para cual,uier descripcin ,ue se encare VARIACIONES C0C1ICAS, El problema de las variaciones c(clicas, es decir la determinacin de la curva ,ue represente en promedio la o las componentes de naturale!a peridica ,ue est/n contenidas en la -uncin correspondiente a la serie en estudio, es una de las cuestiones m/s complejas de la Estad(stica El tratamiento elemental de este tema se reduce a construir la curva ,ue resulta de eliminar la tendencia " la componente estacional, por cierto ,ue la curva resultante contendr/ tambi+n a la componente aleatoria, por lo cual no siempre es posible identi-icar los ciclos Oa" sin embargo, casos en ,ue la simple observacin del gr/-ico pone de mani-iesto la e<istencia de una tendencia a la periodicidad Pueda a8n la cuestin de ciclos de distinta longitud de onda, los cuales dar(an una curva ,ue no es necesariamente peridica, esta es la di-icultad ma"or 5hora bien, si ha" una onda de amplitud e intensidad su-iciente para destacarse sobre las otras, el modelo matem/tico del ciclo per-ecto, ,ue adoptar(amos, es el armnico, ,ue tiene la e<presin:

y = a sen

2 4 t 5 T

$ donde a, " 4 son constantes, ) a) es la amplitud, o sea la ordenada del m/<imo " ) 9a) ser/ la ordenada del m(nimo, ,ue los alcan!a, respectivamente cuando se tiene: t 9 $EF 4 D " t0'EF 4 D , 4 es el per(odo es decir el intervalo de t correspondiente a una onda completa, es la -ase, o sea la distancia del origen al punto inicial del ciclo

a
/4+ /2+

Componente C1clica 3/4+ +

En econom(a, un ciclo es gr/-icamente una onda compuesta por cuatro partes ,ue se repiten en el mismo orden: $% Prosperidad, constituida por una rama ascendente de la curva, ,ue va desde la l(nea tendencial hasta llegar a un punto m/<imo: el ptimo del proceso1 &% :igue al m/<imo un per(odo de escenso de la curva, tendiente a volver a los valores normales, la crisis es el punto -inal del descenso e inicial de la depresin '% epresin , el proceso de descenso no se detiene " contin8a por debajo de los valores tendenciales hasta alcan!ar un m(nimo F% 5 partir de este m(nimo se produce la !ecuperacin , ,ue es un movimiento ascendente hacia los valores normales El proceso contin8a en -orma an/loga 2os ciclos econmicos han sido clasi-icados por su per(odo, en ciclos medianos largos " cortos, los largos son de duracin pr<ima al medio siglo " parecen tener repercusin mundial, los ciclos medianos oscilan alrededor de la d+cada, " los cortos duran pocos a3os 6ara la determinacin de los ciclos, en primer lugar habr/ ,ue de-inir el periodo o longitud de onda, ,ue es el problema ,ue m/s di-icultad presenta 2uego ,ueda como segunda cuestin el c/lculo de la ecuacin de la curva ,ue representa la onda c(clica 6ara encarar

Ctedra: Estadsticaestos problemas ha" varios procedimientos ,ue constitu"en el an/lisis armnico1 ,ue no ser/ objeto de estudio en este curso 6rediccin Estad(stica: El objetivo de toda teor(a cient(-ica es la prediccin, es decir, poder -ormular racionalmente in-erencia respecto al comportamiento -uturo de los hechos ,ue son materia de estudio 6or cierto ,ue la palabra prediccin no es usada en el sentido ,ue se da vulgarmente de adivinar, sino de in-erir el m/s 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 " en el presente 2os -enmenos ,ue son motivo de estudio de las disciplinas cient(-icas generalmente se nos presentan como -ormados por dos componentes: una sistem/tica, sujeta a le"es precisas " la otra aleatoria o ,ue aparenta serlo -rente a nuestro conocimiento El progreso cient(-ico puede, en muchos casos, reducir o hacer desaparecer la parte aleatoria, obteniendo as( las le"es cient(-icas En la -(sica cl/sica, por ejemplo, la componente aleatoria es mu" pe,ue3a respecto a la sistem/tica1 de all( ,ue los resultados de sus predicciones sean sumamente precisos En otros sectores del conocimiento por ejemplo, en algunos -enmenos econmicos " en gran parte de la F(sica atmica, la componente aleatoria juega un papel importante, siendo imposible prescindir de ella 2as le"es de tipo sistem/tico aparecen veladas por la in-luencia de la parte aleatoria, " se hace di-(cil aislarlas de +sta 2a prediccin, en los casos mencionados, se compondr/ de dos pasos $% Determinacin de la componente sistem/tica &% Determinacin de la distribucin de la componente aleatoria 2as caracter(sticas de esta distribucin, en especial la dispersin, permiten apreciar el valor de la prediccin 2a determinacin de la componente sistem/tica de la prediccin consiste en general, en una e<trapolacin para el -uturo, de la relacin entre variables e<presadas por -unciones, curvas o ecuaciones .+todos de 6rediccin Estad(stica: 2a prediccin estad(stica cuenta con los recursos -undamentales siguientes: a% 6rediccin mediante series de -recuencia " correlacin b% 6rediccin usando series de tiempo c% 6rediccin mediante modelos din/micos " procesos estoc/sticos a2 2a prediccin mediante las series de -recuencias, suele reali!arse cuando se conocen las caracter(sticas de la distribucin correspondiente a una poblacin " se ,uiere determinar el -uturo comportamiento de esa poblacin 2a prediccin se hace suponiendo la permanencia de la distribucin ", por lo tanto, de sus caracter(sticas, resultando un pronstico del comportamiento promedio de la poblacin 6or ejemplo, cuando un comerciante hace la eleccin de modelos " medidas al -ormar su stocQ de mercader(as, necesita reali!ar una prediccin respecto a la distribucin de las pre-erencias del p8blico 4ambi+n la teor(a de la correlacin nos permite reali!ar interesantes estudios de prediccin, particularmente la correlacin de series temporales ,ue es uno de los m+todos m/s e-icaces En particular resulta interesante para la prediccin la correlacin conocida con el nombre de )correlacin de -ase), en la cual una de las series se considera despla!ada en el tiempo, un cierto intervalo llamado -ase Es claro ,ue si conocemos la correlacin e<istente " el comportamiento de la primera de las series podemos conocer el comportamiento de la segunda :on de inter+s los estudios conocidos con el nombre de barmetros econmicos " m/s a8n los estudios co"unturales 5mbos m+todos tratan de encontrar relaciones din/micas entre -enmenos econmicos de tal manera ,ue conocido el comportamiento de los -enmenos ,ue podr(an considerarse como antecedentes se puede predecir el comportamiento del ,ue se considera como consecuencia de a,uellos 32 2a prediccin por e<trapolacin de la tendencia, es una de las -ormas m/s usadas en

Ctedra: Estadsticala prediccin " nos da el comportamiento probable de la tendencia, es una de las -ormas m/s usadas en la prediccin " nos da el comportamiento probable de la tendencia, alrededor del cual oscilar/n los valores reales Componiendo la curva resultante de agregar a la tendencia las variaciones estacionales " c(clicas, tenemos el cuadro completo de la prediccin de las series temporales En lo ,ue se re-iere a variaciones estacionales, su uso en prediccin ha sido mu" e-ica! en los -enmenos t(picamente estacionales =especto de los ciclos, puede decirse ,ue son el punto de ma"or inter+s en la prediccin econmica, "a ,ue est/n ligados al problema de la determinacin de las probables crisis " dem/s alternativas de las oscilaciones de la situacin econmica Es de lamentar ,ue sea el punto m/s di-(cil de la labor predictiva, "a ,ue el estudio de los ciclos no siempre conduce a resultados categricos c2 2a teor(a de los modelos econmicos din/micos " la ampliacin de los procesos estoc/sticos han recibido en los 8ltimos a3os un gran impulso, " parecen ser los caminos m/s seguros para llegar a conocimiento estructural de los -enmenos econmicos " de otros campos de aplicacin de la estad(stica1 constitu"en, asimismo, los m+todos m/s potentes en la reali!acin de la prediccin estad(stica 5mbos m+todos son, desde hace pocos a3os motivo de importantes estudios, lo ,ue permite esperar resultados ,ue han de contribuir a ampliar las posibilidades de la prediccin estad(stica Caracter(sticas de la prediccin Estad(stica: En general, la prediccin estad(stica tiene las siguientes caracter(sticas: a% 2as predicciones tienen valor en promedio, por lo ,ue se dice ,ue la prediccin consiste en determinar el m/s probable comportamiento promedio de los hechos en un n8mero grande de ellos b% 2a prediccin es condicional "a ,ue su valide! depende de la constancia de las condiciones ,ue se suponen en la prediccin c% Uno de los progresos tericos m/s importantes, ha sido la determinacin de la dispersin en -uncin de la distancia del per(odo para el cual se ,uiere hacer la prediccin al presente :e ha establecido ,ue, en los procesos semidetermin(sticos, ,ue son los ,ue nos interesan, la dispersin es creciente con el alejamiento del per(odo de prediccin respecto al presente d% 2a prediccin pierde su valor cuando la componente aleatoria aumenta, es decir, cuando circunstancias imprevistas act8an -uertemente