NDICE DE VARIACIN ESTACIONAL

Las

series

observadas

con

periodicidad

inferior

al

ao

(mensual,

trimestral,

...)

recogen

conjuntamente la evolucin coyuntural, a medio y largo plazo, y las variaciones estacionales. Para poder analizar correctamente la serie es necesario separar estas variaciones. El procedimiento que permite aislar el componente estacional utilizado por el SPSS se basa en la descomposicin mediante medias mviles. Se parte del supuesto de que el patrn de las variaciones estacionales se mantiene constante ao tras ao, y pueden cuantificarse con nmeros ndices si el esquema de agregacin es multiplicativo o con coeficientes si el esquema es aditivo. Los ndices de variacin estacional (IVE) recogen el incremento o la disminucin porcentual que el componente estacional produce en cada estacin anual (mes, trimestre,...). Estos ndices no deben incidir sobre la serie anual, por lo tanto, su promedio anual siempre debe ser igual a 1 (o 100 si est expresado en tanto por ciento). Los coeficientes de variacin estacional indican el valor en que aumenta o disminuye la tendencia a causa del componente estacional. Para que estos coeficientes no modifiquen la serie anual siempre debern sumar 0. Para obtener los ndices o coeficientes por el mtodo de descomposicin, el SPSS realiza las siguientes operaciones: - estimacin del componente extraestacional (Tendencia-Ciclo) con una media mvil de orden k, siendo k el nmero de perodos estacionales que presenta la serie (k=12 si las observaciones son mensuales, k=4 si son trimestrales, etc); - estimacin de las variaciones estacionales especficas de cada perodo dividiendo (o restando) la serie por la media mvil; - estimacin de las variaciones estacionales netas u obtencin del IVE eliminando las fluctuaciones irregulares observadas en cada perodo; para ello se toma el valor mediano de las variaciones especificas de cada perodo estacional por separado y se corrigen de forma que su promedio no afecte a la serie anual. Para estimar los factores estacionales multiplicativos o aditivos de una serie temporal la secuencia a seguir es: Analizar Series Temporales

Descomposicin estacional Si previamente no se ha definido la variable fecha, tal y como se ha explicado en el primer apartado, al ejecutar la secuencia anterior el programa muestra un mensaje indicando que es necesario tener alguna variable fecha creada.

El el cuadro de dilogo se debe indicar: - la o las variables para las que se desea estimar los factores estacionales en el cuadro Variables; - el tipo de modelo de agregacin de los componentes (multiplicativo o aditivo) con las opciones Modelo; - el criterio que se emplear para calcular las medias moviles de orden par (si la periodicidad es impar todos los puntos se ponderan por igual). Las opciones de Ponderacin de la media mvil son: - Todos los puntos son iguales calcula las medias mviles con una amplitud igual a la periodicidad y con todos los puntos ponderados por igual. - Puntos finales ponderados por ,5 centra las medias moviles de orden par calculando una media mvil de orden 2 con los resultados de la primera media mvil que se calcula con una amplitud igual a la periodicidad. Al seleccionar Mostrar el listado por casos se obtiene un resumen para cada caso de todos los resultados intermedios, as como los estadsticos finales. Al aceptar, el programa genera un conjunto de variables nuevas con los resultados del proceso: ERR, SAS, SAF y STC. Por defecto estas variables se incluyen en el archivo activo, pero con el botn Guardar se puede indicar que no las cree o que sustituya las existentes.

EJEMPLO Ejemplo 1. Identifique si la variable Viajes del archivo Turivia.sav presenta estacionalidad. Con la secuencia Grficos > Secuencia y seleccionando en el cuadro de dilogo las variables Viajes y Ao se obtiene la siguiente representacin grfica:

La observacin del grfico pone de manifiesto la existencia de una tendencia creciente as como de un patrn estacional muy marcado: el valor mximo anual se observa sistemticamente en el mes de agosto, seguido por los valores de la variable en julio y septiembre; as mismo, en los meses de enero, febrero, noviembre y diciembre se observan sistemticamente los valores mnimos anuales. Ejemplo 2. Determine cul es el modelo de agregacin de las componentes ms adecuado. Para determinar el modelo ms adecuado se hallan para cada ao la media y la desviacin tpica de las 12 observaciones mensuales. En primer lugar, es necesario una variable fecha. Para crear esta variable la secuencia a seguir es: Datos > Definir fecha. Como la serie es mensual se elige la

opcin Aos, meses (tambin se puede aplicar el formato Aos, trimestres, meses) y se indica el ao correspondiente a la primera observacin y el mes. En este caso se deber tomar como ao de inicio 1995 y Mes: 1 que corresponde a enero. (Si se ha creado la variable fecha con el formato Aos, trimestres, meses se indicar tambin que la primera observacin corresponde al primer trimeste, es decir, Trimestre: 1). Con la secuencia Analizar >Informes > Resumir por casos se abre el cuadro de dilogo donde se seleccionan: en Variables: Viajes y en Variable de seleccin: year_. Con el botn Estadsticos se activan las opciones Media y Desviacin tpica. Para obtener solamente los resultados finales se desactiva Mostrar los casos. El resultado que se obtiene es el siguiente:

Como puede observarse, las desviaciones tpicas de cada ao crecen a medida que crece el valor medio, lo cual es indicio de que el patrn de agregacin de las componentes de esta serie es multiplicativo. Ejemplo 3. Determine los valores de los ndices de variacin estacional de la variable Viajes del

archivo Turivia.sav. Para poder calcular los ndices de variacin estacional de la serie Viajes es necesario, en primer lugar, definir una variable fecha, como se ha hecho en el ejemplo 2. Para obtener los ndices de variacin estacional correspondientes a cada uno de los 12 meses la secuencia a seguir es: Analizar > Series Temporales > Descomposicin estacional. En el cuadro de dilogo se selecciona la variable Viajes, se mantiene el modeloMultiplicativo y se indica que las medias mviles se quieren realizar con la ponderacin Puntos finales ponderados por ,5. Si se quiere recoger el listado de los resultados de la seleccionar Mostrar el listado por casos. El cuadro de resultados presenta: descomposicin en el editor de resultados se deber

Moving averages: Medias mviles centradas de orden 12;

Ratios (*100)=

100: componente estacional especfica de cada perodo;

Seasonal factors: ndices de variacin estacional corregidos (IVE),obtenidos como mediana de los ratios correspondientes a cada perodo estacional por separado y corregido teniendo en cuenta que se debe verificar:

Serie desestacionalizada; Smoothed trend-cycle: Estimacin del componente Tendencia-Ciclo;

Estimacin irregular. Algunos de los resultados que se obtienen son:

del

componente

Los ndices de variacin estacional obtenidos son: JAN 62,207 FEB 63,671 MAR 80,921 APR 95,999 MAY 105,515 JUN 104,870 JUL 152,271 AUG 180,162 SEP 115,276 OCT 99,178 NOV 68,232 DEC 71,698. Por lo tanto, se puede concluir que la serie en los meses enero, febrero, marzo, abril, octubre, noviembre y diciembre toma valores inferiores a la tendencia media; el componente estacional tiene mayor repercusin en el mes de agosto incrementando en algo ms del 80% el valor de los viajes; en el mes de enero es cuando se produce el mayor decremento de los viajes debido a la estacionalidad, reducindose stos en cerca del 38%. La representacin grfica de la serie desestacionalizada y de la estimacin de la tendencia-ciclo (o del componente extraestacional) es la siguiente:

Como se puede observar, la serie desestacionalizada presenta fluctuaciones a muy corto plazo debidas a la accin del componente irregular, mientras que la serie de valores de tendencia-ciclo est mucho ms alisada y sugiere una tendencia lineal creciente.

 INTRODUCCION TENDENCIA PROMEDIOS MVILES VARIACIONES CCLICAS E IRREGULARES VARIACIONES ESTACIONALES MTODO DE LA RAZN AL PROMEDIO MVIL ALISAMIENTO EXPONENCIAL BIBLIOGRAFIA Introduccin

2 4 6 7 9 10 11 12

Una SERIE cronolgica es un conjunto de observaciones ( ordenado en trminos de tiempo). Algunos ejemplos de series cronolgicas serian aspectos tales registros de precipitacin pluvial diaria, las ventas semanales, el producto nacional bruto trimestral, mediciones de la temperatura. El objeto de analizar tales datos es determinar si se presentan ciertos patrones o pautas no aleatorias. Algunas veces se trata de descubrir patrones no aleatorios que se puedan utilizar para predecir el futuro. En otras coacciones, el objetivo es asegurarse de que no haya patrones no aleatorios. En estos casos, dichos patrones son considerados como una seal de que un sistema o proceso esta fuera de control. La siguiente explicacin tiene relacion con el anlisis intrnseco, el cual se concentra en los datos histricos de la variable de estudio. Cabria destacar que el anlisis intrnseco es ampliamente empleado en los negocios y en l a industria. El objetivo reconocido del anlisis intrnseco es describir mas que explicar los patrones histricos de los datos (es decir, identificar diversos patrones). Adems el supuesto en el que se basa el anlisis intrnseco, estable que existe un constante sistema causal relacionado con el tiempo, el cual influye en los datos. En otras palabras, los datos histricos supuestamente reflejan l a influencia de todos los factores de manera uniforme atravez del tiempo. Por ejemplo, un estudio de ventas realizadas en un periodo de 14 aos puede revelar que las ventas han aumentado de manera uniforme a razn de casi 10% anual. Con base en esto se lleva a cabo una proyeccin de las ventas futuras, suponiendo que cualesquiera que fuesen las fuerzas que hayan dado lugar a este patrn, continuaran en le futuro. TENDENCIA

La tendencia secular se refiere a desplazamientos de los datos a largo plazo hacia arriba o hacia abajo. Existen 2 objetivos bsicos para aislar el componente de la tendencia de una serie cronolgica. Es identificar la tendencia y utilizarla, como por ejemplo, al hacer una prediccin o pronostico. El otro consiste en eliminar la tendencia, de manera que se puedan estudiar los otros componentes de una serie cronolgica. As, en trminos de predicciones, la investigacin de l a tendencia puede proporcionar cierta idea con respecto ala direccin a largo plazo de una serie de tiempo. Es identificar, a fin e que sea posible tomar en cuenta la tendencia en las decisiones de planeacin. En la siguiente taba se presentan datos de series cronolgicas en lo referente a un periodo de 20 aos toneladas 10 11 9 11 12 15 13 17 16 13 14 10 18 16 ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967

20 22 14 21 17 21

1968 1969 1970 1971 1972 1973

Ahora obtengamos una recta de tendencia mediante las formulas siguientes: b= n"tY-"t"Y n"t"2 - ("t)"2 a="Y-b"t n Sustituyendo: ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 Periodo t 1 2 3 4 5 6 7 8 9 10 toneladas 10 11 9 11 12 15 13 17 16 13 tY 10 22 27 44 60 90 91 136 144 130 t*2 1 4 9 16 25 36 49 64 81 100

1964 1965 1966 1967 1968 1969 1970 1971 1972 1973

11 12 13 14 15 16 17 18 19 20

14 10 18 16 20 22 14 21 17 21

154 120 234 224 300 352 238 378 323 420

121 144 169 196 225 256 289 324 361 400

Aplicando las formulas b= 20(3497)-210(300) =0.52 20(2870)-(210) "2 a= 300-0.52 =9.52 20 Y=9.52+0.52t En la cual Yt =valor predicho de l a serie cronolgica a= valor de Yt cuando t=0 b= pendiente de la recta t= nmero de periodos ** No hay que olvidar que n es l numero de observaciones. Por consiguiente, para fines prcticos, los clculos son idnticos a los que se ilustraron anteriormente. PROMEDIOS MVILES Un segundo mtodo para el anlisis de l a tendencia es utilizar un promedio mvil, el cual es un valor medio de los ltimos K puntos de datos, digamos, las ultimas 10, 15 o 22 observaciones.

Por ejemplo, si se supone que el promedio esta compuesto de las ultimas 12 observaciones (k=12), entonces, a medida que se considere cada nueva observacin ( incluida en el promedio), se suprime la ms antigua ( el dato 12). Un promedio mvil es el valor medio aritmtico de las k observaciones. PM=" Y I=t-k . K Considrese las siguientes series, para las cuales se ha desarrollado un promedio mvil de cinco periodos. Total Mvil (5 periodos)

Y 9 10 12 8 6 14 20 16 6

TM/5 PM

45(=9+10+12+8+6) 45/5=9 50(=45+14-9) 60(=50+20-10) 64(=60+16-12) 62(=62+8-8) 50/5=10 60/5=12 64/5=12.8 62/5=12.4

Observe que primero se calcula el Total mvil ( la suma de las ultimas 5 observaciones), y que el promedio mvil se obtienen dividiendo el total mvil entre l numero de periodos (valores) en dicho total. De este modo, siempre habr k observaciones en el total mvil, por lo que el promedio se mueve a medida que se agregan nuevos puntos y se suprimen los puntos mas antiguos. Por tanto, para obtener el siguiente promedio, se suprime el valor ms antiguo y se agrega un nuevo valor. La practica usual es ubicar al promedio mvil en un punto que se encuentre ala mitad entre los puntos cronolgicos de las observaciones mas recientes y ms antigua, o bien, en un punto en el tiempo que corresponda ala observacin ms actual. Este ultimo mtodo se ilustra en el ejemplo anterior. Si el propsito es predecir el siguiente valor, se deber utilizar el valor actual del promedio mvil. Si el intento es nicamente alisar los datos, entonces es ms apropiado colocar en el centro el promedio mvil, entre le primer y ultimo puntos. En realidad, de los dos enfoques el mtodo de centrado es el que se usa con mas frecuencia.

ao 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973

Periodo t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

toneladas 10 11 9 11 12 15 13 17 16 13 14 10 18 16 20 22 14 21 17 21

Promedio mvil de 5 periodos PM

10.3 10.6 11.6 12 13.6 14.6 14.8 14.6 14 14.2 14.2 15.6 17.2 18.6 18.8 19

VARIACIONES CICLICAS E IRREGULARES Las variaciones cclicas son de tipo peridico y presentan mas de un ao de duracin. Comnmente, tales variaciones no se pueden apartar de las de naturaleza irregular, por lo que se analizaran juntas. Para aislar las variaciones cclicas, las otras variaciones (de tendencia y estacionales) se deben separar de los datos de las series cronolgicas. Las variaciones estacionales se suprimen en forma efectiva utilizando cifras anuales ( ya que las variaciones estacionales se definen como ciclos de un ao o menos duracin, las cifras anuales no mostraran fluctuaciones estacionales) o bien - analizar cifras mensuales - Utilizando un promedio mvil de doce meses. A continuacin se extrae la tendencia de los datos, y lo que queda se considera como el total de fluctuaciones cclicas e irregulares. Para eliminar la tendencia se requiere obtener una recta (o curva) de tendencia. Esto se puede realizar utilizando una ecuacin de regresin o un promedio mvil de largo plazo. La eliminacin de la tendencia a partir de los datos depende de s se utiliza el modelo aditivo o el multiplicativo. En el primero, cada observacin se resta del valor correspondiente de la tendencia. El resultado es una serie de desviaciones con respecto a esta.

En esta grfica se muestran los datos con eliminacin de l a tendencia, dejando solo los ciclos.

En esta grfica se muestran los datos originales con tendencia y ciclos. En este ejemplo se muestra el mtodo para eliminar la tendencia en los datos del modelo aditivo, dada una ecuacin de regresin lineal que se deriva de los mismos. Datos sin tendencia YYt 0 1 2 1 0 -1 -2 -1

t 1 2 3 4 5 6 7 8

Datos originales Y 12 15 18 19 20 21 22 25

Tendencia Yt=10+2t 12 14 16 18 20 22 24 26

9 10 11 12 13 14 15 16 17 18 19 20

28 31 34 35 36 37 38 41 44 47 50 51

28 30 32 34 36 38 40 42 44 46 48 50

0 1 2 1 0 -1 -2 -1 0 1 2 1

VARIACIONES ESTACIONALES Las fluctuaciones estacionales son variaciones que se repiten regularmente en un periodo de un ao. Existen 2 objetivos generales para aislar el componente estacional de una serie cronolgica. El primero es eliminar ese patrn a fin de estudiar las fluctuaciones cclicas. La segunda finalidad es identificar factores estacionales, de esta manera que se puedan

considerar en la toma de decisiones. Por ejemplo si una compaa productora se da cuenta de que existen fluctuaciones estacionales en la demanda de un determinado, producto, es posible que desee ajustar sus presupuestos, mano de obra e inventarios, teniendo esto en mente. Por lo general tales ajustes resultan muy costosos. Por ejemplo, compaa puede buscar un producto complementario. El cual presente variaciones estacionales en su de manda opuesta alas del mismo. La demanda de equipo de calefaccin. Para probar y encarar los patrones estacionales, es necesario identificar y determinar primero la extensin de estas variaciones. La Tcnica mas difundida para el anlisis estacional es el mtodo de l a razn al promedio mvil. MTODO DE LA RAZN AL PROMEDIO MVIL Este mtodo produce ndices semanales, mensuales o trimestrales, que establecen observaciones de series cronolgicas, en trminos de un porcentaje el total anual (es decir, como relativos estacionales). Por ejemplo, si el mes de junio tiene un ndice estacional de 0.80, esto indica que las ventas medias en junio 80% del promedio mensual. Si un trimestre presenta un ndice estacional del 2.00, esto quiere decir que las ventas para un trimestre son aproximadamente el doble de la cantidad promedio para todos los trimestres. A continuacin se presenta el desarrollo paso a paso.

El primer paso es obtener un promedio mvil anual, a fin de suprimir las variaciones estacionales. Por
lo tanto, si los datos se presentan en forma trimestral, se va a requerir un promedio mvil de 4 periodos; si se consideran datos mensuales, se necesitara un promedio mvil de 12 periodos. Si los datos se presentan en forma anual ser imposible determinar ndices estacionales, ya que las variaciones estacionales automticamente se suprimiran. Si se utiliza un numero par de periodos, para obtener el promedio mvil anual, surgir un problema en el centrado de los datos, puesto que el centro no corresponder a ninguno de los datos originales. Una forma de resolver este problema es encontrar un promedio mvil de 2 periodos de los promedios mviles, lo cual dar lugar que corresponda a un punto de los datos: A continuacin se ilustra dicha solucin. 1 2 Punto central de los centros 3 4 5 6 centro centro

El siguiente paso consiste en dividir los datos originales entre los valores correspondientes del
promedio mvil. En efecto, esto elimina las variaciones de tendencia y cclicas de los datos, dejando solo las variaciones estacionales, irregulares y aleatoria simblicamente esto es

Y = T*C*E*I=E*I PM T*C

A Continuacin se agrupan los relativos de periodos semejantes y se obtiene la razn estacional

promedio para cada periodo; por ejemplo, si se utilizan datos mensuales, se agrupan todos los de enero y se calcula su promedio; se renen todos los de febrero y se determina su problema; y as sucesivamente; por lo general se calcula un valor medio modificado; esto comprende la eliminacin de las cifras ms altas y ms bajas de cada grupo antes de obtener el promedio.

Por ultimo, las cifras resultantes se estandarizan. Esto lleva a cabo mediante el ajuste de los ndices
relativos, de manera que se sumen al numero de periodos. Por tanto, si hubiera 12 periodos, en total de los relativos estacionales debera ser 12. En el ejemplo que se presenta a continuacin hay cuatro periodos por lo que la suma de los periodos ser igual a cuatro. De igual modo, debido al redondeo, las cifras tambin suman cuatro. Supngase que la cifra desarrollada sea 5 en lugar de 4. El ajuste se llevara a cabo multiplicando cada relativo estacional por 4/5. De este modo, se divide el nmero de periodos del promedio mvil entre la suma de relativos y se multiplica cada relativo por el resultado. Ejemplo Dados los datos de ventas trimestrales, utilice el mtodo de razn al promedio mvil, para obtener relativos trimestrales, mediante el procedimiento explicado anteriormente. Agrupado los relativos (Y/B) por trimestres, se obtienen los resultados siguientes: I II III 1.02 1.02 1.01 1 1.02 0.99 3.03 1.01 0.89 0.87 0.88 0.86 0.87 2.62 0.87 3.08 1.03 3.28 1.09 0.94 1.03 1.03 1.05 IV 1.07 1.09 1.1 1.09 1.1

Totales modificados Valores medios modificados(relativos estacionales) ALISAMIENTO EXPONENCIAL Este es un mtodo, que utiliza una ecuacin de un promedio mvil, exponencialmente ponderado, que alisa las variaciones al azar de los datos de series cronolgicas. La finalidad

del alisamiento es obtener una imagen mas clara de cualquier patrn no aleatorio que pudiera existir en los datos. Una vez mas, es de suponerse que los datos estn compuestos por variaciones de tendencia, cclicas y estacionales, as como por fluctuaciones al azar. En trminos generales, cuando se utiliza el mtodo del promedio mvil se debe tener en consideracin la pregunta de cuantos periodos se deben incluir en dicho promedio? Cuanto ms datos incluidos en el promedio, menos posibilidad habr de que cada nuevo dato altere dicho promedio, mientras que cuanto menor sea l numero de periodos incluidos, mayor ser la probabilidad de que el promedio resulte afectado por los nuevos datos. La ecuacin para la determinacin del alisamiento exponencial es: Vs= Vs-1+ En la cual Vs= nuevo valor Vs-1= valor anterior alisado D = siguiente punto de datos = factor de alisamiento El valor alisado V, es igual a valor anterior mas un porcentaje ( ) de la diferencia entre el valor anterior y el siguiente punto de los datos. ( el factor de alisamiento no debe ser confundido con la usada en las pruebas de significacin ( no existe relacin alguna entre ellas). BIBLIOGRAFIA Estadistica para Administracion y Economia William J. (D-Vs-1)

Soporte Aqu

Definicin de estacionalidad
Por Joanns Vermorel, ltima revisin: septiembre del 2011) En estadstica, se dice que la demanda o las ventas de un determinado producto muestra estacionalidad cuando la serie de tiempo subyacente atraviesa una variacin cclica predecible, dependiendo de la poca del ao. La estacionalidad es uno de los patrones estadsticos ms utilizados para mejorar la precisin de los pronsticos de demanda. Ejemplo: la mayora de los minoristas occidentales tienen ventas pico en la poca de Navidad.

Ilustracin de series de tiempo estacionales

El grfico a continuacin ilustra 4 series de tiempo estacionales (haga clic para agrandar). Las series de tiempo son agregadas a nivel semanal durante un perodo de 159 semanas (alrededor de 3 aos). Los datos representan los envos semanales correspondientes a 4 productos distintos del depsito de un gran minorista europeo.

El primer da del ao (1. de enero) est sealado con un marcador vertical gris. Los datos histricos aparecen en rojo, mientras que el pronstico de Lokad se muestra en color violeta. La estacionalidad se puede observar como una similitud de patrones de un ao a otro. Utilice los marcadores grises como referencia.

Modelo bsico para la descomposicin estacional

La Y(t) corresponde a la demanda en el momento t. Descomponemos la demanda Y(t) en dos componentes: S(t), una funcin estrictamente cclica, y Z(t), el complemento no estacional. Esto da: Y(t) = S(t) * Z(t) donde S(t + 1 ao) = S(t) Si la funcin S(t) puede ser calculada, entonces el proceso de pronstico generalmente pasa por tres etapas:

1. Calcular las series de tiempo desestacionadas como Z(t) = Y(t) / S(t). 2. Elaborar el pronstico a partir de las series de tiempo Z(t), en lo posible mediante la media mvil. 3. Volver a aplicar los ndices de estacionalidad a los pronsticos. Volviendo al problema inicial de calcular los ndices estacionales S(t), suponiendo que no existe una tendencia (entre otros) S(t) puede ser calculada con: S(t) = AVERAGE( Y(t-1)/MA(t-1) + Y(t-2)/MA(t-2) + Y(t-3)/MA(t-3) + ... ) donde Y(t-1) es la abreviacin para Y(t - 1 ao) y MA(t) la media mvil en 1 ao de Y(t). El mtodo propuesto en esta seccin es un poco ingenuo, pero puede ser implementado fcilmente en Excel. En la literatura especfica se pueden encontrar muchos modelos para abordar la estacionalidad con mtodos ms complicados. Por ejemplo: Box-Jenkins, ARMA, ARIMA, Holt-Winters...

Desafos en el clculo de ndices de estacionalidad

El modelo de estacionalidad ilustrado ms arriba es un abordaje un tanto ingenuo que puede funcionar para las series de tiempo estacionales llanas. Sin embargo, hay varias dificultades prcticas que se presentan al calcular la estacionalidad:

1. Las series de tiempo son cortas. La vida til de muchos bienes de consumo no excede los 3 o 4 aos. Como resultado, para un determinado producto, la historia de ventas ofrece, en promedio, muy pocos puntos en el pasado para calcular cada ndice estacional (es decir, los valores de S(t)durante el curso del ao. Ver seccin precedente). 2. Las series de tiempo presentan ruido. Las fluctuaciones arbitrarias del mercado tienen impacto sobre las ventas, y hacen difcil aislar la estacionalidad. 3. Varias estacionalidades involucradas. Cuando se observan las ventas a nivel de tienda, la estacionalidad del producto en s generalmente est entrelazada con la estacionalidad de la tienda.

4. Otros patrones, como la tendencia o el ciclo de vida del producto, tambin tienen impacto en las series de tiempo, introduciendo varios tipos de desviaciones en el clculo. Un mtodo simple aunque requiere de mucho personal para abordar estos problemas consiste en crear en forma manual perfiles de estacionalidad a partir de agregados de productos de los que se sabe que tienen igual comportamiento estacional. La vida til del agregado de producto es generalmente ms larga que la vida til de los productos individuales, lo que elimina esos problemas de clculo.

La solucin de Lokad
En nuestra experiencia, la estacionalidad afecta la gran mayora de las actividades humanas. En particular, en series de tiempo que representan ventas de bienes de consumo (comestibles o no), donde el factor estacional est siempre presente. Sin embargo, con frecuencia sucede que, debido a la cantidad de ruido del mercado, la calidad del clculo de los ndices estacionales termina siendo demasiado baja para ser utilizada para refinar los pronsticos. La tecnologa de pronstico de Lokad elabora en forma nativa tanto la estacionalidad como la cuasi-estacionalidad, de modo que usted no necesita sealrselas a Lokad, la tecnologa se encarga de todo. Para solucionar los problemas que genera la informacin limitada en trminos histricos disponible para la mayora de las series de tiempo en el comercio minorista o en la fabricacin, Lokad utiliza anlisis de series de tiempo mltiples y la estacionalidad se evala no en un producto individual, sino observando muchos productos. Al hacer esto, reducimos el ruido en nuestros clculos de estacionalidad, pero tambin introducimos la estacionalidad en los pronsticos, incluso cuando los productos hayan sido vendidos durante menos de un ao.

ANALISIS DE SERIES DE TIEMPO

CONCEPTO: se llama Series de Tiempo a un conjunto de mediciones de cierto

fenmeno o experimento registrado secuencialmente en el tiempo. El primer paso para analizar una serie de tiempo es graficarla, esto permite: identificar la tendencia, la estacionalidad, las variaciones irregulares (componente aleatoria). Un modelo clsico para una serie de tiempo, puede ser expresada como suma o producto de tres componentes: tendencia, estacional y un trmino de error aleatorio. En adelante se estudiar como construir un modelo para explicar la estructura y prever la evolucin de una variable que observamos a lo largo del tiempo. Cinco son los objetivos de la leccin: Conocer los conceptos bsicos de series de tiempo, y aplicarlos en la modelacin. Al observar una serie de tiempo en un grfico, aprender a detectar las componentes esenciales de la serie. Aprender a construir los modelos de serie de tiempo, mediante las componentes: tendencia, estacional y un trmino de error aleatorio. Identificar el modelo adecuado para la serie que se est analizando. Predecir los datos de una serie de tiempo, de acuerdo con el modelo ms adecuado. La serie de tiempo o serie cronolgica es un conjunto de datos observados en forma secuencial, generalmente en intervalos de tiempos iguales . Son ejemplos de serie de tiempo : Cotizacin diaria del dlar Ventas mensuales de un determinado producto Produccin anual de fabrica Numero de trabajadores que laboran en una compaa durante varios aos Etc

Diversos tipos de cambios y movimientos ocurren una serie de tiempos. Estos cambios son causados por factores o componentes que afectan a la serie algunos

a largo plazo y otros a corto plazo. Existe una amplia gama de aplicaciones donde se realizan anlisis de serie de tiempo. Este es un tema muy avanzado y especializado algunos metodos de anlisis incluyen tcnicas muy elaboradas de las que no pueden incluirse en este texto basico. El objetivo de este tema es presentar en forma introductoria el anlisis de las series de tiempo como determinar la ecuacin de tendencia lineal y la medicion de los tipos de cambios o movimientos que inflyen en la serie a traves del tiempo. Definicin: una serie de tiempo es un conjunto de valores, Y1;Y2;........Yk De una variable aleatoria Y observados secuncialmente en los periodos de tiempo (iguales) T1;T2 ;.....Tk (ao, meses, trimentres, etc) grafica : la serie de tiempos se presentan mediante una grafica de lineas. En el eje vertical se presentan los valores de la serie, mientras que el eje horizontal se representan los periodos de tiempo. En la grafica de serie de tiempo se destaca, entre otros aspectos los picos y los valles. Un Pico se produce en un punto donde la tendencia creciente cambia a tendencia decreciente . un Valle se produce cuando la tendencia decreciente cambia a tendencia creciente. En general un grafico de serie de tiempo puede considerarse como el trazo que produce un punto que se mueve a traves del tiempo impulsado por una combinacin de fuerzas que pueden ser economicas, sociales , sicolgicas, etc. Ejemplo: Las producciones anuales ( en millones de unidades)durante 12 aos de una compaa ficticia se dan en el cuadro 1.1 Cuadro 1.1 produccion de 1987 a 1998 ( en millones de unidades)

|ao :Y |1987 |1988 |1989 |1990 |1991 |1992 |

|X

|produccion : Y

|ao

|X

|produccion

|0 |1 |2 |3 |4 |5

|2 |3 |5 |9 |12 |16

|1993 |1994 |1995 |1996 |1997 |1998

|6 |7 |8 |9 |10 |11

|13 |10 |17 |14 |22 |24

| | | | | |

Solucion: Se X la variable con que se representan los aos codificados , estos es X = 0 representa a la ao 1987, x =1 representa a la ao 1988 , etc . Ademas representamos por Y las producciones anuales en millones anuales. La grafica de la serie de tiempo es la figura .1.1 Observar que se produce una cumbre o pico en el ao 1992 ( X = 5) y otro en 1995 ( X = 8) , un valle en 1994 Componentes: Diversos tipos de cambios estan contenidos en una serie de tiempo. Estos movimientos son causados por factores , algunos de los cuales producen cambio a la serie a largo plazo mientras que otros producen cambios a corto plazo ver figura 1.2 . El analis de la serie de tiempo es un proceso mediante el cual se llega a identificar y separar los factores que se relacionan con el tiempo y que influyen sobre los valores observados de la serie de tiempo. Los factores que afectan a la serie de tiempo son cuatro : ( X = 7) y otro en 1996 ( X =9)

1.- La Tendencia ( o tendencia secular):

Es el movimiento general crecien o decreciente de los valores de la serie de tiempo Y , que persiste en un periodo largo de tiempo. El mas importante y basico es una linea recta. La componente de tendencia se denotara por T figura 1.2 a .

a)movimiento secular

La tendencia secular se refiere a desplazamientos de los datos a largo plazo hacia arriba o hacia abajo. Existen 2 objetivos bsicos para aislar el componente de la tendencia de una serie cronolgica.

Es identificar la tendencia y utilizarla, como por ejemplo, al hacer una prediccin o pronostico. El otro consiste en eliminar la tendencia, de manera que se puedan estudiar los otros componentes de una serie cronolgica. As, en trminos de predicciones, la investigacin de l a tendencia puede proporcionar cierta idea con respecto ala direccin a largo plazo de una serie de tiempo. Es identificar, a fin e que sea posible tomar en cuenta la tendencia en las decisiones de planeacin.

En la siguiente taba se presentan datos de series cronolgicas en lo referente a un periodo de 20 aos

| | | | | | |

| |toneladas |10 | |11 |9 |11

| |ao |1954 |

| |

|1955 |1956 |1957 |

| | |

| | | | | | | | | | | | | | | |

|12 |15 |13 |17 |16 |13 |14 |10 |18 |16 |20 |22 |14 |21 |17 |21

|1958 |1959 |1960 |1961 |1962 |1963 |1964 |1965 |1966 |1967 |1968 |1969 |1970 |1971 |1972 |1973

| | | | | | | | | | | | | | | |

| | | | | | | | | | | | | | | |

Ahora obtengamos una recta de tendencia mediante las formulas siguientes:

b= n"tY-"t"Y

n"t"2 - ("t)"2

a="Y-b"t

Sustituyendo:

|ao |1954 |1955 |1956 |1957 |1958 |1959 |1960 |1961 |1962 |1963 |1964 |14 |1965 |1966 |1967 |1968 |1969 |1970 |1971 |1972 |1973

|Periodo t |1 |2 |3 |4 |5 |6 |7 |8 |9 |10 |11 |154 |12 |13 |14 |15 |16 |17 |18 |19 |20

|toneladas |10 |11 |9 |11 |12 |15 |13 |17 |16 |13 |10 |22 |27 |44 |60 |90 |91

|tY |1 |4 |9 |16 |25 |36 |49 |64 |81

|t*2 | | | | | | | | | |

|136 |144 |130

|100

|121 |10 |18 |16 |20 |22 |14 |21 |17 |21

| |120 |234 |224 |300 |352 |238 |378 |323 |420 |144 |169 |196 |225 |256 |289 |324 |361 |400 | | | | | | | | |

Aplicando las formulas

b= 20(3497)-210(300) =0.52

20(2870)-(210) "2

a= 300-0.52 =9.52

20

Y=9.52+0.52t

En la cual

Yt =valor predicho de l a serie cronolgica a= valor de Yt cuando t=0

b= pendiente de la recta

t= nmero de periodos

** No hay que olvidar que n es l numero de observaciones. Por consiguiente, para fines prcticos, los clculos son idnticos a los que se ilustraron anteriormente. 2.- FLUCTUACIONES CCLICAS : son movimientos hacia arriba y hacia a bajo de la linea de tendencia, y que ocurre de periodos corto de tiempo. Se le llama asi por que son secuencias repetidas del mismo modo que gira una rueda . la componente de fluctuacin cclica se denotara por C ( figura 1.2 b ) .

b)movimiento ciclico

3.- variaciones estacionales : se llama asi a las oscilaciones en la extensin de un

ao y tiene ms o menos la misma forma ao tras ao. La periodicidad de las oscilaciones pueden ser incluso diarios , semanales, mensuales o trimestrales dependiendo de la naturaleza de la serie pero no duran ms de un ao. Denotaremos a la componente de variacin estacional por E ( figura1.2 c )

C ) movimiento estacional

Las fluctuaciones estacionales son variaciones que se repiten regularmente en un periodo de un ao. Existen 2 objetivos generales para aislar el componente estacional de una serie cronolgica. El primero es eliminar ese patrn a fin de estudiar las fluctuaciones cclicas. La segunda finalidad es identificar factores estacionales, de esta manera que se puedan considerar en la toma de decisiones. Por ejemplo si una compaa productora se da cuenta de que existen fluctuaciones estacionales en la demanda de un determinado, producto, es posible que desee ajustar sus presupuestos, mano de obra e inventarios, teniendo esto en mente. Por lo general tales ajustes resultan muy costosos. Por ejemplo, compaa puede buscar un producto complementario. El cual presente variaciones estacionales en su de manda opuesta alas del mismo. La demanda de equipo de calefaccin. Para probar y encarar los patrones estacionales, es necesario identificar y determinar primero la extensin de estas variaciones. La Tcnica mas difundida para el anlisis estacional es el mtodo de l a razn al promedio mvil.

MTODO DE LA RAZN AL PROMEDIO MVIL Este mtodo produce ndices semanales, mensuales o trimestrales, que establecen observaciones de series cronolgicas, en trminos de un porcentaje el total anual (es decir, como relativos estacionales). Por ejemplo, si el mes de junio tiene un ndice estacional de 0.80, esto indica que

las ventas medias en junio 80% del promedio mensual. Si un trimestre presenta un ndice estacional del 2.00, esto quiere decir que las ventas para un trimestre son aproximadamente el doble de la cantidad promedio para todos los trimestres. A continuacin se presenta el desarrollo paso a paso. El primer paso es obtener un promedio mvil anual, a fin de suprimir las variaciones estacionales. Por lo tanto, si los datos se presentan en forma trimestral, se va a requerir un promedio mvil de 4 periodos; si se consideran datos mensuales, se necesitara un promedio mvil de 12 periodos. Si los datos se presentan en forma anual ser imposible determinar ndices estacionales, ya que las variaciones estacionales automticamente se suprimiran. Si se utiliza un numero par de periodos, para obtener el promedio mvil anual, surgir un problema en el centrado de los datos, puesto que el centro no corresponder a ninguno de los datos originales. Una forma de resolver este problema es encontrar un promedio mvil de 2 periodos de los promedios mviles, lo cual dar lugar que corresponda a un punto de los datos: A continuacin se ilustra dicha solucin.

| | | | |

| | |

| |1 |2

| | | | | |centro | | |

| | | | | | |

|Punto central de los centros |3 | | | | | | | | | | | | | | | |4 |5 |6 | | | |centro | | | | | | | |

El siguiente paso consiste en dividir los datos originales entre los valores

correspondientes del promedio mvil. En efecto, esto elimina las variaciones de tendencia y cclicas de los datos, dejando solo las variaciones estacinales, irregulares y aleatoria simblicamente esto es: Y = T*C*E*I=E*I PM T*C

A Continuacin se agrupan los relativos de periodos semejantes y se obtiene la razn estacional promedio para cada periodo; por ejemplo, si se utilizan datos mensuales, se agrupan todos los de enero y se calcula su promedio; se renen todos los de febrero y se determina su problema; y as sucesivamente; por lo general se calcula un valor medio modificado; esto comprende la eliminacin de las cifras ms altas y ms bajas de cada grupo antes de obtener el promedio. Por ultimo, las cifras resultantes se estandarizan. Esto lleva a cabo mediante el ajuste de los ndices relativos, de manera que se sumen al numero de periodos. Por tanto, si hubiera 12 periodos, en total de los relativos estacionales debera ser 12. En el ejemplo que se presenta a continuacin hay cuatro periodos por lo que la suma de los periodos ser igual a cuatro. De igual modo, debido al redondeo, las cifras tambin suman cuatro. Supngase que la cifra desarrollada sea 5 en lugar de 4. El ajuste se llevara a cabo multiplicando cada relativo estacional por 4/5. De este modo, se divide el nmero de periodos del promedio mvil entre la suma de relativos y se multiplica cada relativo por el resultado. Ejemplo Dados los datos de ventas trimestrales, utilice el mtodo de razn al promedio mvil, para obtener relativos trimestrales, mediante el procedimiento explicado anteriormente. Agrupado los relativos (Y/B) por trimestres, se obtienen los resultados siguientes: | I |II |III |IV |

| |1.02 |1.01 |1 |1.02 |0.99 |3.03 |1.01

|1.02 |1.07

| | | | | | | |

|0.89 |0.94 |1.09 |0.87 |1.03 |1.1 |0.88 |1.03 |1.09 |0.86 |1.05 |1.1 |0.87 | |

|2.62 |3.08 |3.28 |0.87 |1.03 |1.09

Totales modificados Valores medios modificados(relativos estacionales) Afortunadamente las variaciones irregulares, carecen relativamente de importancia por esta razn son considerados solamente como parte de las variaciones estacionales o de las fluctuaciones cclicas . Sin embargo al analizarlas las variaciones cclicas o estacionales las causas espordicas o especificas como: huelgas , terremotos , indudaciones que contribuyen a las variaciones peridicas, se les debe analizar como variaciones irregulares, siempre que sean posible. VARIACIONES CICLICAS E IRREGULARES Las variaciones cclicas son de tipo peridico y presentan mas de un ao de duracin. Comnmente, tales variaciones no se pueden apartar de las de naturaleza irregular, por lo que se analizaran juntas. Para aislar las variaciones cclicas, las otras variaciones (de tendencia y estacionales) se deben separar de los datos de las series cronolgicas. Las variaciones estacionales se suprimen en forma efectiva utilizando cifras anuales ( ya que las variaciones estacionales se definen como ciclos de un ao o menos duracin, las cifras anuales no mostraran fluctuaciones estacionales) o bien - analizar cifras mensuales - Utilizando un promedio mvil

de doce meses. A continuacin se extrae la tendencia de los datos, y lo que queda se considera como el total de fluctuaciones cclicas e irregulares. Para eliminar la tendencia se requiere obtener una recta (o curva) de tendencia. Esto se puede realizar utilizando una ecuacin de regresin o un promedio mvil de largo plazo. La eliminacin de la tendencia a partir de los datos depende de s se utiliza el modelo aditivo o el multiplicativo. En el primero, cada observacin se resta del valor correspondiente de la tendencia. El resultado es una serie de desviaciones con respecto a esta. [pic] En esta grfica se muestran los datos con eliminacin de l a tendencia, dejando solo los ciclos. [pic] En esta grfica se muestran los datos originales con tendencia y ciclos. En este ejemplo se muestra el mtodo para eliminar la tendencia en los datos del modelo aditivo, dada una ecuacin de regresin lineal que se deriva de los mismos.

|t Yt=10+2t |1 | |2 | |3 | |4 | |5

|Datos originales Y |Datos sin tendencia Y-Yt |12 |12

|Tendencia | |0

|15

|14

|1

|18

|16

|2

|19

|18

|1

|20

|20

|0

| |6 1 |7 2 |8 |26 |9 | |10 | |11 | |12 | |13 | |14 1 |15 2 |16 1 |17 | |18 | |19 |50 |48 |2 |47 |46 |1 | |44 |44 |0 | |41 |42 || |38 |40 ||37 |38 ||36 |36 |0 |35 |34 |1 |34 |32 |2 |31 |30 |1 |28 | |25 |-1 |28 | |0 | |22 |24 ||21 |22 |-

| |20 | |51 |50 |1

[pic]

MODELOS CON SERIES DE TIEMPO:

Para estudiar una componente o para aislar una o mas componentes de una serie original se deben de descomponer la serie. Para descomponer una serie de tiempo se supone que existe algun tipo de relacion entre las cuatro componentes que contiene :

En general ; se supone que una serie de tiempo contiene sus componentes en forma aditiva y en forma multiplicativa. El modelo aditivo supone que el valor de los datos originales , Y , es la suma de los cuatros componentes . esto es Y= T +E+C+I El modelo multiplicatibo supone que el valor de los datos originales Y , es el producto de las cuatro componentes: Y = T * C * E * I En el modelo aditivo, los datos expresan en las unidades originales y el valor de una componente no afecta los valores de otros componentes. En el modelo multiplicativo, solo la componenete de tendencia se expresa en unidades originales las componentes estacionales y cclicas se expresan en numeros relativos o porcentajes , ademas , hay una dependencia mutua . Por ejemplo : Una produccin de E igual 37800 unidades ( pares ) de zapatos de una determinada empresa de calzado en el ao 1999 se puede descomponer en T =

40000 unidades C = 100% , que significa que no existe efecto debido al ciclo de negocios , E = 105% que significa que la produccin de calzado tiene una variacin estacional del + 5% para ese ao , I = 90% , que signifca que algunas fuerzas no conocinas el numero de zapatos producido sufre una variacin irregular de 10 % en ese ao . entonces , 37800 = 40000 * 1.00 * 1.05 * 0.90 el modelo multiplicativo es el que se utiliza mas a menudo debido a que caracteriza a la mayoria a la serie de tiempos economicas . trataremos , entonces con este modelo para separar las componentes que influyen en los valores en la serie de tiempo.

ANALISI DE LA TENDENCIA :

El anlisis de la tendencia es el procedimiento mediante el cual se determina la direccin del movimiento de la serie de tiempo a largo plazo y permite deducir el desarrollo de la serie en el futuro . se supone que existe una tendencia y esta puede ser ascendente, descendente y constante . la primero que se debe decidir es si la tendencia es una linea recta o curva. La estimacin de la tendencia se puede relaizar por muchos metodos entre los que estan el de mano libre o alzada, el metodo de los dos promedios ( o sin promedios ) el metodo de las medias moviles y de los minimos cuadrados. Nos referimos brevemente al metodo de mano libre y de los dos promedios para determinar la tendencia el metodo de los promedios moviles sera explicado en el proceso de determinacin de los indices estacionales.

el metodo de la mano libre : cociste en representar la seri de tiempo en un diagrama y despus ajustar una linea recta a traves de dos puntos del diagrama

de modo que la recta reprente la tendencia de la serie de tiempo. El metodo de los dos promedios : conciste en dividir en las serie de tiempo en dos partes , se calcula la media de cada parte y se ajusta una linea de tendencia que pase por las dos medias . Tendencia de minimos cudrados : de todos los modelos posibles de tendencias de las ceries de tiempo el mas importante es la linea recta. Si Yt representa los valores de la tendencia , la tendencia lineal es la expresin : Yt = a + Bx La formulas para determinar los valores de a y b por el metodo de minimos cuadrados son como ya se vio en regresin lineal simple:

B= Xy nXY

X nX

A = Y Bx

ANLISIS DE LAS VARIACIONES CCLICAS :

Los datos anuales contiene solo dos componentes :

La tendencia y el ciclo. Las variaciones estacionales son cambios mensuales o trimestrales que no se rebelan en los datos anuales. Las variaciones irregulares tienen efectos positivos y negativos en periodos cortos y tienden a compensarse en el curso de un ao . Por esta razon , cuando los datos son anuales , se pueden aislar los ciclos, suponiendo que el modelo multiplicativo es : Y = t * C , Y dividiendo lugo los valores de la temdencia expresado en porcentajes . estos es , los indices ciclicos

estan dados por : Y = t * C = C Yt T

Una medida relativa del 100% indica ausencia de efectos ciclicos sobre el valor anual de la serie de tiempo.

Problemas :

1.- a.- Ralph Rholdes desea utilazar las tcnicas de suavizamiento para promediar y pronosticar los niveles de inversin de capital que su empresa a realizado durante los ltimos aos. Calcul promedios mviles tanto para tres como para cuatro aos. El promedio mvil de 4 aos debe centrarse de manera subsifuiente debido a que contiene un nmero par de trminos.

|ao

|inversin ( us $ 1000 ) (y )

|pm de tres periodos | |

|pm de

cuatro periodos |1985 |73.2

|pm de cuatro periodos centrado | |

|1986

|68.1 |

|71.37

|1987

|72.8 |

|72.27

|72.5

|1988 72.33 |1989 72.3 |1990

|75.9 | |71.8 | |69.3

|73.5

|72.15

|72.33

|72.45

|69.7

|71.25

71.85 |1991 70.2 |1992 68.91 |1993 69.16 |1994 70.56 |1995 72.15 |1996 |72.9 |75.3 |73.2 |69.9 |67.5 |68

| |68.27 | |68.47 | |70.2 | |72.8 | |73.8 | | | | |72.83 | |71.48 | |69.65 | |68.68 | |69.15 |

Utilizando el PM de tres periodos 73.8 es la estimacin del promedio a largo plazo alrededor del cual todas la observaciones tiende a caer , y como tal es el pronostico de todo periodo futuro. El PM de cuatro periodos produce un estimado de 72.15.

2.- durante los ultimos aos , las condiciones del negocio para Rainbow enterprises an sido difciles el CEO a recolectado los totales trimestrales del numero de empleados que han sido despedidos durante los ultimos cuatro aos

a. CEO quisiera proyectar un numero de despidos para el primer y el segundo trimestre del ao 1998 utilizando un anlisis de tendencia lineal.

|periodo

|despidos ( y)

|T ( X )

|XY

|X2

|1994-1 |II |III |IV |1995-1 |II |III |IV |1996-1 |II |III |IV |1997-1 |II |42 |III |IV |TOTAL |44 |37 |37 |32 |34 |27 |32

|25 |2 |3 |4

|1 |54 |96

|25 |4 |9

|1 | | |

|29 |28

|116 |5 |140 |192 |238 |304 |9 |315 |370 |407 |468 |494

|16 |25 |36 |49 |64 |81 |100 |121 |114 |169 | |

|6 |7 |8

|38 |35

| | | | | |

|10 |11 |12 |13

|39 |38

|14 |15 |16 |136

|588 |660 |720

|196 |225 |256 |5187 |1496

| | | |

|45 |562

SCx = S x2 ( s X )2

n = 1.496 - 1362 16

= 340

SCxy = s Xy ( s x)( S y)

=5.187 136 * 562

16

= 410

b1 = 410 / 340

= 1.206 b0 = Y b1 X

=35.13 1.206 (8.5)

= 24.88

para el primer trimestre del 1998 :

Y1 = 24.88 + 1.206 (17)

= 45.38

para el segundo trimestre de 1998 :

Y1 = 24.88 + 1.206 ( 18)

=46.59

b) el CEO ahora desea desarrollar los indices estacionales para el numero de despido :

|periodo |1994-1 |II |III |IV |1995-1 |II |III |IV |1996-1 |II |III |IV

|despidos |25 |27 |32 |29 |28 |32 |34 |38 |35 |37 |37 |39 | |

|PM centrado | | |1.1179 |0.9789 |0.918 |1.0039 |1.0037 |1.0742

|razon con PM | | | | | | | | | | |

|28.625 |29.625 |30.5 |31.875 |33.875 |35.375 |36.375 |36.875 |37.375 |38.375 | |38 |39.875 |41.5 | | | |

|0.9622 |1.0034 |0.99

|1.0163 |1997-1 |II |III |IV |42 |42 |45

|0.953 |1.012 | | |

El PM de cuadro periodos ( debido a que se utilizan datos trimestrales ) | MEDIA |I | |1994 |1995 | |0.9622 |0.953 |0. |1996 |1997 |

|Indice estacionales |0.918

9444 |II .0064 |III 372 |IV 1.0231 |total |3.9991

|0.9416 | |1.0034 |1.1179 |1.0341 |0.9789 |1.02 | | | |

| |1.0039 | |1.0037 |0.99 | |1.0 |1.0034 |1.012 |1

|1.0742 | |

|1.0163

|4.0111

c.- el CEO de Raimbow desea determinar los despidos si se eliminan los factores estacionales. Los niveles desestacionalizados para 1994-I y 1994 II son respectivamente

25/ 0.9416 = 26.55 empleados

27/ 1.0034 = 26.91

d.- los ejecutivos de raimbow consideran que los movimientos generales en su ciclo de negocios influyen en la necesidad de despedir a sus empleados . Deciden calcular los componentes cclicos para cada periodo de tiempo

|despidos estadstica |25 |24.56 |27 61 |32 .62 |

|proyeccin de tendencias |componente irregular |26.08 |101.8 |27.29 | |28.49 |100.5 | |1.0341

|indice estacional |

|norma

|componente cclico |0.9416 | |1.0034 |

|27.38

|98.

|29.46

|108

|29 3 |28 24 |32 32 |34 68 |38 92 |35 .03 |37 85 |37 81 |39 7 |38 52 |42 |41.9 |44 04 |45 8 | |

|29.7 |99.61 |30.9 |98.73 |32.11 |99.01 |33.32 |101.51 |34.52 |102.55 |35.73 |102.01 |36.93 |100.06 |38.14 |98.15 |39.35 |97.64 |40.55 |98.34 |41.76 |100.23 |42.96 | |44.17 | | | | | | | | | | |

|1.02

|30.29

|95.6

|0.9416

|29.1

|96.

|1.0034

|32.22

|99.

|1.0341

|34.46

|98.

|1.02

|35.21

|107.

|0.9416

|33.64

|104

|1.0034

|37.06

|99.

|1.0341

|39.44

|93.

|1.02

|40.14

|97.1

|0.9416

|38.18

|99.

|1.0034 |99.33 |1.0341 | |44.42 |99.

|1.02

|45.05

|99.8

Toman un PM de cuatro periodos de los valores cclicos irregulares para producir

justo el componente cclico de la stima columna para 1994 III el despido de 32 empleados representa el 100.5 % de la tendencia.

e.- si los despidos en 1998-I son 46 cuntos despidos puede esperar raimbow para 1998 ? debido a que el primer trimestre representa tpicamente un periodo en el cual los despidos son de tan solo 94.16% del promedio para todo el ao , los despidos trimestrales basados en 46 para 1998 I seran : 46 / 0.9416 = 48.85

para todo el ao , los despidos seran de un total de ( 48.85 ) ( 4 ) = 195 empleados

f.- En un esfuerzo final por controlar el nmero el de despidos necesarios , los ejecutivos de Raimbow desean obtener cifras desestacionalizadas para cada periodo de tiempo. Ellos las obtienen dividiendo el nmero real de despidos por el ndice estacional apropiado ( trimestralmente ). Una lista parcial de los resultados aparece a continuacin

|ao trimestre desestacionalizados |1994IV | |II | |III | |IV |29 |32 |27 |25

|despidos |

|ndice estacional

|despidos

|0.9416

|26.55

|1.0034

|26.91

|1.0341

|30.94

|1.02

|28.43

| |1995- I |28 |0.9416 |29.74

i INTRODUCCION Un estudio reciente realizado por el FIDEG (Fundacin Internacional para el Desafo Econmico Global) sobre las condiciones de vida de los hogares urbanos de los departamentos de Managua, Len y Granada, en los que residen el 52.99% de la poblacin urbana total, demostr que para el mes de Agosto de 1997, el 62.5% de los hogares urbanos se encuentran viviendo por debajo de la lnea de pobreza, y el 34% se encuentra en la pobreza extrema, o sea, no generan el ingreso necesario para adquirir la canasta bsica de alimentos. Lo anterior refleja un crecimiento de casi 20 puntos porcentuales en el nivel de pobreza desde 1992, y de 11.2 puntos en el nivel de pobreza extrema. Es importante diferenciar en el anlisis de pobreza, la profundidad de la misma. En ese sentido, las cifras indican que desde 1992 se ha producido una pauperizacin de sectores medios ( hogares que en 1992 estaban fuera de la lnea de pobreza ) con una mayor incidencia de hogares con jefatura masculina. Pese a que la pobreza contina afectando a un mayor porcentaje de hogares con jefatura femenina, la evidencia indica que la pobreza urbana esta creciendo mas aceleradamente entre los hogares a cargo de un hombre. En relacin a lo anterior, podemos decir que una de las razones por el cual se calcula el ndice de precios al consumidor es para medir las variaciones en los precios de los bienes y servicios que normalmente adquirimos para mantener un determinado nivel de vida. Estos bienes y servicios obtenidos

mediante una encuesta de presupuesto familiar, son los que generalmente se conocen como canasta bsica. La pobreza creci de forma acelerada en 1992 y 1993, y luego en 1995 y 1997. El primer perodo coincidi con el de la manifestacin del impacto que provoc la aplicacin del programa de Ajuste Estructural (ESAF), mientras que entre 1993 y 1995 se observ una moderada recuperacin econmica que permiti una cierta mejora en el nivel de vida. El deterioro observado, tanto en trminos de pobreza como en pobreza extrema (indigencia), ha sido mas acelerada en los aos ( 95/96 y 96/97 ). Desde 1995 a nivel regional, la pobreza relativa aument de un 52.1% hasta un 62.5% lo que refleja un crecimiento mayor de diez puntos porcentuales.

ii ANTECEDENTES El Indice de Precios al Consumidor I.P.C. se origin durante la primera guerra mundial, pero no fue sino hasta 1921 en EEUU, cuando la Bureau of Labor Statistical comenz a publicarlo con regularidad. El I.P.C. se deriva de una canasta bsica de bienes y servicios que se adquieren para su consumo. Constituye una razn de los costos de compra de un conjunto de bienes y servicios en dos perodos de tiempo distintos. En Nicaragua, ante la necesidad de establecer un Indice de Precios al Consumidor, la Direccin General de Estadsticas, dependiente del Ministerio de Economa, llevo a cabo la primera encuesta de ingresos y gastos familiares en Octubre de 1953. El objetivo de la investigacin fue el acumular el mayor nmero de datos que tiendan a dar una mayor orientacin al gobierno para resolver los problemas de orden econmico y social de la nacin, para la determinacin del ndice del costo de la vida y para obtener la estructura de una canasta previa de bienes y servicios. En 1954, se analizaron los datos para los estratos urbanos. Por razones de costo solo se prepar la canasta para el obrero industrial no calificado. An cuando la encuesta de presupuestos familiares realizada en Nicaragua tuvo un alcance geogrfico muy amplio para la elaboracin del ndice del costo de la vida, solo se tuvo en cuenta los resultados relacionados con las familias urbanas, de obreros industriales de la ciudad de Managua, con el propsito de establecer el ndice, debido a que solo ellos presentaron 3

homogeneidad en los modelos de consumo y de condiciones de vida. Adems que la recoleccin de los precios solo era posible en esta ciudad. La investigacin de los primeros ndices se realiz hasta 1956, debido a que en 1955 se consider no adecuado por los altos precios que presentaron los granos bsicos ante la escasez de ese ao. Los estudios previos de 1956 respetaron los gastos parciales y total de la canasta obtenida en Octubre de 1953, la poca variacin de las ponderaciones se consider irrelevante. El ndice de precios calculado para la ciudad de Managua se descontinu en el ao 1962. Por este tiempo era necesario programar otra encuesta sobre ingresos y gastos familiares a realizar en 1963, que permitiera revisar o establecer una nueva canasta de bienes y servicios, para la elaboracin de un nuevo ndice. Las recomendaciones internacionales sealan o indican que el ndice de precios al consumidor debe ser revisado en promedio cada diez aos, para aquellos pases que presentan pocos cambios en cuanto a los patrones de consumo y cada cinco aos para pases que presentan rpidos cambios. La administracin del sistema estuvo a cargo del Ministerio de Economa hasta Junio de 1967, cuando pas bajo la responsabilidad del Banco Central de Nicaragua, por otra parte, la vigencia del sistema fue de aproximadamente 16 aos. De Enero de 1956 a Noviembre de 1972.

Despus de haber transcurrido 19 aos, desde la primera encuesta era razonable suponer que los hbitos de consumo haban variado significativamente, y adems se haban originado una serie de cambios importantes en la calidad de tal forma que la haca menos representativa, en consecuencia, el Banco Central de Nicaragua, decidi llevar a cabo una nueva encuesta de ingresos y gastos familiares en la ciudad de Managua en 1972 y definir as la nueva canasta. El I.P.C. como es construdo en Nicaragua sigue la tradicin mundial de usar la frmula de Laspeyres donde se mantiene constante las cantidades adquiridas de cada producto en el perodo base y se modifican perodo a perodo los ndices de precios del producto respectivo. Este tipo de ndice de precios asume que las cantidades que el consumidor adquiere son invariables ante los cambios de precios relativos. En realidad, los precios relativos cambian da a da, y mientras un producto es mas caro hoy, puede abaratarse maana. De igual manera el consumidor sustituye productos baratos por productos caros. Cuando estas oscilaciones se contrapesan en el tiempo no existen mayor problema en los precios relativos, pero cuando los precios relativos cambian drsticamente, tenemos la necesidad urgente de cambiar el ndice de precios. En Nicaragua, los precios relativos cambiaron a tal grado que surgi la necesidad urgente de cambiar el Indice de Precios con base en el ltimo trimestre de 1987 a uno con base en el perodo posterior a la hiperinflacin (1994).

Ahora bien, el I.P.C. base 1994 tena un problema de doble obsolescencia. El primero viene dado por el perodo en el que se tom la encuesta que sirve de fundamento para las ponderaciones, 1984 - 1985 ( diferencia de casi diez aos ). El segundo viene dado por la estructura de precios relativos del perodo base Octubre - Diciembre 1987, que es radicalmente distinto a la estructura de precios relativos de los ltimos aos. Las ponderaciones de este I.P.C. muestra una estructura de consumo altamente sesgada a Alimentos y Bebidas, Vestido y Calzado, y al mismo tiempo una extremadamente pequea ponderacin a Servicios Mdicos y Conservacin de Salud, y Enseanza, si las comparamos con las ponderaciones de la encuesta Mayo - Octubre 1972 o la encuesta de Marzo 1993 del INEC. Como puede verse a continuacin :

Cuadro No. 1 Estructura de ponderaciones para las categoras del I.P.C. (Managua) Seis Meses CATEGORIAS Alimentos y Bebidas Vestido y Calzado Vivienda 1972 0.3903 0.0747 0.1788 Doce Meses 1984-85 0.5625 0.1390 0.0557 Abril 1993 Promedio 1994

0.4460 0.466267 0.0643 0.092667 0.1388 0.124433

Cuadro No. 1 ( continuacin )

Muebles, E.D. y Cuidados de las Casa Servicio Mdicos y Cuidados de la Salud Transporte y Comunicaciones Esparcimientos Recreativos y Culturales Enseanza Otros Gastos Fuente : INEC.

0.0860 0.0585 0.1080 0.0189 0.0435 0.0413

0.0708 0.0235 0.0456 0.0202 0.0091 0.0736

0.0717 0.076167 0.0522 0.044733 0.0968 0.083466 0.0060 0.015033 0.0790 0.043867 0.0415 0.052133

Una conjetura que explicara la semejanza entre 1972 y 1993 sera que estamos frente a una estructura de precios relativos semejantes (a precios de mercado) a diferencia de 1984-85 donde la estructura de precios relativos responde a precios planificados. Otra conjetura alterna a la primera es que las ponderaciones de 1984-85 respondan a un estrato especfico de la poblacin (por ejemplo, aquellos debajo de una lnea de pobreza dada) y no a la totalidad de la poblacin encuestada. En todo caso, las diferencias son notables y llevan a la reflexin. El problema mas grave de los dos mencionados es el de la estructura de precios relativos. Este problema no es nico en Nicaragua, sino es comn a todos los pases que transitan de una economa planificada a una economa de mercado, la diferencia entre Nicaragua y estos, es que en dichos pases se realizaba habitualmente una encuesta anual a hogares

que permita determinar la evolucin de la estructura del gasto y que en el contexto de la transicin ha permitido cambiar la base del I.P.C. cada ao. Aqu, por razones presupuestarias se posterg el Censo de Poblacin y Vivienda, e imposibilitaron la realizacin de una encuesta de Ingreso-Gasto que hubiera posibilitado construir una nueva ponderacin del I.P.C. Como una alternativa al problema del I.P.C. en 1993, el INEC por encargo del Banco Mundial efecto una encuesta de medicin de niveles de vida a escala nacional. En particular, una de las submuestras en denominada Managua Urbano, que corresponde a las ciudades de Managua y Tipitapa, y como es obvio la ciudad de Managua es prcticamente el 100% de esta submuestra. En tal sentido se procedi a aproximar la ciudad de Managua la submuestra Managua Urbano. Las limitaciones fundamentales de esta encuesta como insumo para construir un I.P.C. fueron tres : 1 - Se realiz en un solo mes del ao y no a lo largo de todo el ao. 2 - No interrog sobre el tipo de establecimientos donde se adquieren los productos. 3 - Solo interrog por productos a nivel agregado y no a nivel de detalle. En vista de las limitaciones anteriores se procedi a construir las ponderaciones que se desprendan de los resultados de la encuesta. 8

Los resultados fueron sumamente alentadores cuando se observ la semejanza con las ponderaciones de 1972, y en general con las ponderaciones de pases que han tenido hiperinflaciones tales como Bolivia y Per. Las ponderaciones halladas tienen un alto nivel de precisin a nivel de subgrupo. Sin embargo, para salvar el problema de la ponderacin al interior de los subgrupos, se tuvo que recurrir a la estructura de los ndices anteriores. Para la mayor parte se asumi la estructura al interior de los subgrupos del perodo base IV-87, con excepcin de los casos donde los productos estuvieron sujetos a algn tipo de control a racionamiento, tales como los alimentos y las tarifas pblicas, donde se asumi la estructura de 1972. Para la limitacin de falta de informacin por lugar de compra, se plane hacer una encuesta en la ciudad de Managua para recabar informacin especfica sobre este problema. Finalmente sobre el problema de estacionalidad, no se encontr ninguna solucin y tuvo que asumirse el margen de error que este problema introduca en el ndice. De este modo el INEC cont con una nueva estructura de ponderaciones totalmente compatible con la del periodo base IV-87; lo que permiti hacer anlisis consistentes de los fenmenos ocurridos en los ltimos aos.

iii JUSTIFICACION

La razn fundamental por la cual decidimos realizar un anlisis del componente estacional de la serie cronolgica del ndice de precios al consumidor base : 1956, 1974, 1987 y 1994; es debido a que la gran mayora de las investigaciones acerca del I.P.C. en nuestro pas, concentran sus anlisis en el ndice como tal, utilizando las tcnicas porcentuales simples para sus conclusiones. Estas tcnicas nos permiten conocer principalmente el comportamiento inflacionario que afecta nuestra economa, ya sea en forma mensual, trimestral o anual. Sin embargo, el I.P.C. encierra gran cantidad de informacin, si se le da el tratamiento adecuado. Como veremos mas adelante, la publicacin mensual del ndice de precios al consumidor podemos tratarla como una serie cronolgica, o serie temporal. En este sentido, las tcnicas de anlisis para una serie de tiempo, adems de presentarnos un cuadro analtico mucho mas profundo que las razones porcentuales, nos ayudan a comprender mejor, el comportamiento de la variable en estudio. Sin embargo, no es posible, por nuestras limitantes de costo y tiempo analizar todos los componentes que influyen en el I.P.C. De esta manera, decidimos realizar nuestros anlisis sobre el componente estacional de la serie por tres razones fundamentales : 1. Para conocer los meses mas inflacionarios del ao. 2. Falta de antecedentes acerca del componente estacional en el ndice de precios al consumidor. 10

3. Analizar el componente estacional, implica la descomposicin total de la serie, lo cual es ventajoso si posteriormente se desea hacer anlisis del resto de sus componentes. Los aos 1956, 1974, 1987 y 1994, se seleccionaron para nuestra investigacin ya que fue en ellos donde se realizaron los diferentes estudios sobre presupuestos familiares y donde se cambi el perodo base para la construccin del ndice. Recordemos que para cambiar un perodo base necesitamos conocer el costo de la canasta bsica en ese perodo. Al no disponer de esta informacin, nos limitamos a analizar los aos antes mencionado.

iv OBJETIVOS

11

General : Analizar el componente estacional en la serie cronolgica del Indice de Precios al Consumidor Base : 1956, 1974, 1987 y 1994, del departamento de Managua.

Especficos : Desarrollar una metodologa para la construccin de un ndice estacional. Realizar un anlisis del componente estacional en la serie temporal del Indice de Precios al Consumidor Base : 1956, 1974, 1987 y 1994, del departamento de Managua.

12

CAPITULO 1

INDICE DE PRECIOS

13

Cuando los peridicos dicen La inflacin esta aumentando informan en realidad, de la evolucin del Indice de Precios. Pero Que es el Indice de Precios?, o mejor an, Que es un nmero ndice?.

1.1 Conceptos. Podemos decir que un nmero ndice es una razn que se utiliza para medir los cambios relativos que ocurren entre dos perodos. Expresa el valor de cada perodo en relacin con el de un ao base determinado. En general, los nmeros ndices son razones que miden el cambio relativo en precios, cantidad, o valores entre dos perodos. Los nmeros ndices son una forma importante de resumir el cambio que experimentan las variables econmicas durante cierto perodo. Tales nmeros indican el cambio relativo en precio, cantidad o valor en algn punto anterior en el tiempo (perodo base) y usualmente, el perodo actual. Cuando solo esta comprendido un solo producto o mercanca el ndice se llama ndice simple. En tanto que una comparacin que comprende un grupo de elementos recibe el nombre de ndice compuesto. Por ejemplo, si comparamos los precios de ciertos artculos tales como la leche, mantequilla, carne molida, frijoles, pan, etc. Algunos de estos artculos pueden haber registrado aumentos considerables en el precio, otros, cambios muy pequeos, y algunos otros incluso pueden haber reducido de precio. El objeto de utilizar un ndice compuesto sera el de resumir los cambios totales de precios en lo referente a esta serie de productos

14

comestibles. Por la misma razn, la compra de estos artculos pueden cambiar al pasar de los aos. Quizs el consumo de leche y carne ha aumentado. Este sera probablemente el caso si aumentara el nmero de miembros de una familia y a medida que los nios se convirtieran en adolescentes. Por otra parte, el consumo de mantequilla puede haber disminuido, particularmente si la madre o el padre se interesan por mantener a todos en su peso normal. De ah que sea necesario incluir cambios en la cantidad, as como el precio, para tener una idea mas exacta del cambio total. Los negocios y las industrias tambin enfrentan situaciones en las que se requiere alguna forma de tratar dichos cambios. As mismo se experimentan en los precios y cantidades de las materias primas, productos semielaborados, refacciones, suministros, mano de obra, combustible y ventas. Los nmeros ndices les ofrecen una forma de medir tales cambios. En sentido estricto, no es necesario que los nmeros ndices se refieran nicamente a comparaciones entre diferentes perodos; tambin se pueden utilizar para comparaciones dentro del mismo marco de referencia temporal. Por ejemplo, las comparaciones de las tasas de desercin entre las escuelas de un departamento, o bien una comparacin de las tasas de criminalidad, costos de vivienda, o gastos de alimentacin entre diferentes ciudades comprenden comparaciones espaciales o en el espacio. Tambin es importante notar el empleo de los nmeros ndices para resumir los cambios econmicos. Es primordial en cualquier economa independientemente de su estructura social y poltica. 15

Existe tres clasificaciones de los nmeros ndices utilizados en economa y administracin; ndice de precio, de cantidad y de valor. Todos los nmeros ndices poseen ciertas caractersticas en comn. Una de ellas es que son razones de una cantidad de un perodo actual, a otra cantidad en un perodo base. las razones se expresan como porcentajes, por lo general a la unidad o al dcimo mas cercano, sin indicar el signo del por ciento. A la cantidad en el perodo base se le considera de 100%. Al paso de los aos, los nmeros ndices han llegado a ser mas importantes para la administracin y la economa como indicadores o barmetros de la cambiante actividad econmica y financiera, los que supuestamente indican perodos de inflacin, recesin, ciclos comerciales y estancamiento. Se han creado numerosos ndices de precios, ndices de cantidad, ndices de valor, ndices de calidad e ndices sociolgicos.

1.2 Indice de precios. Un ndice de precios es un indicador del nivel general de precios, mas concretamente, es una medida ponderada de los precios de una serie de bienes y servicios. Para elaborarlos, los economistas ponderan cada uno de los precios segn la importancia econmica de cada bien. Podemos decir que es el cociente entre el costo monetario de un conjunto de bienes y servicios (la canasta 16

bsica) en un perodo dado y su costo en un determinado perodo base multiplicado por 100. El ndice de precios se basa en la idea de que si compramos las mismas cosas todas las semanas en un supermercado (por ejemplo), la cantidad de dinero que pagamos por ellas, constituye una medida o un ndice del nivel medio de precios del supermercado. Para calcular un ndice de precios, el primer paso consiste en calcular el costo de la canasta bsica cada ao. A continuacin se obtiene el ndice dividendo el costo cada ao por el costo del ao base y multiplicando el resultado por 100. El valor de un ndice de precios en su perodo base siempre es 100. Cuando un ndice de precios es superior a 100, los precios son, en promedio, mas altos que en el perodo base; cuando es inferior, los precios son, en promedio, mas bajos. Para ejemplificar la construccin de un Indice de Precios, tomaremos el costo de la canasta bsica de 53 productos de la ciudad de Managua, los cuales se han clasificado en tres grandes grupos: Alimentos Bsicos, Usos del Hogar y Vestuario, mostrados en el siguiente cuadro :

17

Cuadro No. 2 Costo de la Canasta Bsica de 53 Productos de la ciudad de Managua Base = 1994 Alimentos B sicos C $ C $ C $ C $ C $ C $ C $ 459.21 477.70 578.57 635.67 711.36 809.74 893.75 P recios R elativos U del sos H ogar 190.30 179.33 224.08 248.96 279.30 330.73 429.66 P recios R elativos P recios R elativos 79.66 84.88 98.09 100.00 102.60 98.99 84.51

Aos 1991 1992 1993 1994 1995 1996 1997

Vestuario 68.50 72.99 84.35 85.99 88.23 85.12 72.67

72.24 C $ 75.15 C $ 91.02 C $ 100.00 C $ 111.91 C $ 127.38 C $ 140.60 C $

76.44 C $ 72.03 C $ 90.01 C $ 100.00 C $ 112.19 C $ 132.84 C $ 172.58 C $

Fuente : INEC.

Tomando como base el ao de 1994, se observa como desde este ao hasta 1997, se ha incrementado el costo de la canasta de los bienes representados en estas categoras a excepcin de la categora vestuario. Esto es muy importante puesto que debemos considerar que aqu se encuentran los productos de primera necesidad, cuya importancia relativa en los presupuestos familiares es muy alta.

Ahora bien, es evidente que sera una insensatez sumarlos simplemente o ponderarlos por su masa o volumen. Los ndices de precios se elaboran,

18

por el contrario, ponderando cada perodo segn su importancia econmica de la mercanca en cuestin. En el caso de Indice de Precios al Consumidor (I.P.C.), se asigna a cada bien un peso fijo proporcional a su importancia relativa en los presupuestos de gastos de los consumidores. Cuando se tiene un grupo de artculos de consumo se puede calcular un ndice de precios al consumidor, obteniendo lo precios relativos de cada artculo, referidos todos ellos al mismo perodo base. El ndice ser el promedio de esos precios relativos. Sin embargo, como no todos los artculos tienen la misma importancia dentro del presupuesto del consumidor, el ndice no se puede obtener como un promedio simple. Se debe asignar a cada articulo una importancia relativa respecto a los dems. A esta importancia relativa se le conoce como PONDERACION. En esta forma los ndices se obtienen como promedios ponderados de los precios relativos. Refirindonos nuevamente al cuadro anterior, los precios relativos corresponden a los ndices de precios obtenidos para cada una de las categoras; Alimentos y Bebidas, Usos del Hogar y Vestuario. Si se desea construir un I.P.C. para estos 53 productos, debemos conocer cual es su importancia relativa dentro del presupuesto familiar en el perodo base, o sea, 1994. Hipotticamente supongamos que el 50% del presupuesto de la unidad familiar representativa corresponda a Alimentos Bsicos, el 30% a Usos del Hogar y el 20% a Vestuario, asumiendo que todo su presupuesto lo gasta en estos 53 productos de la canasta bsica. Ahora podemos tener 19

un I.P.C. debidamente ponderado para los bienes y servicios incluidos en estas tres categoras, como se muestra a continuacin : Cuadro No. 3 PRECIOS RELATIVOS DE LOS 53 PRODUCTOS DE LA CANASTA BASICA DE LA CIUDAD DE MANAGUA

Ponderacin

50.00 Alimentos

30.00 Usos del Hogar

20.00 Indice Indice Promedio Vestuario Simple 76.10 77.33 93.03 100.00 108.90 119.73 132.57 Promedio Ponderado 74.96 76.13 92.12 100.00 110.13 123.34 138.98

Aos 1991 1992 1993 1994 1995 1996 1997

Bsicos 72.2 75.1 91.0 100.0 111.9 127.4 140.6

76.4 72.0 90.0 100.0 112.2 132.8 172.6

79.7 84.9 98.1 100.0 102.6 99.0 84.5

Para obtener un promedio ponderado se utiliza la frmula : w.x w

20

Donde w.x representa la suma de productos que se obtienen cuando se multiplica cada x por el valor ponderado correspondiente, y w, es simplemente la suma de sus valores ponderados. Sustituyendo la frmula por los valores correspondientes a 1991 se tendra que : I.P.C. 1991 = (72.2) (0.5) + (76.4) (0.3) + (79.7) (0.2) = 74.96 0.5 + 0.3 + 0.2 De igual manera se obtienen los ndices promedios ponderados para el resto de los aos. Ntese como la ponderacin en el ndice no afecta en modo alguno al perodo correspondiente al perodo base, sin embargo, las diferencias son muy significativas si comparamos el ndice promedio simple con el ndice promedio ponderado para el resto de los perodos.

Un ndice de precios puede interpretarse como una medida de los precios actuales de los bienes y servicios calculados en trminos relativos respecto del ao base y ponderarlos mediante unos coeficientes que indican la proporcin del gasto efectuado de cada bien, o como el coste de comprar en el ao actual un conjunto de bienes que adquiridos en el ao base, representan un gasto de 100.

21

Teniendo en cuenta que un ndice de precios no puede comprender todos los bienes existentes en una economa debe elegirse un conjunto que se considere representativo del total. Aunque los ndices de precios como el I.P.C. son enormes tiles, no estn exentos de defectos. Algunos de los problemas que se plantean son intrnsecos a ellos, uno es el problema de nmero - ndice, que se refiere a la eleccin adecuada del perodo que debe utilizarse como ao base. Recurdese que el I.P.C. utiliza ponderaciones fijas para cada bien, por lo que se sobrestima el costo de la vida en comparacin con la situacin en la que los consumidores sustituyen los bienes relativamente caros por otros relativamente baratos. Tambin plantea otra dificultad el hecho de que el I.P.C. no recoja exactamente los cambios de la calidad de los bienes y servicios. El Indice de Precios al Consumidor, el mas utilizado para medir la inflacin, mide el costo de una canasta estndar (canasta bsica) de bienes en diferentes momentos. Pretende representar las compras de la economa de un sector representativo de la poblacin. El Indice de Precios al Consumidor resulta adecuado para conocer la evolucin de los precios de los bienes y servicios que generalmente adquieren los consumidores. Refleja en forma apropiada como se ha encarecido la vida, pues indica el dinero que hace falta para mantener el nivel de vida anterior. Es por ello que el Indice de Precios al Consumidor suele denominarse Indice del costo de la vida. Aqu Vida significa Nivel 22

de vida (es decir, las compras) de un consumidor representativo. Las variaciones del I.P.C. pueden utilizarse para ver si los aumentos de salarios han sido barridos por las subidas de los precios. Cuando hablamos de costo de la vida, nos referimos implcitamente, al costo de un grupo de bienes y servicios que corresponden a un cierto nivel o grado de satisfaccin. Este costo de la vida esta determinado bsicamente por las fluctuaciones de los precios y a mas largo plazo, por los cambios en los productos y las preferencias de los consumidores. No es posible por otro lado, determinar con exactitud el nivel de vida de un grupo determinado de personas, sin embargo se considera como una aproximacin bastante precisa de este nivel, el total de compras de bienes y servicios que realiza la unidad de consumo medio (cierto tipo de familia) a los precios que prevalezcan en el mercado. Es importante notar que un cambio en el costo de la vida solo tiene significado cuando se aplica a un nivel especfico de ingreso real. As, el conocimiento de la variaciones del costo de la vida de toda la poblacin de un pas, no es muy til, pues se incluye un grupo demasiado heterogneo de familias o unidades de consumo, es mas adecuado conocer estas variaciones para familias con ingresos entre C$ 400.00 y C$ 2,000.00 por ejemplo, en un perodo determinado. Es decir, que un ndice que incluya a toda la poblacin, si bien es necesario para deflactar grandes agregados, no es adecuado para el fin especfico de la estimacin de las variaciones en el costo de la vida.

23

Ahora bien, se considera como unidad de consumo a un grupo de personas determinado en relacin con el cual se calcular el ndice, esta unidad de consumo puede incluir un grupo muy numeroso o muy pequeo de la poblacin, de acuerdo con el fin especfico que se busque con el ndice. Si este ha de usarse bsicamente para reflejar cambios en el costo de la vida, la unidad de consumo debe ser homognea y por ello el grupo de poblacin incluido no debe ser muy numeroso, si ha de usarse en cambio en relacin con grandes totales, como las Cuentas Nacionales debe incluir a toda la poblacin del pas y podra incluso llegar a ser necesario calcular ndices para reas geogrficas que incluyeran varias naciones. De igual manera dentro de un mismo pas es til contar con ndices representativos de diferentes regiones del mismo. Por otro lado, es necesario establecer que los ndices no reflejan niveles, sino variaciones, as por ejemplo, mediante un ndice del costo de la vida, no conocemos cual es dicho costo en un momento dado, sino como vari respecto a un perodo determinado que se conoce como perodo base.

1.3 Aspectos tericos del I.P.C. En el Indice de Precios al Consumidor nos interesan mas las variaciones de los precios absolutos, que su nivel en un momento dado. Por precio

24

absoluto de una mercanca se entiende el monto en dinero que hay que pagar a cambio de una unidad de esa mercanca, esta unidad puede ser una libra, un litro, una docena, etc. Es decir, que estos precios se refieren a una cantidad especfica de un artculo. Ahora bien, cuando se tienen precios absolutos para diferentes artculos en un momento dado tenemos una serie heterognea, ya que unos precios se refieren a libras, como el de la carne, otros a litros, como el de la leche, etc... Los precios relativos son los que muestran las variaciones de los precios absolutos, se obtienen mediante el cociente del precio absoluto de un artculo en dos perodos diferentes (o lugares cuando la comparacin es en el espacio). Los precios relativos son abstractos, sin dimensiones, contrariamente a los absolutos que tienen la dimensin de dinero por cantidad. Mientras que los precios absolutos son heterogneos, los relativos son homogneos y por ello comparables, pues se obtienen como cociente de dos nmeros medidos en las mismas unidades. Recordemos que al perodo correspondiente al precio que aparece en el denominador se le conoce como perodo base. En sntesis, la materia bsica son los precios absolutos en varios perodos. A partir de ellos se obtienen los relativos que son los que entran ponderados en el clculo del ndice. A travs del sistema de ponderaciones, es posible obtener ndices mas o menos amplios, a partir de ndices parciales. As por ejemplo en el caso de 25

una clasificacin por grupo genrico, los ndices de los sub-grupos se obtienen como un promedio ponderado de los precios relativos, los de los grupos como promedios ponderados de los ndices de los sub-grupos, y el general a partir de los grupos debidamente ponderados. El sistema de ponderaciones lo podemos establecer para un ao dado y mantenerlo fijo durante varios aos, o bien cambiar ao con ao. En el ltimo caso tenemos ponderaciones variables. Estos sistemas de ponderaciones reflejan lo que podemos llamar la estructura de preferencias efectiva. Es una estructura efectiva porque se manifiesta a travs del gasto de los consumidores, es decir, su presupuesto realizado. Cuando la unidad de consumo es homognea, se puede considerar estable el estado de preferencias, y por ello es adecuado utilizar frmulas con ponderaciones fijas. Un ndice de ponderaciones fijas refleja, por lo tanto solo cambios en el precio, mientras que el calculado con ponderaciones variables muestra una mezcla de cambios de precios y ponderaciones que no se pueden separar. Sin embargo cuando las ponderaciones se mantienen fijas durante muchos aos, se van haciendo menos y menos representativas de la estructura de consumo. Este sistema tiene la ventaja de que no es necesario hacer estudios sobre el consumo, a travs de encuestas cada ao, por ejemplo, pues hay que considerar que estos estudios son, adems de laboriosos, costosos. Por su parte, el sistema de ponderaciones variables tiene la ventaja de que refleja estructuras de consumo actuales, y la desventaja ya vista de que no refleja

26

solo cambios de precios, y de lo costoso de cambiar las ponderaciones de cada ao. Una solucin intermedia, recomendable, es considerar ponderaciones fijas en perodos mximos de 5 a 10 aos, y cambiar el sistema despus de cada uno de estos perodos. De tal manera que para comparaciones a corto plazo se utilicen frmulas de ponderaciones fijas y para largo plazo frmulas con ponderaciones variables. En algunos casos cuando la unidad de consumo abarca a toda la poblacin, es til cambiar el sistema de ponderaciones lo mas frecuentemente posible, digamos cinco aos cuando menos. En ltima instancia, el uso adecuado de uno u otro sistema depende del tipo particular de ndice que se desee calcular. Pero antes de decidirse a utilizar ponderaciones variables, es necesario estimar la utilidad marginal que representara el contar con un ndice as calculado y comparar dicha utilidad con el costo marginal que implicara el elaborarlo. Pues no resultara lgico desarrollar un gran esfuerzo para obtener un ndice con aplicacin muy limitada.

1.4 La Inflacin. Una de las razones mas importantes por lo cual se calcula el Indice de Precios al Consumidor es para medir la inflacin. Ahora bien, es vlido detenerse en este punto y reflexionar un poco acerca de lo que entendemos por inflacin.

27

La palabra inflacin no es un trmino tcnico con un significado precisamente definido. Generalmente es definida como un incremento significativo en el nivel de precios. Sin embargo, es conveniente reservar el trmino para incrementos de precios que no son comunes. Si llamramos cualquier aumento o descenso de precios, de poca importancia, inflacin o deflacin, no existira una referencia emprica para la nocin de la estabilidad de precios. Por lo tanto, es arbitrario escoger el lugar exacto del plano donde se trace la lnea para comenzar a discutir sobre la inflacin. Otra definicin de la inflacin es el crecimiento generalizado y continuo de los precios de bienes y servicios de una economa. Es el movimiento al alza del nivel general de precios; tasa de variacin del nivel general de precios o disminucin del poder adquisitivo del dinero, medido y observado mediante la evolucin de algn ndice de precios como el I.P.C. La tasa de inflacin es la tasa de crecimiento del nivel medio de precios, expresada por el aumento o la disminucin porcentual por perodo de tiempo (normalmente un ao). Por ejemplo : Para calcular la tasa de inflacin del I.P.C. entre Enero de 1996 y Enero de 1997, necesitamos conocer el ndice de precios de ambos meses. Luego utilizamos la forma habitual de la variacin porcentual de esta manera :

I.P.C. en

I.P.C. en 28

Enero de 1996

Enero de 1997 X 100

Tasa de Inflacin : -------------------------------------------------------------------I.P.C. en Enero de 1996

Para explicar como se mide la inflacin a travs del I.P.C., veamos un ejemplo numrico. Supongamos que los consumidores compran 3 productos; alimentos, vivienda y vestuario. Segn una encuesta hipottica de presupuestos familiares, los consumidores gastan el 20% de su presupuesto en alimentos, el 50% en vivienda, y el 30% en vestuario. Partiendo de 1996 como ao base, fijamos el precio de cada producto en 100, de tal manera que las diferencias entre las unidades que se miden los productos no afecten al Indice de Precios. Eso implica que el I.P.C. tambin es 100 en el ao base.[ = (0.20x100)+(0.50x100)+(0.30x100) ]. A continuacin calculamos el Indice de Precios de Consumo y la tasa de inflacin de 1997. Supongamos que en 1997 los precios de los alimentos suben un 2%, pasando de 100 a 102, los precios de vivienda un 6%, pasando de 100 a 106, y los precios del vestuario un 10%, pasando de 100 a 110. El I.P.C. de 1997 se recalcula de la manera siguiente : I.P.C. 1997 = (0.20x102)+(0.50x106)+(0.30x110) = 106.4 En otras palabras, si 1996 es el ao base en el que el I.P.C. es 100 en 1997 el I.P.C. es 106.4. La tasa de inflacin de 1997 es, pues, [ (106.4100)/100 ]x100 = 6.4% anual. Obsrvese que en un ndice de

29

ponderaciones fijas, como el I.P.C., los precios varan de un ao a otro, pero las ponderaciones permanecen fijas. Este ejemplo recoge la esencia del modo en que se mide la inflacin, la nica diferencia entre este clculo simplificado y el real radica en que el I.P.C. contiene, en realidad, mucho mas productos. Por lo dems, los conceptos son exactamente los mismos. En la dcada de los setenta, la teora econmica diferenci dos tipos de inflacin distintos : 1) La inflacin por presin de la demanda, que se produce cuando la aparicin de una demanda excedente, ya sea en forma de consumo o de inversin, conduce a un incremento del nivel de precios, 2) La inflacin por presin de los costos, que se genera cuando un incremento de los costos unitarios de produccin ( salarios, costos de materia prima y mrgenes de utilidad ), conduce a un incremento en los precios. En otras palabras, si el gasto de consumo y el gasto de inversin se reduce por la aplicacin de medidas de poltica fiscal y monetaria, por ejemplo, disminucin del gasto de gobierno, aumento de los impuestos, aumento de las tasas de inters, no emitir dinero para la concesin de prstamos a los productores, y se puede suprimir la inflacin sin causar una cada abrupta de la produccin y del empleo, este tipo de inflacin se denomina inflacin por presin de la demanda. En cambio, cuando se da una cada de la produccin y del empleo porque la espiral salarios - precios contina independientemente de los niveles de consumo e inversin, este tipo de inflacin se denomina inflacin por presin de los costos.

30

La jerga utilizada en la teora de la inflacin se caracteriza por un larga serie de calificativos para el incremento de los precios. Encontramos la inflacin sucia con el marbete Hecha por el Gobierno, cuando el crecimiento excesivo de la oferta de dinero es una prerrogativa del gobierno, al incrementar el tamao del aparato estatal en relacin con los sectores privados. Tenemos la inflacin Administrada, cuando el Estado, las empresas oligoplicas y los sindicatos poderosos intervienen en la fijacin de precios, compensa, por ejemplo con subsidios, a las empresas afectadas por la regulacin de precios, provocando un mayor dficit fiscal, una mayor emisin de dinero y un alza en los precios; la inflacin Correctiva, cuando el Estado autoriza el aumento de los mrgenes de ganancia de las empresas oligoplicas cuyos precios fuesen reprimidos inicialmente. Surge la inflacin Inercial, basada en las expectativas inflacionarias de los agentes econmicos y en el proceso de indizacin del tipo de cambio, salarios, tasas de inters, y tarifas de servicios pblicos, que mantienen el nivel de inflacin existente en el mercado. Esta la inflacin Importada cuando los precios de los bienes importados suben rpidamente, por ejemplo el petrleo provocando una aceleracin a la inflacin Interna. En Nicaragua, el problema de la inflacin apareci en el ao de 1973, un ao despus del terremoto que destruy la ciudad de Managua, cuando alcanz por primera vez el nivel de dos dgitos, 27.1 por ciento.

31

En el segundo quinquenio de la dcada de los cincuenta, la tasa de inflacin anual, si no era negativa, era cercana a cero. En la dcada de los sesenta, el crecimiento medio anual de los precios al consumidor fue de 2.3 por ciento; en la dcada de los setenta, fue de 12.2 por ciento; en el periodo 1980 - 1991, ascendi hasta 615.0 por ciento, desarrollndose un proceso hiperinflacionario durante cuatro aos consecutivos. En fin, sin importar cuales son las causas de la inflacin ( estructurales, monetarias o administrativas, el enfoque de la pugna distributiva sostiene que solo existe una causa bsica : La lucha de los grupos sociales por la divisin del excedente econmico. Los grupos que puedan incrementar sus precios mas y antes que otros, se beneficiarn de la inflacin, la propia inflacin es la forma en que los capitalistas reducen los salarios reales y los ahorros forzados realmente son incrementos en las tasas de ganancias del sistema oligoplico. Existen dos extremos de inflacin. Uno de ellos es la inflacin moderada, digamos 2-3 por ciento anual (no existe una lnea de demarcacin generalmente aceptada), llamada inflacin reptante, como la observada en Nicaragua durante la dcada de los sesenta. Un pequeo incremento en el Indice de Precios al Consumidor es consistente con la estabilidad de precios, porque dicho ndice tiene un sesgo hacia arriba debido a su insuficiencia de incluir nuevos productos y mejoras en la calidad de los bienes y servicios.

32

El otro extremo es llamado Hiperinflacin, el suceso dramtico cuando la moneda pierde rpidamente casi todo su valor o cuando se pierde totalmente la confianza en el dinero. Reiterando que no existe una lnea de demarcacin generalmente aceptada, un crecimiento de precios igual o superior a 1,000 por ciento anual equivalente a una tasa mensual de 22.1 por ciento, puede ser llamado Hiperinflacin. En el caso de Nicaragua, la hiperinflacin se inici en el mes de Marzo de 1987 y concluy en el mes de Abril de 1991. El primer ao en que se observ una inflacin acumulada igual o superior a 1,000 por ciento en nuestra economa correspondi a 1987 (1,347.2 por ciento); en ese ao, el primer mes que registr una tasa igual o superior a 22.1 por ciento fue Abril (58.5 por ciento). Consecuentemente, la hiperinflacin se inici con una inflacin mensual mnima de 22.1 por ciento en el ao 1987 y rebas ese nivel en los seis meses siguientes, y culmin cuando la tasa de inflacin cay apreciablemente por debajo de ese nivel durante un perodo mnimo de seis meses. Nicaragua ocupa el cuarto lugar, antecedido por Hungra, Grecia y Alemania en cuanto a los procesos hiperinflacionarios registrados en el presente siglo.

33

Cuando la inflacin es un problema crnico y se transforma en una hiperinflacin, todos los agentes econmicos mejoran sus mecanismos de defensa y desarrollan medidas de indizacin informales. Los precios son corregidos con mayor frecuencia, de tal manera que hay un menor retraso entre los incrementos de costos y los aumentos de precios. La indizacin informal, por ejemplo, los ajustes del tipo de cambio, de los salarios, de las tarifas de servicios pblicos y de las tasas de inters en funcin de la tasa de inflacin observada en cierto perodo de tiempo, y las expectativas inflacionarias funcionan para mantener el nivel de inflacin, hacindola inercial. Entre la hiperinflacin, en un extremo, y la inflacin reptante, en el otro, existe un rea muy grande que usualmente es llamada inflacin, aunque el trmino Inflacin Galopante es usado para inflaciones medianamente agudas. En sntesis, es necesario diferenciar entre inflacin moderada, alta inflacin e hiperinflacin. Esta diferenciacin permite distinguir las polticas de estabilizacin para enfrentar la inflacin.

1.5 El deflactor del P.I.B. Adems del I.P.C., existe otro ndice de precios para medir el nivel de la inflacin en una economa nacional. Este ndice se conoce como El deflactor del P.I.B..

34

Un deflactor es un ndice de precios con el que se convierte una cantidad Nominal en otra Real. Esto es, la magnitud nominal se deflacta separando la variacin debida al crecimiento de los precios de la atribuida al aumento de los factores reales. Dado que el P.I.B. es una magnitud bsica de la actividad econmica, su deflactor es el ndice de precios de mayor cobertura, y es el que mas se acerca al concepto de ndice general de precios. Es el mas apropiado para indicar la evolucin de todos los precios de los bienes y servicios de la economa. El deflactor del P.I.B. es el cociente entre el P.I.B. nominal y real, y que por lo tanto, puede considerarse que es el precio de todos los componentes del Producto Interno Bruto y no de un nico sector. Utiliza como ponderaciones del ndice de precios la participacin de los diferentes bienes en el valor de la produccin del ao corriente. El I.P.C. sin embargo, utiliza como ponderaciones la participacin de los diferentes bienes en el presupuesto de la unidad familiar, representativa correspondiente al ao base.

P.I.B. Nominal Su frmula es : P.I.B. Real = ----------------------Deflactor de P.I.B. En sntesis, el deflactor del P.I.B. es, despus del I.P.C., el indicador mas utilizado del nivel de precios del conjunto de la economa. La principal diferencia entre estos dos indicadores reside en el hecho de que el 35

deflactor del P.I.B. se basa en todos los bienes y servicios que produce la economa y no solo en los que pueden comprar las economas domsticas representativas del I.P.C. En algunos pases como EEUU, el I.P.C., adems de ser utilizado para calcular el nivel de inflacin, se utiliza como un dispositivo automtico de ajuste de salarios. Es por ello que el pblico lo utiliza como una medida del costo de la vida.

1.6 El I.P.C. como ndice de deflacin de precios. El Indice de Precios al Consumidor se utiliza como un ndice de deflacin de precios. Esto se debe a que los economistas, pronosticadores y personas encargadas de tomar decisiones en los negocios, se preocupan por modelos econmicos representativos de las complejas operaciones de la economa. Puesto que estos modelos cuando se utilizan para propsitos de prediccin, se relacionan con salarios reales, el Indice de Precios al Consumidor se suele usar para ajustar los salarios nominales a salarios reales, realizando ajustes por los cambios en el costo de la vida. El bienestar de los trabajadores no depende tanto de los salarios monetarios que devengan, sino mas bien de la cantidad de bienes y servicios que con esos salarios pueden comprar. Esta cantidad de bienes y servicios conocido como salario real, vara directamente con los salarios

36

nominales e inversamente con el nivel general de los precios de los bienes de consumo. El problema de establecer una unidad satisfactoria para medir estos cambios, pueden abordarse investigando lo que ha sucedido con el valor de la moneda entre dos perodos que se comparen. Los SALARIOS NOMINALES corresponden a los salarios actuales devengados por el grupo de trabajadores seleccionados para el clculo del I.P.C. Los SALARIOS REALES corresponden a los salarios constantes de los trabajadores en relacin al ao o perodo base seleccionado. El cociente de un ndice nominal de salario y un ndice de precios de consumo, es un ndice de salario real, sin embargo, para poder llevar a cabo estas comparaciones, es esencial que las poblaciones de ambos ndices ( salarios nominales y precios ) sean afines. Por ejemplo, no es correcto relacionar una serie de salarios nominales de obreros con un ndice de precios representativos del sector empleados pblicos. Este tipo de problemas se presenta a menudo, pues los ndices se usan frecuentemente para fines que no son adecuados. El ndice solo puede servir a objetivos mltiples en la medida en que pueda ser segmentado, por ello es necesario establecer un sistema de clasificacin flexible. 37

1.7 Frmulas del I.P.C. Existen varias frmulas que permiten calcular ndices de precios. Sin embargo, en la prctica se utilizan tres de ellas. a) Para ponderaciones fijas se usa la frmula de Laspeyres : Pi Q0 Ii = ----- ---- P0 Q0 b) Para ponderaciones variables se usa la frmula de Paasche :

Pi Qi Ii = ----------- P0 Q0 c) Tenemos la frmula de Fischer que es una media geomtrica de las anteriores.

Ii =

Pi Q0 . Pi Qi ----------------------------- P0 Q0 . P0 Q0 38

En el caso de un ndice de precios al consumidor, los componentes de estas frmulas tienen el siguiente significado : Ii : Indice en el perodo de estudio. Pi : Precio de los artculos que compran los consumidores finales, en el periodo para el que se esta calculando el ndice, o sea, el perodo de estudio. P0 : Precios de dichos artculos en el perodo de referencia o perodo base. Qi : Cantidad de dichos artculos que compran los consumidores en el perodo de estudio. Q0 : Cantidad de dichos artculos que compran los consumidores en el perodo base. En el caso de la frmula de Fisher, debemos sealar que tiene la ventaja de que nunca puede ser mas alejada de la realidad de las tres frmulas mas usadas, pues est en medio de la de Laspeyres y la de Paasche. Esta frmula puede usarse para comparaciones a largo plazo.

39

Es importante mencionar que de las frmulas aqu presentadas se derivan muchas otras variantes para calcular un ndice de precios al consumidor, pero en general, estas son las mas utilizadas. Adems, el fundamento matemtico del cual se derivan dichas frmulas es bastante complejo. Podemos bien, hacer una demostracin matemtica de estas frmulas, sin embargo, hemos querido solamente hacer una mencin de ellas porque consideramos de mayor importancia centrar toda nuestra atencin en la interpretacin del ndice como tal, y no de su fundamento matemtico. Finalmente, no es el propsito de esta investigacin realizar dicha demostracin, sino construir un ndice estacional de la serie cronolgica del I.P.C. con su debida interpretacin y anlisis. Si desea profundizar acerca de su fundamento matemtico tendr que consultarse la bibliografa detallada al final de esta investigacin.

40

CAPITULO 2 2000 1500 1000 500 0 1 2 3 4 5 6

41

SERIES DE TIEMPO

El valor de una metodologa de elaboracin de pronstico como el anlisis de serie de tiempo, que utiliza la informacin pasada y presente como una pauta para el futuro fue reconocido y expresado en la forma mas elocuente hace mas de dos siglos por el estadista estadounidense Patrick Henry, quien dijo : Tengo solo una lmpara para guiar mis pies, y esta es la lmpara para la experiencia. No conozco otra forma de juzgar el futuro mas que por el pasado. [ Discurso en la convencin de Virginia ( Richmond ), el 23 de Marzo de 1775 ]. Una serie de tiempo es un conjunto de observaciones ( ordenados en trminos de tiempo ). Algunos ejemplos de series cronolgicas seran

42

aspectos tales como los registros de precipitacin pluvial diaria, las ventas semanales, el producto nacional bruto trimestral, la publicacin mensual del Indice de Precios al Consumidor, etc... El objeto de analizar tales datos es determinar si se presentan ciertos patrones o pautas no aleatorias. Algunas veces se trata de descubrir patrones no aleatorios que se puedan utilizar para predecir el futuro. Por ejemplo, los pronsticos de ventas es un caso en el que se analizan los datos del pasado, con la esperanza de encontrar algo que sea til para predecir la demanda futura. En otras ocasiones, el objetivo es asegurarse de que no haya patrones no aleatorios. En otros casos, dichos patrones son considerados como una seal de que en un sistema o proceso esta fuera de control. Los anlisis de regresin y correlacin se refieren a la relacin lineal entre dos o mas variables. Se emplea el conocimiento de la variable independiente X para predecir la variable dependiente Y. En el anlisis de series de tiempo la variable independiente es el tiempo. De ah que cualquier variable clasificada en orden cronolgico sea una serie histrica. Los perodos pueden ser aos, trimestres, meses, semanas y, en algunos casos, das u horas. Los anlisis de series de tiempo no dan la respuesta a lo que nos reserva el futuro, pero resulta valioso en el proceso de pronstico y ayuda a reducir errores en ellos. En el anlisis de series de tiempo, las consideraciones subjetivas son en extremo importantes, ya que a la fecha no se le ha encontrado un enfoque satisfactorio de probabilidad para dichos anlisis. Aunque las 43

consideraciones subjetivas seran necesarias en la formulacin de pronstico, incluso si hubiera disponible un enfoque de probabilidad adaptable al anlisis de series de tiempo. Siempre que se examina el pasado en busca de pistas con respecto al futuro, solo es relevante hasta el grado en que las condiciones causales que estuvieron en efecto anteriormente, se mantengan constantes. La gran multitud de factores causales en el trabajo tiende a cambiar constantemente, as que la conexin entre el pasado, presente y futuro se debe reevaluar continuamente. Aunque las tcnicas del anlisis de series de tiempo no eliminan las evaluaciones subjetivas, si aportan una til contribucin al proporcionar un enfoque conceptual a los pronsticos. Los pronsticos se elaboran con la ayuda de un conjunto de procedimientos formales y los juicios se indican de manera explcita.

2.1 Descomposicin. Un enfoque al anlisis de series de tiempo comprende un intento de identificar los factores que ejercen influencia sobre cada uno de los valores peridicos de una serie. Este procedimiento de identificacin se denomina descomposicin. Cada componente se identifica por separado de tal manera que la serie histrica pueda proyectarse al futuro y utilizarse en pronsticos tanto de corto como de largo plazo.

44

Los cuatro componentes que se encuentran en una serie histrica son : Tendencia, Variaciones Cclicas, Variaciones Estacionales y Fluctuaciones Irregulares.

2.2 Tendencia. La tendencia son movimientos de largo plazo en una serie histrica que se pueden describir mediante una lnea recta o curva. Consiste en la presencia de un patrn de movimientos ascendentes o descendentes, general o persistente, a largo plazo. Las fuerzas bsicas que producen o afectan la tendencia de una serie son : cambios en la poblacin, cambios de precios, tecnolgicos, incrementos en la productividad y ciclos de los productos. El incremento en la poblacin puede provocar que las ventas al menudeo de una regin se eleven cada ao durante varios aos. Mas an, las ventas en moneda corriente pudieran haber sido impulsadas hacia arriba durante el mismo perodo debido a los incrementos generales en los precios de bienes al detalle, an cuando el volumen fsico de bienes vendidos no haya variado. El cambio tecnolgico pudiera causar que una serie histrica se mueva hacia arriba o hacia abajo. En EE.UU., por ejemplo, el desarrollo y mejoramiento del automvil, junto con las mejoras en los caminos, increment el registro de automviles. Sin embargo, el automvil producido

45

en volmenes crecientes, provoc tambin una tendencia a la baja en la produccin de vagones tirados por caballos y calesas. Los incrementos en la productividad - los cuales, a su vez, se puedan deber al cambio tecnolgico incorporan una pendiente hacia arriba a nuestras series de tiempo. Cualquier medicin total de salida, como las ventas de los fabricantes, esta afectada por cambios en la productividad. Antes de medir la tendencia de una serie histrica, se debe primero conocer el propsito de su medicin. Este conocimiento gua al analista en la eleccin del mtodo y dimensin de la serie histrica a utilizar en la medicin. Existen dos propsitos fundamentales : proyectar la tendencia y eliminarla de los datos originales. En el anlisis de la tendencia, la variable independiente es el tiempo. El analista debe graficar los datos tanto sobre escalas aritmticas como semilogartmicas antes de elegir el mtodo de medicin. Al hacerlo, el analista obtiene un gua adicional para escoger la ecuacin de tendencia, ya que la imagen general de los datos es aparente. Si la grfica de la serie indica un movimiento en lnea recta la escala aritmtica, el analista ajustar a los datos una lnea recta de tendencia. Si parece haber una tendencia no lineal, se debe desarrollar la curva de tendencia apropiada. Si los datos se grafican en papel semillgartmico y una lnea recta parece ajustar, se seleccionar un modelo exponencial que indique una tasa constante de crecimiento.

46

Sin embargo no siempre una grfica de los datos y una declaracin de la finalidad de la medicin permiten al analista efectuar la eleccin final. En ocasiones es necesario calcular y graficar dos o mas tendencias junto con los datos originales para ver cual de ellas se ajusta mejor a la serie histrica. Que es lo que constituye un mejor ajuste es una asunto de juicio. La tendencia que mejor se ajusta es aquella que hace el trabajo que el analista tiene que hacer. Ningn mtodo es superior para medir tendencias. A veces, una tendencia dibujada a mano sobre una serie histrica es suficiente para revelar una imagen de la forma general y la direccin de la serie. No obstante, para dibujar a mano una tendencia con propiedad, el analista debe ser capaz de reconocer los ciclos principales y las fluctuaciones estacionales a travs de las cuales debe pasar la tendencia. En ocasiones resulta difcil lograr esta apreciacin, a menos que el analista este bien familiarizado con la serie en particular que este analizando. De ah que muchos analistas seleccionan un mtodo objetivo que pueda establecerse como una ecuacin, con el fin de evitar decisiones subjetivas que requiere el mtodo manual.

2.2.1 Mnimos cuadrados. El mtodo mas ampliamente utilizado para describir tendencias de lnea recta se denomina mtodo de mnimos cuadrados. Este enfoque calcula la lnea que mejor se ajusta a un grupo de puntos, en conformidad matemtica con un criterio establecido. La ecuacin de tendencia es :

47

Yi = b0 + b1 Xi

Donde : Yi = Valor de prediccin de tendencia de la variable Y, codificada en perodos ( X ). b0 = Valor de la tendencia cuando X = 0. b1 = Incremento o disminucin promedio en Y ( tendencia ), para cada incremento de un perodo X.

Xi = El valor del perodo seleccionado.

de modo que los valores calculados para los dos coeficientes - la ordenada el origen b0 y la pendiente b1 den como resultado que se minimicen las sumas de las diferencias al cuadrado entre cada valor observado Yi en los datos en cada valor predicho Yi a lo largo de la lnea de tendencia; es decir :

( Yi - Yi )2 = Mnimo

48

Para obtener una lnea semejante, recurdese que en el anlisis de la regresin lineal se calcula la pendiente desde

xi ] n

[ yi ]

xi yi

----------------------------

b1 = ------------------------------------------------------- xi Xi2 y la intercepcin de : b0 = Y - b1X ----------n

donde : Y= yi -------n y X= xi --------n

Una vez realizadas y obtenida la lnea Yi = b0 + b1 Xi , se pueden sustituir los valores de X en la ecuacin de tendencia para pronosticar diversos valores de Y. 49

Aunque es probable que una tendencia de mnimos cuadrados se utilice con mayor frecuencia que cualquier otra para describir el crecimiento a largo plazo de una serie histrica, en ocasiones es necesario utilizar tendencias curvas para obtener una descripcin lgica del cambio. Existen disponibles muchas ecuaciones para calcular tendencias de lnea curva. Algunas de las ecuaciones de tendencia mas conocidas comprenden la tendencia cuadrtica y la curva exponencial. Actualmente existen otras tcnicas mucho mas especializadas como la curva de crecimiento de Gompertz, el mtodo de pronstico de Holt-Winters y el modelo ARIMA de Box-Jenkins, el cual por su complejidad y dado que no es nuestro objetivo analizar la tendencia de la serie no lo abordaremos en nuestra investigacin.

2.2.2 Tendencia cuadrtica. El modelo cuadrtico o Polinomial de Segundo Grado, es el mas sencillo de los modelos curvilneos. Usando el modelo de mnimos cuadrados se puede ajustar una frmula de tendencia cuadrtica de la forma :

Yi = b0 + b1 Xi + b11 Xi2 Donde : b0 = Ordenada de origen estimada.

50

b1 = efecto lineal estimado sobre Y. b11 = efecto curvilneo estimado sobre Y. Los coeficientes b0,b1,b11 tendran las ecuaciones normales siguientes :

I. II. III.

Yi = nb0 + b1 Xi + b11 Xi2 Xi Yi = b0 Xi + b1 Xi2 + b11 Xi3

Xi2 Yi = b0 Xi2 + b1 Xi3 + b11 Xi4

Los valores de los coeficientes b0, b1 y b11 se pueden obtener solucionando las ecuaciones simultneas o con un paquete de computacin.

2.2.3 Curva exponencial. Cuando una serie parece aumentar a una tasa creciente, de modo que la diferencia porcentual de una observacin a otra sea constante, se puede ajustar una ecuacin de tendencia exponencial de la forma :

Yi = b0 b1 x 51

Donde : b0 = Ordenada al origen estimada. Si se conoce el logaritmo (base 10) de ambos lados de la ecuacin anterior se tiene :

log Yi = log b0 + Xi log b1

Puesto que la nueva ecuacin es lineal en su forma, se puede usar el mtodo de los mnimos cuadrados para obtener la pendiente de esta lnea (log b1) y su interseccin (log b0). Por lo tanto :

[ xi ]

[ log yi ] n

xi log yi - ---------------------------log b1 = -------------------------------------------------------[ x i ]2 Xi2 y 52

----------n

 log Yi log b0 = ------------------------ - X log b1 n

Una vez realizado estos clculos, los valores para b0 y b1 se pueden obtener con facilidad tomando los antilogaritmos de dichos coeficientes.

2.2.4 Promedios mviles. A diferencia del mtodo de los mnimos cuadrados, el mtodo de promedios mviles para estudiar las tendencias es demasiado subjetivo y depende de la duracin del perodo seleccionado para elaborar los promedios. Los promedios mviles para un perodo de duracin seleccionado L consisten en una serie de medias aritmticas calculadas a lo largo del tiempo , de modo que cada media que calcula para una sucesin de valores observados que tengan esa duracin en particular L.

2.2.5 Suavizacin exponencial. La suavizacin exponencial es otra tcnica que se puede utilizar para

suavizar una serie de tiempo y de esta forma dar la impresin de los 53

movimientos generales a largo plazo en la informacin. Adems, el mtodo de suavizacin exponencial se puede usar para obtener pronsticos a corto plazo (un perodo a futuro) para series de tiempo en los cuales resulta dudoso el tipo de efecto de tendencia a largo plazo que hay en la informacin, si es que lo hay. Esta tcnica posee una clara ventaja sobre el mtodo de promedios mviles. De hecho, el mtodo de suavizacin exponencial recibe dicho nombre porque proporciona un promedio mvil exponencialmente ponderado a travs de la serie de tiempo, es decir, en toda la serie cada clculo o pronstico suavizador depende de todos los valores previamente observados. Esta es otra ventaja sobre el mtodo de promedios mviles, que no toman en cuenta todos los valores observados en esta forma. En la suavizacin exponencial los pesos asignados a los valores observados disminuyen al paso del tiempo, por lo que cuando se hacen clculos el valor observado mas reciente recibe el peso mas alto y as sucesivamente, recibiendo el peso mas bajo el valor observado inicialmente. Aunque la magnitud del trabajo que implica esta descripcin parezca enorme, en realidad los clculos son muy sencillos. Si se centra la atencin en los aspectos suavizadores de la tcnica, las frmulas desarrolladas para suavizar exponencialmente una serie en cualquier perodo y se basan en solo tres trminos - el valor observado en la actualidad en la serie de tiempo Yi, el valor previamente calculado suavizado exponencialmente i-1, y alguna ponderacin o coeficiente de suavizacin subjetivamente asignado W.

54

Por lo tanto, para suavizar una serie en cualquier perodo i se cuenta con la siguiente expresin :

i = WYi + ( 1 - W ) i-1 Donde : i = Valor de la serie exponencialmente suavizada calculada en el perodo i. i-1 = Valor de la serie exponencialmente suavizada ya calculada en el perodo i-1. Yi = Valor observado de la serie de tiempo en el perodo i. W = Ponderacin o coeficiente de suavizacin asignados en forma subjetiva (donde 0 < W < 1). La eleccin de un coeficiente o ponderacin de suavizacin que se debe asignar a la serie de tiempo es muy importante, puesto que reflejar los resultados. Desafortunadamente, esta seleccin es bastante subjetiva.

2.2.6 El mtodo de Holt - Winters. El mtodo de Holt - Winters es una ampliacin perfeccionada del enfoque de la suavizacin exponencial. Mientras que el procedimiento de 55

suavizacin exponencial proporciona una impresin general, movimientos a largo plazo en la informacin y permite la elaboracin de pronsticos a corto plazo, la tcnica mas compleja de Holt Winters permite tambin el estudio de tendencia a futuro mediante la elaboracin de pronsticos a plazos intermedios o largos. La suavizacin exponencial se puede utilizar de un modo mas efectivo para la elaboracin de pronstico a corto plazo (un perodo a futuro). Por supuesto, este pronstico se puede ampliar a numerosos perodos a futuro. Esto tendra significado si no existiera una tendencia general ascendente o descendente, esta proyeccin horizontal lo pasar por alto. Por otra parte, el mtodo de Holt - Winters, esta diseado para detectar estos fenmenos. Por lo tanto, dicha tcnica proporciona al mismo tiempo el estudio del nivel general de movimientos y de la tendencia futura en una serie. Para usar este mtodo en cualquier perodo i se tiene que estimar en forma continua el nivel de la serie (es decir, el valor suavizado i), y el valor de la tendencia (Ti) . Esto se logra mediante la solucin de las ecuaciones siguientes :

Nivel i= U ( i-1 + Ti-1 ) + ( 1 - U ) Yi Tendencia Ti = V Ti-1 + ( 1 - V ) (i - i-1 )

Donde :

56

i = Nivel de la serie suavizada, calculada en el perodo i. i-1 = Nivel de la serie suavizada ya calculada en el perodo i-1. Ti = Valor del componente de tendencia calculado en el perodo i. Ti-1 = Valor del componente de tendencia ya calculado en el perodo i-1. Yi = Valor observado de la serie de tiempo en el perodo i. U = Constante de suavizacin subjetivamente asignada (donde 0 < U < 1). V = Constante de suavizacin subjetivamente asignada (donde 0 < V < 1). Para comenzar los clculos se establece 2 = Y2 y T2 = Y2 - Y1 y se eligen constantes de suavizacin para U y V. Despus se pueden calcular i y Ti para todos los Y aos, i = 3,4,...n.

2.2.7 Curva de crecimiento de Gompertz. Las curvas de crecimiento de Gompertz o de tipo logstico representan la tendencia de muchas industrias y lneas de productos a crecer a una tasa de declinacin cuando maduran. La curva de Gompertz pudiera ser apropiada en una situacin en la que las ventas de un producto X comienzan bajas, luego el producto tiene su auge de ventas y, por ltimo, las ventas se desvanecen al alcanzar la saturacin. 57

Los clculos para la curva de Gompertz son en extremo complejos. Puesto que no es nuestro objetivo realizar un anlisis profundo de la tendencia, decidimos nicamente mencionarlo como uno de los mtodos mas especializados para el estudio de tendencias no lineales. Si se desea ampliar sobre este mtodo, deber consultar la bibliografa descrita posteriormente. En la decisin de que tendencia utilizar se debe conocer el propsito de calcular la tendencia. Por ejemplo, si el propsito consiste en obtener una estimacin de gastos para una ao futuro, se requiere un conocimiento de las fuerzas bsicas que producen o afectan la tendencia. La correcta eleccin de un tendencia es un aspecto de juicio, de ah que requiera de experiencia y sentido comn por parte del analista. La lnea o curva que mejor se ajusta a los puntos de datos pudiera no tener sentido al proyectarla como la tendencia futura.

2.3 Variacin cclica. El anlisis de la tendencia de la variable dependiente tiene un valor prctico directo para pronsticos a largo plazo. Sin embargo, el anlisis del componente cclico es de un valor dudoso en el pronstico. El componente cclico es la fluctuacin en forma de onda o ciclo de mas de ocho meses de duracin, debida a condiciones econmicas cambiantes. Los economistas le han prestado mucha atencin al anlisis de ciclos en los negocios y a sus causas.

58

El componente cclico de las series de tiempo se identifica eliminando o promediando los efectos de la tendencia. Ya que este componente constituyen lo que queda despus de dichos ajustes, se le refiere como el mtodo residual. Los pasos especficos comprendidos en el mtodo residual dependen de que si el analista comienza con series de datos mensuales, trimestrales o anuales. Si los datos son mensuales o trimestrales, entonces los efectos tanto de la tendencia como de los componentes estacionales se deben eliminar. Si los datos son anuales, entonces deben eliminarse los efectos del componente de la tendencia. En forma simblica, la descomposicin de una serie histrica anual se representa como : Y T TC T

C = ------- = --------

T = Componente de Tendencia. C = Componente Cclico. En la determinacin del efecto relativo del componente cclico en cada valor anual, se acepta al valor de Y como una indicacin precisa de la

59

tendencia y se trata a la discrepancia (residuo) como el componente cclico.

2.4 Variacin estacional. El anlisis de la tendencia tiene implicaciones en la planeacin de largo plazo. El anlisis del componente estacional de una serie histrica tiene implicaciones mas inmediatas de corto plazo y es de gran importancia para los niveles medio e inferior de la administracin. Por ejemplo, los planes de comercializacin deben tener en cuenta los patrones estacionales esperados, en las compras del consumidor. La identificacin del componente estacional en una serie histrica difiere del anlisis de tendencia en por lo menos dos formas. 1) Mientras que la tendencia se determina en forma directa a partir de los datos disponibles, el componente estacional se determina eliminando los otros componentes, de modo que al final solo quede el estacional. 2) Mientras que la tendencia se determina mediante una ecuacin o lneas de mejor ajuste, se debe calcular el valor estacional por separado para cada mes (o trimestre) del ao, por lo regular en la forma de un nmero ndice. Al igual que en el anlisis de tendencia, se han desarrollado diversos mtodos para medir la variacin estacional; la mayora de los clculos del ndice estacional que ahora se emplean, son variaciones del mtodo proporcional al promedio mvil.

60

El componente estacional en una serie histrica se mide en la forma de un nmero ndice. Su clculo, que representa el grado de influencia estacional para un segmento del ao en particular, comprende la comparacin de los valores medidos o esperados para ese segmento (mes, trimestre, etc...), con el promedio general de todos los segmentos del ao. De este modo, un ndice estacional de 100 para un mes en particular, indica que el valor esperado para ese mes es de 1/12 del total del perodo anual centrado en ese mes. Un ndice estacional de 125 para otro mes, indica que el valor esperado para ese mes es del 25% mayor que 1/12 del total anual. Un ndice mensual de 80 indica que el nivel de actividad esperado para ese mes es 20% menor que 1/12 del nivel de actividad del ao. As, un nmero ndice mensual indica las altas y las bajas esperadas en los niveles de actividad mensual o trimestral, eliminando los efectos ocasionados por los componentes de tendencias, cclico e irregular. El mtodo mas utilizado, sin duda alguna para calcular un ndice estacional se denomina Mtodo de la Razn al Promedio Mvil. En nuestra investigacin realizaremos los siguientes clculos : a) Totales mviles a 12 meses b) Totales mviles a 2 meses de totales mviles de 12 meses. c) Promedios mviles centrados de 12 meses. d) Razones al promedio mvil.

61

e) Indice Estacional Este es el punto medular de nuestra investigacin, donde analizaremos los ndices estacionales para el I.P.C. En el siguiente captulo se describen detalladamente todos y cada uno de los pasos para obtener el ndice estacional.

2.4.1 Tendencia estacional. Una vez identificado el componente estacional, el siguiente paso consiste en calcular una ecuacin de tendencia estacional (ecuacin mensual o trimestral). La tendencia se define como apuntbamos anteriormente como el crecimiento o declinacin de largo plazo de una serie histrica. Por esta razn, la tendencia de una serie mensual o trimestral debe ser congruente con su crecimiento o declinacin de largo plazo. Se puede calcular la tendencia de datos estacionales utilizando algunos enfoques siguientes. 1) Si no hay datos disponibles de largo plazo, la tendencia estacional debe calcularse a partir de los datos estacionales. 2) Si la tendencia de los datos estacionales parece similar el crecimiento de largo plazo descrito mediante la ecuacin de tendencia de largo plazo, se puede calcular la tendencia estacional a partir de los datos estacionales.

62

3) Si hay disponibles datos mensuales o trimestrales para la serie anual completa, se puede calcular la ecuacin de tendencia estacional utilizando todos estos valores. 4) Si ya se calcul la ecuacin de tendencia de largo plazo, se puede convertir matemticamente a una ecuacin de tendencia estacional con los datos estacionales disponibles. Una razn para descomponer una serie histrica consiste en aislar y examinar los componentes de la serie. Despus de que el analista puede observar uno a la vez. Los componentes de tendencia, estacional, cclico e irregular de una serie estacional, se pudieran ganar revelaciones en los patrones de los valores de los datos originales. Adems de esta ganancia en conocimiento del proceso de descomposicin, la identificacin de componentes individuales hace mucho mas fcil el pronstico a futuro de la serie.

2.4.2 Pronstico estacional. Al pronosticar una serie histrica estacional, se invierte el proceso de descomposicin. En vez de separar la serie en componentes para su examen, los componentes se recombinan para desarrollar los pronsticos de perodos futuros. Para desarrollar estos pronsticos, se emplea el modelo multiplicativo Y = T.S.C.I., donde T, S, C e I corresponden a los componentes de Tendencia, Estacional, Cclico e Irregular, respectivamente.

63

En la prctica real, la importancia de los componentes individuales determina su uso en el pronstico de corto plazo. Si una variable es estacional en extremo, el anlisis de variacin estacional proporciona al proceso de pronstico un insumo importante si no es que total. Si se descubre un conductor conducente del cual depende, el pronstico pudiera basarse en l por completo. De ah que si un componente domina el anlisis, pudiera proporcionar, por si solo, un pronstico prctico y preciso. Recordemos que en la prctica se estudian los componentes de las series conducentes para ayudar a anticipar los momentos cruciales en la economa.

64

CAPITULO 3 1000 800 600 400 200 0 1 2 3 4 5 6

CONSTRUCCION DE UN INDICE ESTACIONAL 65

Ahora que ya conocemos los diferentes componentes que influyen en una serie de tiempo, procederemos a explicar su descomposicin, de modo que al final, obtendremos un Indice Estacional del mismo. Como ya se explic anteriormente, el ndice de precios al consumidor es un ejemplo clsico de serie cronolgica. Ahora bien; es importante aislar y estudiar los movimientos estacionales en una serie de tiempo mensual por dos motivos. Primero, al conocer el valor del componente estacional para cualquier mes, se puede ajustar y mejorar con facilidad las proyecciones de tendencia para fines de elaboracin de pronstico. Segundo, al conocer el valor del componente estacional podemos descomponer la serie de tiempo mediante la eliminacin de sus influencias; junto con las relacionadas con la tendencia y las fluctuaciones irregulares, y de esta forma concentrarse en los movimientos cclicos de la serie. Nuestro trabajo consiste en presentar una metodologa para la descomposicin de una serie de tiempo, aplicarlo en la publicacin mensual del Indice de Precios al Consumidor, construir un ndice estacional tanto para el ndice general

66

como para cada una de sus categoras; y finalmente analizar cada uno de los resultados. Para ejemplificar la construccin de un ndice estacional tomaremos como modelo el ndice de precios calculado para los Gastos Personales con base en 1987, hasta 1994 (7 aos). El siguiente cuadro muestra paso a paso el desarrollo de la metodologa :

Cuadro No. 4 Construccin de un ndice estacional [1] Meses

[2]

[3]

[4]

[5]

[6] Razones al Promedio Mvil

I.P.C. para el Totales Mviles a Totales Mviles de Promedios Mviles Rubro de Gastos 12 Meses 2 Meses de Totales Centrados de 12 Personales Mviles de 12 Meses Meses 254 276 1,100 2,053 2,192 3,009 154,944 5,083 281,032 6,079 468,187 8,741 691,597 435,976 749,219 1,159,784 18,165.67 31,217.46 48,324.33

ene-88 feb-88 Mar-88 Abr-88 May-88 Jun-88 Jul-88 Ago-88 Sep-88

0.2798 0.1947 0.1809

67

Oct-88 Nov-88 Dic-88 Ene-89 Feb-89 Mar-89 Abr-89 May-89 Jun-89

14,246 945,496 31,536 1,247,579 80,375 1,819,273 126,342 2,715,646 187,431 3,643,539 224,510 4,623,637 255,952 5,629,032 304,275 6,718,377 574,703 7,991,338

1,637,093 2,193,075 3,066,852 4,534,919 6,359,185 8,267,176 10,252,669 12,347,409 14,709,715

68,212.21 91,378.13 127,785.50 188,954.96 264,966.04 344,465.67 427,194.54 514,475.38 612,904.79

0.2088 0.3451 0.6290 0.6686 0.7074 0.6518 0.5991 0.5914 0.9377

Cuadro No. 4 ( continuacin ) Jul-89 Ago-89 Sep-89 Oct-89 Nov-89 Dic-89 Ene-90 Feb-90 Mar-90 Abr-90 may90 jun-90 jul-90 ago-90 901,456 9,561,760 933,972 11,513,583 988,839 13,835,785 1,019,641 17,150,781 1,120,881 23,895,381 1,353,336 33,199,958 1,696,764 48,508,123 2,139,254 75,653,288 2,546,712 113,741,989 3,570,948 163,919,122 7,048,875 229,247,698 9,879,280 311,559,355 16,209,621 431,763,230 28,079,137 1,054,511,959 43,937,998.29 0.6391 743,322,585 30,971,774.38 0.5234 540,807,053 22,533,627.21 0.4384 393,166,820 16,381,950.83 0.4303 277,661,111 11,569,212.96 0.3087 189,395,277 7,891,469.88 0.3227 124,161,411 5,173,392.13 0.4135 81,708,081 3,404,503.38 0.4984 57,095,339 2,378,972.46 0.5689 41,046,162 1,710,256.75 0.6554 30,986,566 1,291,106.92 0.7897 25,349,368 1,056,223.67 0.9362 21,075,343 878,139.29 1.0636 17,553,098 731,379.08 1.2325

68

622,748,729 sep-90 oct-90 nov-90 dic-90 ene-91 feb-91 Mar-91 Abr-91 May-91 39,077,540 1,661,769,323 51,196,774 2,729,720,839 66,449,457 3,869,680,990 83,664,993 4,979,406,153 121,900,639 6,087,389,595 193,124,753 7,136,555,413 1,041,567,306 8,225,696,551 1,071,522,464 9,318,685,884 1,147,009,026 19,751,036,112 822,959,838.00 1.3938 17,544,382,435 731,015,934.79 1.4658 15,362,251,964 640,093,831.83 1.6272 13,223,945,008 550,997,708.67 0.3505 11,066,795,748 461,116,489.50 0.2644 8,849,087,143 368,711,964.29 0.2269 6,599,401,829 274,975,076.21 0.2417 4,391,490,162 182,978,756.75 0.2798 2,284,518,052 95,188,252.17 0.4105

Cuadro No. 4 ( continuacin ) 10,432,350,228 Jun-91 Jul-91 Ago-91 Sep-91 Oct-91 Nov-91 Dic-91 Ene-92 Feb92 Mar-92 abr-92 may-92 jun-92 1,119,604,443 11,455,540,584 1,124,193,063 12,501,033,710 1,077,244,955 13,453,355,939 1,128,218,678 13,548,646,604 1,144,186,107 13,610,949,601 1,180,113,801 13,596,200,287 1,106,855,349 13,571,663,750 1,167,393,765 13,534,435,750 1,145,446,982 13,559,345,455 1,136,857,971 13,520,487,426 1,133,825,461 13,437,359,317 1,132,259,712 13,278,644,307 1,095,067,906 13,239,582,836 26,518,227,143 1,104,926,130.96 0.9911 26,716,003,624 1,113,166,817.67 1.0172 26,957,846,743 1,123,243,614.29 1.0094 27,079,832,881 1,128,326,370.04 1.0076 27,093,781,205 1,128,907,550.21 1.0147 27,106,099,500 1,129,420,812.50 1.0336 27,167,864,037 1,131,994,334.88 0.9778 27,207,149,888 1,133,631,245.33 1.0410 27,159,596,205 1,131,649,841.88 1.0111 27,002,002,543 1,125,083,439.29 1.0028 25,954,389,649 1,081,432,902.04 0.9961 23,956,574,294 998,190,595.58 1.1262 21,887,890,812 911,995,450.50 1.2276

69

jul-92 ago-92 sep-92 oct-92 nov-92 dic-92 ene-93 feb-93 mar-93

1,086,965,063 13,264,766,498 1,102,154,660 13,349,769,086 1,089,360,649 13,433,396,253 1,061,057,998 13,512,805,661 1,021,398,791 13,591,522,126 1,067,793,878 13,712,466,959 1,192,577,427 13,839,758,149 1,230,449,570 13,948,494,026 1,220,485,138 14,061,342,705

26,504,349,334 26,614,535,584 26,783,165,339 26,946,201,914 27,104,327,787 27,303,989,085 27,552,225,108 27,788,252,175 28,009,836,731

1,104,347,888.92 1,108,938,982.67 1,115,965,222.46 1,122,758,413.08 1,129,346,991.13 1,137,666,211.88 1,148,009,379.50 1,157,843,840.63 1,167,076,530.46

0.9843 0.9939 0.9762 0.9450 0.9044 0.9386 1.0388 1.0627 1.0458

Cuadro No. 4 (continuacin) Abr-93 May-93 Jun-93 jul-93 ago-93 sep-93 oct-93 nov-93 dic-93 ene-94 feb-94 Mar-94 Abr-94 May-94 1,213,234,869 14,211,650,800 1,210,976,177 14,412,026,097 1,216,012,739 14,564,641,200 1,214,256,253 14,588,277,686 1,210,890,537 14,589,680,503 1,202,209,328 14,613,163,098 1,211,366,093 14,638,005,388 1,221,774,088 14,666,079,901 1,220,408,981 14,694,434,332 1,216,213,913 14,733,945,632 1,231,852,387 14,769,138,717 1,243,967,733 14,824,733,545 1,238,077,159 14,884,305,299 1,239,050,690 29,827,234,089 1,242,801,420.38 0.9970 29,709,038,844 1,237,876,618.50 1.0002 29,593,872,262 1,233,078,010.92 1.0088 29,503,084,349 1,229,295,181.21 1.0021 29,428,379,964 1,226,182,498.50 0.9919 29,360,514,233 1,223,354,759.71 0.9976

29,304,085,289 1,221,003,553.71 1.0006 29,251,168,486 1,218,798,686.92 0.9939 29,202,843,601 1,216,785,150.04 0.9880 29,177,958,189 1,215,748,257.88 0.9960 29,152,918,886 1,214,704,953.58 0.9996 28,976,667,297 1,207,361,137.38 1.0072 28,623,676,897 1,192,653,204.04 1.0154 28,272,993,505 1,178,041,396.04 1.0299

70

14,942,928,790 Jun-94 Jul-94 Ago-94 Sep-94 Oct-94 Nov-94 Dic-94 1,244,367,170 15,000,986,624 1,253,767,553 1,246,083,622 1,257,804,156 1,270,937,847 1,280,397,579 1,278,466,815 29,943,915,414 1,247,663,142.25 0.9974

Para comenzar, se obtiene una serie de totales mviles de 12 meses. Sin embargo, como se muestra en la columna 3, de la tabla anterior, al registrar estos totales mviles los resultados se centran entre los dos meses centrales que forman cada total mvil respectivo. Por ejemplo, el primer total mvil, que consiste de los meses de enero de 1988, hasta diciembre de 1988, se registra entre junio y julio de 1988; el segundo total mvil, que consiste en los meses de febrero de 1988 hasta enero de 1989, se registra entre julio y agosto de 1988 y as sucesivamente. Para centrar estos resultados dentro de un mes en particular, se obtienen totales mviles de dos meses de los totales de 12 meses, como se seala en la columna 4 de la tabla anterior. El primer resultado, que consiste en el total sealado entre junio y julio mas el de entre julio y agosto, se centra en julio de 1988. Al dividir estos totales en la columna 4, entre 24, se obtienen promedios mviles centrados, como los que se muestran en la columna 5 (tabla anterior). Se dice que estos promedios mviles centrados constan de los componentes de tendencia y cclicos de la serie, es decir; ( Ti.Ci) de la serie de tiempo original. Los datos originales ( columna 2 ), se dividen 71

despus entre los respectivos promedios dando como resultado la razn a los promedios mviles que se muestran en la columna 6. Fundamentalmente, estas razones a los promedios mviles representan las fluctuaciones estacionales e irregulares en la serie, puesto que la divisin de los datos observados ( columna 2 ) entre los promedios mviles centrados ( columna 5 ) elimina de modo efectivo las influencias de tendencia y cclica como se demuestra en la siguiente ecuacin :

Yi promedio mvil centrado

Ti.Si.Ci.Ii Ti.Ci

---------------------------------- = ----------------------------- = Si.Ii

Para elaborar el ndice estacional, los datos de las razones a los promedios mviles se reordenan de acuerdo a los valores mensuales, como se muestra en el siguiente cuadro : Cuadro No. 5 Calculo del ndice estacional de la media de las razones mensuales a los promedios mviles Meses Enero Febrero Marzo 1988 1989 1990 1991 1992 1993 1994 Media Indice Estacional - 0.6686 0.4984 0.2644 1.0336 1.0388 0.9919 0.6422 - 0.7074 0.4135 0.3505 1.0147 1.0627 1.0021 0.6501 - 0.6518 0.3227 1.6272 1.0076 1.0458 1.0088 0.8091

0.9230 0.9344 1.1629

72

Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Total

- 0.5991 0.3087 1.4658 1.0094 1.0299 1.0002 0.7733 - 0.5914 0.4303 1.3938 1.0172 1.0154 0.9970 0.7779 - 0.9377 0.4384 1.2276 0.9911 1.0072 0.9974 0.7999 0.2798 1.2325 0.5234 1.1262 0.9843 0.9996 0.1947 1.0636 0.6391 0.9961 0.9939 0.9960 0.1809 0.9362 0.4105 1.0028 0.9762 0.9880 0.2088 0.7897 0.2798 1.0111 0.9450 0.9939 0.3451 0.6554 0.2417 1.0410 0.9044 1.0006 0.6290 0.5689 0.2269 0.9778 0.9386 0.9976 - 0.7351 - 0.6976 - 0.6421 - 0.6041 - 0.5983 - 0.6198 8.3496

1.1114 1.1179 1.1496 1.0565 1.0026 0.9228 0.8682 0.8599 0.8908 12

El componente irregular se elimina al agrupar todas las razones al promedio mvil de cada mes y hallar una razn promedio mensual. Ese promedio, que puede ser la media aritmtica o la mediana de los nmeros encontrados en cualquier columna dada, se cree que muestra solo la influencia estacional tpica, sin el componente irregular. Las componentes estacionales mensuales Si, se espera que promedien uno en el curso de un ao; por lo tanto, su suma debe ser igual a 12. De esta manera, hemos obtenido un ndice estacional para el ndice de precios con base en 1987 de la categora gastos personales. Para simplificar el trabajo de clculo, se utiliz el paquete estadstico SPSS para Windows, versin 6.0. Los ndices estacionales, tanto para el ndice general, como para cada una de sus categoras base 1956, 1974, 1987 y 1994 se presentan en el siguiente captulo.

73

La interpretacin y anlisis del ndice estacional se presentan a continuacin.

CAPITULO 4

150 100 50 0 5 3 1

ANALISIS ESTACIONAL DEL I.P.C.

74

Como ya se mencion anteriormente , el componente estacional se evidencia por alternancias estrechas de la variable de inters (en nuestro caso, del ndice de precios al consumidor), alrededor de componentes de tendencia, cclico e irregulares, con las alternancias repitindose cada una en forma pronosticable dentro de perodos de un ao o menos. Ahora bien, hemos descrito en el captulo anterior como se construye un ndice estacional, tomando como modelo el ndice de precios al consumidor base IV-87, para la categora de gastos personales, sin embargo, es conveniente recordar la interpretacin de un ndice estacional. Un ndice estacional no es mas que un indicador de la actividad estacional de una variable de inters, medida y observada en un perodo de tiempo determinado. Para ejemplificar este concepto, supongamos que tenemos un ndice estacional de 80.0 para un perodo de tiempo especfico (mes, trimestre, etc...recuerde que el componente estacional lo encontramos en una serie temporal, nicamente en perodos de tiempo menores a un ao), de una variable cualquiera. Esto indicara que el factor estacional reducira 75

en un 20%, el valor que en promedio, nuestra variable de inters podra tomar en un ao dado. Por el contrario, un ndice estacional de 130.0, indicara que el componente estacional elevara el valor de nuestra variable en un 30% mas, que en promedio, esperaramos que alcanzara en un ao. Finalmente un ndice estacional de 100.0, nos indicara que el componente estacional en nuestra serie de tiempo sera igual al promedio mensual, por lo tanto su valor estara del todo explicado por los componentes de tendencia, cclico e irregular de la serie. Anlogamente, un ndice estacional obtenido de la publicacin mensual del ndice de precios al consumidor, indicara las altas y las bajas del valor del ndice que en promedio alcanzara en un ao determinado. Puesto que la diferencia de dos ndices de precios obtenidos en dos puntos diferentes en el tiempo nos da como resultado una tasa porcentual de inflacin, y nuestro perodo de anlisis son los doce meses del ao, en adelante nos referiremos a la variacin mensual inflacionaria, mensual del I.P.C. Tambin es importante mencionar que las variaciones encontradas en el valor del I.P.C., son aquellas ocasionadas nicamente por el componente estacional de la serie. De manera que al referirnos a una tasa inflacionaria por debajo o por encima del promedio mensual, nos estamos refiriendo a las variaciones inflacionarias como resultado del componente estacional de la serie mensual del I.P.C. obtenida de la serie

76

4.1 I.P.C. Base = 56: El primer ndice en Nicaragua comprende del ao de 1956 hasta 1963 (perodo de 7 aos Cuadro No. 6).

4.1.1 Indice general. En los primeros cuatro meses se observa que esta categora se mantiene por debajo del promedio mensual. No obstante, los siguientes siete meses (de Mayo a Noviembre), sobrepasaron el promedio mensual, siendo el mes de Junio, Julio y Agosto los que presentan mayor evidencia inflacionaria, con un 1.97%, 1.77% y 1.23%, respectivamente.

4.1.2 Alimentos y Bebidas. Esta categora presenta una inflacin mayor al promedio mensual de 0.003% y 0.001%, para Enero y Febrero, respectivamente. Los meses siguientes ( Marzo, Abril, Mayo y Junio ), presentaron una disminucin inflacionaria de 0.006% en relacin al promedio mensual. En el mes de Julio se presenta un aumento inflacionario de 0.002%. En Agosto, una disminucin de 0.009%, y en los siguientes cuatro meses, un incremento por encima del promedio mensual de 0.0006%, 0.005%, 0.009% y 0.005%, respectivamente.

77

4.1.3 Vestuario. Esta categora presenta una inflacin menor al promedio mensual de 0.008%, para Enero y Febrero, y 0.010%, en el mes de Marzo. Una inflacin mayor al promedio mensual desde Abril hasta Noviembre, siendo Julio, el mes mas representativo con 0.011% mas que la inflacin promedio mensual.

4.1.4 Miscelneos. Esta categora presenta un ndice estacional muy cercano al promedio mensual, al igual que las anteriores. Los meses mas representativos son Abril, con 0.001% menos que la inflacin promedio, y Octubre con 0.002% por encima de la inflacin promedio mensual.

4.1.5 Combustible. Al igual que las categoras anteriores, para la serie del combustible, el ndice estacional esta muy cercano al promedio, donde se deduce que el componente estacional aporta muy poco para el anlisis de la serie.

4.1.6 Vivienda.

78

Para la categora de vivienda, el ndice estacional iguala al promedio mensual. De esta manera podemos decir que la categora de vivienda no es estacional, y su valor esta siendo influenciado nicamente por el resto de componentes de la serie.

4.2 I.P.C. Base = 74. Este ndice comprende los aos desde 1974 hasta 1987 ( Cuadro No. 7 ).

4.2.1 Indice General. De Enero a Abril, se presenta una inflacin menor al promedio mensual del 5.61%, 6.95%, 6.59% y 3.30%, respectivamente. Por otro lado, los meses que presentaron la mayor inflacin promedio son Junio, Julio y Agosto, con un 7.7%, 8.5% y 5.2% mas que la inflacin promedio mensual, respectivamente.

4.2.2 Alimentos y Bebidas. Esta categora presenta una inflacin mayor al promedio mensual en los meses de Junio, Julio y Agosto, con 10.30%, 12.30% y 7.0%, respectivamente. Por su parte, los meses con una inflacin menor al promedio mensual mas representativos le corresponden a Enero, Febrero y Marzo, con un 6.6%, 8.9% y 8.8%, respectivamente.

79

4.2.3 Gastos Diversos. Para la categora de gastos diversos, destacamos los meses de Mayo, Junio y Julio como los meses con mayor inflacin, superando al promedio mensual en un 1.8%, 3.7% y 1.6%, respectivamente. Por otro lado, los meses de Enero, Febrero y Marzo representan los meses con menor inflacin, con 2.1%, 2.3% y 2.2% menos que la inflacin promedio mensual.

4.2.4 Vestuario. Los meses con mayor inflacin mas representativos son Abril, Mayo y Junio, con un 1.0%, 1.2% y 1.1% mas que la inflacin promedio mensual. As tambin destacamos los meses de Enero y Febrero como los de menor inflacin, con 0.95% y 0.79%, menos que la inflacin promedio mensual, respectivamente. Para esta categora debemos sealar que sus ndices estacionales estn mas prximos al promedio que las anteriores. Esto quiere decir que es menos estacional que el resto de categoras del ndice.

4.2.5 Vivienda. Finalmente para la categora de vivienda, los meses con menos actividad inflacionaria le corresponden a Enero y Febrero, con un 3.6% y 4.5% 80

menos que la inflacin promedio mensual. Por su parte, tenemos a Junio y Agosto como los meses mas estacionales, lo que indica una inflacin por encima del promedio mensual de 5.3% y 2.7%, respectivamente.

4.3 I.P.C. Base = 87. El cuadro No. 8 que se encuentra al final de este captulo presenta el ndice estacional del I.P.C. con base en 1987. El periodo comprendido para este ndice abarca desde enero de 1988 hasta diciembre de 1994.

4.3.1 Indice general. Dentro del ndice general se destacan los meses de junio, marzo, abril, mayo y julio; los cuales evidencian una actividad inflacionaria mayor al promedio mensual de todo el ao. En el mes de junio se observa que la inflacin alcanza hasta un 11.6% mayor al promedio mensual, lo que significa que los precios de los bienes y servicios incluidos para el clculo del I.P.C. sufran la mayor alza en los precios durante este mes. Seguido muy de cerca por el mes de marzo, donde se observa una actividad inflacionaria bastante fuerte, lo que representa un 9.6% mayor al promedio mensual. Este a su vez es seguido por abril, mayo y julio, los que presentan una actividad inflacionaria de 6.4%, 5.2% y 2.6% mayor que el promedio mensual, respectivamente. Es importante destacar como se concentra para el I.P.C. base 1987, la actividad inflacionaria en los meses centrales del ao. Tambin es importante mencionar lo coincidente de la

81

poca vacacionaria semestral ( junio ), siendo tambin el mes con mayor actividad inflacionaria de todo el ao, algo que tambin sucede con la poca escolar ( marzo ) y su respectivo ndice estacional. Por otro lado los meses que presentan una actividad inflacionaria menor al promedio mensual son septiembre, enero, febrero, diciembre y noviembre con un 1.0%, 2.8%, 3.6%, 7.7% y 11.3% menor al promedio anual, respectivamente. El mes que presenta menor actividad inflacionaria corresponde a noviembre, lo que coincide con el receso econmico que se vive en este mes ya que para esta poca la actividad, principalmente comercial se prepara para las fiestas navideas. Es probable que esto incida en el pequeo incremento inflacionario observado en el mes de diciembre, pero que an as, queda muy por debajo de la actividad inflacionaria promedio mensual. ( 7.7% menos ), contrario al pensamiento general de la poblacin. Esto quiere decir que si bien es cierto que los precios de los bienes y servicios de la canasta bsica sufran un ligero incremento, no alcanzaban los niveles de otros meses como junio y marzo.

4.3.2 Alimentos y bebidas. El ndice estacional para la categora de alimentos y bebidas evidencia una inflacin por encima del promedio mensual en los meses de junio, marzo, mayo, abril y julio, los que representan un 11.2%, 6.1%, 4.7%, 3.0% y 2.1% mayor al promedio mensual, respectivamente. Al igual que el ndice

82

general, esta categora presenta los mayores ndices estacionales en los meses de junio y marzo, lo que significa que todos aquellos productos clasificados en alimentos y bebidas sufran las mayores alzas en sus precios en dichos meses. Este hecho es muy importante ya que debemos considerar que para el clculo del ndice general, esta categora recibe un peso bastante significativo ( 0.5625 ), en la ponderacin total asignada a cada categora. De modo que el comportamiento estacional de alimentos y bebidas influye en mas del 50% del resultado que reflejar el ndice general. Por su parte, los meses que presentan inflaciones menor al promedio mensual corresponde a los meses de enero, agosto, septiembre, febrero, diciembre, octubre y noviembre, siendo el mas representativo octubre y noviembre con una actividad inflacionaria de 8.1% y 8.9% menor al promedio mensual, respectivamente. Esto indicaba el momento ptimo de una economa domstica representativa del I.P.C. para adquirir todos aquellos productos incluidos en esta categora. Dentro de l, encontramos los bienes de primera necesidad, tales como : arroz, frijoles, azcar, aceite, carnes, etc...

4.3.3 Vestido y calzado. El I.P.C. para vestido y calzado presenta una actividad inflacionaria mayor al promedio mensual en los meses de junio, diciembre, enero, marzo y julio, siendo los mas representativos junio, diciembre y enero, con un 11.2%, 7.7%, 3.8% mayor a la inflacin promedio mensual. Vemos como

83

las dos categoras mas importantes ( con altas ponderaciones ) para calcular el ndice general soportan el mes de junio como el mas afectado por el fenmeno inflacionario. Ambos, influyen aproximadamente en un 70% del resultado final del ndice general. En este sentido, para el I.P.C. base =1987, las economas domsticas representativas del I.P.C. se vean seriamente afectadas, al ver que los productos de primera necesidad eran severamente golpeados por el factor inflacionario, en este mes en particular. Solamente cuatro de los doce meses del ao presentan actividad inflacionaria por encima del promedio anual. Esto, por fortuna, favorece a las economas domsticas representativas. Por otro lado, los meses mas significativos que presentan actividad inflacionaria menor al promedio mensual son septiembre, noviembre y octubre con un 1.6%, 7.6%, y 13.3%, respectivamente.

4.3.4 Vivienda. En el I.P.C. para la categora de vivienda, se destacan los meses de abril, mayo y junio, los cuales presentan una actividad inflacionaria de 16.6%, 12.1% y 7.7% por encima del promedio anual, respectivamente. De esto podemos deducir los altos costos, producto de la inflacin en este trimestre para la categora de vivienda. Anlogamente le siguen los meses de marzo y febrero, con un porcentaje mayor a la actividad inflacionaria promedio mensual de 5.6% y 1.6%, respectivamente.

84

Por el contrario, los meses menos afectados por la inflacin para esta categora en particular son noviembre, enero y agosto con un porcentaje de 9.7%, 6.3% y 6.0% menor a la actividad inflacionaria promedio mensual, lo que significa una tregua en alza de los precios de los bienes incluidos en esta categora. Luego le siguen septiembre, julio y octubre con un 6.0%, 5.2% y 5.0% menor a la inflacin promedio del ao, respectivamente. En vista de la poca ponderacin asignada para el resto de las categoras, solamente destacaremos los aspectos mas relevantes de cada uno de ellos. Esto es para las categoras de muebles y accesorios, medicina y salud, transporte y comunicaciones, esparcimiento y cultura, educacin y gastos personales, los que tienen ponderaciones de 0.0708, 0.0235, 0.0456, 0.0202, 0.0091 y 0.0736, respectivamente. Puede verse que entre todos suman una ponderacin total de 0.2428, lo que representa el 24.3% del gasto de los consumidores representativos del ndice en sus economas domsticas. Como se explic en captulos anteriores, esta estructura de ponderaciones se construye en relacin a la distribucin del presupuesto de los consumidores representativos del I.P.C.

4.3.5 Muebles y accesorios. Para el I.P.C. de la categora muebles y accesorios se destacan los meses de junio, marzo y julio, donde se evidencia los periodos inflacionarios mas fuertes del ao, con un 9.2%, 5.7% y 5.6% por encima de la actividad inflacionaria promedio mensual. Una vez mas junio se ve afectado por el alza en los precios de esta categoras, lo que afianza su posicin como el

85

mes donde las economas domsticas representativas del I.P.C. sufran el mayor impacto econmico. Por otro lado debemos mencionar a los meses de agosto, octubre y febrero, como los meses de menor impacto inflacionario para esta categora, lo que significa un 11.7%, 7.6% y 5.2% menor que la inflacin promedio, respectivamente.

4.3.6 Medicina y salud. En el I.P.C. de medicina y salud, la actividad inflacionaria mayor al promedio mensual mas significativa lo constituyen los meses de marzo, julio y junio, lo que en trminos porcentuales representan un 10.6%, 10.1% y 5.1%, respectivamente. Por otro lado los meses de enero, diciembre y noviembre son los que presentan la actividad inflacionaria mas baja de todo el ao, con un 13.1%, 10.7% y 8.6% por debajo de la actividad inflacionaria promedio mensual, respectivamente.

4.3.7 Transporte y comunicaciones. Para el I.P.C. de transporte y comunicaciones, el trimestre de marzo, abril y mayo presentan la mayor actividad inflacionaria con un porcentaje por encima del promedio mensual de 16.6%, 14.3% y 12.1%, respectivamente.

86

Por el contrario los meses de diciembre, enero y noviembre presentan los ndices estacionales mas bajos, por debajo de 100.0, lo que significa que la actividad inflacionaria en estos meses era menor de la que en promedio, se manifestaba en todo el ao para esta categora.

4.3.8 Esparcimiento y cultura. En el I.P.C. de esparcimiento y cultura, los ndices estacionales por encima de 100.0 mas significativos estn representados en los meses de julio, marzo y septiembre, lo que significa en trminos porcentuales un 7.7%, 7.3% y 5.7% por encima de la actividad inflacionaria promedio mensual, respectivamente. Es importante mencionar que si bien es cierto que siete de los doce meses presentan ndices estacionales por encima de 100.0, la distancia entre ste y el mayor ndice estacional (107.669), es menor que la distancia entre 100.0 y el menor ndice estacional (89.051), o sea, aproximadamente un 10.9% menor que la actividad inflacionaria promedio. Esto significa que los precios de los bienes y servicios que componen esta categora, en general mantenan un ritmo inflacionario que no causaba mayores daos a las economas domsticas representativas del I.P.C. En realidad , esto es razonable si tomamos en cuenta que su ponderacin dentro del presupuesto familiar es muy bajo, lo que significa que no es una categora que incluye bienes y servicios de primera necesidad para los consumidores.

87

4.3.9 Educacin. Para el I.P.C. de educacin, los meses mas representativos en cuanto a actividad inflacionaria se refiere los componen marzo, abril, mayo y junio con un 6.2%, 6.7%, 6.3% y 8.3%, por encima del promedio mensual, respectivamente. Por otro lado, los meses que presentan menor actividad inflacionaria son diciembre, enero y febrero, con un 10.3%, 10.9% y 4.9%, por debajo del promedio mensual, respectivamente.

4.3.10 Gastos personales. Finalmente, para el I.P.C. de la categora gastos personales se presenta un ndice bastante estacional , es decir, con fluctuaciones tanto por encima como por debajo del promedio mensual. Esto, desde luego afectaba gravemente las economas representativas del I.P.C., ya que si bien tenamos meses como noviembre, donde la actividad inflacionaria alcanzaba nicamente el 86.0% de lo que en promedio se viva mensualmente, presentaba tambin meses como marzo, cuya actividad inflacionaria alcanzaba hasta un 16.3% mas que la inflacin promedio mensual. Esto afectaba gravemente los precios de los bienes y servicios incluidos en esta categora, y por la tanto a las economas de las familias representativas del I.P.C. Por fortuna se tiene una ponderacin bastante

88

pequea para esta categora, lo que indica que representa un porcentaje muy bajo del gasto dentro del presupuesto familiar del consumidor representativo. En resumen, no existe duda alguna que para el I.P.C. con base en 1987, la inflacin afectaba los precios de los bienes y servicios en los meses centrales del ao. Principalmente el mes de junio, con una tendencia a la disminucin en la actividad inflacionaria en los ltimos meses del ao como noviembre, quien presenta el ndice estacional mas bajo en cuatro de los siete aos, pero se extenda hasta el mes de enero e incluso febrero del siguiente ao, en algunas categoras.

4.4 I.P.C. Base = 1994. Ahora analizaremos el componente estacional del ndice de precios al consumidor base 1994, mostrado en el cuadro No. 9, al final de este captulo, para lo cual hemos tomado un periodo de cinco aos. Es importante destacar que a diferencia del I.P.C. base IV-87, este I.P.C. parece ser menos estacional que el anterior. Si este fuera el caso, significara que el componente estacional estara igualando su valor al promedio mensual, o sea, 100. Por lo tanto su valor estara siendo mayormente explicado por los componentes de tendencia, cclico e irregular de la serie.

89

De cualquier manera destacaremos los ndices estacionales mas significativos para las diferentes categoras.

4.4.1 Indice General. Dentro del ndice general se destacan los meses de Noviembre, Diciembre y Junio, los cuales tienen ndices estacionales de 101.295, 100.523 y 100.501, respectivamente. Estos indican actividad inflacionaria de 1.29%, 0.52% y 0.50% mayor que la inflacin promedio mensual. Por el contrario, Abril, Agosto y Septiembre poseen los ndices estacionales mas bajos con 99.757, 98.539 y 98.450, los que indican una actividad inflacionaria de 0.24%, 1.46% y 1.55% menor de la que se registra en promedio mensualmente.

4.4.2 Alimentos y Bebidas. Para la categora de alimentos y bebidas, los meses que evidencian la mayor actividad inflacionaria son Noviembre, Octubre y Diciembre, con ndices estacionales de 102.723, 101.705 y 101.062, que representan en trminos porcentuales un 2.72%, 1.70% y 1.06%, respectivamente. Por otro lado los ndices estacionales mas bajos estn contenidos en los meses de Marzo, Septiembre y Agosto con 98.773, 98.222 y 98.033, los que representan una inflacin menor al promedio mensual de 1.23%, 1.78% y 1.97%, respectivamente.

90

4.4.3 Vestido y Calzado. En el I.P.C. calculado para el vestido y calzado, encontramos que los meses con actividad inflacionaria mayor al promedio mensual mas representativos corresponden a Febrero, Abril y Diciembre, con ndices estacionales de 101.700, 101.360 y 101.266, lo que significa porcentualmente un 1.70%, 1.36% y 1.27% mayor a la inflacin promedio mensual, respectivamente. Por el contrario, Octubre, Agosto y Septiembre presentan la actividad inflacionaria promedio mas baja, con ndices estacionales de 98.783, 98.680 y 98.129, los que representan un 1.22%, 1.32% y 1.87% menos que la inflacin promedio mensual, respectivamente.

4.4.4 Vivienda. Dentro del I.P.C. para la vivienda se destacan los meses de Noviembre, Junio y Marzo, como los meses de mayor actividad inflacionaria, con ndices estacionales de 101.742, 100.685 y 100.658, respectivamente. As mismo, los meses de Abril, Agosto y Septiembre presentan los ndices estacionales mas bajos, con 99.165, 99.161 y 98.932, respectivamente. Lo que indica un 0.83%, 0.84% y 1.07% menos que la inflacin promedio mensual.

4.4.5 Muebles, Accesorios y Enseres Domsticos.

91

Para el I.P.C. de muebles, accesorios y enseres domsticos, los meses con mayor actividad inflacionaria son Marzo, Febrero y Mayo, con ndices estacionales de 101.309, 101.208 y 100.900, lo que indica un 1.30%, 1.21% y 0.90% mas que la inflacin promedio mensual, respectivamente. Por otro lado, los meses de Agosto, Septiembre y Octubre, tienen los ndices estacionales mas bajos, como son 99.447, 99.045 y 98.811, lo que significa un 0.55%, 0.96% y 1.19% menos que la inflacin promedio mensual, respectivamente.

4.4.6 Servicios Mdicos. En el I.P.C. calculado para los servicios mdicos, debemos destacar los meses de Octubre, Mayo y Abril como los de mayor actividad inflacionaria, con ndices estacionales de 101.051, 100.849 y 100.690, los que representan un 1.05%, 0.85% y 0.69% mas que la inflacin promedio mensual, respectivamente. Por el contrario, Septiembre, Junio y Agosto, con sus ndices estacionales de 99.480, 99.454 y 98.444, representan los meses con menor inflacin promedio mensual, respectivamente.

4.4.7 Transporte y Comunicaciones. Para el I.P.C. de transporte y comunicaciones se destacan los meses de Noviembre, Marzo y Febrero como los de mayor actividad inflacionaria, con ndices estacionales de 101.669, 101.348 y 101.080. Esto representa en

92

trminos porcentuales un 1.67%, 1.35% y 1.08% mas que la inflacin promedio mensual. Por otra parte, los meses que presentan menor actividad inflacionaria le corresponden a Agosto, Septiembre y Octubre, con ndices estacionales de 99.309, 97.449 y 96.492, los que representan un 0.69%, 2.55% y 3.51% menos que la inflacin promedio mensual, respectivamente.

4.4.8 Esparcimiento, Equipos y Servicios Recreativos. Dentro del I.P.C. de esparcimiento, equipos y servicios recreativos podemos destacar los meses de Diciembre, Abril y Julio, como los meses con mayor actividad inflacionaria, con ndices estacionales de 101.200, 100.457 y 100.446, los cuales representan un 1.20%, 0.46% y 0.45% mas que la inflacin promedio mensual, respectivamente. Por otro lado, los meses de Febrero, Mayo y Noviembre, se destacan como los meses de menor actividad inflacionaria, con ndices estacionales de 99.625, 99.447 y 98.648, los cuales representan un 0.37%, 0.55% y 1.35% menos que la inflacin promedio mensual, respectivamente.

4.4.9 Enseanza. Para el I.P.C. de la enseanza, destacamos los meses de Marzo, Abril y Mayo, como los meses de mayor actividad inflacionaria, con ndices estacionales de 100.461, 100.299 y 100.217, los cuales indican un 0.46%, 0.30% y 0.22% mas que la inflacin promedio mensual. De igual forma,

93

Octubre, Noviembre y Agosto, representan los meses con una inflacin menor al promedio mensual, con ndices estacionales de 99.935, 99.728 y 99.562, los que indican un 0.06%, 0.27% y 0.44% menos que la inflacin promedio mensual, respectivamente.

4.4.10 Otros gastos. Finalmente para el I.P.C. de Otros Gastos, destacamos los meses de Abril, Mayo y Junio, como los meses con mayor actividad inflacionaria para esta categora, con ndices estacionales de 101.215, 101.159 y 101.106, los que representan un 1.2%, 1.16% y 1.11% mayor a la inflacin promedio mensual. Por otra parte, Agosto, Diciembre y Noviembre, representan los meses con menor actividad inflacionaria, con ndices estacionales de 99.332, 99.275 y 99.156, lo que significa un 0.67%, 0.73% y 0.84% menos que la inflacin promedio mensual, respectivamente. Es obvio que la estructura del ndice estacional correspondiente al I.P.C. base 1994 difiere significativamente del anterior. En el siguiente capitulo ampliaremos estas diferencias cuando expongamos nuestras conclusiones finales.

94

95

Cuadro No. 6 Indice Estacional del Indice de Precios al Consumidor Base = 1956 Periodo de 1956 hasta 1963 Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Indice General 98.49200 98.85600 98.43000 99.35800 100.70400 101.97200 101.76900 101.23000 100.39700 100.89200 100.25600 97.64400 Alimentos y Bebidas 100.34500 100.11000 99.38900 99.38900 99.36200 99.33400 100.21700 99.91100 100.05900 100.47300 100.90800 100.50200 99.18100 99.16700 98.95700 99.58200 100.33900 101.02600 101.08000 100.73800 100.30100 100.64600 100.27100 98.71200 99.89900 99.95200 99.92400 99.88900 99.89300 99.92500 100.00900 100.04200 100.03300 100.19700 100.19800 100.03700 99.91400 99.87700 99.98700 99.98400 99.98400 100.04600 100.03600 100.02500 99.99500 100.04600 100.07100 100.03500 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000 Vestuario Miscelneos Combustible Vivienda

Resultados obtenidos por el programa SPSS versin 6.0 para Windows

96

Cuadro No. 7 Indice Estacional del Indice de Precios al Consumidor Base = 1974 Periodo desde 1974 hasta 1987 Meses Alimentos y Bebidas Gastos Diversos Indice General Vestuario Vivienda

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

93.399 91.080 91.182 95.005 101.325 110.253 112.333 107.018 101.833 100.550 99.091 96.932

97.877 97.727 97.816 99.805 101.789 103.652 101.599 101.175 100.640 99.854 99.176 98.889

94.390 93.053 93.415 96.705 101.716 107.715 108.552 105.210 102.049 100.644 99.525 97.023

99.055 99.212 99.170 101.032 101.881 101.052 100.363 100.349 99.913 99.286 99.394 99.294

96.404 95.459 96.907 98.756 101.353 105.328 102.004 102.672 102.688 100.900 99.644 97.885

Fuente : Resultados Obtenidos por el programa SPSS versin 6.0 para Windows.

97

Cuadro No. 8 Indice Estacional del Indice de Precios al Consumidor Base = 1987 Periodo : Desde 1988 hasta 1994.

Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

Indice Alimentos Vestido y 97.203 96.440 109.592 106.440 105.229 111.571 102.567 100.109 98.980 90.921 88.680 92.269 99.980 103.769 97.153 93.702

Muebles y Medicina 99.890 94.789 86.949 96.904

Transporte y Esparcimiento 89.032 93.671 116.599 114.276 112.053 97.513 108.971 99.821 97.878 90.691 90.616 88.878 89.051 90.704 107.339 102.214 98.470 104.405 107.669 103.173 105.653 94.599 102.068 94.657 89.120 95.077 106.253 106.665 106.306 108.296 101.560 102.231 98.130 100.983 95.706 89.674

Gastos 92.303 93.435 116.287 111.138 111.793 114.963 105.652 100.263 92.280 86.815 85.990 89.081

General y Bebidas Calzado Vivienda Accesorios 96.011 101.598

y Salud Comunicaciones

y Cultura Educacin Personales

106.062 103.393 105.657 103.018 100.523 116.624 104.708 98.780 112.066

94.802 93.980 94.016 95.051 90.327 94.465 111.482 111.236 107.714 102.083 101.893 99.465 98.845 91.917 91.080 99.070 98.453 86.744 92.456

105.695 110.621 103.116 106.021 101.479 102.310 109.200 105.127 105.576 110.121 88.279 103.002 103.880 103.745 92.437 94.076 101.584 94.960 91.390 89.349

94.205 107.672

Fuente : Resultados obtenidos por el programa SPSS versin 6.0 para Windows.

98

Cuadro No. 9 Indice Estacional del I.P.C. Base = 1994 Desde 1994 hasta 1998 Meses Indice General Alimentos y Bebidas Vestido y Calzado Vivienda Muebles, Accesorios y Enseres Domsticos Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 100.282 100.298 99.941 99.757 100.115 100.501 99.858 98.539 98.450 100.441 101.295 100.523 100.768 99.390 98.773 98.863 99.818 100.816 99.829 98.033 98.222 101.705 102.723 101.062 100.783 101.700 100.130 101.360 99.989 99.935 99.979 98.680 98.129 98.783 99.266 101.266 99.852 100.059 100.658 99.165 99.254 100.685 99.716 99.161 98.932 100.298 101.742 100.476 99.360 101.208 101.309 100.568 100.900 99.769 100.084 99.447 99.045 98.811 99.540 99.960 100.151 100.227 100.046 100.690 100.849 99.454 98.951 98.444 99.480 101.051 100.496 100.160 100.686 101.080 101.348 100.847 100.453 99.912 99.746 99.309 97.449 96.492 101.669 101.009 99.855 99.625 100.468 100.457 99.447 99.869 100.446 99.958 100.376 99.650 98.648 101.200 99.736 99.988 100.461 100.299 100.217 100.180 100.125 99.935 99.988 99.728 99.562 99.781 99.587 100.090 100.878 101.215 101.159 101.106 99.896 99.332 98.951 99.355 99.156 99.275 Servicios Transporte y Esparcimiento Enseanza Otros Gastos

Mdicos Comunicacin

Fuente : Resultados obtenidos por el programa para SPSS para Windows, versin 6.0

99

CONCLUSIONES Uno de los primeros descubrimientos realizados fue la evidencia contundente del componente estacional a medida que se construa un nuevo ndice de precios al consumidor. As lo reflejan las distancias de los ndices estacionales mnimos y mximos, hacia el valor medio, o sea, 100. Obsrvese que para el I.P.C. base 1956 el ndice estacional mas bajo corresponde al mes de Diciembre, con un ndice estacional de 97.644, lo que indica que el componente estacional reduca la actividad inflacionaria promedio mensual en un 2.36%, en este mes en particular. Por el contrario, Junio presenta el ndice estacional mas alto con 101.972, lo que indica a su vez que el componente estacional eleva en un 1.97%, la inflacin promedio mensual, para el mes de Junio. Sin embargo, ntese que estos valores (97.644 y 101.972), no estn muy alejados del promedio (100). Esto nos dice que el componente estacional en la serie del I.P.C. base 1956 esta muy cercano al promedio mensual, de donde se deduce que el I.P.C. esta siendo mayormente explicado por los factores de tendencia, cclico e irregular de la serie. Ahora bien, los valores mnimos y mximos del ndice estacional del I.P.C. base 1974 son 93.053 y 108.552, respectivamente. Esto indica que el componente estacional reduca la actividad inflacionaria en Febrero en un 6.95%, pero lo elevaba en un 8.55%, en el mes de Julio. Vemos pues como el componente estacional se encuentra mas alejado del promedio mensual que en el I.P.C. base 1956, haciendo mas estacional el I.P.C. base 1974 que el anterior.

100

Analizando la serie del I.P.C. base 1987, encontramos que los valores mnimos y mximos son 90.921 y 111.571, lo que indica que el componente estacional reduca la inflacin en un 9.08%, en el mes de Octubre. A su vez, lo elevaba en un 11.57%, en el mes de Junio. Pero lo mas importante es que se aprecia claramente como el componente estacional explica cada vez mas, las variaciones que afectan al I.P.C., dando como resultado, el I.P.C. mas estacional en la historia de Nicaragua. En general, la estructura del ndice estacional del I.P.C. base 1956, 1974 y 1987 son bastante similares. Los ndices estacionales que estn por encima del promedio (100), lo encontramos en los meses centrales del ao. Luego caen por debajo de este en los ltimos meses (Octubre, Noviembre y Diciembre), extendindose, en algunos casos, al primer trimestre del ao. Esto nos indica que por factores estacionales, la inflacin promedio vivida antes del I.P.C. base 1994 afectaba a las economas domsticas representativas del I.P.C. del departamento de Managua, principalmente en el II y III trimestre del ao, siendo mas favorables para estos el I y IV trimestre del ao. Adems, la estacionalidad del I.P.C. para los tres primeros ndices, reafirma como se agudiz el problema de la inflacin en la economa nicaragense; hasta llegar a aquel trgico 1987, donde se desarroll el periodo inflacionario mas dramtico de nuestra historia.

101

Observemos ahora la estructura del ndice estacional del I.P.C. base 1994. Destacamos dos aspectos fundamentales de este ndice. Primero, vemos como el componente estacional ha perdido significativamente importancia en la serie, al comprobar que sus ndices estacionales se encuentran muy cercanos al promedio mensual, por lo cual se deduce que los componentes de tendencia, cclico e irregular explican en gran medida las variaciones presentadas en la serie del I.P.C. base 1994. En este sentido, se puede decir que se parece mas al I.P.C. con base en 1956; al menos en este punto. El segundo aspecto viene dado por la estructura del ndice estacional en comparacin con el resto de ndices. Vemos como los meses centrales (Julio, Agosto, Septiembre), as como Marzo y Abril presentan ndices estacionales por debajo del promedio (100). El resto presenta ndices estacionales por encima del promedio, siendo el mayor Noviembre, con un ndice estacional de 101.295. Al haber logrado un I.P.C. cuyos ndices estacionales se encuentran prximos al promedio mensual, es una evidencia de la estabilidad econmica que se vive actualmente. Al encontrar un I.P.C. menos estacional, es un indicativo positivo de las polticas econmicas implementadas por el gobierno actual.

102

Sin embargo, al puntualizar una estabilidad econmica, nos referimos especficamente a que con un ndice estacional cercano al promedio mensual (100), sugiere poca dispersin en los precios relativos, una variacin inflacionaria mantenida en niveles razonables, que restablece la nocin de los precios relativos, la cual se pierde en un ambiente hiperinflacionario. Pese a todo esto, el nivel de vida de los nicaragenses ha descendido drsticamente en los ltimos aos. Desafortunadamente, este no es un problema exclusivamente de orden econmico, puesto que interactan otras variables de carcter social, polticas, etc..., las cuales escapan del alcance de esta investigacin. Una vez identificado el componente estacional en la serie del ndice de precios al consumidor, adems de la ganancia en conocimiento por el proceso de descomposicin, podemos enfocarnos en el resto de componentes tales como la tendencia, cclicas, etc.. muy necesarios para la planificacin econmica, as como la elaboracin de pronsticos a mediano y largo plazo.

103

RECOMENDACIONES

En vista de la evidencia documentada en esta investigacin y a menos que no se agreguen nuevos datos que conlleven a nuevos resultados acerca de la presencia del componente estacional en la serie cronolgica del ndice de precios al consumidor, recomendamos desarrollar nuevos estudios en funcin de los componentes de tendencia y cclicos del I.P.C., puesto que como ya se ha demostrado, la presencia del componente estacional ejerce poca influencia en el comportamiento del I.P.C. base = 1994 (el cual aun esta vigente), de los que podemos concluir que esta siendo mejor explicado por los componentes de tendencia, cclicos e irregular de la serie. En este sentido, la variacin estacional proporciona al proceso de pronstico (si se esta interesado en pronosticar valores futuros del I.P.C.), un insumo poco importante. Asimismo recomendamos una evaluacin continua de los ndices estacionales que hemos construido, con el objetivo de mantener un ndice estacional actualizado para la serie del I.P.C.

104

BIBLIOGRAFIA

Heidelbroner Robert L. Economa. 7 Edicin. Editorial Prentice Hall. Mxico 1987. Fischer, Stanley. Economa. Editorial Mc Graw Hill. Interamericana 1990. Samuelson, Paul A. Economa. 14 Edicin. Editorial Mc Graw Hill. Mxico 1993. Magdalena Ferrn Aranaz. SPSS para Windows. 1 Edicin. Editorial Mc Graw Hill Mxico 1996. Mark L. Berenson, David M. Levine. Estadstica Bsica en Administracin 4 Edicin. Editorial Prentice Hall. 1992. John E. Freud, Richard Manning Schmith. Estadstica. 4 Edicin. Editorial Prentice Hall. 1989. Heinz Kohler. Estadstica para Ne

REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN SUPERIOR UNIVERSIDAD " DR. JOS GREGORIO HERNNDEZ" CTEDRA: ESTADSTICA II PROFESOR: PEDRO MNDEZ

[pic]

REALIZADO POR: CASTELLANOS YANNISLEY

C.I. 17.461.787

A-4401

MARACAIBO, AGOSTO 2010 CONTENIDO

- INTRODUCCIN 1 SERIES DE TIEMPO 2 GRAFICAS DE SERIES DE TIEMPO 3 MOVIMIENTOS CARACTERSTICOS DE LAS SERIES DE TIEMPO a) Movimientos A Largo Plazo O Seculares b) Movimientos Estacionales c) Movimientos Irregulares O Aleatorios 5) ANALISIS DE SERIES DE TIEMPO 6) PROMEDIOS MVILES SUAVIZACIN DE LAS SERIES DE TIEMPO. 7) ESTIMACIN DE LA TENDENCIA 8) ESTIMACIN DE LAS VARIACIONES, ESTACIONALES, NDICE ESTACIONAL 9) DESESTACIONALIZACION DE LOS DATOS 10) ESTIMACIN DE LAS VARIACIONES CCLICAS 11) COMPARACIN DE DATOS 12) PREDICCIN 13) PASOS FUNDAMENTALES EN EL ANALISIS DE LAS SERIES DE TIEMPO. EJEMPLOS ILUSTRATIVOS

- CONCLUSIN - BIBLIOGRAFA.

INTRODUCCIN

La planificacin racional exige prever los sucesos del futuro que probablemente vayan a ocurrir. La previsin, a su vez, se suele basar en lo que ha ocurrido en el pasado. Se tiene pues un nuevo tipo de inferencia estadstica que se hace acerca del futuro de alguna variable o compuesto de variables basndose en sucesos pasados. La tcnica ms importante para hacer inferencias sobre el futuro con base en lo ocurrido en el pasado, es el anlisis de series de tiempo.

Toda institucin, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar. Hoy en da diversas instituciones requieren conocer el comportamiento futuro de ciertos fenmenos con el fin de planificar, prever o prevenir.

El objetivo de este trabajo es hacer repaso sobre el anlisis de series de tiempo donde se explicara en que consiste cuales son su promedios sus estimaciones, etc.

1. SERIES DE TIEMPO: Una serie de tiempo es un conjunto de observaciones tomadas en momentos o tiempos especficos; generalmente a intervalos iguales.

Ejemplos de series de tiempo son: la produccin anual total de acero en Estados Unidos durante cierto nmero de aos, el precio diario de una accin al cierre en la bolsa de valores, las temperaturas a cada hora anunciadas por el centro metereolgico de una ciudad o el total de ventas mensuales de un supermercado.

Matemticamente, una serie de tiempo se define por medio de los valores Y1, Y2, de una variable Y (temperatura, precio al cierre de una accin, etctera) en los tiempos t1, t2,

Por lo tanto, Y es una funcin de t; esto se denota por Y= F (t)

2. GRAFICAS DE LAS SERIES DE TIEMPO Una serie de tiempo que involucra una variable Y esta representada por la construccin de una grafica de Y respecto de t, como ha ocurrido muchas veces en captulos anteriores. Por ejemplo, la figura 18-1 es la grafica de una serie de tiempo que muestra las ventas trimestrales de discos compactos por Desert Compact Discs and Cassettes Distributors (DCDCDInc.). Los datos de las ventas cubren los cuatro trimestres de 1994 hasta los de 1997.

Figura 18-1

[pic]

3. MOVIMIENTOS CARACTERSTICOS DE LAS SERIES DE TIEMPO Es interesante pensar en una grafica de series de tiempo (como la que se presenta en la figura 18-1) como una grafica que describe u punto movindose con e paso del tiempo, anlogo en muchos aspectos a la trayectoria de una partcula fsica que se mueve bajo la influencia de fuerzas fsicas. Sin embargo, el movimiento puede resultar de una combinacin de fuerzas econmicas, sociolgicas, fisiolgicas, etctera en lugar de ser por fuerzas fsicas.

La experiencia con muchos ejemplos de series de tiempo ha revelado ciertos movimientos caractersticos o variaciones, los cuales estn presentes en distintos grados. El anlisis de dichos movimientos es valioso en muchas relaciones, entre las que una de ellas es el problema de predecir movimientos futuros. En consecuencia, no debe sorprender que muchas industrias y agencias del gobierno estn relacionadas con tan importante tema. 4. CLASIFICACION DE LOS MOVIMIENTOS DE LAS SERIES DE TIEMPO Los movimientos caractersticos de las series de tiempo pueden clasificarse en cuatro tipos principales, llamados componentes de las series de tiempo.

a) Movimientos a largo plazo o seculares: Estos se refieren a la direccin general en la que la grafica de series de tiempo parece seguir sobre un intervalo de series grande de tiempo. En la figura 18-1, tal movimiento secular (o variacin secular o tendencia secular, como tambin se le conoce) esta indicado por una recta de tendencia, que se muestra discontinua. Para algunas series de tiempo puede ser mas adecuada una curva de tendencia. En el capitulo 13 se estudio la determinacin de dichas rectas o curvas de tendencia por medio del mtodo de mnimos cuadrados. En este captulo se analizan otros mtodos.

Las tendencias a largo plazo (sin alteraciones de una serie de tiempo) de las ventas, el empleo, los precios de las acciones, y otras series econmicas y comerciales.

Muchas variables macroeconmicas, como el Producto Nacional Bruto (PNB), el empleo y la produccin industrial estn dominadas por una fuerte tendencia.

La tendencia de una serie de tiempo es el componente de largo plazo que

representa el crecimiento o disminucin en la serie sobre un periodo amplio. Las fuerzas bsicas que ayudan a explicar la tendencia de una serie son el crecimiento de la poblacin, la inflacin de precios, el cambio tecnolgico y los incrementos en la productividad.

La figura 2.3 muestra grficamente la recta de tendencia ajustada a los datos trimestrales. La recta de trazos despus de 1972 representa proyecciones (ver seccin 3 Predicciones). [pic]

Es decir, Movimientos seculares contienen los movimientos suaves de largo plazo, los cuales estn dominados fundamentalmente por factores de tipo econmico.

b) Movimientos cclicos o variaciones cclicas: Estos tienen que ver con las oscilaciones o los movimientos respecto de una recta o curva de tendencia. Estos ciclos, como se les denomina en ocasiones, son o no peridicos; es decir, pueden o no seguir patrones exactamente similares, despus de intervalos iguales de tiempo. En los negocios y las actividades econmicas, los movimientos son considerados cclicos solo si se repiten despus de intervalos mayores de un ao.

Un ejemplo importante de los movimientos cclicos son los llamados ciclos de negocios, que representan intervalos de prosperidad, recesin, depresin o recuperacin. Los movimientos cclicos, en cuanto a la recta de tendencia, son bastantes claros en la figura 18-1.

Adems Se refieren a las oscilaciones de larga duracin alrededor de la curva de tendencia, los cuales pueden o no ser peridicos, es decir, pueden o no seguir

caminos anlogos en intervalos de tiempo iguales. Se caracterizan por tener lapsos de expansin y contraccin. En general, los movimientos se consideran cclicos solo si se produce en un intervalo de tiempo superior al ao (3). En el Grfico los movimientos cclicos alrededor de la curva de tendencia estn trazados en negrita.

c) Movimientos estacionales o variaciones estacionales: Estos se relacionan con los patrones idnticos o casi idnticos que la series de tiempo parecen seguir durante los meses o trimestres correspondientes de aos sucesivos. Tales movimientos se deben a eventos recurrentes que suceden anualmente, como el repentino incremento en las ventas de las tiendas de departamentos, previo a la navidad. Los movimientos estacionales pueden verse fcilmente en la figura 18-1; las ventas del cuarto trimestre son las mas altas en cada uno de los cuatro aos. Aunque los movimientos estacionales suelen conocerse en la teora de negocios o economa como periodicidad anual, las ideas implicadas llegan a extenderse para un periodo determinado (como das, horas, semanas), dependiendo del tipo de datos disponibles.

Se refieren a las fluctuaciones peridicas que se observan en series de tiempo cuya frecuencia es menor a un ao (trimestral, mensual, diaria, etc.), aproximadamente en las mismas fechas y casi con la misma intensidad. Por ejemplo, el mayor monto de recaudacin del Impuesto a la Renta se observa en el mes de marzo de todos los aos o la mayor brecha entre el tipo de cambio de compra y venta se produce los das viernes dcada semana o la mayor cotizacin de los ttulos que se mueven en la Bolsa de Valores de Lima se observa diariamente entre las 11 am. Y 12 m.

Las variaciones estacionales, como veremos, responden fundamentalmente a

factores relacionados al clima, lo institucional o las expectativas y no a factores de tipo econmico. En el Grfico no se observa ningn movimiento estacional, puesto que se trata de una serie anual.

Las principales fuerzas que causan una variacin estacional son las condiciones del tiempo, como por ejemplo: 1) En invierno las ventas de helado 2) En verano la venta de lana 3) Exportacin de fruta en marzo. 4) Todos estos fenmenos presentan un comportamiento estacional (anual, semanal, etc.). [pic]

d) Movimientos irregulares o aleatorios: Estos se refieren a los movimientos espordicos de las series de tiempo, debidos a eventos aleatorios tales como: inundaciones, huelgas o elecciones, aunque generalmente se considera que tales eventos producen variaciones que duran poco tiempo, cabe la posibilidad de que sean tan intensos que resulten en nuevos movimientos cclicos o de otro tipo.

5. ANLISIS DE LAS SERIES DE TIEMPO El anlisis de series de tiempo consiste en una descripcin (generalmente matemtica) de los movimientos componentes presentes. Para comprender los procedimientos involucrados en dicha descripcin, considrese la figura 18-2, que muestra las series de tiempo ideales. La figura 18-2a) es la grafica de una recta de tendencia a largo plazo o secular (en lugar de una curva de tendencia, que se pudo haber utilizado tambin). La figura 18-2b) muestra esta recta de tendencia a largo plazo, con un movimiento cclico sobrepuesto (que se supone peridico) y la figura 18-2c) contiene un movimiento estacional sobrepuesto a la figura 18-2b).

Si se colocara algn movimiento regular o aleatorio sobre la figura 18-2c), el resultado seria mas parecido a las series de tiempo reales que ocurren en la prctica. Figura 18-2

t.

t.

t.

Los conceptos ilustrados en las figuras 18-2 sugieren una tcnica para analizar las series de tiempo. Supngase que la variable y de series de tiempo es un producto de las variables T, C, S e 1 que producen los movimientos ciclicos estacionales e irregulares, respectivamente. Estos se denota como: Y= T X C X S X I = TCSI

El anlisis de las series de tiempo equivale a investigar los factores T, C, S e 1Y suele llamarse descomposicin de series de tiempo, en sus movimientos componentes bsicos.

Cabe mencionar que en algunos estadsticos prefieren considerar a Y como la suma T+C+S+1delas variables bsicas implicadas. Aunque aqu se asumir la descomposicin dada por la ecuacin (1) al examinar los mtodos estudiados en este capitulo se presentan procedimientos anlogos cuando se considera una suma. En la prctica, decidir que mtodo de descomposicin debe adoptarse, depender del grado de xito logrado al aplicar cada uno de ellos.

6. PROMEDIOS MVILES: SUAVIZACIN DE LAS SERIES DE TIEMPO. Dado un conjunto de nmeros. Y1, Y2, Y3,.

(2) Un promedio Mobil de orden N se define como la secuencia de medias aritmticas: Y1+Y2+.YN, N (3) La suma de los numeradores de la secuencia (3) se llama totales mviles de orden N. Y2+Y3++YN+1, N Y3+Y4+ YN+2.

Ejemplo N 1 Dados los nmeros 2, 6, 1, 5,3, 7 y 2, un promedio mvil de orden 3 est por la secuencia. 2+6+1, 6+1+5, 1+5+3, 5+3+7, 3 3 3 3+7+2 o 3, 4, 3, 5,4 3 3

Se acostumbra localizar cada nmero del promedio mvil en su posicin apropiada, relacionada con los datos originales. En este ejemplo se escribira. Datos originales 2, 6, 1, 5, 3, 7,2

Promedio mvil de orden 3

7. ESTIMACIN DE LA TENDENCIA Una tendencia puede estimarse de diferentes maneras: Mtodo de los mnimos cuadrados: este mtodo, descrito en el capitulo 13, puede usarse para calcular la ecuacin de una recta o curva de tendencia apropiada. Con esta ecuacin se suelen calcular los valores de tendencia T.

 Mtodo a mano: este mtodo, que consiste en trazar una recta o curva de tendencia simplemente mirando la grafica, puede usarse para estimar T. sin embargo, tiene la obvia desventaja de depender demasiado del juicio individual.

Mtodo del promedio mvil: por medio de promedio mviles de orden adecuado, se pueden eliminar patrones ciclicos, estacionales e irregulares, dejando as solo el movimiento de tendencia. Una desventaja de este mtodo es que los datos a inicio y final se las series se pierden, como el ejemplo 1, donde se inicio con siete nmeros y con un promedio mvil de orden 3 se llego cinco nmeros. Otra desventaja es que los promedios mviles pueden generar ciclos u otros movimientos que no estaban en los datos originales. Una tercera desventaja es que los promedios mviles se ven muy afectados por valores extremos. Para superar esto de alguna manera, algunas veces se utiliza un promedio mvil ponderado con pesos adecuados, en tal caso, se da al dato o a los datos centrales el mayor peso y a los valores extremos se les proporcionan pesos pequeos.

Mtodo de los Semipromedios: Este consiste en separar los datos en dos partes (de preferencia iguales) y calcular el promedio de los datos en cada parte, con lo que se obtienen dos puntos en la grafica de series de tiempo.

Despus se traza una recta de tendencia de estos dos puntos. Los valores de tendencia se determinan a partir de la recta de tendencia, pero tambin pueden determinarse de manera directa, sin grafica (vase el problema 18.6).

A pesar que este mtodo es sencillo de aplicar, suele conducir a resultados pobres cuando se utiliza en forma indiscriminada. Adems, solo es aplicable cuando la tendencia es lineal o aproximadamente lineal, aunque llega a extenderse en caso en donde los datos pueden separarse en varias partes, en

cada una de las cuales la tendencia sea lineal.

8. ESTIMACIN DE LAS VARIACIONES, ESTACIONALES; INDICE ESTACIONAL. Para determinar el factor estacional s en la ecuacin (1), se debe estimar como varan los datos en las series de tiempo de un mes a otro, considerando un ao tpico. Un conjunto de nmeros que muestran los valores relativos de una variable durante los meses del ao se llama ndice estacional de la variable. Por ejemplo, si se conoce que las ventas durante enero, febrero, marzo, etc., son de 50, 120, 90, proporcionan el ndice estacional del ao; estos nmeros suelen llamarse nmeros ndices estacionales. El promedio (media) del ndice estacional para todo el ao debe ser 100, es decir, la suma de los nmeros ndice de los 12 meses tiene que ser 1 200%.

Diversos mtodos estn disponibles para calcular el ndice estacional: Mtodo de porcentaje promedio: en este mtodo, los datos de cada mes se expresan como porcentaje del promedio del ao. Entonces, se promedian los porcentajes de los meses correspondientes de diferentes aos, usando una media o una mediana; si se usa la media, es mejor evitar cualquier valor extremo que pueda presentarse. Los 12% porcentajes resultantes dan el ndice estacional. Si su media no es 100% (es decir, si la suma no es 1 200%), entonces deben ajustarse, lo que se logra multiplicndolos por un factor adecuado.

Mtodo del porcentaje de la tendencia o de la razn de la tendencia en este mtodo, los datos de cada mes se expresan como porcentaje de valores de la tendencia mensual. Un promedio adecuado de los porcentajes para los meses correspondientes proporciona, entonces el ndice requerido. Igual que en el mtodo 1, estos se ajustan si no promedian 100%.

Obsrvese que dividir cada valor mensual Y entre el valor de la tendencia T correspondiente, proporciona Y/T= CSI, de la ecuacin (1), y que el siguiente promedio de Y/T produce los ndices estacionales. Mientras estos ndices incluyan variaciones cclicas e irregulares, estas pueden ser una desventaja importante del mtodo, especialmente si las variaciones son grandes.

Mtodo del porcentaje del promedio mvil o la razn del promedio mvil: en este promedio se calcula un promedio mvil de 12 meses. Dado que los resultados as obtenidos caen entre meses sucesivos, en lugar de en la mitad del mes (que es donde caen los datos originales, se busca un promedio mvil de 2 meses, de este promedio mvil de 12 meses. El resultado suele llamarse promedio mvil centrado de 12 meses.

Despus de esto, se expresan los datos originales de cada mes como un porcentaje del promedio mvil centrado de 12 meses correspondientes a los datos originales. Luego se promedian los porcentajes de los meses correspondientes, con lo que se obtiene el ndice requerido. Como antes, si estos no promedian 100%, se hace un ajuste.

Obsrvese que el razonamiento lgico de este mtodo parte de la ecuacin (1). Un promedio mvil centrado de 12 meses de Y sirve para eliminar los movimientos estacionales e irregulares S e I; por lo tanto, es equivalente a los valores dados por TC. Entonces, al dividir los datos originales entre TC, se obtiene SI. Los promedios siguientes para los meses correspondientes sirven para eliminar la irregularidad I y producen en consecuencia, un ndice adecuado de S.

9. DESESTACIONALIZACION DE LOS DATOS Si los datos mensuales originales se dividen entre los nmeros ndices estacionales correspondientes, los datos resultantes se llaman datos desestacionalizados. O ajustados a las variacin estacional, tales datos aun incluyen movimientos de tendencia, ciclicos e irregulares.

10. ESTIMACIN DE LAS VARIACIONES CCLICAS Una vez que los datos han sido ajustados a las variaciones estacionales, tambin suelen ajustarse a la tendencia dividindolos, sencillamente, entre los valores de tendencia correspondientes. De acuerdo con la ecuacin (I), en la prctica se encuentra que los movimientos irregulares se inclinan a tener una pequea magnitud y suelen seguir el patrn de una distribucin normal; es decir, las pequeas desviaciones ocurren con gran frecuencia y las desviaciones grandes suceden con poca frecuencia.

11. COMPARACIN DE LOS DATOS Al comparar datos, siempre se debe tener cuidado de que dicha comparacin este justificada. Por ejemplo, al comparar los datos de marzo con los de febrero, habr que tomar en cuenta que marzo tiene 31 das, mientras que febrero tiene 28 o 29 das; al comparar los datos de febrero de diferentes aos, se debe recordar que en un ao bisiesto febrero tiene 29 das; y no 28 das, considrese otro ejemplo en el cual el numero de das laborales, en diversos meses del mismo o de diferentes aos, puede variar debido a vacaciones, huelga, das festivos, etc.

En la prctica, no existe una regla definitiva para hacer los ajustes de dichas variaciones. La necesidad de tal ajuste se deja a eleccin del investigador.

12. PREDICCIN

Los mtodos y principios anteriores se utilizan en el importante trabajo de predecir series de tiempo. Obviamente, se debe tener en cuenta que el tratamiento matemtico ha probado ser valioso para prediccin a corto y largo plazos.

Predecir, es estimar el futuro utilizando informacin del presente y del pasado. El conocimiento del futuro nos capacita para planificar, prever o prevenir.

La idea es estimar X (t) en un instante n + k posterior al ltimo dato observado en t =n, k = 1, 2, 3,4,... (Trimestre, mes, etc.).

Una vez estimada la tendencia y la estacionalidad las frmulas de prediccin quedarn determinadas por:

Modelo Mixto Modelo Aditivo

EJEMPLO ILUSTRATIVOS Con el objeto de ilustrar los mtodos revisados en este captulo considere los siguientes datos: TABLA 3.1 SERIE ORIGINAL |Sem/Ao | |1 |5,10775 |2 |5,24787 |1,73757 | |2,01815 | |2,80325 |4,85566 |5,14076 |5,06387 |2,42106 |4,47481 |4,78939 |5,19210 |1 |2 |3 |4 |5 |6

Con el fin de eliminar los efectos irregulares y estacionalidad se obtiene la serie suavizada Z (t) con un promedio mvil centrado de orden 2, como se muestra en la tabla 3.2.

TABLA 3.2. SERIE SUAVIZADA (Z (T)) |Sem/Ao | |1 ||2,41589 |2 || |2,04874 |4,15214 |3,1256 |4,89381 |4,74389 |5,14721 |5,06576 |5,12181 |5,1069 | |1 |2 |3 |4 |5 |6

Una vez suavizada la serie, se obtienen las series residuales con el objeto de eliminar la estacionalidad dentro del modelo y saber por medio de un anlisis tabular de los residuos si el modelo es aditivo o mixto.

PRIMER CASO: Modelo Mixto. X(t) = T(t) E(t) + A(t) Con el objeto de eliminar la estacionalidad de la serie, se genera la serie de residuos: [pic]

La siguiente tabla contiene los residuos.

Tabla 3.3. Serie de Residuos (W (t)) |Sem/Ao | | |1 | |2 | |3 | |

|1985 |1986 |1987 |1988 |1989 |1990 |1991 |1992 |1993 |1994 |1995

|19.0 |20.6 |20.1 |20.7 |21.5 |23.4 |24.7 |23.8 |24.5 |23.3 |21.6

| | |80.4 |82.9 |85.7 |90.3 |93.4 |96.4 |96.3 |93.2 |

| | |20.100 |20.725 |21.425 |22.575 |23.350 |24.100 |24.075 |23.300 |

| | | | | | | | | | |

Tabla 18-2 | |Ao | |1985 |1986 |1987 |1988 |1989 |1990 |1991 |117.9 |1992 |1993 |1994 |1995 |23.8 |24.5 |23.3 |21.6 | |19.0 |20.6 |20.1 |20.7 |21.5 |23.4 |24.7 |23.58 |119.7 |117.9 | | | | | |23.94 |23.58 | | | | |Datos | |

Tabla 18-3

|Total mvil de 5 |Promedio |Mvil de 5 aos | | | |20.38 |21.26 |22.08 |22.82 | | | | | |

|aos | | |101.9 |106.3 |110.4 |114.1

| |

Los promedios mviles se calculan usando software estadstico, mas que a mano. Los promedios mviles dados en las tablas 18-2 y 18-3 se calculan fcilmente usando Minitab. Si se utilizan Stat time series moving average, se puede determinar promedios mviles de cualquier tamao. Los promedios mviles de tamao cuatro calculados con Minitab resultan como sigue:

MTB>Print cl c2 Data Display | |Row |1 |2 |3 |4 |5 |6 |7 |8 |9 |10 |11 | |Murders |19.0 |20.6 |20.1 |20.7 |21.5 |23.4 |24.7 |23.8 |24.5 |23.3 |21.6 |* |* |* |20.100 |20.725 |21.425 |22.575 |23.350 |24.100 |24.075 |23.300 | |AVER1 | | | | | | | | | | | | |

Obsrvese que los promedios mviles en la columna denominan AVER1 son iguales a aquellos datos en la columna 4 de la tabla 18-3.

3. Construya un promedio mvil centrado de 4 aos para datos del problema 18.2

adems, utilice Minitab para obtener el promedio mvil centrado de 4 aos.

Solucin Primer mtodo Primero se calcula un promedio mvil de 4 aos, como en el problema 18.2b); estos valores estn centrados entre aos sucesivos, como se muestra en la tabla 18-4. Si ahora se buscan un total mvil de 2 aos de estos promedios mviles, los resultados los resultados se centran en los aos requeridos. Al dividir los resultados de la columna 4 entre 2, se obtiene el promedio mvil centrado requerido (columna 5).

Tabla 18-4 | de | |Ao 3 | |1985 |1986 |1987 | |1988 | |1989 | |1990 | |1991 |23.4 |22.575 |45.925 |22.963 |21.5 |21.425 |44.000 |22.000 |20.7 |20.725 |42.150 |21.075 |Datos |Total mvil de 4 |Total mvil de 2 aos de la columna | | | | |40.825 | | | |20.413 | | | | | | |Promedio mvil centrado

|4 aos (columna 4+2 | |19.0 |20.6 |20.1 |aos | | |20.100

|24.7 |1992 | |1993 | |1994 | |1995

|23.350 |23.8

|47.450 |24.100 |48.175

|23.725 |24.088

|24.5

|24.075

|47.375

|23.688

|23.3

|23.300

|21.6

Segundo mtodo Primero se calcula un total mvil de 4 aos, como en el problema 18.2b); estos valores estn centrados entre aos sucesivos, como se muestra en la tabla 18-5. Si se busca un total mvil de 2 aos de estos totales mviles de 4 aos, los resultados los resultados se centran en los aos requeridos. Al dividir los resultados se centran en los aos requeridos. Al dividir los resultados de la columna 4 entre 8 (2x4), se obtiene el promedio mvil requerido.

Tabla 18-5 | de | |Ao 3 | |1985 |1986 |1987 | |1988 |Datos |Total mvil de 4 |Total mvil de 2 aos de la columna | | | | |163.3 | | | |20.413 | | | | | | |Promedio mvil centrado

|4 aos (columna 4+2 | |19.0 |20.6 |20.1 |aos | | |80.4

|20.7 |1989 | |1990 | |1991 | |1992 | |1993 | |1994 |1995

|82.9 |21.5 |85.7

|168.3 |176.0

|21.075 |22.000

|23.4

|90.3

|183.7

|22.962

|24.7

|93.4

|189.8

|23.725

|23.8

|96.4

|192.7

|24.088

|24.5

|96.3

|189.5

|23.688

|23.3 |21.6

|93.2 | |

| |

| |

La solucin de Minitab procede de la siguiente manera: se introducen los datos en la columna 1 y despus se utilizan los mens Stat time series moving

average, para calcular el promedio mvil centrado. Ahora se muestran los promedios mviles centrados de tamao cuatro, calculados con Minitab.

MTB>Print cl c2Data Display | |Row |1 |2 |3 |4 |5 | |Murders |19.0 |20.6 |20.1 |20.7 |* |* |20.413 |21.075 | |AVER1 | | | | | |

|21.5 |6 |7 |8 |9 |10 |11

|22.000 |23.4 |24.7 |23.8 |24.5 |23.3 |21.6

| |22.962 |23.725 |24.087 |23.688 |* |* | | | | | |

Estos son los mismos promedios mviles centrados que se encuentran en las tablas 18-4 y 18-5.

4. Demuestre que el promedio mvil centrado de 4 aos del problema 18-3 es equivalente a un promedio mvil ponderado de 5 aos, con pesos 1, 2,2, y 1, respectivamente.

Solucin La tabla 18-6 muestra el clculo de los promedios mviles ponderados de 5 aos. La primera entrada en la columna 3 es igual a 19.0+ 2(20.6)+2(20.1)+2(20.7) +21.5= 163.3 y la primera entrada en la columnas 3 y 4 se calculan de manera similar. Obsrvese que los promedios mviles ponderados de 5 aos de la tabla 18-6 son iguales a los promedios mviles centrado de 4 aos de la tabla 18-4. Tabla 18-6 | |Ao | | |Datos | | | | | | | |Promedio mvil centrado de | |Total mvil de 2 aos de la columna 3 |4 aos

(columna 4+2 |1985 |1986 |19.0 |20.6

|1987 |1988

|20.1 |20.7 |21.075

|163.3 |168.8 | |176.0 |183.0 |189.8 |192.7 |189.5 | | | |

|20.413

|1989 |1990 |1991 |1992 |1993 |1994 |1995

|21.5 |23.4 |24.7 |23.8 |24.5 |23.3 |21.6

|22.000 |22.963 |23.725 |24.088 |23.688 | |

| | | | |

5. Grafique el promedio mvil del problema 18.2) y los datos originales de la tabla 18-1

Solucin

La grafica de los datos, originales se indica con una lnea continua en la figura 18-3 y la grafica del promedio mvil, con una lnea discontinua. Obsrvese como el promedio mvil ha suavizado la grafica de los datos originales, mostrando claramente la recta de tendencia. Una desventaja del promedio mvil es que los datos del final y del inicio de las series de tiempo se pierden. Esto suele ser serio cuando la cantidad de datos no es muy grande.

Figura 18-3

Estimacin de la tendencia 6. Usando el mtodo de semipromedios, obtenga los valores de tendencia para

los datos del problema 18.2 tomado como promedio a) la media b) la mediana

Solucin a) se dividen los datos en dos partes iguales (omitiendo el ao central, 1990), como se muestra en la tabla 18-7. Despus se calcula la media de los datos en cada parte. La media 20.38 corresponde a 1987 y la media 23.58 a 1993.

Tabla 18-7 |1985 | |1986 | |1987 | |1988 | |1989 | | Media =20.38 | media=23.38 |21.5 |1995 |21.6 |20.7 |1994 |23.3 |20.1 |1993 |24.5 |20.6 |1992 |23.8 |19.0 |1991 |24.7

La ecuacin de la recta que se une los puntos (1987,20.38) y (1993,23.58) es y 20.38=0.5333(x-1987), donde x representa el ao y y el nmero de asesinatos. Al evaluar y para x igual a los aos de 1985 a 1995, se pueden encontrar los valores de tendencia. Estos se presentan en la tabla 18-8

Tabla 18-8 | | |Ao 92 | | |Valor de tendencia 4.11 24.87 |19.85 20.38 20.91 | 21.45 21.98 22.51 23.05 23.58 2 1993 1994 |1985 1995 | 1986 1987 | 1988 1989 1990 1991 19 |

b) la mediana de los aos 1985 a 1989 es 20.6 y la mediana de los aos 1991 a 1995 es 23.8. la ecuacin de la recta que une los puntos (1987,20.6) y (1993,23.8) es y evaluar y para x igual a los aos de 1985 a 1995, se pueden encontrar los valores de tendencia.

CONCLUSIN

Se llama Serie de Tiempo, a un conjunto de mediciones de cierto fenmeno o experimento registradas secuencialmente en el tiempo, por ejemplo a cada hora, mensualmente, trimestralmente, semestralmente, etc. Al analizar una serie de tiempo, lo primero que se debe hacer es graficar la serie. Esto nos permite detectar las componentes esenciales de la serie. El grfico de la serie permitir: detectar Outlier, detectar tendencias, variacin estacional, variaciones irregulares (o componente aleatoria).

Un modelo clsico para una serie de tiempo, puede ser expresada como suma o producto de tres componentes: tendencia, estacional y un trmino de error

aleatorio.

El anlisis de series de tiempo consiste en una descripcin (generalmente matemtica) de los movimientos componentes presentes.

BIBLIOGRAFA

Estadstica 3 era edicin Murray R. Spiegel Larry J. Stephens Traduccin: Alicia Esther Pirela Ayala

http://www.lokad.com/es/definicion-estacionalidad

http://www.buenastareas.com/ensayos/Analisis-De-Tiempos/198901.html http://www.buenastareas.com/ensayos/Analisis-De-Series-De-Datos/577198.html