Estrada Benigno y Priego Jose Luis 2006

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA
I. INTRODUCCIN
El conocimiento del mercado de un producto, o ms precisamente, de las variables que

intervienen en la fase de distribucin del mismo es bsico para la planeacin de alguna
actividad, en este caso el cultivo de Jitomate Saladette.
Es por eso, que la motivacin principal para escoger este tema fue la reconocida
importancia del estudio del comportamiento de los precios dentro de la economa,
respaldada sobre todo por el papel que juega esta variable econmica en la decisin de
producir. Como es sabido los precios constituyen el estmulo principal para la produccin.
En nuestro caso decidimos tomar una serie histrica de precios del Jitomate Saladette, para
conocer su comportamiento a un futuro cercano. Haciendo un anlisis a travs de la teora
de series de tiempo, con el propsito de realizar pronsticos de los precios.
El porque de la eleccin del Jitomate Saladette se basa en que, el jitomate, es la hortaliza

ms difundida en todo el mundo y la de mayor valor econmico. Su demanda aumenta
continuamente y con ella su cultivo, produccin y comercio. El incremento anual de la
produccin en los ltimos aos se debe principalmente al aumento en el rendimiento y en
menor proporcin al aumento de la superficie cultivada.
Adems el jitomate es la aportacin vegetal de Mxico ms extendida mundialmente. La

aceptacin que tiene en las diversas culturas del mundo se evidencia por ser el segundo
producto hortcola en el consumo mundial. Es un importante generador de divisas y de
empleos para el pas. Con la incorporacin de Mxico, al Tratado de Libre Comercio de
Amrica del Norte, el nuevo panorama impone estrategias para permanecer y crecer en un
mercado altamente competitivo.
Por otro lado, las series de tiempo nos sirven para obtener una descripcin concisa del
comportamiento de un proceso particular a travs del tiempo, adems nos ayudan a
f1
construir un modelo que explique las series de tiempo en trminos de la misma serie o de
otras series como en el caso multivariado, a lo cual sigue la prediccin de valores futuros de
la serie.
El hecho de utilizar un modelo de series de tiempo, es con la finalidad de tener un

instrumento que nos ayude a la toma de decisiones, principalmente con la aportacin de los
pronsticos, los cuales proporcionan informacin que interviene en el posible
financiamiento de dicha actividad, pues el conocimiento de las fluctuaciones futuras de los
precios permite establecer polticas de crdito que puedan contribuir efectivamente para su
estabilizacin en el futuro.
De esta forma, el poner esta informacin al alcance de bancos de crdito no slo contribuir
a la elaboracin de programas de aplicaciones ms realistas sino tambin propiciar que
estas instituciones financieras tengan un papel ms destacado de apoyo a las polticas
oficiales de estabilizacin de precios.
En segundo lugar podra contribuir fuertemente para un mayor conocimiento del mercado,
ya que entre menos incertidumbre haya con respecto al futuro, tanto productores como
comerciantes podrn plantear ms racionalmente sus actividades y por lo tanto, abatir
costos, llevando el Jitomate Saladette al consumidor a un menor precio y en cantidades ms
adecuadas.
El presente estudio pretende dar una visin panormica de la aportacin de este importante
cultivo a la economa mexicana y principalmente ilustrar el uso de los modelos ARIMA
para el pronstico de precios.
f2
I.1. Objetivos
I.1.1. Objetivos Generales

Establecer un mecanismo de apoyo terico prctico como lo son los
pronsticos al momento de tomar una decisin, en cualquier aspecto
que sea, para que con este y con unas bases estadsticas slidas nos
permitan eliminar el mayor error posible al elegir alguna alternativa.
Pronosticar los precios corrientes del jitomate utilizando Series de
Tiempo, en base a los precios nacionales tomados del banco de datos
de la pgina del SNIIM en el apartado de frutas y verduras.
I.1.2. Objetivos Especficos

Utilizar la metodologa estadstica para poder eliminar los errores que
se presentan al momento de elaborar un pronstico, y que podran
afectar el resultado final del mismo.
Conocer e identificar los pasos al realizar la elaboracin y aplicacin
de un pronstico usando un modelo ARIMA.
Determinacin de la estacionaridad en media y en varianza de la serie
a modelar.
Identificacin de la serie a partir de los grficos de correlacin y
correlacin parcial.
Estimacin del modelo propuesto y comprobacin de la presencia de
ruido blanco en los residuales.
f3
Prediccin con el modelo propuesto.

Generar intervalos de confianza para conocer entre que valores se
espera que est fluctuando el precio del Jitomate Saladette en el corto
plazo.
I.2. Hiptesis
I.2.1. Hiptesis general

Es posible predecir los pecios del jitomate a un futuro cercano con un
modelo de series de tiempo.
I.2.2. Hiptesis especficas

Existe raz unitaria en los datos; es decir, los datos no son estacionarios
en el tiempo.
Existe autocorrelacin en los datos.
f4
II. ASPECTOS GENERALES DEL JITOMATE SALADETTE
El jitomate o "tomate rojo" es originario de Amrica del Sur, aunque se considera a Mxico
como centro de su domesticacin. Con la llegada de los espaoles se expandi al viejo
continente y de ah a todo el mundo. Con su comercializacin y difusin lograda,
actualmente forma parte de la dieta alimenticia de varias culturas en el globo terrqueo.
El jitomate es la aportacin vegetal de Mxico ms extendida mundialmente. La aceptacin

que tiene en las diversas culturas del mundo se evidencia por ser el segundo producto
hortcola en el consumo mundial. Es un importante generador de divisas y generador de
empleos para el pas.
Se considera que a nivel internacional, las hortalizas junto con las frutas ocupan en nuestros
das el segundo lugar de los productos agropecuarios, apenas aventajadas por los cereales.
Se estima que slo dos hortalizas contribuyen con el 50% de la produccin en el mundo: la
papa y el jitomate, lo cual nos indica el enorme valor que este ltimo cultivo representa no
slo en el comercio, sino tambin en el sistema alimentario mundial.
En Mxico, como en otras partes del mundo, preferimos consumir el jitomate fresco, pero
tambin es utilizado como producto industrializado para elaborar pastas, salsas, purs,
jugos, etc., gracias a los avances tecnolgicos para su procesamiento y a las modificaciones
en los gustos y costumbres de las nuevas generaciones, lo que exige calidad en cuanto a su
distribucin y venta en fresco, determinando y condicionando nichos de mercado.
El jitomate o "tomate rojo" es una de las especies hortcolas ms importantes de nuestro

pas debido al valor de su produccin y a la demanda de mano de obra que genera. Es el
principal producto hortcola de exportacin, ya que representa el 37% del valor total de las
exportaciones de legumbres y hortalizas y el 16% del valor total de las exportaciones
agropecuarias, slo superadas por el ganado vacuno.
f5
Existen varias clasificaciones del jitomate, de acuerdo a su crecimiento, color o forma;

siendo sta la que ha predominado para su comercializacin en nuestro pas. De entre las
variedades destacan principalmente el jitomate saladette o "guajillo" que es la de mayor
produccin, sin olvidar algunas como el "cherry" cuya participacin en la produccin es
reducida.
En Mxico el mtodo principal de siembra utilizado es el de almcigo, aunque ltimamente

el uso del invernadero ha cobrado fuerza sobre todo en los estados del norte de la Repblica
Mexicana .
II.1. Composicin qumica.
Composicin qumica/100 g
Agua
94.0
Calcio
7.0
mg
Hierro
0.5
mg
Fsforo
23.0
mg
Potasio
204.0
mg
Sodio
13.0
mg
cido ascrbico
17.6
mg
Vitamina A
1,113
UI
Carbohidratos
4.3
Fibra
0.5
Grasa
0.2
Protenas
0.9
Energa
19.0
kcal
Fuente: Grubben, 1977
Tabla II.1. Composicin qumica
f6
A esta hortaliza de fruto se le encuentra en los mercados durante todo el ao, y se le

consume tanto fresca como procesada (pur), siendo una fuente rica en vitaminas.
II.2. Origen
El origen del gnero Lycopersicom se localiza en la regin andina que se extiende desde el
sur de Colombia hasta el norte de Chile, pero parece que fue en Mxico donde se
domestic, quiz porque creca como mala hierba entre los huertos. Durante el siglo XVI se
consuman en Mxico jitomates de distintas formas y tamaos, incluso rojos y amarillos,
sin embargo, ya haban sido llevados a Espaa y servan como alimento tambin en Italia.
En otros pases europeos, slo se utilizaban en farmacia y as se mantuvieron en Alemania

hasta comienzos del siglo XIX.
Los espaoles y portugueses difundieron el jitomate a Oriente Medio y frica, y de all a

otros pases asiticos, y de Europa, tambin se difundi a Estados Unidos y Canad.
II.3. Taxonoma
Figura II.1. Foto del jitomate Saladette.
f7
Familia: Solanaceae.
Especie: Lycopersicon esculentum.
Planta: Tipo arbustivo que se cultiva como anual. Puede desarrollarse de forma rastrera,
semierecta o erecta. Existen variedades de crecimiento limitado (determinadas) y otras de
crecimiento ilimitado (indeterminadas).
Sistema radicular: Raz principal (corta y dbil), races secundarias (numerosas y

potentes) y races adventicias.
Tallo principal: Eje con un grosor que oscila entre 2-4 cm. en su base, sobre el que se van
desarrollando hojas, tallos secundarios e inflorescencias.
Hoja: Compuesta con foliolos peciolados, lobulados y con borde dentado, en nmero de 7
a 9 y recubiertos de pelos glandulares. Las hojas se disponen de forma alternativa sobre el
tallo.
Flor: Es perfecta, regular e hipogina y consta de 5 o ms spalos, de igual nmero de

ptalos de color amarillo.
Fruto: Baya, bi o plurilocular que puede alcanzar un peso que oscila entre unos pocos
miligramos y 600 gramos. Est constituido por el pericarpio, el tejido placentario y las
semillas.
II.4. Clima
La temperatura ptima de desarrollo oscila entre 20 y 30C durante el da y entre 1 y 17C

durante la noche; temperaturas superiores a los 30-35C afectan la fructificacin, por mal
desarrollo de vulos y al desarrollo de la planta en general y del sistema radicular en
particular, el clima ideal para la produccin de jitomate es un templado-clido.
f8
Temperaturas inferiores a 12-15C tambin originan problemas en el desarrollo de la planta.

A temperaturas superiores a 25C e inferiores a 12C la fecundacin es defectuosa o nula.
La maduracin del fruto est muy influida por la temperatura en lo referente tanto a la
precocidad como a la coloracin, de forma que valores cercanos a los 10C as como
superiores a los 30C originan tonalidades amarillentas.
No obstante, los valores de temperatura descritos son meramente indicativos, debiendo

tener en cuenta las interacciones de la temperatura con el resto de los parmetros
climticos.
II.4.1. Humedad
La humedad relativa ptima oscila entre un 60% y un 80%. Humedades relativas muy
elevadas favorecen el desarrollo de enfermedades del follaje y el agrietamiento del fruto y
dificultan la fecundacin, debido a que el polen se compacta, abortando parte de las flores.
El rajado del fruto igualmente puede tener su origen en un exceso de humedad del suelo o
riego abundante tras un perodo de estrs hdrico. Tambin una humedad relativa baja
dificulta la fijacin del polen al estigma de la flor.
II.4.2. Luminosidad
Valores reducidos de luminosidad pueden incidir de forma negativa sobre los procesos de
la floracin y la fecundacin as como en el desarrollo vegetativo de la planta. En los
momentos crticos durante el perodo vegetativo resulta crucial la interrelacin existente
entre la temperatura diurna y nocturna y la luminosidad.
f9
II.5. Siembra
Para efectos de siembra directa, se practica una labor de surcado dejando entre ellos una
separacin de 1.4, 1.5, 1.8, 1.84 2.7 m, siendo la de 1.8 m la mejor opcin conforme a
rendimientos obtenidos por rea, tambin se llegan a utilizar distanciamientos de 2.0 y 2.7
m, en particular para variedades de crecimiento indeterminado.
Para el caso de siembra directa bajo condiciones de temporal, como sucede para el cultivo
de jitomate en las zonas productoras del estado de Morelos, el distanciamiento entre surcos
es de 1.4 m. Se utilizan 20-45 semillas por mata con separacin de 30 cm entre ellas.
Cuando la siembra se hace por medio de trasplante se utilizan de 800-1000 semillas/m, a
0.5 cm de profundidad, practicar raleo y dejar de 10 a 15% como reserva adicional; someter
a las plntulas a condiciones de sombra y de humedad limitadas en el sustrato durante los
10 das anteriores al trasplante.
En trasplante semi-mecanizado o mecanizado, el riego deber ser posterior a esta

operacin.
Respecto a las pocas de siembra se mencionan diferentes fechas de acuerdo a las zonas:
II.6. Zona /poca de siembra/ Das a la madurez
Zona
poca de
Das de
siembra
madurez
Fra
Mzo-May
130-150
Clida
Sep-Feb
130-150
Templada
Nov-Jun
100-120
Tabla II.2. Zona /poca de siembra/ Das a la madurez
f 10
II.7. Plagas y Enfermedades fisiolgicas
El jitomate puede verse afectado por un buen grupo de plagas, enfermedades y otras
alteraciones, especialmente en el cultivo intensivo de invernadero; ya que en el huerto al
aire libre suele haber muchos menos problemas de plagas y enfermedades. A continuacin
mostramos la lista de algunas plagas y enfermedades.
II.7.1. Plagas
Conchilla prieta Blapstinus spp.

Pulga saltona Epitrix cucumeris
Diabrtica Diabrotica balteata
Mosquita blanca Bemisia tabaci
Acaro Phyllocoptes gracilis
Gusano del cuerno Manduca quinquemaculata
Falso medidor Trichoplusia ni
Gusano soldado Spodoptera exigua
Gusano alfiler Keiferia lycopersicella
Gusano del fruto Heliothis virescens
Damping off Phytium spp
Calor Rhizotocnia spp.
Mancha bacteriana Xanthomonas versicatoria
Tizn temprano Alternaria solani
Mancha gris Stemphyllium solani
Marchitez surea Sclerotium rolfsii
Cenicilla Oidium spp
Tizn tardo Phytophtora infestans
Cncer bacteriano Corynebacterium michiganense
Nodulacin en races Meloidogyne sp.
Marchitez Fusarium oxysporum
Pudricin Alternaria tenuis
f 11
II.7.2. Enfermedades
Amarillamiento del jitomate. Cambios del pH del suelo hacia reaccin cida. Aplicacin de
cal (CaO).
Enrollamiento de la hoja. Largos perodos de sequa o humedad. Sembrar en suelos con

buen drenaje.
Cara de gato. Tiempo fro durante la floracin. No existen medidas especficas.
Decoloracin interna. Elevada humedad relativa, sombreado de los frutos; cambios de

temperatura. Usar cultivares resistentes.
Deformacin de los frutos. Factores nutricionales y del medio que afectan la polinizacin.
Fertilizar con altas cantidades de P y evitar excesos de N.
Pudricin basal del jitomate. Cambios de humedad y ataque secundario de

microorganismos. Proporcionar a las plantas una humedad lo ms uniforme posible.
Pudricin apical del fruto. Deficiencias de calcio. Aplicar cloruro de calcio al 95%, 1
kg/200 l de agua.
Quemaduras de sol. Frutos expuestos directamente al sol en plantas que han perdido su
follaje. Evitar defoliacin, combatir enfermedades foliares, orientacin adecuada a los
surcos.
Pudricin interna. Pequeo agujero en el pice por donde entran insectos. Fallas en la
polinizacin. No existen medidas especficas.
Rajaduras del fruto. Es comn en perodos de lluvias acompaadas de altas temperaturas.

Establecer cuidados y calendario de riego estricto.
f 12
II.7.3. Consejos generales sobre plagas y enfermedades

Usar los pesticidas con moderacin, slo cuando se rebasan niveles
mnimos de insectos dainos (no hay que intentar aniquilar totalmente
una "plaga", sino mantenerla en niveles bajos). Los productos
qumicos matan no slo a las plagas sino tambin a sus enemigos
naturales, o sea los depredadores que destruyen las plagas dainas para
nuestros cultivos.
El empleo de variedades resistentes a ciertas enfermedades es el mejor
mtodo preventivo.
Elimina las partes infectadas de las matas de jitomate y las malezas
para reducir las fuentes de inculos.
Rotacin de cultivos: el cultivo de jitomate se debe alternar con otros
cultivos que no sean afectados por las mismas plagas.
Inspeccin constante de los campos para determinar regularmente el
nivel de las plagas y de sus enemigos naturales, como base para
recomendar los tratamientos.
II.8. Cosecha
La operacin de recoleccin de jitomate se puede efectuar de manera manual, mecnica o

semi-mecnica. Predomina el mtodo manual; se practican cortes cada tercer da y a diario
en etapa denominada pico de produccin, haciendo esto durante 45 a 90 das cuando el
cultivo se desarroll bajo condicin de espaldera y con variedades indeterminadas, y de 30
a 45 das cuando el cultivo se desarroll baj condicin de piso con variedades
determinadas.
f 13
II.9. Suelo y Fertilizacin
La planta de jitomate no es muy exigente en cuanto a suelos, excepto en lo que se refiere al

drenaje, aunque prefiere suelos sueltos de textura silceo-arcillosa y ricos en materia
orgnica. No obstante se desarrolla perfectamente en suelos arcillosos enarenados.
En cuanto al pH, los suelos pueden ser desde ligeramente cidos hasta ligeramente alcalinos
cuando estn enarenados. Es la especie cultivada en invernadero la que mejor tolera las
condiciones de salinidad tanto del suelo como del agua de riego.
Las dosis de fertilizacin para este cultivo se mencionan a continuacin:
Nitrgeno (N). Existe una enorme variacin en las cantidades recomendadas, en

plantaciones de Culiacn se utilizan cerca de 450 kg/ha, mientras que en la regin de
Ensenada, las aplicaciones van en orden de los 300 kg y en el estado de Morelos de 150,
por lo que las dosis que se emplean fluctan entre estas dosis. La primera aplicacin deber
incluir una tercera parte del Nitrgeno junto con todo el Fsforo y Potasio, durante el
rayado de las camas antes del trasplante, colocada de 10 a 15 cm de profundidad y separada
10-15 cm del centro de la cama. El Nitrgeno restante es fraccionado durante la poca de
desarrollo hasta que la planta contine formando frutos. Las aplicaciones se realizan a
intervalos de 3-4 semanas. La aplicacin de este nutriente se coloca en bandas y a un lado
de la hilera de las plantas e inmediatamente despus de efectuar un riego.
Fsforo (P). 150-400 kg/ha de P2O5, toda la cantidad es aplicada con la primera
fertilizacin del Nitrgeno.
Potasio (K). En las regiones del Noroeste del pas se utilizan 200-225 kg/ha de K2O, en el
resto de las zonas se aplican 80 kg/ha, aplicados en una sola ocasin junto con el Fsforo y
la tercera parte del Nitrgeno.
f 14
II.10. Importancia y Produccin
Es uno de los legados ms importantes de Mesoamrica al mundo. El jitomate se consume

principalmente en fresco y adems, se utiliza como materia prima para la elaboracin de
salsas, purs y jugos, entre otros; es rico en vitamina c y sales minerales; es refrescante,
buen aperitivo y se utiliza como ingrediente de muchos platillos.
Entre las principales hortalizas en Mxico, se encuentran el jitomate, el chile verde y la
calabacita con una participacin de 15.1, 10.1 y 2.9%, respectivamente, del volumen total
de la produccin hortofrutcola. Estos tres cultivos generaron importantes divisas por las
exportaciones; el jitomate gener 597,600, el chile verde 371,825 y la calabacita 372,320
miles de dlares, que en total suman 1,341,745 miles de dlares. Esta cantidad representa el
50.8% de las exportaciones hortcolas y el 34.4% del total de las exportaciones agrcolas.
La produccin de estos cultivos se destina principalmente para la exportacin,

especialmente hacia los pases desarrollados (Estados Unidos y Europa), los cuales han
tenido aumentos en el consumo aparente. La produccin de jitomate se ha concentrado
principalmente en China (23.5%), Estados Unidos (11.3%) y Turqua (8.3%); la produccin
de chile, principalmente en China (42.3%); y en el caso de la calabacita, en China (24.2%)
e India (20.7%).
II.10.1. Importancia mundial
Los cultivos hortofrutcolas, a nivel mundial, que ocupan la mayor parte de la superficie
sembrada son: el jitomate, la sanda, la col, el meln, el pepino, entre otros; en este grupo
de cultivos se encuentra en primer lugar el jitomate con 3.9 millones de has, en segundo
lugar la sanda con 3.2 millones de has y en tercer lugar la col con 3.0 millones de has.
Observe la Tabla II.2.
f 15
Cultivo
Superficie cultivada (Ha)
Chile
1,491,670
7.8
13.1
19,495,034
4.9
Jitomate
3,988,589
20.9
27.2
108,499,056
27.1
Pepino
2,011,462
10.6
18.1
36,397,195
9.1
Cebolla
234,216
1.2
18.6
4,364,838
1.1
Calabacita
1,367,638
7.2
12.4
16,912,375
4.2
Coles
3,016,059
15.8
20.7
62,473,972
15.6
873,753
4.6
21.5
18,754,758
4.7
Meln
2,189,347
11.5
17.2
21,300,000
5.3
Fresa
207,124
1.1
15.6
3,237,533
0.8
Sandia
3,240,576
17.0
25.2
81,839,727
20.5
Otros
442,183
2.3
26,396,786
6.6
19,062,617
100.0
14.7
399,671,274
100.0
Lechugas
TOTAL
Rendimiento Produccin (Ton)
Fuente: Base de Datos FAO. Pgina de internet: www. fao.org
Tabla II.3. Produccin de los principales cultivos hortofrutcolas en el mundo. Ao 2002.
Los cultivos con mayores rendimientos unitarios son el jitomate con 27.2 ton/ha, en
segundo y tercer lugar la sanda y la lechuga con 25.2 y 21.5 ton/ha, respectivamente. Los
mayores volmenes de produccin mundial de los cultivos hortofrutcolas son aportados
por el jitomate con 108,499,056 ton, la sanda con 81,839,727 ton y la col con 62,473,972
ton.
El jitomate, chile verde y calabacita representan el 20.9, 7.8 y 7.2% de la superficie
sembrada, con rendimientos unitarios de 27.2, 13.1 y 12.4 ton/ha, respectivamente, y
aportan el 36.2% de la produccin mundial de los cultivos hortofrutcolas, lo que refleja la
importancia de estos cultivos, en especial la del jitomate.
f 16
II.10.1.1. Distribucin de la produccin mundial de jitomate
Pas
Superficie
cultivada
Rendimiento
Produccin
(Ton/ha)
(Ton)
(Ha)
China
974,438
24.4
26.1
25,466,211
23.5
Estados
176,730
4.4
69.4
12,266,810
11.3
India
520,000
13.0
14.3
7,420,000
6.8
Italia
122,852
3.1
49.3
6,054,689
5.6
Turqua
225,000
5.6
40.0
9,000,000
8.3
Egipto
180,721
4.5
35.0
6,328,720
5.8
Espaa
59,500
1.5
65.2
3,878,400
3.6
Irn
110,000
2.8
27.3
3,000,000
2.8
Brasil
62,291
1.6
56.5
3,518,163
3.2
Mxico
69,533
1.7
30.0
2,083,558
1.9
Otros
1,487,524
37.3
29,482,505
27.2
Total
3,988,589
100.0
27.2
108,499,056
100.0
Unidos
Tabla II.4. Distribucin mundial de la produccin de jitomate. Ao agrcola 2002.
Para el ao 2002 se registr una superficie sembrada de 3,988,589 has de jitomate,

destacando la participacin de China con 974,438 has, India con 520,000 has y Turqua con
225,000 has; que representaron el 24.3, 13.0 y 5.6 % de la superficie sembrada,
respectivamente. Mxico particip con 69,533 has, con un porcentaje de 1.7% del total
mundial.
f 17
En lo que respecta al rendimiento unitario para el ao 2002 se registr un promedio de 27.2

ton/ha, sin embargo las cifras por pas son muy variables, ya que Estados Unidos registr
en ese ao 69.4 ton/ha; mientras que, la India nicamente alcanz en promedio 14.3 ton/ha.
La produccin mundial de jitomate para el ao 2002 fue de 108,499,056 ton, de las cuales
China fue el mayor productor, siguiendo en orden de importancia Estados Unidos y
Turqua. De la cantidad total de la produccin mundial, ms del 50% (55.7%) fueron
producidos por tan solo cinco pases: China, Estados Unidos, Turqua, India y Egipto.
II.10.1.2. Comportamiento de la produccin mundial
Pas
1980
1985
1990
1995
2000
2002
China
241,004
286,253
310,283
474,366
869,355
974,438
Estados Unidos
157,530
157,400
198,000
192,380
167,050
176,730
India
160,000
260,000
290,279
350,000
460,000
520,000
Italia
126,601
143,140
136,379
114,917
137,155
122,852
Turqua
108,000
134,000
158,880
175,000
225,000
225,000
Egipto
139,322
144,930
155,873
149,342
195,444
180,721
Espaa
60,700
60,609
69,900
55,200
60,200
59,500
Irn
45,000
54,056
68,465
103,689
118,665
110,000
Brasil
50,103
53,935
60,869
62,054
56,002
62,291
Mxico
88,286
84,561
105,124
104,922
74,629
69,533
Otros
1,267,206
1,339,112 1,328,902 1,439,349 1,531,539 1,487,524
Total
2,443,752
2,717,996 2,882,954 3,221,219 3,895,039 3,988,589

Tabla II.5. Superficie sembrada a nivel mundial de Jitomate (Ha).
f 18
El comportamiento que ha tenido la superficie sembrada a nivel mundial, en los ltimos 22

aos, ha sido creciente al pasar de los 2,443,752 has en 1980 a los 3,988,589 has en el ao
2002, lo que signific un crecimiento del 63.2% durante el periodo sealado.
Entre los principales pases productores se observa un crecimiento importante de la

superficie sembrada del 304.3% en el caso de China, de 225% para la India y de 108.3%
para Turqua. Mxico, al contrario, presenta un decrecimiento en el periodo 1980-2002 del
21.2% en la superficie sembrada al pasar de 88,286 a 69,533 has.
II.10.2. Importancia nacional
El consumo del jitomate, en Mxico, es preferentemente en fresco; adems se utiliza como

materia prima para la elaboracin de pastas, salsas, purs, jugos, entre otros. En el ao
2001, se registr un consumo nacional aparente de 1,220,342 ton y un consumo per cpita
de 13.1 kilogramos. Durante el periodo de 1980-2001 tuvo una tasa de crecimiento de
29.7%, al pasar de 940,496 toneladas a 1,220,342 toneladas consumidas y de 1995 al 2001
la tasa de crecimiento fue de -0.7%, lo que refleja una nula variacin, en el ltimo periodo.
La produccin en el 2001 fue de 1,943,052 ton y los principales estados productores, por
superficie sembrada, volumen de produccin y valor de la produccin que aportan son:
Sinaloa (31.5%), (40.8%) y (31.7%); Michoacn (9.0%), (10.3%) y (9.0%); y, Baja
California (7.4%), (9.6%) y (11.9%). Durante el periodo de 1980-2001, la produccin tuvo
un crecimiento de 47.1% al variar de 1,320,628 a 1,943,052 toneladas. La produccin de
jitomate de 1995 hasta el 2001 se ha mantenido constante, al presentar una variacin de
nicamente 0.1%, al pasar de 1,941,231 a 1,943,052 toneladas. Esta situacin refleja el
dbil impacto del TLCAN en la produccin de jitomate en Mxico.
El jitomate es una de las principales hortalizas que genera divisas al pas, en el 2001 aport
597,600,000 dlares y cerca del 39.7% de la produccin nacional se exporta,
principalmente a los Estados Unidos (35.4%), por lo que este cultivo depende
significativamente del comportamiento del mercado internacional. Las exportaciones de
f 19
jitomate tuvieron un incremento de 102.8%, debido a que en 1980 se exportaron 380,365

toneladas y en el 2001 la cantidad de 771,508 toneladas. El comportamiento de las
exportaciones de 1995 a 2001 fue de un 7.6%, al pasar de 717,276 a 771,508 toneladas.
Esta tendencia de las exportaciones de 1995 al 2001 refleja, al igual que la produccin, el
dbil impacto del TLCAN en la exportacin de jitomate, ya que la mayor parte de stas se
destinan a EE.UU.
II.10.2.1. Impacto del TLCAN en Mxico
El TLCAN est perjudicando a la gran mayora de los productores del campo, toda vez que
los precios internacionales de mercado, que tienden a la baja, estn sirviendo de referencia
para la fijacin de los precios de la produccin en Mxico, mientras que los costos de los
insumos crecan cada vez ms y en este caso no se empleaba la referencia de los precios
internacionales.
Balanza comercial agropecuaria y agroalimentaria por producto (Millones de dlares)
Ao
Saldo
Exportaciones
Importaciones
Jitomate
Maz
1993
-1895
4094
5989
395
69
1995
1285
6545
5260
586
373
1998
-1400
7304
8704
589
624
2000
-1473
8361
9834
463
550
2001
-2946
8132
11077
532
645
Fuente: Elaboracin con base en Anexo del Segundo Informe de Gobierno, Mxico,
septiembre de 2002.
Tabla II.6. Balanza comercial agropecuaria y agroalimentaria por producto

Los resultados del TLCAN hasta el momento evidencian que Estados Unidos es el gran
ganador en la relacin comercial con Mxico, gracias a un crecimiento sustancial de sus
exportaciones a Mxico y Canad, las cuales crecieron de 7.4 mil millones de dlares en el
promedio anual de 1989/93 a 11.3 entre 1994 y 1998, para alcanzar 12.7 en 1999. Pero
tambin las importaciones de Estados Unidos de sus socios del TLCAN crecieron de 6.2 en
f 20
1989/93 a 10.5 en 1994/98 y 12.8 mil millones de dlares en 1999, con ello el supervit
comercial de ese pas, se redujo de 1.2 mil millones a 95,717 de dlares en el periodo
mencionado, principalmente debido a las presiones de los exportadores de Canad que
ganaron terreno importante en productos como el jitomate.
Asimismo, el comercio entre Mxico y Estados Unidos tambin creci a tasas aceleradas.
Entre 1994 y 1999 se registr una tasa media anual de crecimiento (tmac) de 3.7% en las
importaciones desde EU. Frente a una TMAC de 5.7% en los aos previos al TLCAN. Las
exportaciones de Mxico crecieron 9.2% durante el periodo de operacin del TLCAN,
frente a 3.5% en los aos previos. No obstante, a pesar de un comercio muy dinmico con
Estados Unidos, Mxico mantiene un dficit comercial de ms de mil millones de dlares
en el promedio anual durante la vigencia del TLCAN con su principal socio comercial.
Los beneficios del TLCAN para Mxico estn distorsionados por fenmenos como la
devaluacin del peso en 1994 y la posterior crisis econmica, o las prolongadas sequas, as
como por las disputas en el comercio que, como en los casos del jitomate y la manzana,
llegan a acuerdos sobre precios mnimos que moderan el efecto de la liberalizacin. Esto es,
la participacin de las importaciones desde Mxico en el total de las importaciones de EU
se ubican en niveles reducidos aunque con una muy ligera tendencia a crecer en 1998 y
1999.
En resumen, la importancia de Estados Unidos como destino de las exportaciones

mexicanas no solamente es apabullante, tambin es quien ha sabido aprovechar mejor al
TLCAN al desplazar a un gran nmero de competidores del mercado mexicano. Esta
situacin permite concluir que la dependencia de Mxico hacia Estados Unidos en la
cuestin alimentaria se ha profundizado con el TLCAN vulnerando an ms la soberana
alimentaria del pas.
II.10.2.1.1. Propuestas de poltica agropecuaria
1.- Debemos tender a un equiparamiento de los subsidios estadounidenses con los
mexicanos. La experiencia de Grecia, Espaa y Portugal en su incorporacin a la Unin
Europea es ejemplar. En estos casos s hubo afectacin de intereses de productores
f 21
agrcolas y sacrificios sociales, pero para ciertos sectores de las tres naciones la Europa
verde y los fondos compensatorios ayudaron a la estabilizacin del mundo rural y la
preservacin de los derechos de agricultores y ganaderos.
2.- En el caso del maz y el frjol se requiere renegociar el TLCAN para eliminar las
importaciones libres de arancel amparadas en el denominado "arancel-cuota", que
desafortunadamente fue aprobado en 1993 en el Senado de Mxico cuando los legisladores
del PRI y del PAN ratificaron el TLCAN (el PRD no la aprob).
3.- Desde la puesta en vigor del TLCAN antes SECOFI, hoy la Secretara de Economa y
la Secretara de Hacienda autoriza importaciones de maz, frjol y otros granos bsicos
por encima del arancel cuota. Es decir, se permite que estos granos entren a Mxico sin
pago de los impuestos correspondientes. En casos especficos, se autorizan esas
importaciones en momentos en que se estn levantando las cosechas afectando,
precisamente, a los productores mexicanos. Es preciso modificar radicalmente esta poltica.
La SE y la SHyCP deben cancelar las importaciones de maz y frjol sin arancel.
4.- En materia de poltica financiera y de comercializacin, desde hace aos los productores
han planteado la necesidad de mantener y fortalecer la banca de desarrollo y los
mecanismos de comercializacin, cuestionando la disminucin de las facultades de la banca
de desarrollo en materia de financiamiento al campo. Es necesario que la nueva Financiera
Rural aumente sustancialmente su cartera de crdito a productores, buscando combatir
corrupcin y elevando eficiencia y productividad. Adems, se requiere, mediante
fideicomisos como el FIRA del Banco de Mxico y a travs de adecuada regulacin de la
banca privada, fortalecer el financiamiento a la agricultura y la ganadera. Es preciso
defender a los productores, protegindolos de las eventualidades que puedan generarse
como el embargo por efecto de la cartera vencida.
5.- Es necesario que Mxico cuente con un rgano pblico de regulacin y
comercializacin de granos como lo fue Conasupo, cuya desaparicin fue ampliamente
rechazada, combatiendo la corrupcin y a las prcticas indebidas generadas al interior de
esta institucin pblica, pero preservando el papel regulador del mercado de granos bsicos
que histricamente jug. Dicha entidad pblica nacional debe impedir que los costos de
f 22
produccin sean superiores a los precios a los que se comercializan. Restablecer precios de
garanta para el maz, el frjol y otros granos bsicos.
6.- La renegociacin del captulo agropecuario del TLCAN, es una tarea de enorme
trascendencia para recuperar la soberana alimentaria y defender el inters de la nacin; sin
embargo, es importante tener conciencia de que constituye un proceso largo ya que requiere
el consenso de los Estados Unidos de Amrica. En el corto plazo, apoyados en la ley de
comercio exterior de Mxico y en las disposiciones del tratado mundial de comercio que
prohben las prcticas desleales de comercio practicadas por EUA para promover sus
exportaciones agrcolas se requiere establecer salvaguardas y aranceles compensatorios a la
importacin de granos proveniente de ese pas. Por otra parte, es imperativo que se haga
efectiva la disposicin establecida en la Ley de desarrollo rural sustentable a fin de que
autnticos representantes de los agricultores participen en los comits que deciden los
cupos de importacin. Otra va de proteccin de nuestra agricultura sera que amparados en
el captulo octavo de TLC, particularmente en el artculo 801, prrafos tercero y cuarto, se
establezcan salvaguardas a un conjunto de productos agropecuarios para aumentar los
impuestos a la importacin regresando su nivel al existente antes de entrar en vigor el
TLCAN.
7.- Por razones de inters nacional y preservacin de la paz pblica, es imperativo que el
Congreso de la Unin en un perodo extraordinario de sesiones o en el ordinario que inicia
el 15 de marzo de 2003 modifique de manera sustancial el Presupuesto de Egresos en
aspectos fundamentales, especialmente en lo referente al sector agropecuario,
particularmente incrementando la inversin pblica en desarrollo rural, en infraestructura
hidroagrcola y los recursos para comercializacin, Procampo, Alianza para el Campo y los
crditos canalizados a travs de la nueva Financiera Rural y otros programas. El primer
paso debe ser canalizar al sector rural un total de 90 000 millones de pesos que se entreguen
a los productores, evitando que se destinen a gasto burocrtico.
II.10.2.1.2. Conclusin sobre el TLCAN
Es tarea impostergable construir una poltica agropecuaria de Estado basada en el respeto al
orden jurdico nacional y el derecho internacional e instrumentar un desarrollo rural justo y
f 23
equitativo. Slo as se podr dar plena vigencia a los derechos humanos y los derechos
sociales del pueblo mexicano, preservando la soberana nacional, la independencia y la
integridad de la Repblica.
Es prioritario impulsar una poltica agropecuaria y agroalimentaria que asuma los retos de
la globalizacin a partir de un proyecto nacional de desarrollo sustentable que garantice la
mejora en los niveles de vida, empleo, salud, educacin y vivienda de la poblacin;
fortalecer la competitividad del sector social de la economa para elevar su participacin en
el mercado interno y en las exportaciones; apoyar al sector agropecuario y silvcola con el
objetivo de recuperar la soberana y autosuficiencia alimentaria y preservar nuestra
biodiversidad, cultura y prcticas sustentables de produccin; es indispensable fortalecer las
normas sociales y ambientales y asegurar su cabal cumplimiento.
II.10.3. Produccin mundial
Pocas son las hortalizas que a nivel mundial presentan una demanda tan alta como el
jitomate. Su importancia radica en que posee cualidades para integrarse en la preparacin
de alimentos, ya sea cocinado o crudo en la elaboracin de ensaladas.
En los ltimos aos, la produccin mundial se ha mantenido estable, con un nivel promedio
anual de 86 millones de toneladas.
Segn datos de la FAO de la ONU, los principales productores de jitomate son China,
Estados Unidos, Turqua, Italia, Egipto e India, pases que conjuntamente han producido
durante los ltimos 10 aos el 70% de la produccin mundial.
A nivel continental, segn los reportes de FAO, Asia participa con poco ms del 50%,
seguida de Amrica con 20%, Europa 15% y el resto proviene de Oceana y frica.
f 24
Durante los ltimos 10 aos, China ha sido el principal productor mundial de jitomate en el
mundo al promediar 15 millones de toneladas anuales (17% del total mundial), seguida de
los Estados Unidos de Amrica con 11 millones de toneladas (12 % del total mundial).
Turqua produce anualmente cerca de 7 millones de toneladas (8% del total mundial), Italia
y Egipto participan en promedio cada uno con 6 millones de toneladas anuales (7% del total
mundial), y finalmente la India que posee la mayor superficie destinada al cultivo del
jitomate, debido a sus bajos rendimientos, apenas produce 5 millones de toneladas (6% del
total mundial).
Toneladas
(cientos)
Fuente: FAO
Figura II.2. Produccin mundial de jitomate 1992-2001
II.10.4. Produccin nacional
Segn cifras del Servicio de Informacin Estadstica Agroalimentaria y Pesquera (SIAP) de la

Secretara de Agricultura, Ganadera, Desarrollo Rural, Pesca y Alimentacin
(SAGARPA), la produccin total mexicana de jitomate durante los ltimos diez aos
(1991-2000) fue de 19 millones de toneladas, concentrndose el 70% de la produccin en
f 25
los estados de Sinaloa (39.9%), Baja California (14.7%), San Luis Potos (7.9%) y
Michoacn (6.7%).
Fuente: SIAP
Figura II.3. Estados productores de jitomate.
Las reas de siembra dedicadas al cultivo del jitomate representan porcentajes importantes
en los diversos estados productores de hortalizas. Sinaloa, estado productor de hortalizas
por excelencia, actualmente dedica una superficie de 30 mil hectreas aproximadamente
para este cultivo. An cuando ha existido una disminucin del 36.7% en la superficie
sembrada durante los ltimos 10 aos, se ha compensado con los elevados rendimientos
que en la actualidad se obtienen por hectrea (32.6% en el 2000, muy superior al 29.6%
obtenido en 1991).
Durante el periodo analizado, la superficie sinaloense dedicada a la siembra de este cultivo

represent el 33.5% respecto al total nacional. San Luis Potos el 9.3%, Baja California el
8.8% y Michoacn el 7.7%.
f 26
Toneladas
(miles)
Fuente: SIAP
Figura II.4. Produccin mexicana de jitomate.
La produccin nacional de jitomate ha tenido algunos altibajos, si bien su tendencia

histrica ha sido creciente, Sinaloa se ha consolidado como el mayor productor a nivel
nacional.
f 27
III. MARCO TERICO
En esta seccin se presenta una introduccin muy general a lo que son los modelos de
series de tiempo univariadas, con el objetivo de mostrar los resultados usados a lo largo del
trabajo, esto se hace para tener una mejor comprensin de lo que se est hablando y con la
idea de apreciar a la matemtica desde sus primeros pasos, entendindose con esto, que no
se puede tener una idea clara de lo que aqu se maneja si antes no maneja cuestiones
elementales.
III.1. Modelos de series de tiempo univariadas.
III.1.1. Definiciones bsicas

Sea {X t } una serie de tiempo, la funcin media de {X t } es:
x (t ) = E ( X t )
Y la funcin de covarianzas es:
x (r , s) = Cov ( X r , X s ) = E [( X r x (r ))( X s x ( s))] para enteros r, s y t.

Ahora, tenemos la definicin de estacionaridad en una serie de tiempo {X t }, {X t } es
estacionario si,
1 ) x (t ) es independiente de t.
2 ) x (t + h, t ) es independiente de t para cada h.
A continuacin trataremos de modelos en los cuales suponemos que existe estacionaridad.
f 28
{X t }
es un proceso autorregresivo de orden p, si podemos expresar al proceso de la
siguiente manera:
X t = 1 X t 1 + 2 X t 2 + K + p X t p + Z t
(III.1)
o bien
X t = i X t i + Z t o
i =1
( B) X t = Z t
(III.2)
donde
( B) = 1 1 B 2 B 2 p B p es el polinomio autorregresivo de orden p y adems

Z t ~ WN(0, 2 ) .
Recordemos que un proceso de ruido blanco es aquel que tiene una media igual a cero, una
varianza constante 2 y no esta seriamente correlacionado.
Ahora tenemos que {X t } es un proceso de promedio mvil de orden q si,
X t = 1Z t 1 + 2 Z t 2 + K + q Z t q + Z t
(III.3)
Donde {Z t } ~ WN(0, 2 ) y 1 , 2 , K , q son constantes, o bien

X (t ) = ( B) Z t
(III.4)
f 29
donde ( B) = 1 + 1 B + 2 B 2 + K + q B q = 1 + j B j es el polinomio de promedio mvil

j =1
de orden q.
Una clase ms general que incluye los dos procesos anteriores es el siguiente proceso
Definicin 1: {X t }es un proceso ARMA( p, q ) si
X t 1 X t 1 L p X t p = Z t + 1Z t 1 + L + q Z t q
(III.5)
Donde Z t ~ WN(0, 2 )
Tambin, {X t } es un proceso ARMA( p, q ) con media , si {X t } es un proceso
ARMA( p, q ).
En ocasiones es ms conveniente usar la siguiente representacin del proceso
( B) X t = ( B)Z t ,
(III.6)
donde (B ) y (B ) son como en los anteriores procesos y B es el operador distancia.
B j X t = X t j .
La serie de tiempo {X t } se dice que es un proceso autorregresivo de orden p o AR( p ) si
( Z ) 1 y es un proceso de promedio mvil de orden q o MA( q ) si ( Z ) 1 .
Ahora presentamos dos definiciones que en series de tiempo son de una gran importancia:
f 30
Definicin 2: Un proceso ARMA( p, q ) {X t } es causal, o funcin causal de {Z t } si
existen constantes { } tal que

j
j =0
< y
X t = j Z t j = ( B) Z t para todo t.
(III.7)
j =0
o es equivalente a la condicin
( Z ) = 1 1 Z L p Z p 0 para toda Z 1
(III.8)
donde 0 = 1 y ( B) = j B j converge para B 1 .

j =0
Definicin 3: Un proceso ARMA( p, q ) {X t } es invertible si existen constantes { j } tal
que
j =0
< y
Z t = j X t j = ( B) X t para toda t.
(III.9)
j =0
O es equivalente a la condicin
( Z ) = 1 + 1 Z + L + q Z q 0 para toda Z 1 .
(III.10)
Donde 0 = 1 y ( B) = j B j converge para B 1 .

j =0
f 31
Funcin de Autocovarianza (FACV) de un proceso ARMA( p, q )

Sea h > 0 , j = 0 para j<0, Z2 = Var ( Z ) y Z t ~ WN(0, 2 ) , la forma general para la
funcin de autocovarianza para el proceso en (III.5) esta dada por:
x (h) = Z2 j j + h
j =0
(III.11)
Los coeficientes j pueden ser encontrados usando la expansin de (B ) para h>0.
Para procesos con p, q > 1, esta forma de encontrar la FACV se torna complicada,
utilizando el siguiente procedimiento podemos atacar este problema
Sea {X t } un proceso ARMA( p, q )
X t 1 X t 1 L p X t p = Z t + 1Z t 1 + L + q Z t q , donde Z t ~ WN(0, 2 )
Si multiplicamos a ambos lados de la ecuacin por X t + h y aplicamos la funcin esperanza,

resulta:
(h) 1 (h 1) L p (h p) = h + j j , 0 h q
j =0
(III.12)
(h) 1 (h 1) L p (h p ) = 0 , h q + 1
(III.13)
f 32
Las autocovarianzas son encontradas resolviendo las primeras p+1 ecuaciones en (III.12) y
(III.13)
sustituyendo
los
valores
encontrados
para
resolver
las
restantes
( p + 1), ( p + 2), K .
Funcin de Autocorrelacin (FAC)
La funcin de autocorrelacin de un proceso ARMA( p, q ) se obtiene directamente de la

FACV.
Definicin 4: Sea {X t } un proceso ARMA( p, q ) estacionario y sea adems {Z t } ruido
blanco con media 0 y varianza 2 , la FAC a distancia h de {X t } est dada por
( h) =
( h)
(0)
(III.14)
Donde (h) es la FACV del proceso y h es un nmero entero.
Esta funcin es til cuando tratamos de ajustar un modelo MA( q ) a una serie de tiempo,
ya que si (k ) es la funcin de autocorrelacin de tal proceso, entonces (k ) = 0 para toda
k > q.
Funcin de Autocorrelacin Parcial (FACP)

La FACP de un proceso {X t } ARMA( p, q ) es la funcin (.) definida por las ecuaciones:
(0) = 1 y (h) = hh , para h 1 .
(III.15)
Donde hh es el ultimo componente de
f 33
h
h = h1 h , h = [ (i j )]i , j =1 y h = [ (1), (2),K, (h)]
'
Esta funcin es til cuando ajustamos un modelo a un proceso AR( p ), ya que la FACP( p )
ser cero para cualquier distancia k, tal que k>p.
Procesos ARIMA( p, d, q )
Consideremos ahora series de tiempo que presentan tendencia, a estas podemos

transformarlas en series estacionarias al aplicar diferencias. Un proceso que alcanza un
estado estacionario al aplicarle d diferencias a distancia uno, es conocido como Proceso
Autorregresivo Integrado de Promedio Mvil o proceso ARIMA(p, d, q) .
Definicin 5: {Yt } es un proceso ARIMA( p, d, q) si dada una constante d>0 entera, el
proceso
X t = (1 B ) d Yt
(III.16)
Es un proceso ARMA( p, q ) estacionario.

En trminos de {Yt } el modelo en (III.16) se expresa como
( B )(1 B ) d Yt = ( B ) Z t
Y por lo tanto la condicin de estacionaridad es violada dado que
* ( B) = ( B)(1 B) d
(III.17)
tiene d soluciones sobre el circulo unitario.
f 34
El parmetro d se puede determinar de varias formas, la ms comn es a juicio personal, sin

embargo, existen pruebas de races unitarias que pueden aplicarse sobre el polinomio
autorregresivo.
Basndonos en que el polinomio en (III.17) tiene d races unitarias, podemos probar si la

serie transformada tiene races unitarias y tomar el resultado como base para una posible
diferenciacin de dicha serie, para esto, podemos utilizar el siguiente estadstico de Dickey
y Fuller
:=
1*
SE (1* )
(III.18)
Donde 1* = i 1
i =1
Para un modelo ARMA( p, q ), si ( B) = 1 1 Z L p Z p tiene una raz unitaria,

entonces (1) = 0 , por lo que
1 1 K p = 0 .
Si definimos
i =1
i =1
1* = i 1 o i* = 1 i
podemos probar la hiptesis nula H 0 : 1* = 0 , la cual rechazaremos si
< ,1
f 35
donde ,1 es el (1 ) percentil de la distribucin aproximada de (III.18). Es decir, si
1* = 0 entonces existe una raz unitaria y por tanto a la serie se le deben tomar diferencias.
Estimacin de los parmetros , y 2
Una vez identificado el orden del modelo, debemos estimar los parmetros:
= (1 , K , p ) , = ( 1 , K , q ) y 2 .
Procesos MA( q )
Para procesos de este tipo, slo las primeras q autocorrelaciones son diferentes de cero y
pueden ser escritas como:
( h) =
( h + 1 h +1 + K + q h q )
(1 + 12 + K + q2 )
(III.19)
Esta expresin evaluada en h = 1,2, K , q , en trminos de nos da como resultado un

sistema de q ecuaciones con q incgnitas.
Si sustituimos (h) por ( h) y resolvemos el sistema resultante, obtenemos estimadores
preliminares de los elementos de .
Un estimador preliminar para 2 puede ser obtenido de:
(0) = 2 j2 , donde 0 = 1 .
j =0
Sustituyendo a los componentes de por sus estimadores preliminares y a (0) por (0) .
f 36
El sistema en (III.19) tendr mltiples soluciones, sin embargo slo una de ellas satisface la
condicin de invertibilidad del modelo.
Procesos AR( p )
Utilizando las ecuaciones de Yule-Walker las cuales estn dadas por

p p = p
(III.20)
y con la muestra estimamos a las (h) , h = 0,1,2, K , p ; Lo que transforma el sistema en

p p = p
el vector p que resuelve el sistema anterior son los estimadores de Yule-Walker de p ,

adems:
2 = (0) '
(III.21)
donde
= p1 p
(III.22)
se puede demostrar que la distribucin asinttica de p esta dada por
~& N( , n 1 2 p1 )
(III.23)
Con este resultado se pueden construir intervalos de confianza aproximados para muestras
grandes para y podemos realizar pruebas de hiptesis para corroborar si la p que
seleccionamos es la mejor opcin.
f 37
El proceso de seleccin de p usando la distribucin de p es
1) Incrementar de 1 a 1 los valores de P, es decir p * = 1,2,K , m

2) Probar las hiptesis H 0 : j = 0 vs.
Ha : j 0
El ltimo valor de p * que sea significativo sera la mejor opcin de P.
Procesos ARMA( p, q )
En el caso cuando tenemos el proceso de la forma
( B ) X t = ( B ) Z t y Z t ~ WN(0, 2 )
La estimacin de los parmetros que involucra este proceso se realiza de la siguiente

manera:
Multiplicamos a ambos lados de la ecuacin por X t + h y aplicando la funcin esperanza,

tenemos
(h) 1 (h 1) L p (h p) = E j ( B) Z t + h Z t j
j =0
Donde 0 = 1 y ( B) =
( B)
= 1 + 1 B + 2 B 2 + K = j B j
( B)
j =0
(III.24)
El lado derecho de la ecuacin puede ser reescrito como
f 38
E j i Z t + h i Z t j el cual es diferente de cero cuando h + i = j o i = j h .

j =0 i =0
Reescribiendo
q
q
E j j h Z t j Z t j = j j h
j =0
j =0
j h
= 0 para j<h, por lo que
q
q
E j j h Z t j Z t j = j j h
j =h
j =0
luego
(h) 1 (h 1) L p (h p) = 2 j j h
(III.25)
j =h
con 0 h p + q y 0 = 1 .
Al sustituir las autocovarianzas en (III.25) por sus estimadores mustrales y calcular las
j 's de (III.24) obtenemos los estimadores de , y 2 .
Estimacin de Mxima Verosimilitud
Ya obtenidos los estimadores preliminares para el modelo ajustado, podemos ahora

encontrar estimadores en base a estos con la funcin de mxima verosimilitud.
f 39
Consideremos una serie de tiempo {X t } tal que su esperanza es igual a cero para cada t y
su funcin de autocovarianza es (i, j ) = E X i X j .
Sean X n y X n dos vectores tal que
0
X j =
E X j X j 1 = Pj 1 X j
j =1
j >1
(III.26)
y adems
E[ X n X ' n ] = n es la matriz de covarianzas no singular del proceso {X t },
luego, la funcin de verosimilitud de X n , se deriva a continuacin
L( X n ) = ( 2 ) n / 2 n
1 / 2
exp X ' n n1 X n
2
(III.27)
la forma de L(.) que expresa a X n en funcin de las innovaciones U n = X n X n , donde

X n = Pn 1 X n es el mejor predictor lineal de X n , se deriva a continuacin.
Sea C n una matriz triangular inferior con coeficientes
ij con j i , i = 1,2, K , n 1 y
unos en su diagonal principal
0
K
1

1
0
K
11
21
1
0 K
C n = 22
M
M
O
M
n 1,n 1 n 1,n 2 n 1,n 3
K
0
0
0
M
1
f 40
Los ij en C n se obtienen al aplicar el Algoritmo de Innovaciones, ms adelante en la parte

de Prediccin ser descrito este Algoritmo.
Sea el vector de Innovaciones

U n = X n X n = C n1
(III.28)
luego
C n C n1 X n = C nU n = C n ( X n X n )
y
X n = C n ( X n X n )
(III.29)
como las innovaciones forman un proceso no correlacionado, la matriz de covarianzas de

U n esta dada por
E [U nU ' n ] = C n1n (C n1 )' = Dn
luego
n = C n Dn C ' n
(III.30)
donde Dn = diag {v0 ,K, v n 1 }
Utilizando (III.29) y (III.30), la exponencial de (III.27) es
f 41
X n ' n1 X n = (X j X j ) v j 1
n
(III.31)
j =1
= C n Dn C ' n = v0 v1 K vn 1
(III.32)
Luego, utilizando (III.31) y (III.32)
L(n , X n ) = (2 )
n / 2
n 1
v j
j =0
1 / 2
1 n
2
exp (X j X j ) v j 11
2 j =1
(III.33)
Los estimadores que maximicen (III.33) sern los estimadores de mxima verosimilitud de
los parmetros del modelo, o aquellos que maximicen a ln L(n , X n ) .
Los valores para X i +1 y vi en (III.33) pueden ser obtenidos a partir de la siguiente

expresin
X n +1
n
nj (X n +1 j X n +1 j )
= j =p1
q
i X n +1i + nj (X n +1 j X n +1 j )
i =1
j =1
1 n m
(III.34)
nm
donde E ( X n +1 X n +1 ) = 2 E (Wn +1 W n +1 ) = 2 rn , m = max( p, q )

2
y nj , rn calculados utilizando el Algoritmo de Innovaciones para el proceso transformado
1 X
Wt = 1 t
( B) X t
t = 1,2,K, m
t>m
(III.35)
f 42
utilizando lo anterior, (III.33) puede ser escrito como
L( , ,
) = (2 )
2 n / 2
n 1
rj
j =0
1 / 2
1
exp
2
2
(X
n
j =1
2
X j ) r j11
(III.36)
y tomando diferencias,
2 = n 1 S (, )
(III.37)
donde
S (, ) =
n
j =1
(X
2
X j )
(III.38)
r j 1
y , son los valores de , que minimizan
l ( , ) = ln(n 1 S ( , )) + n 1 ln r j 1
(III.39)
j =1
dado que X j y r j son independientes de 2 .
Diagnostico del modelo
Una vez que hemos ajustado un modelo de series de tiempo, el paso final es saber si es un
buen modelo, para esto es necesario realizar pruebas de bondad de ajuste.
Una forma de ver esto es comparar los valores observados en la serie con los predichos por
nuestro modelo, al ser el modelo adecuado, los residuales deben tener las propiedades bajo
las cuales se ajust el modelo, que son,
f 43
Proceso de ruido blanco

Variables aleatorias no correlacionadas
La primera visin para verificar si un proceso es ruido blanco es calculando la funcin de

autocorrelacin y visualmente se puede decir si es correcto.
Podemos tambin reunir pruebas estadsticas basadas en la funcin de autocorrelacin,

stas se conocen como pruebas de aleatoriedad de los errores.
Prueba de Portmanteau.
Si ( j ) bajo H 0 ~ N(0,1/n)
2 ( j)
1/ n
~& 2 (1)
luego
Q = n 2 ( j ) ~ 2 ( h )
(III.40)
j =1
donde h son los grados de libertad.
Si el modelo es adecuado, el valor de las autocorrelaciones mustrales debe ser

suficientemente pequeo, por lo que un valor grande de Q estara indicando que la muestra
no corresponde a una sucesin IID.
Luego, si Q 2 ( h ) , entonces rechazamos la hiptesis nula,
donde
H 0 : ( j ) = 0 = Proceso de Ruido Blanco.
f 44
Han surgido modificaciones a esta prueba que son ms eficientes.

El estadstico de Llung y Box dado por
QLB = n(n + 2)
j =1
2 ( j)
(n j )
(III.41)
Este estadstico se aproxima mejor a una 2 ( h ) , por lo tanto si QLB 2 ( h ) , entonces

rechazamos H 0 , donde H 0 es igual que en la prueba anterior.
Otras pruebas se basan en demostrar si los residuales son aleatorios; es decir, no tienen
algn patrn definido.
Puntos Cambiantes.
Si y1 , y 2 , K , y n son una sucesin de observaciones, decimos que i es un punto cambiante si
1< i < n y
yi 1 < yi y yi > y i +1
yi 1 > yi y yi < yi +1
Si suponemos que las y' s son variables aleatorias IID, entonces
E[T ] = T =
2( n 2)
3
(III.42)
Var (T ) = 2 T =
16n 29
90
(III.43)
f 45
Donde T= Nmero de puntos cambiantes.
Luego, un valor grande de T nos indicara que la serie est cambiando de direccin con
demasiada rapidez para tratarse de una sucesin IID.
Puede demostrarse que T ~& N( T , 2 T )
As, rechazamos la hiptesis de IID si
T T
> 1 / 2
donde 1 / 2 es el cuantil (1 / 2) de una distribucin normal estndar.
En general pueden seguirse diferentes criterios para asegurarse de que el modelo que ha
sido ajustado es adecuado para el proceso que queremos representar.
Prediccin
Como ya se mencion, uno de los principales objetivos que se persigue en el anlisis de las
series de tiempo es la capacidad de obtener predicciones para valores futuros de un proceso
bajo estudio basndose en la cantidad de informacin disponible, digamos hasta el tiempo
tn .
Diferentes tcnicas han sido desarrolladas que nos sirven para encontrar estimaciones de
valores de algn proceso al tiempo t n + h , cuando la ultima observacin que se midi fue la
tn .
f 46
Supngase que X = ( X n ,K, X 1 )' es el vector de observaciones de una serie generada por
un proceso, supongamos que queremos encontrar la mejor combinacin lineal de {1, X} que
estime el valor de X n + h , este valor debe contener el mnimo error cuadrado.
Esta combinacin lineal denotada por X n + h = Pn X n + h puede ser expresada como

1
Pn X n + h = a'
X
(III.44)
donde a = [a 0 , a1 , K , a n ] es un vector de constantes. Luego, debemos encontrar el vector a

que minimice
E ( X n+ h Pn X n + h )
].
(III.45)
Desarrollando la expresin
min
2
E ( X n + h X n + h )
a 0 , K, a n
nos da como resultado

n
E X n + h a 0 ai X n + i 1 = 0
i =1
y
n
E X n + h a 0 ai X n i +1 X n j +1 = 0
i =1
j = 1, K , n
luego
f 47
a 0 = 1 a j
j =1
(III.46)
y
n a = n (h)
(III.47)
donde
a n = (a1 , K a n )
n = [ (i j )]i , j =1
n
n (h) = [ (h), (h + 1),K, (h + n 1)] '

luego el sistema tiene como solucin
a n* = n1 n
luego
Pn X n + h = + a n* ( X n )
Pn X n + h = + a i ( X n i +1 )
(III.48)
i =1
(III.48) es el mejor predictor para X n + h , en funcin de X 1 , X 2 , K , X n , donde a * es la

solucin que hace mnimo el error cuadrado medio, el cual es
f 48
E ( X n + h Pn X n + h ) = (0) a 'n n .
2
(III.49)
Existen procesos donde la solucin al sistema de ecuaciones no es fcil de obtener, de aqu

que se requieran herramientas que nos permitan resolver el sistema.
El algoritmo de Durbin-Levinson es un algoritmo iterativo que resuelve las ecuaciones

normales.
Algoritmo de Durbin-Levinson
Sea
Pn X n+1 = n1 X n + n 2 X n1 + L + nn X 1 = n X n
'
(III.50)
U n = ECM ( X n +1 Pn X n +1 ) = (0) n n
'
(III.51)
por definicin
V0 = (0)
X n = ( X n , X n 1 ,K , X 1 )'
n = ( n1 , n 2 , K, nn )'
n = ( (1), (2),K, (n))'
El algoritmo est dado por
f 49
n 1
j =1
nn = (n) n 1, j (n j )Vn11
(III.52)
nj = n 1, j nn n 1, n j
(III.53)
Vn = Vn 1 1 nn2 .
(III.54)
Iniciando las iteraciones con 11 = (1) y U 0 = (0) .
El objetivo es resolver el sistema dado por

n n = n Rn n = n
Recurdese que la funcin de autocorrelacin parcial para un proceso {X t } esta dada por
(h) = hh y (0) = 1 .
Algoritmo de Innovaciones
Este algoritmo, es un proceso iterativo con el que se obtiene el mejor predictor de X n en

funcin de las innovaciones.
Definicin 6: {U n = X n X n } para n = 1,2,... es el proceso de innovaciones donde
X n = Pn 1 X n , este proceso tiene como propiedades
E [U n ] = 0
E [U tU s ] = 0 para t s .
f 50
Sea (i. j ) = E X i X j .
(III.55)
La definicin puede ser escrita en trminos matriciales como sigue

U n = C n 1 X n
luego, el vector de predictores es

X n = (C n I n )( X n X n )
X n +1
n
= (X
nj
n +1 j X n +1 j )
j =1
n=0
n = 1,2,...
(III.56)
de donde X n +1 , X n + 2 , K son calculados recursivamente una vez que los coeficientes ij han
sido calculados, el clculo de estos coeficientes se realiza recursivamente con las
ecuaciones
v0 = (1,1)
n,nk =
1
vk
k 1
(n + 1, k + 1) k ,k j n ,n j v j
j =0
0k n
y
n 1
v n = (n + 1, n + 1) n2,n j v j
j =0
f 51
Ntese que el Algoritmo de Durbin-Levinson da el Pn X n en funcin de las X ' s anteriores,

el Algoritmo de Innovaciones da el Pn X n en funcin de las U ' s , la ventaja de las
innovaciones, es que son variables aleatorias no correlacionadas.
Algoritmo de Innovaciones para procesos ARMA( p, q )
Sea {X t } un proceso ARMA( p, q ) dado por
( B ) X t = ( B ) Z t y Z t ~ WN(0, 2 )
Defnase
1 X
Wt = 1 t
( B) X t
t = 1,..., m
, donde m = max( p, q )
t>m
(III.57)
La funcin (i, j ) queda definida en funcin de X (.) y est dada por:
2 X (i j)
1 i, j m

p
2 X (i j) r X (r i j ) min(i, j) m < max(i,j) 2m
r =1
(i, j) = E(WiW j ) = q
r r + i j
min(i, j) > m

r =0
0
d.o. f
(III.58)
Si aplicamos el algoritmo al proceso {Wt } , luego
W n +1
n
n , j (Wn +1 j W n +1 j )
= j =q1
n , j (Wn +1 j Wn +1 j )
j =1
1 n < m
(III.59)
nm
f 52
Usando (III.57) y las propiedades lineales de Pn ,

( X t X t ) = (Wt W t )
Usando (III.58) y (III.59) el mejor predictor lineal de X n +1 es
X n +1
n
nj ( X n +1 j X n +1 j )
= p j =1
q
i X n +1i + nj ( X n +1 j X n +1 j )
j =1
j =1
1 n < m
(III.60)
nm
y su Error Cuadrado Medio
E ( X n +1 X n +1 ) = 2 E (Wn +1 W n +1 ) = 2 rn
2
donde rn y nj fueron obtenidos con el algoritmo de innovaciones.
Fuente: Introduction to Time Series and Forecasting de Peter J. Brockwell & Richard A.
Davis (1996).
f 53
IV. METODOLOGIA
En este capitulo se comentaran los aspectos relevantes de la recoleccin de la informacin

utilizada en la ilustracin del modelo estadstico en estudio y tambin se postularan y
describirn las tcnicas estadsticas empleadas para el anlisis de series de tiempo,
mediante el enfoque univariado. En seguida, se hace uso de las tcnicas estadsticas
necesarias para encontrar el modelo que mejor se ajuste al comportamiento de los precios
de Jitomate Saladette, en Mxico, teniendo como objetivo identificar los movimientos
caractersticos de los precios y obtener un modelo de prediccin para esta variable.
IV.1. Recoleccin de la informacin
La obtencin de la informacin sobre los precios de Jitomate Saladette, se obtuvieron del

banco de datos de la pgina del SNIIM en el apartado de frutas y verduras. Los datos de la
serie con que se trabaj inician el 2 de enero de 1998 y terminan el da 21 de julio del 2006,
estos datos son diarios, pero para nuestro uso fueron transformados a datos semanales y a
datos mensuales.
IV.2. Enfoque univariado para el anlisis de series cronolgicas
La importancia del anlisis de los movimientos de series de tiempo reside no solamente en

el conocimiento pasado de una actividad sino en posibilitar, con base a ese
comportamiento, el hacer predicciones ms exactas de la actividad en el futuro.
Los movimientos observados en series de tiempo, para una actividad en particular, son el
resultado de la combinacin de fuerzas econmicas, sociales, de la naturaleza, etc. De esa
manera, la naturaleza de las causas que determinen o influyen en el desplazamiento
temporal de la variable principal de una serie econmica de tiempo esta mas relacionada
con las caractersticas de la sociedad, que por el mundo natural. Este hecho dificulta
considerablemente la prediccin de los valores futuros de series cronolgicas, debido a la
propia complejidad y variabilidad del ser humano. Sin embargo las tcnicas de anlisis
f 54
disponibles pueden, en la mayora de los casos formar una idea bastante aproximada del
comportamiento futuro de la variable en estudio.
IV.3. Series de precios y clculo de los estadsticos bsicos.
Anteriormente ya se menciono que los datos se manipularon de manera que los precios
observados estuvieran por semana y por mes. Enseguida se presentan grficos
correspondientes a los precios observados del jitomate saladette as como la media y
desviacin estndar con el propsito de observar el comportamiento de las series.
IV.3.1. Datos por da:
SERIE DE PRECIOS DEL JITOMATE SALADETTE (1998-2006)

18
16
14
PRECIO/Kg
12
10
8
6
4
2
0
1
165
330
495
660
825
Da
990
1155
1320
1485
Figura IV.1. Precios diarios del jitomate.
f 55
La media de los datos esta dada por:
y
i =1
= 5.87
La varianza de los datos es:
( y i )2
n 1
= 2.57
IV.3.2. Datos semanales:

20
PRECIO/Kg
15
10
0
1
45
90
135
180
225
270
SEMANA
315
360
405
Figura IV.2. Precios semanales del jitomate.
f 56
Como podemos notar en la figura IV.2 los datos presentan un comportamiento cclico, es
decir cada cierto periodo la serie tiende a comportarse de la misma forma. En este caso la
longitud de los ciclos es de aproximadamente 52 observaciones, es decir, un ao.
n
y
i =1
= 5.56
( y i )2
n 1
= 2.83
Se le ajusto una lnea de tendencia a la serie de precios semanales:
AJUSTE DE UNA LINEA DE TENDENCIA A LA SERIE

Modelo de Tendencia Lineal
Precio(t) = 3.81948 + 0.00777215*t
20
Variable
A ctual
Fits
PRECIO/Kg
15
10
0
1
45
90
135
180 225 270

t: SEMANA
315
360
405
Figura IV.3. Lnea de tendencia para los datos semanales
f 57
En la figura IV.3, podemos notar una ligera tendencia a la alza de los precios del jitomate.
Pero la tendencia que muestra la serie no es significativa por lo que se puede decir que la
serie es estacionaria en media, es decir los datos se pueden agrupar sin importar el tiempo.
IV.3.3. Datos mensuales:

14
12
PRECIO/Kg
10
8
6
4
2
1
10
20
30
40
50
MES
60
70
80
90
100
Figura IV.4. Precios mensuales del jitomate.

y
i =1
= 5.53
f 58
( y i )2
n 1
= 2.61
Se le agrego una lnea de tendencia a la serie de precios mensuales:
AJUSTE DE UNA LINEA DE TENDENCIA A LA SERIE

Modelo de Tendencia Lineal
Precio(t) = 3.75816 + 0.0340907*t
14
Variable
A ctual
Fits
12
PRECIO/Kg
10
8
6
4
2
1
10
20
30
40
50
60
t: MES
70
80
90
100
Figura IV.5. Lnea de tendencia para los datos mensuales
Los datos mensuales tambin presentan un comportamiento cclico y una tendencia a la

alza aunque ms pronunciada que en el caso semanal, como se muestra en la figura IV.5.
Aun as, es evidente que la serie es estacionaria en media.
f 59
IV.4. Procedimiento para la elaboracin de un modelo en series de tiempo.
La metodologa que se va a emplear para realizar el pronstico con cada una de las series se
resume en los siguientes pasos:
Realizar la prueba de raz unitaria para determinar si la serie es estacionaria
en varianza, en caso de que la serie no sea estacionaria se le realizaran

transformaciones como lo son las diferenciaciones que tienen como objetivo
estabilizar la varianza, posteriormente se dibujaran las graficas de la funcin
de autocorrelacin (FAC) y autocorrelacin parcial (FACP) para determinar
p y q.
Una vez identificada la serie de precios semanales del jitomate saladette se
procede a determinar que modelo ptimo es susceptible de haber generado

dicha serie; es decir, el tercer paso consiste en la estimacin de los
coeficientes paramtricos del modelo propuesto. La eleccin del modelo se
har tomando en cuenta el criterio del mnimo AICC.
Una vez que se realiza la fase de estimacin de los coeficientes paramtricos
del modelo propuesto se sigue con la fase de la validacin o chequeo del

modelo estimado que en nuestro caso descansara en la verificacin de que
los residuales siguen un proceso de ruido blanco y que la serie estimada es
parecida a la serie con los datos observados, en caso afirmativo, se pasa a la
fase de prediccin. De otro modo se tendra que proponer otro modelo que
cumpliera con estos requisitos.
f 60
La metodologa empleada se resume en el siguiente diagrama:

Datos de la Serie
IDENTIFICACIN
Transformacin de
la serie
Clculo de estadsticos de la
Serie
Es la serie
estacionaria?
No
Seleccin
de d, D y
Si
Determinacin de p, q, P, Q
ESTIMACIN
Clculo de estimadores
Clculo de estadsticos de los estimadores y
de los residuos
VALIDACIN
Es el modelo
adecuado?
No
Si
Clculo de predicciones
Clculo de estadsticos para evaluacin de la capacidad
predictiva
Predice
correctamente?
No
PREDICCIN
Figura IV.6. Diagrama de flujo para la elaboracin de un modelo de Series de Tiempo.
f 61
V. ANLISIS DE RESULTADOS
En el capitulo anterior se plante la metodologa a seguir en este trabajo y tambin se

mostr que las series son no estacionarias en tendencia. En este capitulo se mostraran los
aspectos mas relevantes que se requieren para ajustar los modelos de series de tiempo
univariadas.
En el presente trabajo se realiz el ajuste y pronstico para dos series, la primera contiene
datos semanales y la segunda datos mensuales, las cuales se muestran a continuacin.
V.1. Anlisis de resultados para los datos semanales
Para determinar si los datos presentados observaban alguna tendencia en varianza se

procedi a hacer la prueba de raiz unitaria. En donde la hiptesis a probar es:
La salida de SAS para la prueba de raz unitaria es la siguiente:

Pruebas de la raz unidad de Dickey-Fuller
Variable
Tipo
Rho
Zero Mean
Single Mean
Trend
Prob<Rho
Tau
Prob<Tau
-14.1679
0.0086 -2.67
0.0076
-75.2042
0.0017 -6.11
<.0001
-87.589
0.0007 -6.56
<.0001
Tabla V.1. Prueba de raiz unitaria

En la tabla V.1, se observa que para la variable que representa a nuestra serie el valor del
estadstico de prueba es
lo que para valores de
y el nivel de significancia observado es

mayores a
unitaria, en este caso es claro que la
por
hay evidencia de que la serie no tiene raz

se rechaza ya que el nivel de significancia
observado es pequeo.
f 62
Para elegir el valor de la parte que corresponde al promedio mvil

autoregresiva
y a la parte
, se procedi a analizar los grficos de autocorrelacin y autocorrelacin
parcial respectivamente.
V.1.1. Funcin de Autocorrelacin
La funcin de autocorrelacin (FAC) es til cuando tratamos de ajustar un modelo
a una serie de tiempo, ya que si
entonces
para toda
es la funcin de autocorrelacin de tal proceso,

.
En este caso la funcin de autocorrelacin disminuye ligeramente de tal modo que el

sptimo rezago es significativo, tal comportamiento es propio de los modelos
autoregresivos, por lo que ser conveniente utilizar procesos iterativos que especifiquen el
modelo en base al criterio del mnimo AICC.
Funcin de Autocorrelacin
(con lmites al 5% de significancia para las autocorrelaciones)
1.0
0.8
Autocorrelacin
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1
10
15
20
25
30
35
Rezago
40
45
50
55
60
65
Figura V.1. Funcin de autocorrelacin para datos semanales
f 63
V.1.2. Funcin de Autocorrelacin Parcial
es til cuando ajustamos un modelo a un
La funcin de autocorrelacin parcial

proceso
, ya que la
ser cero para cualquier distancia , tal que
La funcin de autocorrelacin parcial que se obtuvo a partir de los datos semanales gener
autocorrelaciones que estn dentro de las bandas a excepcin de la primera. Tal funcin
sugiere el empleo de un modelo
Funcin de Autocorrelacin Parcial

(con lmites al 5% de significancia para las autocorrelaciones parciales)
1.0
Autocorrelacin Parcial
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1
10
15
20
25
30
35
Rezago
40
45
50
55
60
65
Figura V.2. Funcin de autocorrelacin parcial para datos semanales

En resumen al observar los grficos de autocorrelacin y autocorrelacin parcial es claro
que el modelo a emplear es un
forma iterativa el valor de
puede pensar en un
, tan solo restara utilizar un programa para determinar de
de manera que minimice el valor del AICC. Tentativamente se

como posible modelo para la serie como lo muestra la funcin
de autocorrelacin parcial.
f 64
V.1.3. Identificacin y pronstico del modelo

Primeramente se emple el modelo sugerido por las funciones de autocorrelacin y
. Para estimar los parmetros se utiliz
autocorrelacin parcial; es decir, un modelo
el mtodo de mnimos cuadrados mediante el sistema SAS. Obtenindose los siguientes

resultados.
Estimadores constantes
Estimadores del coeficiente AR
Variable
Constante
Retardo
0.51931
0.90637
Tabla V.2. Modelo AR(1) para los datos semanales usando mnimos cuadrados.
El modelo autoregresivo ajustado es:
V.1.3.1. Pronstico esttico y dinmico para el modelo AR(1)

El pronstico dinmico del modelo AR(1) es el siguiente:
Predicciones
Variable Observacin
Prediccin
Error estndar Lmites de confianza al 95%
448
4.4529
1.2022
2.0967
6.8092
449
4.5553
1.6225
1.3752
7.7354
450
4.6481
1.8995
0.9252
8.3710
451
4.7322
2.0998
0.6166
8.8477
Tabla V.3. Prediccin dinmica para los datos semanales usando un AR(1)
f 65
El pronstico esttico del modelo AR(1) es el siguiente:
Predicciones
Variable Observacin Prediccin Error estndar Lmites de confianza al 95%
444
4.5539
1.2069
2.1884
6.9193
445
4.6480
1.6288
1.4556
7.8404
446
4.7333
1.9068
0.9961
8.4705
447
4.8106
2.1079
0.6793
8.9420
Tabla V.4. Prediccin esttica para los datos semanales usando un AR(1)
Para mayor eficacia al elegir el modelo, se procedi a programar en el sistema SAS la

eleccin del modelo usando el criterio del mnimo AICC, el programa utilizado se
encuentra en el apndice. Enseguida se muestra el anlisis del criterio empleado por el
sistema SAS.
Criterio de informacin mnimo

Retardo
MA 0
MA 1
MA 2
MA 3
MA 4
MA 5
AR 0
2.0867002
1.8579182
1.5743484
1.2807295
1.0239274
0.8305691
AR 1
0.361466
0.3082026
0.2977476
0.2976694
0.2990326
0.3030463
AR 2
0.2842121
0.2933381
0.2978578
0.3018801
0.3031326
0.307033
AR 3
0.2887015
0.2975578
0.3016459
0.3059068
0.3071067
0.3055557
AR 4
0.2926666
0.2987559
0.3032784
0.3040291
0.307725
0.3100061
AR 5
0.2980029
0.3019363
0.3044312
0.3073382
0.3118585
0.3110323
Tabla V.5. Eleccin del modelo segn el criterio del mnimo AICC.
f 66
Variable
Constante
Retardo
0.66872
1.16632
-0.28684
Tabla V.6. Modelo AR(2), para los datos semanales usando mnimos cuadrados.
Criterios de informacin
AIC(Criterio de informacin Akaike) 0.293701
Tabla V.7. Valor del AIC
Como podemos observar el mejor modelo segn el criterio del mnimo AICC es un AR(2),
el cual esta dado por:
V.1.3.2. Pronstico esttico y dinmico para el modelo AR(2).
El pronstico dinmico con el modelo AR(2) se muestra enseguida:

Predicciones
448
4.3365
1.1543
2.0741
6.5989
449
4.4816
1.7734
1.0058
7.9573
450
4.6518
2.1634
0.4116
8.8919
451
4.8087
2.4087
0.0878
9.5296
Tabla V.8. Prediccin dinmica para los datos semanales usando un AR(2)
f 67
El pronstico esttico con el modelo AR(2) se muestra enseguida:

Predicciones
Variable Observacin Prediccin Error estndar Lmites de confianza al 95 %
444
4.6882
1.1585
2.4177
6.9588
445
4.8626
1.7805
1.3730
8.3523
446
4.9976
2.1723
0.7400
9.2553
447
5.1049
2.4186
0.3646
9.8453
Tabla V.9. Prediccin esttica para los datos semanales usando un AR(2)
V.1.4. Validacin y eleccin del modelo
Enseguida se muestran elementos estadsticos que nos permitirn justificar el uso de los
modelos para representar a la serie de precios semanales del jitomate saladette registrados
en la Central de Abastos.
V.1.4.1. Validacin del modelo AR(1)
Precios Semanales VS Precios Ajustados AR(1)

20
Variable
Precios Semanales
Precios A justados
PRECIO/Kg
15
10
0
1
45
90
135
180 225 270

SEMANA
315
360
405
Figura V.3. Precios semanales registrados contra precios ajustados del modelo AR(1)
f 68
En la figura V.3, se observa que la serie ajustada es similar a la serie de precios registrados,
esto nos habla de la buena capacidad del modelo para identificar el comportamiento de la
serie.
Residuales VS la Secuencia de los Datos

5.0
Residuo
2.5
0.0
-2.5
-5.0
1
50
100
150
200
250
SEMANA
300
350
400
Figura V.4. Grfico de los residuales del modelo AR(1)
En la figura V.4, es claro que los residuales siguen un proceso de ruido blanco, pero con el
motivo de corroborar lo mencionado se graficarn las funciones de autocorrelacin y
autocorrelacin parcial.
f 69
FAC de Residuales para los Precios Semanales

1.0
0.8
Autocorrelacin
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1
10
15
20
25
30
35
Rezago
40
45
50
55
60
65
Figura V.5. Funcin de Autocorrelacin de los residuales del modelo AR(1)

En la figura V.5, se observa que la funcin de autocorrelacin para los residuales converge
hasta el rezago 50, aunque si bien los rezagos 4 y 5 logran salir de las bandas estos lo hacen
de forma despreciable. En consecuencia para la serie de residuales el valor de q es cero.
FACP de Residuales para los Precios Semanales
(con lmites al 5% de significancia para las autocorelaciones parciales)
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1
10
15
20
25
30
35
Rezago
40
45
50
55
60
65
Figura V.6. FACP de los residuales del modelo AR(1)

f 70
En la figura V.6, se observa que la funcin de autocorrelacin parcial para los residuales
converge en el rezago 50. Indicio de que la eleccin del valor de p fue certera para explicar
la serie de precios semanales del jitomate saladette. De esta manera para la serie de
residuales el valor de p es cero.
En resumen, la eleccin de un modelo AR(1) es suficiente para explicar el comportamiento
de la serie de precios semanales.
Precios Semanales VS Precios Ajustados AR(2)

20
Variable
Precios Semanales
Precios Ajustados
PRECIO/Kg
15
10
0
1
45
90
135
180 225 270

SEMANA
315
360
405
En la figura V.7, se observa que la serie ajustada es prcticamente igual a la serie de precios
registrados como sucedi en el caso del modelo AR(1), lo cual muestra que el modelo
AR(2) es tambin una buena eleccin para modelar a la serie de precios.
f 71
Residuales VS la Secuencia de los Datos

5.0
Residuo
2.5
0.0
-2.5
-5.0
1
50
100
150
200
250
SEMANA
300
350
400

En la figura V.8, se muestra como los residuales siguen un proceso de ruido blanco, y para
comprobarlo se elaborarn los grficos de las funciones de autocorrelacin y autocorrelacin
parcial de los residuales.
FAC de Residuales para los Precios Semanales
1.0
0.8
Autocorrelacin
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1
10
15
20
25
30
35
Rezago
40
45
50
55
60
65
f 72
En la figura V.9, se observa que la funcin de autocorrelacin para los residuales converge
en el rezago 50; es decir, la funcin de autocorrelacin para el proceso de los residuales es
cero en prcticamente todos los rezagos. En consecuencia para la serie de residuales el
valor de q es cero.
FACP de Residuales para los Precios Semanales

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1
10
15
20
25
30
35
Rezago
40
45
50
55
60
65
sale de las bandas en el rezago 50. Esto justifica la buena eleccin del valor de p para
explicar la serie de precios semanales del jitomate saladette. De esta forma para el proceso
de residuales el valor de p es cero.
En lo que respecta al modelo AR(2) para modelar la serie de precios; es claro que despus
del anlisis de residuales, la eleccin de un modelo AR(2) es suficiente para explicar el
comportamiento de la serie de precios semanales.
f 73
V.1.4.3. Eleccin del modelo
Finalmente, para determinar que modelo es mas adecuado para modelar los datos
semanales se compararon el error estndar en las predicciones de cada modelo. El modelo
es el que tiene los errores estndar ms pequeos en las predicciones dinmicas.
Por otro lado tambin se tomarn en cuenta los pronsticos dinmicos del modelo
, as como sus respectivas predicciones estticas. Este anlisis se resume en la figura

V.11. En el cual podemos ver que las predicciones estticas pueden ser modeladas por un
modelo
y las dinmicas pueden ser representadas tanto por el modelo
por el
como
Grafico de pronsticos para datos semanales

15.0
Variable
A R(2)Esttico
A R(1)Esttico
semanales
A R(1)Dinmico
A R(2)Dinmico
PRECIO/Kg
12.5
10.0
7.5
5.0
10
15
20
25 30
SEMANA
35
40
45
50
55
Figura V.11. Pronstico de precios semanales.
f 74
De aqu se puede concluir que el modelo
es adecuado para modelar la serie y para
realizar el pronstico de los precios semanales.
V.2. Anlisis de resultados para los datos mensuales
De igual manera que para los datos semanales se procedi a hacer la prueba de la raz
unitaria, para ver si presentaban alguna tendencia.
La hiptesis a probar es:
La salida de SAS para la prueba de raz unitaria es la siguiente:

Variable Tipo
Rho Prob<Rho
Zero Mean
Tau Prob<Tau
-6.55984
0.0750 -1.77
0.0737
Single Mean -56.1156
0.0009 -5.27
<.0001
Trend
0.0003 -5.89
<.0001
-73.8321
Tabla V.10. Prueba de raz unitaria
En la tabla V.10, se observa que para la variable que representa a nuestra serie el valor del
estadstico de prueba es
lo que para valores de
y el nivel de significancia observado es

mayores a
unitaria, en este caso es claro que la
por
hay evidencia de que la serie no tiene raz

se rechaza ya que el nivel de significancia
observado es pequeo.
f 75
Para observar que modelo ajustaramos se procedi a analizar los grficos de la funcin
autocorrelacin y autocorrelacin parcial.
V.2.1. Funcin de Autocorrelacin
Un grafico de autocorrelacin nos muestra que modelo de promedio mvil ajustar, es decir
un MA.
Funcin de Autocorrelacin
1.0
0.8
Autocorrelacin
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
10
12
14
Rezago
16
18
20
22
24
26
Figura V.12. Funcin de autocorrelacin para datos mensuales
V.2.2. Funcin de Autocorrelacin Parcial
Un grafico de autocorrelacin parcial nos muestra que modelo autoregresivo ajustar, es

decir un AR.
f 76
Funcin de Autocorrelacin Parcial

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
10
12
14
Rezago
16
18
20
22
24
26
Figura V.13. Funcin de autocorrelacin parcial para datos mensuales
V.2.3. Identificacin y pronstico del modelo
Como se nota el modelo que podemos sugerir observando los grficos de autocorrelacin es
un AR(1).
Variable
Constante
Retardo
2.18276
0.60490
Tabla V.11. Modelo AR(1) para los datos mensuales usando mnimos cuadrados.
El modelo autoregresivo ajustado es:
f 77
El pronstico dinmico del modelo AR(1) es el siguiente:
Predicciones
104
4.9532
2.1012
0.8350
9.0714
105
5.1789
2.4557
0.3659
9.9920
106
5.3155
2.5732
0.2721
10.3589
107
5.3981
2.6149
0.2730
10.5233
Tabla V.12. Prediccin dinmica para los datos mensuales usando un AR(1)
El pronstico esttico del modelo AR(1) es el siguiente:
Predicciones
100
5.8727
2.1254
1.7070
10.0383
101
5.7407
2.4865
0.8672
10.6141
102
5.6605
2.6071
0.5508
10.7703
103
5.6119
2.6501
0.4177
10.8060
Tabla V.13. Prediccin esttica para los datos mensuales usando un AR(1)
Para mayor eficacia al elegir el modelo, se procedi a programar en SAS para determinar el
mejor modelo segn el criterio del mnimo AICC.
f 78

Retardo
AR 0
AR 1
MA 0
MA 1
MA 2
MA 3
MA 4
MA 5
1.8624324 1.5849711 1.5105141 1.5071028
1.523504
1.515865
1.467864 1.5083012 1.5237135 1.5275107 1.5383545 1.5362641
AR 2
1.4661316 1.5131289
1.53353 1.5319921 1.5514167 1.5508219
AR 3
1.4738372 1.5132598 1.5333778 1.5516887 1.5718181 1.5685236
AR 4
1.502265 1.5331529 1.5520822 1.5715178 1.5911666
1.588254
AR 5
1.515447 1.5309138 1.5503037 1.5679985 1.5883558 1.6085518
Tabla V.14. Eleccin del modelo segn el criterio del mnimo AICC.
Variable
Constante
Retardo
2.58883
0.70426
-0.16705
Tabla V.15. Modelo AR(2), para los datos mensuales usando mnimos cuadrados.
AIC(Criterio de informacin Akaike) 1.485174
Tabla V.16. Valor del AIC
Como podemos observar el mejor modelo segn el criterio del mnimo AICC es un AR(2),
el cual esta dado por:
f 79
El pronstico dinmico con el modelo AR(2) se muestra enseguida:
Predicciones
104
5.0860
2.0709
1.0272
9.1448
105
5.4056
2.5329
0.4413
10.3700
106
5.5462
2.6229
0.4055
10.6869
107
5.5918
2.6335
0.4303
10.7533
Tabla V.17. Prediccin dinmica para los datos mensuales usando un AR(2)
El pronstico esttico con el modelo AR(2) se muestra enseguida:
Predicciones
100
4.8524
2.0843
0.7674
8.9375
101
4.9455
2.5765
-0.1044
9.9954
102
5.2613
2.6655
0.0371
10.4855
103
5.4721
2.6724
0.2343
10.7099
Tabla V.18. Prediccin esttica para los datos mensuales usando un AR(2)
f 80
V.2.4. Validacin y eleccin del modelo
En este apartado se intenta justificar con elementos estadsticos el uso de los modelos para
representar a la serie de precios mensuales del jitomate saladette registrados en la Central
de Abastos.
Precios Mensuales VS Precios Ajustados AR(1)

14
Variable
Precios Mensuales
Precios Ajustados AR(1)
12
PRECIO/Kg
10
8
6
4
2
1
10
20
30
40
50
60
MES
70
80
90
100
Figura V.14. Precios mensuales registrados contra precios ajustados del modelo AR(1)
En la figura V.14, se observa que la serie ajustada es parecida casi en su totalidad con la
serie de precios verdadera, lo cual es producto de la metodologa que se emple en la
eleccin del modelo.
f 81
Residual VS la Secuencia de los Datos

5.0
Residuo
2.5
0.0
-2.5
-5.0
-7.5
1
10
20
30
40
50
MES
60
70
80
90
100

En la figura V.15, se observa que los residuales siguen un proceso de ruido blanco, pero con el
motivo de corroborar lo mencionado se graficarn las funciones de autocorrelacin y
autocorrelacin parcial.
FAC de Residuales para los Precios Mensuales
1.0
0.8
Autocorrelacin
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
10
12
14
Rezago
16
18
20
22
24
26
f 82
En la figura V.16, se observa que la funcin de autocorrelacin para los residuales no se

sale de los lmites de confianza; es decir, para el proceso de los residuales el valor de q es
cero.
FACP de Residuales para los Precios Mensuales

(con lmtes al 5% de significancia para las autocorrelaciones parciales)
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
10
12
14
Rezago
16
18
20
22
24
26
se encuentra en su totalidad dentro de los lmites de confianza; lo que significa que si se
desea ajustar un proceso AR a los residuales, el valor de p seria cero.
En consecuencia, la eleccin de un modelo AR(1) es suficiente para explicar el

comportamiento de la serie de precios mensuales.
f 83
Precios Mensuales VS Precios Ajustados AR(2)

14
Variable
Precios Mensuales
Precios A justados A R(2)
12
PRECIO/Kg
10
8
6
4
2
1
10
20
30
40
50
60
MES
70
80
90
100
En la figura V.18, se observa que la serie ajustada se aproxima marcadamente a la serie de precios
registrados como sucedi en el caso del modelo AR(1), lo cual sugiere que el modelo AR(2) es
tambin una buena eleccin para modelar a la serie de precios.
Residual VS la Secuencia de los Datos

5.0
Residuo
2.5
0.0
-2.5
-5.0
-7.5
1
10
20
30
40
50
MES
60
70
80
90
100
f 84
En la figura V.19, se muestra como los residuales siguen un proceso de ruido blanco, y para
demostrarlo se elaborarn los grficos de las funciones de autocorrelacin y autocorrelacin
parcial de los residuales.
FAC de Residuales para los Precios Mensuales

1.0
0.8
Autocorrelacin
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
10
12
14
Rezago
16
18
20
22
24
26
En la figura V.20, se observa claramente que la funcin de autocorrelacin para los

residuales esta dentro de los lmites de confianza; es decir, la funcin de autocorrelacin
para el proceso de los residuales es cero en todos los rezagos. En consecuencia para la serie
de residuales el valor de q es cero.
f 85
FACP de Residuales para los Precios Mensuales

1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
10
12
14
Rezago
16
18
20
22
24
26
se encuentra dentro de los lmites de confianza. Esto justifica la buena eleccin del valor de
p para explicar la serie de precios mensuales del jitomate saladette. De esta forma para el
proceso de residuales, si es que se le desea ajustar un modelo AR, entonces el valor de p
seria cero.
En lo que se refiere al modelo AR(2) para modelar la serie de precios; es claro que despus
del anlisis de residuales el modelo es eficiente al explicar el comportamiento de la serie de
precios mensuales.
f 86
V.2.4.3. Eleccin del modelo

Finalmente, para determinar que modelo es ms adecuado para modelar los datos
mensuales se compararon el error estndar en las predicciones de cada modelo. El modelo
es el que tiene los errores estndar ms pequeos en las predicciones dinmicas; es
decir, es el que ayuda a que los intervalos de confianza del modelo sean ms confiables o
ms reducidos, lo cual nos generara mayor certeza en la confiabilidad del modelo.
Por otro lado, tambin se tomarn en cuenta los pronsticos dinmicos del modelo
, as como sus respectivas predicciones estticas. Este anlisis se resume en el

siguiente grfico. En el cual podemos ver que las predicciones estticas pueden ser
modeladas por un modelo
oel
y las dinmicas pueden ser representadas por el modelo
Grafico de pronsticos para datos mensuales

14
Variable
AR(2)Esttico
AR(1)Esttico
mensuales
AR(1)Dinmico
AR(2)Dinmico
12
PRECIO/Kg
10
8
6
4
2
1
11
22
33
44
55
MES
66
77
88
99
Figura V.22. Pronstico de precios mensuales.

De aqu se puede concluir que el modelo
es adecuado para modelar la serie y para
realizar el pronstico de los precios mensuales.
f 87
VI. CONCLUSIONES
Para modelar y realizar los pronsticos de la serie de precios semanales, el siguiente

result ser el ms adecuado:
Yt = 0.51931 + 0.90637Yt 1
Respecto a las predicciones de precios dentro de la muestra se obtuvo lo siguiente:
Los datos de la prediccin esttica observaron un apego a los valores observados

manteniendo prcticamente los mismos cambios que estos. Y los pronsticos para los
precios de jitomate de las cuatro semanas posteriores al 21 de julio del 2006 son las
siguientes:
Predicciones precios semanales

Observacin Prediccin
Error estndar
Lmites de confianza al 95%
28 Julio 2006
4.4529
1.2022
2.0967
6.8092
04 Agosto 2006
4.5553
1.6225
1.3752
7.7354
11 Agosto 2006
4.6481
1.8995
0.9252
8.3710
18 Agosto 2006
4.7322
2.0998
0.6166
8.8477
Tabla VI.1. Prediccin de precios para cuatro semanas a partir del 28 de Julio 2006
En las predicciones del cuadro anterior se muestra un ligero repunte en el precio del
jitomate, pero al comparar los pronsticos con los precios que se observaron hace un ao se
observa una cada en el precio, y en lo que a incertidumbre se refiere, este modelo puede
predecir los precios de Jitomate Saladette de la Central de Abastos para las cuatro semanas
posteriores al 21 de julio del 2006.
f 88
resulta
Anlogamente al analizar los resultados de los precios mensuales, el modelo
ser adecuado tanto para modelar como para llevar a cabo el pronstico de los precios. El
modelo es el siguiente:
Yt = 2.18276 + 0.60490Yt 1
Respecto a las predicciones de precios dentro de la muestra se obtuvo lo siguiente:
Las predicciones dentro de la muestra se encuentran ligeramente separadas de los precios

observados, pero el comportamiento en la tendencia de los precios es la misma. Por otro
lado los pronsticos para los cuatro meses posteriores al mes de julio del 2006 son los
siguientes:
Predicciones precios mensuales

Observacin
Prediccin
Error estndar
Lmites de confianza al 95%
Agosto
4.9532
2.1012
0.8350
9.0714
Septiembre
5.1789
2.4557
0.3659
9.9920
Octubre
5.3155
2.5732
0.2721
10.3589
Noviembre
5.3981
2.6149
0.2730
10.5233
Tabla VI.2. Prediccin de precios para cuatro meses a partir de agosto 2006
En el cuadro anterior se observa un ligero aumento en el precio del jitomate aunque las
observaciones del ao 2005 para estos meses estn claramente por arriba de los precios
pronosticados, lo que podra sugerir que para este ao probablemente se observe un
aumento en la produccin de jitomate saladette para al menos los meses de agosto a
noviembre del ao 2006 en comparacin con el ao anterior.
f 89
Al modelar las series anteriores se observ que hay una alta variabilidad en los precios, lo
cual dificulta la identificacin de un modelo que se pueda ajustar a datos que
constantemente estn variando tanto a la alza como a la baja en periodos de tiempo
reducidos. Pero los modelos propuestos dan buenas aproximaciones a los datos observados
como se mostr en el anlisis estadstico. La confianza en los modelos propuestos descansa
en las tcnicas empleadas en la identificacin de los mismos.
A grandes rasgos podemos decir que:

Las predicciones derivadas del modelo propuesto incluyen todos los elementos
necesarios para ofrecer estimaciones de precios futuros con un alto nivel de

confiabilidad, para que estas predicciones puedan ser usadas con programas de
planeacin y desarrollo. Dichas estimaciones sientan las bases para el anlisis ms
profundo sobre las fuerzas econmicas que operan en el mercado.
f 90
VII. BIBLIOGRAFA
Box, G.E.P.and Jenkins, G.M (1976). Time Series Analysis: Forecasting and Control.
Holden Day. San Francisco.
Chavez Tovar, Irene (1996). Pronstico de Precios de Cerdo en Pie en Mxico: una
Aplicacin de Series de Tiempo. Tesis de maestra. Montecillo, Mxico.
FAO. Faostat. Database results. 2002. Obtenida va Internet. http:www.apps.fao.org/

Mexicanos. Mxico.
Freire Pimentel, Antonio (1976). Prediccin de Precios Utilizando Anlisis Univariado

de Series Cronolgicas: el Caso de Ganado de Carne en el Nordeste del Brasil. Tesis de
maestra. Chapingo, Mxico.
Martnez Gallardo, Jess Bladimir (2002). Comportamiento de la Produccin y

Exportacin del jitomate Rojo en el Estado de Sinaloa en el Periodo de 1990-2000.
Tesis de licenciatura. Chapingo, Mxico.
Martnez Vzquez, Roberto Carlos (2000). Anlisis de la Productividad y Rentabilidad

de la Produccin de Hortalizas de Exportacin. Tesis de licenciatura. Chapingo,
Mxico.
Peter J. Brockwell & Richard A. Davis (1996). Introduction to Time Series and
Forecasting. Springer-Verlag. New York.
Prez Jurez, Jos de Jess (2005). Anlisis de Cointegracin en Series de Tiempo

Multivariadas. Tesis de licenciatura. Chapingo, Mxico.
Saldaa Quinez, Elizabeth (1998). Situacin Actual del jitomate Rojo de Exportacin
y su Influencia en la Economa Mexicana. Tesis de licenciatura. Chapingo, Mxico.
f 91
SNIIM: Precios nacionales de frutas y legumbres, jitomate saladette primera. Obtenida

va Internet. http:www.secofi-sniim.gob.mx/nuevo/
Walter Vandaele (1983). Applied Time Series and Box-Jenkins Models. Academic
Press. New York.
VIII. APNDICE
f 92
VIII.1. Datos
VIII.1.1. Datos diarios 2000-2006

03/01/2000
04/01/2000
05/01/2000
06/01/2000
07/01/2000
10/01/2000
11/01/2000
12/01/2000
13/01/2000
14/01/2000
17/01/2000
18/01/2000
19/01/2000
20/01/2000
21/01/2000
24/01/2000
25/01/2000
26/01/2000
27/01/2000
28/01/2000
31/01/2000
01/02/2000
02/02/2000
03/02/2000
04/02/2000
07/02/2000
08/02/2000
09/02/2000
10/02/2000
11/02/2000
14/02/2000
15/02/2000
16/02/2000
17/02/2000
18/02/2000
21/02/2000
22/02/2000
23/02/2000
24/02/2000
25/02/2000
28/02/2000
29/02/2000
01/03/2000
02/03/2000
2.80
2.87
2.87
3.17
2.87
2.87
2.73
2.53
2.57
2.53
2.53
2.48
2.77
2.67
2.77
2.82
2.67
2.53
2.67
2.43
2.08
2.08
2.18
2.33
2.57
3.02
2.82
2.67
2.57
2.72
2.33
2.47
2.43
2.82
2.40
2.82
2.77
2.67
2.40
2.67
2.20
2.20
2.77
2.92
03/03/2000
06/03/2000
07/03/2000
08/03/2000
09/03/2000
10/03/2000
13/03/2000
14/03/2000
15/03/2000
16/03/2000
17/03/2000
20/03/2000
22/03/2000
23/03/2000
24/03/2000
27/03/2000
28/03/2000
29/03/2000
30/03/2000
31/03/2000
03/04/2000
04/04/2000
05/04/2000
06/04/2000
07/04/2000
10/04/2000
11/04/2000
12/04/2000
13/04/2000
14/04/2000
17/04/2000
18/04/2000
19/04/2000
24/04/2000
25/04/2000
26/04/2000
27/04/2000
28/04/2000
02/05/2000
03/05/2000
04/05/2000
08/05/2000
09/05/2000
10/05/2000
2.92
3.56
3.31
3.56
3.71
3.31
3.20
3.71
3.96
4.94
4.45
5.44
5.64
4.80
5.44
4.65
4.40
4.16
4.16
4.20
5.14
4.40
4.94
5.54
4.94
5.64
5.74
5.34
5.14
4.94
4.65
4.80
4.00
6.13
6.68
6.00
6.08
5.54
4.06
4.16
4.16
4.16
4.50
3.60
11/05/2000
12/05/2000
15/05/2000
16/05/2000
17/05/2000
18/05/2000
19/05/2000
22/05/2000
23/05/2000
24/05/2000
25/05/2000
26/05/2000
29/05/2000
30/05/2000
31/05/2000
01/06/2000
02/06/2000
05/06/2000
06/06/2000
07/06/2000
08/06/2000
09/06/2000
12/06/2000
13/06/2000
14/06/2000
15/06/2000
16/06/2000
19/06/2000
20/06/2000
21/06/2000
22/06/2000
23/06/2000
26/06/2000
27/06/2000
28/06/2000
29/06/2000
30/06/2000
03/07/2000
04/07/2000
05/07/2000
06/07/2000
07/07/2000
10/07/2000
11/07/2000
4.45
4.00
4.20
4.60
4.80
5.20
4.80
4.60
4.80
4.60
5.20
4.80
4.80
5.40
5.80
6.00
5.60
5.60
5.40
5.60
5.60
6.00
5.60
5.60
5.60
6.00
6.00
6.00
6.00
6.00
6.00
6.40
7.81
7.72
8.01
7.72
7.62
8.21
8.21
8.01
8.21
7.72
7.23
7.03
12/07/2000
13/07/2000
14/07/2000
17/07/2000
18/07/2000
19/07/2000
20/07/2000
21/07/2000
24/07/2000
25/07/2000
26/07/2000
27/07/2000
28/07/2000
31/07/2000
01/08/2000
02/08/2000
03/08/2000
04/08/2000
07/08/2000
08/08/2000
09/08/2000
10/08/2000
11/08/2000
14/08/2000
15/08/2000
16/08/2000
17/08/2000
18/08/2000
21/08/2000
22/08/2000
23/08/2000
24/08/2000
25/08/2000
28/08/2000
29/08/2000
30/08/2000
01/09/2000
04/09/2000
05/09/2000
06/09/2000
07/09/2000
08/09/2000
11/09/2000
12/09/2000
6.83
5.84
5.64
5.34
5.34
5.34
6.04
5.94
5.54
5.34
5.34
5.34
5.14
4.65
5.00
5.14
4.70
5.00
5.00
4.94
4.50
4.65
5.34
6.88
7.81
8.31
9.30
9.50
9.70
9.40
10.48
10.88
10.19
9.00
8.01
6.33
6.33
6.43
6.83
6.83
6.53
6.09
5.05
4.65
f 93
13/09/2000
14/09/2000
15/09/2000
18/09/2000
19/09/2000
20/09/2000
21/09/2000
22/09/2000
25/09/2000
26/09/2000
27/09/2000
28/09/2000
29/09/2000
02/10/2000
03/10/2000
04/10/2000
05/10/2000
06/10/2000
09/10/2000
10/10/2000
11/10/2000
12/10/2000
13/10/2000
16/10/2000
17/10/2000
18/10/2000
19/10/2000
20/10/2000
23/10/2000
24/10/2000
25/10/2000
26/10/2000
27/10/2000
30/10/2000
31/10/2000
01/11/2000
03/11/2000
06/11/2000
07/11/2000
08/11/2000
09/11/2000
10/11/2000
13/11/2000
14/11/2000
15/11/2000
16/11/2000
17/11/2000
21/11/2000
22/11/2000
4.94
5.14
5.14
5.14
5.10
5.64
5.44
5.14
4.35
4.77
5.26
5.09
4.79
4.65
4.56
4.56
4.61
4.47
4.29
4.29
5.56
5.38
5.09
4.41
4.32
4.14
3.85
3.85
4.29
5.56
5.09
5.15
4.91
4.91
4.91
4.91
4.61
4.47
4.14
4.14
3.67
3.73
3.99
3.85
3.85
3.85
3.76
4.91
4.91
23/11/2000
24/11/2000
27/11/2000
28/11/2000
29/11/2000
30/11/2000
04/12/2000
05/12/2000
06/12/2000
07/12/2000
08/12/2000
11/12/2000
12/12/2000
13/12/2000
14/12/2000
15/12/2000
18/12/2000
19/12/2000
20/12/2000
21/12/2000
22/12/2000
26/12/2000
27/12/2000
28/12/2000
29/12/2000
02/01/2001
03/01/2001
04/01/2001
05/01/2001
08/01/2001
09/01/2001
10/01/2001
11/01/2001
12/01/2001
15/01/2001
16/01/2001
17/01/2001
18/01/2001
19/01/2001
22/01/2001
23/01/2001
24/01/2001
25/01/2001
26/01/2001
29/01/2001
30/01/2001
31/01/2001
01/02/2001
02/02/2001
5.09
4.91
4.29
4.29
4.29
4.32
4.65
5.15
5.80
6.09
6.27
7.34
8.01
8.01
8.01
9.00
9.30
8.80
9.00
9.68
10.30
11.31
11.31
9.53
10.09
9.70
7.77
6.87
6.23
5.78
5.45
5.33
4.84
4.72
3.44
2.67
2.80
2.55
2.16
2.67
2.79
2.90
2.83
2.61
2.32
2.26
2.81
2.93
2.93
06/02/2001
07/02/2001
08/02/2001
09/02/2001
12/02/2001
13/02/2001
14/02/2001
15/02/2001
16/02/2001
19/02/2001
20/02/2001
21/02/2001
22/02/2001
23/02/2001
26/02/2001
27/02/2001
28/02/2001
01/03/2001
02/03/2001
05/03/2001
06/03/2001
07/03/2001
08/03/2001
09/03/2001
12/03/2001
13/03/2001
14/03/2001
15/03/2001
16/03/2001
19/03/2001
20/03/2001
22/03/2001
23/03/2001
26/03/2001
27/03/2001
28/03/2001
29/03/2001
30/03/2001
02/04/2001
03/04/2001
04/04/2001
05/04/2001
06/04/2001
09/04/2001
10/04/2001
11/04/2001
16/04/2001
17/04/2001
18/04/2001
2.71
2.77
2.71
2.55
2.55
2.55
2.65
2.49
2.42
2.36
2.48
2.26
2.26
2.10
2.16
2.10
2.20
2.26
2.26
2.81
2.81
2.71
2.42
2.36
2.49
2.59
3.16
3.15
3.50
3.41
3.00
3.41
3.51
3.73
4.12
4.49
4.31
4.21
4.02
4.39
3.92
4.09
4.09
3.44
3.16
3.39
4.96
4.64
4.43
19/04/2001
20/04/2001
23/04/2001
24/04/2001
25/04/2001
26/04/2001
27/04/2001
30/04/2001
02/05/2001
03/05/2001
04/05/2001
07/05/2001
08/05/2001
09/05/2001
10/05/2001
11/05/2001
14/05/2001
15/05/2001
16/05/2001
17/05/2001
18/05/2001
21/05/2001
22/05/2001
23/05/2001
24/05/2001
25/05/2001
28/05/2001
29/05/2001
30/05/2001
31/05/2001
01/06/2001
04/06/2001
05/06/2001
06/06/2001
07/06/2001
08/06/2001
11/06/2001
12/06/2001
13/06/2001
14/06/2001
15/06/2001
18/06/2001
19/06/2001
20/06/2001
21/06/2001
22/06/2001
25/06/2001
26/06/2001
27/06/2001
4.48
4.33
3.76
3.42
3.84
3.42
3.52
3.33
3.09
3.25
2.97
3.83
3.54
3.56
3.42
3.25
3.46
3.23
3.59
3.88
3.88
3.86
3.76
3.83
3.64
3.92
3.45
3.64
3.46
3.01
3.58
3.42
3.42
3.29
3.39
3.48
2.91
2.91
2.97
2.97
3.16
3.13
3.42
3.72
3.65
3.39
3.01
3.30
3.59
f 94
28/06/2001
29/06/2001
02/07/2001
03/07/2001
04/07/2001
05/07/2001
06/07/2001
09/07/2001
10/07/2001
11/07/2001
12/07/2001
13/07/2001
16/07/2001
17/07/2001
18/07/2001
19/07/2001
20/07/2001
23/07/2001
24/07/2001
25/07/2001
26/07/2001
27/07/2001
30/07/2001
31/07/2001
01/08/2001
02/08/2001
03/08/2001
06/08/2001
07/08/2001
08/08/2001
09/08/2001
10/08/2001
13/08/2001
14/08/2001
15/08/2001
16/08/2001
17/08/2001
20/08/2001
21/08/2001
22/08/2001
23/08/2001
24/08/2001
27/08/2001
28/08/2001
29/08/2001
30/08/2001
31/08/2001
03/09/2001
04/09/2001
3.65
3.65
3.61
3.42
3.77
3.71
4.08
4.30
4.30
4.11
3.71
3.45
3.89
3.96
5.00
5.36
5.24
4.53
4.33
4.33
4.43
4.13
5.11
5.30
5.57
5.74
5.63
6.65
6.70
6.83
6.73
6.64
6.58
6.65
6.40
6.20
6.04
5.87
6.09
6.32
6.18
6.70
5.65
5.92
5.77
5.96
5.68
5.09
5.23
05/09/2001
06/09/2001
07/09/2001
10/09/2001
11/09/2001
12/09/2001
13/09/2001
14/09/2001
17/09/2001
18/09/2001
19/09/2001
20/09/2001
21/09/2001
24/09/2001
25/09/2001
26/09/2001
27/09/2001
28/09/2001
01/10/2001
02/10/2001
03/10/2001
04/10/2001
05/10/2001
08/10/2001
09/10/2001
10/10/2001
11/10/2001
12/10/2001
15/10/2001
16/10/2001
17/10/2001
18/10/2001
19/10/2001
22/10/2001
23/10/2001
24/10/2001
25/10/2001
26/10/2001
29/10/2001
30/10/2001
31/10/2001
01/11/2001
05/11/2001
06/11/2001
07/11/2001
08/11/2001
09/11/2001
12/11/2001
13/11/2001
5.36
5.16
5.09
5.81
5.77
6.18
5.87
5.56
5.09
5.26
4.97
4.91
4.79
5.87
5.75
6.20
6.20
6.32
6.20
6.01
6.07
6.14
5.94
6.96
7.32
7.32
8.34
7.71
7.84
8.42
8.29
8.04
7.71
7.57
7.45
7.71
8.02
8.41
12.00
11.41
10.53
9.52
8.21
7.20
7.71
6.89
6.79
7.02
7.45
14/11/2001
15/11/2001
16/11/2001
19/11/2001
21/11/2001
22/11/2001
23/11/2001
26/11/2001
27/11/2001
28/11/2001
29/11/2001
30/11/2001
03/12/2001
04/12/2001
05/12/2001
06/12/2001
07/12/2001
10/12/2001
11/12/2001
12/12/2001
13/12/2001
14/12/2001
17/12/2001
18/12/2001
19/12/2001
20/12/2001
21/12/2001
24/12/2001
26/12/2001
27/12/2001
28/12/2001
31/12/2001
02/01/2002
03/01/2002
04/01/2002
07/01/2002
08/01/2002
09/01/2002
10/01/2002
11/01/2002
14/01/2002
15/01/2002
16/01/2002
17/01/2002
18/01/2002
21/01/2002
22/01/2002
23/01/2002
24/01/2002
7.59
7.14
7.06
6.93
6.93
7.06
7.06
6.36
6.17
5.98
5.85
5.37
5.25
5.54
6.22
6.06
6.06
5.68
6.01
6.18
6.01
5.89
5.09
4.88
4.65
4.06
3.91
3.91
3.91
3.91
3.61
3.91
3.81
3.81
3.76
5.93
6.36
8.11
8.24
7.82
8.10
8.12
8.68
8.74
8.16
6.11
5.77
5.42
5.30
25/01/2002
28/01/2002
29/01/2002
30/01/2002
31/01/2002
01/02/2002
04/02/2002
06/02/2002
07/02/2002
08/02/2002
11/02/2002
12/02/2002
13/02/2002
14/02/2002
15/02/2002
18/02/2002
19/02/2002
20/02/2002
21/02/2002
22/02/2002
25/02/2002
26/02/2002
27/02/2002
28/02/2002
01/03/2002
04/03/2002
05/03/2002
06/03/2002
07/03/2002
08/03/2002
11/03/2002
12/03/2002
13/03/2002
14/03/2002
15/03/2002
18/03/2002
19/03/2002
20/03/2002
22/03/2002
25/03/2002
26/03/2002
27/03/2002
01/04/2002
02/04/2002
03/04/2002
04/04/2002
05/04/2002
08/04/2002
09/04/2002
5.28
4.20
4.07
3.63
3.34
3.46
3.28
3.18
3.18
3.11
2.77
2.83
2.83
2.71
2.48
3.20
3.26
3.16
2.87
2.77
2.94
2.91
3.00
3.00
3.00
3.34
3.16
3.85
3.78
3.95
3.62
3.23
3.31
3.53
3.47
5.28
6.36
6.89
6.36
4.94
5.09
5.74
5.44
6.07
7.55
5.97
5.68
4.80
4.56
f 95
10/04/2002
11/04/2002
12/04/2002
15/04/2002
16/04/2002
17/04/2002
18/04/2002
19/04/2002
22/04/2002
23/04/2002
24/04/2002
25/04/2002
26/04/2002
29/04/2002
30/04/2002
02/05/2002
03/05/2002
06/05/2002
07/05/2002
08/05/2002
09/05/2002
13/05/2002
14/05/2002
15/05/2002
16/05/2002
17/05/2002
20/05/2002
21/05/2002
22/05/2002
23/05/2002
24/05/2002
28/05/2002
29/05/2002
30/05/2002
31/05/2002
03/06/2002
04/06/2002
05/06/2002
06/06/2002
07/06/2002
10/06/2002
11/06/2002
12/06/2002
13/06/2002
14/06/2002
17/06/2002
18/06/2002
19/06/2002
20/06/2002
4.27
3.95
3.95
3.26
3.26
3.33
3.39
3.33
2.94
3.16
3.64
3.73
3.81
3.16
3.49
3.19
3.88
5.53
4.90
4.92
4.67
4.28
4.41
4.09
5.09
4.91
4.31
5.09
5.26
5.09
5.24
4.78
4.45
4.69
4.49
4.52
4.34
4.45
4.25
4.45
4.55
3.87
3.94
3.92
3.79
3.58
3.70
3.90
4.47
21/06/2002
24/06/2002
25/06/2002
26/06/2002
27/06/2002
28/06/2002
02/07/2002
03/07/2002
04/07/2002
05/07/2002
08/07/2002
09/07/2002
10/07/2002
11/07/2002
12/07/2002
15/07/2002
16/07/2002
17/07/2002
18/07/2002
19/07/2002
22/07/2002
23/07/2002
24/07/2002
25/07/2002
26/07/2002
29/07/2002
30/07/2002
31/07/2002
01/08/2002
02/08/2002
05/08/2002
06/08/2002
07/08/2002
08/08/2002
09/08/2002
12/08/2002
13/08/2002
14/08/2002
15/08/2002
16/08/2002
19/08/2002
20/08/2002
21/08/2002
22/08/2002
23/08/2002
26/08/2002
27/08/2002
28/08/2002
29/08/2002
4.31
4.86
4.54
4.30
4.44
4.29
4.74
5.13
5.74
5.12
5.11
4.80
4.66
4.82
4.76
4.11
4.76
4.32
4.70
4.66
4.52
3.91
3.80
3.70
3.50
3.15
3.32
3.37
3.38
3.32
3.31
3.38
3.48
3.37
3.25
3.25
3.20
2.97
3.14
3.14
3.31
3.20
3.41
3.26
3.20
3.30
3.14
3.04
2.91
30/08/2002
02/09/2002
03/09/2002
04/09/2002
05/09/2002
06/09/2002
09/09/2002
10/09/2002
11/09/2002
12/09/2002
13/09/2002
17/09/2002
18/09/2002
19/09/2002
20/09/2002
23/09/2002
24/09/2002
25/09/2002
26/09/2002
27/09/2002
30/09/2002
01/10/2002
02/10/2002
03/10/2002
04/10/2002
07/10/2002
08/10/2002
09/10/2002
10/10/2002
11/10/2002
14/10/2002
15/10/2002
16/10/2002
17/10/2002
18/10/2002
21/10/2002
22/10/2002
23/10/2002
24/10/2002
25/10/2002
28/10/2002
29/10/2002
30/10/2002
31/10/2002
01/11/2002
04/11/2002
05/11/2002
06/11/2002
07/11/2002
2.85
3.16
3.48
3.62
3.35
3.29
3.25
3.48
3.40
3.46
3.06
3.88
3.60
3.58
3.38
3.20
3.04
2.94
3.10
2.87
3.64
3.50
3.64
3.85
3.66
3.28
3.24
3.53
2.93
2.90
2.77
3.10
3.20
3.20
3.52
2.86
2.88
2.81
3.09
2.94
3.07
3.13
3.40
3.03
3.10
3.16
3.83
4.37
5.09
08/11/2002
11/11/2002
12/11/2002
13/11/2002
14/11/2002
15/11/2002
18/11/2002
19/11/2002
21/11/2002
22/11/2002
25/11/2002
26/11/2002
27/11/2002
28/11/2002
29/11/2002
02/12/2002
03/12/2002
04/12/2002
05/12/2002
06/12/2002
09/12/2002
10/12/2002
11/12/2002
12/12/2002
13/12/2002
16/12/2002
17/12/2002
18/12/2002
19/12/2002
20/12/2002
23/12/2002
24/12/2002
30/12/2002
31/12/2002
02/01/2003
03/01/2003
06/01/2003
07/01/2003
08/01/2003
09/01/2003
10/01/2003
13/01/2003
14/01/2003
15/01/2003
16/01/2003
17/01/2003
20/01/2003
21/01/2003
22/01/2003
5.56
5.44
4.15
3.83
3.66
3.98
5.79
6.19
5.62
6.19
9.61
9.34
9.66
8.95
8.58
11.31
10.72
10.95
9.29
9.68
9.17
9.10
8.71
8.50
9.03
8.62
8.73
9.44
9.95
10.28
11.88
12.35
10.98
10.42
9.37
8.31
8.82
7.02
7.08
6.76
6.64
5.61
5.53
4.47
3.83
3.03
3.26
3.38
3.38
f 96
23/01/2003
24/01/2003
27/01/2003
28/01/2003
29/01/2003
30/01/2003
31/01/2003
03/02/2003
04/02/2003
06/02/2003
07/02/2003
10/02/2003
11/02/2003
12/02/2003
13/02/2003
14/02/2003
17/02/2003
18/02/2003
19/02/2003
20/02/2003
21/02/2003
24/02/2003
25/02/2003
26/02/2003
27/02/2003
28/02/2003
03/03/2003
04/03/2003
05/03/2003
06/03/2003
07/03/2003
10/03/2003
11/03/2003
12/03/2003
13/03/2003
14/03/2003
17/03/2003
18/03/2003
19/03/2003
20/03/2003
24/03/2003
25/03/2003
26/03/2003
27/03/2003
28/03/2003
31/03/2003
01/04/2003
02/04/2003
03/04/2003
2.87
3.26
3.10
3.09
2.97
2.87
2.87
2.87
2.97
2.93
3.20
3.26
3.26
3.26
3.36
3.49
4.11
4.34
4.09
4.12
3.76
3.79
4.02
4.12
4.72
4.72
3.92
4.15
4.48
4.66
4.72
5.62
5.21
5.37
5.61
4.71
5.29
5.94
5.49
5.49
4.59
3.95
4.56
4.30
4.53
4.14
4.23
3.95
4.32
04/04/2003
07/04/2003
08/04/2003
09/04/2003
10/04/2003
11/04/2003
14/04/2003
15/04/2003
16/04/2003
21/04/2003
22/04/2003
23/04/2003
24/04/2003
25/04/2003
28/04/2003
29/04/2003
30/04/2003
02/05/2003
06/05/2003
07/05/2003
08/05/2003
09/05/2003
12/05/2003
13/05/2003
14/05/2003
15/05/2003
16/05/2003
19/05/2003
20/05/2003
21/05/2003
22/05/2003
23/05/2003
26/05/2003
27/05/2003
28/05/2003
29/05/2003
30/05/2003
02/06/2003
03/06/2003
04/06/2003
05/06/2003
06/06/2003
09/06/2003
10/06/2003
11/06/2003
12/06/2003
13/06/2003
16/06/2003
17/06/2003
3.95
4.14
3.59
3.95
3.83
3.83
3.99
4.29
4.61
4.79
5.38
5.74
5.56
5.44
5.38
6.21
6.57
6.51
8.57
8.46
9.11
9.40
8.64
7.34
7.02
7.71
7.52
6.23
7.34
6.68
6.51
6.03
5.09
4.41
4.18
4.05
3.67
3.96
4.20
4.14
3.96
4.43
4.94
5.09
5.09
5.26
5.09
4.61
4.14
18/06/2003
19/06/2003
20/06/2003
23/06/2003
24/06/2003
25/06/2003
26/06/2003
27/06/2003
30/06/2003
01/07/2003
02/07/2003
03/07/2003
04/07/2003
07/07/2003
08/07/2003
09/07/2003
10/07/2003
11/07/2003
14/07/2003
15/07/2003
16/07/2003
17/07/2003
18/07/2003
21/07/2003
22/07/2003
23/07/2003
24/07/2003
25/07/2003
28/07/2003
29/07/2003
30/07/2003
31/07/2003
01/08/2003
04/08/2003
05/08/2003
06/08/2003
07/08/2003
08/08/2003
11/08/2003
12/08/2003
13/08/2003
14/08/2003
15/08/2003
18/08/2003
19/08/2003
20/08/2003
21/08/2003
22/08/2003
25/08/2003
4.73
5.38
4.91
4.91
4.70
4.56
4.91
5.38
5.29
6.03
5.94
6.80
7.45
8.22
7.63
7.92
7.61
7.67
6.83
7.44
7.65
8.57
8.57
8.57
7.81
6.77
6.21
5.09
3.64
3.88
4.14
3.96
3.81
4.14
4.14
4.29
4.05
3.73
5.17
6.20
7.13
7.40
7.87
6.81
7.07
7.08
7.80
7.72
7.57
26/08/2003
27/08/2003
28/08/2003
29/08/2003
01/09/2003
02/09/2003
03/09/2003
04/09/2003
05/09/2003
08/09/2003
09/09/2003
10/09/2003
11/09/2003
12/09/2003
15/09/2003
17/09/2003
18/09/2003
19/09/2003
22/09/2003
23/09/2003
24/09/2003
25/09/2003
26/09/2003
29/09/2003
30/09/2003
01/10/2003
02/10/2003
03/10/2003
06/10/2003
07/10/2003
08/10/2003
09/10/2003
10/10/2003
13/10/2003
14/10/2003
15/10/2003
16/10/2003
17/10/2003
20/10/2003
21/10/2003
22/10/2003
23/10/2003
24/10/2003
27/10/2003
28/10/2003
29/10/2003
30/10/2003
31/10/2003
03/11/2003
7.71
8.28
7.99
7.91
8.09
8.34
8.49
9.21
8.52
8.71
7.97
8.30
8.09
7.72
7.16
6.12
6.54
5.71
6.09
6.43
6.61
6.27
6.88
6.12
6.27
6.45
6.95
6.40
5.36
5.62
5.29
5.13
4.92
5.67
6.84
6.52
6.51
6.30
6.43
6.98
7.20
7.10
7.63
7.46
8.09
7.81
7.90
7.58
7.60
f 97
04/11/2003
05/11/2003
06/11/2003
07/11/2003
10/11/2003
11/11/2003
12/11/2003
13/11/2003
14/11/2003
17/11/2003
18/11/2003
19/11/2003
21/11/2003
24/11/2003
25/11/2003
26/11/2003
27/11/2003
28/11/2003
01/12/2003
02/12/2003
03/12/2003
04/12/2003
05/12/2003
08/12/2003
09/12/2003
10/12/2003
11/12/2003
12/12/2003
15/12/2003
16/12/2003
17/12/2003
18/12/2003
19/12/2003
22/12/2003
23/12/2003
24/12/2003
26/12/2003
29/12/2003
30/12/2003
31/12/2003
02/01/2004
05/01/2004
06/01/2004
07/01/2004
08/01/2004
09/01/2004
12/01/2004
13/01/2004
14/01/2004
7.99
7.94
7.75
8.17
7.49
7.67
7.86
7.51
7.15
7.31
7.31
7.49
7.30
8.04
8.52
8.84
9.52
8.60
11.15
14.12
15.23
13.26
12.16
10.92
11.62
11.25
11.34
11.09
10.24
9.97
9.81
9.17
9.82
10.41
10.59
10.79
10.88
9.30
9.48
8.78
9.39
5.66
4.86
5.33
4.99
4.60
3.93
3.71
3.53
15/01/2004
16/01/2004
19/01/2004
20/01/2004
21/01/2004
22/01/2004
23/01/2004
26/01/2004
27/01/2004
28/01/2004
29/01/2004
30/01/2004
02/02/2004
03/02/2004
04/02/2004
06/02/2004
09/02/2004
10/02/2004
11/02/2004
12/02/2004
13/02/2004
16/02/2004
17/02/2004
18/02/2004
19/02/2004
20/02/2004
23/02/2004
24/02/2004
25/02/2004
26/02/2004
27/02/2004
01/03/2004
02/03/2004
03/03/2004
04/03/2004
05/03/2004
08/03/2004
09/03/2004
10/03/2004
11/03/2004
12/03/2004
15/03/2004
16/03/2004
17/03/2004
18/03/2004
19/03/2004
22/03/2004
23/03/2004
24/03/2004
3.32
3.32
5.31
4.48
3.21
3.48
3.43
3.34
3.44
3.89
3.91
4.05
4.11
3.86
3.09
3.25
3.69
3.44
3.50
3.38
3.38
3.31
3.59
4.29
5.26
4.47
4.21
4.21
4.29
4.89
4.47
5.66
5.74
5.51
5.28
4.53
5.77
5.41
5.10
4.86
4.14
3.92
4.34
5.51
5.91
5.40
4.73
5.04
5.65
25/03/2004
26/03/2004
29/03/2004
30/03/2004
31/03/2004
01/04/2004
02/04/2004
05/04/2004
06/04/2004
07/04/2004
12/04/2004
13/04/2004
14/04/2004
15/04/2004
16/04/2004
19/04/2004
20/04/2004
21/04/2004
22/04/2004
23/04/2004
26/04/2004
27/04/2004
28/04/2004
29/04/2004
30/04/2004
03/05/2004
04/05/2004
06/05/2004
07/05/2004
10/05/2004
11/05/2004
12/05/2004
13/05/2004
14/05/2004
17/05/2004
18/05/2004
19/05/2004
20/05/2004
21/05/2004
24/05/2004
25/05/2004
26/05/2004
27/05/2004
28/05/2004
31/05/2004
01/06/2004
02/06/2004
03/06/2004
04/06/2004
5.77
5.41
4.63
4.30
4.31
4.21
4.36
4.43
5.04
5.34
6.27
6.46
7.82
8.42
8.53
7.72
7.81
7.90
8.09
8.77
5.34
6.44
6.24
6.24
6.24
5.08
5.06
5.44
5.77
5.45
5.34
4.73
5.12
5.00
5.33
5.06
4.77
4.80
4.72
5.45
5.22
5.10
4.76
4.88
4.64
4.05
4.21
4.48
4.03
07/06/2004
08/06/2004
09/06/2004
10/06/2004
11/06/2004
14/06/2004
15/06/2004
16/06/2004
17/06/2004
18/06/2004
21/06/2004
22/06/2004
23/06/2004
24/06/2004
25/06/2004
28/06/2004
29/06/2004
30/06/2004
01/07/2004
02/07/2004
05/07/2004
06/07/2004
07/07/2004
08/07/2004
09/07/2004
12/07/2004
13/07/2004
14/07/2004
15/07/2004
16/07/2004
19/07/2004
20/07/2004
21/07/2004
22/07/2004
23/07/2004
26/07/2004
27/07/2004
28/07/2004
29/07/2004
30/07/2004
02/08/2004
03/08/2004
04/08/2004
05/08/2004
06/08/2004
09/08/2004
10/08/2004
11/08/2004
12/08/2004
4.21
4.46
4.81
4.35
4.40
4.19
4.47
4.46
4.35
4.21
4.25
4.51
4.46
4.51
4.35
4.30
4.25
4.25
4.21
4.05
4.37
5.32
5.32
5.20
4.88
4.73
4.63
4.66
4.71
5.12
4.74
4.36
4.73
4.22
4.05
4.29
4.30
4.45
4.15
3.68
4.16
4.10
5.17
5.41
5.41
5.77
5.97
6.20
7.19
f 98
13/08/2004
16/08/2004
17/08/2004
18/08/2004
19/08/2004
20/08/2004
23/08/2004
24/08/2004
25/08/2004
26/08/2004
27/08/2004
30/08/2004
31/08/2004
01/09/2004
02/09/2004
03/09/2004
06/09/2004
07/09/2004
08/09/2004
09/09/2004
10/09/2004
13/09/2004
14/09/2004
15/09/2004
17/09/2004
20/09/2004
21/09/2004
22/09/2004
23/09/2004
24/09/2004
27/09/2004
28/09/2004
29/09/2004
30/09/2004
01/10/2004
04/10/2004
05/10/2004
06/10/2004
07/10/2004
08/10/2004
11/10/2004
12/10/2004
13/10/2004
14/10/2004
15/10/2004
18/10/2004
19/10/2004
20/10/2004
21/10/2004
7.19
6.48
7.36
7.91
7.91
8.32
7.81
7.81
9.09
8.86
10.39
9.65
9.45
9.36
9.45
9.45
9.72
9.84
9.64
9.27
9.03
9.35
9.73
10.15
9.85
9.74
9.72
9.81
9.88
10.67
9.54
9.54
8.98
8.59
8.72
10.83
11.18
11.42
10.28
10.39
9.93
10.11
10.05
9.04
8.76
8.60
9.65
9.61
9.65
22/10/2004
25/10/2004
26/10/2004
27/10/2004
28/10/2004
29/10/2004
01/11/2004
03/11/2004
04/11/2004
05/11/2004
08/11/2004
09/11/2004
10/11/2004
11/11/2004
12/11/2004
15/11/2004
16/11/2004
17/11/2004
18/11/2004
19/11/2004
22/11/2004
23/11/2004
24/11/2004
25/11/2004
26/11/2004
29/11/2004
30/11/2004
01/12/2004
02/12/2004
03/12/2004
06/12/2004
07/12/2004
08/12/2004
09/12/2004
10/12/2004
13/12/2004
14/12/2004
15/12/2004
16/12/2004
17/12/2004
20/12/2004
21/12/2004
22/12/2004
23/12/2004
24/12/2004
27/12/2004
28/12/2004
29/12/2004
30/12/2004
9.42
9.23
9.79
9.36
9.50
9.55
9.45
9.90
9.73
9.78
10.89
11.32
11.51
11.19
10.51
14.97
16.02
16.71
16.71
15.97
14.09
14.95
14.79
13.37
12.74
10.83
11.02
11.15
10.29
10.38
10.00
8.81
8.67
8.15
8.10
7.57
7.35
7.00
6.99
6.79
6.42
6.42
6.31
6.31
6.31
6.31
5.68
5.06
4.66
31/12/2004
03/01/2005
04/01/2005
05/01/2005
06/01/2005
07/01/2005
10/01/2005
11/01/2005
12/01/2005
13/01/2005
14/01/2005
17/01/2005
18/01/2005
19/01/2005
20/01/2005
21/01/2005
24/01/2005
25/01/2005
26/01/2005
27/01/2005
28/01/2005
31/01/2005
01/02/2005
02/02/2005
03/02/2005
04/02/2005
07/02/2005
08/02/2005
09/02/2005
10/02/2005
11/02/2005
14/02/2005
15/02/2005
16/02/2005
17/02/2005
18/02/2005
21/02/2005
22/02/2005
23/02/2005
24/02/2005
25/02/2005
28/02/2005
01/03/2005
02/03/2005
03/03/2005
04/03/2005
07/03/2005
08/03/2005
09/03/2005
4.33
4.54
4.41
4.20
4.44
4.70
4.08
3.79
3.84
3.35
3.08
3.24
3.38
3.60
3.53
3.54
3.47
3.42
3.42
3.11
3.20
3.42
3.75
3.46
3.46
3.33
6.53
6.90
6.66
5.22
5.00
4.72
5.06
5.56
5.35
6.55
7.00
7.37
5.99
5.79
6.38
8.61
8.01
7.36
7.25
7.07
7.29
6.64
6.93
10/03/2005
11/03/2005
14/03/2005
15/03/2005
16/03/2005
17/03/2005
18/03/2005
22/03/2005
23/03/2005
28/03/2005
29/03/2005
30/03/2005
31/03/2005
01/04/2005
04/04/2005
05/04/2005
06/04/2005
07/04/2005
08/04/2005
11/04/2005
12/04/2005
13/04/2005
14/04/2005
15/04/2005
18/04/2005
19/04/2005
20/04/2005
21/04/2005
22/04/2005
25/04/2005
26/04/2005
27/04/2005
28/04/2005
29/04/2005
02/05/2005
03/05/2005
04/05/2005
06/05/2005
09/05/2005
10/05/2005
11/05/2005
12/05/2005
13/05/2005
16/05/2005
17/05/2005
18/05/2005
19/05/2005
20/05/2005
23/05/2005
7.43
7.34
7.10
7.49
7.79
8.09
7.99
7.05
7.03
7.79
6.86
6.86
7.14
6.90
6.86
6.58
7.10
6.94
6.85
7.25
7.06
7.78
8.28
8.54
9.86
11.18
12.49
11.51
11.00
11.70
11.64
12.12
10.98
12.02
13.41
13.26
12.65
13.04
11.88
11.85
11.96
11.91
11.91
12.05
12.18
11.65
11.42
11.28
9.46
f 99
24/05/2005
25/05/2005
26/05/2005
27/05/2005
30/05/2005
31/05/2005
01/06/2005
02/06/2005
03/06/2005
06/06/2005
07/06/2005
08/06/2005
09/06/2005
10/06/2005
13/06/2005
14/06/2005
15/06/2005
16/06/2005
17/06/2005
20/06/2005
21/06/2005
22/06/2005
23/06/2005
24/06/2005
27/06/2005
28/06/2005
29/06/2005
30/06/2005
01/07/2005
04/07/2005
05/07/2005
06/07/2005
07/07/2005
08/07/2005
11/07/2005
12/07/2005
13/07/2005
14/07/2005
15/07/2005
18/07/2005
19/07/2005
20/07/2005
21/07/2005
22/07/2005
25/07/2005
26/07/2005
27/07/2005
28/07/2005
29/07/2005
9.55
10.53
8.77
9.38
9.52
10.00
8.13
8.10
8.10
6.64
6.64
7.63
8.10
7.58
7.58
8.53
8.24
8.33
8.77
8.84
8.78
9.64
9.21
9.21
9.45
8.93
9.45
10.54
10.24
11.48
11.49
11.50
11.57
11.81
11.83
11.47
10.82
10.82
8.54
7.23
6.45
6.16
5.85
5.85
5.85
5.53
4.64
4.82
5.22
01/08/2005
02/08/2005
03/08/2005
04/08/2005
05/08/2005
08/08/2005
09/08/2005
10/08/2005
11/08/2005
12/08/2005
15/08/2005
16/08/2005
17/08/2005
18/08/2005
19/08/2005
22/08/2005
23/08/2005
24/08/2005
25/08/2005
26/08/2005
30/08/2005
31/08/2005
01/09/2005
02/09/2005
05/09/2005
06/09/2005
07/09/2005
08/09/2005
09/09/2005
12/09/2005
13/09/2005
14/09/2005
15/09/2005
19/09/2005
20/09/2005
21/09/2005
22/09/2005
23/09/2005
26/09/2005
27/09/2005
28/09/2005
29/09/2005
30/09/2005
03/10/2005
04/10/2005
05/10/2005
06/10/2005
07/10/2005
10/10/2005
5.07
5.07
5.07
5.16
4.98
4.99
5.39
5.28
5.28
5.54
6.24
6.13
6.61
6.56
6.01
5.69
5.69
5.64
5.34
5.34
5.24
5.24
5.18
5.18
5.33
5.79
5.33
5.17
4.88
5.00
4.47
4.47
5.02
5.34
5.29
5.53
5.53
5.34
4.86
4.86
4.74
4.74
4.31
4.31
4.21
4.21
4.71
4.33
4.33
11/10/2005
12/10/2005
13/10/2005
14/10/2005
17/10/2005
18/10/2005
19/10/2005
20/10/2005
21/10/2005
24/10/2005
25/10/2005
26/10/2005
27/10/2005
28/10/2005
31/10/2005
01/11/2005
03/11/2005
04/11/2005
07/11/2005
08/11/2005
09/11/2005
10/11/2005
11/11/2005
14/11/2005
15/11/2005
16/11/2005
17/11/2005
18/11/2005
21/11/2005
22/11/2005
23/11/2005
24/11/2005
25/11/2005
28/11/2005
29/11/2005
30/11/2005
01/12/2005
02/12/2005
05/12/2005
06/12/2005
07/12/2005
08/12/2005
09/12/2005
12/12/2005
13/12/2005
14/12/2005
15/12/2005
16/12/2005
19/12/2005
4.33
4.33
4.33
4.33
3.61
3.33
3.33
3.52
3.48
3.09
3.38
3.02
3.18
3.18
3.33
3.40
2.95
2.95
3.43
3.51
3.51
3.54
3.49
3.58
3.61
3.70
3.66
4.09
4.09
4.50
4.48
4.08
4.14
4.83
5.88
6.29
6.97
6.61
6.78
7.36
7.03
7.08
6.96
6.96
6.87
7.20
7.65
7.65
7.72
20/12/2005
21/12/2005
22/12/2005
23/12/2005
26/12/2005
27/12/2005
28/12/2005
29/12/2005
30/12/2005
02/01/2006
03/01/2006
04/01/2006
05/01/2006
06/01/2006
09/01/2006
10/01/2006
11/01/2006
12/01/2006
13/01/2006
16/01/2006
17/01/2006
18/01/2006
19/01/2006
20/01/2006
23/01/2006
24/01/2006
25/01/2006
26/01/2006
27/01/2006
30/01/2006
31/01/2006
01/02/2006
02/02/2006
03/02/2006
07/02/2006
08/02/2006
09/02/2006
10/02/2006
13/02/2006
14/02/2006
15/02/2006
16/02/2006
17/02/2006
20/02/2006
21/02/2006
22/02/2006
23/02/2006
24/02/2006
27/02/2006
7.94
8.35
8.69
9.72
9.28
9.15
8.64
8.87
9.27
10.55
10.38
9.57
12.46
11.76
11.96
11.41
11.83
12.21
10.82
12.03
11.81
12.08
11.41
11.33
11.02
11.12
11.06
11.06
13.08
13.08
14.09
14.21
13.42
13.55
13.44
12.99
12.99
11.90
11.14
10.98
10.89
11.16
11.16
9.66
9.84
9.72
9.57
8.04
7.63
f 100
28/02/2006
01/03/2006
02/03/2006
03/03/2006
06/03/2006
07/03/2006
08/03/2006
09/03/2006
10/03/2006
13/03/2006
14/03/2006
15/03/2006
16/03/2006
17/03/2006
20/03/2006
22/03/2006
23/03/2006
24/03/2006
27/03/2006
28/03/2006
29/03/2006
30/03/2006
31/03/2006
03/04/2006
04/04/2006
7.41
6.67
6.52
6.52
6.57
5.89
6.30
6.11
6.15
6.10
6.24
6.03
6.03
5.81
5.53
5.67
6.03
5.85
6.03
5.58
5.94
6.23
6.18
6.48
6.32
05/04/2006
06/04/2006
07/04/2006
10/04/2006
11/04/2006
12/04/2006
17/04/2006
18/04/2006
19/04/2006
20/04/2006
21/04/2006
24/04/2006
25/04/2006
26/04/2006
27/04/2006
28/04/2006
02/05/2006
03/05/2006
04/05/2006
08/05/2006
09/05/2006
10/05/2006
11/05/2006
12/05/2006
15/05/2006
7.02
6.93
6.93
6.39
6.57
6.57
9.77
9.72
9.63
9.50
7.76
7.58
9.74
9.08
9.08
9.03
8.36
9.25
9.27
8.14
7.44
7.06
7.11
6.48
6.14
16/05/2006
17/05/2006
18/05/2006
19/05/2006
22/05/2006
23/05/2006
24/05/2006
25/05/2006
26/05/2006
29/05/2006
30/05/2006
31/05/2006
01/06/2006
02/06/2006
05/06/2006
06/06/2006
07/06/2006
08/06/2006
09/06/2006
12/06/2006
13/06/2006
14/06/2006
15/06/2006
16/06/2006
19/06/2006
5.98
6.03
5.81
5.94
5.67
5.31
4.98
5.25
4.98
4.32
4.50
4.17
4.31
4.74
4.43
4.74
5.20
4.61
4.98
3.93
4.17
4.23
3.93
4.22
4.11
20/06/2006
21/06/2006
22/06/2006
23/06/2006
26/06/2006
27/06/2006
28/06/2006
29/06/2006
30/06/2006
03/07/2006
04/07/2006
05/07/2006
06/07/2006
07/07/2006
10/07/2006
11/07/2006
12/07/2006
13/07/2006
14/07/2006
17/07/2006
18/07/2006
19/07/2006
20/07/2006
21/07/2006
4.51
4.82
4.39
4.39
3.75
4.09
4.19
4.11
4.00
4.01
4.66
4.75
4.60
4.68
4.78
5.16
4.95
4.71
4.71
4.46
4.34
4.34
4.24
4.33
VIII.1.2. Datos semanales 1998-2006
02/01/1998
09/01/1998
16/01/1998
23/01/1998
30/01/1998
06/02/1998
13/02/1998
20/02/1998
27/02/1998
06/03/1998
13/03/1998
20/03/1998
27/03/1998
03/04/1998
10/04/1998
17/04/1998
24/04/1998
30/04/1998
08/05/1998
5.05
5.24
6.06
5.85
3.86
2.38
2.16
2.83
2.07
2.86
1.86
1.63
1.78
1.71
1.87
2.21
1.88
2.03
2.40
15/05/1998
22/05/1998
29/05/1998
05/06/1998
12/06/1998
19/06/1998
26/06/1998
03/07/1998
10/07/1998
17/07/1998
24/07/1998
31/07/1998
07/08/1998
14/08/1998
21/08/1998
28/08/1998
04/09/1998
11/09/1998
18/09/1998
2.55
3.03
2.66
2.94
3.02
2.74
2.93
4.40
4.84
4.73
4.67
3.55
2.23
3.19
2.62
2.62
3.01
3.00
3.70
25/09/1998
02/10/1998
09/10/1998
16/10/1998
23/10/1998
30/10/1998
06/11/1998
13/11/1998
19/11/1998
27/11/1998
04/12/1998
11/12/1998
18/12/1998
24/12/1998
31/12/1998
08/01/1999
15/01/1999
22/01/1999
29/01/1999
5.19
5.72
6.85
7.17
9.05
9.04
8.48
8.61
10.91
9.90
8.64
8.28
13.06
15.65
18.39
16.11
15.72
14.30
7.92
04/02/1999
12/02/1999
19/02/1999
26/02/1999
05/03/1999
12/03/1999
19/03/1999
26/03/1999
31/03/1999
09/04/1999
16/04/1999
23/04/1999
30/04/1999
07/05/1999
14/05/1999
21/05/1999
28/05/1999
04/06/1999
11/06/1999
4.21
2.34
2.01
1.77
2.27
1.81
2.03
1.98
2.23
2.625
2.12
3.01
2.72
3.24
3.14
3.58
4.02
3.07
2.36
f 101
18/06/1999
25/06/1999
02/07/1999
09/07/1999
16/07/1999
23/07/1999
30/07/1999
06/08/1999
13/08/1999
20/08/1999
27/08/1999
03/09/1999
10/09/1999
17/09/1999
24/09/1999
01/10/1999
08/10/1999
15/10/1999
22/10/1999
29/10/1999
05/11/1999
12/11/1999
19/11/1999
26/11/1999
03/12/1999
10/12/1999
17/12/1999
24/12/1999
31/12/1999
07/01/2000
14/01/2000
21/01/2000
28/01/2000
04/02/2000
11/02/2000
18/02/2000
25/02/2000
03/03/2000
10/03/2000
17/03/2000
24/03/2000
31/03/2000
07/04/2000
14/04/2000
19/04/2000
28/04/2000
04/05/2000
12/05/2000
19/05/2000
2.92
2.75
4.10
6.71
6.45
6.57
3.65
3.28
2.75
2.56
3.65
3.51
4.27
4.13
4.25
3.18
2.93
2.84
3.28
3.76
4.96
3.84
2.30
2.10
2.18
2.60
2.84
3.20
3.04
2.92
2.64
2.64
2.62
2.24
2.76
2.49
2.67
2.60
3.49
4.05
5.33
4.31
4.99
5.36
4.48
6.09
4.12
4.14
4.72
26/05/2000
02/06/2000
09/06/2000
16/06/2000
23/06/2000
30/06/2000
07/07/2000
14/07/2000
21/07/2000
28/07/2000
04/08/2000
11/08/2000
18/08/2000
25/08/2000
01/09/2000
08/09/2000
15/09/2000
22/09/2000
29/09/2000
06/10/2000
13/10/2000
20/10/2000
27/10/2000
03/11/2000
10/11/2000
17/11/2000
24/11/2000
30/11/2000
08/12/2000
15/12/2000
22/12/2000
29/12/2000
05/01/2001
12/01/2001
19/01/2001
26/01/2001
02/02/2001
09/02/2001
16/02/2001
23/02/2001
02/03/2001
09/03/2001
16/03/2001
23/03/2001
30/03/2001
06/04/2001
11/04/2001
20/04/2001
27/04/2001
4.80
5.52
5.64
5.76
6.08
7.78
8.07
6.51
5.60
5.34
4.90
4.88
8.36
10.13
7.42
6.54
4.98
5.29
4.85
4.57
4.92
4.11
5.00
4.83
4.03
3.86
4.95
4.32
5.59
8.07
10.30
10.09
7.64
5.22
2.73
2.76
2.65
2.68
2.53
2.29
2.20
2.62
2.98
3.33
4.17
4.10
3.33
4.57
3.59
04/05/2001
11/05/2001
18/05/2001
25/05/2001
01/06/2001
08/06/2001
15/06/2001
22/06/2001
29/06/2001
06/07/2001
13/07/2001
20/07/2001
27/07/2001
03/08/2001
10/08/2001
17/08/2001
24/08/2001
31/08/2001
07/09/2001
14/09/2001
21/09/2001
28/09/2001
05/10/2001
12/10/2001
19/10/2001
26/10/2001
01/11/2001
09/11/2001
16/11/2001
23/11/2001
30/11/2001
07/12/2001
14/12/2001
21/12/2001
28/12/2001
04/01/2002
11/01/2002
18/01/2002
25/01/2002
01/02/2002
08/02/2002
15/02/2002
22/02/2002
01/03/2002
08/03/2002
15/03/2002
22/03/2002
27/03/2002
05/04/2002
3.16
3.52
3.61
3.80
3.43
3.40
2.98
3.46
3.44
3.72
3.97
4.69
4.35
5.47
6.71
6.37
6.23
5.80
5.19
5.84
5.01
6.07
6.07
7.53
8.06
7.83
10.87
7.36
7.25
7.00
5.94
5.83
5.95
4.51
3.85
3.79
7.29
8.36
5.58
3.74
3.19
2.73
3.05
2.97
3.62
3.43
6.22
5.25
6.14
12/04/2002
19/04/2002
26/04/2002
03/05/2002
09/05/2002
17/05/2002
24/05/2002
31/05/2002
07/06/2002
14/06/2002
21/06/2002
28/06/2002
05/07/2002
12/07/2002
19/07/2002
26/07/2002
02/08/2002
09/08/2002
16/08/2002
23/08/2002
30/08/2002
06/09/2002
13/09/2002
20/09/2002
27/09/2002
04/10/2002
11/10/2002
18/10/2002
25/10/2002
01/11/2002
08/11/2002
15/11/2002
22/11/2002
29/11/2002
06/12/2002
13/12/2002
20/12/2002
24/12/2002
03/01/2003
10/01/2003
17/01/2003
24/01/2003
31/01/2003
07/02/2003
14/02/2003
21/02/2003
28/02/2003
07/03/2003
14/03/2003
4.31
3.31
3.45
3.43
5.00
4.55
4.99
4.60
4.40
4.01
3.99
4.48
5.18
4.83
4.51
3.89
3.31
3.36
3.14
3.28
3.05
3.38
3.33
3.61
3.03
3.66
3.18
3.16
2.92
3.15
4.40
4.21
5.95
9.23
10.39
8.90
9.41
12.12
8.84
7.26
4.49
3.23
2.98
2.99
3.33
4.09
4.28
4.39
5.30
f 102
20/03/2003
28/03/2003
04/04/2003
11/04/2003
16/04/2003
25/04/2003
02/05/2003
09/05/2003
16/05/2003
23/05/2003
30/05/2003
06/06/2003
13/06/2003
20/06/2003
27/06/2003
04/07/2003
11/07/2003
18/07/2003
25/07/2003
01/08/2003
08/08/2003
15/08/2003
22/08/2003
29/08/2003
05/09/2003
12/09/2003
19/09/2003
26/09/2003
03/10/2003
10/10/2003
17/10/2003
24/10/2003
31/10/2003
07/11/2003
14/11/2003
21/11/2003
28/11/2003
05/12/2003
12/12/2003
19/12/2003
26/12/2003
02/01/2004
09/01/2004
16/01/2004
23/01/2004
5.55
4.38
4.12
3.87
4.30
5.38
6.17
8.88
7.64
6.56
4.28
4.14
5.09
4.75
4.89
6.30
7.81
7.81
6.89
3.88
4.07
6.75
7.30
7.89
8.53
8.16
6.38
6.45
6.44
5.26
6.37
7.07
7.77
7.89
7.54
7.35
8.70
13.18
11.24
9.80
10.67
9.39
5.09
3.56
3.98
30/01/2004
06/02/2004
13/02/2004
20/02/2004
27/02/2004
05/03/2004
12/03/2004
19/03/2004
26/03/2004
02/04/2004
07/04/2004
16/04/2004
23/04/2004
30/04/2004
07/05/2004
14/05/2004
21/05/2004
28/05/2004
04/06/2004
11/06/2004
18/06/2004
25/06/2004
02/07/2004
09/07/2004
16/07/2004
23/07/2004
30/07/2004
06/08/2004
13/08/2004
20/08/2004
27/08/2004
03/09/2004
10/09/2004
17/09/2004
24/09/2004
01/10/2004
08/10/2004
15/10/2004
22/10/2004
29/10/2004
05/11/2004
12/11/2004
19/11/2004
26/11/2004
03/12/2004
3.73
3.58
3.48
4.18
4.41
5.34
5.06
5.01
5.32
4.36
4.93
7.50
8.06
6.10
5.34
5.13
4.94
5.08
4.28
4.45
4.33
4.42
4.21
5.02
4.77
4.42
4.17
4.85
6.47
7.59
8.79
9.47
9.50
9.77
9.96
9.07
10.82
9.58
9.38
9.48
9.71
11.08
16.07
13.99
10.73
10/12/2004
17/12/2004
24/12/2004
31/12/2004
07/01/2005
14/01/2005
21/01/2005
28/01/2005
04/02/2005
11/02/2005
18/02/2005
25/02/2005
04/03/2005
11/03/2005
18/03/2005
23/03/2005
01/04/2005
08/04/2005
15/04/2005
22/04/2005
29/04/2005
06/05/2005
13/05/2005
20/05/2005
27/05/2005
03/06/2005
10/06/2005
17/06/2005
24/06/2005
01/07/2005
08/07/2005
15/07/2005
22/07/2005
29/07/2005
05/08/2005
12/08/2005
19/08/2005
26/08/2005
02/09/2005
09/09/2005
15/09/2005
23/09/2005
30/09/2005
07/10/2005
14/10/2005
8.74
7.14
6.36
5.21
4.46
3.63
3.46
3.32
3.48
6.06
5.45
6.51
7.66
7.12
7.69
7.04
7.11
6.87
7.78
11.21
11.69
13.09
11.90
11.72
9.54
8.77
7.32
8.29
9.14
9.72
11.57
10.70
6.31
5.21
5.07
5.29
6.31
5.54
5.21
5.30
4.74
5.41
4.70
4.35
4.33
21/10/2005
28/10/2005
04/11/2005
11/11/2005
18/11/2005
25/11/2005
02/12/2005
09/12/2005
16/12/2005
23/12/2005
30/12/2005
06/01/2006
13/01/2006
20/01/2006
27/01/2006
03/02/2006
10/02/2006
17/02/2006
24/02/2006
03/03/2006
10/03/2006
17/03/2006
24/03/2006
31/03/2006
07/04/2006
12/04/2006
21/04/2006
28/04/2006
04/05/2006
12/05/2006
19/05/2006
26/05/2006
02/06/2006
09/06/2006
16/06/2006
23/06/2006
30/06/2006
07/07/2006
14/07/2006
21/07/2006
3.45
3.17
3.16
3.49
3.73
4.26
6.11
7.04
7.27
8.48
9.04
10.94
11.64
11.73
11.47
13.67
12.83
11.06
9.37
6.95
6.20
6.04
5.77
5.99
6.74
6.51
9.27
8.90
8.96
7.24
5.98
5.24
4.41
4.79
4.09
4.45
4.03
4.54
4.86
4.34
f 103
VIII.1.3. Datos mensuales 1998-2006
Ene-98
5.21
Mar-00
4.05
May-02
4.66
Jul-04
4.55
Feb-98
2.36
Abr-00
5.31
Jun-02
4.22
Ago-04
7.16
Mar-98
2.03
May-00
4.6
Jul-02
4.4
Sep-04
9.59
Abr-98
1.94
Jun-00
6.27
Ago-02
3.22
Oct-04
9.76
May-98
2.66
Jul-00
6.3
Sep-02
3.34
Nov-04
12.69
Jun-98
2.9
Ago-00
7.27
Oct-02
3.2
Dic-04
7.35
Jul-98
4.43
Sep-00
5.46
Nov-02
5.8
Ene-05
3.7
Ago-98
2.66
Oct-00
4.67
Dic-02
9.95
Feb-05
5.63
Sep-98
3.72
Nov-00
4.24
Ene-03
4.89
Mar-05
7.33
Oct-98
7.57
Dic-00
8.3
Feb-03
3.7
Abr-05
9.27
Nov-98
9.47
Ene-01
4.16
Mar-03
4.84
May-05
11.32
Dic-98
12.8
Feb-01
2.48
Abr-03
4.69
Jun-05
8.47
Ene-99
13.51
Mar-01
3.18
May-03
6.72
Jul-05
8.53
Feb-99
2.58
Abr-01
3.93
Jun-03
4.74
Ago-05
5.53
Mar-99
2.06
May-01
3.52
Jul-03
6.71
Sep-05
5.06
Abr-99
2.62
Jun-01
3.33
Ago-03
6.37
Oct-05
3.8
May-99
3.49
Jul-01
4.28
Sep-03
7.32
Nov-05
3.99
Jun-99
2.77
Ago-01
6.2
Oct-03
6.61
Dic-05
7.85
Jul-99
5.49
Sep-01
5.53
Nov-03
7.9
Ene-06
11.64
Ago-99
3.06
Oct-01
7.89
Dic-03
10.97
Feb-06
11.04
Sep-99
4.04
Nov-01
7.01
Ene-04
4.34
Mar-06
6.09
Oct-99
3.19
Dic-01
5.03
Feb-04
3.93
Abr-06
8.01
Nov-99
3.3
Ene-02
6.04
Mar-04
5.08
May-06
6.29
Dic-99
2.77
Feb-02
Abr-04
6.58
Jun-06
4.36
Ene-00
2.68
Mar-02
4.38
May-04
5.09
Jul-06
4.58
Feb-00
2.53
Abr-02
4.21
Jun-04
4.34
VIII.2. Programas
VIII.2.1. Prueba de raz unitaria para los datos semanales

proc varmax data=raiz;
model y / p=1 dftest print=(roots);

run;
f 104
VIII.2.2. Seleccin del mejor modelo para los datos semanales de acuerdo
al criterio del mnimo AICC
proc varmax data=a;
model y/ minic=(type=aic p=5);

proc print;/*=(parcoef pcancorr pcorr); /*selecciona el mejor modelo segun
el criterio del minimo AICC*/

run;
VIII.2.3. Pronstico a 4 pasos para los datos semanales empleando un

modelo AR(2)
proc varmax data=a;
model y / p=2
print=(decompose(6) impulse=(stderr))
printform=both lagmax=3;
output lead=4;
run;
VIII.2.4. Prueba de raz unitaria para los datos mensuales
proc varmax data=raiz;
model y / p=1 dftest print=(roots);

run;
VIII.2.5. Seleccin del mejor modelo para los datos mensuales de acuerdo
al criterio del mnimo AICC
proc varmax data=a;
model y/ minic=(type=aic p=5);

proc print;/*=(parcoef pcancorr pcorr); /*seleciona el mejor modelo segun el
criterio del minimo AICC*/

run;
f 105
VIII.2.6. Pronstico a 4 pasos para los datos mensuales empleando un

modelo AR(1)
proc varmax data=a;
model y / p=1
print=(decompose(6) impulse=(stderr))
printform=both lagmax=3;
output lead=4;
run;
VIII.3. Salidas sistema SAS
VIII.3.1. Salida de la prueba de raz unitaria para los datos semanales
Sistema SAS
Procedimiento VARMAX
447
Nmero de observaciones
Nmero de emparejamientos ausentes
Variable
Tipo
Media
StdDev
Min
Mx
DEP
447
5.56044
2.83696
1.63000
18.39000
f 106

Variable
Tipo
Rho
Prob<Rho
Tau
Prob<Tau
Zero Mean
-14.1679
0.0086
-2.67
0.0076
Single Mean
-75.2042
0.0017
-6.11
<.0001
-87.589
0.0007
-6.56
<.0001
Trend
Sistema SAS
AR(1)
Tipo de modelo
Least Squares Estimation
Mtodo de estimacin
Variable
Constante
0.51931

Retardo
0.90637
f 107
Representacin
esquemtica
de los estimadores
de parmetros
Variable/Retardo
AR1
+ es > 2*error std, - is < -2*error std, . est entre, * es N/A
Estimadores del parmetro del modelo

Ecuacin
Parmetro
Estimador
Error estndar
T Ratio
Prob>|T|
Variable
CONST1
0.51931
0.12533
4.14
0.0001
AR1_1_1
0.90637
0.02007
45.16
0.0001
y(t-1)
Estimador de la
varianza para la
innovacin
Y
1.44529
AICC(Corregido AIC)
0.372825
HQC(Critero Hannan-Quinn)
0.380034
f 108
AIC(Criterio de informacin Akaike)
0.372785
SBC(Criterio Schwarz Bayesian)
0.391172
FPEC(Criterio de error de prediccin final)
1.451772
Covarianzas cruzadas
residuales por variable
Retardo
1.43881
0.37387
0.07427
-0.06594
-0.14360
-0.15296
-0.16134
-0.03779
-0.02113
0.07076
10
0.01586
11
0.00445
f 109
Retardo
12
0.00056412
Correlaciones cruzadas
Retardo
1.00000
0.25985
0.05162
-0.04583
-0.09980
-0.10631
-0.11214
-0.02626
-0.01469
0.04918
10
0.01102
11
0.00310
f 110
Retardo
12
0.00039208
Representacin esquemtica
de correlaciones cruzadas
residuales
Variable/Retardo
10
11
12
+ es > 2*error std, - es < -2*error std, . est entre
Test de Portmanteau para

correlaciones cruzadas residuales
Para retardo
Chi-cuadrado
DF
Prob>ChiSq
31.38
<.0001
32.32
<.0001
36.80
<.0001
41.90
<.0001
47.58
<.0001
47.90
<.0001
f 111

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
48.00
<.0001
49.10
<.0001
10
49.15
<.0001
11
49.16
10
<.0001
12
49.16
11
<.0001
Comprobacin del diagnstico del modelo

univariante
Variable
R-cuadrado
StdDev
F-valor
Prob>F
0.8212
1.2022
2039.45
<.0001
Comprobacin del diagnstico del modelo univariante
Variable
DW(1)
ChiSq de normalidad
Prob>ChiSq
Valor ARCH1 F
Prob>F
1.48
276.63
<.0001
15.12
0.0001
f 112

Valor
Var
y
Valor
Valor
Valor
AR1 F
Prob>F
AR1-2 F
Prob>F
AR1-3 F
Prob>F
AR1-4 F
Prob>F
32.10
<.0001
16.04
<.0001
11.23
<.0001
9.12
<.0001
Raices del polinomio caracterstico AR

ndice
Real
Imaginaria
Mdulo
ATAN(I/R)
Grado
0.90637
0.9064
VIII.3.2. Salida de la seleccin del modelo para los datos semanales de

acuerdo al criterio del mnimo AICC
Sistema SAS
447
Variable
Tipo
Media
StdDev
Min
Mx
DEP
447
5.56044
2.83696
1.63000
18.39000
f 113

Retardo
MA 0
MA 1
MA 2
MA 3
MA 4
MA 5
AR 0
2.0867002
1.8579182
1.5743484
1.2807295
1.0239274
0.8305691
AR 1
0.361466
0.3082026
0.2977476
0.2976694
0.2990326
0.3030463
AR 2
0.2842121
0.2933381
0.2978578
0.3018801
0.3031326
0.307033
AR 3
0.2887015
0.2975578
0.3016459
0.3059068
0.3071067
0.3055557
AR 4
0.2926666
0.2987559
0.3032784
0.3040291
0.307725
0.3100061
AR 5
0.2980029
0.3019363
0.3044312
0.3073382
0.3118585
0.3110323
Sistema SAS
AR(2)
Tipo de modelo
Mtodo de estimacin
Variable
Constante
0.66872
f 114

Retardo
1.16632
-0.28684
Representacin
esquemtica
de los estimadores
de parmetros
Variable/Retardo
AR1
AR2

Ecuacin
Parmetro
Estimador
Error estndar
T Ratio
Prob>|T|
Variable
CONST1
0.66872
0.12272
5.45
0.0001
AR1_1_1
1.16632
0.04558
25.59
0.0001
y(t-1)
AR2_1_1
-0.28684
0.04558
-6.29
0.0001
y(t-2)
f 115
Estimador de la
varianza para la
innovacin
y
1.33240
0.293701
Retardo
1.32342
-0.01625
0.04757
0.01171
-0.03131
-0.02319
-0.07441
0.04481
-0.01039
f 116
Retardo
0.09286
10
0.00691
11
0.00999
12
0.02625
Retardo
1.00000
-0.01228
0.03594
0.00885
-0.02366
-0.01753
-0.05622
0.03386
-0.00785
f 117
Retardo
0.07017
10
0.00522
11
0.00755
12
0.01984
residuales
Variable/Retardo
10
11
12

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
0.68
0.4096
0.93
0.6277
1.07
0.7844
f 118

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
2.50
0.6454
3.01
0.6979
3.04
0.8036
5.28
0.6261
10
5.29
0.7262
11
5.32
0.8059
12
5.50
10
0.8557

univariante
Variable
R-cuadrado
StdDev
F-valor
Prob>F
0.8359
1.1543
1125.89
<.0001

Variable
y
DW(1)
ChiSq de normalidad
Prob>ChiSq
Valor ARCH1 F
Prob>F
2.02
259.19
<.0001
7.02
0.0084
f 119

Valor
Var
Valor
Valor
Valor AR1 F
Prob>F
AR1-2 F
Prob>F
AR1-3 F
Prob>F
AR1-4 F
Prob>F
0.07
0.7962
0.31
0.7308
0.25
0.8586
0.27
0.8991
VIII.3.3. Salida del pronstico a 4 pasos para los datos semanales

empleando un modelo AR(2)
Sistema SAS
447
Variable
Tipo
Media
StdDev
Min
Mx
DEP
447
5.56044
2.83696
1.63000
18.39000
Sistema SAS
Tipo de modelo
Mtodo de estimacin
AR(2)
f 120
Variable
Constante
0.66872

Retardo
1.16632
-0.28684
Representacin
esquemtica
de los estimadores
de parmetros
Variable/Retardo
AR1
AR2

Ecuacin
Parmetro
CONST1
Estimador
Error estndar
T Ratio
Prob>|T|
0.66872
0.12272
5.45
0.0001
Variable
1
f 121

Ecuacin
Parmetro
Estimador
Error estndar
T Ratio
Prob>|T|
Variable
AR1_1_1
1.16632
0.04558
25.59
0.0001
y(t-1)
AR2_1_1
-0.28684
0.04558
-6.29
0.0001
y(t-2)
Estimador de la
varianza para la
innovacin
y
1.33240
AICC(Corregido AIC)
0.293792
0.304595
0.293701
0.321328
1.341383
f 122
Retardo
1.32342
-0.01625
0.04757
0.01171
Retardo
1.00000
-0.01228
0.03594
0.00885
f 123
Representacin
esquemtica
de correlaciones
cruzadas residuales
Variable/Retardo

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
0.68
0.4096

univariante
Variable
R-cuadrado
StdDev
F-valor
Prob>F
0.8359
1.1543
1125.89
<.0001

Variable
y
DW(1)
ChiSq de normalidad
Prob>ChiSq
Valor ARCH1 F
Prob>F
2.02
259.19
<.0001
7.02
0.0084
f 124

Valor
Var
Valor
Valor
Valor AR1 F
Prob>F
AR1-2 F
Prob>F
AR1-3 F
Prob>F
AR1-4 F
Prob>F
0.07
0.7962
0.31
0.7308
0.25
0.8586
0.27
0.8991
Respuesta al impulso
por variable
Retardo
1.16632
STD
0.04558
1.07346
STD
0.06781
0.91745
STD
0.07780
Predicciones
Variable
Observacin
Prediccin
Error estndar
95Lmites de confianza %
448
4.3365
1.1543
2.0741
6.5989
449
4.4816
1.7734
1.0058
7.9573
450
4.6518
2.1634
0.4116
8.8919
451
4.8087
2.4087
0.0878
9.5296
f 125
VIII.3.4. Salida de la prueba de raz unitaria para los datos semanales
Sistema SAS
103
Variable
Tipo
Media
StdDev
Min
Mx
DEP
103
5.53087
2.61200
1.94000
13.51000

Variable
Tipo
Rho
Prob<Rho
Tau
Prob<Tau
Zero Mean
-6.55984
0.0750
-1.77
0.0737
Single Mean
-56.1156
0.0009
-5.27
<.0001
Trend
-73.8321
0.0003
-5.89
<.0001
Sistema SAS
Tipo de modelo
Mtodo de estimacin
AR(1)
f 126
Variable
Constante
2.18276

Retardo
0.60490
Representacin
esquemtica
de los estimadores
de parmetros
Variable/Retardo
AR1

Ecuacin
Parmetro
CONST1
Estimador
Error estndar
T Ratio
Prob>|T|
2.18276
0.48813
4.47
0.0001
Variable
1
f 127

Ecuacin
Parmetro
AR1_1_1
Estimador
Error estndar
T Ratio
Prob>|T|
0.60490
0.07970
7.59
0.0001
Variable
y(t-1)
Estimador de la
varianza para la
innovacin
y
4.41497
AICC(Corregido AIC)
1.505199
1.525257
1.504415
1.555885
4.50154
Retardo
4.32840
f 128
Retardo
0.43040
-0.27810
-0.42278
-0.49401
-0.29339
0.13695
0.12599
0.23115
0.18812
10
-0.37709
11
0.32427
12
0.32587
Retardo
1.00000
f 129
Retardo
0.09944
-0.06425
-0.09768
-0.11413
-0.06778
0.03164
0.02911
0.05340
0.04346
10
-0.08712
11
0.07492
12
0.07529
f 130
residuales
Variable/Retardo
10
11
12

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
1.45
0.2289
2.45
0.2937
3.83
0.2800
4.33
0.3636
4.43
0.4886
4.53
0.6057
4.84
0.6791
5.05
0.7517
10
5.91
0.7486
11
6.55
10
0.7667
f 131

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
7.21
11
0.7818
12

univariante
Variable
R-cuadrado
StdDev
F-valor
Prob>F
0.3655
2.1012
57.60
<.0001

Variable
y
DW(1)
ChiSq de normalidad
Prob>ChiSq
Valor ARCH1 F
Prob>F
1.78
5.47
0.0648
5.63
0.0196

Valor
Var
y
Valor
Valor
Valor AR1 F
Prob>F
AR1-2 F
Prob>F
AR1-3 F
Prob>F
AR1-4 F
Prob>F
1.01
0.3176
0.68
0.5093
0.71
0.5480
0.82
0.5137
f 132
Raices del polinomio caracterstico AR

ndice
Real
Imaginaria
Mdulo
ATAN(I/R)
Grado
0.60490
0.6049
VIII.3.5. Salida de la seleccin del modelo para los datos mensuales de

acuerdo al criterio del mnimo AICC
Sistema SAS
103
Variable
Tipo
Media
StdDev
Min
Mx
DEP
103
5.53087
2.61200
1.94000
13.51000

Retardo
MA 0
MA 1
MA 2
MA 3
MA 4
MA 5
AR 0
1.8624324
1.5849711
1.5105141
1.5071028
1.523504
1.515865
AR 1
1.467864
1.5083012
1.5237135
1.5275107
1.5383545
1.5362641
AR 2
1.4661316
1.5131289
1.53353
1.5319921
1.5514167
1.5508219
AR 3
1.4738372
1.5132598
1.5333778
1.5516887
1.5718181
1.5685236
AR 4
1.502265
1.5331529
1.5520822
1.5715178
1.5911666
1.588254
f 133

Retardo
AR 5
MA 0
MA 1
MA 2
MA 3
MA 4
MA 5
1.515447
1.5309138
1.5503037
1.5679985
1.5883558
1.6085518
Sistema SAS
AR(2)
Tipo de modelo
Mtodo de estimacin
Variable
Constante
2.58883

Retardo
0.70426
-0.16705
f 134
Representacin
esquemtica
de los estimadores
de parmetros
Variable/Retardo
AR1
AR2

Ecuacin
Parmetro
Estimador
Error estndar
T Ratio
Prob>|T|
Variable
CONST1
2.58883
0.52870
4.90
0.0001
AR1_1_1
0.70426
0.09856
7.15
0.0001
y(t-1)
AR2_1_1
-0.16705
0.09866
-1.69
0.0936
y(t-2)
Estimador de la
varianza para la
innovacin
y
4.28843
f 135
1.485174
Retardo
4.16105
-0.07988
0.06725
-0.07409
-0.27283
-0.17291
0.09542
0.06801
0.27849
0.33974
10
-0.23685
11
0.48143
12
0.14397
f 136
Retardo
1.00000
-0.01920
0.01616
-0.01781
-0.06557
-0.04155
0.02293
0.01634
0.06693
0.08165
10
-0.05692
11
0.11570
12
0.03460
f 137
residuales
Variable/Retardo
10
11
12

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
0.10
0.7548
0.55
0.7597
0.73
0.8654
0.79
0.9398
0.82
0.9758
1.31
0.9711
2.05
0.9571
10
2.41
0.9657
11
3.93
0.9160
12
4.07
10
0.9443
f 138

univariante
Variable
R-cuadrado
StdDev
F-valor
Prob>F
0.3870
2.0709
30.94
<.0001

Variable
y
DW(1)
ChiSq de normalidad
Prob>ChiSq
Valor ARCH1 F
Prob>F
2.03
4.08
0.1300
3.44
0.0668

Valor
Var
y
Valor
Valor
Valor AR1 F
Prob>F
AR1-2 F
Prob>F
AR1-3 F
Prob>F
AR1-4 F
Prob>F
0.04
0.8493
0.04
0.9592
0.04
0.9889
0.14
0.9654
f 139
VIII.3.6. Salida del pronstico a 4 pasos para los datos mensuales

empleando un modelo AR(1)
Sistema SAS
103
Variable
Tipo
Media
StdDev
Min
Mx
DEP
103
5.53087
2.61200
1.94000
13.51000
Sistema SAS
AR(1)
Tipo de modelo
Mtodo de estimacin
Variable
Constante
2.18276

Retardo
0.60490
f 140
Representacin
esquemtica
de los estimadores
de parmetros
Variable/Retardo
AR1

Ecuacin
Parmetro
Estimador
Error estndar
T Ratio
Prob>|T|
Variable
CONST1
2.18276
0.48813
4.47
0.0001
AR1_1_1
0.60490
0.07970
7.59
0.0001
y(t-1)
Estimador de la
varianza para la
innovacin
y
4.41497
AICC(Corregido AIC)
1.505199
f 141
1.525257
1.504415
1.555885
4.50154
Retardo
4.32840
0.43040
-0.27810
-0.42278
Retardo
1.00000
0.09944
-0.06425
f 142
Retardo
-0.09768
Representacin
esquemtica
de correlaciones
cruzadas residuales
Variable/Retardo

Para retardo
Chi-cuadrado
DF
Prob>ChiSq
1.45
0.2289
2.45
0.2937
f 143

univariante
Variable
R-cuadrado
StdDev
F-valor
Prob>F
0.3655
2.1012
57.60
<.0001

Variable
Y
DW(1)
ChiSq de normalidad
Prob>ChiSq
Valor ARCH1 F
Prob>F
1.78
5.47
0.0648
5.63
0.0196

Valor
Var
y
Valor
Valor
Valor AR1 F
Prob>F
AR1-2 F
Prob>F
AR1-3 F
Prob>F
AR1-4 F
Prob>F
1.01
0.3176
0.68
0.5093
0.71
0.5480
0.82
0.5137
Respuesta al impulso
por variable
Retardo
0.60490
STD
0.07970
0.36590
STD
0.09642
0.22133
STD
0.08749
f 144
Predicciones
Variable
Observacin
Prediccin
Error estndar
95Lmites de confianza %
104
4.9532
2.1012
0.8350
9.0714
105
5.1789
2.4557
0.3659
9.9920
106
5.3155
2.5732
0.2721
10.3589
107
5.3981
2.6149
0.2730
10.5233
f 145
f 146

Estrada Benigno y Priego Jose Luis 2006

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estrada Benigno y Priego Jose Luis 2006

Enviado por

Direitos autorais:

Formatos disponíveis

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

El conocimiento del mercado de un producto, o ms precisamente, de las variables que

El porque de la eleccin del Jitomate Saladette se basa en que, el jitomate, es la hortaliza

Adems el jitomate es la aportacin vegetal de Mxico ms extendida mundialmente. La

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

El hecho de utilizar un modelo de series de tiempo, es con la finalidad de tener un

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

I.1.1. Objetivos Generales

I.1.2. Objetivos Especficos

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

Prediccin con el modelo propuesto.

I.2.1. Hiptesis general

I.2.2. Hiptesis especficas

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

II. ASPECTOS GENERALES DEL JITOMATE SALADETTE

El jitomate es la aportacin vegetal de Mxico ms extendida mundialmente. La aceptacin

El jitomate o "tomate rojo" es una de las especies hortcolas ms importantes de nuestro

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

Existen varias clasificaciones del jitomate, de acuerdo a su crecimiento, color o forma;

En Mxico el mtodo principal de siembra utilizado es el de almcigo, aunque ltimamente

II.1. Composicin qumica.

Tabla II.1. Composicin qumica

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

A esta hortaliza de fruto se le encuentra en los mercados durante todo el ao, y se le

En otros pases europeos, slo se utilizaban en farmacia y as se mantuvieron en Alemania

Los espaoles y portugueses difundieron el jitomate a Oriente Medio y frica, y de all a

Figura II.1. Foto del jitomate Saladette.

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

Especie: Lycopersicon esculentum.

Sistema radicular: Raz principal (corta y dbil), races secundarias (numerosas y

Flor: Es perfecta, regular e hipogina y consta de 5 o ms spalos, de igual nmero de

La temperatura ptima de desarrollo oscila entre 20 y 30C durante el da y entre 1 y 17C

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

Temperaturas inferiores a 12-15C tambin originan problemas en el desarrollo de la planta.

No obstante, los valores de temperatura descritos son meramente indicativos, debiendo

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

En trasplante semi-mecanizado o mecanizado, el riego deber ser posterior a esta

II.6. Zona /poca de siembra/ Das a la madurez

Tabla II.2. Zona /poca de siembra/ Das a la madurez

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

II.7. Plagas y Enfermedades fisiolgicas

Conchilla prieta Blapstinus spp.

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

Enrollamiento de la hoja. Largos perodos de sequa o humedad. Sembrar en suelos con

Cara de gato. Tiempo fro durante la floracin. No existen medidas especficas.

Decoloracin interna. Elevada humedad relativa, sombreado de los frutos; cambios de

Pudricin basal del jitomate. Cambios de humedad y ataque secundario de

Rajaduras del fruto. Es comn en perodos de lluvias acompaadas de altas temperaturas.

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

II.7.3. Consejos generales sobre plagas y enfermedades

La operacin de recoleccin de jitomate se puede efectuar de manera manual, mecnica o

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

II.9. Suelo y Fertilizacin

La planta de jitomate no es muy exigente en cuanto a suelos, excepto en lo que se refiere al

Las dosis de fertilizacin para este cultivo se mencionan a continuacin:

Nitrgeno (N). Existe una enorme variacin en las cantidades recomendadas, en

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

II.10. Importancia y Produccin

Es uno de los legados ms importantes de Mesoamrica al mundo. El jitomate se consume

La produccin de estos cultivos se destina principalmente para la exportacin,

II.10.1. Importancia mundial

Pronstico de Precios del Jitomate Saladette Usando un Modelo ARIMA

Superficie cultivada (Ha)

Rendimiento Produccin (Ton)