Introduccin

Los pronsticos, o predicciones, son una herramienta esencial en cualquier proceso de toma de
decisiones. Sus aplicaciones varan desde la determinacin de los requerimientos de inventario de
una pequea zapatera hasta la estimacin de las ventas anuales de juegos de video. La calidad de
los pronsticos que los administradores pueden realizar est estrechamente relacionada con la
informacin que puede extraerse y utilizarse a partir de los datos histricos.
El anlisis de series de tiempo es un mtodo cuantitativo que utilizamos para determinar patrones
en los datos recolectados a travs del tiempo. El anlisis de series de tiempo se utiliza para
detectar patrones de cambio en la informacin estadstica en intervalos regulares. Proyectamos
estos patrones para obtener una estimacin para el futuro.
En consecuencia, el anlisis de series de tiempo nos ayuda a manejar la incertidumbre asociada
con los acontecimientos futuros.
Variacin en las series de tiempo
Utilizamos el trmino serie de tiempo para referirnos a cualquier grupo de informacin estadstica
que se acumula a intervalos regulares. Existen cuatro tipos de cambio o variacin implicados en el
anlisis de series de tiempo, stos son:
1. Tendencia secular.
la tendencia secular, el valor de la variable tiende a aumentar o disminuir en un periodo muy
largo. El incremento estable en los costos de vida registrados en el ndice de Precios al
Consumidor (IPC) es un ejemplo de tendencia secular. De un ao a otro, el costo de vida
vara bastante, pero si examinamos un periodo a largo plazo, nos damos cuenta que la
tendencia tiende a aumentar de manera estable.

2. Fluctuacin cclica
El segundo tipo de variacin observado en una serie de tiempo es la fluctuacin cclica. El ejemplo
ms comn de fluctuacin cclica es el ciclo econmico. A travs del tiempo, hay aos en los que el
ciclo econmico llega a un pico arriba de la lnea de tendencia; en otros, es probable que la
actividad de los negocios disminuya abajo de la lnea de tendencia. El tiempo que transcurre entre
picos y depresiones es al menos un ao, y puede llegar a ser hasta 15 o 20. Observe que los
movimientos cclicos no siguen ningn patrn regular, sino que se mueven de manera un tanto
impredecible.

3. Variacin estacional
El tercer tipo de cambio en los datos de una serie de tiempo es la variacin estacional.
Como cabra esperar, este tipo de variacin implica patrones de cambio en el lapso de un
ao que tienden a repetirse anualmente. Por ejemplo, un mdico puede esperar un
aumento sustancial en el nmero de casos de gripe cada invierno y de afectados de tifoidea
cada verano. Como se trata de patrones regulares son tiles al pronosticar el futuro. Note
cmo alcanza un pico cada cuarto trimestre del ao.

4. Variacin irregular
La variacin irregular es el cuarto tipo de cambio que ocurre en el anlisis de las series de tiempo.
En muchas situaciones, el valor de una variable puede ser completamente impredecible cambiando
de manera aleatoria. Las variaciones irregulares describen esos movimientos. Los efectos que el
conflicto de Medio Oriente en 1973, la situacin de Irn en 1979-1981, el colapso de la OPEP en
1986 y la situacin de Irak en 1990 tuvieron sobre los precios de la gasolina en Estados Unidos son
ejemplos de variacin irregular.

En la mayor parte de los casos las series de tiempo contienen varias de estas componentes. As,
podemos describir la variacin total en una sola serie de tiempo en trminos de estas cuatro clases
de variacin. En las siguientes secciones examinaremos las cuatro componentes y las formas en
que medimos cada uno.
Anlisis de tendencia
De las cuatro componentes de una serie de tiempo, la tendencia secular representa la direccin a
largo plazo de la serie. Una manera de describir la componente que corresponde a la tendencia es

ajustar visualmente una recta a un conjunto de puntos de una grfica. Pero cualquier grfica dada
estar sujeta a interpretaciones que varan de un individuo a otro.. En nuestro anlisis, nos
concentraremos en el mtodo de mnimos cuadrados, ya que el ajuste visual de una recta a una
serie de tiempo no es un proceso completamente seguro.
Ajuste de la tendencia lineal con el mtodo de mnimos cuadrados
Adems de las tendencias que se pueden describir por una curva, existen otras que se describen
por una lnea recta. stas se conocen como tendencias lineales. Antes de desarrollar la ecuacin
para una tendencia lineal, necesitamos revisar la ecuacin general para estimar una lnea recta.

Podemos describir la tendencia general de muchas series de tiempo utilizando una lnea recta.
Pero nos encontramos con el problema de buscar la recta, o ecuacin, de mejor ajuste; podemos
utilizar el mtodo de mnimos cuadrados para calcular la recta o ecuacin de mejor ajuste.

Traduccin o codificacin del tiempo

Normalmente, medimos la variable independiente tiempo en trminos de semanas, meses o aos.
Afortunadamente, podemos convertir estas medidas tradicionales de tiempo a una forma que
simplifica los clculos. En el captulo 3, llamamos codificacin a este proceso. Para utilizar la
codificacin en este caso, encontramos el tiempo medio y luego restamos ese valor de cada uno de
los tiempos de la muestra. Suponga que nuestra serie de tiempo consiste en tres puntos, 1992,
1993 y 1994. Si tuviramos que sustituir estas cantidades en las ecuaciones, veramos que los
clculos resultantes son tediosos. En su lugar, podemos transformar los valores 1992, 1993 y 1994
en los valores correspondientes _1, 0 y 1, en donde 0 representa la media (1993), _1 representa el
primer ao (1992 _ 1993 __1) y 1 el ltimo ao (1994 _ 1993 _ l).
Cuando codificamos valores de tiempo es necesario tomar en cuenta dos casos. El primero es una
serie de tiempo con un nmero impar de elementos, como en el ejemplo anterior; el segundo, una
serie e tiempo con un nmero par de elementos.. En la parte a, a la izquierda, tenemos un nmero
impar de aos. En consecuencia, el proceso es el mismo que el que acabamos de describir
utilizando los aos 1992, 1993 y 1994. En la parte b, a la derecha, tenemos un nmero par de
elementos. En casos como ste, cuando encontramos la media y la restamos de cada elemento, la
fraccin 1/2 se convierte en parte de la respuesta. Para simplificar el proceso de codificacin y
eliminar el 1/2, multiplicamos cada elemento de tiempo por dos. Denotaremos el tiempo
codificado o traducido con la letra minscula x.
Existen dos razones para hacer esta traduccin del tiempo. Primero, elimina la necesidad de elevar
al cuadrado nmeros grandes como 1992, 1993 y 1994, etc. Este mtodo tambin hace que el ao
medio, x_, sea igual a cero y permite simplificar las ecuaciones.

Ahora ya podemos regresar al clculo de la pendiente y la ordenada Y (ecuacin para determinar la

recta de mejor ajuste. Como estamos utilizando la variable codificada x, sustituimos X y X_ por x y
x_ en las ecuaciones 15-1 y 15-2. Entonces, como la media de nuestra variable tiempo codificada
x_ es cero, podemos sustituir 0 por x_ en las ecuaciones, como sigue: