Selección de ejercicios TP 5

2 – 3 – 5 – 8 – 12 – 13 – 14 – 15
 SERIE DE TIEMPO - PRONÓSTICOS
Una serie de tiempo es un conjunto de
valores cuantitativos de una variable,
registrados regularmente sobre un
periodo de tiempo.

Objetivo general de su estudio:

Pronosticar: Proyectar valores
futuros de la variable.
Supuesto subyascente:
• Los factores que han ocasionado
patrones de actividad en el
pasado y el presente, continuarán
haciéndolo, más o menos de la
misma forma, en el futuro.
PATRÓN DE COMPORTAMIENTO
DE UNA SERIE
el comportamiento que siguen los datos
de una serie de tiempo se debe a la
combinación de diversos componentes.
Por lo general, se supone que son 4 :

TENDENCIA ESTACIONAL

CÍCLICO IRREGULAR
 COMPONENTES DE UNA SERIE DE TIEMPO
⮚TENDENCIA: patrón de movimiento hacia arriba o
hacia abajo de largo plazo; es general y persistente.
Ventas brutas de la Cía. Ventas (en miles de $)
Ventas brutas (en millones de US$)

8 12
7
10
6

miles de $
5 8
4

3 6

2
4
1

0 2
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4

0
2009 2010 2011 2012
2005

2006

2007

2008

2009
Trimestre y año Año

No se observa TENDENCIA TENDENCIA ASCENDENTE

COMPONENTES DE UNA SERIE DE TIEMPO
⮚ VARIACIÓN CÍCLICA: oscilación repetida por encima y
por debajo de la tendencia, que pasa por cuatro
fases (duración mayor a 1 año):
pico
co

ión
nt r

ns
ac

pa
ció

ex
n

valle

el tiempo de observación tiene que ser

suficiente para ver la repetición de las 4 etapas
 COMPONENTES DE UNA SERIE DE TIEMPO
⮚VARIACIÓN CÍCLICA:
4 fases: pico, contracción, valle y expansión
Ventas brutas de la Cía. Demanda de la Cía.
Ventas brutas (en millones de US$)

8
25
7

Demanda (miles de unidades)

20
5

4 15
3

2 10
1

0 5
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4

0
2009 2010 2011 2012
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Trimestre y año Año

No se observa CICLO CICLO de aprox. 5 años

Período de tiempo insuficiente
 COMPONENTES DE UNA SERIE DE TIEMPO
⮚VARIACIÓN ESTACIONAL: patrón de cambio bastante
regular que se presenta dentro de periodos de tiempo
menores a un año y se repite año tras año.
Ventas brutas de la Cía. Ganancias de la Cía.
26
Ventas brutas (en millones de US$)

8
24
7 22
20

Ganancias (en miles de $)

6
18
5 16
14
4
12
3 10
8
2
6
1 4
2
0 0
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4

Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
2009 2010 2011 2012 2009 2010 2011 2012

Trimestre y año Trimestre y año

ESTACIONALIDAD ESTACIONALIDAD, en Trim 4

 COMPONENTES DE UNA SERIE DE TIEMPO
⮚ VARIACIÓN IRREGULAR: es errática o residual,
impredecible e incontrolable.
Venta de electrodomésticos de la marca B,
en Argentina
35

30
miles de unidades

25

20

15

10

0
1980 1985 1990 1995 2000
Fuente: Cátedra de Estadística - FCE – UNL
⮚ VARIACIÓN IRREGULAR: es errática o residual,
impredecible e incontrolable.
Ejemplo:

10
Modelo Clásico Multiplicativo
de series de tiempos
Cualquier valor observado en
una serie de tiempos es el
PRODUCTO de los factores de
influencia
 Modelo Clásico Multiplicativo
Datos registrados Datos registrados en
anualmente o en periodos periodos
mayores a un año menores a un año
Yi = T i . C i . I i Y i = T i . Si . C i . I i
Siendo:
Yi = valor de la variable observado en el período i
Ti = valor del componente de tendencia en el período i
Si = valor del componente estacional en el período i
Ci = valor del componente cíclico en el período i
Ii = valor del componente irregular en el período i
 Análisis de series con datos
registrados anualmente
o en periodos mayores a un año

Modelo Clásico Multiplicativo

Yi = T i . C i . I i
Siendo:
Yi = valor de la variable observado en el período i
Ti = valor del componente de tendencia en el período i
Ci = valor del componente cíclico en el período i
Ii = valor del componente irregular en el período i
 datos registrados anualmente
o en periodos mayores a un año
✔ Primer paso: Graficar la serie y observar su
comportamiento
¿existe TENDENCIA a través del tiempo?

Si la variable NO está afectada por el

componente de TENDENCIA:
• las variaciones de la variable bajo estudio (Y)
se deben sólo a las componentes cíclica y/o
irregular.
• La forma y duración del ciclo se obtiene
observando el gráfico de la serie.
 datos registrados anualmente
o en periodos mayores a un año
✔ Primer paso: Graficar la serie y observar su
comportamiento
¿existe TENDENCIA a través del tiempo?

Si la variable está afectada por el componente

de TENDENCIA:
• Identificar y describir el patrón histórico a través
de la ecuación de Tendencia Bruta
• Proyectar patrones o hacer pronósticos para un
futuro cercano (usando la ecuación encontrada)
• Facilitar el estudio de las restantes componentes
de la serie
 Ecuación de Tendencia lineal “bruta”
recordando:
Ecuación de la recta de regresión muestral
(estimada por mínimos cuadrados):

Siendo: CALCU
LADOR
A!!!
= código asignado al i-ésimo período observado.

= valor de la variable observado en el i-ésimo período.

a y b se interpretan teniendo en cuenta la codificación del

tiempo realizada y la definición de la variable bajo estudio
Ejemplo 1:
El dueño del local comercial “XX” quisiera un pronóstico
de Ventas para los próximos 3 años, pues observa que el
barrio donde está ubicado el comercio ha crecido en los
últimos años. Cuenta con la siguiente información:
Año Ventas 12
Ventas (en miles de $)

(miles $) 10

Graficar los datos

2005 4,3

miles de $
8

2006 5,6 6

2007 7,8 4

2
2008 9,2 0
2005

2006

2007

2008

2009
2009 9,7
Año

¿se observa tendencia?

 Ejemplo 1:
Código Año Ventas
(miles $)
Ecuación de
0 2005 4,3 Tendencia lineal
1 2006 5,6 (Método de Mínimos
2 2007 7,8 Cuadrados)
3 2008 9,2
4 2009 9,7

Ventas estimadas:
(usando códigos)

l a r ecta
n t e d e
pe n di e a un
¿La d i c
esti m a d a ,i n
e di o INTERPRETACIÓN??
b i o p rom
cam at i v o ?
c Pronóstico para los siguientes 3 años??
signifi
Ejemplo 1:

”para el año 2005,

“se estima que por cada
las ventas estimadas
año que transcurre, las
del local XX serían,
ventas del local XX se
en promedio,
incrementan en $1440, en
aproximadamente
promedio”
$4440”.

La ordenada al origen estimada corresponde a x=0, que

es el código correspondiente para el año 2005.

La pendiente indica cambio promedio, estimado,

en Y por cada unidad de cambio en X (X es el
tiempo).
Ejemplo 1:

Código Año Ventas Ventas

(miles $) Estimadas
Ventas estimadas:
(miles $)
0 2005 4,3
1 2006 5,6
2 2007 7,8
3 2008 9,2
4 2009 9,7
5 2010 11,6
6 2011 13,1 Estimaciones
7 2012 14,5 puntuales

INTERPRETACIÓN??
Ejemplo 1:

Ventas (en miles de $)

12 f(x) = 1.44 x + 3

10
miles de $

0
2005 2006 2007 2008 2009 2010 2011 2012

Año
Ejemplo 1:

Ventas (en miles de $)

16

14 f(x) = 1.44 x + 3

12
miles de $

10

6 Estimaciones
puntuales
4

0
2005 2006 2007 2008 2009 2010 2011 2012

Año
 ✔ Segundo paso:
Para analizar las restantes componentes de la
serie, será necesario eliminar el efecto del
componente de TENDENCIA, si es que existe:

Al efectuar este cociente, se obtienen las

“Relativas Cíclicas Irregulares”
Ejemplo 1: Variación Cíclica
Y Razón al Y
(miles de $) estimado
Relativas
Ventas
Código Año Ventas Cíclicas
estimadas
Irregulares
0 2005 4,3 4,44 0,9685
1 2006 5,6 5,88 0,9524
2 2007 7,8 7,32 1,0656
3 2008 9,2 8,76 1,0502
4 2009 9,7 10,2 0,9510

las ventas realizadas en

2009 fueron 95,1% de lo
que se esperaba para
ese año
 Análisis gráfico de las
Relativas Cíclicas Irregulares
• Si las relativas cíclicas tienen valores muy cercanos a 1,
será un indicio de que las variaciones de la variable
bajo estudio (Y) se deben sólo a la tendencia.
• Si las relativas cíclicas tienen valores diferentes a 1,
será un indicio de que la variable bajo estudio (Y),
además de estar afectada por la tendencia, también
está afectada por las componentes cíclica y/o irregular.
La forma y duración aproximada se podrá observar en
el gráfico
En el eje horizontal se ubica el tiempo y
en el eje vertical, los correspondientes valores de
Ejemplo 1:

Cíclicas Relativas
1.20

1.00
Cíclicas relativas

Razón al Y
0.80 estimado
Relativas
0.60 Año Cíclicas
Irregulares
2005 0,9685
0.40 2006 0,9524
2007 1,0656
0.20 2008 1,0502
2009 0,9510
0.00
2005 2006 2007 2008 2009

Fuente: Cátedra de Estadística Año

También se puede observar la Variación Cíclica
a través de los residuos
pl o 1:
E je m C1 C2 C4 = C1-C2 C5 = C4 : C2

Año Y Y estimado Residuo Residuo

Cíclico
(x mil) Y=1,44x+4,44 Relativo
2005 4,3 4,44 -0,1400 -0,03
2006 5,6 5,88 -0,2800 -0,05
2007 7,8 7,32 0,4800 0,07
2008 9,2 8,76 0,4400 0,05
2009 9,7 10,2 -0,5000 -0,05
las ventas realizadas en 2009 estuvieron 5%
por debajo de lo que se esperaba para ese año
 Residuo
Ejemplo 1: Año Cíclico
Relativo
2005 -0,03
Residuos Cíclicos Relativos 2006 -0,05
0.50 2007 0,07
0.40 2008 0,05
2009 -0,05
0.30

0.20
Residuos Cíclicos relativos

0.10

0.00

-0.10

-0.20

-0.30

-0.40

-0.50
2005 2006 2007 2008 2009

Fuente: Cátedra de Estadística Año

 Ejemplo 1:

Residuos Cíclicos Relativos Cíclicas Relativas

0.5
Residuos Cíclicos relativos

1.2
0.4

0.3 1.0

Cíclicas relativas
0.2
0.8
0.1

0.0 0.6
-0.1
0.4
-0.2

-0.3
0.2
-0.4

-0.5 0.0
2005 2006 2007 2008 2009 2005 2006 2007 2008 2009

Fuente: Cátedra de Estadística Año Fuente: Cátedra de Estadística Año

DOS MANERAS DE EXPRESAR Y ANALIZAR

 Análisis de series con datos
registrados en periodos
menores a un año

Modelo Clásico Multiplicativo

Yi = Ti . Si .Ci . Ii
Siendo:
Yi = valor de la variable observado en el período i
Ti = valor del componente de tendencia en el período i
Si = valor del componente estacional en el período i
Ci = valor del componente cíclico en el período i
Ii = valor del componente irregular en el período i
 Datos registrados en
periodos menores a un año

✔ 1er paso: Graficar la serie y observar su

comportamiento
✔ 2do paso: encontrar índices estacionales e
interpretarlos, para determinar la influencia de la
estacionalidad en la serie.
❖ Cuanto más se aleje de 1 el valor de un
índice, más marcada será la estacionalidad
en el período correspondiente.
❖ Si no existiera efecto estacional, se
obtendrían índices =1 o muy cercanos a 1, y
las variaciones de Y se podrán explicar a
través de las restantes componentes.
 Datos registrados en
periodos menores a un año
✔ 3ero paso: utilizar los índices estacionales para
quitar de la serie el efecto de la componente
estacional, si es que existe . La serie resultante
se llama serie desestacionalizada.
✔ 4to paso: Con los datos “desestacionalizados”,
encontrar la “ecuación de Tendencia Neta”
(usando método de mínimos cuadrados).
Observar la magnitud de su pendiente y analizar
la influencia de la componente de tendencia en
la serie.
❖ Con la ecuación de Tendencia Neta y los índices
estacionales se pueden realizar pronósticos.
 Datos registrados en
periodos menores a un año
✔ 5to paso: Si la variable estuviera afectada por el
componente de tendencia, a los datos
desestacionalizados hay que quitarles el efecto de
tendencia, para permitir el estudio de las
componentes cíclica e irregular.
Dato
desestacionalizado
✔ 6to paso: si los resultados del 5to paso son 1 o muy
cercanos a 1, será porque la variable Y no está
afectada por los componentes cíclico e irregular;
mientras que si esos resultados son diferentes de 1,
habrá que hacer un análisis similar al que se realiza
para series con datos registrados anualmente o en
periodos mayores a un año.
 Datos registrados en
periodos menores a un año

ESTUDIO DE LA VARIACIÓN ESTACIONAL

El método más comúnmente utilizado para

encontrar los índices estacionales es el de
«
promedios móviles».
 Determinación de índices estacionales
Método del promedio móvil
• Paso 1: Determinar la serie de promedio móviles.
• Paso 2: Centrar los promedios móviles, en caso
de ser necesario.
• Paso 3: Eliminar las influencias de tendencia y
ciclo dividiendo el valor observado por su
correspondiente promedio móvil centrado.

Representadas por los promedios móviles

 Determinación de índices estacionales
Método del promedio móvil
• Paso 4: Si los resultados del paso 3 son valores
diferentes de 1, se podrá decir que Y está
afectada por las componentes estacional, y se los
organiza en forma tabular para encontrar un
“índice estacional” (en caso contrario, continuar
con el estudio de las restantes componentes).
• Paso 5: Aplicar un factor de corrección, en caso
de ser necesario, y determinar el índice
estacional.
 Desestacionalización de datos
Utilizando los índices estacionales se pueden
eliminar las fluctuaciones estacionales de la serie,
dividiendo a cada valor de Y por su
correspondiente índice estacional:

Datos
desestacionalizados

La serie resultante se llama serie desestacionalizada, o

serie ajustada estacionalmente.
 Ecuación de Tendencia NETA
Utilizando la serie desestacionalizada y el
método de mínimos cuadrados se puede obtener la
recta de tendencia NETA.
Siendo:
= código asignado al i-ésimo período observado.
= valor de la serie desestacionalizada observado
en el i-ésimo período.

✔ Observando la pendiente de la recta de tendencia

NETA se puede analizar si la variable está afectada
por la componente de tendencia
✔ Utilizando la recta de tendencia NETA y los índices
estacionales se puede pronosticar.
Ejemplo: TP 5 - 9)
Una comisión estatal designada para controlar el consumo de energía reunió
los siguientes datos correspondientes al consumo de gas natural, en millones
de metros cúbicos:
a) Usando promedios móviles elimine, si es que existe, la influencia de la
componente de tendencia de la serie.
b) Determine los índices estacionales.
c) Identifique, si es que existe, la variación cíclica de los datos mediante el
método del residuo cíclico relativo. Grafique.
d) Represente gráficamente los datos originales conjuntamente con los datos
desestacionalizados.
e) Teniendo en cuenta todo lo realizado, comente el comportamiento de la
variable bajo estudio.
f) Estime el consumo promedio de gas natural que se espera para invierno de
1993.
g) ¿Qué inconveniente podría tener estimar el consumo de gas natural para
invierno de 2013?
Invierno Primavera Verano Otoño
1989 293 246 231 282
1990 301 252 227 291
1991 304 259 239 296
1992 306 265 240 300
 C1 C2 C3

Año Estación
Y Promedio
(mill m ) móvil
3
Promedio
móvil
TP 5 - 9)
centrado
Inv 293
1989
Prim 246
263,000
Ver 231 264,000
265,000
265,750
Cálculo de
Ot 282
Inv 301
266,500
266,000 promedios
1990
Prim 252
265,500
266,625 móviles
267,750
Ver 227 268,125 centrados.
268,500
Ot 291 269,375
270,250
Inv 304 271,750 (Pasos 1 y 2
1991 273,250
Prim 259 273,875
Ver 239
274,500
274,750 del Método de
Ot 296
275,000
275,750 Prom. Móv.)
276,500
Inv 306 276,625
1992 Prim 265
276,750
277,250
277,750
Ver 240
Ot 300
TP 5 - 9) CONSUMO DE GAS NATURAL
Gas consumido Prom Móvil centrado
350
millones de metros cúbicos

300

250

200

150

100

50

0
Ver

Ver

Ver

Ver
Ot

Ot

Ot

Ot
Prim

Prim

Prim

Prim
Inv

Inv

Inv

Inv
1989 1990 1991 1992
Fuente: Cátedra de Estadística - FCE - UNL trimestre y año

La serie de Prom. Móviles centrados es “más suave” que la serie de

valores originales; los “picos” correspondientes a variaciones
estacionales y/o irregulares se han atenuado
TP 5 - 9) Cambiando la escala del
eje
CONSUMO DE GAS NATURAL
Prom Móvil centrado
280
millones de metros cúbicos

278
276
274
272
270
268
266
264
262
260
Ver

Ver

Ver

Ver
Ot

Ot

Ot

Ot
Prim

Prim

Prim

Prim
Inv

Inv

Inv

Inv
1989 1990 1991 1992
Fuente: Cátedra de Estadística - FCE - UNL trimestre y año

Prom. Móviles representan las componentes de Tendencia y Ciclo de

la serie de valores de gas natural consumido:
 C1
Y
C2
Promedio
C3
Promedio
C4 = C1:C3
Razón al TP 5 - 9) – a):
Año Estación móvil
(mill m3) móvil (de 4) prom. móvil
centrado
Inv 293
1989
Prim 246
263,000
Ver 231 264,000 0,8750
Ot 282
265,000
265,750 1,0611 Se elimina la
Inv 301
266,500
266,000 1,1316 influencia de
1990
Prim 252
265,500
266,625 0,9451 la tendencia
267,750
Ver 227 268,125 0,8466 dividiendo el
268,500
Ot 291 269,375 1,0803
270,250 valor
Inv 304 271,750 1,1187
1991
Prim 259
273,250
273,875 0,9457
observado
Ver 239
274,500
274,750 0,8699 por su
Ot 296
275,000
275,750 1,0734 corresp.
276,500
Inv 306 276,625 1,1062 promedio
1992 Prim 265
276,750
277,250 0,9558
277,750
móvil
Ver 240
Ot 300
centrado.
(Paso 3 del Método de P.M.)
TP 5 - 9) – b):
Los resultados de a) se pueden organizar en forma tabular
para encontrar un índice estacional.
Consumo de gas C5
Trimestre 1989 1990 1991 1992 Índice
Inv 1,1316 1,1187 1,1062 1,1187
Prim 0,9451 0,9457 0,9558 0,9488
Ver 0,8750 0,8466 0,8699 0,8638
Ot 1,0611 1,0803 1,0734 1,0716
Total 4,0029
¿por qué?
“desajustado”
(Paso 4 del
Método de P.M.)
[Link] = 4 : 4,0029= 0,99927
TP 5 - 9) – b): Determinación del índice estacional.

Consumo de gas C5 C6
Índice Índice Estacional
Trim. 1994 1995 1996 1997
desaj. (Índice desaj.*Cte ajuste)

Inv 1,1316 1,1187 1,1062 1,1187 1,1175

Prim 0,9451 0,9457 0,9558 0,9488 0,9478
Ver 0,8750 0,8466 0,8699 0,8638 0,8630
Ot 1,0611 1,0803 1,0734 1,0716 1,0710
Total = 4,0029 4,0000
[Link] = 4 : 4,0077= 0,999

(Paso 5 del Método de

Interpretación??
Prom. Móv.)
TP 5 - 9) – b):
Interpretación del índice estacional.
Índice
Trim. estacional
En el Trim. Invierno, el
consumo de gas está, en
Inv 1,1175 promedio, 11,75% por
Prim encima del promedio anual.
0,9478
Ver 0,8630 En el Trim Verano, el
consumo de gas está, en
Ot 1,0710 promedio, 13,70% por
debajo del promedio anual.
 C1 C1 : índice TP 5 - 9)
Desestacionalización de datos Y: CONSUMO DE Índice Y’: CONSUMO DE
Año Estación GAS NATURAL GAS NATURAL SIN
(mill m3) estacional INFLUENCIA ESTAC.
1989 Inv 293 1,1175 262,42
Prim 246 0,9478 260,63 Serie
Ver 231 0,8630 266,06 desestacionalizada:
Ot 282 1,0710 263,21 se elimina la
1990 Inv 301 1,1175 269,58 influencia
Prim 252 0,9478 266,98 estacional
Ver 227 0,8630 261,46 dividiendo el valor
Ot 291 1,0710 271,61 observado por su
1991 Inv 304 1,1175 272,27 corresp. Índice
Prim 259 0,9478 274,40 estacional
Ver 239 0,8630 275,28
Ot 296 1,0710 276,28
1992 Inv 306 1,1175 274,06
Prim 265 0,9478 279,59
Ver
Ot
240
300
0,8630
1,0710
276,43
280,01 𝟐𝟔𝟓/𝟎,𝟗𝟒𝟕𝟖
 C1
Y: CONSUMO
C1 : índice TP 5 - 9)
Índice Y’: CONSUMO DE
DE GAS
Año Estación NATURAL Cód
Ecuación de Tendencia GAS NATURAL SIN
estacional INFLUENCIA ESTAC.
(mill m3)
Inv 293 1,1165 262,42 0
198 Prim 246 0,9439 260,63 1
9 Ver 231 0,8682 266,06 2
Ot 282 1,0714 263,21 3 Con los códigos
Inv 301 1,1165 269,58 4 del tiempo y la
NETA

199 Prim 252 0,9439 266,98 5 serie

0 Ver 227 0,8682 261,46 6 desestacionalizada
Ot 291 1,0714 271,61 7 se obtiene la
Inv 304 1,1165 272,27 8 ecuación de
199 Prim 259 0,9439 274,40 9 Tendencia Neta:
1 Ver 239 0,8682 275,28 10
Ot 296 1,0714 276,28 11
Inv 306 1,1165 274,06 12
Cód 0 para Inv '89
199 Prim 265 0,9439 280,76 13
2 Ver 240 0,8682 276,43 14
Ot 300 1,0714 280,01 15
 C1 C1 : índ.
Tend
TP 5 - 9) – c):
Añ Y Índice Y sin Residuo
o Estac. Neta Residuos cíclicos
influencia cíclico
(mill m3) Estac. Cód
estac. relativo (%) relativos:
19 Inv 293 1,1165 262,42 0 261,27 0,4401
89 Prim 246 0,9439 260,63 1 262,53 -0,7243
Ver 231 0,8682 266,06 2 263,79 0,8622
Ot 282 1,0714 263,21 3 265,05 -0,6927
19 Inv 301 1,1165 269,58 4 266,31 1,2306
90 Prim 252 0,9439 266,98 5 267,57 -0,2177
Ver 227 0,8682 261,46 6 268,83 -2,7418
Ot 291 1,0714 271,61 7 270,09 0,5652
19 Inv 304 1,1165 272,27 8 271,35 0,3413
91 Prim 259 0,9439 274,40 9 272,61 0,6588
Ver 239 0,8682 275,28 10 273,86 0,5160
Ot 296 1,0714 276,28 11 275,12 0,4200
19 Inv 306 1,1165 274,06 12 276,38 -0,8396
92 Prim 265 0,9439 280,76 13 277,64 1,1219
Ver 240 0,8682 276,43 14 278,90 -0,8867
Ot 300 1,0714 280,01 15 280,16 -0,0531
TP 5 - 9) – c):
Residuo cíclico relativo como % de la tendencia:

CONSUMO DE GAS NATURAL

10

6
Residuo cíclico relativo (%)

-2

-4

-6

-8

-10
Inv Prim Ver Ot Inv Prim Ver Ot Inv Prim Ver Ot Inv Prim Ver Ot
1989 1990 1991 1992

Trimestre y año
Fuente: Cátedra de Estadística - FCE - UNL
 TP 5 - 9) – f):

Tendencia Neta:
Código Tendencia Neta índice Pronóstico
PRONÓSTICO

1993 Inv 16 281,42 1,1165 314,22

CONSUMO DE GAS NATURAL Pronosticados Observados
350

300
millones de metros cúbicos

250

200

150

100

50

0
Prim

Prim

Prim

Prim

Prim
Ot

Ot

Ot

Ot

Ot
Ver

Ver

Ver

Ver

Ver
Inv

Inv

Inv

Inv

Inv
1989 1990 1991 1992 1993

Fuente: Cátedra de Estadística - FCE - UNL trimestre y año

TP 5 - 9) – d):
CONSUMO DE GAS NATURAL
Consumo sin influencia estacional Gas consumido
350

300

250

200
millones de pies cúbicos

150

100

50

0
Ver

Ver

Ver

Ver
Ot

Ot

Ot

Ot
Prim

Prim

Prim

Prim
Inv

Inv

Inv

Inv
1989 1990 1991 1992

Fuente: Cátedra de Estadística - FCE - UNL trimestre y año

Ejemplo 3:

El director de ventas de una compañía comercial

registró los siguientes valores de Ganancias (en miles
de dólares) de cuatro años:
Ganancias (en miles de US$) de la Cía.
24

Ganancias (en miles de US$)

22
20
2009 2010 2011 2012 18
16
14
Trim 1 5,6 10,5 14,9 19,8 12
10
8
Trim 2 8,0 12,7 17,4 22,5 6
4
2

Trim 3 8,7 13,6 18,1 23,0 0

Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
Trim 1
Trim 2
Trim 3
Trim 4
2009 2010 2011 2012
Trim 4 8,8 13,8 18,3 23,3
Fuente: Cátedra de estadística Trimestre y año
Ejemplo 3:
Trim. 2009 2010 2011 2012 Índice desaj.(Prom)
Trim 1 0,9733 0,9621 0,9760 0,9705
Trim 2 1,0561 1,0474 1,0453 1,0496
Trim 3 1,0373 1,0303 1,0176 1,0284
Trim 4 0,9179 0,9625 0,9613 0,9472
Total = 3,99566
[Link] = 1,001086

Trim. Indice desajustado x Cte ajuste

Indice estacional
Trim 1 0,9715
Trim 2 1,0508 ¿en cuál trimestre
Trim 3 1,0295 fue más marcada la
Trim 4 0,9482 influencia
Total = 4,00000 estacional?
Ejemplo 4:
El director de ventas de una compañía comercial
registró anualmente los siguientes valores de
demanda (en miles de unidades):
1997 1998 1999 2000 2001 2002 2003 2004
5,60 8,00 8,70 8,80 10,50 12,70 13,60 13,80
xi 0 1 2 3 4 5 6 7

2005 2006 2007 2008 2009 2010 2011 2012

14,90 17,40 18,10 18,30 19,80 22,50 23,00 23,30
xi 8 9 10 11 12 13 14 15
Ejemplo 4:
Demanda (en miles de unidades) de la Cía.
25
Demanda (miles de unidades)

20

15

10 y = 1,184x + 6,054
Código 0 = 1997
5

0
1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013
Fuente: Cátedra de estadística
Año
 Ejemplo 4:
Relativas Cíclicas irregulares de
la serie de Demandas de la Cía.
1.20
Relativas cíclicas-irregulares

1.00

0.80

0.60

0.40

0.20

0.00
1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013
Año
? ?
Fuente: Cátedra de estadística

del c i c l o
Duración