r SERIES DE TIEMPO

i~ Y PRONOSTICOS
. "........,.

,
.. .. . . . '
.

1"ffI'II
~ Aprender por que los cambios en los Calcular indices estacionales y usarlos
pron6sticos que tienen lugar en para desestacionalizar una serie de
tiempo constituyen una parte impor- tiempo
tante de la toma de decisiones ,) Ser capaces de reconocer una varia-
Entender las cuatro componentes de ci6n irregular en una serie de tiempo
una serie de tiempo C Manejar simultimeamente las cuatro
(': Utilizar tecnicas basadas en la regre- componentes de una serie de tiempo
si6n para estimar y pronosticar la y utilizar el analisis de series de tiem-
tendencia de una serie de tiempo po para pronosticar
Aprender c6mo medir la componente
dclica de una serie de tiempo

~--------------------------
15.1 Introducci6n 674 Estadistica en el trabajo 708
15.2 Variaci6n en las series Ejercicio de base de datos
de tiempo 675 computacional 709
15.3 Analisis de tendencia .) Del libro de texto al mundo
(variaci6n secular) 676 real 709
15.4 Variaci6n dclica 686 Terminos introducidos en
15.5 Variaci6n estacional 691 elcapitul015710
15.6 Variaci6n irregular 699 Ecuaciones introducidas
15.7 Problema que incluye a las en el capitulo 15 711
cuatro componentes de .]') Ejercicios de repaso 712
una serie de tiempo 699
15.8 Analisis de series de tiempo
en pron6sticos 707

673
 a administracion de un campo de esqui tiene los siguientes dat

L acerca de la ocupacion trimestral correspondientes a un period

de cinco afios:

Ano 1er. trim. 20. trim. 3er. trim. 40. trim.

-
2005 1,861 2,203 2,415 1,908
2006 1,921 2,343 2,514 1,986
2007 1,834 2,154 2,098 1,799
2008 1,837 2,025 2,304 1,965
2009 2,073 2,414 2,339 1,967

Con el fin de mejorar su servicio, la administracion debe entender el

patron estacional de la demanda de habitaciones. Con los metodos a
lizados en este capitulo, ayudaremos a la administracion del hotel a
discernir ese patron, si existe, y a utilizarlo para pronosticar la demand
de habitaciones.

15.1 Introduccion
Los pron6sticos, 0 predicciones, son una herramienta esencial en cualquier proceso de toma de deci-
siones. Sus aplicaciones varian desde la determinaci6n de los requerimientos de inventario de una
pequefia zapaterfa hasta la estimaci6n de las ventas anuales de juegos de video. La cali dad de los pro-
n6sticos que los tomadores de decisiones pueden realizar esta estrechamente relacionada con la in-
formaci6n que puede extraerse y utilizarse a partir de los datos hist6ricos. El analisis de series de
tiempo es un metodo cuantitativo que utilizamos para determinar patrones de comportamiento en los
datos recolectados a traves del tiempo. La tabla 15-1 es un ejemplo de datos de una serie de tiempo.
Uso del anal isis de El analisis de series de tiempo se utiliza para detectar patrones de cambio 0 permanencia en la in-
series de tiempo formaci6n estadfstica en intervalos 0 periodos regulares. Proyectamos estos patrones para obtener
una estimaci6n para el futuro. En consecuencia, el amHisis de series de tiempo nos ayuda a manejar
la incertidumbre asociada con los acontecimientos futuros .

Tabla 15-1

Serie de tiempo para Ailo 2002 2003 2004 2005 2006 2007 2008 2009
el numero de buques Numero 98 105 116 119 135 156 177 208
cargados, en Morehead,
Carolina del Norte

Ejercicios 15.1
Conceptos basicos
15-1 loQue valor tienen los pron6sticos en el proceso de toma de decisiones?
15-2 loCon que prop6sito aplicamos el analisis de series de tiempo a datos recolectados durante un tiempo?
15-3 loQue beneficios proporciona la determinaci6n de patrones hi st6ricos?
15-4 loC6mo afectaran los errores en los pron6sticos al gobiemo de una ciudad?

674 Capitulo 15 Series de tiempo y pronosticos

15.2 Variacion en las series de tiempo
cuatro tipos de varia- Utilizamos el termino serie de tiempo para referirnos a cualquier grupo de informaci6n estadfstica
ci6n en las sefles de que se acumula a intervalos regulares. Con respecto en una variable de interes, existen cuatro tipos
tiempo de cambio 0 variaci6n implicados en el amilisis de series de tiempo, estos son:

1. Tendencia secular 0 variaci6n secular

2. Fluctuaci6n cfcIica 0 variaci6n cfcIica
3. Variaci6n estacional
4. Variaci6n irregular

Tendencia secular Con el primer tipo de variaci6n, la tendencia secular, el valor de la variable tiende a aumentar 0
disrninuir en un periodo muy largo. El incremento estable en los costos de vida registrados en el Indi-
ce de Precios al Consumidor (wc) es un ejemplo de tendencia secular. De un ano a otro, el costa de
vida varia bastante, pero si exarninamos un periodo a largo plazo, nos damos cuenta que la tendencia
tiende a aumentar de manera estable. La gnifica (a) de la figura 15-1 muestra una tendencia secular
en una serie de tiempo creciente que fluctua.
Fluctuaci6n ciclica El segundo tipo de variaci6n observado en una serie de tiempo es lafluctuaci6n cfclica . El ejem-
plo mas comun de fluctuaci6n cfcIica es el cicIo econ6mico. A traves del tiempo, hay anos en los que

y (a)

k~,;~t;omP"re~

~ ~
CJ Tendencia secular

X
Tiempo en arios
y (b)
Fluctuaci6n cfcliea

7L::J.~r--">.......
Linea de tendeneia
X
Tiempo en arios
y (e)

Variaei6n estaeional

Tiempo en arios
y (d)

Variaei6n irregular

FIGURA 15-1
Variaci6n en las
series de tiempo Tiempo en arios

15.2 Variacion en las series de tiempo 675

 el cicIo econ6mico llega a un pico arriba de la linea de tendencia; en otros, es probable que la a .
Cti
vidad de los negocios disminuya abajo de la linea de tendencia. El tiempo que transcurre entre Pi -
y depresiones es al menos un ano, y puede llegar a ser hasta 15020. La gnifica (b) de la figura I~~~
ilustra un patr6n tfpico de fluctuaci6n cicIica arriba y abajo de la linea de tendencia secular. Obse _
ve que los movimientos cfcIicos no siguen ningun patr6n regular, sino que se mueven de manera:
tanto impredecible. 0
Variaci6n estacional El tercer tipo de cambio en los datos de una serie de tiempo es la variaci6n estacional. Como ca-
brfa esperar, este tipo de variaci6n implica patrones de cambio en el lapso de un ano que tienden a
repetirse anualmente. Por ejemplo, un medico PlJede esperar un aumento sustancial en el numero de
casos de gripe cada invierno y de afectados de tifoidea cada verano. Como se trata de patrones regu_
lares son utiles al pronosticar el futuro. La gnifica (c) de la figura 15-1 muestra una variaci6n esta-
cional. Note c6mo a1canza un pico cada cuarto trimestre del ano.
Variaci6n irregular La variaci6n irregular es el cuarto tipo de cambio que ocurre en el am'llisis de las series de tiem-
po. En muchas situaciones, el valor de una variable puede ser completamente impredecible cambian_
do de manera aleatoria. Las variaciones irregulares describen esos movimientos. Los efectos que el
conflicto de Medio Oriente en 1973, la situaci6n de Inin en 1979-1981, el colapso de la OPEP eo
1986 y la situaci6n de Irak en 1990 tuvieron sobre los precios de la gasolina en Estados Unidos son
ejemplos de variaci6n irregular. La gnifica (d) de la figura 15-1 ilustra la variaci6n irregular.
Hasta ahora, nos hemos referido a las series de tiempo como datos que presentan una de las cua-
tro variaciones descritas . Sin embargo, en la mayor parte de los casos las series de tiempo contie-
nen varias de estas componentes. Asi, podemos describir la variaci6n total en una sola serie de tiempo
en terminos de estas cuatro c1ases de variaci6n. En las siguientes secciones examinaremos las cua-
tro componentes y las form as en que medimos cada uno.

Ejercicios 15.2
Conceptos basicos
15-5 Identifique las cuatro principales componentes de una serie de tiempo y explique el tipo de cambio, en el
tiempo, al que se aplica.
15-6 i,Cu<il de las cuatro componentes de una serie de tiempo se utili zaria para describir el efecto de las ventas
navidelias de una tienda departamental al menudeo?
15-7 i,Cu<il es la ventaja de descomponer una serie de tiempo en sus cuatro componentes?
15-8 i,Cmil de las cuatro componentes de una serie de tiempo deberfa utilizar, el Departamento de Agricultura
de Estados Unidos para describir un patr6n c1imato16gico de siete alios?
15-9 i,C6mo se explicarfa una guerra en una serie de tiempo?
15-10 i,Que componente de una serie de tiempo explica el crecirniento y decrecirniento general de la industria
del acero en los dos ultimos siglos?
15-11 Utilizando los cuatro tipos de variaci6n, describa el comportamiento de los precios del petr61eo crudo de
1990 a 2009.

15.3 Analisis de tendencia (variacion secular)

Dos metodos para De las cuatro componentes de una serie de tiempo, la tendencia secular representa la direcci6n a lar-
ajustar una linea go plazo de la serie. Una manera de describir la componente que corresponde a la tendencia es ajus-
de tendencia
tar visualmente una recta a un conjunto de puntos de una gnifica. Pero cualquier gnifica dada estara
sujeta a interpretaciones que varian de un individuo a otro. Podemos tambien ajustar una linea de
tendencia con el metodo de minimos cuadrados, estudiado en el capitUlo 12. En nuestro analisis, noS
concentraremos en el metodo de minimos cuadrados, ya que el ajuste visual de una recta a una serie
de tiempo no es un proceso de estimaci6n seguro.

676 Capitulo 15 Series de tiempo y pronosticos

 Razones para estudiar las tendencias
Tres razones para el Existen tres razones por las cuales resulta uti I estudiar las tendencias seculares:
estudio de las ten-
1. El estudio de tendencias seculares nos permite describir un patron historico. Existen mu-
dencias seculares
chos ejemplos en los que podemos utilizar un patron del pasado para evaluar el exito de una po-
litica anterior. Por ejemplo, una universidad puede evaluar la efectividad de un programa de
captacion de estudiantes mediante el examen de sus tendencias en las inscripciones anteriores.
2. El estudio de tendencias seculares nos permite proyectar patrones 0 tendencias pasados
al futuro. EI conocimiento del pasado nos puede hablar en gran medida acerca del futuro. Por
ejemplo, el examen de la tasa de crecimiento de la poblacion mundial puede ser de ayuda para
estimar la poblacion en algun momenta futuro dado.
3. En muchas situaciones, el estudio de la tendencia secular de una serie de tiempo nos per-
mite eliminar la componente de tendencia de la serie. Esto facilita el estudio de las otras tres
componentes de la serie de tiempo. Si deseamos determinar la variacion estacional de la venta
de esqufes, por ejemplo, la eliminacion de la componente de tendencia nos proporciona una
idea m:is precisa de la componente estacional.
Las lineas de tenden- Las tendencias pueden ser rectas 0 curvilineas (logarftmicas, exponenciales, potenciales y polino-
cia toman diferentes micas). Antes de examinar el metodo lineal 0 de linea recta para describir tendencias, debemos re-
formas cordar que algunas relaciones no toman esa forma. EI aumento de contaminantes en el ambiente
sigue una curva de pendiente creciente parecida a la que mostramos en la gnifica (a) de la figura
15-2. Otro ejemplo comun de una relacion curvilinea es el cicio de vida de un nuevo producto co-
mercial, que se ilustra en la gnifica (b) de la misma figura. Cuando se introduce en el mercado un
nuevo producto, su volumen de ventas es bajo (I). Conforme el producto adquiere reconocimiento
y exito, las ventas aumentan con una rapidez cada vez mayor (II). Despues de que el producto se
establece firmemente, sus ventas crecen con rapidez constante (III). Por ultimo, cuando el producto
llega al fin de su cicio de vida, las ventas unitarias empiezan a disminuir (IV).

Ajuste de la tendencia lineal con el metoda

de mrnimos cuadrados
Ademas de las tendencias que se pueden describir por una curva, existen otras que se describen por
una linea recta. Estas se conocen como tendencias lineales. Antes de desarrollar la ecuacion para una
tendencia lineal, necesitamos revisar la ecuaci6n general para estimar una linea recta (ecuacion 12-3):
Ecuaci6n para estimar una recta ~ Y= a + bX [12-3]
donde,
Y = valor estimado de la variable dependiente
X = variable independiente (tiempo en el analisis de tendencia)
a = ordenada al origen (el valor de Y cuando X = 0)
b = pendiente de la recta de tendencia
(a) (b)
y y
'"
'"
"0

co
'"
~
co
'0 =>
.~ co
.e= '"
E '"
'"
Zl <B
co =>
o co
<..:> '"
'"
incremento de Zl
co
FIGURA 15-2 contam inacion >'"

Relaciones de ten- L---------------------x ~-------------------- x

dencia curvilinea Tiempo Tiempo

15.3 Analisis de tendencia (varia cion secular) 677

Btlsqueda de la recta Podemos describir la tendencia general de muchas series de tiempo utilizando una lfnea recta. p
de tendencia de me- ro nos encontramos con el problema de buscar la recta, 0 ecuaci6n, de mejor aj uste. Del mismo e-
jor ajuste do que en el capitulo 12, podemos utilizar el metodo de mfnimos cuadrados para calcular la rec:O-
ecuaci6n de mejor ajuste. En ese capftulo, vimos que la recta de mejor ajuste estaba determinada poe
las ecuaciones 12-4 y 12-5, que representamos ahora como ecuaciones 15-1 y 15-2. r

Pendiente de la recta de regresion de mejor ajuste

b = kXY- nX Y
kX2 - nX2

Ordenada ,Y de 'fa recta deregresion de mejor ajuste

a = Y- bX [15-21

donde,
Y = observaciones de la variable dependiente
X = observaciones de la variable independiente
Y = media de las observaciones de la variable dependiente
X = media de las observaciones de la variable independiente
n = numero de datos en la serie de tiempo
a = ordenada al origen
b = pendiente de la recta
Con las ecuaciones 15-1 y 15-2 podemos establecer la recta de mejor ajuste (el que minimiza los
errores) para describir los datos de la serie. Sin embargo, la regularidad de los datos de la serle
de tiempo nos permite simplificar los caIculos de las ecuaciones 15-1 y 15-2 mediante el proceso
que describiremos a continuaci6n.

Traducci6n 0 codificaci6n del tiempo

Codificaci6n de la Normalmente, medimos la variable independiente tiempo en terminos de semanas, meses 0 anos.
variable tiempo Afortunadamente, podemos convertir estas medidas tradicionales de tiempo a una forma que simp li-
para simplificar
fica los ca1culos. En el capitulo 3, llamamos codificaci6n a este proceso. Para utilizar la codificaci6n
los Cil lculos
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, 2004, 2005 y 2006. Si tu-
vieramos que sustituir estas cantidades en las ecuaciones 15-1 y 15-2, veriamos que los caIculos re-
sultantes son tediosos. En su lugar, podemos transformar los valores 2004, 2005 y 2006 en los valo-
res correspondientes -1 , 0 Y 1, en donde 0 representa la media (2005), -1 representa el primer ano
(2004 - 2005 = -1) y 1 el ultimo ano (2006 - 2005 = 1).
Manejo de ntlmeros Cuando codificamos valores de tiempo es necesario tomar en cuenta dos casos. El primero es una
pares e impares de serie de tiempo con un numero impar de elementos, como en el ejemplo anterior; el segundo, una se-
elementos rie de tiempo con un numero par de elementos. Considere la tabla 15-2. En la parte a, ala izquierda,
tenemos un numero impar de anos. En consecuencia, el proceso es el mismo que el que acabamos
de describir utilizando los anos 2004, 2005 y 2006. En la parte b, a la derecha, tenemos un numero
par de elementos. En casos como este, cuando encontramos la media y la restamos de cada elemen-
to, la fracci6n 112 se convierte en parte de la respuesta. Para simplificar el proceso de codificaci6n Y
eliminar el 112, multiplicamos cada elemento de tiempo por dos. Denotaremos el tiempo "codifica-
do" 0 traducido con la letra minuscula x.
( Por que usar Existen dos razones para hacer esta traducci6n del tiempo. Primero, elimina la necesidad de ele-
un c6digo? var al cuadrado numeros grandes como 2004, 2005 y 2006, etc. Este metodo tambien hace que el ano
x,
medio, sea igual a cero y permite simplificar las ecuaciones 15-1 y 15-2.

678 Capitulo 15 Series de tiempo y pronosticos

 (a) Cuando hay un numero impar de (b) Cuando hay un numero par de
elementos en la serie de tiempo elementos en la serie de tiempo

Tiempo Tiempo
X -X - X traducido 0 X X- X (X - Xl x 2 traducido 0
(1 ) (2) codificado (3) (1 ) (2) (3) codificado (4)

2002 2002 - 2005 = -3 2003 2003 - 2005 1/2 = - i12 X 2 = - 5

2003 2003 - 2005 = -2 2004 2004 - 2005 1/2 = - 11/2 X2 = - 3
2004 2004 - 2005 = -1 2005 2005 - 2005 1/2 = - 1/2 X 2 =
2005 1/2

1~
2005 2005 - 2005 2006 2006 - = 1/2 X 2 =

-ll
=
2006 2006 - 2005 = 2007 2007 - 2005 1/2 = 11/2 X2 =
2007 2007 - 2005 = 2008 2008 - 2005 1/2 = il2 X 2 =
2008 2008 - 2005 =

~X = 13,944 x(el ana media) = 0 ~X = 11,955 x(el ana media) = 0

- ~X - ~X
X = - - X =--
n n
13,944 11,955
7 6
= 1992 = 199il2

,implificaci6n del Ahora ya podemos regresar a1 ca1cu10 de 1a pendiente (ecuaci6n IS-I) y 1a ordenada Y (ecuaci6n
alculo de a y b lS-2) para de~rminar la recta de mejor ajuste. Como estamos utilizando la variable codificada x, sus-
x
tituimos X y X por x y en las ecuaciones IS-1 y IS-2. Entonces, como la media de nuestra variable
x x
tiempo codificada es cero, podemos sustituir 0 por en las ecuaciones 1S-1 y IS- 2, como sigue:

b = -kXY - nXY
----,=- [ 15-1]
kX2 - nX2
kXY - nxY <- {X (Ia variabl~cadificada) susti~ida
kX 2 - nx 2 en lugar de X y X en lugar de X

kXY- nOY
f-- x sustituida par 0
kX2 - n02

[ 15-3]

La ecuaci6n IS-2 cambia de la siguiente manera:

a = Y- bX [ 15-2]
= Y - bx f-- x en lugar deX
= Y - bO f-- xsustituida par 0

, \; ,+,,', ~:.". , 1-: il"

Ordenada Y de la reda de tend en cia para valores de tiem~:
a=Y [15-4]

Las ecuaciones IS-3 y IS-4 representan una mejora sustantiva respecto a las ecuaciones IS-1 y IS-2.

15.3 Analisis de tendencia (variacion secular) 679

 Un problema que usa el metodo de mrnimos cuadrados
en una serie de tiempo (numero par de elementos)
Uso del metoda de Considere los datos de la tabla 15-1, que ilustran el numero de buques cargados en la ciudad de M
minimos cuadrados rehead entre 2002 y 2009. En este problema, queremos encontrar la ecuaci6n que describinlla te().
dencia secular de las cargas. Para calcular los valores necesarios para las ecuaciones 15-3 y 15-4, o~
servemos la tabla 15-3.
Busqueda de la Podemos sustituir estos valores en las ecuaciones 15-3 y 15-4 para encontrar la pendiente y la 0-
pendiente y la den ada Y para la recta que describe la tendencia en las cargas de buques: r
ordenada Y
b = kXY
kX2 [15-31

1,266
168
= 7.536
y

a=Y [15-41
= 139.25
As!, la ecuaci6n lineal general que describe la tendencia secular en la carga de buques es

Y= a + bx [12-31
= 139.25 + 7.536x
donde,
y = numero estimado anual de barcos cargados
x = valor de tiempo codificado que representa el numero de intervalos de mitad de ana (el sig-
no menos indica intervalos de rnitad de ano anteriores a 2005 1/2 ; el signo m;is indica inter-
valos de mitad de ano posteriores a 2005 1/ 2 )

X yt x-x x xy xl
(1 ) (2) (3) (3) x 2 ~., (4) (4) x (2) (4)2

2002 98 1988 -1991"/ = -3"2 -3 " 2 x 2 =- 7 - 686 49

2003 105 1989 - 1991"2 = -2"2 -2"2 x 2 =- 5 - 525 25
2004 116 1990-1991"2 =-1"2 -1"2 x 2 = -3 -348 9
2005 119 1991 - 1991"2 -"2 - "2 x 2=-1 -119 1
2006 135 1992 - 1991" 2 "2 \ x 2= 1 135 1
2007 156 1993 - 1991\ 1\ 1"2 x 2= 3 468 9
2008 177 1994 - 1991"2 2"2 2"2 x 2= 5 885 25
2009 208 1995 - 1991 "2 3\ 3" 2 x 2= 7 1,456 49

IX = 15,932 n= 1,114 - -_ _ IxY = 1,266 Ix2 = 168

~n
15,932 = 1991"
8 '

y = ~~ = ~ = 139.25
n 8

t Yes el numero de buques.

* 1991'" corresponde a x = O.

680 Capitulo 15 Series de tiempo y pronosticos

 Proyecci6n con la ecuaci6n de tendencia
Una vez desarrollada la ecuaci6n de tendencia, podemos proyectarla para pronosticar la variable en
cuesti6n. En el problema de hallar la tendencia secular de las cargas de buques, por ejemplo, deter-
minamos que la ecuaci6n de tendencia secular apropiada es
Y= 139.25 + 7.536x
Uso de nuestra recta Ahora suponga que deseamos estimar las cargas de buques para 2010. Primero, debemos conver-
de tendencia para tir 1996 al valor de tiempo codificado (en intervalos de mitad de ano).
pronosticar
x = 2010 - 200512
= 4.5 anos
= 9 intervalos de initad de ano
Sustituyendo este valor en la ecuaci6n correspondiente a la tendencia secular, obtenemos
y = 139.25 + 67.82
= 139.25 + 67.82
= 207 barcos cargados
Por consiguiente, hemos estimado que se carganin 207 barcos en 2010. Si el numero de elemen-
tos de nuestra serie de tiempo hubiera sido impar, no par, nuestro procedimiento hubiera sido el mis-
mo, excepto que hubieramos manejado intervalos de cada ano, no intervalos de mitad de ano.

Uso de una ecuaci6n de segundo grado en una serie de tiempo

Manejo de series de Hasta aquf hemos descrito el metodo de ajustar una recta a una serie de tiempo. Pero muchas series
tiempo descritas par de tiempo se describen mejor por curvas que por rectas. En estos casos, el modelo lineal no descri-
curvas be de manera adecuada el cambio en la variable conforme pasa el tiempo. Para vencer este proble-
ma, a menudo utilizamos una curva parab6lica, que se describe matematicamente por una eeuaei6n
de segundo grado. Este tipo de curva se ilustra en la figura 15-3. La forma general para una ecua-
ci6n de segundo grado estimada es:

'Formagen'eral para :una ecuacion de segundo grado ajustada .

2
+ bx + ex
A

y= a [15-5]

donde,
y = estimaci6n de la variable dependiente
a, bye = constantes numericas
x = valores codificados de la variable tiempo

Ecuaci6n general para

una curva parab6lica:
FIGURA 15-3 Y=a+ bx+cil

Forma y ecuaci6n
de una curva
parab6lica Tiempo

15.3 Analisis de tendencia (variacion secular) 681

Busqueda de valares De nuevo utilizamos el metodo de mfnimos cuadrados para determinar la ecuaci6n de segund
para a, b y c grado que describe el mejor ajuste. La derivaci6n de la ecuaci6n de segundo grado esta mas alIa de~
prop6sito de este libro; sin embargo, podemos determinar el valor de las constantes numericas (a b
y e) a partir de las siguientes tres ecuaciones: '

Coeficientes de minimos cuadrados para una tendencia de segundo grado '~

XY = an + eXx2 [15-6]
Ecuaciones para encontrar
2 2 4
a, b y c para Xx y = aXx + eXx [15-7]
ajustar una curva parab61ica
XxY
b = Xl [15-3]

Despues de encontrar los valores de a, bye resolviendo las ecuaciones 15-6, 15-7 y 15-3, de ma-
nera simultanea, sustituimos estos valores en la ecuaci6n 15-5 de segundo grado.
Al igual que en la descripci6n de una relaci6n lineal, transformamos la variable independiente,
tiempo (X), en una forma codificada (x) para simplificar los calculos. Ahora trabajaremos con un pro-
blema en el cual ajustamos una parabola a una serie de tiempo.

Problema que involucra una tendencia parab61ica

(numero impar de elementos en la serie de tiempo)
En los ultimos anos, la venta de telefonos m6viles ha aumentado con una rapidez significativa. La
tabla 15-4 contiene informaci6n acerca de las ventas de estos artfculos que sera util para deterrninar
la tendencia parab61ica que describe esta variable en el tiempo.
Cadificaci6n de la En la tabla 15-5 organizamos los calculos necesarios. El primer paso en este proceso es traducir
variable tiempa la variable independiente X en una variable de tiempo codificada x. Note que la variable codificada
x esta dada en intervalos de cada ano, debido a que tenemos un numero impar de elementos en nues-
tra serie de tiempo. Asf, no es necesario multiplicar la variable por 2.
Calculo de a, b y c Sustituyendo los valores de la tabla 15-5 en las ecuaciones 15-6, 15-7 y 15-3, obtenemos
par sustituci6n
247 = 5a + lOe CD [15-6]
565 = lOa + 34e W [15-7]
227
b=-
10 [15-3]
De , vemos que
b = 22.7
Se puede encontrar aye al resolver las ecuaciones simultaneas CD
y @. Al hacerlo, se encuentra
que a es 39.3 y e es 5.07.
Esto nos da los valores apropiados de a, bye para describir la serie de tiempo presentada en la
tabla 15-4 mediante la ecuaci6n:
2
y= a + bx + ex
A
[15-5]
2
= 39.3 + 22.7x + 5.07x

X (aiio) 2005 2006 2007 2008 2009

Y (ventas unitarias en millones) 13 24 39 65 106

682 Capitulo 15 Series de tiempo y pronosticos

 Y X X - X =x x2 X4 xY x2 y
(1 ) (2) (3) (3)2 (3)4 (3) x (1) (3) 2 x (1)

13 2005 2005 - 2007 = -2 4 16 - 26 52

24 2006 2006 - 2007 = - 1 1 1 - 24 24
39 2007 2007 - 2007 = 0 0 0 0 0
65 2008 2008 - 2007 = 1 65 65
106 2009 2009 - 2007 = 2 4 16 212 424
lY= 247 l X = 9,965 l x 2 = 10 l X4 = 34 lxY = 227 lx 2 y = 565

X = ~~ = 9,965 = 1993
n 5

i Se ajusta la cu rva Se grafican los datos de los telefonos para ver que tan bien se ajusta la parabola desarrollada a la
a los datos? serie de tiempo. La figura 15-4 presenta esta grafica.

Pron6sticos basados en una ecuaci6n de segundo grado

Pa ra pronosticar Suponga que deseamos pronosticar las ventas de telefonos para 2014. Para hacer una prediccion, de-
bemos primero transformar 2014 en una variable codificada x restandole el ano medio, 2007:
X-X=x
2014 - 2007 =7
Despues este valor codificado (x = 7) se sustituye en la ecuacion de segundo grado que describe la
venta de telefonos:
Y= 39.3 + 22.7x + 5.07x2
= 39.3 + 22.7(7) + 5.07(7)2
= 39.3 + 158.9 + 248.4
= 446.6
Con base en la tendencia secular historica, concluimos que las ventas de telefonos debera ser aproxi-
madamente 446,600,000 unidades en 2014. Sin embargo, este pronostico tan alto sugiere que debemos
ser mas cuidadosos al pronosticar con una tendencia parabolica que cuando trabajamos con una ten-
dencia lineal. La pendiente de la ecuacion de segundo grade de la figura 15-4 se incrementa continua-
mente; en consecuencia, la parabola puede convertirse en un estimador ineficiente si intentamos pro-
nosticar a un plazo mayor. Al utilizar el metodo de la ecuacion de segundo grado, tambien debemos
considerar factores que pueden estar frenando 0 invirtiendo la tasa de crecimiento de la variable.
Ser cuidadosos En el ejemplo de la venta de telefonos podemos suponer que durante el periodo considerado, el
al interpretar la producto se encuentra en una etapa de crecimiento muy rapido de su cicio de vida. Pero debemos
prediccion darnos cuenta de que a medida que el cicio se acerca a la etapa de madurez, el crecimiento de las
y
~
Tendencia parab61ica
'" 140
"0
Y= 39,3 + 22.7 x+ 5,07 x2
'"
"0
'cco 120
'" 100
"0
~

'"co 80
~
'E 60
co
'" 40
~

FIGURA 15-4 .i>!

co
>'" 20
Tendencia parab6-
lica ajustada para -7 -6 -5 -4 -3 -2 -1 0 2 3 4 5 6
los datos de tabla 2001 2003 2005 2007 2009 2011
15-4 Tiempo

15.3 Analisis de tendencia (variaci6n secular) 683

 ventas puede disminuir y la parabola ya no predecir con precision. Cuando ca1culamos prediccione
S
debemos considerar la posibilidad de que la linea de tendencia puede cambiar. Esta situacion PUed
ocasionar un error significativo. Por tanto, es necesario poner una atencion especial cuando se uti1i~
za una ecuacion de segundo grado como herramienta de pronostico.

SUGERENCIAS Advertencia: "ningun arbol crece hasta grado. Extrapolar una tasa de crecimiento de una compaflfa
Y el cielo" es un proverbio de Wall Street que comienza (que inicia con cero ventas de manera que un
SUPOSICIONES que significa que ningun precio de ac- dolar de venta se convierte de manera automatica en una ta-
cion sube para siempre. Esto tambien se sa de crecimiento infinito) es riesgoso. Las tasas iniciales
aplica a los pronosticos hechos con ecuaciones de segundo de crecirniento rara vez continuan.

Ejercicios 15.3
Ejercicios de autoevaluacion
EA 15-1 Robin Zill y Stewart Griffiths son los propietarios de una pequena fabrica de mesas de masaje portatiles
en Hillsborough, Carolina del Norte. Desde que inicio la compafifa, el numero de mesas que han vendido
esta representado por esta serie de tiempo:
Ano 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Mesas vendidas 42 50 61 75 92 111 120 127 140 138

a) Encuentre la ecuacion lineal que describe la tendencia del numero de mesas vendidas por Robin y
Stewart.
b) Estime sus ventas para 2011.
EA 15-2 El numero de academicos que poseen computadoras person ales en la Universidad de Ohio ha aumentado
drasticamente entre 1990 y 1995:
Ano 2004 2005 2006 2007 2008 2009
Numero de PC 50 110 350 1,020 1,950 3,710

a) Desarrolle la ecuacion de estimacion lineal que mejor describa estos datos.

b) Desarrolle la ecuacion de estimacion de segundo grado que mejor describa los datos.
c) Estime el numero de computadoras personales que habra en uso en la universidad en 2013, utili zan-
do ambas ecuaciones.
d) Si hay 8,000 academicos en la universidad, l,que ecuacion es mejor pronosticador? l,Por que?

Aplicaciones
15-12 Jeff Richards invirtiolos ahorros de toda su vida e inicio un negocio de limpieza de alfombras en 1999.
Desde entonces, la reputacion de Jeff se ha propagado y el negocio ha crecido. Los numeros promedio de
casas que ha limpiado por mes cada ano son:
Ano 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Casas limpiadas 6.4 11.3 14.7 18.4 19.6 25.7 32.5 48.7 55.4 75.7 94.3

a) Encuentre la ecuacion lineal que describa la tendencia de estos datos.

b) Estime el numero de casas limpiadas mensualmente en 2010, 2011 Y 2012 .
15-13 EI dueno de la compafifa Progressive Builders esta examinando el numero de casas solares que iniciaron
su construccion en la region durante los ultimos siete meses:
Mes Jun. Jul. Ago. Sep. Oct. Nov. Die.
Numero de casas 16 17 25 28 32 43 50

a) Grafique estos datos.

b) Desarrolle la ecuacion de estimacion lineal que mejor describa estos datos, y grafique la recta en la
grafica del inciso a) (una unidad de x igual a 1 mes).

684 Capitulo 15 Series de tiempo y pronosticos

 c) Desarrolle la ecuaci6n de estimaci6n de segundo grado que mejor describa estos datos y grafique es-
ta curva en la gnifica del inciso a).
d) Estime las ventas de marzo utilizando ambas curvas graficadas.
15-14 Richard Jackson desarroll6 un rat6n para computadora ergon6mico en 2002 y las ventas han ido en aumen-
to desde entonces. A continuaci6n se presentan datos en terminos de miles de ratones vendidos por ano.
Ano 2002 2003 2004 2005 2006 2007 2008 2009
Numero vendido 82.4 125.7 276.9 342.5 543.6 691.5 782.4 889.5

a) Desarrolle la ecuaci6n de estimaci6n lineal que mejor describa estos datos .

b) Desarrolle la ecuaci6n de estimaci6n de segundo grado que mejor des crib a estos datos.
c) Estime el numero de ratones que vendeni en 2011 usando ambas ecuaciones.
d) Si se supone que la tasa de crecimiento de las ventas de ratones decreceni pronto con base en la ofer-
ta y la demanda, (,que modelo sera un mejor pronosticador para su respuesta en c)?
15-15 Mike Godfrey, auditor de un sistema escolarizado de educaci6n publica, ha revisado los registros de in-
ventario para determinar si las existencias reales de libros de texto son tipicas. Las cantidades de inventa-
rio siguientes corresponden a los cinco anos anteriores :
Ano 2005 2006 2007 2008 2009
Inventario (miles de d6lares) $4,620 $4,910 $5,490 $5,730 $5,990

a) Encuentre la ecuaci6n lineal que describa la tendencia en las existencias de inventario.

b) Estime para el auditor el valor del inventario para el ano 2010.
15-16 La siguiente tabla describe los precios del correo de primera clase desde 1980 hasta 2009:
Ano 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2003 2005 2007 2009
Precio (etvos.) 5 5 8 8 10 13 15 18 20 22 25 25 29 29 32

a) Desarrolle la ecuaci6n de estimaci6n lineal que mejor describa los datos.

b) Desarrolle la ecuaci6n de estimaci6n de segundo grado que mejor describa los datos.
c) (,Existe algun indicador en el entomo econ6mico 0 polftico que sugiera que una de las dos ecuacio-
nes tiene mayor posibilidad de ser mejor pronosticador de los precios postales?
15-17 Ingenierfa Environtech, una compania especializada en la construcci6n de dispositivos de filtrado anticon-
taminante, ha registrado los siguientes niveles de ventas durante los ultimos nueve anos:
Ano 2001 2002 2003 2004 2005 2006 2007 2008 2009
Ventas (cientos de miles de d6lares) 13 15 19 21 27 35 47 49 57
a) Grafique los datos.
b) Desarrolle la ecuaci6n de estimaci6n lineal que mejor describa estos datos y grafique la recta en la
grafica del inciso a).
c) DesarroIIe la ecuaci6n de estimaci6n de segundo grado que mejor describa los datos, y grafique la
ecuaci6n en la grafica del inciso a).
d) (,Segun el conocimiento adquirido al respecto, el mercado favorece a b) 0 c) como el metodo de esti-
maci6n mas preciso?
15-18 A continuaci6n presentamos los datos que describen el indice de contaminaci6n de aire [en partes por mi-
1I6n (ppm) de partfculas en el airel de una ciudad del oeste de Estados Unidos:
Ano 1990 1995 2000 2005
indice de eontaminaci6n 220 350 800 2,450
a) (,Que ecuaci6n de estimaci6n, lineal 0 de segundo grado, proporciona la mejor predicci6n de los in-
dices de contaminaci6n de la ciudad?
b) Considerando el entomo econ6mico, social y polftico, (,cambiaria usted la respuesta del inciso a)?
c) Describa c6mo las acciones polfticas y sociales podrfan cambiar la efectividad de las ecuaciones de
estimaci6n del inciso a).
15-19 El Departamento Estatal de Vehiculos estudia el numero de muertes por accidentes de transito en el esta-
do debido a conductores ebrios, y registr6 el numero de muertes en los nueve anos anteriores:
Ano 2001 2002 2003 2004 2005 2006 2007 2008 2009
Muertes 175 190 185 195 180 200 185 190 205

a) Encuentre la ecuaci6n lineal que describe la tendencia en el numero de muertes en accidentes de tran-
sito en el estado debidas a conductores ebrios.

15.3 Analisis de tendencia (varia cion secular) 685