Вы находитесь на странице: 1из 45

captulo

15
w w w .M

SERIES DE TIEMPO Y PRONSTICOS

Objetivos

Aprender por qu los cambios en los pronsticos que tienen lugar en tiempo constituyen una parte importante de la toma de decisiones Entender las cuatro componentes de una serie de tiempo Utilizar tcnicas basadas en la regresin para estimar y pronosticar la tendencia de una serie de tiempo Aprender cmo medir la componente cclica de una serie de tiempo

Contenido del captulo


15.1 Introduccin 674 15.2 Variacin en las series de tiempo 675 15.3 Anlisis de tendencia 676 15.4 Variacin cclica 686 15.5 Variacin estacional 691 15.6 Variacin irregular 699 15.7 Problema que incluye a las cuatro componentes de una serie de tiempo 699 15.8 Anlisis de series de tiempo en pronsticos 707

at e

m at

Calcular ndices estacionales y usarlos para desestacionalizar una serie de tiempo Ser capaces de reconocer una variacin irregular en una serie de tiempo Manejar simultneamente las cuatro componentes de una serie de tiempo y utilizar el anlisis de series de tiempo para pronosticar

ic

a1 .c

om

Estadstica en el trabajo 708 Ejercicio de base de datos computacional 709 Del libro de texto al mundo real 709 Trminos introducidos en el captulo 15 710 Ecuaciones introducidas en el captulo 15 711 Ejercicios de repaso 712

a administracin de un campo de esqu tiene los siguientes datos acerca de la ocupacin trimestral correspondientes a un periodo de cinco aos:
Ao 1991 1992 1993 1994 1995 1er. trim. 1,861 1,921 1,834 1,837 2,073 2o. trim. 2,203 2,343 2,154 2,025 2,414 3er. trim. 2,415 2,514 2,098 2,304 2,339 4o. trim. 1,908 1,986 1,799 1,965 1,967

Con el fin de mejorar su servicio, la administracin debe entender el patrn estacional de la demanda de habitaciones. Con los mtodos analizados en este captulo, ayudaremos a la administracin del hotel a discernir ese patrn, si existe, y a utilizarlo para pronosticar la demanda de habitaciones.

Uso del anlisis de series de tiempo

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. La tabla 15-1 es un ejemplo de datos de una serie de 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.

Tabla 15-1 Serie de tiempo para el nmero de buques cargados, en Morehead, Carolina del Norte Ao Nmero 1988 98 1989 105 1990 116 1991 119 1992 135 1993 156 1994 177 1995 208

Ejercicios 15.1
Conceptos bsicos
15-1 15-2 15-3 15-4 Qu valor tienen los pronsticos en el proceso de toma de decisiones? Con qu propsito aplicamos el anlisis de series de tiempo a datos recolectados durante un tiempo? Qu beneficios proporciona la determinacin de patrones histricos? Cmo afectarn los errores en los pronsticos al gobierno de una ciudad?

.M

at e

m at

ic

a1 .c

om

15.1 Introduccin

15.2 Variacin en las series de tiempo


Cuatro tipos de 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. 2. 3. 4. Tendencia secular Fluctuacin cclica Variacin estacional Variacin irregular

Tendencia secular

Fluctuacin cclica

Con el primer tipo de variacin, 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. La grfica (a) de la figura 15-1 muestra una tendencia secular en una serie de tiempo creciente que flucta. 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
Y
Serie de tiempo real (a)

em

Tendencia secular Tiempo en aos

at

ic a

1.

co

w w

.M

at

X
(b)

w
Lnea de tendencia

Fluctuacin cclica

Tiempo en aos

X
(c)

Variacin estacional

Tiempo en aos

X
(d)

Variacin irregular

FIGURA 15-1 Variacin en las series de tiempo


Tiempo en aos

Variacin estacional

Variacin irregular

15-6 15-7 15-8

15-9 15-10 15-11

15.3 Anlisis de tendencia


Dos mtodos para ajustar una lnea 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. Podemos tambin ajustar una lnea de tendencia con el mtodo de mnimos cuadrados, estudiado en el captulo 12. 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.

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. Cul de las cuatro componentes de una serie de tiempo se utilizara para describir el efecto de las ventas navideas de una tienda departamental al menudeo? Cul es la ventaja de descomponer una serie de tiempo en sus cuatro componentes? Cul de las cuatro componentes de una serie de tiempo debera utilizar el Departamento de Agricultura de Estados Unidos para describir un patrn climatolgico de siete aos? Cmo se explicara una guerra en una serie de tiempo? Qu componente de una serie de tiempo explica el crecimiento y decrecimiento general de la industria del acero en los dos ltimos siglos? Utilizando los cuatro tipos de variacin, describa el comportamiento de los precios del petrleo crudo de 1970 a 1987.

.M

Conceptos bsicos

at

em

Ejercicios 15.2

at

ic a1

.c

om

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. La grfica (b) de la figura 15-1 ilustra un patrn tpico de fluctuacin cclica arriba y abajo de la lnea de tendencia secular. Observe que los movimientos cclicos no siguen ningn patrn regular, sino que se mueven de manera un tanto impredecible. 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. La grfica (c) de la figura 15-1 muestra una variacin estacional. Note cmo alcanza un pico cada cuarto trimestre del ao. 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. La grfica (d) de la figura 15-1 ilustra la variacin irregular. Hasta ahora, nos hemos referido a las series de tiempo como datos que presentan una de las cuatro variaciones descritas. Sin embargo, 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.

Razones para estudiar las tendencias


Tres razones para el estudio de las tendencias seculares

Las lneas de tendencia toman diferentes formas

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 (ecuacin 12-3): a bX Ecuacin para estimar una recta Y [12-3] donde, Y X a b
Y

valor estimado de la variable dependiente variable independiente (tiempo en el anlisis de tendencia) ordenada Y (el valor de Y cuando X 0) pendiente de la recta de tendencia
(a)
Y

Ajuste de la tendencia lineal con el mtodo de mnimos cuadrados


w w .M

at

em

Existen tres razones por las cuales resulta til estudiar las tendencias seculares: 1. El estudio de tendencias seculares nos permite describir un patrn histrico. Existen muchos ejemplos en los que podemos utilizar un patrn del pasado para evaluar el xito de una poltica anterior. Por ejemplo, una universidad puede evaluar la efectividad de un programa de captacin de estudiantes mediante el examen de sus tendencias en las inscripciones anteriores. 2. El estudio de tendencias seculares nos permite proyectar patrones o tendencias pasados al futuro. El conocimiento del pasado nos puede hablar en gran medida acerca del futuro. Por ejemplo, el examen de la tasa de crecimiento de la poblacin mundial puede ser de ayuda para estimar la poblacin en algn momento futuro dado. 3. En muchas situaciones, el estudio de la tendencia secular de una serie de tiempo nos permite 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 variacin estacional de la venta de esques, por ejemplo, la eliminacin de la componente de tendencia nos proporciona una idea ms precisa de la componente estacional. Las tendencias pueden ser rectas o curvilneas. Antes de examinar el mtodo lineal o de lnea recta para describir tendencias, debemos recordar que algunas relaciones no toman esa forma. El aumento de contaminantes en el ambiente sigue una curva de pendiente creciente parecida a la que mostramos en la grfica (a) de la figura 15-2. Otro ejemplo comn de una relacin curvilnea es el ciclo de vida de un nuevo producto comercial, que se ilustra en la grfica (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 xito, las ventas unitarias aumentan con una rapidez cada vez mayor (II). Despus de que el producto se establece firmemente, sus ventas unitarias crecen con rapidez constante (III). Por ltimo, cuando el producto llega al fin de su ciclo de vida, las ventas unitarias empiezan a disminuir (IV).

at ic

a1 .

co m

(b) Ventas anuales en unidades

IV III

Contaminacin

FIGURA 15-2 Relaciones de tendencia curvilnea


Tiempo

Tendencia del incremento de contaminacin


X

II Tiempo
X

Bsqueda de la recta de tendencia de mejor ajuste

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. Del mismo modo que en el captulo 12, podemos utilizar el mtodo de mnimos cuadrados para calcular la recta o ecuacin de mejor ajuste. En ese captulo, vimos que la recta de mejor ajuste estaba determinada por las ecuaciones 12-4 y 12-5, que representamos ahora como ecuaciones 15-1 y 15-2. Pendiente de la recta de regresin de mejor ajuste b XY X2 nX Y nX2 [15-1]

Ordenada Y de la recta de regresin de mejor ajuste a donde, Y X Y X n a b Y bX [15-2]

Traduccin o codificacin del tiempo


Codificacin de la variable tiempo para simplificar los clculos

Manejo de nmeros pares e impares de elementos

Por qu usar un cdigo?

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 15-1 y 15-2, 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 de tiempo con un nmero par de elementos. Considere la tabla 15-2. 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 15-1 y 15-2.

.M

Con las ecuaciones 15-1 y 15-2 podemos establecer la recta de mejor ajuste para describir los datos de la serie. Sin embargo, la regularidad de los datos de la serie de tiempo nos permite simplificar los clculos de las ecuaciones 15-1 y 15-2 mediante el proceso que describiremos a continuacin.

at e

m at

ic

valores de la variable dependiente valores de la variable independiente media de los valores de la variable dependiente media de los valores de la variable independiente nmero de datos en la serie de tiempo ordenada Y pendiente

a1 .c

om

Tabla 15-2 Traduccin o codificacin de los valores de tiempo

(a) Cuando hay un nmero impar de elementos en la serie de tiempo Tiempo traducido o codificado (3) 3 2 1 0 1 2 3 0

(b) Cuando hay un nmero par de elementos en la serie de tiempo Tiempo traducido o codificado (4) 5 3 1 1 3 5 0

X (1) 1989 1990 1991 1992 1993 1994 1995 X

X (2) 1989 1990 1991 1992 1993 1994 1995 13,944

X (1) 1990 1991 1992 1993 1994 1995 X

X (2) 1990 1991 1992 1993 1994 1995 11,955

X 19921/2 19921/2 19921/2 19921/2 19921/2 19921/2

(X

X) (3) 2 2 2 2 2 2

1992 1992 1992 1992 1992 1992 1992

21/2 11/2 1 /2 1 /2 11/2 21/2

x (el ao medio)

x (el ao medio)

X n
13,944 7 1992

X n
11,955 6 19921/2

.M

at e

XY X2 xY x2 xY x2

m at

ic
nX Y nX2 nxY nx 2

a1 .c

om

Simplificacin del clculo de a y b

Ahora ya podemos regresar al clculo de la pendiente (ecuacin 15-1) y la ordenada Y (ecuacin 15-2) 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 15-1 y 15-2, como sigue: [15-1]
en lugar de X y x en lugar de X
x (la variable codificada) sustituida

n0Y x sustituida por 0 n02

Pendiente de la lnea de tendencia para valores de tiempo codificados b xY x2 [15-3]

La ecuacin 15-2 cambia de la siguiente manera: a Y Y Y bX bx x en lugar de X b0 x sustituida por 0 [15-2]

Ordenada Y de la recta de tendencia para valores de tiempo codificados a Y [15-4]

Las ecuaciones 15-3 y 15-4 representan una mejora sustantiva respecto a las ecuaciones 15-1 y 15-2.

Un problema que usa el mtodo de mnimos cuadrados en una serie de tiempo (nmero par de elementos)
Uso del mtodo de mnimos cuadrados

Bsqueda de la pendiente y la ordenada Y

Considere los datos de la tabla 15-1, que ilustran el nmero de buques cargados en la ciudad de Morehead entre 1988 y 1995. En este problema, queremos encontrar la ecuacin que describir la tendencia secular de las cargas. Para calcular los valores necesarios para las ecuaciones 15-3 y 15-4, observemos la tabla 15-3. Podemos sustituir estos valores en las ecuaciones 15-3 y 15-4 para encontrar la pendiente y la ordenada Y para la recta que describe la tendencia en las cargas de buques: b xY x2 1,266 168 7.536 y a Y 139.25 As, la ecuacin lineal general que describe la tendencia secular en la carga de buques es [15-4] [15-3]

a1

.c

om

bx 7.536x

[12-3]

donde, Y x

nmero estimado anual de barcos cargados valor de tiempo codificado que representa el nmero de intervalos de mitad de ao (el signo menos indica intervalos de mitad de ao anteriores a 19911/2; el signo ms indica intervalos de mitad de ao posteriores a 19911/2)

Tabla 15-3 Clculos intermedios para calcular la tendencia

X (1) 1988 1989 1990 1991 1992 1993 1994 1995 ______ X 15,932 Y

Y (2) 98 105 116 119 135 156 177 208 _____ 1,114 1988 1989 1990 1991 1992 1993 1994 1995

.M

at em

at

139.25

ic

X (3)

X (3) 31/2 21/2 11/2 1 /2 1 /2 11/2 21/2 31/2 31/2 21/2 11/2 1 /2 1 /2 11/2 21/2 31/2

x 2 2 2 2 2 2 2 2 2

xY (4) 7 5 3 1 1 3 5 7 xY (4) 686 525 348 119 135 468 885 0 1,456 1,266 x2 (2)

x2 (4)2 49 25 9 1 1 9 25 0 49 168

19911/2 19911/2 19911/2 19911/2 19911/2 19911/2 19911/2 19911/2

X Y

X n Y n

15,932 8 1,114 8

1,9911/2 139.25

Y es el nmero de buques. 19911/2 corresponde a x 0.

Proyeccin con la ecuacin de tendencia


Una vez desarrollada la ecuacin de tendencia, podemos proyectarla para pronosticar la variable en cuestin. En el problema de hallar la tendencia secular de las cargas de buques, por ejemplo, determinamos que la ecuacin de tendencia secular apropiada es Y 139.25 7.536x
Uso de nuestra recta de tendencia para pronosticar

Ahora suponga que deseamos estimar las cargas de buques para 1996. Primero, debemos convertir 1996 al valor de tiempo codificado (en intervalos de mitad de ao). x 1996 19911/2 4.5 aos 9 intervalos de mitad de ao

Sustituyendo este valor en la ecuacin correspondiente a la tendencia secular, obtenemos Y 139.25 67.82 139.25 67.82 207 barcos cargados Por consiguiente, hemos estimado que se cargarn 207 barcos en 1996. Si el nmero de elementos de nuestra serie de tiempo hubiera sido impar, no par, nuestro procedimiento hubiera sido el mismo, excepto que hubiramos manejado intervalos de cada ao, no intervalos de mitad de ao.

Forma general para una ecuacin de segundo grado ajustada Y donde, Y a, b y c x estimacin de la variable dependiente constantes numricas valores codificados de la variable tiempo a bx cx2 [15-5]

Unidad de medida

Curva parablica Ecuacin general para una curva parablica: Y = a + bx + cx 2

FIGURA 15-3 Forma y ecuacin de una curva parablica

.M

Tiempo

at e

Manejo de series de tiempo descritas por curvas

Hasta aqu hemos descrito el mtodo de ajustar una recta a una serie de tiempo. Pero muchas series de tiempo se describen mejor por curvas que por rectas. En estos casos, el modelo lineal no describe de manera adecuada el cambio en la variable conforme pasa el tiempo. Para vencer este problema, a menudo utilizamos una curva parablica, que se describe matemticamente por una ecuacin de segundo grado. Este tipo de curva se ilustra en la figura 15-3. La forma general para una ecuacin de segundo grado estimada es:

m at

ic

a1 .c

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

om

Bsqueda de valores para a, b y c

De nuevo utilizamos el mtodo de mnimos cuadrados para determinar la ecuacin de segundo grado que describe el mejor ajuste. La derivacin de la ecuacin de segundo grado est ms all del propsito de este libro; sin embargo, podemos determinar el valor de las constantes numricas (a, b y c) a partir de las siguientes tres ecuaciones: Coeficientes de mnimos cuadrados para una tendencia de segundo grado Y xY b
2

Ecuaciones para encontrar a, b y c para ajustar una curva parablica

an a x
2

c x2 c x
4

[15-6] [15-7] [15-3]

xY 2 x

Despus de encontrar los valores de a, b y c resolviendo las ecuaciones 15-6, 15-7 y 15-3, de manera simultnea, sustituimos estos valores en la ecuacin 15-5 de segundo grado. Al igual que en la descripcin de una relacin lineal, transformamos la variable independiente, tiempo (X), en una forma codificada (x) para simplificar los clculos. Ahora trabajaremos con un problema en el cual ajustamos una parbola a una serie de tiempo.

Clculo de a, b y c por sustitucin

.M

at e

Codificacin de la variable tiempo

En los ltimos aos, la venta de relojes electrnicos de cuarzo ha aumentado con una rapidez significativa. La tabla 15-4 contiene informacin acerca de las ventas de estos artculos que ser til para determinar la tendencia parablica que describe la venta de relojes. En la tabla 15-5 organizamos los clculos necesarios. El primer paso en este proceso es traducir la variable independiente X en una variable de tiempo codificada x. Note que la variable codificada x est dada en intervalos de cada ao, debido a que tenemos un nmero impar de elementos en nuestra serie de tiempo. As, no es necesario multiplicar la variable por 2. Sustituyendo los valores de la tabla 15-5 en las ecuaciones 15-6, 15-7 y 15-3, obtenemos

m at

ic

a1 .c

om

Problema que involucra una tendencia parablica (nmero impar de elementos en la serie de tiempo)

247 565 34b De 3 , vemos que

5a 10a 227 10 b

10c 34c

1 2 3

[15-6] [15-7] [15-3]

22.7

Se puede encontrar a y c al resolver las ecuaciones simultneas 1 y 2 . Al hacerlo, se encuentra que a es 39.3 y c es 5.07. Esto nos da los valores apropiados de a, b y c para describir la serie de tiempo presentada en la tabla 15-4 mediante la ecuacin: Y a bx cx2 [15-5] 39.3
Tabla 15-4 Ventas anuales de relojes electrnicos de cuarzo X (ao) Y (ventas unitarias en millones) 1991 13 1992 24 1993 39 1994 65 1995 106

22.7x

5.07x2

Tabla 15-5 Clculos intermedios para determinar la tendencia

Y (1) 13 24 39 65 106 247

X (2) 1991 1992 1993 1994 01995 9,965 1993

X (3)

x2 (3)2
2 1 0 1 2 x2 4 1 0 1 04 10

x4 (3)4 16 1 0 1 16 34

xY (3) 26 24 0 65 212 227 (1) (3)

x2Y
2

(1)

1991 1992 1993 1994 1995

1993 1993 1993 1993 1993

X 9,965 5

x4

xY

x 2Y

52 24 0 65 424 565

X n

Se ajusta la curva a los datos?

Se grafican los datos de los relojes para ver qu tan bien se ajusta la parbola desarrollada a la serie de tiempo. La figura 15-4 presenta esta grfica.

Pronsticos basados en una ecuacin de segundo grado


Para pronosticar

Suponga que deseamos pronosticar las ventas de relojes para 2000. Para hacer una prediccin, debemos primero transformar 2000 en una variable codificada x restndole el ao medio, 1993: X 2000 X x 7

1993

Ser cuidadosos al interpretar la prediccin

Con base en la tendencia secular histrica, concluimos que las ventas de relojes deber ser aproximadamente 446,600,000 unidades en 2000. Sin embargo, este pronstico tan alto sugiere que debemos ser ms cuidadosos al pronosticar con una tendencia parablica que cuando trabajamos con una tendencia lineal. La pendiente de la ecuacin de segundo grado de la figura 15-4 se incrementa continuamente; en consecuencia, la parbola puede convertirse en un estimador pobre si intentamos pronosticar a un plazo mayor. Al utilizar el mtodo de la ecuacin de segundo grado, tambin debemos considerar factores que pueden estar frenando o invirtiendo la tasa de crecimiento de la variable. En el ejemplo de la venta de relojes, podemos suponer que durante el periodo considerado, el producto se encuentra en una etapa de crecimiento muy rpido de su ciclo de vida. Pero debemos darnos cuenta de que a medida que el ciclo se acerca a la etapa de madurez, el crecimiento de las
Y

Ventas en millones de unidades

Despus este valor codificado (x 7) se sustituye en la ecuacin de segundo grado que describe la venta de relojes: Y 39.3 22.7x 5.07x2 39.3 22.7(7) 5.07(7)2 39.3 158.9 248.4 446.6

FIGURA 15-4 Tendencia parablica ajustada para los datos de tabla 15-4

140 120 100 80 60 40 20 -7 -6 1987 -5 -4 1989 -3

Tendencia parablica Y = 39.3 + 22.7x + 5.07x 2

.M

at e

m at ic

a1 .c

om

Puntos reales

-2 1991

-1

2 1995

4 1997

1993 Tiempo

ventas puede disminuir y la parbola ya no predecir con precisin. Cuando calculamos predicciones, debemos considerar la posibilidad de que la lnea de tendencia puede cambiar. Esta situacin puede ocasionar un error significativo. Por tanto, es necesario poner una atencin especial cuando se utiliza una ecuacin de segundo grado como herramienta de pronstico.
Advertencia: ningn rbol crece hasta el cielo es un proverbio de Wall Street que significa que ningn precio de accin sube para siempre. Esto tambin se aplica a los pronsticos hechos con ecuaciones de segundo
SUGERENCIAS Y SUPOSICIONES

grado. Extrapolar una tasa de crecimiento de una compaa que comienza (que inicia con cero ventas de manera que un dlar de venta se convierte de manera automtica en una tasa de crecimiento infinito) es riesgoso. Las tasas iniciales de crecimiento rara vez continan.

Ejercicios 15.3
Ejercicios de autoevaluacin
EA 15-1 Robin Zill y Stewart Griffiths son los propietarios de una pequea fbrica de mesas de masaje porttiles en Hillsborough, Carolina del Norte. Desde que inici la compaa, el nmero de mesas que han vendido est representado por esta serie de tiempo:
Ao Mesas vendidas 1987 42 1988 50 1989 61 1990 75 1991 92 1992 111 1993 120 1994 127 1995 140 1996 138

EA

15-2

a) Desarrolle la ecuacin de estimacin lineal que mejor describa estos datos. b) Desarrolle la ecuacin de estimacin de segundo grado que mejor describa los datos. c) Estime el nmero de computadoras personales que habr en uso en la universidad en 1999, utilizando ambas ecuaciones. d) Si hay 8,000 acadmicos en la universidad, qu ecuacin es mejor pronosticador? Por qu?

Aplicaciones
15-12 Jeff Richards invirti los ahorros de toda su vida e inici un negocio de limpieza de alfombras en 1986. Desde entonces, la reputacin de Jeff se ha propagado y el negocio ha crecido. Los nmeros promedio de casas que ha limpiado por mes cada ao son:
Ao 1986 Casas limpiadas 6.4 1987 11.3 1988 14.7 1989 18.4 1990 19.6 1991 25.7 1992 32.5 1993 48.7 1994 55.4 1995 75.7 1996 94.3

15-13

a) Encuentre la ecuacin lineal que describa la tendencia de estos datos. b) Estime el nmero de casas limpiadas mensualmente en 1997, 1998 y 1999. El dueo de la compaa Progressive Builders est examinando el nmero de casas solares que iniciaron su construccin en la regin durante los ltimos siete meses:
Mes Jun. Nmero de casas 16 Jul. 17 Ago. 25 Sep. 28 Oct. 32 Nov. 43 Dic. 50

a) Grafique estos datos. b) Desarrolle la ecuacin de estimacin lineal que mejor describa estos datos, y grafique la recta en la grfica del inciso a) (una unidad de x igual a 1 mes).

Ao Nmero de PC

.M

at e
1990 50

a) Encuentre la ecuacin lineal que describe la tendencia del nmero de mesas vendidas por Robin y Stewart. b) Estime sus ventas para 1998. El nmero de acadmicos que poseen computadoras personales en la Universidad de Ohio ha aumentado drsticamente entre 1990 y 1995:

m at

ic

a1 .c
1991 110

om

1992 350

1993 1,020

1994 1,950

1995 3,710

15-14

c) Desarrolle la ecuacin de estimacin de segundo grado que mejor describa estos datos y grafique esta curva en la grfica del inciso a). d) Estime las ventas de marzo utilizando ambas curvas graficadas. Richard Jackson desarroll un ratn para computadora ergonmico en 1989 y las ventas han ido en aumento desde entonces. A continuacin se presentan datos en trminos de miles de ratones vendidos por ao.
Ao Nmero vendido 1989 82.4 1990 125.7 1991 276.9 1992 342.5 1993 543.6 1994 691.5 1995 782.4 1996 889.5

a) b) c) d) 15-15

Desarrolle la ecuacin de estimacin lineal que mejor describa estos datos. Desarrolle la ecuacin de estimacin de segundo grado que mejor describa estos datos. Estime el nmero de ratones que vender en 1998 usando ambas ecuaciones. Si se supone que la tasa de crecimiento de las ventas de ratones decrecer pronto con base en la oferta y la demanda, qu modelo ser un mejor pronosticador para su respuesta en c)? Mike Godfrey, auditor de un sistema escolarizado de educacin pblica, ha revisado los registros de inventario para determinar si las existencias reales de libros de texto son tpicas. Las cantidades de inventario siguientes corresponden a los cinco aos anteriores:
Ao Inventario (miles de dlares) 1991 $4,620 1992 $4,910 1993 $5,490 1994 $5,730 1995 $5,990

15-16

a) Encuentre la ecuacin lineal que describa la tendencia en las existencias de inventario. b) Estime para el auditor el valor del inventario para el ao 1996. La siguiente tabla describe los precios del correo de primera clase desde 1968 hasta 1996:
1970 5 1972 8 1974 8 1976 10 1978 13 1980 15 1982 18 1984 20 1986 22 1988 25 1990 25 1992 29 1994 1996 29 32

15-18

a) Grafique los datos. b) Desarrolle la ecuacin de estimacin lineal que mejor describa estos datos y grafique la recta en la grfica del inciso a). c) Desarrolle la ecuacin de estimacin de segundo grado que mejor describa los datos, y grafique la ecuacin en la grfica del inciso a). d) Segn el conocimiento adquirido al respecto, el mercado favorece a b) o c) como el mtodo de estimacin ms preciso? A continuacin presentamos los datos que describen el ndice de contaminacin de aire [en partes por milln (ppm) de partculas en el aire] de una ciudad del oeste de Estados Unidos:
Ao ndice de contaminacin 1980 220 1985 350 1990 800 1995 2,450

15-19

a) Qu ecuacin de estimacin, lineal o de segundo grado, proporciona la mejor prediccin de los ndices de contaminacin de la ciudad? b) Considerando el entorno econmico, social y poltico, cambiara usted la respuesta del inciso a)? c) Describa cmo las acciones polticas y sociales podran cambiar la efectividad de las ecuaciones de estimacin del inciso a). El Departamento Estatal de Vehculos estudia el nmero de muertes por accidentes de trnsito en el estado debido a conductores ebrios, y registr el nmero de muertes en los nueve aos anteriores:
Ao Muertes 1987 175 1988 190 1989 185 1990 195 1991 180 1992 200 1993 185 1994 190 1995 205

a) Encuentre la ecuacin lineal que describe la tendencia en el nmero de muertes en accidentes de trnsito en el estado debidas a conductores ebrios.

Ao Ventas (cientos de miles de dlares)

w w

.M

at

15-17

a) Desarrolle la ecuacin de estimacin lineal que mejor describa los datos. b) Desarrolle la ecuacin de estimacin de segundo grado que mejor describa los datos. c) Existe algn indicador en el entorno econmico o poltico que sugiera que una de las dos ecuaciones tiene mayor posibilidad de ser mejor pronosticador de los precios postales? Ingeniera Environtech, una compaa especializada en la construccin de dispositivos de filtrado anticontaminante, ha registrado los siguientes niveles de ventas durante los ltimos nueve aos:

em

at

ic a

1987 13

1.

co

Ao 1968 Precio (ctvos.) 5

1988 15

1989 19

1990 21

1991 27

1992 35

1993 47

1994 49

1995 57

b) Estime el nmero de muertes en accidentes de trnsito debidas a conductores ebrios que se pueda esperar en 1996.

Soluciones a los ejercicios de autoevaluacin


EA 15-1 a)
Ao 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 0x0 9 7 5 3 1 111 113 115 117 109 110 0Y0 142 150 161 175 192 111 120 127 140 138 956 0xY0 378 350 305 225 1 92 11111 11360 11635 11980 1,242 1,978 x2 181 149 125 119 111 111 119 125 149 081 330

a Y b) Y EA 15-2
Ao 1990 1991 1992 1993 1994 1995

Y 95.6 95.6

956 10

95.6

xY x2

1,978 330

5.9939 0.5 ao)


x2 25 9 1 1 9 25 70 x2Y 1,250 990 350 1,020 17,550 1192,750 113,910 x4 625 81 1 1 81 00625 1,414

5.9939x (donde 1991.5 0 y unidades x 5.9939(13) 173.5 mesas


0x0 5 3 1 1 3 5 0 Y00 50 110 350 1,020 1,950 3,710 7,190 xY 0 250 330 350 1,020 5,850 118,550 24,490

Y 1,198.3333 349.8571x (donde 1992.5 0 y unidades de x 0.5 aos) b) Las ecuaciones 15.6 y 15.7 se convierten en 7,190 6a 70c Y na c x2 2 2 4 c x 113,910 70a 1,414c xY a x Al resolver estas ecuaciones simultneas, se obtiene a 611.8750, c 50.2679 Y 611.8750 349.8571x 50.2679x2 c) Pronstico lineal: Y 1,198.3333 349.8571(13) 5,746 PCs Pronstico de segundo grado: Y 611.8750 349.8571(13)

50.2679(169) 13,655 PCs d) Ninguna de las dos es muy buena: la tendencia lineal no expresa la aceleracin de la tasa de adquisicin de PCs de los acadmicos; la tendencia de segundo grado supone que la aceleracin continuar e ignora el hecho de que slo hay 8,000 miembros del cuerpo docente.

15.4 Variacin cclica


Definicin de variacin cclica

La variacin cclica es la componente de una serie de tiempo que tiende a oscilar arriba y abajo de la lnea de tendencia secular en periodos mayores que un ao. El procedimiento utilizado para identificar la variacin cclica es el mtodo de residuos.

a) a

7,190 6

.M

at em

at ic a1
b

.c
xY x2

om
24,490 70

1,198.3333

349.8571

Mtodo de residuos
Cuando observamos una serie de tiempo consistente en datos anuales, slo se toman en cuenta las componentes de tendencia secular, cclica e irregular. (Esto es as porque la variacin estacional pasa por un ciclo completo y regular cada ao y no afecta ms un ao que otro.) Dado que podemos describir la tendencia secular utilizando una lnea de tendencia, es posible aislar de la tendencia las componentes cclica e irregular restantes. Supondremos que la componente cclica explica la mayor parte de la variacin que qued sin explicar por la componente de tendencia secular. (Muchas series de tiempo reales no satisfacen esta suposicin. Los mtodos como el anlisis de Fourier y el anlisis espectral pueden estudiar la componente cclica de estas series de tiempo. Tales mtodos, sin embargo, estn ms all del objetivo del presente libro.) Si utilizamos una serie de tiempo compuesta por datos anuales, podemos encontrar la fraccin de la tendencia dividiendo el valor real (Y) entre el valor de tendencia correspondiente (Y) para cada valor de la serie de tiempo. Luego se multiplica el resultado de este clculo por 100. Esto da la medida de la variacin cclica como un porcentaje de tendencia. Presentamos el proceso en la ecuacin 15-8: Porcentaje de tendencia Y Y donde, 100 [15-8]

Expresin de la variacin cclica como porcentaje de tendencia

Interpretacin de las variaciones cclicas

Expresin de las variaciones cclicas en trminos de residuos cclicos relativos

.M

at e

Medicin de la variacin

Ahora aplicaremos este procedimiento. La cooperativa de comercializacin de granjeros desea medir las variaciones en las cosechas de trigo de sus miembros durante 8 aos. La tabla 15-6 da el volumen de cereal cosechado cada uno de los 8 aos. La columna Y contiene los valores de la tendencia lineal para cada periodo. La recta de tendencia fue generada utilizando los mtodos ilustrados en la seccin 3 de este captulo. Observe que en la grfica del valor real (Y) y del valor de tendencia (Y ) para los 8 aos, figura 15-5, los valores reales quedan por arriba y abajo de la recta de tendencia. Ahora ya podemos determinar el porcentaje de tendencia para cada ao de la muestra (columna 4 de la tabla 15-7). En esta columna podemos ver la variacin de las cosechas reales alrededor de la tendencia estimada (98.7 a 102.5). Podemos atribuir estas variaciones cclicas a factores como lluvias y cambios de temperatura. Sin embargo, debido a que estos factores son relativamente impredecibles, no podemos determinar un patrn especfico futuro de variacin con el mtodo de residuos. El residuo cclico relativo es otra medida de la variacin cclica. En este mtodo se encuentra el porcentaje de variacin de la tendencia para cada valor. La ecuacin 15-9 presenta la frmula matemtica para determinar los residuos cclicos relativos. Igual que con el porcentaje de tendencia, esta medida tambin es un porcentaje.

m at

ic

a1 .c

Y Y

valor real de la serie de tiempo valor de tendencia estimado a partir del mismo punto de la serie de tiempo

om

Tabla 15-6 Grano recibido por la cooperativa de granjeros durante ocho aos

X Ao 1988 1989 1990 1991 1992 1993 1994 1995

Y bushels reales (decenas de miles) 7.5 7.8 8.2 8.2 8.4 8.5 8.7 9.1

Y bushels estimados (decenas de miles) 7.6 7.8 8.0 8.2 8.4 8.6 8.8 9.0

Residuo cclico relativo Y Y donde, Y Y valor real de la serie de tiempo valor de tendencia estimado a partir del mismo punto de la serie de tiempo Y 100 [15-9]

Comparacin de dos medidas de variacin cclica

Grfica de la variacin cclica

La tabla 15-8 muestra los clculos del residuo cclico relativo para el problema de la cooperativa de granjeros. Observe que la forma fcil de calcular el residuo cclico relativo (columna 5) consiste en restar 100 del porcentaje de tendencia (columna 4). Estas dos medidas de variacin cclica, porcentaje de tendencia y residuo cclico relativo, son porcentajes de la tendencia. Por ejemplo, en 1993, el porcentaje de tendencia indicaba que la cosecha real fue del 98.8% de la cosecha esperada para ese ao. Para el mismo ao, el residuo cclico relativo indic que la cosecha real estaba 1.2% por debajo de la cosecha esperada (un residuo cclico relativo de 1.2). A menudo, graficamos la variacin cclica como el porcentaje de tendencia. En la figura 15-6 se ilustra cmo este proceso elimina la lnea de tendencia y asla la componente cclica de la serie de

9.2 9.0 Bushels (decenas de miles) 8.8 Grfica de puntos reales ( Y )

.M

8.6 8.4 8.2 8.0 7.8

FIGURA 15-5 Fluctuaciones cclicas alrededor de la lnea de tendencia


Tabla 15-7 Clculo del porcentaje de tendencia

7.6 7.4 1988 1989 1990 1991 1992 Tiempo 1993 1994 1995 1996

Lnea de tendencia (grfica de Y )

Fluctuaciones cclicas arriba de la lnea de tendencia

at e
Fluctuaciones cclicas abajo de la lnea de tendencia

m at

ic

a1 .c

om

X Ao (1) 1988 1989 1990 1991 1992 1993 1994 1995

Y Bushels reales ( 10,000) (2) 7.5 7.8 8.2 8.2 8.4 8.5 8.7 9.1

Y Bushels estimados ( 10,000) (3)


7.6 7.8 8.0 8.2 8.4 8.6 8.8 9.0

Y 100 Y Porcentaje de tendencia


(4) (2) (3) 98.7 100.0 102.5 100.0 100.0 98.8 98.9 101.1 100

tiempo. Debe resaltarse que los procedimientos analizados en esta seccin pueden usarse slo para describir variaciones cclicas pasadas y no para pronosticar variaciones cclicas. La prediccin de variaciones cclicas requiere usar tcnicas que van ms all del alcance de este libro.
Tabla 15-8 Clculos de los residuos cclicos relativos Y Bushels reales ( 10,000) (2) 7.5 7.8 8.2 8.2 8.4 8.5 8.7 9.1

X Ao (1) 1988 1989 1990 1991 1992 1993 1994 1995

Y Bushels estimados ( 10,000) (3)


7.6 7.8 8.0 8.2 8.4 8.6 8.8 9.0

100

Y Y

100

Porcentaje de tendencia (4) (2) (3) 98.7 100.0 102.5 100.0 100.0 98.8 98.9 101.1 100

Residuo cclico relativo (5) (4) 100 1.3 0.0 2.5 0.0 0.0 1.2 1.1 1.1

103.0 102.5 102.0 Porcentaje de tendencia 101.5 101.0 100.5 100.0 99.5

.M

at e

m at
Grfica del porcentaje de tendencia 1988 1989 1990 1991 1992 1993 1994 1995 Tiempo

ic w
Lnea de tendencia

FIGURA 15-6 Grfica del porcentaje de tendencia alrededor de la lnea de tendencia para los datos de la tabla 15-7 SUGERENCIAS Y SUPOSICIONES

99.0 98.5 98.0

Recuerde que la variacin crtica es la componente de una serie de tiempo que oscila arriba y abajo de la tendencia lineal durante periodos mayores que un ao. Advertencia: la variacin estacional forma un ciclo completo dentro de cada ao y no afecta a un ao ms que

Ejercicios 15.4
Ejercicios de autoevaluacin
EA 15-3 La Western Natural Gas Company ha surtido 18, 20, 21, 25 y 26 mil millones de pies cbicos de gas, respectivamente, en los aos 1991 a 1995.

a1 .c
a otro. La variacin cclica se mide por dos mtodos. El primero expresa la variacin como porcentaje de la tendencia, de ah su nombre de porcentaje de tendencia. El segundo mtodo (el residuo cclico relativo) calcula la variacin como porcentaje de desviacin desde la tendencia.

om

a) b) c) d)

Encuentre la ecuacin lineal de estimacin que mejor describa estos datos. Calcule el porcentaje de tendencia para estos datos. Calcule el residuo cclico relativo para estos datos. En qu aos se present la mayor fluctuacin en la tendencia? Es sta la misma para ambos mtodos?

Aplicaciones
15-20 La compaa de computacin Microprocessing, especializada en ingeniera de software, ha recolectado los siguientes registros de rendimientos para el periodo de 1989 a 1995.
Ao Recuperacin (cientos de miles de dlares) 1989 1.1 1990 1.5 1991 1.9 1992 2.1 1993 2.4 1994 2.9 1995 3.5

La ecuacin de segundo grado que mejor describe la tendencia secular para estos datos es: Y 2.119 0.375x 0.020x2, donde 1992 0, y la unidad de x 1 ao a) Calcule el porcentaje de tendencia para estos datos. b) Calcule el residuo cclico relativo para estos datos. c) Grafique el porcentaje de tendencia del inciso a). d) En qu ao se present la mayor fluctuacin en la tendencia? Es sta la misma para ambos mtodos? La tienda departamental BullsEye ha expandido su participacin en el mercado durante los ltimos 7 aos, con las siguientes ventas brutas en millones de dlares:

15-21

Ao Unidades (decenas de miles)

w .M

15-22

a) Encuentre la ecuacin lineal de estimacin que mejor describa estos datos. b) Calcule el porcentaje de tendencia para estos datos. c) Calcule el residuo cclico relativo para estos datos. d) En qu aos ocurre la mayor fluctuacin desde la tendencia y es la misma para ambos mtodos? Joe Honeg, gerente de ventas responsable de la divisin de aparatos electrodomsticos de una gran compaa de productos de consumo, ha recogido los siguientes datos correspondientes a las ventas unitarias de su divisin durante los ltimos cinco aos:

at

em

at ic

a1

.c

om

Ao Ventas

1990 14.8

1991 20.7

1992 24.6

1993 32.9

1994 37.8

1995 47.6

1996 51.7

1991 32

1992 46

1993 50

1994 66

1995 68

La ecuacin que describe la tendencia secular para las ventas de aparatos electrodomsticos es Y 52.4 9.2x, en la que 1993 0, y la unidad de x 1 ao a) Calcule el porcentaje de tendencia para estos datos. b) Calcule el residuo cclico relativo para estos datos. c) Grafique el porcentaje de tendencia del inciso a). d) En qu ao ocurri la mayor fluctuacin en la tendencia? Es la misma para ambos mtodos? Suponga que es el administrador principal de presupuesto de una pequea empresa cuyos requerimientos de financiamiento durante los ltimos aos fueron:
Ao Millones de dlares requeridos 1989 2.2 1990 2.1 1991 2.4 1992 2.6 1993 2.7 1994 2.9 1995 2.8

15-23

La ecuacin de tendencia que mejor describe los datos es Y 2.53 0.13x, donde 1992 0, y la unidad de x a) b) c) d) 15-24

1 ao

Calcule el porcentaje de tendencia para estos datos. Calcule el residuo cclico relativo para estos datos. En qu ao se present la mayor fluctuacin en la tendencia? Es sta la misma para ambos mtodos? Como administrador principal, qu significara esta fluctuacin para usted y para las actividades que realiza? La Parallel Breakfast Foods tiene datos correspondientes al nmero de cajas de cereal que ha vendido en cada uno de los ltimos 7 aos.

Ao Cajas (decenas de miles)

1989 21.0

1990 19.4

1991 22.6

1992 28.2

1993 30.4

1994 24.0

1995 25.0

a) b) c) d) 15-25

Encuentre la ecuacin de estimacin lineal que mejor describa los datos. Calcule el porcentaje de tendencia para estos datos. Calcule el residuo cclico relativo para estos datos. En qu ao ocurri la mayor fluctuacin de la tendencia con cada medida de la variacin cclica? Es este ao el mismo para ambas medidas? Explique su respuesta. Wombat Airlines, una aerolnea australiana, ha reunido datos sobre el nmero de pasajeros que han volado en sus aeronaves durante cada los ltimos 5 aos:
Ao Pasajeros (en decenas de miles) 1991 3.5 1992 4.2 1993 3.9 1994 3.8 1995 3.6

a) b) c) d)

Encuentre la ecuacin lineal de estimacin que mejor describa los datos. Calcule el porcentaje de tendencia para estos datos. Calcule el residuo cclico relativo para estos datos. Con base en los datos y en los clculos anteriores, d un resumen de una oracin acerca de la posicin en que se encuentra la Wombat Airlines.

Soluciones a los ejercicios de autoevaluacin


EA 15-3
Ao 1991 1992 1993 1994 1995 x 2 1 0 1 02 0 Y 18 20 21 25 026 110 xY 36 20 0 25 052 21 x2 4 1 0 1 04 10

Y
17.8 19.9 22.0 24.1 26.2

100

Y Y Y
1.12 0.50 4.55 3.73 0.76

100

a) a Y

Y 22

b) Vea en la penltima columna de la tabla el porcentaje de tendencia. c) Vea en la ltima columna de la tabla el residuo cclico relativo. d) La fluctuacin ms grande (por ambos mtodos) fue en 1993.

15.5 Variacin estacional


Definicin de variacin estacional

Adems de la tendencia secular y de la variacin cclica, una serie de tiempo incluye la variacin estacional. Este tipo de variacin se define como un movimiento repetitivo y predecible alrededor de la lnea de tendencia en un ao o menos. Con el fin de detectar la variacin estacional, los intervalos de tiempo necesitan medirse en unidades pequeas, como das, semanas, meses o trimestres. Tenemos tres razones principales para el estudio de la variacin estacional: 1. Podemos establecer el patrn de cambios pasados. Proporciona una forma de comparar dos intervalos de tiempo que de otro modo seran bastante dismiles. Si una escuela de capacitacin de pilotos desea saber si una depresin en los negocios durante el mes de diciembre es normal, puede examinar el patrn estacional en los aos anteriores y encontrar la informacin que necesita. 2. Es til proyectar los patrones pasados al futuro. En el caso de decisiones de largo alcance, el anlisis de tendencia secular puede resultar adecuado. Pero para decisiones a corto plazo, la habilidad de pronosticar fluctuaciones estacionales a menudo es esencial. Considere una cadena de venta de alimentos al mayoreo que desea mantener una existencia mnima adecuada en

Tres razones para el estudio de la variacin estacional

2.1x (donde 1993

110 5

at

em

at ic

101.12 100.50 95.45 103.73 99.24

22

xY x2

.M

a1 .
21 10

0 y unidad de x

co m
2.1

1 ao)

todos sus productos. La habilidad de pronosticar patrones de corto plazo, como la demanda de pavo en Navidad, dulces el Da del Nio o duraznos en verano, es til para la administracin de la cadena. 3. Una vez establecido el patrn estacional existente, podemos eliminar sus efectos de la serie de tiempo. Este ajuste nos permite calcular la variacin cclica que se lleva a cabo cada ao. Cuando eliminamos el efecto de la variacin estacional de una serie de tiempo, hemos desestacionalizado la serie.

Mtodo de razn de promedio mvil


Uso del mtodo de razn de promedio mvil para medir la variacin estacional

Con el fin de medir la variacin estacional, es comn usar el mtodo de razn de promedio mvil. Esta tcnica proporciona un ndice que describe el grado de variacin estacional. El ndice est basado en una media de 100, con el grado de estacionalidad medido por las variaciones respecto a la base. Por ejemplo, si examinamos la estacionalidad de la renta de canoas en un hotel de veraneo, podramos encontrar que el ndice del trimestre de primavera es 142. El valor 142 indica que el 142% de las rentas trimestrales promedio ocurre en primavera. Si la administracin registr 2,000 rentas de canoas durante todo el ao anterior, entonces la renta promedio por trimestre ser 2,000/4 500. Como el ndice del trimestre de primavera es 142, estimamos el nmero de alquileres de canoas de la forma siguiente:
ndice del trimestre de primavera

Rentas promedio por trimestre

Paso 1: Calcule el total mvil de 4 trimestres

1. El primer paso en el clculo de un ndice estacional consiste en calcular el total mvil de 4 trimestres para la serie de tiempo. Para hacerlo, calculamos el total de los valores para los trimestres durante el primer ao, 1991 en la tabla 15-9: 1,861 2,203 2,415 1,908 8,387. Un total mvil se asocia con el dato que ocupa el lugar medio del conjunto de valores del cual fue calculado. Como nuestro primer total de 8,387 se calcul a partir de cuatro datos, lo colocamos frente al punto medio de esos trimestres, de modo que queda en la columna 4 de la tabla 15- 10, entre los renglones 1991-II y 1991-III. 1. Encontramos el siguiente total mvil eliminando el valor de 1991-I, 1,861, y agregando el de 1992-I, 1,921. Al eliminar el primer valor y agregar el quinto, nos quedamos con cuatro trimestres en el total. Los cuatro valores sumados ahora son 2,203 2,415 1,908 1,921 8,447.
Tabla 15-9 Ao Serie de tiempo para la ocupacin del hotel 1991 1992 1993 1994 1995 I 1,861 1,921 1,834 1,837 2,073 Nmero de huspedes por trimestre II III 2,203 2,343 2,154 2,025 2,414 2,415 2,514 2,098 2,304 2,339

.M

Un ejemplo del mtodo de razn de promedio mvil

El ejemplo con que abrimos el captulo puede ilustrar el mtodo de razn de promedio mvil. El hotel de veraneo desea establecer el patrn estacional de demanda de cuartos por parte de sus clientes. La administracin desea mejorar el servicio al cliente y est considerando varios planes de contratacin de personal durante los periodos pico. La tabla 15-9 presenta la ocupacin por trimestre, es decir, el nmero promedio de huspedes durante cada trimestre de los ltimos cinco aos. Nos referiremos a la tabla 15-9 para exponer los seis pasos requeridos para el clculo de un ndice estacional.

at

em

at

ic a1

500

142 100

.c om

710 del trimestre de primavera

Renta estacionalizada

IV 1,908 1,986 1,799 1,965 1,967

Paso 2: Calcule el promedio mvil de los 4 trimestres Paso 3: Centre el promedio mvil de 4 trimestres

Este total se coloca en la tabla 15-10 justo debajo del primer total trimestral, 8,347. Continuamos con este procedimiento de deslizar el total de 4 trimestres por la serie de tiempo hasta incluir el ltimo valor de la serie. En el ejemplo, corresponde a las 1,967 habitaciones del cuarto trimestre de 1995, el ltimo nmero de la columna 3 de la tabla. El ltimo elemento de la columna de totales mviles es 8,793. Se encuentra entre los renglones de los trimestres 1995-II y 1995-III, ya que se calcul con los datos de los 4 trimestres de 1995. 2. En el segundo paso, calculamos el promedio mvil de los 4 trimestres, dividiendo entre 4 cada uno de los totales. En la tabla 15-10, dividimos entre 4 los valores que se encuentran en la columna 4, para obtener los valores de la columna 5. 3. En el tercer paso, centramos el promedio mvil de 4 trimestres. Los promedios mviles de la columna 5 caen a la mitad de los trimestres. Tal vez sera mejor tener promedios mviles asociados a cada trimestre. Con el fin de centrar nuestros promedios mviles, asociamos a cada trimestre el promedio de los dos promedios mviles de 4 trimestres que caen justo arriba y abajo de ste. Para el trimestre 1991-III, el promedio mvil centrado de 4 trimestres resultante es 2,104.25, es decir (2,096.75 2,111.75)/2. Los otros elementos de la columna 6 se calculan de la misma forma. En la figura 15-7 se ilustra cmo el promedio mvil suaviza los picos y los valles de la serie de tiempo original. Las componentes estacional e irregular se suavizaron, y la lnea punteada resultante, representa las componentes cclicas y de tendencia de la serie.

Tabla 15-10 Clculo del promedio mvil centrado de 4 trimestres

1991

I II III IV I II III IV I II III IV I II III IV I II III IV

w w

.M

Ao (1)

Trimestre (2)

Ocupacin (3)

Paso 1: Total mvil de 4 trimestres (4)

Paso 2: Promedio mvil de los 4 trimestres (5) (4) 4

Paso 3: Promedio mvil centrado de 4 trimestres (6)

em

Paso 4: Porcentaje del valor real respecto al promedio mvil (7) (3) (6) 100

at

1,861 2,203 2,415 1,908 1,921 2,343 2,514 1,986 1,834 2,154 2,098 1,799 1,837 2,025 2,304 1,965 2,073 2,414 2,339 1,967

at

ic a

1.

co
8,387 8,447 8,587 8,686 8,764 8,677 8,488 8,072 7,885 7,888 7,759 7,965 8,131 8,367 8,756 8,791 8,793

2,096.75 2,111.75 2,146.75 2,171.50 2,191.00 2,169.25 2,122.00 2,018.00 1,971.25 1,972.00 1,939.75 1,991.25 2,032.75 2,091.75 2,189.00 2,197.75 2,198.25

2,104.250 2,129.250 2,159.125 2,181.250 2,180.125 2,145.625 2,070.000 1,994.625 1,971.625 1,955.875 1,965.500 2,012.000 2,062.250 2,140.375 2,193.375 2,198.000

114.8 89.6 89.0 107.4 115.3 92.6 88.6 108.0 106.4 92.0 93.5 100.6 111.7 91.8 94.5 109.8

1992

1993

1994

1995

Algunas veces, es posible omitir el paso 3

3.

Paso 4: Calcule el porcentaje del valor real respecto al valor del promedio mvil

Suponga que trabajamos con los datos de admisin de la sala de urgencias de un hospital, y deseamos calcular los ndices diarios. En los pasos 1 y 2, calculamos los totales mviles y los promedios mviles de 7 das, y los promedios mviles ya quedan centrados (debido a que el punto medio de un periodo de 7 das es el cuarto da). En este caso, el paso 3 no es necesario. Siempre que el nmero de periodos para los cuales queremos obtener ndices sea impar (7 das en una semana, 3 turnos en un da), podemos omitir el paso 3. Sin embargo, cuando el nmero de periodos es par (4 trimestres, 12 meses, 24 horas), entonces debemos seguir el paso 3 para centrar los promedios mviles obtenidos en el paso 2. 4. Enseguida, calculamos el porcentaje del valor real con respecto al valor del promedio mvil para cada trimestre de la serie de tiempo que tenga un elemento de promedio mvil de 4 trimestres. Este paso nos permite recuperar la componente estacional para los trimestres. Determinamos este porcentaje dividiendo cada uno de los valores trimestrales reales de la columna 3 de la tabla 15-10 entre los valores correspondientes del promedio mvil centrado de 4 trimestres que se encuentran en la columna 6, y luego multiplicamos el resultado por 100. Por ejemplo, encontramos que el porcentaje correspondiente a 1991-III es: Real Promedio mvil 100

2,500 2,400 2,300 Ocupantes por trimestre 2,200 2,100 2,000 1,900 1,800 Promedio mvil centrado del cuarto trimestre (columna 6 de la tabla 15-10) 2,198

FIGURA 15-7 Uso de un promedio mvil para suavizar la serie de tiempo original
1,700 I II III IV 1991 I II III IV 1992 I II III IV 1993 Tiempo I II III IV 1994 I II III IV 1995 I II III IV 1996

w .M

at e

Reduccin de variaciones cclica e irregular extremas

Serie de tiempo original

at

ic

a1 .c

om

Paso 5: Rena las repuestas del paso 4 y calcule la medida modificada

2,415 100 2,104.250 114.8 5. Para reunir todos los porcentajes de los valores reales respecto a los valores del promedio mvil de la columna 7 de la tabla 15-10, organcelos por trimestre. Luego calcule la media modificada para cada trimestre. Esta media modificada se calcula descartando los valores ms alto y ms bajo de cada trimestre y promediando los valores restantes. La tabla 15-11 presenta el quinto paso y el proceso para encontrar la media modificada. 3. Los valores estacionales recuperados de los trimestres, datos en la columna 7 de la tabla 15-10, todava contienen las componentes cclica e irregular de la variacin de la serie de tiempo. Al eliminar los valores ms alto y ms bajo de cada trimestre, reducimos las variaciones cclica e irregular extremas. Cuando promediamos los valores restantes, suavizamos todava ms estas componentes. Las variaciones cclica e irregular tienden a ser eliminadas mediante este proceso, de modo que la media modificada es un ndice de la componente estacional. (Algunos estadsticos prefieren utilizar la mediana en lugar de calcular la media modificada para obtener el mismo resultado.)

Paso 6: Ajuste la media modificada

6. El paso final que se muestra en la tabla 15-12 es un ligero ajuste de la media modificada. Note que los cuatro ndices de la tabla 15-11 dan un total de 404.1. Sin embargo, la base de un ndice es 100. Entonces, los cuatro ndices trimestrales deben dar un total de 400 y su media debe ser 100. Para corregir este error, multiplicamos cada uno de los ndices trimestrales de la tabla 15-11 por una constante de ajuste. Este nmero se encuentra dividiendo la suma deseada de los ndices (400) entre la suma real (404.1). En este caso, el resultado es 0.9899. En la tabla 15-12 se ve que multiplicar los ndices por la constante de ajuste hace que den un total de 400. (En ocasiones, incluso despus de haber hecho este ajuste, la media de los ndices estacionales no es exactamente 100, debido a los errores de redondeo acumulados. Sin embargo, en este caso la media es exactamente 100.)
Tabla 15-11 Procedimiento seguido en el paso 5 para calcular un ndice estacional* Ao 1991 1992 1993 1994 1995 Trimestre I 89.0 88.6 93.5 094.5 182.5 Trimestre II 107.4 108.0 100.6 109.8 215.4 Media modificada: 182.5 Trimestre I: 2 Trimestre III 114.8 115.3 106.4 111.7 .0 0 226.5 Trimestre IV 89.6 92.6 92.0 91.8 .0 0 183.8

91.25 107.70 113.25 91.90 404.1

co m

at ic

a1 .

Trimestre II: Trimestre III: Trimestre IV:

215.4 2 226.5 2 183.8 2

.M

at

em

Total de ndices

*Los valores eliminados estn tachados con una diagonal.

Tabla 15-12 Procedimiento para el paso 6

Trimestre I II III IV

ndices desajustados 91.25 107.70 113.25 91.90

Constante de ajuste 0.9899 0.9899 0.9899 0.9899 Total de los ndices estacionales Media de los ndices 400 4

ndice estacional 90.3 106.6 112.1 ,091.0 400.0

100.0

Usos del ndice estacional


Desestacionalizacin de una serie de tiempo

El mtodo de razn del promedio mvil que acabamos de estudiar, nos permite identificar la variacin estacional de una serie de tiempo. Los ndices estacionales se utilizan para eliminar los efectos de estacionalidad de una serie de tiempo. A este proceso se le denomina desestacionalizacin de una serie de tiempo. Antes de poder identificar la componente de tendencia o la cclica de una serie de tiempo, es necesario eliminar la variacin estacional. Para desestacionalizar una serie de tiempo, di-

Tabla 15-13 Procedimiento para desestacionalizar datos Ao (1) 1991 Trimestre (2) I

Ocupacin real (3) 1,861

ndice estacional 100 (4) 90.3 100 106.6 100 112.1 100 91.0 100

Ocupacin desestacionalizada (5) (3) (4) 2,061

1991

II

2,203

2,067

1991

III

2,415

2,154

1991

IV

1,908

2,097

Uso de la estacionalidad para pronosticar

.M

at e

vidimos cada uno de los valores reales de la serie entre el ndice estacional adecuado (expresado como una fraccin de 100). Para describir el procedimiento, se har la desestacionalizacin del valor de los primeros cuatro trimestres de la tabla 15-9. En la tabla 15-13, se presenta el proceso de desestacionalizacin utilizando los valores de los ndices estacionales de la tabla 15-12. Una vez eliminado el efecto estacional, los valores desestacionalizados que quedan solamente reflejan las componentes de tendencia, cclica e irregular de la serie de tiempo. Una vez eliminada la variacin estacional, calculamos una lnea de tendencia desestacionalizada, que luego podemos proyectar al futuro. Suponga que la administracin del hotel de nuestro ejemplo estima, a partir de una lnea de tendencia desestacionalizada, que la ocupacin promedio desestacionalizada para el cuarto trimestre del ao siguiente ser de 2,121. Cuando se obtiene esta prediccin, la administracin debe tomar en consideracin el efecto de las estaciones. Para ello, se multiplica la ocupacin promedio desestacionalizada predicha, 2,121, por el ndice estacional del cuarto trimestre (expresado como fraccin de 100) para obtener una estimacin estacionalizada de 1,930 cuartos de ocupacin promedio para el cuarto trimestre:
ndice estacional para el cuarto trimestre

m at

ic

a1 .c
91.0 100

om

Valor desestacionalizado estimado de la lnea de tendencia

2,121

1,930

Estimacin estacionalizada de la ocupacin en el cuarto semestre

Utilizar los ndices estacionales para ajustar los datos por mes y por trimestre ayuda a detectar la tendencia secular subyacente. Advertencia: la mayor parte de las cifras reportadas no dicen cunto ajuste estacional se us y en algunas decisiones administrativas esta informacin que falta es valiosa. Por ejemplo, si un departamento de control de vehculos estatal informa que el registro de
SUGERENCIAS Y SUPOSICIONES

vehculos nuevos el mes pasado fue 25,000 con una tasa de ajuste estacional, cmo puede pronosticar la demanda del prximo mes un distribuidor de refacciones para automviles, como tapetes a la medida, sin saber el nmero real de autos nuevos? A menudo, con propsitos de planeacin interna, es til conocer tanto las cifras ajustadas como las no ajustadas.

Ejercicios 15.5
Ejercicio de autoevaluacin
EA 15-4 Utilice los siguientes porcentajes del promedio real respecto al promedio mvil que describen el flujo de efectivo trimestral en el Village Bank de Carrboro, N.C. durante un periodo de 4 aos, para calcular el ndice estacional para cada trimestre.

Primavera 1992 1993 1994 1995 87 85 84 88

Verano 106 110 105 104

Otoo 86 83 87 88

Invierno 125 127 128 124

Aplicaciones
15-26 El dueo de la empresa The Pleasure-Glide Boat ha recopilado las siguientes cifras trimestrales del nivel de cuentas por cobrar durante los ltimos 5 aos (miles de dlares):
Primavera 1991 1992 1993 1994 1995 102 110 111 115 122 Verano 120 126 128 135 144 Otoo 90 95 97 103 110 Invierno 78 83 86 91 98

15-27

a) Calcule un promedio mvil centrado de 4 trimestres. b) Encuentre el porcentaje de valores reales respecto al promedio mvil para cada periodo. c) Determine los ndices estacionales y los ndices estacionales modificados. Marie Wiggs, directora de personal de una compaa farmacutica registr las siguientes tasas de ausentismo porcentual para cada trimestre de un periodo de 4 aos:

15-28

a) Elabore un promedio mvil centrado de 4 trimestres y grafquelo junto con los datos originales. b) Qu puede concluir acerca del ausentismo en el inciso a)? Utilice los siguientes porcentajes de promedios reales respecto a los promedios mviles que describen las ventas estacionales de artculos deportivos en un periodo de 5 aos, para calcular el ndice estacional de cada estacin.
Ao 1992 1993 1994 1995 1996

w w

.M

at

1992 1993 1994 1995

5.6 5.7 5.3 5.4

1.

co

Primavera

Verano 6.8 6.7 6.6 6.9

Otoo 6.3 6.4 6.1 6.2

Invierno 5.2 5.4 5.1 5.3

Bisbol 96 92 84 97 91

em

at

ic a

Ftbol 128 131 113 118 121

Bsquetbol 116 125 117 126 124

Jockey 77 69 84 89 81

15-29

Un fabricante importante de resortes para automvil ha determinado los siguientes porcentajes de promedio real respecto al promedio mvil que describen las necesidades trimestrales de dinero en efectivo de la compaa para los 6 aos anteriores:
Primavera 1990 1991 1992 1993 1994 1995 108 112 109 110 108 106 Verano 128 132 134 131 135 129 Otoo 94 88 84 90 89 93 Invierno 70 68 73 69 68 72

Calcule el ndice estacional para cada trimestre. Comente su comparacin con los ndices que calcul en el ejercicio 15-26.

15-30

El jefe de admisiones de una universidad ha recabado las siguientes cifras correspondientes a los ingresos por trimestre para los 5 aos anteriores (cientos):
Primavera 1991 1992 1993 1994 1995 220 235 236 241 239 Verano 203 208 206 215 221 Otoo 193 206 209 206 213 Invierno 84 76 73 92 115

15-31

a) Calcule un promedio mvil centrado de 4 trimestres. b) Encuentre el porcentaje del promedio real respecto al promedio mvil para cada periodo. c) Determine los ndices estacionales y los ndices estacionales modificados. El hotel Ski and Putt Resort, una combinacin de montaas para esquiar y campo de golf, acaba de tabular los datos del nmero de clientes (en miles) que ha tenido durante cada estacin en los ltimos 5 aos. Calcule el ndice estacional para cada trimestre. Si el hotel contrata 15 personas en el verano, cul deber ser el nmero de empleados en el invierno, suponiendo que ambos deportes tienen iguales requerimientos de servicio?
Primavera 1991 1992 1993 1994 1995 200 175 225 200 175 Verano 300 250 300 350 300 Otoo 125 150 200 225 200 Invierno 325 375 450 375 350

1992 1993 1994 1995

1991

.M

Primavera 8 9 10 10 11

at

em

15-32

David Curl Builders recolect datos trimestrales del nmero de casas que comenz a construir durante los ltimos 5 aos.

at

ic

a1

.c

Verano 10 10 11 12 13

om

Otoo 7 7 7 8 9

Invierno 5 6 6 7 8

a) Calcule el ndice estacional para cada trimestre. b) Si las necesidades de capital de trabajo de la constructora tienen una relacin directa con el nmero de casas, cunto debe disminuir su capital de trabajo entre verano e invierno?

Solucin al ejercicio de autoevaluacin


EA

15-4

Ao 1992 1993 1994 1995 Suma modificada Media modificada

Primavera 87 85 84 88 172 86

Verano 106 110 105 104 211 105.5

Otoo 86 83 87 88 173 86.5

Invierno 125 127 128 124 252 126 0.9901. Los ndices estacionales

ndice estacional 85.15 104.46 85.64 124.75 La suma de las medias modificadas fue 404, de manera que el factor de ajuste fue 400/404 se obtuvieron multiplicando las medias modificadas por este factor.

15.6 Variacin irregular


Dificultad para manejar la variacin irregular

La ltima componente de una serie de tiempo es la variacin irregular. Despus de eliminar las variaciones de tendencia, cclica y estacional de una serie de tiempo, todava queda un factor impredecible. Por lo comn, la variacin irregular se presenta en intervalos cortos y sigue un patrn aleatorio. Debido a lo impredecible de la variacin irregular, no tenemos la intencin de intentar describirla de manera matemtica. Sin embargo, a menudo podemos aislar sus causas. Por ejemplo, la crisis financiera en la ciudad de Nueva York en 1975 fue un factor irregular que deprimi severamente el mercado de bonos municipales. En 1984, las temperaturas inusualmente bajas que se presentaron a finales de diciembre en los estados sureos de la Unin Americana fueron un factor irregular que aument significativamente el consumo de electricidad y de combustibles. La Guerra del Golfo Prsico de 1991 fue otro factor irregular que hizo aumentar significativamente el nmero de viajes por aire y mar durante meses, a medida que se trasladaban tropas y suministros al lugar del conflicto. Sin embargo, no todas las causas de la variacin irregular se pueden identificar con tanta facilidad. Un factor que permite a los administradores manejar la variacin irregular es que, con el tiempo, estos movimientos aleatorios tienden a contrarrestarse entre s.

15-33 15-34

15-35 15-36

Por qu no proyectamos la variacin irregular al futuro? Cules de los siguientes incisos ilustran variaciones irregulares? a) Una sequa larga que lleva a aumentar los precios de los alimentos. b) El efecto de la nieve sobre el negocio del esqu. c) Descuento, por nica vez, en los impuestos federales para la adquisicin de casas nuevas. d) El colapso en los precios del petrleo crudo al inicio de 1986. e) La reduccin del uso de energa despus del embargo petrolero de 1973. Haga una lista de cinco variaciones irregulares en series de tiempo con las que se encuentra como parte de su rutina diaria. Qu permite a los administradores manejar la variacin irregular en las series de tiempo?

15.7 Problema que incluye a las cuatro componentes de una serie de tiempo
Para analizar un problema que involucra las cuatro componentes de una serie de tiempo, veremos el caso de una compaa que se especializa en la produccin de equipo para recreacin. Para pronosticar las ventas con base en sus patrones de ventas histricas, la compaa ha recolectado la informacin de la tabla 15-14. El procedimiento para describir esta serie de tiempo consistir en tres etapas:

Conceptos bsicos

.M

Ejercicios 15.6

at e

m at

ic

a1 .c

Advertencia: la variacin irregular es muy importante, pero no se explica matemticamente. Es lo que queda despus de eliminar la variacin por tendencia, cclica y estacional de una serie de tiempo. En la mayora de los casos, es difcil, si no imposible, pronosticar la variaSUGERENCIAS Y SUPOSICIONES

cin irregular y nunca se intenta ajustar una lnea para explicarla. Sugerencia: a menudo se encontrar variacin irregular reconocida con un pie de pgina o un comentario en una grfica. Ejemplos de esto seran mercado cerrado por el da del trabajo o la Semana Santa cay en marzo este ao en lugar de abril.

om

1. Desestacionalizacin de la serie de tiempo 2. Desarrollo de la lnea de tendencia 3. Bsqueda de la variacin cclica alrededor de la lnea de tendencia
Paso 1: Clculo de ndices estacionales

Bsqueda de los valores desestacionalizados

Como los datos estn disponibles por trimestre, primero debemos desestacionalizar la serie de tiempo. Los pasos para hacerlo se muestran en las tablas 15-15 y 15-16. Estos pasos son los mismos que introdujimos en la seccin 15-5. En la tabla 15-15 se tabularon los primeros cuatro pasos para el clculo del ndice estacional. En la tabla 15-16 completamos el proceso. Una vez calculados los ndices estacionales trimestrales, podemos encontrar los valores desestacionalizados de la serie de tiempo dividiendo las ventas reales (tabla 15-14) entre los ndices estacionales. La tabla 15-17 da el clculo de los valores desestacionalizados de la serie de tiempo.

Tabla 15-14 Ao Ventas trimestrales 1991 1992 1993 1994 1995

Ventas por trimestre (decenas de miles de dlares) I II III IV 16 15 17 17 18 21 20 24 25 26 9 10 13 11 14 18 18 22 21 25

.c om

Tabla 15-15 Clculo de los primeros cuatro pasos para obtener el ndice estacional

1991

I II III IV I II III IV I II III IV I II III IV I II III IV

w w

Ao (1)

Trimestre (2)

Ocupacin (3) 16 21 9 18 15 20 10 18 17 24 13 22 17 25 11 21 18 26 14 25

Paso 1: Total mvil de 4 trimestres (4)

w .M

at e

Paso 2: Promedio mvil de los 4 trimestres (5) (4) 4

Paso 3: Promedio mvil centrado de 4 trimestres (6)

Paso 4: Porcentaje del valor real respecto al promedio mvil (7) (3) (6) 100

at ic

a1
64 63 62 63 63 65 69 72 76 76 77 75 74 75 76 79 83

16.00 15.75 15.50 15.75 15.75 16.25 17.25 18.00 19.00 19.00 19.25 18.75 18.50 18.75 19.00 19.75 20.75

15.875 15.625 15.625 15.750 16.000 16.750 17.625 18.500 19.000 19.125 19.000 18.625 18.625 18.875 19.375 20.250

56.7 115.2 96.0 127.0 62.5 107.5 96.5 129.7 68.4 115.0 89.5 134.2 59.1 111.3 92.9 128.4

1992

1993

1994

1995

Paso 2: Desarrollo de la lnea de tendencia utilizando el mtodo de mnimos cuadrados

El segundo paso para describir las componentes de la serie de tiempo consiste en desarrollar la lnea de tendencia. Para ello aplicamos el mtodo de mnimos cuadrados a la serie de tiempo desestacionalizada (despus de haber traducido la variable estacional). La tabla 15-18 presenta los clculos necesarios para identificar la componente de tendencia. Con los valores de la tabla 15-18, podemos encontrar la ecuacin de la tendencia. De las ecuaciones 15-3 y 15-4, encontramos la pendiente y la ordenada Y de la recta de tendencia de la siguiente manera: xY b [15-3] x2 420.3 2,660 0.16 Y [15-4] 18.0 La lnea de tendencia apropiada se describe utilizando la ecuacin de la recta (ecuacin 12-3), con x en lugar de X: Y a bx [12-3] 18 0.16x a

Tabla 15-16 Pasos 5 y 6 en el clculo del ndice estacional

Paso 5*

w w

Suma modificada

.M

1991 1992 1993 1994 1995

1.

co

Ao

m
I

II 127.0 129.7 134.2 128.4 258.1 188.9 2 258.1 2 121.6 2 226.3 2

III 56.7 62.5 68.4 59.1 00 121.6 94.45

IV 115.2 107.5 115.0 111.3 00 226.3

96.0 96.5 89.5 092.9 188.9

at

em

Media modificada: Trimestre I:

at

ic a

II: III: IV:

129.05 60.80 113.15 397.45

Paso 6 Factor de ajuste Trimestre I II III IV ndices 94.45 129.05 60.80 113.15 400 = 1.0064 397.45 Factor de ajuste 1.0064 1.0064 1.0064 1.0064 Suma de ndices estacionales Suma de ndices 95.1 129.9 61.2 113.9 400.1

Ordene los porcentajes de la columna 7, tabla 15-15, por trimestre y encuentre la media modificada. Correccin de los ndices del paso 5.

**

Paso 3: Bsqueda de la variacin cclica

Suposiciones acerca de la variacin irregular

Predicciones utilizando una serie de tiempo

Se han identificado las componentes estacional y de tendencia de la serie de tiempo. A continuacin, encontraremos la variacin cclica alrededor de la lnea de tendencia. Esta componente se identifica midiendo la variacin desestacionalizada alrededor de la lnea de tendencia. En este problema, calcularemos la variacin cclica en la tabla 15-19, usando el mtodo de residuos. Si suponemos que la variacin irregular es, en general, de corto plazo y relativamente insignificante, hemos descrito por completo la serie de tiempo de este problema utilizando las componentes de tendencia, estacional y cclica. En la figura 15-8 ilustramos la serie de tiempo original, su promedio mvil (que contiene tanto la componente de tendencia como la cclica) y la lnea de tendencia. Ahora, suponga que la administracin del complejo de veraneo que hemos usado como ejemplo desea estimar el volumen de ventas para el tercer trimestre de 1996. Qu debe hacer la administracin? 1. Debe determinarse el valor desestacionalizado de las ventas del tercer trimestre de 1996, mediante la ecuacin de tendencia, Y 18 0.16x. Esto requiere la codificacin del tiempo, 1996-III. Ese trimestre (1996-III) es tres trimestres despus de 1995-IV que, como se ve en la tabla 15-18, tiene un valor de tiempo codificado de 19. Sumando 2 por cada trimestre, la administracin encuentra que x 19 2(3) 25. Sustituyendo este valor (x 25) en la ecuacin de tendencia se produce el siguiente resultado: Y a bx 18 0.16(25) 18 4 22

Paso 1: Determinacin del valor desestacionalizado de las ventas para el periodo deseado

.M

at

em

As, la estimacin de ventas desestacionalizada para 1993-III es $220,000. Este punto se seala sobre la lnea de tendencia en la figura 15-8.

at

ic a1

.c om
Ao (1) 1991 Trimestre (2) I II III IV I II III IV I II III IV I II III IV I II III IV

Tabla 15-17 Clculo de los valores desestacionalizados de la serie de tiempo

Ventas reales (3) 16 21 9 18 15 20 10 18 17 24 13 22 17 25 11 21 18 26 14 25

ndice estacional 100 (4) 0.951 1.299 0.612 1.139 0.951 1.299 0.612 1.139 0.951 1.299 0.612 1.139 0.951 1.299 0.612 1.139 0.951 1.299 0.612 1.139

Ventas desestacionalizadas (5) (3) (4) 16.8 16.2 14.7 15.8 15.8 15.4 16.3 15.8 17.9 18.5 21.2 19.3 17.9 19.2 18.0 18.4 18.9 20.0 22.9 21.9

1992

1993

1994

1995

Tabla 15-18 Identificacin de la componente de tendencia

Ao (1) 1991

Trimestre (2) I II III IV I II III IV I II III IV

Y Ventas desestacionalizadas (1/2 x) (columna 5 de la tabla Traduccin o 15-17) (decenas de codificacin de la miles de dlares) variable estacional (3) (4) 16.8 16.2 14.7 15.8 15.8 15.4 16.3 15.8 17.9 18.5 21.2 19.3 17.9 19.2 18.0 18.4 18.9 20.0 22.9 21.9 360.9 9 1/2 8 1/2 7 1/2 6 1/2 5 1/2 4 1/2 3 1/2 2 1/2 1 1/2 1 /2 0* 1 /2 1 1/2 2 1/2 3 1/2 4 1/2 5 1/2 6 1/2 7 1/2 8 1/2 9 1/2

(5)

x (4) 19 17 15 13 11 9 7 5 3 1 1 3 5 7 9 11 13 15 17 19

(6)

xY (5) 319.2 275.4 220.5 205.4 173.8 138.6 114.1 79.0 53.7 18.5 21.2 57.9 89.5 134.4 162.0 202.4

x2 (3) (7) (5)2 361 289 225 169 121 81 49 25 9 1 1 9 25 49 81 121 169 225 289 00000000361 x 2 2,660

1992

1993 Media

1994

1995

.M

at e

I II III IV

a1 .

co

I II III IV

245.7 300.0 389.3 0000000416.1 xY 420.3

m
Y

at ic
Y n
360.9 20 18.0 Y Y

*Asignamos la media de cero al valor en la mitad de los datos (1993-II 1/2) y luego medimos el tiempo traducido, x, por medios trimestres, debido a que tenemos un nmero par de periodos.

Paso 2: Estacionalizacin de la estimacin inicial

2. Ahora la administracin debe estacionalizar esta estimacin multiplicndola por el ndice estacional correspondiente al tercer trimestre, expresado como una fraccin de 100:
ndice estacional para el trimestre III tomado del paso 6 de la tabla 15-16

Estimacin de tendencia obte nida con la ecuacin 12-3

22

61.2 100

13.5

Estimacin estacionalizada

Precaucin al utilizar la prediccin

Con base en este anlisis, la compaa estima que las ventas para el trimestre 1996-III sern de $135,000. Debemos aclarar, sin embargo, que este valor es solamente una estimacin y no toma en cuenta las componentes cclica e irregular. Como hicimos notar, la variacin irregular no se puede pronosticar matemticamente. Recuerde tambin que el manejo de la variacin cclica fue meramente una descripcin del comportamiento pasado y no un pronstico del comportamiento futuro.

Tabla 15-19 Identificacin de la variacin cclica Ao (1) 1991 Trimestre (2) I II III IV I II III IV I II III IV I II III IV I II III IV

Y Ventas desestacionalizadas (columna 5, tabla 15-17) (3) 16.8 16.2 14.7 15.8 15.8 15.4 16.3 15.8 17.9 18.5 21.2 19.3 17.9 19.2 18.0 18.4 18.9 20.0 22.9 21.9 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18

bx Y * (4) 19) 17) 15) 13) 14.96 15.28 15.60 15.92 16.24 16.56 16.88 17.20 17.52 17.84 18.16 18.48 18.80 19.12 19.44 19.76 20.08 20.40 20.72 21.04

Y 100 Y Porcentaje de tendencia (3) (15) 100 (4)

0.16 ( 0.16 ( 0.16 ( 0.16 (

112.3 106.0 94.2 99.2 97.3 93.0 96.6 91.9 102.2 103.7 116.7 104.4 95.2 100.4 92.6 93.1 94.1 98.0 110.5 104.1

1992

0.16 ( 11) 0.16 ( 9) 0.16 ( 7) 0.16 ( 5) 0.16 ( 0.16 ( 0.16 ( 0.16 ( 3) 1) 1) 3)

1993

1994

.c o

0.16 ( 5) 0.16 ( 7) 0.16 ( 9) 0.16 ( 11) 0.16 ( 0.16 ( 0.16 ( 0.16 ( 13) 15) 17) 19)

1995

*El valor apropiado de x en esta ecuacin se obtiene de la columna 5 de la tabla 15-18.

w .M

at

em

at

ic

a1

FIGURA 15-8 Serie de tiempo, lnea de tendencia y promedio mvil centrado de 4 trimestres para los datos de ventas trimestrales de la tabla 15-14

26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 I II III IV I 1991 II III IV I 1992

Serie de tiempo de la tabla 15-14 (las cuatro componentes)

Y = 18 + 0.16x (slo la tendencia)

Ventas (decenas de miles de dlares)

Estimacin de ventas desestacionalizadas para 1996-III ($220,000)

Promedio mvil centrado de 4 trimestres (componentes de tendencia y cclica)


x=0

II III IV I 1993

II III IV I 1994

II III IV I 1995

II III IV 1996

{ { { { { {

Un anlisis completo de la serie de tiempo intenta explicar la tendencia secular, la variacin cclica y la variacin estacional. Lo que queda es la variacin irregular. Advertencia: aun el mejor anlisis de series de tiempo describe el comportamiento anterior y puede no pronosticar
SUGERENCIAS Y SUPOSICIONES

el comportamiento futuro. Sugerencia: la manera correcta de proceder al analizar todas las componentes de una serie de tiempo es primero desestacionalizar la serie de tiempo, despus encontrar la lnea de tendencia, luego calcular la variacin alrededor de la lnea de tendencia y, por ltimo, identificar la variacin irregular en lo que queda.

Ejercicios 15.7
Ejercicio de autoevaluacin
EA 15-5 Una comisin estatal designada para controlar el consumo de energa reuni los siguientes datos correspondientes al consumo de gas natural, en millones de pies cuadrados:
Ao 1992 1993 1994 1995 Invierno 293 301 304 306 Primavera 246 252 259 265 Verano 231 227 239 240 Otoo 282 291 296 300

Ao 1992 1993 1994 1995 1996

15-37

Una agencia de ecologa ha observado la calidad del aire en Nueva York durante 5 aos y ha reunido los siguientes datos estacionales respecto a los contaminantes (en partes por milln) en el aire.
Invierno 452 474 494 506 527 Primavera 385 397 409 429 454 Verano 330 356 375 398 421 Otoo 385 399 415 437 482

15-38

a) Determine los ndices estacionales y desestacionalice estos datos (usando un promedio mvil centrado de 4 trimestres). b) Calcule la recta de mnimos cuadrados que mejor describa estos datos. c) Identifique la variacin cclica en estos datos con el mtodo de residuos cclicos relativos. d) Grafique los datos originales, los datos desestacionalizados y la tendencia. Los siguientes datos describen el desempeo de comercializacin de un productor regional de cerveza:
Ao 1991 1992 1993 1994 I Ventas por trimestre (cientos de miles de dlares) II III IV 24 28 31 35 38 44 41 48 25 23 23 21

a) Calcule los ndices estacionales para estos datos. (Utilice un promedio mvil centrado de 4 trimestres.) b) Desestacionalice estos datos utilizando los ndices del inciso a).

.M

Aplicaciones

at e
19 21 23 24

m at

a) Determine los ndices estacionales y desestacionalice estos datos (usando un promedio mvil centrado de 4 trimestres). b) Calcule la recta de mnimos cuadrados que mejor describa esos datos. c) Identifique la variacin cclica de los datos con el mtodo del residuo cclico relativo. d) Represente grficamente los datos originales, los datos desestacionalizados y la tendencia.

ic

a1 .c

om

15-39

Para el ejercicio 15-38: a) Encuentre la recta de mnimos cuadrados que mejor describa la tendencia en las ventas desestacionalizadas de cerveza. b) Identifique la componente cclica en esta serie de tiempo calculando el porcentaje de tendencia.

Solucin al ejercicio de autoevaluacin


EA 15-5 a)
Ao 1992 Trimestre Invierno Primavera Verano Otoo Invierno Primavera Verano Otoo Invierno Primavera Verano Otoo Invierno Primavera Verano Otoo Ao 1992 1993 1994 1995 Suma modificada ndice estacional Uso real de gasolina 293 246 231 282 301 252 227 291 304 259 239 296 306 265 240 300 Promedio mvil 4 trimestres Promedio mvil centrado Porcentaje de promedio real respecto al promedio mvil ndice estacional 111.66 094.39 086.82 107.13 111.66 094.39 086.82 107.13 111.66 094.39 086.82 107.13 111.66 094.39 086.82 107.13 Otoo 106.11 108.03 107.34 107.34 107.13 0.99808. Los ndices esUso desestacionalizado 262.4037 260.6208 266.0677 263.2316 269.5683 266.9774 261.4605 271.6326 272.2551 274.3935 275.2822 276.2998 274.0462 280.7501 276.4340 280.0336

1993

1994

1995

Invierno

at ic

a1

.c

om

263.00 265.00 266.50 265.50 267.75 268.50 270.25 273.25 274.50 275.00 276.50 276.75 277.75

264.000 265.750 266.000 266.625 268.125 269.375 271.750 273.875 274.750 275.750 276.625 277.250

087.50 106.11 113.16 094.51 084.66 108.03 111.87 094.57 086.99 107.34 110.62 095.58

Primavera

Verano 87.50 84.66 86.99 86.99 86.82

113.16 111.87 110.62 111.87 111.66

at

em

94.51 94.57 95.58 94.57 94.39

La suma de las medias modificadas fue 400.77, de manera que el factor de ajuste 400/400.77 tacionales se obtuvieron multiplicando las medias modificadas por este factor.

b, c)
Uso desestacionalizado (Y) 262.4037 260.6208 266.0677 263.2316 269.5683 266.9774 261.4605 271.6326 272.2551 274.3935 275.2822 276.2998

.M

Ao 1992

Trimestre Invierno Primavera Verano Otoo Invierno Primavera Verano Otoo Invierno Primavera Verano Otoo

x 15 13 11 9 7 5 3 1 11 13 15 17

xY 3936.0555 3388.0704 2926.7447 2369.0844 1886.9781 1334.8870 784.3815 271.6326 272.2551 823.1805 1376.4110 1934.0986

x2 225 169 121 81 49 25 9 1 1 9 25 49

Tendencia desestacionalizada Y 270.7161 0.6301x 261.2646 262.5248 263.7850 265.0452 266.3054 267.5656 268.8258 270.0860 271.3462 272.6064 273.8666 275.1268

Residuo cclico relativo Y Y 100 Y 0.44 0.73 0.87 0.68 1.23 0.22 2.74 0.57 0.33 0.66 0.52 0.43 (contina)

1993

1 1 1 1 1

1994

Ao 1995

Trimestre Invierno Primavera Verano Otoo

Uso desestacionalizado (Y) 274.0462 280.7501 276.4340 280.0336 4,331.4571

x 9 11 13 15 0

xY 2466.4158 3088.2511 3593.6420 4200.5040 856.9239

x2 81 121 00169 0,225 1,360

Tendencia desestacionalizada Y 270.7161 0.6301x 276.3870 277.6472 278.9074 280.1676

Residuo cclico relativo Y Y 100 Y 0.85 1.12 0.89 0.05

a Y d)
310 300 290 280 Consumo de gasolina

4,331.4571 16

270.7161

xY x2

856.9239 1,360
1

0.6301 /2 trimestre)

270.7161

0.6301x (donde 1993-IV 1/2

0 y unidad de x

260 250 240 230 220

II III 1992

w w

.M

IV

at

em

II III 1993

at

ic a

1.

IV

co

270

II III 1994

IV

II III 1995

IV

datos originales

datos desestacionalizados

15.8 Anlisis de series de tiempo en pronsticos


En este captulo hemos examinado las cuatro componentes de una serie de tiempo. Hemos descrito el proceso de proyectar la tendencia pasada y la variacin estacional hacia el futuro, mientras tomamos en consideracin las imprecisiones inherentes de este anlisis. Adems, hicimos notar que a pesar de que las componentes cclica e irregular afectan el comportamiento, futuro, son factores errticos y difciles de utilizar para pronosticar. Debemos estar conscientes de que el enfoque mecnico del anlisis de series de tiempo est sujeto a errores y cambios considerables. Es necesario que los administradores combinen estos procedimientos sencillos con el conocimiento de otros factores con el fin de desarrollar pronsticos funcionales. Los analistas revisan, actualizan y descartan constantemente sus pronsticos. Si deseamos manejar con xito el futuro, debemos hacer lo mismo. Cuando utilizamos los procedimientos descritos en este captulo, debemos poner especial atencin en dos problemas:

Limitaciones del anlisis estacional

1. En pronsticos, proyectamos la tendencia histrica y la variacin cclica al futuro. Debemos preguntarnos qu tan regulares y duraderas fueron las tendencias pasadas?, cules son las posibilidades de que tales patrones estn cambiando? 2. Qu tan precisos son los datos histricos que utilizamos en el anlisis de series de tiempo? Si una compaa cambi de un sistema de contabilidad de inventario PEPS (primero en entrar, primero en salir) a un sistema UEPS (ltimo en entrar, primero en salir) en un periodo dentro del tiempo que se analiza, los datos (como las ganancias trimestrales) obtenidos antes y despus del cambio no son comparables y tampoco son muy tiles para pronosticar.

Advertencia: los administradores inteligentes se dan cuenta de que explicar la mayor parte de la variacin en una serie de tiempo de datos histricos no significa que este mismo patrn continuar en el futuro. Sugerencia: estos mismos administradores inteligentes combinan todos los pronsticos disponibles de la serie de tiempo con
SUGERENCIAS Y SUPOSICIONES

respuestas intuitivas para ampliar las preguntas de qu pasa si...?, que siempre son parte de la planeacin estratgica. Estas preguntas se refieren al entorno (sociolgico, econmico, poltico) de negocios futuros y si cambiar en forma significativa el entorno existente cuando se reunieron los datos de la serie de tiempo.

Ejercicios 15.8
15-42 15-43

Estadstica en el trabajo
Loveland Computers

.M

Caso 15: Series de tiempo Lee Azko descansaba en su bien ganada fama. El complicado anlisis de regresin de los resultados de los gastos de publicidad haba dado a Sherrel Wrigtht ms confianza para utilizar el argumento de una mejor planeacin. Incluso Walter Azko comenz a reconocer que parte del xito de marketing no dependa del azar, sino que existan ciertas reglas. Nunca pude ver el valor de publicar anuncios de cinco o seis anuncios de una plana, dijo el to Walter mientras daba la vuelta a la esquina de la oficina de Lee, un cubculo equipado con pocos muebles y una de las computadoras personales ms grandes y rpidas de Loveland. Gracias por mostrar que tena razn. Ests a punto de hacerme creer tambin en esos anuncios de peridico tan caros. Coment algo Margot acerca de esos grupos de enfoque?, Lee andaba a la caza de otro cumplido. Vamos a ver ese asunto la semana prxima; es demasiado pronto para decir algo. Pero no te sientas libre todava. Tengo un proyecto completamente nuevo para ti. Ve a ver a Gracia.

at e

m at

Gracia Delaguardia se rea de un chiste. La risa se escuchaba en todo el corredor. Gracia tena una verdadera oficina, con puerta. Lee la encontr mirando una grfica junto con otro miembro del equipo Loveland. Lee, ven, djame presentarte a Roberto Palomar. Bert es el encargado del banco de telfonos, nuestro departamento de pedidos. Estbamos hablando de ti. De eso se rean?, Lee se sinti nervioso. No, no. Mira esto. Bert est tratando de estimar el nmero de vendedores por telfono que necesitamos para atender los pedidos. Debemos planear la contratacin... E instalar suficientes lneas 800, agreg Roberto, a quien todo el mundo llamaba Bert. Graficamos los datos trimestrales, continu Gracia, y, como ingeniera, djame decirte que puedo reconocer una tendencia no lineal cuando veo una. Gracia seal una curva que se pareca a la trayectoria del transbordador espacial llegando a la rbita. Desde luego, no nos quejamos de nuestro crecimiento. Es bueno estar en un equipo que va ganando. Pero si continuamos con esta tendencia, intervino Bert, deslizando una regleta sobre la grfica, dentro de 10 aos tendremos que contratar a toda la poblacin de Loveland, solamente para que atiendan nuestros telfonos. Con eso, Gra-

ic

a1 .c

om

15-40 15-41

Enumere cuatro errores que pueden afectar las predicciones con una serie de tiempo. Cuando se utiliza una serie de tiempo para pronosticar el futuro, qu garantas necesitamos en los datos histricos en los que se basan nuestras predicciones? Qu problemas pueden desarrollarse si utilizamos las cifras de inscripciones pasadas a la universidad para pronosticar las inscripciones futuras? De qu manera los pronsticos con series de tiempo manejaran cuestiones como las siguientes? a) Cambios en la ley federal de recaudacin de impuestos. b) Cambios en los sistemas de contabilidad.

cia y Bert se echaron a rer de nuevo. Lee, ve bien esos nmeros y di si no es cierto. Bueno, no cabe duda de que hay una tendencia bastante fuerte, observ Lee, enfatizando lo obvio. Hay alguna especie de estacionalidad?, es decir, hay diferencias de un mes a otro? Buena pregunta, respondi Bert. Estos totales por trimestre tienden a ocultar algo de las alzas y bajas mensuales. Por ejemplo, agosto siempre est muerto, pues la gente est de vacaciones. Pero diciembre es un mes muy pesado. Aunque no estamos metidos en el negocio de los regalos de Navidad, algunos usuarios domsticos en verdad le piden a Santa Claus que les traiga una computadora Loveland. El principal efecto viene de los negocios pequeos, que desean registrar en la contabilidad gastos de equipo antes del final del ao, con el fin de pagar menos impuestos. Y no me parece que el volumen de llamadas est repartido por igual entre todos los das de la semana, se aventur a decir Lee.

Ah, s. Los das lluviosos y los lunes, respondi Bert. Tenemos una regla emprica que dice que hacemos el doble de negocios en lunes que en martes. De modo que intentamos evitar hacer sesiones de entrenamiento o reuniones de personal los lunes. En algunas ocasiones, el personal de supervisin atiende cualquier llamada, no importa lo que cueste. Si perdemos una llamada, un cliente potencial podra adquirir una computadora de la competencia. Pero ahora siento que estamos en el momento en que realmente debo planear un poco mejor el nmero de trabajadores que debo tener disponibles. Si programo a demasiada gente, desperdiciamos dinero y los vendedores se aburren. Estaran mejor en su casa. Bueno, creo que podra ayudarles, se ofreci Lee. Les dir lo que necesito. Preguntas de estudio: Qu datos querr examinar Lee? Qu anlisis llevar a cabo? De qu manera utilizar Bert la informacin que obtenga Lee?

La siguiente semana, Stan pidi a Laurel pedirle algunos datos, para su prxima reunin de ventas. En esas primeras plticas que tuvimos sobre la historia de la compaa, le dijo, recordars que te dije que los sellos y el equipo para sellar, nuestra lnea de produccin ms extensa, son la piedra angular de nuestras ventas. De hecho, es la lnea de productos con la que, bsicamente, el seor Douglas empez el negocio. Como estn las cosas, tambin es la lnea de productos que genera nuestro mayor margen bruto. Hay algo que puedas hacer, como diagramas o grficas, que pudiera ilustrar el comportamiento de las ventas de sellos durante los ltimos 10 aos o algo as? Tengo datos de las ventas por da o por mes con los que puedes trabajar. Qu tal si desestacionalizo los datos para mostrar una tasa de crecimiento ms precisa?, sugiri Laurel. Puedo utilizar las cifras de ventas mensuales y generar algunas grficas que muestren las tendencias. Calculando una estimacin de mnimos cuadrados, tambin podra darte una herra-

.M

at e

m at

HH Industries

ic

Del libro de texto al mundo real


Industria pesquera en Islandia
El Ministerio de Pesca de Islandia ha desarrollado un modelo para facilitar la toma de decisiones en la administracin pesquera. Se utiliza principalmente para la administracin de

a1 .c

Ejercicio de base de datos computacional

mienta aproximada para que puedas pronosticar la venta de sellos desestacionalizada para los aos venideros. Qu te parece? Me perd en la parte de los mnimos cuadrados, admiti Stan, pero suena exactamente como lo que estoy buscando. Ser interesante ver las ventas sin el efecto de las temporadas. Podras tener una primera informacin de las cifras para el inicio de la siguiente semana?. Claro que s, respondi Laurel. Te traer todo a tu oficina el lunes o el martes. 1. Haga un anlisis de serie de tiempo de la ventas de sellos durante los ltimos 10 aos. (Use los datos de ventas del archivo CH15.xxx del CD que acompaa al libro.) Desestacionalice las ventas por mes, utilizando el mtodo de razn de promedio mvil (use un promedio mvil centrado de 12 meses). Luego encuentre la ecuacin lineal de mnimos cuadrados que mejor describa los datos desestacionalizados. 2. Utilice los resultados para pronosticar las ventas de cada mes de 1994. 3. Observe los residuos asociados con la ecuacin de regresin lineal. Existe algn patrn que pueda hacerle sospechar que una lnea recta no es el mejor ajuste?

sistemas de cuota a corto plazo y para la planeacin de inversiones a largo plazo. Con este modelo se pueden hacer pronsticos acerca de la cantidad de pesca de bacalao y otras especies de aguas profundas con varios aos de anticipacin. Tambin puede obtenerse informacin de las ganancias y los costos. El anlisis rene datos de varias variables, entre las que podemos incluir la cantidad de peces en existencia al

om

principio del periodo de planeacin y el tamao y clasificacin de la flota de pesca. Algunos estudios recientes indican que la flota de pesca es demasiado grande y, a menos que se puedan tomar medidas adecuadas para limitar el volumen de pesca fuera de las costas de Islandia, la espina dorsal de la economa del pas puede verse amenazada. Antecedentes La pesca es la industria principal de la economa de Islandia; el pescado y sus productos representan aproximadamente el 70% de las exportaciones del pas. Las especies de que desovan en aguas profundas son las ms importantes en los mares de Islandia, y el bacalao representa el 55% de esta pesca. Hasta 1976, cuando Islandia adquiri completa soberana de sus reas de pesca, los barcos extranjeros obtenan cerca de la mitad de la pesca total. Las compaas pesqueras islandesas empezaron a modernizar sus flotas en 1970, anticipndose al retiro de la competencia extranjera. Conforme las flotas fueron creciendo en tamao y se volvieron ms eficientes, surgieron preocupaciones con respecto a la proteccin del recurso. Estimaciones del tamao de los recursos existentes, hechas en 1975, indicaban que la existencia de bacalao haba bajado a menos de la mitad de su promedio en la poca de la posguerra. Adems, la edad y la estructura de la pesca no eran favorables. A pesar del retiro de los barcos de pesca extranjeros, el volumen de pesca total casi no disminuy, esto debido a las tcnicas y equipo modernos para pescar. Para 1983, la pesca de bacalao alcanz el nivel ms bajo de todos los tiempos. Las autoridades y la industria pesquera se dieron cuenta de que la flota de pesca y, en consecuencia, el esfuerzo de captura, eran demasiado grandes. Deba contenerse el crecimiento de las flotas de pesca. En un principio, el periodo de captura se restringi haciendo ms largas las vacaciones de Navidad y de Pascua para los pescadores, y se establecieron topes al tiempo anual permitido de operacin de cada barco pesquero. En 1984, se introdujo un sistema general de cuotas.

el tamao de las flotas y su composicin pueden ser administradas por medio del control del gobierno sobre prstamos bancarios e inversin en nuevos barcos. Datos sobre pesca Durante las ltimas dcadas, se han registrado grandes cantidades de datos sobre la pesca en Islandia. Que el gobierno se haya involucrado en las transacciones entre pescadores y la industria procesadora de productos marinos ha hecho que sea benfico para ambas partes que los informes de volmenes de pesca y otros datos sean correctos, de modo que se tiene datos muy confiables. Aunque los datos son precisos, existe aleatoriedad debido al impacto del clima inestable y el mal tiempo sobre las reas de pesca. Se tienen cuatro grupos de datos: desembarques, tamao de existencias, potencia y selectividad de pesca y econmicos. De esta informacin, se pueden extrapolar las tendencias relativas a la captura esperada para una unidad de pesca dada, las ganancias o prdidas esperadas para la flota y otras estadsticas, ao por ao. La comisin del gobierno usa como base 1983 para comparar la produccin sustentable para flotas de diferente tamao y tipo. La produccin sustentable o sostenida se refiere a la captura equilibrada dados un esfuerzo constante y los factores ambientales normales. Resultados La conclusin principal del estudio fue que la flota de pesca es demasiado grande y que la existencia futura de peces est amenazada por los esfuerzos excesivos de los barcos pesqueros. A pesar de que los problemas asociados con los recursos naturales renovables implican incertidumbre y, a menudo, son impredecibles, el modelo de serie de tiempo utilizado por el Ministerio de Pesca de Islandia proporcion una herramienta para determinar la naturaleza y la severidad del problema. Permiti tambin a los diseadores de estrategias concentrarse en las comparaciones de diferentes polticas mediante anlisis de sensibilidad, ms que en buscar predicciones de valores absolutos. Al observar las tendencias en el tamao de las existencias del recurso y en otras variables, los polticos pueden determinar los efectos que tendrn diferentes estrategias gubernamentales. En Islandia, los encargados de la toma de decisiones encontraron que las estrategias anteriores no tuvieron xito en disminuir el tamao de la captura, de modo que se impusieron los sistemas de cuota y las limitaciones en la inversin para preservar la industria pesquera del pas.
Fuente: Thorkell Helgason y Snojolfur Olafsson, An Icelandic Fisheries Model, European Journal of Operational Research 33 (1988): 191199.

Modelos de pesca En 1979, el Ministerio de Pesca organiz un grupo de trabajo integrado por miembros de la Universidad de Islandia, el Instituto de Investigacin Marina y otros grupos con el fin de desarrollar un modelo de captura de especies de aguas profundas. El modelo sera una herramienta de apoyo para la toma de decisiones de la administracin, a corto y largo plazos. La planeacin a corto plazo incluye el cierre de reas para la pesca, reglamentos sobre las dimensiones de malla de las redes y sistemas de cuotas. A largo plazo,

Repaso del captulo


Trminos introducidos en el captulo 15
Codificacin Mtodo para convertir medidas tradicionales de tiempo en una forma que simplifique los clculos (a menudo se le conoce como traduccin). Desestacionalizacin Proceso estadstico utilizado para eliminar los efectos de la estacionalidad de una serie de tiempo.

.M

at e

m at

ic

a1 .c

om

Ecuacin de segundo grado Forma matemtica que se utiliza para describir una curva parablica que puede usarse en el anlisis de tendencia de una serie de tiempo. Fluctuacin cclica Tipo de variacin que se presenta en una serie de tiempo, en la cual el valor de la variable flucta alrededor de una lnea de tendencia secular. Media modificada Mtodo estadstico utilizado en el anlisis de series de tiempo. Descarta los valores ms alto y ms bajo cuando se calcula una media. Mtodo de razn de promedio mvil Mtodo estadstico empleado para medir la variacin estacional. Usa un ndice que describe el grado de dicha variacin. Mtodo de residuos Mtodo para describir la componente cclica de una serie de tiempo. Supone que la mayor parte de la variacin de la serie que no explica la tendencia secular se debe a factores cclicos.

Residuo cclico relativo Medida de la variacin cclica, utiliza la desviacin porcentual de cada valor de la serie respecto a la tendencia. Serie de tiempo Los datos acumulados a intervalos regulares y los mtodos estadsticos utilizados para determinar patrones en esos datos. Tendencia secular Tipo de variacin en una serie de tiempo. El valor de la variable que tiende a aumentar o disminuir en un periodo largo. Variacin estacional Patrones de cambio de una serie de tiempo que ocurren en un ao; patrones que tienden a repetirse cada ao. Variacin irregular Condicin de una serie de tiempo en la que el valor de una variable es completamente impredecible.

Ecuaciones introducidas en el captulo 15


15-1 b

Vimos esta frmula como la ecuacin 12-5. Nos permite calcular la ordenada Y de la recta de regresin de mejor ajuste para cualquier conjunto de datos de dos variables.

w w

.M

15-2

at

em

Esta frmula, introducida en el captulo 12 como la ecuacin 12-4, nos permite calcular la pendiente de la lnea de regresin de mejor ajuste para cualquier conjunto de datos de dos variables. Los smbolos X y Y representan las medias de los valores de las variables independiente y dependiente, respectivamente; n es el nmero de datos con los cuales se ajusta la lnea.

at

ic a

1.
a b Y x2Y

co

m
Y a an

XY X2

nX Y nX2

bX

15-3

xY x2

Cuando el tiempo medido en aos individuales (X) se cambia a valores de tiempo codificados (x) restando la media (x X X), la ecuacin 15-1, para la pendiente de la recta de tendencia se simplifica y se convierte en la ecuacin 15-3. 15-4 Y De manera parecida, utilizar los valores de tiempo codificado tambin nos permite simplificar la ecuacin 15-2 para obtener la ordenada de la recta de tendencia. Y a bx cx2 En ocasiones deseamos ajustar una tendencia con una curva parablica (o de segundo grado), en lugar de utilizar una lnea recta (Y a bx). La forma general de una curva de segundo grado ajustada se obtie ne incluyendo el trmino de segundo grado (cx2) en la ecuacin de Y . 15-6 15-7 c x2 c x4

15-5

a x2

15-8

Con el fin de encontrar una curva de segundo grado ajustada con el mtodo de mnimos cuadrados, debemos resolver las ecuaciones simultneas 15-6 y 15-7 para encontrar los valores de a y c. El valor b se obtiene de la ecuacin 15-3. Y Porcentaje de tendencia 100 Y

15-9

Podemos medir la variacin cclica como un porcentaje de tendencia si dividimos el valor real (Y) entre el valor de tendencia (Y ) y luego multiplicamos por 100. Y Y Residuo cclico relativo 100 Y Otra medida de la variacin cclica es el residuo cclico relativo, que se obtiene dividiendo la desviacin de la tendencia (Y Y ) entre el valor de tendencia, y multiplicando el resultado por 100. El residuo cclico relativo se puede obtener fcilmente si restamos 100 del porcentaje de tendencia.

Ejercicios de repaso
15-44 El nmero de personas admitidas a Valley Nursing Home por trimestre est dado en la siguiente tabla:
Primavera 1992 1993 1994 1995 29 27 33 34 Verano 30 34 36 40 Otoo 41 45 46 47 Invierno 43 48 51 53

Ene. 1993 1994 1995 0.3 0.4 0.2

Feb. 0.7 0.9 0.6

at em
Mar. 0.8 0.7 0.6

at

15-46

ic

a1 .c
Abr. 0.8 0.9 0.9

om

15-45

a) Calcule los ndices estacionales para estos datos (use un promedio mvil centrado de 4 trimestres). b) Desestacionalice estos datos usando los ndices del inciso a). c) Encuentre la recta de mnimos cuadrados que mejor describa las cifras de la tendencia desestacionalizada. Wheeler Airlines, una lnea area regional, ha estimado el nmero de pasajeros para el mes de diciembre en 595,000 (desestacionalizado). Cuntos pasajeros debe prever la compaa si el ndice estacional de diciembre es 128? Un grupo de investigacin ecolgica ha medido el nivel de contaminacin por mercurio en el ocano en cierto punto de la costa este de Estados Unidos. Se encontraron los siguientes porcentajes de mercurio en el agua:
May. 0.7 0.5 0.7 Jun. 0.7 0.8 0.7 Jul. 0.6 0.7 0.8 Ago. 0.6 0.7 0.8 Sep. 0.4 0.4 0.5 Oct. 0.7 0.6 0.6 Nov. 0.2 0.3 0.3 Dic. 0.5 0.4 0.5

15-47

Construya un promedio mvil centrado de 4 meses y grafquelo junto con los datos originales. Un gerente de produccin de una fbrica de papel canadiense ha acumulado la siguiente informacin que describe la cantidad de papel (en millones de libras) procesado cada trimestre:
Primavera 1992 1993 1994 1995 3.1 3.3 3.4 3.7 Verano 5.1 5.1 5.3 5.4 Otoo 5.6 5.8 6.0 6.1 Invierno 3.6 3.7 3.8 3.9

15-48

15-49

a) Calcule los ndices estacionales de los datos (porcentaje del promedio real respecto al promedio mvil centrado). b) Desestacionalice los datos utilizando los ndices estacionales del inciso a). c) Encuentre la lnea de mnimos cuadrados que mejor describa los datos. d) Estime la cantidad de libras de papel que sern procesadas durante la primavera de 1996. Describa algunas de las dificultades al usar una ecuacin de estimacin lineal para describir los datos siguientes: a) Kilometraje de gasolina logrado por los automviles estadounidenses. b) Nmero de muertos en accidentes de aviacin comercial. c) La exportacin de cereales de un solo pas. d) El precio de la gasolina. La empresa Magna International es una compaa canadiense dedicada a la manufactura de componentes para automviles, como paneles moldeados para puertas. En el informe anual de Magna de 1992 se dio

.M

una lista de las ganancias anuales de la compaa correspondientes a los 10 aos anteriores (en millones de dlares canadienses):
Ao Ganancias 1983 302.5 1984 493.6 1985 690.4 1986 1,027.8 1987 1988 1,152.5 1,458.6 1989 1,923.7 1990 1,927.2 1991 1992 2,017.2 2,358.8

15-50

15-51

a) Encuentre la lnea de tendencia de mnimos cuadrados para estos datos. b) Grafique los datos anuales junto con la lnea de tendencia. Las variaciones de la tendencia parecen ser aleatorias o cclicas? c) Utilice un paquete de computacin estadstico que obtenga regresin para encontrar la tendencia parablica de mejor ajuste para estos datos. Es c, el coeficiente de x2, significativamente diferente de cero? Cul de los dos modelos de tendencia recomendara usted para pronosticar las ganancias de Magna para 1993? Explique su respuesta. d) Pronostique las ganancias de la empresa para 1993. Comente las dificultades que tendra al utilizar una ecuacin de estimacin de segundo grado para pronosticar el comportamiento del proceso que gener los datos siguientes: a) Ventas de computadoras personales en Estados Unidos. b) Uso de juegos de video en Estados Unidos. c) Primas de seguros contra malas prcticas mdicas. d) El nmero de graduados de maestra en administracin de las universidades de Estados Unidos. La tabla siguiente muestra el nmero de franquicias de Beauty Bar, Inc. que opera al final de cada ao:
Ao Nmero de franquicias 1990 596 1991 688 1992 740 1993 812 1994 857 1995 935

ic a
I

1.

15-52

a) Encuentre la ecuacin lineal que describa mejor esos datos. b) Estime el nmero de manuales de operaciones (uno por franquicia) que deba imprimirse en 1997. Un subsecretario asistente del Departamento de Comercio de Estados Unidos tiene los siguientes datos que describen el valor del grano exportado durante los ltimos 16 trimestres (en miles de millones de dlares):

co

15-53 15-54 15-55

a) Determine los ndices estacionales y desestacionalice los datos (utilice un promedio mvil centrado de cuatro trimestres). b) Calcule la recta de mnimos cuadrados que mejor describa los datos. c) Identifique la variacin cclica en los datos mediante el mtodo del residuo cclico relativo. d) Grafique los datos originales, los datos desestacionalizados y la tendencia. La tienda de bicicletas Richie Bell ha determinado, a partir de un anlisis de tendencias pasadas, que las ventas de primavera (desestacionalizadas) debern ser de 165 bicicletas. Si el ndice estacional de primavera es 143, cuntas bicicletas deber vender la tienda esta primavera? En el momento de terminar el programa de autopistas interestatales de Estados Unidos, de qu utilidad sern los viejos datos a los fabricantes de equipo pesado de remocin de tierra cuando intentan pronosticar sus ventas? Qu nuevos datos sugerira usted que utilizaran en su pronstico? La manufactura de automviles, a menudo, se cita como ejemplo de una industria cclica (sujeta a cambios de acuerdo con un ciclo econmico subyacente). Considere la produccin de automviles en todo el mundo (en millones de unidades) y en la antigua Unin Sovitica (en cientos de miles de unidades) durante el periodo de 1970 a 1990:
Ao 1970 1971 1972 1973 1974 1975 En el mundo 22.5 26.4 27.9 30.0 25.9 25.0 En la URSS 13.4 15.3 17.3 19.2 11.2 12.0 Ao 1981 1982 1983 1984 1985 1986 En el mundo 27.5 26.6 30.0 30.5 32.3 32.9 En la URSS 13.2 13.1 13.2 13.3 13.3 13.3 (contina)

w w

1992 1993 1994 1995

em

at

II 3 2 4 3

III 6 7 8 8

IV 4 5 5 6

1 2 2 1

.M

at

Ao 1976 1977 1978 1979 1980

En el mundo 28.8 30.5 31.2 30.8 28.6

En la URSS 12.4 12.8 13.1 13.1 13.3

Ao 1987 1988 1989 1990

En el mundo 33.0 34.3 35.6 35.8

En la URSS 13.3 12.6 12.2 12.6

15-56

a) Encuentre la recta de tendencia de mnimos cuadrados para los datos en el mundo. b) Grafique los datos del mundo y la recta de tendencia en la misma grfica. Las variaciones con respecto a la tendencia parecen ser cclicas o aleatorias? c) Grafique los residuos como porcentaje de la tendencia. Aproximadamente qu tan largo es el ciclo econmico para estos datos? d) Considere la produccin de automviles en la antigua URSS. Analice sus similitudes y diferencias con los patrones que encontr en los incisos a), b) y c). La R.B. Fitch Builders ha construido el siguiente nmero de casas en los 8 aos que lleva en el negocio:
Ao Casas construidas 1988 12 1989 11 1990 19 1991 17 1992 19 1993 18 1994 20 1995 23

15-57

Nmero de homicidios y asaltos

at ic

a1

Estacin

Primavera 31,000

.c

om

a) Desarrolle una ecuacin lineal de estimacin para describir la tendencia del nmero de casas. b) Cuntas casas deber planear terminar la constructora para 1999? c) Junto con la respuesta al inciso b), qu consejo dara usted a la R.B. Fitch acerca del uso de esta tcnica de pronsticos? Como parte de una investigacin realizada por un departamento federal referente a la sicologa de la actividad criminal, una encuesta acerca del nmero de homicidios y de asaltos producidos en el curso de un ao produjo los siguientes resultados:
Verano 52,000 Otoo 39,000 Invierno 29,000

15-58

a) Si los ndices estacionales respectivos son 84, 134, 103 y 79, cules son los valores desestacionalizados de cada estacin? b) Cul es el significado del ndice estacional de 79 para al invierno? Las cifras porcentuales desestacionalizadas trimestrales de desempleo en cierto estado durante el periodo 1991-1995 son las siguientes:

.M

at
I

em

II 7.2 9.2 9.9 7.4 7.0

III 7.3 9.8 9.2 7.5 6.8

IV 18.1 10.5 18.3 17.6 16.5

1991 1992 1993 1994 1995

17.3 18.7 10.2 17.6 17.4

15-59

15-60

a) Encuentre la ecuacin lineal que describe la tendencia de desempleo. b) Calcule el porcentaje de tendencia para los datos. c) Grafique la variacin cclica de las tasas de desempleo a partir del porcentaje de tendencia. El nmero de casos confirmados de SIDA reportados en una clnica de salud local durante el periodo de 5 aos de 1988 a 1992 fueron 2, 4, 7, 13 y 21, respectivamente. a) Desarrolle la recta de regresin lineal para estos datos. b) Encuentre la curva de segundo grado de mnimos cuadrados que se ajusta a los datos. c) Construya una tabla de los casos reales de cada ao, las estimaciones lineales obtenidas con la regresin del inciso a) y los valores de la curva de segundo grado del inciso b). d) Qu regresin parece ser el mejor estimador? RJs Grocers ha agregado pollos enteros hervidos a su lnea de comida para llevar, para los profesionales ocupados que no tienen tiempo de cocinar en casa. El nmero de pollos precocidos vendidos en las primeras 7 semanas es el siguiente:
Semana Ventas 1 41 2 52 3 79 4 76 5 72 6 59 7 41

15-61

a) Encuentre la recta de regresin lineal que mejor se ajuste a estos datos. b) Estime el nmero esperado de ventas en la semana 8. c) Con base en la estimacin del inciso b) y los datos disponibles, la regresin describe con exactitud la tendencia de ventas para este producto? La compaa Walt Disney es una gran empresa de entretenimiento con tres rubros de negocios: pelculas y televisin, mercancas, y parques de diversiones y hoteles (PDH). Como muchas empresas, Disney informa trimestralmente la cantidad total de dinero que recibe cada uno de estos rubros. La expansin de instalaciones en los dos parques de diversiones en Estados Unidos (Disneylandia en California y Walt Disney World en Florida) y la adquisicin de licencias y el ingreso por inversin en parques en Francia y Japn, han ocasionado un crecimiento estable en los ingresos totales por PDH. La siguiente lista de ingresos trimestrales (en millones de dlares) muestra el crecimiento de los ingresos durante la ltima dcada, que asciende a casi $1,000 millones por trimestre al final del ao fiscal de la empresa en diciembre de 1992. (El ao fiscal de la empresa Disney empieza en octubre, de modo que el trimestre que termina en diciembre de 1992 es el primer trimestre del ao fiscal 1993). Un analista que observe este xito notara primero que algo del aumento podra atribuirse a la inflacin. En consecuencia, los ingresos tambin se dan en dlares constantes de 1982, es decir, deflacionados en un porcentaje equivalente a la inflacin desde 1982. Esto se logra dividiendo los ingresos reales entre el deflactor PIB del Departamento de Comercio de Estados Unidos y multiplicando el resultado por 100. (ste aparentemente misterioso proceso tendr ms sentido si consulta la seccin 16.1 del siguiente captulo.)
Ao fiscal y trimestre de Disney 1983-1 1983-2 1983-3 1983-4 1984-1 1984-2 1984-3 1984-4 1985-1 1985-2 1985-3 1985-4 1986-1 1986-2 1986-3 1986-4 1987-1 1987-2 1987-3 1987-4 1988-1 1988-2 1988-3 1988-4 1989-1 1989-2 1989-3 1989-4 1990-1 1990-2 1990-3 1990-4 1991-1 1991-2 Mes final del trimestre DIC 82 MAR 83 JUN 83 SEP 83 DIC 83 MAR 84 JUN 84 SEP 84 DIC 84 MAR 85 JUN 85 SEP 85 DIC 85 MAR 86 JUN 86 SEP 86 DIC 86 MAR 87 JUN 87 SEP 87 DIC 87 MAR 88 JUN 88 SEP 88 DIC 88 MAR 89 JUN 89 SEP 89 DIC 89 MAR 90 JUN 90 SEP 90 DIC 90 MAR 91 Ingreso real 203.7 239.7 288.9 298.8 224.9 244.3 314.6 313.6 232.6 270.0 368.8 386.1 274.1 360.2 434.0 455.6 359.0 414.8 534.4 526.0 385.7 438.0 599.9 618.4 511.6 580.1 727.9 775.8 619.5 710.2 858.1 831.8 623.8 671.0 Deflactor PIB 101.7 102.5 103.3 104.2 105.4 106.5 107.3 108.2 109.0 109.7 110.6 111.3 112.2 112.4 113.2 114.6 115.1 116.0 117.1 117.9 118.6 119.2 120.6 121.9 123.3 124.5 125.9 126.9 127.9 129.7 131.8 138.0 140.5 141.0 Ingreso en dlares de 1982 200.3 233.9 279.7 286.8 213.4 229.4 293.2 289.8 213.4 246.1 333.5 346.9 244.3 320.5 383.4 397.6 311.9 357.6 456.4 446.1 325.2 367.4 497.4 507.3 414.9 465.9 578.2 611.3 484.4 547.6 651.1 602.8 444.0 475.9 (contina)

w w

.M

at

em

at

ic a

1.

co

Ao fiscal y trimestre de Disney 1991-3 1991-4 1992-1 1992-2 1992-3 1992-4

Mes final del trimestre JUN 91 SEP 91 DIC 91 MAR 92 JUN 92 SEP 92

Ingreso real 759.0 810.8 662.4 774.1 890.5 996.2

Deflactor PIB 141.8 142.7 143.8 144.7 145.6 146.5

Ingreso en dlares de 1982 535.3 568.2 460.6 535.0 611.6 680.0

Fuente: The Walt Disney Company, Informe anual de 1992.

15-62

a) Grafique los datos en dlares de 1982 y encuentre la recta de tendencia de mnimos cuadrados. b) Como debera esperarse, existe un fuerte patrn estacional en los ingresos por PDH; el trimestre de diciembre muestra el ingreso ms bajo y los mejores resultados por lo general se reportan en el trimestre de septiembre. Encuentre los ndices estacionales por trimestre para los ingresos en dlares de 1982, y utilcelos para desestacionalizar dichos ingresos. c) Encuentre la lnea de tendencia de mnimos cuadrados para los datos desestacionalizados. d) No podemos comparar directamente los valores r2 de las lneas de tendencia de los incisos a) y c) porque la primera indica qu fraccin de la variacin de los ingresos reales se explica por la tendencia, mientras que la segunda nos dice qu fraccin de la variacin de los ingresos desestacionalizados se explica por la tendencia. Para ver cunta variacin en los ingresos reales se explica por la tendencia y por la estacionalidad, proceda de la siguiente manera: 1) Utilice la lnea de tendencia desestacionalizada para pronosticar los ingresos desestacionalizados para los 40 trimestres. 2) Estacionalice de nuevo las predicciones multiplicndolas por el ndice estacional apropiado y dividindolas entre 100. 3) Para cada trimestre, reste el ingreso real del pronstico vuelto a estacionalizar para encontrar el error del pronstico. 4) Eleve al cuadrado estos errores y smelos. Llame SCE* al resultado. 5) Represente con SCT la suma total de los cuadrados de la lnea de tendencia del inciso a). La fraccin de la variacin de los ingresos reales explicada por la tendencia y por la estacionalidad es 1 SCE*/SCT. Cunto ms de la variabilidad de los ingresos reales se explica al tomar en cuenta la estacionalidad? e) De octubre de 1993 a septiembre de 1991, la afluencia a los parques de diversiones disminuy por la guerra del Golfo Prsico, cuando el temor a ataques terroristas haca que mucha gente se quedara en sus casas, y por la recesin en la economa de Estados Unidos. Qu tipo de variaciones son stas? f) Utilice los pronsticos del inciso d) para estimar cunto le cost a la empresa Disney la recesin y la guerra del Golfo, en cuanto al rubro PDH durante el ao fiscal 1994. g) Utilice el modelo que desarroll en el inciso d) para pronosticar el ingreso total por PDH (en dlares de 1982) para el ao fiscal de la empresa correspondiente a 1993. Hay alguna razn para preocuparse porque el pronstico pueda no ser preciso? Explique su respuesta. h) Qu informacin adicional necesitara para convertir los pornsticos del inciso g) en dlares actuales? El sistema de transporte de College Town recolect informacin del nmero de pasajeros por estacin durante 1994 y 1995. Los datos desestacionalizados (en miles de pasajeros) son:

.M

Primavera 1994 1995 593 640

at

em

at

ic

a1

.c

om

Verano 545 560

Otoo 610 600

Invierno 575 555

15-63

a) Si los ndices estacionales utilizados para desestacionalizar fueron 110, 73, 113 y 104, respectivamente, encuentre el nmero real de pasajeros (en miles) para estas ocho estaciones. b) En qu estacin de 1995 se tuvo el menor nmero de pasajeros? Y el mayor? c) Si la ecuacin lineal de estimacin para estos datos desestacionalizados es Y 584.75 0.45x (con x medida a medio trimestre y x 0 entre los trimestres de invierno de 1994 a primavera de 1995), cul es el nmero esperado de viajes reales (en miles) para el otoo de 1996? Ferris Wheeler, director del parque de diversiones Whirly World, ha proporcionado los siguientes datos sobre el nmero de visitantes al parque (en miles de personas) para las estaciones en que permanece abierto:

Primavera 1992 1993 1994 1995 750 780 800 640

Verano 1,150 1,100 1,225 1,050

Otoo 680 580 610 600

15-64

a) Calcule los ndices estacionales para estos datos utilizando un promedio mvil de 3 periodos. b) Desestacionalice estos datos utilizando los ndices estacionales obtenidos en el inciso a). El administrador de un restaurante desea mejorar el servicio que brinda a sus clientes y el horario de sus empleados, basndose en la afluencia diaria de clientes durante las ltimas cuatro semanas. El nmero de clientes atendidos en el restaurante en ese periodo fue:
Lun. 1 2 3 4 345 418 393 406 Mar. 310 333 387 412 Mi. 385 400 311 377 Jue. 416 515 535 444 Vie. 597 664 625 650 Sb. 706 761 711 803 Dom. 653 702 598 822

Semana

15-65

Determine los ndices estacionales (diarios) para estos datos. (Utilice un promedio mvil de 7 das.) Suponga que las ventas de televisores de una pequea cadena de aparatos electrodomsticos durante 19911995 fueron las siguientes:
Ao Ventas 1991 230 1992 250 1993 265 1994 300 1995 310

15-67

a) Qu ao tuvo el ms alto porcentaje de tendencia? b) Qu ao estuvo ms cercano a la lnea de tendencia? Los siguientes datos muestran el nmero de casas listadas para venta, en miles, en el oeste de Estados Unidos al final de cada trimestre:
Ao 1992 Trimestre 1 2 3 4 1 2 3 4 1 2 3 4 1 Casas listadas 75 77 72 74 73 74 77 73 74 79 80 82 80

La ecuacin que describe la tendencia de estos volmenes de ventas es Y 3.78 0.07x, donde 1993 0 y las unidades de x son aos

w w

a) Calcule los ndices estacionales para cada trimestre. (Nota: debido a que esta serie de datos es corta, no descarte los valores extremos en el paso 5.) b) Desestacionalice estos datos. c) Encuentre la recta de tendencia de mnimos cuadrados para los datos desestacionalizados.
Fuente: Real Estate Research Council of Northern California.

.M

at

Ao Ventas

at

ic a

1.
1991 3.5

15-66

a) Desarrolle la ecuacin de estimacin de segundo grado para estos datos. b) Qu indica la magnitud de los coeficientes a, b y c respecto a la eleccin de una ecuacin de segundo grado para esos datos? La compaa Zapit ha registrado las siguientes cifras (en cientos de miles) correspondientes a las ventas totales en su lnea de hornos de microondas durante los ltimos 5 aos:

co

1992 3.8

1993 4.0

1994 3.7

1995 3.9

1993

1994

1995

em