UNIVERSIDAD NACIONAL

SANTIAGO ANTNEZ DE
MAYOLO
FACULTAD DE CIENCIAS DEL AMBIENTE

SERIES CRONOLGICAS: PRONOSTICO DE LAS PRECIPITACIONES

DE PASTORURI PARA EL AO 2015

ESCUELA ACADMICA:
CDIGO DEL CURSO:

Ingeniera Ambiental
060541

AO Y SEMESTRE ACADMICO: 2014-I

CICLO:

IV

DOCENTE:

ASNATE SALAZAR, Edwin Johny

INTEGRANTES:

- ANAYA BENITES, Brian

- ASENCIO MARRUFO, Sthephany
- CASTILLO VERGARA, Francisco
- OBISPO PADILLA, Yeny

HUARAZ PER
2014

SUMILLA
INTRODUCCIN
I.

Objetivos...04

II.

Marco terico...05

III.

Desarrollo......13

IV.

Conclusiones.......17

V.

Recomendaciones..18

VI.

Referencia Bibliogrfica....19

INTRODUCCIN
Los procedimientos estadsticos son muy importantes y son usados en todos
los aspectos que implique la actividad humana. En el presente trabajo de
investigacin se aplicara una teora del curso de mtodos estadsticos: Las
series Cronolgicas o series de tiempo, que consiste de manera sencilla, en
predecir lo que pasara en un futuro con datos pasados de una variable,
gracias a eso podremos pronosticar las precipitaciones para el ao 2015 de
la zona de Pastoruri, con datos de 9 aos (1999-2007) pasados.
Este trabajo se dividi en dos partes, el primero consisti en la definicin de
las variables y teora de las series cronolgicas y luego se pas a explicar el
mtodo realizado, con la finalidad de comprender en qu consiste el tema de
series cronolgicas. En la segunda parte se procedi a aplicar el mtodo
escogido, encontrando las variables necesarias para hacer los pronsticos
futuros.
Finalmente, concluimos que al aplicar los conocimientos tericos a un
trabajo de investigacin, se logra comprender an ms el concepto del tema
estudiado.
Los Autores
3

PROYECTO DE INVESTIGACION SERIES CRONOLOGICAS

I.

OBJETIVOS
GENERAL
Pronosticar las precipitaciones de la zona de Pastoruri para el ao
2015.
ESPECIFICOS

II.

MARCO TERICO
SERIES TEMPORALES
DEFINICION
Se define una serie temporal (tambin denominada histrica,
cronolgica o de tiempo) como un conjunto de datos ordenados en el
tiempo y el principal

objetivo de las series es conocer, el

comportamiento de una variable cuantitativa en el pasado para

estimar su comportamiento en el futuro.
Una serie de tiempo o cronolgica, trata una cantidad variable
dependiente y como funcin del tiempo t. Esto se escribe:
y= F(t)
Es decir, estudia el comportamiento de una variable y a lo largo del
tiempo t. Las unidades de tiempo ms usadas son por lo general de
un ao, un trimestre, un mes, etc.
Ejemplos

N de accidentes laborales graves en las empresas de ms de 500

empleados de Sevilla, durante los ltimos 5 aos.

Ventas de nuestra empresa en los ltimos 10 aos.

Cantidad de lluvia cada al da durante el ltimo trimestre.

Los datos son de la forma (yt, t) donde: yt Variable dependiente, t

variable independiente. Nota: realmente slo hay una variable a
estudiar que es yt, explicamos una variable a partir de su pasado
histrico.
COMPONENTES DE UNA SERIE TEMPORAL:

La tendencia

Las variaciones cclicas

Las variaciones estacionales

Las variaciones accidentales

La Tendencia (T) es un componente de la serie temporal que refleja su

evolucin a largo plazo. Puede ser de naturaleza estacionaria o
constante, de naturaleza lineal, de naturaleza parablica, de naturaleza
exponencial, etc. Tenemos:
a) TENDENCIA RECTILNEA.- Se representa por la frmula general:

La tendencia rectilnea queda determinada cuando se conocen los

valores numricos de a y b, se halla con el resultado de la
aplicacin ecuaciones normales, del mtodo de los mnimos
cuadrados.
b) TENDENCIA CURVILNEA.- Las tendencias curvilneas pueden ser
de dos tipos:
1. Tendencia Parablica.-

2. Tendencias Logartmica.- Estas a su vez se clasifican en:

TENDENCIA EXPONENCIAL O LOGARTMICA

TENDENCIA EXPONENCIAL MODIFICADA

Las variaciones cclicas(C)

Es un componente de la serie que recoge oscilaciones peridicas de
amplitud superior a un ao. Estas oscilaciones peridicas no son
regulares y se presentan en los fenmenos econmicos cuando se dan
de forma alternativa etapas de prosperidad o de depresin.
Las variaciones estacionales (E)
Son las

oscilaciones

que

se

repiten

intervalos

regulares

durante un periodo de tiempo o pueden ser fluctuaciones peridicas

que se presentan en forma mensual, semestral, anual, etc.
Ejemplo:
La temperatura que aumenta en verano y baja en invierno
Las ventas que aumentan en el fin de mes
Las fiestas patronales
Nmero de pulgadas de lluvia, en un lapso de X aos.
Las variaciones accidentales
Es una componente de la serie que recoge movimientos provocados
por factores imprevisibles (un pedido inesperado a nuestra empresa,
una huelga, una ola de calor, etc.). Tambin reciben el nombre de
variaciones irregulares, residuales o errticas.
METODO DE ESTIMACIN DE LA TENDENCIA
Una tendencia puede estimarse de diferentes maneras:
1. Mtodo de los mnimos cuadrados. Este mtodo, pude usarse
para calcular la ecuacin de una recta o curva de tendencia
apropiada. Con esta ecuacin se suelen calcular los valores de
tendencia T.

2. Mtodo a mano. Este mtodo, que consiste en trazar una recta o

curva de tendencia

simplemente

mirando

la

grfica,

puede

usarse para estimar Y. Sin embargo, tiene la obvia desventaja de

depender demasiado del juicio individual.
3. Mtodo del promedio mvil. Por medio de promedios mviles
de

orden adecuado, se pueden eliminar patrones cclicos,

estacinales e irregulares as slo el movimiento de tendencia.

Una desventaja de este mtodo es que los datos al inicio y final de
las series se pierden. Otra desventaja es que los promedios mviles
pueden generar ciclos u otros movimientos que no estaban en los
datos originales. Una tercera desventaja es que los promedios
mviles se ven muy

afectados

por

valores

extremos.

Para

superar esto de alguna manera, algunas veces se utiliza un

promedio mvil ponderado con pesos adecuados.
4. Mtodo de los semipromedios. Este consiste en separar los datos
en dos partes (de preferencia iguales) y calcular el promedio de los
datos en cada parte, con lo que se obtienen dos puntos en la grfica
de series de tiempo. Despus se traza una recta de tendencia entre
estos dos puntos. Los valores de tendencia a partir de la recta de
tendencia, pero tambin pueden determinarse de manera directa, sin
grfica
A pesar de que este mtodo es sencillo de aplicar, suele conducir
resultados pobres cuando se utiliza en forma indiscriminada.
Adems, slo es aplicable cuando

la

tendencia

es

lineal

aproximadamente lineal, aunque llega a extenderse a casos en

donde los datos pueden separarse en varias partes, en cada una de
las cuales la tendencia sea lineal.

ESTIMACION DE LAS VARIACIONES ESTACIONALES INDICE

ESTACIONAL
Para determinar el factor estacional, se debe estimar cmo varan los
datos en las series de tiempo de un mes a otro, considerando un ao
tpico. Un conjunto de nmeros que muestra los valores relativos de
una variable durante los meses del ao se llama ndice estacional o
ndice tpico de la variable. Por ejemplo, si se conoce que las ventas
durante enero, febrero, marzo, etc., son de 50, 120, 90 por ciento del
promedio de las venta mensuales para todo el ao, entonces los
nmeros 50, 120, 90 proporcionan el ndice estacional del ao, estos
nmeros suelen llamarse nmeros ndice estacionales. El promedio
(media) del ndice estacional para todo el ao debe ser 100, es decir, la
suma de los nmeros ndice de los 12 meses tiene que ser 1200%
Diversos mtodos estn disponibles para calcular el ndice estacional.
1. Mtodo de porcentaje promedio. En este mtodo, los datos de
cada se me expresan como porcentajes del promedio del ao.
Entonces,

se

promedian

los

porcentajes

de

los

meses

correspondientes de diferentes aos, usando una media o una

mediana; si se usa la media, es mejor evitar cualquier valor extremo
que pueda presentarse. Los 12 porcentajes resultantes dan el
ndice estacional. Si su media no es 100% (es decir, si

la

suma

no es 1200%), entonces deben ajustarse, lo que se logra

multiplicndolos por un factor adecuado.
2. Mtodo del porcentaje de la tendencia o de la razn de la
tendencia. En este mtodo, los datos de cada mes se expresan
como porcentajes de valores de la tendencia
promedio

adecuado

de los

porcentajes

mensual.

Un

para los meses

correspondientes proporcionan, entonces, el ndice requerido. Igual

que en el mtodo 1, estos se ajustan si no promedian 100%
9

Obsrvese que dividir cada valor mensual Y entre el valor de

tendencia T correspondiente, proporciona Y/T = CSI, de la ecuacin
(l), y que el siguiente promedio de Y/T produce los ndices
estacionales. Mientras estos ndices incluyan variaciones cclicas e
irregulares, stas pueden ser una desventaja importante del
mtodo, especialmente si las variaciones son grandes.
3. Mtodo del porcentaje del promedio mvil o la razn del
promedio mvil. En este mtodo se calcula un promedio mvil
de 12 meses. Dado que los resultados as obtenidos caen entre
meses sucesivos, en lugar de en la mitad del mes (que es donde
caen los datos originales), se busca un promedio mvil de 2 meses,
de este promedio mvil de 12 meses. El

resultado suele

llamarse promedio mvil centrado de 12 meses.

Despus de esto, se expresan los datos originales de cada
mes como un porcentaje del promedio mvil centrado de 12 meses
correspondiente a los datos originales. Luego se promedian los
porcentajes de los meses correspondientes, con lo que se obtiene
el ndice requerido. Como antes, si stos no promedian 100% se
hace un ajuste.

PROMEDIOS MOVILES
A menudo, se considera que una tendencia secular es un indicio del
recorrido general de la generacin de una serie de tiempo. Si se tiene
incertidumbre de que la tendencia sea lineal o de que se podra
describir mejor por medio de alguna otra clase de curva, si no estamos
seguros de tener en realidad una tendencia o parte de un ciclo y si no
estamos realmente interesados en obtener una ecuacin matemtica,
podemos describir muy adecuadamente el comportamiento general
10

de una serie de tiempo mediante una serie artificial conocida como

promedio mvil.
Un promedio mvil se construye sustituyendo cada valor de una serie
por la media del mismo y algunos de los valores inmediatamente
anteriores y posteriores. Si la ponderacin se realiza en un nmero par
de periodos, por ejemplo, 4 aos o 12 meses, el promedio mvil
quedar inicialmente entre aos o meses sucesivos.
En estos casos, se suelen reordenar (o centrar) los valores
tomando el promedio mvil de los dos aos (o dos meses) adyacentes.
El problema bsico en la elaboracin de un promedio mvil es la
eleccin de un periodo apropiado para el promedio. Esta eleccin
depende considerablemente de la naturaleza de los datos y del
propsito para el cual se elabora el ndice. Ordinariamente, el objeto de
ajustar un promedio mvil es el de eliminar, hasta donde sea posible,
las fluctuaciones indeseables o perturbadoras de los datos.
T.C de la serie original. Esto se logra dividiendo los datos T.S.C.I
originales, mes por mes, entre las estimaciones T.C correspondientes
(es decir, entre los valores correspondientes del promedio mvil).
Ejemplo 1:
Dados los nmeros 2, 6, 1, 5, 3, 7 y 2 un promedio mvil de orden 3
est dado por la secuencia:

Se acostumbra localizar cada nmero del promedio mvil en su

posicin apropiada, relacionada con los datos originales. En este
ejemplo se escribira.

11

Datos originales: 2, 6, 1, 5, 3, 7, 2
Promedio mvil de orden 3: 3, 4, 3, 5, 4
Donde cada nmero del promedio mvil es la media de los tres
nmeros inmediatamente por encima de l.
MTODO DE LOS MNIMOS CUADRADOS PARA TENDENCIAS
RECTILNEAS
Este mtodo consiste en elegir la recta de modo tal que la suma de los
cuadrados de los desvos entre los puntos representados y la recta,
sea la menor posible.
La ecuacin de la recta es:

Queda determinada cuando se conocen los valores numricos de a y b

a=

Y b t
n

tY
b=

[ ]
2

12

Z t
n

( t )
n

III.

DESARROLLO

Estacin:
Variable:
Periodo:
Revisin:

EM-13
Precipitaciones totales
2004-2012
Ing. Figueroa Tauquino, Rafael

A continuacin se presentan las precipitaciones en ml/m 2 por

estaciones, monitoreadas en la estacin EM-13 de Pastoruri desde el
ao 1999 hasta el 2007.
Primave
Ao
Invierno ra
Verano Otoo
2004
50
80
85
62
2005
55
89
91
83
2006
70
69
52
72
2007
71
90
75
61
2008
64
53
84
54
2009
62
68
62
91
2010
55
74
90
72
2011
61
62
56
69
2012
75
89
80
93

Determinacin del ndice estacional usando el mtodo del

promedio mvil.

2004

AO
S

ESTACION

50

80

PROMEDI
O
MOVIL(4
ESTACION
ES)

PROMEDI
O MOVIL
CENTRAD
O

VALOR
ESTACION
AL
ESPECIFI
CO

69.3

85

69.9

1.2

71.65

0.9

73.5

0.7

76.9

1.2

70.5
O

62

2005

72.8

13

55

89

74.3

79.5
V

91

81.4

1.1

80.8

1.0

73.4

1.0

67.1

1.0

65.9

0.8

68.6

1.0

74.1

1.0

75.6

1.2

73.4

1.0

67.9

0.9

64.4

1.0

64.6

0.8

63.5

1.3

65.1

0.8

64.3

1.0

66.1

1.0

69.9

0.9

70.4

1.3

75.3

0.7

76.4

1.0

74.8

1.2

83.3
O

83
78.3

70

2006

68.5
P

69
65.8

52
66.0

72
71.3

71

2007

77.0
P

90
74.3

75
72.5

61
63.3

64

2008

65.5
P

53
63.8

84
63.3

54
67.0

62
61.5

2009

68
70.8

62
69.0

91

2010

71.8
I

55
78.8

79
74.0

90
75.5

14

72

61

73.4

1.0

67.0

0.9

62.4

1.0

63.8

0.9

68.9

1.0

75.3

1.0

81.3

1.1

71.3

2011

62.8
P

62

56

62.0
65.5
O

69

75

72.3

2012

78.3

89

80

93

84.3

Determinacin de la media y el ndice tpico.

Ao

Invierno

2004
2005
2006
2007
2008
2009
2010
2011
2012
MEDIA

0.7
1.0
1.0
1.0
1.0
0.7
0.9
1.0
0.91

TOTAL

mediax8=7.
25
mediax100
=91.0

INDICE
TIPICO

Primav
Verano
era
1.2
1.2
1.1
1.0
0.8
1.2
1.0
0.8
1.3
1.0
0.9
1.0
1.2
1.0
0.9
1.1
1.04
1.05

Otoo
0.9
1.0
1.0
0.9
0.8
1.3
1.0
1.0
1.00

8.34

8.42

7.98

104.0

105

100

INTERPRETACIONES:
Las precipitaciones en la estacin de invierno han disminuido en
un 9%.
15

 Las precipitaciones en la estacin de primavera han aumentado

en un 4%.
Las precipitaciones en la estacin de verano han aumentado en
un 5%.
Las precipitaciones en la estacin de otoo se mantiene.

CUADRO PARA PRONSTICOS FUTUROS

2011

2010

2009

2008

2007

2006

2005

2004

A ESTACIO
O
N

16

I
P
V
O
I
P
V
O
I
P
V
O
I
P
V
O
I
P
V
O
I
P
V
O
I
P
V
O
I
P
V
O

Y
50
80
85
62
55
89
91
83
70
69
52
72
71
90
75
61
64
53
84
54
62
68
62
91
55
79
90
72
61
62
56
69

INDICE
PRECIPITACIONE
ESTACIO
S
NAL
DESESTACIONALI t
tY
t2
PROMED
ZADAS
IO
Y
0.91
50/0.91=54.9
1
54.9
1
1.04
76.9
2 153.8
4
1.05
81.0
3 242.9
9
1
62.0
4 248.0
16
0.91
60.4
5 302.2
25
1.04
85.6
6 513.5
36
1.05
86.7
7 606.7
49
1
83.0
8 664.0
64
0.91
76.9
9 692.3
81
1.04
66.3
10 663.5
100
1.05
49.5
11 544.8
121
1
72.0
12 864.0
144
0.91
78.0
13 1014.3 169
1.04
86.5
14 1211.5 196
1.05
71.4
15 1071.4 225
1
61.0
16 976.0
256
0.91
70.3
17 1195.6 289
1.04
51.0
18 917.3
324
1.05
80.0
19 1520.0 361
1
54.0
20 1080.0 400
0.91
68.1
21 1430.8 441
1.04
65.4
22 1438.5 484
1.05
59.0
23 1358.1 529
1
91.0
24 2184.0 576
0.91
60.4
25 1511.0 625
1.04
76.0
26 1975.0 676
1.05
85.7
27 2314.3 729
1
72.0
28 2016.0 784
0.91
67.0
29 1944.0 841
1.04
59.6
30 1788.5 900
1.05
53.3
31 1653.3 961
1
69.0
32 2208.0 1024

2012

I
P
V
O

75
89
80
93

0.91
1.04
1.05
1

82.4
85.6
76.2
93.0

TOTAL

33
34
35
36
66
6

2571.4

Y: Precipitaciones totales en ml/m2

2719.8
2909.6
2666.7
3348.0
48002
.1

1089
1156
1225
1296
1620
6

t: Estaciones

Determinacin de la ecuacin de tendencia lineal.

tY
b=

t 2

a=

Y t
n

[ ( ) ]
t

48002.1
=

2571.4 666
36

[ ]

666
16206
36

=0.11

Y b t = 2571.4 0.11 666 =69.4

n

36

36

Y =a+b t

Y =69.4 +0.11 t

PRONSTICOS:
Diga usted que cantidad de precipitaciones caern en el ao 2015 en
ml/m2:
2015

Invierno
Primavera
Verano
Otoo

37
38
39
40

Precipitaciones
estimadas
73.5
73.6
73.7
73.8

INTERPRETACIN
Para las estaciones del ao 2015:

17

ndice estacional

Pronstico

0.91
1.04
1.05
1

66.90
76.5
77.4
73.8

 En invierno las precipitaciones sern de 66.90 ml/m 2.

En primavera las precipitaciones sern de 76.5 ml/m 2.
En verano las precipitaciones sern de 77.4 ml/m 2.
En otoo las precipitaciones sern de 73.8 ml/m 2.

IV.

CONCLUSIONES
Las pronsticos de las precipitaciones para el ao 2015 son 66.90
ml/m2 para invierno, _____ para primavera, ______ para verano y
_______ para otoo.
En el ao 2015 la mayor precipitacin se dar en la estacin de
verano y la menor se dar en invierno.

V.

RECOMENDACIONES
Metodolgicamente, una serie cronolgica debe analizarse, el
cual consta de los siguientes aspectos:
o Recoleccin de datos fiables.
o Representacin grfica de los datos de la serie y valoracin
cualitativa de su comportamiento.
o Determinacin de la tendencia
o Determinacin de la existencia o no de estacionalidad.
o Registro de las variaciones cclicas si aparecen, sealando la
periodicidad y amplitud de la oscilacin alrededor de la
tendencia.
o Determinacin de los movimientos irregulares.
o Evaluar los resultados obtenidos, en particular las fuentes de
error y su magnitud, as como si el proceso se encuentra bajo
control estadstico o no.

18

 Se debe disponer de informacin actualizada.

VI.

REFERENCIAS BIBLIOGRAFICAS

RUIZ MUOZ, David

1997
MANUAL DE ESTADISTICAS
Ed. [Libro]. Consultado el 01/08/14.

2da

Jose alberto Mauricio

2007
Analisis de Series temporales
Ed. [Libro]. Consultado el 01/08/14.

1 era

UNIVERSIDAD NACIONAL DE CALLAO

2012
CAPITULO 8: SERIES
CRONOLOGICAS. [Archivo PDF]. Consultado el
01/08/14.

SLIDESHARE.NET
2012
SERIES CRONOLOGICAS. Recuperado de:
http://es.slideshare.net/AMBARVICCARI/seriescronologicas-estadistica-uft. Consultado el 08/08/14.

VIRTUAL.UNAL.CO
2008
SERIES CRONOLOGICAS. Recuperado de:
http://www.virtual.unal.edu.co/cursos/sedes/manizales
/4030006/lecciones/capitulocinco/5.html. Consultado
el 15/08/14.

UIB.CAT
2001

19

SERIES CRONOLOGICAS/TEMPORALES (I).

Recuperado
de:
http://www.uib.cat/depart/deaweb/webpersonal/william
nilsson/en/archivos/Capitulo_8.pdf. Consultado el
15/08/14.

METODOS.UPCT.ES
2005
SERIES CRONOLOGICAS O TEMPORALES.
Recuperado
de:

http://metodos.upct.es/Asignaturas/Diplomatura/Introd
uccion_estadistica/2008_2009/material_didactico/resu
men/Tema5resumen.pdf. Consultado el 22/08/14.

20